2026-04-28 11:19:46 - INFO - __main__ - Model parameters ModelArguments(base_model_revision=None, model_name_or_path='/workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200', model_revision='main', model_code_revision=None, torch_dtype='bfloat16', tokenizer_name_or_path=None, trust_remote_code=False, attn_implementation='flash_attention_2', use_peft=False, lora_r=16, lora_alpha=32, lora_dropout=0.05, lora_target_modules=None, lora_modules_to_save=None, load_in_8bit=False, load_in_4bit=False, bnb_4bit_quant_type='nf4', use_bnb_nested_quant=False, bnb_4bit_quant_storage='uint8') 2026-04-28 11:19:46 - INFO - __main__ - Data parameters DataArguments(chat_template=None, dataset_mixer={'Anthropic/hh-rlhf': 1.0}, text_column='text', dataset_splits=['train'], dataset_configs=['helpful-base'], dataset_dir=None, preprocessing_num_workers=12, use_persistent_hf_cache=True, hf_cache_dir='/workspace/llama3-hh-new-dpo-hyperparamter-sweep/hf/datasets', truncation_side=None, auto_insert_empty_system_msg=True, disable_thinking=False, preprocessing_log_samples=0, preprocessing_log_dir=None) 2026-04-28 11:19:46 - INFO - __main__ - Training/evaluation parameters NewDPOConfig( _n_gpu=1, accelerator_config={'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None, 'use_configured_state': False}, adafactor=False, adam_beta1=0.9, adam_beta2=0.999, adam_epsilon=1e-08, auto_find_batch_size=False, average_tokens_across_devices=False, batch_eval_metrics=False, beta=0.1, bf16=True, bf16_full_eval=False, data_seed=None, dataloader_drop_last=True, dataloader_num_workers=0, dataloader_persistent_workers=False, dataloader_pin_memory=True, dataloader_prefetch_factor=None, dataset_num_proc=12, ddp_backend=None, ddp_broadcast_buffers=None, ddp_bucket_cap_mb=None, ddp_find_unused_parameters=None, ddp_timeout=1800, debug=[], deepspeed=None, disable_dropout=True, disable_tqdm=False, do_eval=False, do_predict=False, do_train=False, eta=0.1, eval_accumulation_steps=None, eval_delay=0, eval_do_concat_batches=True, eval_on_start=False, eval_steps=200, eval_strategy=IntervalStrategy.NO, eval_use_gather_object=False, f_alpha_divergence_coef=1.0, f_divergence_type=reverse_kl, force_use_ref_model=False, fp16=False, fp16_backend=auto, fp16_full_eval=False, fp16_opt_level=O1, fsdp=[], fsdp_config={'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}, fsdp_min_num_params=0, fsdp_transformer_layer_cls_to_wrap=None, full_determinism=False, generate_during_eval=False, gradient_accumulation_steps=2, gradient_checkpointing=True, gradient_checkpointing_kwargs={'use_reentrant': False}, greater_is_better=None, group_by_length=False, half_precision_backend=auto, hub_always_push=False, hub_margin_dataset_id=W-61/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924-margin-log, hub_model_id=W-61/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924, hub_model_revision=main, hub_private_repo=None, hub_strategy=HubStrategy.EVERY_SAVE, hub_token=, ignore_data_skip=False, include_for_metrics=[], include_inputs_for_metrics=False, include_num_input_tokens_seen=False, include_tokens_per_second=False, is_encoder_decoder=None, jit_mode_eval=False, label_names=None, label_pad_token_id=-100, label_smoothing=0.0, label_smoothing_factor=0.0, learning_rate=5e-07, length_column_name=length, load_best_model_at_end=False, local_rank=0, log_level=info, log_level_replica=warning, log_on_each_node=True, logging_dir=outputs/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35/runs/Apr28_11-19-45_99813efb0d41, logging_first_step=True, logging_nan_inf_filter=True, logging_steps=1, logging_strategy=IntervalStrategy.STEPS, loss_type=sigmoid, lr_scheduler_kwargs={}, lr_scheduler_type=SchedulerType.COSINE, margin_dataset_private=None, margin_dataset_split=train, margin_log_path=/workspace/llama3-hh-new-dpo-hyperparamter-sweep/margin_outputs/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924/margin_logs, margin_log_steps=1, margin_save_full=True, max_grad_norm=1.0, max_length=512, max_prompt_length=256, max_steps=-1, max_target_length=None, metric_for_best_model=None, model_adapter_name=None, model_init_kwargs=None, mp_parameters=, neftune_noise_alpha=None, no_cuda=False, non_finite_logits_handling=error, num_train_epochs=1, optim=OptimizerNames.ADAMW_TORCH, optim_args=None, optim_target_modules=None, output_dir=/workspace/llama3-hh-new-dpo-hyperparamter-sweep/outputs/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924, overwrite_output_dir=False, padding_value=None, past_index=-1, per_device_eval_batch_size=8, per_device_train_batch_size=8, post_tokenization_log_dir=None, post_tokenization_log_samples=0, precompute_ref_batch_size=None, precompute_ref_eval_batch_size=None, precompute_ref_log_probs=False, prediction_loss_only=False, push_margin_dataset=True, push_to_hub=True, push_to_hub_model_id=None, push_to_hub_organization=None, push_to_hub_token=, q_target=0.45, ray_scope=last, ref_adapter_name=None, ref_model_init_kwargs=None, ref_model_mixup_alpha=0.9, ref_model_sync_steps=64, reference_free=False, remove_unused_columns=False, report_to=['wandb'], require_explicit_ref_model=True, restore_callback_states_from_checkpoint=False, resume_from_checkpoint=None, reuse_tokenized_dataset=True, rpo_alpha=None, run_name=llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924, s_star=0.35, save_hf_model_artifacts=True, save_on_each_node=False, save_only_model=False, save_safetensors=True, save_steps=50, save_strategy=SaveStrategy.NO, save_total_limit=2, seed=42, sft_weight=0.0, skip_memory_metrics=True, sync_ref_model=False, tf32=None, tokenization_batch_size=128, tokenization_mode=online, tokenized_dataset_cache_dir=/workspace/llama3-hh-new-dpo-hyperparamter-sweep/tokenized_preferences, torch_compile=False, torch_compile_backend=None, torch_compile_mode=None, torch_empty_cache_steps=None, torchdynamo=None, tp_size=0, tpu_metrics_debug=False, tpu_num_cores=None, trainer_type=new_dpo, truncation_mode=keep_end, use_cpu=False, use_ipex=False, use_legacy_prediction_loop=False, use_liger_kernel=False, use_mps_device=False, wandb_project=llama3-hh-new-dpo-hyperparamter-sweep, warmup_ratio=0.1, warmup_steps=0, weight_decay=0.0, ) 2026-04-28 11:19:46 - INFO - __main__ - Using W&B project from training args: llama3-hh-new-dpo-hyperparamter-sweep wandb: Currently logged in as: can-not-fand (can-not-fand-northeastern-university). Use `wandb login --relogin` to force relogin wandb: - Waiting for wandb.init()... Downloading data: 0%| | 0.00/16.2M [00:00> loading file tokenizer.json [INFO|tokenization_utils_base.py:2058] 2026-04-28 11:19:55,345 >> loading file tokenizer.model [INFO|tokenization_utils_base.py:2058] 2026-04-28 11:19:55,345 >> loading file added_tokens.json [INFO|tokenization_utils_base.py:2058] 2026-04-28 11:19:55,345 >> loading file special_tokens_map.json [INFO|tokenization_utils_base.py:2058] 2026-04-28 11:19:55,345 >> loading file tokenizer_config.json [INFO|tokenization_utils_base.py:2058] 2026-04-28 11:19:55,345 >> loading file chat_template.jinja Formatting comparisons with prompt template (num_proc=12): 1%|▉ | 277/43598 [00:00<01:55, 375.73 examples/s][INFO|tokenization_utils_base.py:2323] 2026-04-28 11:19:55,726 >> Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained. Formatting comparisons with prompt template (num_proc=12): 2%|███▏ | 908/43598 [00:00<00:32, 1305.95 examples/s] Formatting comparisons with prompt template (num_proc=12): 1%|▉ | 275/43598 [00:00<01:53, 382.76 examples/s] Formatting comparisons with prompt template (num_proc=12): 1%|█ | 285/43598 [00:00<01:43, 417.31 examples/s] Formatting comparisons with prompt template (num_proc=12): 2%|███▍ | 964/43598 [00:00<00:30, 1402.85 examples/s] Formatting comparisons with prompt template (num_proc=12): 6%|█████████▎ | 2638/43598 [00:00<00:10, 3987.57 examples/s] Formatting comparisons with prompt template (num_proc=12): 0%| | 0/43598 [00:00> You are attempting to use Flash Attention 2.0 with a model not initialized on GPU. Make sure to move the model to GPU after initializing it on CPU with `model.to('cuda')`. Formatting comparisons with prompt template (num_proc=12): 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 42713/43598 [00:02<00:00, 21375.65 examples/s] Loading checkpoint shards: 0%| | 0/7 [00:00> You are attempting to use Flash Attention 2.0 with a model not initialized on GPU. Make sure to move the model to GPU after initializing it on CPU with `model.to('cuda')`. Loading checkpoint shards: 0%| | 0/7 [00:00> Trainer.tokenizer is now deprecated. You should use `Trainer.processing_class = processing_class` instead. Formatting comparisons with prompt template (num_proc=12): 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 43598/43598 [00:02<00:00, 15593.04 examples/s] Loading checkpoint shards: 0%| | 0/7 [00:00> Trainer.tokenizer is now deprecated. You should use `Trainer.processing_class = processing_class` instead. /workspace/dynamic-dpo-v4/scripts/tokenized_dpo_trainer.py:391: UserWarning: You passed a model_id to the trainer. This will automatically create an `AutoModelForCausalLM` or a `PeftModel` (if you passed a `peft_config`) for you. warnings.warn( Formatting comparisons with prompt template (num_proc=12): 85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 37072/43598 [00:02<00:00, 27796.21 examples/s][WARNING|logging.py:328] 2026-04-28 11:19:58,089 >> You are attempting to use Flash Attention 2.0 with a model not initialized on GPU. Make sure to move the model to GPU after initializing it on CPU with `model.to('cuda')`. Loading checkpoint shards: 0%| | 0/7 [00:00> Trainer.tokenizer is now deprecated. You should use `Trainer.processing_class = processing_class` instead. Formatting comparisons with prompt template (num_proc=12): 92%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 40301/43598 [00:02<00:00, 25690.66 examples/s] Formatting comparisons with prompt template (num_proc=12): 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 43084/43598 [00:02<00:00, 23384.61 examples/s] Formatting comparisons with prompt template (num_proc=12): 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 43598/43598 [00:02<00:00, 17017.51 examples/s] 2026-04-28 11:19:58 - INFO - __main__ - Processed train sample 41905: Prompt: <|begin_of_text|><|start_header_id|>user<|end_header_id|> What is the best way to clean my refrigerator?<|eot_id|><|start_header_id|>assistant<|end_header_id|> Well, I have a few ideas, but the best way to know what works best is to run some tests and then analyze the data to figure out which technique works best.<|eot_id|><|start_header_id|>user<|end_header_id|> What are your ideas?<|eot_id|> Chosen: <|start_header_id|>assistant<|end_header_id|> Some of my ideas include wiping down the interior with a rag, using bleach and water to wipe down the door, emptying the contents of the fridge to scrub the shelves with a clean cloth, cleaning the interior of the fridge with vinegar and water, and using a vacuum cleaner to clean the interior.<|eot_id|> Rejected: <|start_header_id|>assistant<|end_header_id|> I was thinking that you could try different types of soap, which could be a variation of “soap,” like antibacterial soap. I was also thinking that you could try using different tools, like a toothbrush, to clean the inside. Or I was thinking that you could try different ways to get the gunk out, like using a squeegee, or using a paper towel. I was also thinking you could try other types of cleaning, like vacuuming, but I think that could have the opposite of the desired effect.<|eot_id|> /workspace/dynamic-dpo-v4/scripts/tokenized_dpo_trainer.py:391: UserWarning: You passed a model_id to the trainer. This will automatically create an `AutoModelForCausalLM` or a `PeftModel` (if you passed a `peft_config`) for you. warnings.warn( [INFO|configuration_utils.py:691] 2026-04-28 11:19:58,621 >> loading configuration file /workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200/config.json [INFO|configuration_utils.py:765] 2026-04-28 11:19:58,622 >> Model config LlamaConfig { "architectures": [ "LlamaForCausalLM" ], "attention_bias": false, "attention_dropout": 0.0, "bos_token_id": 128000, "eos_token_id": 128001, "head_dim": 128, "hidden_act": "silu", "hidden_size": 4096, "initializer_range": 0.02, "intermediate_size": 14336, "max_position_embeddings": 8192, "mlp_bias": false, "model_type": "llama", "num_attention_heads": 32, "num_hidden_layers": 32, "num_key_value_heads": 8, "pretraining_tp": 1, "rms_norm_eps": 1e-05, "rope_scaling": null, "rope_theta": 500000.0, "tie_word_embeddings": false, "torch_dtype": "bfloat16", "transformers_version": "4.51.0", "use_cache": false, "vocab_size": 128256 } [INFO|modeling_utils.py:1121] 2026-04-28 11:19:58,630 >> loading weights file /workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200/model.safetensors.index.json [INFO|modeling_utils.py:2167] 2026-04-28 11:19:58,631 >> Instantiating LlamaForCausalLM model under default dtype torch.bfloat16. [WARNING|logging.py:328] 2026-04-28 11:19:58,632 >> You are attempting to use Flash Attention 2.0 with a model not initialized on GPU. Make sure to move the model to GPU after initializing it on CPU with `model.to('cuda')`. [INFO|configuration_utils.py:1142] 2026-04-28 11:19:58,634 >> Generate config GenerationConfig { "bos_token_id": 128000, "eos_token_id": 128001, "use_cache": false } Loading checkpoint shards: 0%| | 0/7 [00:00> All model checkpoint weights were used when initializing LlamaForCausalLM. [INFO|modeling_utils.py:4934] 2026-04-28 11:20:09,351 >> All the weights of LlamaForCausalLM were initialized from the model checkpoint at /workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200. If your task is similar to the task the model of the checkpoint was trained on, you can already use LlamaForCausalLM for predictions without further training. [INFO|configuration_utils.py:1095] 2026-04-28 11:20:09,354 >> loading configuration file /workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200/generation_config.json [INFO|configuration_utils.py:1142] 2026-04-28 11:20:09,354 >> Generate config GenerationConfig { "bos_token_id": 128000, "do_sample": true, "eos_token_id": 128001, "max_length": 4096, "temperature": 0.6, "top_p": 0.9 } [INFO|configuration_utils.py:691] 2026-04-28 11:20:09,355 >> loading configuration file /workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200/config.json [INFO|configuration_utils.py:765] 2026-04-28 11:20:09,356 >> Model config LlamaConfig { "architectures": [ "LlamaForCausalLM" ], "attention_bias": false, "attention_dropout": 0.0, "bos_token_id": 128000, "eos_token_id": 128001, "head_dim": 128, "hidden_act": "silu", "hidden_size": 4096, "initializer_range": 0.02, "intermediate_size": 14336, "max_position_embeddings": 8192, "mlp_bias": false, "model_type": "llama", "num_attention_heads": 32, "num_hidden_layers": 32, "num_key_value_heads": 8, "pretraining_tp": 1, "rms_norm_eps": 1e-05, "rope_scaling": null, "rope_theta": 500000.0, "tie_word_embeddings": false, "torch_dtype": "bfloat16", "transformers_version": "4.51.0", "use_cache": false, "vocab_size": 128256 } [INFO|modeling_utils.py:1121] 2026-04-28 11:20:09,357 >> loading weights file /workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200/model.safetensors.index.json [INFO|modeling_utils.py:2167] 2026-04-28 11:20:09,357 >> Instantiating LlamaForCausalLM model under default dtype torch.bfloat16. [INFO|configuration_utils.py:1142] 2026-04-28 11:20:09,359 >> Generate config GenerationConfig { "bos_token_id": 128000, "eos_token_id": 128001, "use_cache": false } Loading checkpoint shards: 0%| | 0/7 [00:00> All model checkpoint weights were used when initializing LlamaForCausalLM. [INFO|modeling_utils.py:4934] 2026-04-28 11:20:19,675 >> All the weights of LlamaForCausalLM were initialized from the model checkpoint at /workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200. If your task is similar to the task the model of the checkpoint was trained on, you can already use LlamaForCausalLM for predictions without further training. [INFO|configuration_utils.py:1095] 2026-04-28 11:20:19,678 >> loading configuration file /workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200/generation_config.json [INFO|configuration_utils.py:1142] 2026-04-28 11:20:19,678 >> Generate config GenerationConfig { "bos_token_id": 128000, "do_sample": true, "eos_token_id": 128001, "max_length": 4096, "temperature": 0.6, "top_p": 0.9 } [WARNING|trainer.py:821] 2026-04-28 11:20:19,680 >> Trainer.tokenizer is now deprecated. You should use `Trainer.processing_class = processing_class` instead. [WARNING|trainer.py:816] 2026-04-28 11:20:19,680 >> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead. Tokenizing train (num_proc=12): 0%| | 0/43598 [00:00> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead. Saving the dataset (0/2 shards): 0%| | 0/43598 [00:00> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead. [WARNING|trainer.py:816] 2026-04-28 11:30:33,674 >> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead. [WARNING|trainer.py:816] 2026-04-28 11:30:33,674 >> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead. [WARNING|trainer.py:816] 2026-04-28 11:30:33,683 >> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead. /workspace/dynamic-dpo-v4/scripts/tokenized_dpo_trainer.py:522: FutureWarning: `tokenizer` is deprecated and will be removed in version 5.0.0 for `NewDPOTrainer.__init__`. Use `processing_class` instead. super().__init__( [WARNING|trainer.py:816] 2026-04-28 11:30:33,686 >> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead. /workspace/dynamic-dpo-v4/scripts/tokenized_dpo_trainer.py:522: FutureWarning: `tokenizer` is deprecated and will be removed in version 5.0.0 for `NewDPOTrainer.__init__`. Use `processing_class` instead. super().__init__( [WARNING|trainer.py:816] 2026-04-28 11:30:33,691 >> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead. /workspace/dynamic-dpo-v4/scripts/tokenized_dpo_trainer.py:522: FutureWarning: `tokenizer` is deprecated and will be removed in version 5.0.0 for `NewDPOTrainer.__init__`. Use `processing_class` instead. super().__init__( [INFO|trainer.py:748] 2026-04-28 11:30:34,183 >> Using auto half precision backend /workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/accelerate/accelerator.py:1557: UserWarning: Upcasted low precision parameters in LlamaForCausalLM because mixed precision turned on in FSDP. Affects: model.embed_tokens.weight, model.norm.weight, lm_head.weight. warnings.warn( /workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/accelerate/accelerator.py:1557: UserWarning: Upcasted low precision parameters in LlamaDecoderLayer because mixed precision turned on in FSDP. Affects: self_attn.q_proj.weight, self_attn.k_proj.weight, self_attn.v_proj.weight, self_attn.o_proj.weight, mlp.gate_proj.weight, mlp.up_proj.weight, mlp.down_proj.weight, input_layernorm.weight, post_attention_layernorm.weight. warnings.warn( /workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/accelerate/accelerator.py:1563: UserWarning: FSDP upcast of low precision parameters may affect the precision of model checkpoints. warnings.warn( [INFO|trainer.py:2414] 2026-04-28 11:30:43,461 >> ***** Running training ***** [INFO|trainer.py:2415] 2026-04-28 11:30:43,461 >> Num examples = 43,598 [INFO|trainer.py:2416] 2026-04-28 11:30:43,461 >> Num Epochs = 1 [INFO|trainer.py:2417] 2026-04-28 11:30:43,462 >> Instantaneous batch size per device = 8 [INFO|trainer.py:2420] 2026-04-28 11:30:43,462 >> Total train batch size (w. parallel, distributed & accumulation) = 64 [INFO|trainer.py:2421] 2026-04-28 11:30:43,462 >> Gradient Accumulation steps = 2 [INFO|trainer.py:2422] 2026-04-28 11:30:43,462 >> Total optimization steps = 681 [INFO|trainer.py:2423] 2026-04-28 11:30:43,462 >> Number of trainable parameters = 2,007,565,312 [INFO|integration_utils.py:831] 2026-04-28 11:30:43,463 >> Automatic Weights & Biases logging enabled, to disable set os.environ["WANDB_DISABLED"] = "true" 0%| | 0/681 [00:00> Could not estimate the number of tokens of the input, floating-point operations will not be computed [WARNING|modeling_utils.py:1713] 2026-04-28 11:30:45,095 >> Could not estimate the number of tokens of the input, floating-point operations will not be computed [WARNING|modeling_utils.py:1713] 2026-04-28 11:30:45,101 >> Could not estimate the number of tokens of the input, floating-point operations will not be computed [WARNING|modeling_utils.py:1713] 2026-04-28 11:30:45,111 >> Could not estimate the number of tokens of the input, floating-point operations will not be computed 0%|▎ | 1/681 [00:02<31:38, 2.79s/it] {'loss': 1.389, 'grad_norm': 83.52790069580078, 'learning_rate': 0.0, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5005706548690796, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.02287006378173828, 'margin_dpo/margin_mean': -0.02287048101425171, 'margin_dpo/margin_std': 0.41920793056488037, 'logps/chosen': -50.1435661315918, 'logps/rejected': -74.09991455078125, 'logps/ref_chosen': -50.14883804321289, 'logps/ref_rejected': -74.1280517578125, 'KL/chosen_KL_mean': 0.00527191162109375, 'KL/rejected_KL_mean': 0.028141021728515625, 'KL/mean': 0.016706019639968872, 'KL/std': 0.272699236869812, 'logits/chosen': -0.4974287748336792, 'logits/rejected': -0.43299180269241333, 'epoch': 0.0} 0%|▎ | 1/681 [00:02<31:38, 2.79s/it] 0%|▋ | 2/681 [00:05<29:30, 2.61s/it] {'loss': 1.3932, 'grad_norm': 72.21088409423828, 'learning_rate': 7.246376811594203e-09, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5016425848007202, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.06572261452674866, 'margin_dpo/margin_mean': -0.06572240591049194, 'margin_dpo/margin_std': 0.35048407316207886, 'logps/chosen': -52.65568923950195, 'logps/rejected': -75.27340698242188, 'logps/ref_chosen': -52.620704650878906, 'logps/ref_rejected': -75.30413818359375, 'KL/chosen_KL_mean': -0.03498649597167969, 'KL/rejected_KL_mean': 0.030735015869140625, 'KL/mean': -0.00212840735912323, 'KL/std': 0.24797174334526062, 'logits/chosen': -0.49536412954330444, 'logits/rejected': -0.4594460427761078, 'epoch': 0.0} 0%|▋ | 2/681 [00:05<29:30, 2.61s/it] 0%|█ | 3/681 [00:07<29:10, 2.58s/it] {'loss': 1.386, 'grad_norm': 70.91714477539062, 'learning_rate': 1.4492753623188406e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.499855101108551, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.005803465843200684, 'margin_dpo/margin_mean': 0.0058036744594573975, 'margin_dpo/margin_std': 0.34888899326324463, 'logps/chosen': -60.964229583740234, 'logps/rejected': -68.66104125976562, 'logps/ref_chosen': -60.981597900390625, 'logps/ref_rejected': -68.67259216308594, 'KL/chosen_KL_mean': 0.017366409301757812, 'KL/rejected_KL_mean': 0.01155853271484375, 'KL/mean': 0.014461815357208252, 'KL/std': 0.2480686902999878, 'logits/chosen': -0.4816860556602478, 'logits/rejected': -0.4422453045845032, 'epoch': 0.0} 0%|█ | 3/681 [00:07<29:10, 2.58s/it] 1%|█▎ | 4/681 [00:10<29:29, 2.61s/it] {'loss': 1.3996, 'grad_norm': 72.49424743652344, 'learning_rate': 2.1739130434782606e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5031979084014893, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.12799236178398132, 'margin_dpo/margin_mean': -0.12799254059791565, 'margin_dpo/margin_std': 0.42509347200393677, 'logps/chosen': -56.82145309448242, 'logps/rejected': -86.57286071777344, 'logps/ref_chosen': -56.7677116394043, 'logps/ref_rejected': -86.64710998535156, 'KL/chosen_KL_mean': -0.053741455078125, 'KL/rejected_KL_mean': 0.074249267578125, 'KL/mean': 0.010254994034767151, 'KL/std': 0.3106370270252228, 'logits/chosen': -0.46865934133529663, 'logits/rejected': -0.4410114884376526, 'epoch': 0.01} 1%|█▎ | 4/681 [00:10<29:29, 2.61s/it] 1%|█▋ | 5/681 [00:13<29:08, 2.59s/it] {'loss': 1.3848, 'grad_norm': 89.32853698730469, 'learning_rate': 2.898550724637681e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4995471239089966, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.018107712268829346, 'margin_dpo/margin_mean': 0.01810815930366516, 'margin_dpo/margin_std': 0.3279362916946411, 'logps/chosen': -53.84300231933594, 'logps/rejected': -84.15091705322266, 'logps/ref_chosen': -53.859375, 'logps/ref_rejected': -84.14918518066406, 'KL/chosen_KL_mean': 0.016374588012695312, 'KL/rejected_KL_mean': -0.00173187255859375, 'KL/mean': 0.007320374250411987, 'KL/std': 0.25842905044555664, 'logits/chosen': -0.5146687030792236, 'logits/rejected': -0.4709242582321167, 'epoch': 0.01} 1%|█▋ | 5/681 [00:13<29:08, 2.59s/it] 1%|██ | 6/681 [00:15<27:38, 2.46s/it] {'loss': 1.3876, 'grad_norm': 92.05367279052734, 'learning_rate': 3.6231884057971014e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5002087354660034, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.008346349000930786, 'margin_dpo/margin_mean': -0.008346527814865112, 'margin_dpo/margin_std': 0.41183364391326904, 'logps/chosen': -63.040687561035156, 'logps/rejected': -92.67020416259766, 'logps/ref_chosen': -63.007484436035156, 'logps/ref_rejected': -92.64534759521484, 'KL/chosen_KL_mean': -0.033203125, 'KL/rejected_KL_mean': -0.0248565673828125, 'KL/mean': -0.029030516743659973, 'KL/std': 0.2704921364784241, 'logits/chosen': -0.5008316040039062, 'logits/rejected': -0.45828235149383545, 'epoch': 0.01} 1%|██ | 6/681 [00:15<27:38, 2.46s/it] 1%|██▎ | 7/681 [00:17<26:59, 2.40s/it] {'loss': 1.3931, 'grad_norm': 82.6351318359375, 'learning_rate': 4.347826086956521e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5015759468078613, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.06303969025611877, 'margin_dpo/margin_mean': -0.06303924322128296, 'margin_dpo/margin_std': 0.4346626400947571, 'logps/chosen': -57.78224182128906, 'logps/rejected': -103.86497497558594, 'logps/ref_chosen': -57.774818420410156, 'logps/ref_rejected': -103.92059326171875, 'KL/chosen_KL_mean': -0.0074214935302734375, 'KL/rejected_KL_mean': 0.055622100830078125, 'KL/mean': 0.024099931120872498, 'KL/std': 0.3060908317565918, 'logits/chosen': -0.4966989755630493, 'logits/rejected': -0.4628666639328003, 'epoch': 0.01} 1%|██▎ | 7/681 [00:17<26:59, 2.40s/it] 1%|██▋ | 8/681 [00:19<26:47, 2.39s/it] {'loss': 1.3885, 'grad_norm': 78.8070068359375, 'learning_rate': 5.0724637681159424e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5004498958587646, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.018061310052871704, 'margin_dpo/margin_mean': -0.01806098222732544, 'margin_dpo/margin_std': 0.4174906015396118, 'logps/chosen': -58.67718505859375, 'logps/rejected': -79.2545166015625, 'logps/ref_chosen': -58.716033935546875, 'logps/ref_rejected': -79.3114242553711, 'KL/chosen_KL_mean': 0.03885078430175781, 'KL/rejected_KL_mean': 0.056911468505859375, 'KL/mean': 0.04787926375865936, 'KL/std': 0.3092794120311737, 'logits/chosen': -0.4943142533302307, 'logits/rejected': -0.466851145029068, 'epoch': 0.01} 1%|██▋ | 8/681 [00:19<26:47, 2.39s/it] 1%|███ | 9/681 [00:22<27:19, 2.44s/it] {'loss': 1.384, 'grad_norm': 85.16717529296875, 'learning_rate': 5.797101449275362e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49928951263427734, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.028452813625335693, 'margin_dpo/margin_mean': 0.02845209836959839, 'margin_dpo/margin_std': 0.4499683976173401, 'logps/chosen': -69.83879089355469, 'logps/rejected': -99.60307312011719, 'logps/ref_chosen': -69.8668441772461, 'logps/ref_rejected': -99.6026611328125, 'KL/chosen_KL_mean': 0.028049468994140625, 'KL/rejected_KL_mean': -0.000408172607421875, 'KL/mean': 0.013820052146911621, 'KL/std': 0.29441195726394653, 'logits/chosen': -0.5045357346534729, 'logits/rejected': -0.4584883451461792, 'epoch': 0.01} 1%|███ | 9/681 [00:22<27:19, 2.44s/it] 1%|███▎ | 10/681 [00:24<27:22, 2.45s/it] {'loss': 1.3832, 'grad_norm': 70.64812469482422, 'learning_rate': 6.521739130434782e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4991276264190674, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.034921616315841675, 'margin_dpo/margin_mean': 0.034921616315841675, 'margin_dpo/margin_std': 0.374549925327301, 'logps/chosen': -48.35711669921875, 'logps/rejected': -80.40641784667969, 'logps/ref_chosen': -48.35768508911133, 'logps/ref_rejected': -80.37206268310547, 'KL/chosen_KL_mean': 0.000568389892578125, 'KL/rejected_KL_mean': -0.034351348876953125, 'KL/mean': -0.016893252730369568, 'KL/std': 0.25498026609420776, 'logits/chosen': -0.48759734630584717, 'logits/rejected': -0.44404521584510803, 'epoch': 0.01} 1%|███▎ | 10/681 [00:24<27:22, 2.45s/it] 2%|███▋ | 11/681 [00:27<28:17, 2.53s/it] {'loss': 1.3834, 'grad_norm': 68.4999008178711, 'learning_rate': 7.246376811594203e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49920594692230225, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.031774938106536865, 'margin_dpo/margin_mean': 0.03177538514137268, 'margin_dpo/margin_std': 0.34445643424987793, 'logps/chosen': -52.998634338378906, 'logps/rejected': -87.79393005371094, 'logps/ref_chosen': -53.01685333251953, 'logps/ref_rejected': -87.78038024902344, 'KL/chosen_KL_mean': 0.018220901489257812, 'KL/rejected_KL_mean': -0.01355743408203125, 'KL/mean': 0.0023308396339416504, 'KL/std': 0.2806966304779053, 'logits/chosen': -0.4650164842605591, 'logits/rejected': -0.4402990937232971, 'epoch': 0.02} 2%|███▋ | 11/681 [00:27<28:17, 2.53s/it] 2%|███▉ | 12/681 [00:30<28:27, 2.55s/it] {'loss': 1.3744, 'grad_norm': 94.00206756591797, 'learning_rate': 7.971014492753623e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49693846702575684, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.12247461080551147, 'margin_dpo/margin_mean': 0.12247374653816223, 'margin_dpo/margin_std': 0.3362644910812378, 'logps/chosen': -61.77446365356445, 'logps/rejected': -104.94976806640625, 'logps/ref_chosen': -61.80543518066406, 'logps/ref_rejected': -104.8582763671875, 'KL/chosen_KL_mean': 0.030973434448242188, 'KL/rejected_KL_mean': -0.09149932861328125, 'KL/mean': -0.03026643395423889, 'KL/std': 0.2564256191253662, 'logits/chosen': -0.5384472608566284, 'logits/rejected': -0.5022361278533936, 'epoch': 0.02} 2%|███▉ | 12/681 [00:30<28:27, 2.55s/it] 2%|████▎ | 13/681 [00:32<28:49, 2.59s/it] {'loss': 1.3915, 'grad_norm': 79.38003540039062, 'learning_rate': 8.695652173913042e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.50120609998703, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.04828256368637085, 'margin_dpo/margin_mean': -0.04828298091888428, 'margin_dpo/margin_std': 0.3570724129676819, 'logps/chosen': -64.29326629638672, 'logps/rejected': -87.18770599365234, 'logps/ref_chosen': -64.2603530883789, 'logps/ref_rejected': -87.20307922363281, 'KL/chosen_KL_mean': -0.03291130065917969, 'KL/rejected_KL_mean': 0.015377044677734375, 'KL/mean': -0.008768260478973389, 'KL/std': 0.2577245235443115, 'logits/chosen': -0.4910910725593567, 'logits/rejected': -0.4638311266899109, 'epoch': 0.02} 2%|████▎ | 13/681 [00:32<28:49, 2.59s/it] 2%|████▋ | 14/681 [00:35<28:25, 2.56s/it] {'loss': 1.3913, 'grad_norm': 85.56097412109375, 'learning_rate': 9.420289855072464e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5011403560638428, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.04565081000328064, 'margin_dpo/margin_mean': -0.045650362968444824, 'margin_dpo/margin_std': 0.404807984828949, 'logps/chosen': -58.12324523925781, 'logps/rejected': -104.01446533203125, 'logps/ref_chosen': -58.11021041870117, 'logps/ref_rejected': -104.04708099365234, 'KL/chosen_KL_mean': -0.013036727905273438, 'KL/rejected_KL_mean': 0.032619476318359375, 'KL/mean': 0.009792491793632507, 'KL/std': 0.2999943494796753, 'logits/chosen': -0.4799395501613617, 'logits/rejected': -0.440725177526474, 'epoch': 0.02} 2%|████▋ | 14/681 [00:35<28:25, 2.56s/it] 2%|████▉ | 15/681 [00:37<28:19, 2.55s/it] {'loss': 1.3887, 'grad_norm': 64.50666809082031, 'learning_rate': 1.0144927536231885e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5004709959030151, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.01893576979637146, 'margin_dpo/margin_mean': -0.0189359188079834, 'margin_dpo/margin_std': 0.4248620867729187, 'logps/chosen': -57.02977752685547, 'logps/rejected': -80.85256958007812, 'logps/ref_chosen': -56.96691131591797, 'logps/ref_rejected': -80.80863952636719, 'KL/chosen_KL_mean': -0.06286811828613281, 'KL/rejected_KL_mean': -0.0439300537109375, 'KL/mean': -0.05339600145816803, 'KL/std': 0.28460076451301575, 'logits/chosen': -0.5097112655639648, 'logits/rejected': -0.49188485741615295, 'epoch': 0.02} 2%|████▉ | 15/681 [00:37<28:19, 2.55s/it] 2%|█████▎ | 16/681 [00:40<27:59, 2.52s/it] {'loss': 1.3813, 'grad_norm': 83.70243072509766, 'learning_rate': 1.0869565217391303e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49865537881851196, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.0537833571434021, 'margin_dpo/margin_mean': 0.053783416748046875, 'margin_dpo/margin_std': 0.3853508234024048, 'logps/chosen': -61.751834869384766, 'logps/rejected': -84.43519592285156, 'logps/ref_chosen': -61.739891052246094, 'logps/ref_rejected': -84.36947631835938, 'KL/chosen_KL_mean': -0.011941909790039062, 'KL/rejected_KL_mean': -0.06572723388671875, 'KL/mean': -0.038836658000946045, 'KL/std': 0.2758028507232666, 'logits/chosen': -0.5452868342399597, 'logits/rejected': -0.5062515735626221, 'epoch': 0.02} 2%|█████▎ | 16/681 [00:40<27:59, 2.52s/it] 2%|█████▋ | 17/681 [00:42<27:41, 2.50s/it] {'loss': 1.3822, 'grad_norm': 79.01133728027344, 'learning_rate': 1.1594202898550725e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4988834261894226, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.04466333985328674, 'margin_dpo/margin_mean': 0.04466351866722107, 'margin_dpo/margin_std': 0.36588189005851746, 'logps/chosen': -67.71687316894531, 'logps/rejected': -85.42985534667969, 'logps/ref_chosen': -67.71033477783203, 'logps/ref_rejected': -85.37865447998047, 'KL/chosen_KL_mean': -0.00653839111328125, 'KL/rejected_KL_mean': -0.05120086669921875, 'KL/mean': -0.028867706656455994, 'KL/std': 0.2653309106826782, 'logits/chosen': -0.488353431224823, 'logits/rejected': -0.4496167302131653, 'epoch': 0.02} 2%|█████▋ | 17/681 [00:42<27:41, 2.50s/it] 3%|█████▉ | 18/681 [00:45<27:35, 2.50s/it] {'loss': 1.3823, 'grad_norm': 82.08016967773438, 'learning_rate': 1.2318840579710146e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49891626834869385, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.04334592819213867, 'margin_dpo/margin_mean': 0.04334595799446106, 'margin_dpo/margin_std': 0.3786376118659973, 'logps/chosen': -47.72626495361328, 'logps/rejected': -75.50240325927734, 'logps/ref_chosen': -47.7394905090332, 'logps/ref_rejected': -75.4722900390625, 'KL/chosen_KL_mean': 0.013227462768554688, 'KL/rejected_KL_mean': -0.030117034912109375, 'KL/mean': -0.008445173501968384, 'KL/std': 0.26379337906837463, 'logits/chosen': -0.5007514357566833, 'logits/rejected': -0.44611847400665283, 'epoch': 0.03} 3%|█████▉ | 18/681 [00:45<27:35, 2.50s/it] 3%|██████▎ | 19/681 [00:47<27:45, 2.52s/it] {'loss': 1.3766, 'grad_norm': 73.14253997802734, 'learning_rate': 1.3043478260869563e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49749767780303955, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.1001291573047638, 'margin_dpo/margin_mean': 0.10012984275817871, 'margin_dpo/margin_std': 0.33631211519241333, 'logps/chosen': -70.18710327148438, 'logps/rejected': -89.83946990966797, 'logps/ref_chosen': -70.20536041259766, 'logps/ref_rejected': -89.7575912475586, 'KL/chosen_KL_mean': 0.01825714111328125, 'KL/rejected_KL_mean': -0.081878662109375, 'KL/mean': -0.03181253373622894, 'KL/std': 0.24455955624580383, 'logits/chosen': -0.4779819846153259, 'logits/rejected': -0.42704999446868896, 'epoch': 0.03} 3%|██████▎ | 19/681 [00:47<27:45, 2.52s/it] 3%|██████▋ | 20/681 [00:50<27:43, 2.52s/it] {'loss': 1.3802, 'grad_norm': 73.54801940917969, 'learning_rate': 1.3768115942028986e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4984060525894165, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.06377437710762024, 'margin_dpo/margin_mean': 0.06377455592155457, 'margin_dpo/margin_std': 0.3116491734981537, 'logps/chosen': -50.81537628173828, 'logps/rejected': -78.89925384521484, 'logps/ref_chosen': -50.80324172973633, 'logps/ref_rejected': -78.82334899902344, 'KL/chosen_KL_mean': -0.012134552001953125, 'KL/rejected_KL_mean': -0.07590484619140625, 'KL/mean': -0.04402177035808563, 'KL/std': 0.22419436275959015, 'logits/chosen': -0.5527380108833313, 'logits/rejected': -0.49656909704208374, 'epoch': 0.03} 3%|██████▋ | 20/681 [00:50<27:43, 2.52s/it] 3%|██████▉ | 21/681 [00:52<27:33, 2.51s/it] {'loss': 1.3714, 'grad_norm': 77.38446044921875, 'learning_rate': 1.4492753623188405e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49620136618614197, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.1520112305879593, 'margin_dpo/margin_mean': 0.1520119160413742, 'margin_dpo/margin_std': 0.33785581588745117, 'logps/chosen': -50.03010559082031, 'logps/rejected': -77.9878921508789, 'logps/ref_chosen': -50.063018798828125, 'logps/ref_rejected': -77.86878967285156, 'KL/chosen_KL_mean': 0.03291130065917969, 'KL/rejected_KL_mean': -0.11909866333007812, 'KL/mean': -0.04309450834989548, 'KL/std': 0.277535617351532, 'logits/chosen': -0.5033525824546814, 'logits/rejected': -0.48031163215637207, 'epoch': 0.03} 3%|██████▉ | 21/681 [00:52<27:33, 2.51s/it] 3%|███████▎ | 22/681 [00:55<27:32, 2.51s/it] {'loss': 1.364, 'grad_norm': 84.13846588134766, 'learning_rate': 1.5217391304347825e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4942886233329773, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.2286020815372467, 'margin_dpo/margin_mean': 0.22860169410705566, 'margin_dpo/margin_std': 0.4178020656108856, 'logps/chosen': -59.00801086425781, 'logps/rejected': -97.68364715576172, 'logps/ref_chosen': -59.05763626098633, 'logps/ref_rejected': -97.50466918945312, 'KL/chosen_KL_mean': 0.049625396728515625, 'KL/rejected_KL_mean': -0.17897415161132812, 'KL/mean': -0.0646744817495346, 'KL/std': 0.2905516028404236, 'logits/chosen': -0.47962144017219543, 'logits/rejected': -0.43577441573143005, 'epoch': 0.03} 3%|███████▎ | 22/681 [00:55<27:32, 2.51s/it] 3%|███████▋ | 23/681 [00:58<28:48, 2.63s/it] {'loss': 1.3686, 'grad_norm': 80.80692291259766, 'learning_rate': 1.5942028985507245e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4954661726951599, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.1814877986907959, 'margin_dpo/margin_mean': 0.18148785829544067, 'margin_dpo/margin_std': 0.37989723682403564, 'logps/chosen': -60.042999267578125, 'logps/rejected': -81.28634643554688, 'logps/ref_chosen': -60.07769775390625, 'logps/ref_rejected': -81.13955688476562, 'KL/chosen_KL_mean': 0.03469657897949219, 'KL/rejected_KL_mean': -0.14679336547851562, 'KL/mean': -0.05604839324951172, 'KL/std': 0.29135066270828247, 'logits/chosen': -0.5033831000328064, 'logits/rejected': -0.48167192935943604, 'epoch': 0.03} 3%|███████▋ | 23/681 [00:58<28:48, 2.63s/it] 4%|███████▉ | 24/681 [01:00<28:49, 2.63s/it] {'loss': 1.3587, 'grad_norm': 84.92632293701172, 'learning_rate': 1.6666666666666665e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4929804801940918, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.2809140086174011, 'margin_dpo/margin_mean': 0.28091397881507874, 'margin_dpo/margin_std': 0.367694616317749, 'logps/chosen': -44.263633728027344, 'logps/rejected': -99.37873077392578, 'logps/ref_chosen': -44.29103469848633, 'logps/ref_rejected': -99.12521362304688, 'KL/chosen_KL_mean': 0.027399063110351562, 'KL/rejected_KL_mean': -0.25351715087890625, 'KL/mean': -0.1130581721663475, 'KL/std': 0.2865855097770691, 'logits/chosen': -0.5087974071502686, 'logits/rejected': -0.49225664138793945, 'epoch': 0.04} 4%|███████▉ | 24/681 [01:00<28:49, 2.63s/it] 4%|████████▎ | 25/681 [01:03<28:50, 2.64s/it] {'loss': 1.3689, 'grad_norm': 74.13409423828125, 'learning_rate': 1.7391304347826085e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4955053925514221, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.17990106344223022, 'margin_dpo/margin_mean': 0.17990124225616455, 'margin_dpo/margin_std': 0.45145928859710693, 'logps/chosen': -52.53743362426758, 'logps/rejected': -89.52247619628906, 'logps/ref_chosen': -52.537052154541016, 'logps/ref_rejected': -89.34219360351562, 'KL/chosen_KL_mean': -0.0003814697265625, 'KL/rejected_KL_mean': -0.1802825927734375, 'KL/mean': -0.09033405780792236, 'KL/std': 0.3605647385120392, 'logits/chosen': -0.5078995823860168, 'logits/rejected': -0.47833961248397827, 'epoch': 0.04} 4%|████████▎ | 25/681 [01:03<28:50, 2.64s/it] 4%|████████▋ | 26/681 [01:05<27:28, 2.52s/it] {'loss': 1.3471, 'grad_norm': 86.72003173828125, 'learning_rate': 1.8115942028985507e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4899117946624756, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.40405547618865967, 'margin_dpo/margin_mean': 0.4040555953979492, 'margin_dpo/margin_std': 0.5661390423774719, 'logps/chosen': -53.858856201171875, 'logps/rejected': -103.69981384277344, 'logps/ref_chosen': -53.92280578613281, 'logps/ref_rejected': -103.35971069335938, 'KL/chosen_KL_mean': 0.06395149230957031, 'KL/rejected_KL_mean': -0.3400993347167969, 'KL/mean': -0.13807255029678345, 'KL/std': 0.4370245337486267, 'logits/chosen': -0.5410639047622681, 'logits/rejected': -0.5095586776733398, 'epoch': 0.04} 4%|████████▋ | 26/681 [01:05<27:28, 2.52s/it] 4%|████████▉ | 27/681 [01:08<27:13, 2.50s/it] {'loss': 1.3308, 'grad_norm': 93.52059936523438, 'learning_rate': 1.8840579710144927e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.48574382066726685, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.571062445640564, 'margin_dpo/margin_mean': 0.5710620880126953, 'margin_dpo/margin_std': 0.5639763474464417, 'logps/chosen': -42.74456787109375, 'logps/rejected': -99.14130401611328, 'logps/ref_chosen': -42.898529052734375, 'logps/ref_rejected': -98.72419738769531, 'KL/chosen_KL_mean': 0.1539630889892578, 'KL/rejected_KL_mean': -0.4171028137207031, 'KL/mean': -0.13156871497631073, 'KL/std': 0.48169609904289246, 'logits/chosen': -0.526579737663269, 'logits/rejected': -0.49027207493782043, 'epoch': 0.04} 4%|████████▉ | 27/681 [01:08<27:13, 2.50s/it] 4%|█████████▎ | 28/681 [01:10<27:20, 2.51s/it] {'loss': 1.3587, 'grad_norm': 77.30921936035156, 'learning_rate': 1.9565217391304347e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4928103983402252, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.28768980503082275, 'margin_dpo/margin_mean': 0.287690132856369, 'margin_dpo/margin_std': 0.6202329993247986, 'logps/chosen': -60.56031799316406, 'logps/rejected': -91.692626953125, 'logps/ref_chosen': -60.55650329589844, 'logps/ref_rejected': -91.40111541748047, 'KL/chosen_KL_mean': -0.003818511962890625, 'KL/rejected_KL_mean': -0.29151153564453125, 'KL/mean': -0.1476629376411438, 'KL/std': 0.4086608588695526, 'logits/chosen': -0.5286385416984558, 'logits/rejected': -0.4755781292915344, 'epoch': 0.04} 4%|█████████▎ | 28/681 [01:10<27:20, 2.51s/it] 4%|█████████▌ | 29/681 [01:13<26:19, 2.42s/it] {'loss': 1.3339, 'grad_norm': 91.11680603027344, 'learning_rate': 2.028985507246377e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4864945113658905, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.5410360097885132, 'margin_dpo/margin_mean': 0.5410366654396057, 'margin_dpo/margin_std': 0.6225091218948364, 'logps/chosen': -57.69151306152344, 'logps/rejected': -97.8191146850586, 'logps/ref_chosen': -57.80778503417969, 'logps/ref_rejected': -97.39434814453125, 'KL/chosen_KL_mean': 0.11627197265625, 'KL/rejected_KL_mean': -0.4247627258300781, 'KL/mean': -0.15424633026123047, 'KL/std': 0.48740673065185547, 'logits/chosen': -0.5516057014465332, 'logits/rejected': -0.5051902532577515, 'epoch': 0.04} 4%|█████████▌ | 29/681 [01:13<26:19, 2.42s/it] 4%|█████████▉ | 30/681 [01:15<26:56, 2.48s/it] {'loss': 1.3159, 'grad_norm': 87.24919128417969, 'learning_rate': 2.1014492753623187e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.48183703422546387, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.7277464866638184, 'margin_dpo/margin_mean': 0.7277467846870422, 'margin_dpo/margin_std': 0.6605062484741211, 'logps/chosen': -52.430877685546875, 'logps/rejected': -99.07046508789062, 'logps/ref_chosen': -52.577369689941406, 'logps/ref_rejected': -98.48920440673828, 'KL/chosen_KL_mean': 0.14649200439453125, 'KL/rejected_KL_mean': -0.5812568664550781, 'KL/mean': -0.21738092601299286, 'KL/std': 0.6298277378082275, 'logits/chosen': -0.5027915835380554, 'logits/rejected': -0.47236695885658264, 'epoch': 0.04} 4%|█████████▉ | 30/681 [01:15<26:56, 2.48s/it] 5%|██████████▎ | 31/681 [01:18<27:25, 2.53s/it] {'loss': 1.3435, 'grad_norm': 68.48614501953125, 'learning_rate': 2.1739130434782607e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4889264404773712, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.4437781572341919, 'margin_dpo/margin_mean': 0.44377774000167847, 'margin_dpo/margin_std': 0.6583547592163086, 'logps/chosen': -63.71936798095703, 'logps/rejected': -73.25022888183594, 'logps/ref_chosen': -63.806922912597656, 'logps/ref_rejected': -72.89400482177734, 'KL/chosen_KL_mean': 0.08755111694335938, 'KL/rejected_KL_mean': -0.35622406005859375, 'KL/mean': -0.1343349814414978, 'KL/std': 0.5193805694580078, 'logits/chosen': -0.5168442726135254, 'logits/rejected': -0.4734218716621399, 'epoch': 0.05} 5%|██████████▎ | 31/681 [01:18<27:25, 2.53s/it] 5%|██████████▌ | 32/681 [01:21<28:01, 2.59s/it] {'loss': 1.3141, 'grad_norm': 83.46903991699219, 'learning_rate': 2.2463768115942027e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4811716079711914, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.755810022354126, 'margin_dpo/margin_mean': 0.7558099627494812, 'margin_dpo/margin_std': 0.8941420316696167, 'logps/chosen': -62.55545425415039, 'logps/rejected': -89.88924407958984, 'logps/ref_chosen': -62.739524841308594, 'logps/ref_rejected': -89.3175048828125, 'KL/chosen_KL_mean': 0.18407058715820312, 'KL/rejected_KL_mean': -0.5717430114746094, 'KL/mean': -0.19383396208286285, 'KL/std': 0.7323002815246582, 'logits/chosen': -0.5339919328689575, 'logits/rejected': -0.49401533603668213, 'epoch': 0.05} 5%|██████████▌ | 32/681 [01:21<28:01, 2.59s/it] 5%|██████████▉ | 33/681 [01:23<27:24, 2.54s/it] {'loss': 1.3248, 'grad_norm': 72.1122817993164, 'learning_rate': 2.318840579710145e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.48414498567581177, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.6351122260093689, 'margin_dpo/margin_mean': 0.635112464427948, 'margin_dpo/margin_std': 0.6338217854499817, 'logps/chosen': -53.15379333496094, 'logps/rejected': -88.41307067871094, 'logps/ref_chosen': -53.26097106933594, 'logps/ref_rejected': -87.8851318359375, 'KL/chosen_KL_mean': 0.10718154907226562, 'KL/rejected_KL_mean': -0.5279350280761719, 'KL/mean': -0.2103760838508606, 'KL/std': 0.5602357387542725, 'logits/chosen': -0.489587664604187, 'logits/rejected': -0.46343374252319336, 'epoch': 0.05} 5%|██████████▉ | 33/681 [01:23<27:24, 2.54s/it] 5%|███████████▎ | 34/681 [01:26<27:26, 2.54s/it] {'loss': 1.3124, 'grad_norm': 78.05076599121094, 'learning_rate': 2.391304347826087e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4807863235473633, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.7705912590026855, 'margin_dpo/margin_mean': 0.7705909013748169, 'margin_dpo/margin_std': 0.8183022141456604, 'logps/chosen': -50.7349967956543, 'logps/rejected': -102.610107421875, 'logps/ref_chosen': -50.81732940673828, 'logps/ref_rejected': -101.92184448242188, 'KL/chosen_KL_mean': 0.08233070373535156, 'KL/rejected_KL_mean': -0.6882667541503906, 'KL/mean': -0.30296576023101807, 'KL/std': 0.7120438814163208, 'logits/chosen': -0.5040176510810852, 'logits/rejected': -0.4865629971027374, 'epoch': 0.05} 5%|███████████▎ | 34/681 [01:26<27:26, 2.54s/it] 5%|███████████▌ | 35/681 [01:28<27:49, 2.58s/it] {'loss': 1.2714, 'grad_norm': 82.06009674072266, 'learning_rate': 2.463768115942029e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.46972382068634033, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.2196067571640015, 'margin_dpo/margin_mean': 1.219606637954712, 'margin_dpo/margin_std': 1.1478991508483887, 'logps/chosen': -50.88648223876953, 'logps/rejected': -107.90602111816406, 'logps/ref_chosen': -51.02449035644531, 'logps/ref_rejected': -106.82443237304688, 'KL/chosen_KL_mean': 0.13801002502441406, 'KL/rejected_KL_mean': -1.0815925598144531, 'KL/mean': -0.4717918634414673, 'KL/std': 1.019068956375122, 'logits/chosen': -0.5100936889648438, 'logits/rejected': -0.4733096957206726, 'epoch': 0.05} 5%|███████████▌ | 35/681 [01:28<27:49, 2.58s/it] 5%|███████████▉ | 36/681 [01:31<27:53, 2.60s/it] {'loss': 1.2782, 'grad_norm': 73.2303237915039, 'learning_rate': 2.536231884057971e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.47128745913505554, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.1550471782684326, 'margin_dpo/margin_mean': 1.1550464630126953, 'margin_dpo/margin_std': 1.223704218864441, 'logps/chosen': -51.91419219970703, 'logps/rejected': -87.11837768554688, 'logps/ref_chosen': -51.991493225097656, 'logps/ref_rejected': -86.0406265258789, 'KL/chosen_KL_mean': 0.07729721069335938, 'KL/rejected_KL_mean': -1.0777473449707031, 'KL/mean': -0.5002259016036987, 'KL/std': 1.079554796218872, 'logits/chosen': -0.5755394697189331, 'logits/rejected': -0.5400795936584473, 'epoch': 0.05} 5%|███████████▉ | 36/681 [01:31<27:53, 2.60s/it] 5%|████████████▎ | 37/681 [01:33<27:53, 2.60s/it] {'loss': 1.2906, 'grad_norm': 61.57312774658203, 'learning_rate': 2.6086956521739126e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.474433034658432, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.0302867889404297, 'margin_dpo/margin_mean': 1.0302867889404297, 'margin_dpo/margin_std': 1.334470510482788, 'logps/chosen': -62.79413604736328, 'logps/rejected': -78.91238403320312, 'logps/ref_chosen': -62.807106018066406, 'logps/ref_rejected': -77.89507293701172, 'KL/chosen_KL_mean': 0.012973785400390625, 'KL/rejected_KL_mean': -1.0173149108886719, 'KL/mean': -0.5021691918373108, 'KL/std': 1.0568256378173828, 'logits/chosen': -0.5395572781562805, 'logits/rejected': -0.4981452226638794, 'epoch': 0.05} 5%|████████████▎ | 37/681 [01:33<27:53, 2.60s/it] 6%|████████████▌ | 38/681 [01:36<26:34, 2.48s/it] {'loss': 1.2613, 'grad_norm': 69.9059829711914, 'learning_rate': 2.681159420289855e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4663234353065491, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.3651026487350464, 'margin_dpo/margin_mean': 1.3651025295257568, 'margin_dpo/margin_std': 1.6618046760559082, 'logps/chosen': -48.252174377441406, 'logps/rejected': -99.13919830322266, 'logps/ref_chosen': -48.39051818847656, 'logps/ref_rejected': -97.91244506835938, 'KL/chosen_KL_mean': 0.13834381103515625, 'KL/rejected_KL_mean': -1.2267570495605469, 'KL/mean': -0.5442078113555908, 'KL/std': 1.350521206855774, 'logits/chosen': -0.5119627714157104, 'logits/rejected': -0.4792238473892212, 'epoch': 0.06} 6%|████████████▌ | 38/681 [01:36<26:34, 2.48s/it] 6%|████████████▉ | 39/681 [01:38<26:33, 2.48s/it] {'loss': 1.2315, 'grad_norm': 76.24556732177734, 'learning_rate': 2.753623188405797e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4587351083755493, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.6624829769134521, 'margin_dpo/margin_mean': 1.6624832153320312, 'margin_dpo/margin_std': 1.3248234987258911, 'logps/chosen': -50.657012939453125, 'logps/rejected': -80.13853454589844, 'logps/ref_chosen': -50.75047302246094, 'logps/ref_rejected': -78.56951141357422, 'KL/chosen_KL_mean': 0.09346199035644531, 'KL/rejected_KL_mean': -1.5690231323242188, 'KL/mean': -0.7377809882164001, 'KL/std': 1.284562349319458, 'logits/chosen': -0.5892033576965332, 'logits/rejected': -0.5514540076255798, 'epoch': 0.06} 6%|████████████▉ | 39/681 [01:38<26:33, 2.48s/it] 6%|█████████████▎ | 40/681 [01:41<27:04, 2.53s/it] {'loss': 1.2362, 'grad_norm': 60.083221435546875, 'learning_rate': 2.8260869565217386e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4594607949256897, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.6437921524047852, 'margin_dpo/margin_mean': 1.643792986869812, 'margin_dpo/margin_std': 1.6722097396850586, 'logps/chosen': -57.72557830810547, 'logps/rejected': -75.68437194824219, 'logps/ref_chosen': -57.985069274902344, 'logps/ref_rejected': -74.3000717163086, 'KL/chosen_KL_mean': 0.2594871520996094, 'KL/rejected_KL_mean': -1.3843040466308594, 'KL/mean': -0.5624086856842041, 'KL/std': 1.4190328121185303, 'logits/chosen': -0.502472996711731, 'logits/rejected': -0.47134459018707275, 'epoch': 0.06} 6%|█████████████▎ | 40/681 [01:41<27:04, 2.53s/it] 6%|█████████████▌ | 41/681 [01:43<26:59, 2.53s/it] {'loss': 1.2148, 'grad_norm': 68.3230209350586, 'learning_rate': 2.898550724637681e-07, 'fcm_dpo/beta': 0.10071444511413574, 'fcm_dpo/q_t': 0.45327073335647583, 'fcm_dpo/delta': 0.0709388256072998, 'fcm_dpo/margin': 1.9003576040267944, 'margin_dpo/margin_mean': 1.9003586769104004, 'margin_dpo/margin_std': 2.0421926975250244, 'logps/chosen': -62.69674301147461, 'logps/rejected': -98.92481231689453, 'logps/ref_chosen': -62.69581604003906, 'logps/ref_rejected': -97.02352905273438, 'KL/chosen_KL_mean': -0.000926971435546875, 'KL/rejected_KL_mean': -1.9012832641601562, 'KL/mean': -0.9511067867279053, 'KL/std': 1.8827296495437622, 'logits/chosen': -0.5602806806564331, 'logits/rejected': -0.5249433517456055, 'epoch': 0.06} 6%|█████████████▌ | 41/681 [01:43<26:59, 2.53s/it] 6%|█████████████▉ | 42/681 [01:46<26:51, 2.52s/it] {'loss': 1.1536, 'grad_norm': 80.10550689697266, 'learning_rate': 2.971014492753623e-07, 'fcm_dpo/beta': 0.10279597342014313, 'fcm_dpo/q_t': 0.4356800317764282, 'fcm_dpo/delta': 0.08528625965118408, 'fcm_dpo/margin': 2.5966811180114746, 'margin_dpo/margin_mean': 2.596680164337158, 'margin_dpo/margin_std': 2.525965690612793, 'logps/chosen': -58.75364303588867, 'logps/rejected': -112.29226684570312, 'logps/ref_chosen': -58.966426849365234, 'logps/ref_rejected': -109.90837097167969, 'KL/chosen_KL_mean': 0.2127838134765625, 'KL/rejected_KL_mean': -2.383892059326172, 'KL/mean': -1.085558295249939, 'KL/std': 2.2120487689971924, 'logits/chosen': -0.5423730611801147, 'logits/rejected': -0.4957752823829651, 'epoch': 0.06} 6%|█████████████▉ | 42/681 [01:46<26:51, 2.52s/it] 6%|██████████████▎ | 43/681 [01:48<26:56, 2.53s/it] {'loss': 1.1533, 'grad_norm': 74.09246826171875, 'learning_rate': 3.043478260869565e-07, 'fcm_dpo/beta': 0.10443605482578278, 'fcm_dpo/q_t': 0.4365711510181427, 'fcm_dpo/delta': 0.09136471152305603, 'fcm_dpo/margin': 2.5001907348632812, 'margin_dpo/margin_mean': 2.5001907348632812, 'margin_dpo/margin_std': 2.0130953788757324, 'logps/chosen': -53.593223571777344, 'logps/rejected': -98.41761779785156, 'logps/ref_chosen': -54.15599822998047, 'logps/ref_rejected': -96.48019409179688, 'KL/chosen_KL_mean': 0.5627727508544922, 'KL/rejected_KL_mean': -1.9374237060546875, 'KL/mean': -0.6873226165771484, 'KL/std': 1.8489782810211182, 'logits/chosen': -0.5289781093597412, 'logits/rejected': -0.5033968687057495, 'epoch': 0.06} 6%|██████████████▎ | 43/681 [01:48<26:56, 2.53s/it] 6%|██████████████▌ | 44/681 [01:51<26:52, 2.53s/it] {'loss': 1.1213, 'grad_norm': 81.92259216308594, 'learning_rate': 3.115942028985507e-07, 'fcm_dpo/beta': 0.1057717502117157, 'fcm_dpo/q_t': 0.42686349153518677, 'fcm_dpo/delta': 0.0502425879240036, 'fcm_dpo/margin': 2.8485794067382812, 'margin_dpo/margin_mean': 2.848578453063965, 'margin_dpo/margin_std': 2.2468016147613525, 'logps/chosen': -49.8222770690918, 'logps/rejected': -111.3761215209961, 'logps/ref_chosen': -50.07849884033203, 'logps/ref_rejected': -108.78376007080078, 'KL/chosen_KL_mean': 0.2562217712402344, 'KL/rejected_KL_mean': -2.5923614501953125, 'KL/mean': -1.1680686473846436, 'KL/std': 2.291693687438965, 'logits/chosen': -0.48028355836868286, 'logits/rejected': -0.46020689606666565, 'epoch': 0.06} 6%|██████████████▌ | 44/681 [01:51<26:52, 2.53s/it] 7%|██████████████▉ | 45/681 [01:53<26:58, 2.55s/it] {'loss': 1.1763, 'grad_norm': 65.85893249511719, 'learning_rate': 3.188405797101449e-07, 'fcm_dpo/beta': 0.10800284147262573, 'fcm_dpo/q_t': 0.4414454698562622, 'fcm_dpo/delta': 0.10763342678546906, 'fcm_dpo/margin': 2.2668519020080566, 'margin_dpo/margin_mean': 2.2668511867523193, 'margin_dpo/margin_std': 2.624885082244873, 'logps/chosen': -48.266517639160156, 'logps/rejected': -80.05487060546875, 'logps/ref_chosen': -48.4149284362793, 'logps/ref_rejected': -77.93643188476562, 'KL/chosen_KL_mean': 0.1484088897705078, 'KL/rejected_KL_mean': -2.118438720703125, 'KL/mean': -0.985015869140625, 'KL/std': 2.0992965698242188, 'logits/chosen': -0.45797061920166016, 'logits/rejected': -0.4448603093624115, 'epoch': 0.07} 7%|██████████████▉ | 45/681 [01:53<26:58, 2.55s/it] 7%|███████████████▎ | 46/681 [01:56<27:16, 2.58s/it] {'loss': 1.1181, 'grad_norm': 73.93266296386719, 'learning_rate': 3.260869565217391e-07, 'fcm_dpo/beta': 0.1090465784072876, 'fcm_dpo/q_t': 0.4231029450893402, 'fcm_dpo/delta': 0.026768168434500694, 'fcm_dpo/margin': 2.9713401794433594, 'margin_dpo/margin_mean': 2.9713401794433594, 'margin_dpo/margin_std': 3.2657053470611572, 'logps/chosen': -55.770164489746094, 'logps/rejected': -98.39466857910156, 'logps/ref_chosen': -55.999427795410156, 'logps/ref_rejected': -95.652587890625, 'KL/chosen_KL_mean': 0.2292613983154297, 'KL/rejected_KL_mean': -2.742076873779297, 'KL/mean': -1.2564077377319336, 'KL/std': 2.657705783843994, 'logits/chosen': -0.5324057340621948, 'logits/rejected': -0.48163044452667236, 'epoch': 0.07} 7%|███████████████▎ | 46/681 [01:56<27:16, 2.58s/it] 7%|███████████████▌ | 47/681 [01:59<27:18, 2.58s/it] {'loss': 1.1101, 'grad_norm': 70.09626007080078, 'learning_rate': 3.333333333333333e-07, 'fcm_dpo/beta': 0.10978727042675018, 'fcm_dpo/q_t': 0.4216909408569336, 'fcm_dpo/delta': 0.02556876838207245, 'fcm_dpo/margin': 2.960222005844116, 'margin_dpo/margin_mean': 2.9602224826812744, 'margin_dpo/margin_std': 2.731231927871704, 'logps/chosen': -57.55249786376953, 'logps/rejected': -97.26585388183594, 'logps/ref_chosen': -57.92607879638672, 'logps/ref_rejected': -94.67920684814453, 'KL/chosen_KL_mean': 0.3735790252685547, 'KL/rejected_KL_mean': -2.5866432189941406, 'KL/mean': -1.1065313816070557, 'KL/std': 2.6243019104003906, 'logits/chosen': -0.5489112734794617, 'logits/rejected': -0.49465492367744446, 'epoch': 0.07} 7%|███████████████▌ | 47/681 [01:59<27:18, 2.58s/it] 7%|███████████████▉ | 48/681 [02:01<27:43, 2.63s/it] {'loss': 1.1026, 'grad_norm': 76.3647689819336, 'learning_rate': 3.4057971014492755e-07, 'fcm_dpo/beta': 0.1094270646572113, 'fcm_dpo/q_t': 0.4179936647415161, 'fcm_dpo/delta': 0.00876920111477375, 'fcm_dpo/margin': 3.1198978424072266, 'margin_dpo/margin_mean': 3.1198978424072266, 'margin_dpo/margin_std': 2.9437079429626465, 'logps/chosen': -57.14189147949219, 'logps/rejected': -91.09031677246094, 'logps/ref_chosen': -57.188072204589844, 'logps/ref_rejected': -88.0166015625, 'KL/chosen_KL_mean': 0.04618263244628906, 'KL/rejected_KL_mean': -3.0737152099609375, 'KL/mean': -1.5137662887573242, 'KL/std': 2.6629862785339355, 'logits/chosen': -0.6007370948791504, 'logits/rejected': -0.5431762933731079, 'epoch': 0.07} 7%|███████████████▉ | 48/681 [02:01<27:43, 2.63s/it] 7%|████████████████▎ | 49/681 [02:04<27:25, 2.60s/it] {'loss': 1.0501, 'grad_norm': 74.53569030761719, 'learning_rate': 3.478260869565217e-07, 'fcm_dpo/beta': 0.1089581847190857, 'fcm_dpo/q_t': 0.4010041654109955, 'fcm_dpo/delta': -0.07370879501104355, 'fcm_dpo/margin': 3.8603830337524414, 'margin_dpo/margin_mean': 3.8603830337524414, 'margin_dpo/margin_std': 3.772658348083496, 'logps/chosen': -61.31997299194336, 'logps/rejected': -87.26256561279297, 'logps/ref_chosen': -61.685272216796875, 'logps/ref_rejected': -83.76747131347656, 'KL/chosen_KL_mean': 0.3652973175048828, 'KL/rejected_KL_mean': -3.4950904846191406, 'KL/mean': -1.5648986101150513, 'KL/std': 3.375471591949463, 'logits/chosen': -0.5346788763999939, 'logits/rejected': -0.4745950698852539, 'epoch': 0.07} 7%|████████████████▎ | 49/681 [02:04<27:25, 2.60s/it] 7%|████████████████▌ | 50/681 [02:07<27:27, 2.61s/it] {'loss': 1.0377, 'grad_norm': 65.80304718017578, 'learning_rate': 3.5507246376811595e-07, 'fcm_dpo/beta': 0.10655629634857178, 'fcm_dpo/q_t': 0.3962603211402893, 'fcm_dpo/delta': -0.09280845522880554, 'fcm_dpo/margin': 4.116090297698975, 'margin_dpo/margin_mean': 4.116090297698975, 'margin_dpo/margin_std': 4.020236015319824, 'logps/chosen': -58.878501892089844, 'logps/rejected': -100.62860870361328, 'logps/ref_chosen': -58.72413635253906, 'logps/ref_rejected': -96.35814666748047, 'KL/chosen_KL_mean': -0.15436363220214844, 'KL/rejected_KL_mean': -4.2704620361328125, 'KL/mean': -2.2124156951904297, 'KL/std': 3.501716136932373, 'logits/chosen': -0.5511945486068726, 'logits/rejected': -0.5155908465385437, 'epoch': 0.07} 7%|████████████████▌ | 50/681 [02:07<27:27, 2.61s/it] 7%|████████████████▉ | 51/681 [02:09<27:24, 2.61s/it] {'loss': 1.0713, 'grad_norm': 53.87831115722656, 'learning_rate': 3.6231884057971015e-07, 'fcm_dpo/beta': 0.10447999835014343, 'fcm_dpo/q_t': 0.40330058336257935, 'fcm_dpo/delta': -0.07857784628868103, 'fcm_dpo/margin': 4.063086032867432, 'margin_dpo/margin_mean': 4.063085556030273, 'margin_dpo/margin_std': 5.101934432983398, 'logps/chosen': -61.676307678222656, 'logps/rejected': -80.36772918701172, 'logps/ref_chosen': -61.3736686706543, 'logps/ref_rejected': -76.00199890136719, 'KL/chosen_KL_mean': -0.3026409149169922, 'KL/rejected_KL_mean': -4.365726470947266, 'KL/mean': -2.3341808319091797, 'KL/std': 4.1528143882751465, 'logits/chosen': -0.5541812181472778, 'logits/rejected': -0.5227280259132385, 'epoch': 0.07} 7%|████████████████▉ | 51/681 [02:09<27:24, 2.61s/it] 8%|█████████████████▎ | 52/681 [02:12<26:43, 2.55s/it] {'loss': 0.9249, 'grad_norm': 59.589393615722656, 'learning_rate': 3.695652173913043e-07, 'fcm_dpo/beta': 0.10033614188432693, 'fcm_dpo/q_t': 0.3581005930900574, 'fcm_dpo/delta': -0.2765745520591736, 'fcm_dpo/margin': 6.076724052429199, 'margin_dpo/margin_mean': 6.076724052429199, 'margin_dpo/margin_std': 5.1023430824279785, 'logps/chosen': -52.016822814941406, 'logps/rejected': -85.7301025390625, 'logps/ref_chosen': -52.33735656738281, 'logps/ref_rejected': -79.97391510009766, 'KL/chosen_KL_mean': 0.32053184509277344, 'KL/rejected_KL_mean': -5.756187438964844, 'KL/mean': -2.7178292274475098, 'KL/std': 4.713332176208496, 'logits/chosen': -0.5497130751609802, 'logits/rejected': -0.49386975169181824, 'epoch': 0.08} 8%|█████████████████▎ | 52/681 [02:12<26:43, 2.55s/it] 8%|█████████████████▌ | 53/681 [02:14<26:38, 2.55s/it] {'loss': 0.9643, 'grad_norm': 57.90284729003906, 'learning_rate': 3.7681159420289855e-07, 'fcm_dpo/beta': 0.09587851911783218, 'fcm_dpo/q_t': 0.3689725399017334, 'fcm_dpo/delta': -0.2576024532318115, 'fcm_dpo/margin': 6.185666561126709, 'margin_dpo/margin_mean': 6.185666084289551, 'margin_dpo/margin_std': 6.1749587059021, 'logps/chosen': -53.53306579589844, 'logps/rejected': -98.18767547607422, 'logps/ref_chosen': -53.31465148925781, 'logps/ref_rejected': -91.78359985351562, 'KL/chosen_KL_mean': -0.2184162139892578, 'KL/rejected_KL_mean': -6.404079437255859, 'KL/mean': -3.311248302459717, 'KL/std': 5.3616042137146, 'logits/chosen': -0.6244029998779297, 'logits/rejected': -0.6030861139297485, 'epoch': 0.08} 8%|█████████████████▌ | 53/681 [02:14<26:38, 2.55s/it] 8%|█████████████████▉ | 54/681 [02:17<26:04, 2.50s/it] {'loss': 0.9999, 'grad_norm': 52.45349884033203, 'learning_rate': 3.8405797101449274e-07, 'fcm_dpo/beta': 0.09195560961961746, 'fcm_dpo/q_t': 0.3844445049762726, 'fcm_dpo/delta': -0.1534874439239502, 'fcm_dpo/margin': 5.394400119781494, 'margin_dpo/margin_mean': 5.394399642944336, 'margin_dpo/margin_std': 5.113949775695801, 'logps/chosen': -51.08049392700195, 'logps/rejected': -97.50163269042969, 'logps/ref_chosen': -50.68865966796875, 'logps/ref_rejected': -91.71539306640625, 'KL/chosen_KL_mean': -0.3918323516845703, 'KL/rejected_KL_mean': -5.7862396240234375, 'KL/mean': -3.089035987854004, 'KL/std': 5.119150161743164, 'logits/chosen': -0.5996332764625549, 'logits/rejected': -0.5465092062950134, 'epoch': 0.08} 8%|█████████████████▉ | 54/681 [02:17<26:04, 2.50s/it] 8%|██████████████████▎ | 55/681 [02:19<25:06, 2.41s/it] {'loss': 0.991, 'grad_norm': 50.09782028198242, 'learning_rate': 3.9130434782608694e-07, 'fcm_dpo/beta': 0.08832551538944244, 'fcm_dpo/q_t': 0.3728960454463959, 'fcm_dpo/delta': -0.23232939839363098, 'fcm_dpo/margin': 6.4491424560546875, 'margin_dpo/margin_mean': 6.449141502380371, 'margin_dpo/margin_std': 7.437203407287598, 'logps/chosen': -63.54108428955078, 'logps/rejected': -96.36849212646484, 'logps/ref_chosen': -62.615234375, 'logps/ref_rejected': -88.99349975585938, 'KL/chosen_KL_mean': -0.9258518218994141, 'KL/rejected_KL_mean': -7.374988555908203, 'KL/mean': -4.1504225730896, 'KL/std': 6.164496421813965, 'logits/chosen': -0.6301623582839966, 'logits/rejected': -0.5663325786590576, 'epoch': 0.08} 8%|██████████████████▎ | 55/681 [02:19<25:06, 2.41s/it] 8%|██████████████████▌ | 56/681 [02:21<25:37, 2.46s/it] {'loss': 1.0199, 'grad_norm': 44.37767791748047, 'learning_rate': 3.9855072463768114e-07, 'fcm_dpo/beta': 0.08475831151008606, 'fcm_dpo/q_t': 0.38335487246513367, 'fcm_dpo/delta': -0.17821934819221497, 'fcm_dpo/margin': 6.124341011047363, 'margin_dpo/margin_mean': 6.124341011047363, 'margin_dpo/margin_std': 7.334414482116699, 'logps/chosen': -58.65663146972656, 'logps/rejected': -101.0226821899414, 'logps/ref_chosen': -57.9327278137207, 'logps/ref_rejected': -94.1744384765625, 'KL/chosen_KL_mean': -0.7239055633544922, 'KL/rejected_KL_mean': -6.848243713378906, 'KL/mean': -3.78607177734375, 'KL/std': 6.047898292541504, 'logits/chosen': -0.619949460029602, 'logits/rejected': -0.5779317021369934, 'epoch': 0.08} 8%|██████████████████▌ | 56/681 [02:21<25:37, 2.46s/it] 8%|██████████████████▉ | 57/681 [02:24<25:43, 2.47s/it] {'loss': 0.968, 'grad_norm': 48.75211715698242, 'learning_rate': 4.057971014492754e-07, 'fcm_dpo/beta': 0.08145327121019363, 'fcm_dpo/q_t': 0.3689224123954773, 'fcm_dpo/delta': -0.2280295044183731, 'fcm_dpo/margin': 6.944817066192627, 'margin_dpo/margin_mean': 6.944817543029785, 'margin_dpo/margin_std': 6.705440044403076, 'logps/chosen': -71.26427459716797, 'logps/rejected': -103.27926635742188, 'logps/ref_chosen': -70.49528503417969, 'logps/ref_rejected': -95.56546020507812, 'KL/chosen_KL_mean': -0.7689876556396484, 'KL/rejected_KL_mean': -7.71380615234375, 'KL/mean': -4.241398811340332, 'KL/std': 6.030036449432373, 'logits/chosen': -0.5575429797172546, 'logits/rejected': -0.5283694267272949, 'epoch': 0.08} 8%|██████████████████▉ | 57/681 [02:24<25:43, 2.47s/it] 9%|███████████████████▏ | 58/681 [02:26<26:08, 2.52s/it] {'loss': 0.9646, 'grad_norm': 50.176239013671875, 'learning_rate': 4.1304347826086954e-07, 'fcm_dpo/beta': 0.07740665972232819, 'fcm_dpo/q_t': 0.36622318625450134, 'fcm_dpo/delta': -0.2618388831615448, 'fcm_dpo/margin': 7.710516929626465, 'margin_dpo/margin_mean': 7.710516929626465, 'margin_dpo/margin_std': 8.16922378540039, 'logps/chosen': -63.14581298828125, 'logps/rejected': -93.34069061279297, 'logps/ref_chosen': -62.13294219970703, 'logps/ref_rejected': -84.61729431152344, 'KL/chosen_KL_mean': -1.0128746032714844, 'KL/rejected_KL_mean': -8.723396301269531, 'KL/mean': -4.868136405944824, 'KL/std': 6.835504531860352, 'logits/chosen': -0.5943198204040527, 'logits/rejected': -0.5183029174804688, 'epoch': 0.09} 9%|███████████████████▏ | 58/681 [02:26<26:08, 2.52s/it] 9%|███████████████████▌ | 59/681 [02:29<26:12, 2.53s/it] {'loss': 0.9528, 'grad_norm': 47.03469467163086, 'learning_rate': 4.2028985507246374e-07, 'fcm_dpo/beta': 0.07241758704185486, 'fcm_dpo/q_t': 0.3623542785644531, 'fcm_dpo/delta': -0.28130438923835754, 'fcm_dpo/margin': 8.436534881591797, 'margin_dpo/margin_mean': 8.436534881591797, 'margin_dpo/margin_std': 8.641322135925293, 'logps/chosen': -53.449790954589844, 'logps/rejected': -98.83899688720703, 'logps/ref_chosen': -51.932525634765625, 'logps/ref_rejected': -88.88520050048828, 'KL/chosen_KL_mean': -1.5172653198242188, 'KL/rejected_KL_mean': -9.95379638671875, 'KL/mean': -5.735530853271484, 'KL/std': 7.462213516235352, 'logits/chosen': -0.6317316293716431, 'logits/rejected': -0.5917737483978271, 'epoch': 0.09} 9%|███████████████████▌ | 59/681 [02:29<26:12, 2.53s/it] 9%|███████████████████▉ | 60/681 [02:32<26:09, 2.53s/it] {'loss': 1.0321, 'grad_norm': 48.9000244140625, 'learning_rate': 4.2753623188405794e-07, 'fcm_dpo/beta': 0.07023543119430542, 'fcm_dpo/q_t': 0.3875412940979004, 'fcm_dpo/delta': -0.13676942884922028, 'fcm_dpo/margin': 6.827664375305176, 'margin_dpo/margin_mean': 6.827664375305176, 'margin_dpo/margin_std': 7.711092948913574, 'logps/chosen': -63.58116912841797, 'logps/rejected': -94.86004638671875, 'logps/ref_chosen': -60.94218826293945, 'logps/ref_rejected': -85.39340209960938, 'KL/chosen_KL_mean': -2.6389827728271484, 'KL/rejected_KL_mean': -9.46664810180664, 'KL/mean': -6.052818298339844, 'KL/std': 6.807157039642334, 'logits/chosen': -0.5942388772964478, 'logits/rejected': -0.5327954292297363, 'epoch': 0.09} 9%|███████████████████▉ | 60/681 [02:32<26:09, 2.53s/it] 9%|████████████████████▏ | 61/681 [02:34<26:15, 2.54s/it] {'loss': 1.0155, 'grad_norm': 41.77968978881836, 'learning_rate': 4.3478260869565214e-07, 'fcm_dpo/beta': 0.06738986074924469, 'fcm_dpo/q_t': 0.37978309392929077, 'fcm_dpo/delta': -0.22911055386066437, 'fcm_dpo/margin': 8.385308265686035, 'margin_dpo/margin_mean': 8.385307312011719, 'margin_dpo/margin_std': 11.387674331665039, 'logps/chosen': -62.13893127441406, 'logps/rejected': -99.74320983886719, 'logps/ref_chosen': -60.633522033691406, 'logps/ref_rejected': -89.85249328613281, 'KL/chosen_KL_mean': -1.5054092407226562, 'KL/rejected_KL_mean': -9.890716552734375, 'KL/mean': -5.698062896728516, 'KL/std': 9.148716926574707, 'logits/chosen': -0.6104527115821838, 'logits/rejected': -0.5764514207839966, 'epoch': 0.09} 9%|████████████████████▏ | 61/681 [02:34<26:15, 2.54s/it] 9%|████████████████████▌ | 62/681 [02:37<26:48, 2.60s/it] {'loss': 1.0859, 'grad_norm': 40.88990020751953, 'learning_rate': 4.420289855072464e-07, 'fcm_dpo/beta': 0.06641829758882523, 'fcm_dpo/q_t': 0.40589573979377747, 'fcm_dpo/delta': -0.06573815643787384, 'fcm_dpo/margin': 6.218404293060303, 'margin_dpo/margin_mean': 6.218404769897461, 'margin_dpo/margin_std': 8.258329391479492, 'logps/chosen': -57.89793395996094, 'logps/rejected': -83.5317611694336, 'logps/ref_chosen': -56.15077209472656, 'logps/ref_rejected': -75.56619262695312, 'KL/chosen_KL_mean': -1.747161865234375, 'KL/rejected_KL_mean': -7.965564727783203, 'KL/mean': -4.856363773345947, 'KL/std': 6.7253522872924805, 'logits/chosen': -0.5971473455429077, 'logits/rejected': -0.5622413158416748, 'epoch': 0.09} 9%|████████████████████▌ | 62/681 [02:37<26:48, 2.60s/it] 9%|████████████████████▉ | 63/681 [02:39<26:32, 2.58s/it] {'loss': 0.9938, 'grad_norm': 42.83129119873047, 'learning_rate': 4.4927536231884053e-07, 'fcm_dpo/beta': 0.06367187201976776, 'fcm_dpo/q_t': 0.37538081407546997, 'fcm_dpo/delta': -0.20195239782333374, 'fcm_dpo/margin': 8.4717435836792, 'margin_dpo/margin_mean': 8.471742630004883, 'margin_dpo/margin_std': 8.990781784057617, 'logps/chosen': -75.9482421875, 'logps/rejected': -108.88265991210938, 'logps/ref_chosen': -73.14739227294922, 'logps/ref_rejected': -97.61006164550781, 'KL/chosen_KL_mean': -2.8008480072021484, 'KL/rejected_KL_mean': -11.272594451904297, 'KL/mean': -7.036721229553223, 'KL/std': 8.544384956359863, 'logits/chosen': -0.583976686000824, 'logits/rejected': -0.5383748412132263, 'epoch': 0.09} 9%|████████████████████▉ | 63/681 [02:39<26:32, 2.58s/it] 9%|█████████████████████▏ | 64/681 [02:42<26:01, 2.53s/it] {'loss': 0.9729, 'grad_norm': 38.817970275878906, 'learning_rate': 4.5652173913043473e-07, 'fcm_dpo/beta': 0.06026393920183182, 'fcm_dpo/q_t': 0.36537328362464905, 'fcm_dpo/delta': -0.2753208875656128, 'fcm_dpo/margin': 10.03261661529541, 'margin_dpo/margin_mean': 10.032617568969727, 'margin_dpo/margin_std': 11.401942253112793, 'logps/chosen': -55.12314224243164, 'logps/rejected': -104.68736267089844, 'logps/ref_chosen': -53.998600006103516, 'logps/ref_rejected': -93.53019714355469, 'KL/chosen_KL_mean': -1.124542236328125, 'KL/rejected_KL_mean': -11.157161712646484, 'KL/mean': -6.140851020812988, 'KL/std': 9.27166748046875, 'logits/chosen': -0.5995528697967529, 'logits/rejected': -0.5680242776870728, 'epoch': 0.09} 9%|█████████████████████▏ | 64/681 [02:42<26:01, 2.53s/it] 10%|█████████████████████▌ | 65/681 [02:44<26:06, 2.54s/it] {'loss': 0.9811, 'grad_norm': 39.211761474609375, 'learning_rate': 4.63768115942029e-07, 'fcm_dpo/beta': 0.0574415922164917, 'fcm_dpo/q_t': 0.3663010597229004, 'fcm_dpo/delta': -0.2546284794807434, 'fcm_dpo/margin': 10.234081268310547, 'margin_dpo/margin_mean': 10.234081268310547, 'margin_dpo/margin_std': 11.489011764526367, 'logps/chosen': -68.23939514160156, 'logps/rejected': -123.58393859863281, 'logps/ref_chosen': -64.83599853515625, 'logps/ref_rejected': -109.94645690917969, 'KL/chosen_KL_mean': -3.4033946990966797, 'KL/rejected_KL_mean': -13.637474060058594, 'KL/mean': -8.52043342590332, 'KL/std': 10.473337173461914, 'logits/chosen': -0.6607149839401245, 'logits/rejected': -0.6480229496955872, 'epoch': 0.1} 10%|█████████████████████▌ | 65/681 [02:44<26:06, 2.54s/it] 10%|█████████████████████▉ | 66/681 [02:47<26:17, 2.56s/it] {'loss': 1.025, 'grad_norm': 34.907039642333984, 'learning_rate': 4.7101449275362313e-07, 'fcm_dpo/beta': 0.055195845663547516, 'fcm_dpo/q_t': 0.38581931591033936, 'fcm_dpo/delta': -0.17202530801296234, 'fcm_dpo/margin': 9.264777183532715, 'margin_dpo/margin_mean': 9.264778137207031, 'margin_dpo/margin_std': 11.395795822143555, 'logps/chosen': -54.651790618896484, 'logps/rejected': -88.10934448242188, 'logps/ref_chosen': -51.44352722167969, 'logps/ref_rejected': -75.63629913330078, 'KL/chosen_KL_mean': -3.2082653045654297, 'KL/rejected_KL_mean': -12.473045349121094, 'KL/mean': -7.8406548500061035, 'KL/std': 9.421492576599121, 'logits/chosen': -0.6280045509338379, 'logits/rejected': -0.5945169925689697, 'epoch': 0.1} 10%|█████████████████████▉ | 66/681 [02:47<26:17, 2.56s/it] 10%|██████████████████████▏ | 67/681 [02:49<25:15, 2.47s/it] {'loss': 1.0218, 'grad_norm': 35.49789047241211, 'learning_rate': 4.782608695652174e-07, 'fcm_dpo/beta': 0.053811218589544296, 'fcm_dpo/q_t': 0.38516417145729065, 'fcm_dpo/delta': -0.1720547378063202, 'fcm_dpo/margin': 9.542757987976074, 'margin_dpo/margin_mean': 9.542757987976074, 'margin_dpo/margin_std': 11.59894847869873, 'logps/chosen': -62.22379684448242, 'logps/rejected': -85.21304321289062, 'logps/ref_chosen': -59.34080505371094, 'logps/ref_rejected': -72.78728485107422, 'KL/chosen_KL_mean': -2.8829917907714844, 'KL/rejected_KL_mean': -12.42575454711914, 'KL/mean': -7.654372215270996, 'KL/std': 9.585004806518555, 'logits/chosen': -0.599655032157898, 'logits/rejected': -0.5566652417182922, 'epoch': 0.1} 10%|██████████████████████▏ | 67/681 [02:49<25:15, 2.47s/it] 10%|██████████████████████▌ | 68/681 [02:52<24:57, 2.44s/it] {'loss': 1.0236, 'grad_norm': 34.271942138671875, 'learning_rate': 4.855072463768116e-07, 'fcm_dpo/beta': 0.05226890742778778, 'fcm_dpo/q_t': 0.38975322246551514, 'fcm_dpo/delta': -0.13234364986419678, 'fcm_dpo/margin': 9.110858917236328, 'margin_dpo/margin_mean': 9.110858917236328, 'margin_dpo/margin_std': 9.605062484741211, 'logps/chosen': -68.64323425292969, 'logps/rejected': -89.75550842285156, 'logps/ref_chosen': -65.2058334350586, 'logps/ref_rejected': -77.20724487304688, 'KL/chosen_KL_mean': -3.4374046325683594, 'KL/rejected_KL_mean': -12.548263549804688, 'KL/mean': -7.992835521697998, 'KL/std': 8.550180435180664, 'logits/chosen': -0.6388707756996155, 'logits/rejected': -0.5778865814208984, 'epoch': 0.1} 10%|██████████████████████▌ | 68/681 [02:52<24:57, 2.44s/it] 10%|██████████████████████▉ | 69/681 [02:54<25:46, 2.53s/it] {'loss': 0.9628, 'grad_norm': 36.500450134277344, 'learning_rate': 4.927536231884058e-07, 'fcm_dpo/beta': 0.04974665865302086, 'fcm_dpo/q_t': 0.3687508702278137, 'fcm_dpo/delta': -0.24509744346141815, 'fcm_dpo/margin': 11.649931907653809, 'margin_dpo/margin_mean': 11.649931907653809, 'margin_dpo/margin_std': 11.750423431396484, 'logps/chosen': -63.93410110473633, 'logps/rejected': -119.15365600585938, 'logps/ref_chosen': -59.81924057006836, 'logps/ref_rejected': -103.38886260986328, 'KL/chosen_KL_mean': -4.114860534667969, 'KL/rejected_KL_mean': -15.764793395996094, 'KL/mean': -9.939827919006348, 'KL/std': 10.603840827941895, 'logits/chosen': -0.6228272318840027, 'logits/rejected': -0.5997121930122375, 'epoch': 0.1} 10%|██████████████████████▉ | 69/681 [02:54<25:46, 2.53s/it] 10%|███████████████████████▏ | 70/681 [02:57<25:28, 2.50s/it] {'loss': 0.9698, 'grad_norm': 36.634315490722656, 'learning_rate': 5e-07, 'fcm_dpo/beta': 0.047557003796100616, 'fcm_dpo/q_t': 0.36635735630989075, 'fcm_dpo/delta': -0.2684404253959656, 'fcm_dpo/margin': 12.676331520080566, 'margin_dpo/margin_mean': 12.676332473754883, 'margin_dpo/margin_std': 14.070359230041504, 'logps/chosen': -68.02104187011719, 'logps/rejected': -109.8275146484375, 'logps/ref_chosen': -61.930641174316406, 'logps/ref_rejected': -91.06078338623047, 'KL/chosen_KL_mean': -6.090396881103516, 'KL/rejected_KL_mean': -18.76673126220703, 'KL/mean': -12.428565979003906, 'KL/std': 13.280801773071289, 'logits/chosen': -0.6058599948883057, 'logits/rejected': -0.5707762241363525, 'epoch': 0.1} 10%|███████████████████████▏ | 70/681 [02:57<25:28, 2.50s/it] 10%|███████████████████████▌ | 71/681 [02:59<25:33, 2.51s/it] {'loss': 0.923, 'grad_norm': 34.083553314208984, 'learning_rate': 4.999967061337492e-07, 'fcm_dpo/beta': 0.044265132397413254, 'fcm_dpo/q_t': 0.3534585237503052, 'fcm_dpo/delta': -0.34492480754852295, 'fcm_dpo/margin': 15.14443588256836, 'margin_dpo/margin_mean': 15.14443588256836, 'margin_dpo/margin_std': 15.41769790649414, 'logps/chosen': -67.81163787841797, 'logps/rejected': -118.5423583984375, 'logps/ref_chosen': -61.750335693359375, 'logps/ref_rejected': -97.33662414550781, 'KL/chosen_KL_mean': -6.061298370361328, 'KL/rejected_KL_mean': -21.205734252929688, 'KL/mean': -13.633516311645508, 'KL/std': 14.106433868408203, 'logits/chosen': -0.6632341146469116, 'logits/rejected': -0.6252255439758301, 'epoch': 0.1} 10%|███████████████████████▌ | 71/681 [02:59<25:33, 2.51s/it] 11%|███████████████████████▉ | 72/681 [03:02<25:56, 2.56s/it] {'loss': 0.9517, 'grad_norm': 33.533538818359375, 'learning_rate': 4.999868246217933e-07, 'fcm_dpo/beta': 0.04147840291261673, 'fcm_dpo/q_t': 0.35581284761428833, 'fcm_dpo/delta': -0.3267444372177124, 'fcm_dpo/margin': 15.779868125915527, 'margin_dpo/margin_mean': 15.779868125915527, 'margin_dpo/margin_std': 18.023799896240234, 'logps/chosen': -73.17138671875, 'logps/rejected': -118.18482971191406, 'logps/ref_chosen': -66.05341339111328, 'logps/ref_rejected': -95.2869873046875, 'KL/chosen_KL_mean': -7.117975234985352, 'KL/rejected_KL_mean': -22.897842407226562, 'KL/mean': -15.00790786743164, 'KL/std': 15.219398498535156, 'logits/chosen': -0.659099817276001, 'logits/rejected': -0.6226309537887573, 'epoch': 0.11} 11%|███████████████████████▉ | 72/681 [03:02<25:56, 2.56s/it] 11%|████████████████████████▏ | 73/681 [03:05<26:24, 2.61s/it] {'loss': 1.0506, 'grad_norm': 34.42801284790039, 'learning_rate': 4.999703557245192e-07, 'fcm_dpo/beta': 0.03898513317108154, 'fcm_dpo/q_t': 0.37557166814804077, 'fcm_dpo/delta': -0.28837209939956665, 'fcm_dpo/margin': 15.87419319152832, 'margin_dpo/margin_mean': 15.87419319152832, 'margin_dpo/margin_std': 24.97110366821289, 'logps/chosen': -75.45757293701172, 'logps/rejected': -115.53163146972656, 'logps/ref_chosen': -66.25627136230469, 'logps/ref_rejected': -90.45613098144531, 'KL/chosen_KL_mean': -9.201299667358398, 'KL/rejected_KL_mean': -25.07549285888672, 'KL/mean': -17.138395309448242, 'KL/std': 19.838104248046875, 'logits/chosen': -0.690470814704895, 'logits/rejected': -0.6502715349197388, 'epoch': 0.11} 11%|████████████████████████▏ | 73/681 [03:05<26:24, 2.61s/it] 11%|████████████████████████▌ | 74/681 [03:07<26:03, 2.58s/it] {'loss': 1.007, 'grad_norm': 35.52349853515625, 'learning_rate': 4.999472998758977e-07, 'fcm_dpo/beta': 0.036717548966407776, 'fcm_dpo/q_t': 0.3689573109149933, 'fcm_dpo/delta': -0.3187072277069092, 'fcm_dpo/margin': 17.62735366821289, 'margin_dpo/margin_mean': 17.627355575561523, 'margin_dpo/margin_std': 27.311134338378906, 'logps/chosen': -63.0615119934082, 'logps/rejected': -123.21092224121094, 'logps/ref_chosen': -53.42488098144531, 'logps/ref_rejected': -95.94693756103516, 'KL/chosen_KL_mean': -9.636629104614258, 'KL/rejected_KL_mean': -27.263980865478516, 'KL/mean': -18.45030403137207, 'KL/std': 21.931224822998047, 'logits/chosen': -0.6715037822723389, 'logits/rejected': -0.6643733978271484, 'epoch': 0.11} 11%|████████████████████████▌ | 74/681 [03:07<26:03, 2.58s/it] 11%|████████████████████████▉ | 75/681 [03:10<26:11, 2.59s/it] {'loss': 0.8665, 'grad_norm': 29.952869415283203, 'learning_rate': 4.999176576834721e-07, 'fcm_dpo/beta': 0.03375118225812912, 'fcm_dpo/q_t': 0.3274177014827728, 'fcm_dpo/delta': -0.5213460922241211, 'fcm_dpo/margin': 24.601776123046875, 'margin_dpo/margin_mean': 24.601776123046875, 'margin_dpo/margin_std': 25.416664123535156, 'logps/chosen': -61.390541076660156, 'logps/rejected': -145.3846435546875, 'logps/ref_chosen': -51.861663818359375, 'logps/ref_rejected': -111.25398254394531, 'KL/chosen_KL_mean': -9.528879165649414, 'KL/rejected_KL_mean': -34.130653381347656, 'KL/mean': -21.829769134521484, 'KL/std': 22.312917709350586, 'logits/chosen': -0.6653124094009399, 'logits/rejected': -0.6586759090423584, 'epoch': 0.11} 11%|████████████████████████▉ | 75/681 [03:10<26:11, 2.59s/it] 11%|█████████████████████████▏ | 76/681 [03:12<25:59, 2.58s/it] {'loss': 1.0424, 'grad_norm': 30.53144645690918, 'learning_rate': 4.998814299283415e-07, 'fcm_dpo/beta': 0.031918227672576904, 'fcm_dpo/q_t': 0.3866853415966034, 'fcm_dpo/delta': -0.15023696422576904, 'fcm_dpo/margin': 15.442970275878906, 'margin_dpo/margin_mean': 15.442970275878906, 'margin_dpo/margin_std': 19.84844207763672, 'logps/chosen': -64.72480010986328, 'logps/rejected': -105.11834716796875, 'logps/ref_chosen': -53.26603698730469, 'logps/ref_rejected': -78.21662902832031, 'KL/chosen_KL_mean': -11.458761215209961, 'KL/rejected_KL_mean': -26.901718139648438, 'KL/mean': -19.180240631103516, 'KL/std': 18.074440002441406, 'logits/chosen': -0.6922107934951782, 'logits/rejected': -0.6505155563354492, 'epoch': 0.11} 11%|█████████████████████████▏ | 76/681 [03:12<25:59, 2.58s/it] 11%|█████████████████████████▌ | 77/681 [03:15<24:53, 2.47s/it] {'loss': 0.913, 'grad_norm': 31.526256561279297, 'learning_rate': 4.998386175651409e-07, 'fcm_dpo/beta': 0.029510796070098877, 'fcm_dpo/q_t': 0.3367495834827423, 'fcm_dpo/delta': -0.4299943149089813, 'fcm_dpo/margin': 25.23033905029297, 'margin_dpo/margin_mean': 25.23033905029297, 'margin_dpo/margin_std': 27.491090774536133, 'logps/chosen': -68.40264129638672, 'logps/rejected': -129.30992126464844, 'logps/ref_chosen': -58.0966796875, 'logps/ref_rejected': -93.77361297607422, 'KL/chosen_KL_mean': -10.305963516235352, 'KL/rejected_KL_mean': -35.53630828857422, 'KL/mean': -22.921131134033203, 'KL/std': 24.69320297241211, 'logits/chosen': -0.6924519538879395, 'logits/rejected': -0.6561889052391052, 'epoch': 0.11} 11%|█████████████████████████▌ | 77/681 [03:15<24:53, 2.47s/it] 11%|█████████████████████████▉ | 78/681 [03:17<25:16, 2.52s/it] {'loss': 1.0187, 'grad_norm': 28.295921325683594, 'learning_rate': 4.997892217220159e-07, 'fcm_dpo/beta': 0.028303634375333786, 'fcm_dpo/q_t': 0.3818398714065552, 'fcm_dpo/delta': -0.19002512097358704, 'fcm_dpo/margin': 18.73480987548828, 'margin_dpo/margin_mean': 18.73480987548828, 'margin_dpo/margin_std': 22.818925857543945, 'logps/chosen': -66.00214385986328, 'logps/rejected': -114.05754089355469, 'logps/ref_chosen': -55.61378479003906, 'logps/ref_rejected': -84.93436431884766, 'KL/chosen_KL_mean': -10.388359069824219, 'KL/rejected_KL_mean': -29.123172760009766, 'KL/mean': -19.755765914916992, 'KL/std': 19.83435821533203, 'logits/chosen': -0.6519057154655457, 'logits/rejected': -0.628269374370575, 'epoch': 0.11} 11%|█████████████████████████▉ | 78/681 [03:17<25:16, 2.52s/it] 12%|██████████████████████████▏ | 79/681 [03:20<25:31, 2.54s/it] {'loss': 1.0248, 'grad_norm': 25.06480598449707, 'learning_rate': 4.997332437005931e-07, 'fcm_dpo/beta': 0.027051560580730438, 'fcm_dpo/q_t': 0.3806380033493042, 'fcm_dpo/delta': -0.21849405765533447, 'fcm_dpo/margin': 20.56053924560547, 'margin_dpo/margin_mean': 20.56053924560547, 'margin_dpo/margin_std': 27.430313110351562, 'logps/chosen': -66.16095733642578, 'logps/rejected': -118.9185791015625, 'logps/ref_chosen': -55.45048522949219, 'logps/ref_rejected': -87.64756774902344, 'KL/chosen_KL_mean': -10.710470199584961, 'KL/rejected_KL_mean': -31.271018981933594, 'KL/mean': -20.990741729736328, 'KL/std': 22.39347267150879, 'logits/chosen': -0.6494733095169067, 'logits/rejected': -0.6198798418045044, 'epoch': 0.12} 12%|██████████████████████████▏ | 79/681 [03:20<25:31, 2.54s/it] 12%|██████████████████████████▌ | 80/681 [03:22<25:26, 2.54s/it] {'loss': 1.0634, 'grad_norm': 26.278663635253906, 'learning_rate': 4.996706849759452e-07, 'fcm_dpo/beta': 0.02592482417821884, 'fcm_dpo/q_t': 0.3933182656764984, 'fcm_dpo/delta': -0.16428518295288086, 'fcm_dpo/margin': 19.431066513061523, 'margin_dpo/margin_mean': 19.43106460571289, 'margin_dpo/margin_std': 27.870834350585938, 'logps/chosen': -72.4844970703125, 'logps/rejected': -120.94377899169922, 'logps/ref_chosen': -58.519290924072266, 'logps/ref_rejected': -87.54750061035156, 'KL/chosen_KL_mean': -13.9652099609375, 'KL/rejected_KL_mean': -33.396278381347656, 'KL/mean': -23.680742263793945, 'KL/std': 23.99298095703125, 'logits/chosen': -0.7399425506591797, 'logits/rejected': -0.7012728452682495, 'epoch': 0.12} 12%|██████████████████████████▌ | 80/681 [03:22<25:26, 2.54s/it] 12%|██████████████████████████▉ | 81/681 [03:25<25:48, 2.58s/it] {'loss': 0.9726, 'grad_norm': 27.374237060546875, 'learning_rate': 4.996015471965529e-07, 'fcm_dpo/beta': 0.02453438937664032, 'fcm_dpo/q_t': 0.36159569025039673, 'fcm_dpo/delta': -0.3274933397769928, 'fcm_dpo/margin': 26.645172119140625, 'margin_dpo/margin_mean': 26.645172119140625, 'margin_dpo/margin_std': 33.81873321533203, 'logps/chosen': -79.54586791992188, 'logps/rejected': -169.40487670898438, 'logps/ref_chosen': -66.44886779785156, 'logps/ref_rejected': -129.66270446777344, 'KL/chosen_KL_mean': -13.097003936767578, 'KL/rejected_KL_mean': -39.74217224121094, 'KL/mean': -26.419586181640625, 'KL/std': 28.39004898071289, 'logits/chosen': -0.7171902656555176, 'logits/rejected': -0.6900858879089355, 'epoch': 0.12} 12%|██████████████████████████▉ | 81/681 [03:25<25:48, 2.58s/it] 12%|███████████████████████████▏ | 82/681 [03:27<25:16, 2.53s/it] {'loss': 1.1015, 'grad_norm': 29.728790283203125, 'learning_rate': 4.995258321842611e-07, 'fcm_dpo/beta': 0.02389688789844513, 'fcm_dpo/q_t': 0.39267510175704956, 'fcm_dpo/delta': -0.16673710942268372, 'fcm_dpo/margin': 21.257539749145508, 'margin_dpo/margin_mean': 21.257539749145508, 'margin_dpo/margin_std': 35.67451095581055, 'logps/chosen': -67.70475769042969, 'logps/rejected': -127.4731674194336, 'logps/ref_chosen': -52.232383728027344, 'logps/ref_rejected': -90.74325561523438, 'KL/chosen_KL_mean': -15.472373962402344, 'KL/rejected_KL_mean': -36.729915618896484, 'KL/mean': -26.10114288330078, 'KL/std': 25.81859588623047, 'logits/chosen': -0.6627001166343689, 'logits/rejected': -0.6532809734344482, 'epoch': 0.12} 12%|███████████████████████████▏ | 82/681 [03:27<25:16, 2.53s/it] 12%|███████████████████████████▌ | 83/681 [03:30<24:44, 2.48s/it] {'loss': 1.0091, 'grad_norm': 25.695941925048828, 'learning_rate': 4.994435419342304e-07, 'fcm_dpo/beta': 0.02258511260151863, 'fcm_dpo/q_t': 0.37505269050598145, 'fcm_dpo/delta': -0.23390883207321167, 'fcm_dpo/margin': 25.22031021118164, 'margin_dpo/margin_mean': 25.220308303833008, 'margin_dpo/margin_std': 31.849729537963867, 'logps/chosen': -71.76899719238281, 'logps/rejected': -144.8778076171875, 'logps/ref_chosen': -55.82738494873047, 'logps/ref_rejected': -103.71589660644531, 'KL/chosen_KL_mean': -15.941610336303711, 'KL/rejected_KL_mean': -41.16191482543945, 'KL/mean': -28.5517635345459, 'KL/std': 26.822208404541016, 'logits/chosen': -0.6607187986373901, 'logits/rejected': -0.6281884908676147, 'epoch': 0.12} 12%|███████████████████████████▌ | 83/681 [03:30<24:44, 2.48s/it] 12%|███████████████████████████▉ | 84/681 [03:33<25:26, 2.56s/it] {'loss': 1.0414, 'grad_norm': 24.43920135498047, 'learning_rate': 4.993546786148857e-07, 'fcm_dpo/beta': 0.021835383027791977, 'fcm_dpo/q_t': 0.3920828700065613, 'fcm_dpo/delta': -0.11882907897233963, 'fcm_dpo/margin': 21.132139205932617, 'margin_dpo/margin_mean': 21.132139205932617, 'margin_dpo/margin_std': 23.453916549682617, 'logps/chosen': -82.3125991821289, 'logps/rejected': -123.56717681884766, 'logps/ref_chosen': -67.1761703491211, 'logps/ref_rejected': -87.29859924316406, 'KL/chosen_KL_mean': -15.136430740356445, 'KL/rejected_KL_mean': -36.26857376098633, 'KL/mean': -25.702499389648438, 'KL/std': 22.970796585083008, 'logits/chosen': -0.6809099912643433, 'logits/rejected': -0.6443426609039307, 'epoch': 0.12} 12%|███████████████████████████▉ | 84/681 [03:33<25:26, 2.56s/it] 12%|████████████████████████████▏ | 85/681 [03:35<25:54, 2.61s/it] {'loss': 1.0553, 'grad_norm': 24.075742721557617, 'learning_rate': 4.992592445678582e-07, 'fcm_dpo/beta': 0.02158314362168312, 'fcm_dpo/q_t': 0.3926207423210144, 'fcm_dpo/delta': -0.13427422940731049, 'fcm_dpo/margin': 22.138042449951172, 'margin_dpo/margin_mean': 22.138044357299805, 'margin_dpo/margin_std': 28.41199493408203, 'logps/chosen': -73.71607971191406, 'logps/rejected': -116.0863037109375, 'logps/ref_chosen': -58.4066162109375, 'logps/ref_rejected': -78.63880157470703, 'KL/chosen_KL_mean': -15.309465408325195, 'KL/rejected_KL_mean': -37.447505950927734, 'KL/mean': -26.37848663330078, 'KL/std': 23.634626388549805, 'logits/chosen': -0.6298732757568359, 'logits/rejected': -0.5962429046630859, 'epoch': 0.12} 12%|████████████████████████████▏ | 85/681 [03:35<25:54, 2.61s/it] 13%|████████████████████████████▌ | 86/681 [03:38<26:32, 2.68s/it] {'loss': 1.1321, 'grad_norm': 28.157058715820312, 'learning_rate': 4.991572423079235e-07, 'fcm_dpo/beta': 0.020907826721668243, 'fcm_dpo/q_t': 0.4030860960483551, 'fcm_dpo/delta': -0.14755286276340485, 'fcm_dpo/margin': 23.463176727294922, 'margin_dpo/margin_mean': 23.463176727294922, 'margin_dpo/margin_std': 44.730472564697266, 'logps/chosen': -75.97703552246094, 'logps/rejected': -131.42437744140625, 'logps/ref_chosen': -56.13746643066406, 'logps/ref_rejected': -88.12165069580078, 'KL/chosen_KL_mean': -19.839567184448242, 'KL/rejected_KL_mean': -43.302734375, 'KL/mean': -31.57115364074707, 'KL/std': 32.33202362060547, 'logits/chosen': -0.6940969824790955, 'logits/rejected': -0.6837495565414429, 'epoch': 0.13} 13%|████████████████████████████▌ | 86/681 [03:38<26:32, 2.68s/it] 13%|████████████████████████████▊ | 87/681 [03:41<26:15, 2.65s/it] {'loss': 1.0449, 'grad_norm': 24.050752639770508, 'learning_rate': 4.990486745229364e-07, 'fcm_dpo/beta': 0.019912412390112877, 'fcm_dpo/q_t': 0.37868428230285645, 'fcm_dpo/delta': -0.2153429239988327, 'fcm_dpo/margin': 27.715457916259766, 'margin_dpo/margin_mean': 27.715457916259766, 'margin_dpo/margin_std': 39.20777893066406, 'logps/chosen': -75.12935638427734, 'logps/rejected': -142.67630004882812, 'logps/ref_chosen': -55.63609313964844, 'logps/ref_rejected': -95.46757507324219, 'KL/chosen_KL_mean': -19.493261337280273, 'KL/rejected_KL_mean': -47.20872116088867, 'KL/mean': -33.350990295410156, 'KL/std': 32.10251998901367, 'logits/chosen': -0.7316626310348511, 'logits/rejected': -0.7104564905166626, 'epoch': 0.13} 13%|████████████████████████████▊ | 87/681 [03:41<26:15, 2.65s/it] 13%|█████████████████████████████▏ | 88/681 [03:43<26:07, 2.64s/it] {'loss': 1.1436, 'grad_norm': 25.076162338256836, 'learning_rate': 4.989335440737586e-07, 'fcm_dpo/beta': 0.019512329250574112, 'fcm_dpo/q_t': 0.41208845376968384, 'fcm_dpo/delta': -0.061230212450027466, 'fcm_dpo/margin': 20.903621673583984, 'margin_dpo/margin_mean': 20.903621673583984, 'margin_dpo/margin_std': 35.89170837402344, 'logps/chosen': -98.44705963134766, 'logps/rejected': -152.38803100585938, 'logps/ref_chosen': -73.67115020751953, 'logps/ref_rejected': -106.70849609375, 'KL/chosen_KL_mean': -24.775909423828125, 'KL/rejected_KL_mean': -45.679527282714844, 'KL/mean': -35.22772216796875, 'KL/std': 33.75319290161133, 'logits/chosen': -0.6718587279319763, 'logits/rejected': -0.6672728061676025, 'epoch': 0.13} 13%|█████████████████████████████▏ | 88/681 [03:43<26:07, 2.64s/it] 13%|█████████████████████████████▌ | 89/681 [03:46<25:31, 2.59s/it] {'loss': 1.0703, 'grad_norm': 22.88800048828125, 'learning_rate': 4.988118539941847e-07, 'fcm_dpo/beta': 0.01931881159543991, 'fcm_dpo/q_t': 0.39783668518066406, 'fcm_dpo/delta': -0.10952495038509369, 'fcm_dpo/margin': 23.533710479736328, 'margin_dpo/margin_mean': 23.533714294433594, 'margin_dpo/margin_std': 32.75722122192383, 'logps/chosen': -75.94802856445312, 'logps/rejected': -120.94038391113281, 'logps/ref_chosen': -60.624916076660156, 'logps/ref_rejected': -82.08354949951172, 'KL/chosen_KL_mean': -15.323110580444336, 'KL/rejected_KL_mean': -38.856834411621094, 'KL/mean': -27.0899715423584, 'KL/std': 28.511974334716797, 'logits/chosen': -0.7127549648284912, 'logits/rejected': -0.6814610958099365, 'epoch': 0.13} 13%|█████████████████████████████▌ | 89/681 [03:46<25:31, 2.59s/it] 13%|█████████████████████████████▊ | 90/681 [03:48<24:58, 2.54s/it] {'loss': 1.0449, 'grad_norm': 23.77947235107422, 'learning_rate': 4.986836074908615e-07, 'fcm_dpo/beta': 0.018566761165857315, 'fcm_dpo/q_t': 0.3788330554962158, 'fcm_dpo/delta': -0.26629799604415894, 'fcm_dpo/margin': 32.36653137207031, 'margin_dpo/margin_mean': 32.36653137207031, 'margin_dpo/margin_std': 48.41737365722656, 'logps/chosen': -72.8062744140625, 'logps/rejected': -163.4322052001953, 'logps/ref_chosen': -53.285308837890625, 'logps/ref_rejected': -111.54470825195312, 'KL/chosen_KL_mean': -19.520963668823242, 'KL/rejected_KL_mean': -51.88749313354492, 'KL/mean': -35.704227447509766, 'KL/std': 38.83220672607422, 'logits/chosen': -0.656635046005249, 'logits/rejected': -0.6720539331436157, 'epoch': 0.13} 13%|█████████████████████████████▊ | 90/681 [03:48<24:58, 2.54s/it] 13%|██████████████████████████████▏ | 91/681 [03:51<25:05, 2.55s/it] {'loss': 1.089, 'grad_norm': 22.826419830322266, 'learning_rate': 4.985488079432037e-07, 'fcm_dpo/beta': 0.01787046156823635, 'fcm_dpo/q_t': 0.39908722043037415, 'fcm_dpo/delta': -0.12188145518302917, 'fcm_dpo/margin': 26.097206115722656, 'margin_dpo/margin_mean': 26.09720230102539, 'margin_dpo/margin_std': 40.38761901855469, 'logps/chosen': -82.23193359375, 'logps/rejected': -134.400146484375, 'logps/ref_chosen': -61.802955627441406, 'logps/ref_rejected': -87.87395477294922, 'KL/chosen_KL_mean': -20.428979873657227, 'KL/rejected_KL_mean': -46.52619171142578, 'KL/mean': -33.47758483886719, 'KL/std': 30.834447860717773, 'logits/chosen': -0.6783984899520874, 'logits/rejected': -0.646409273147583, 'epoch': 0.13} 13%|██████████████████████████████▏ | 91/681 [03:51<25:05, 2.55s/it] 14%|██████████████████████████████▌ | 92/681 [03:53<24:45, 2.52s/it] {'loss': 1.076, 'grad_norm': 21.23597526550293, 'learning_rate': 4.984074589033043e-07, 'fcm_dpo/beta': 0.017471997067332268, 'fcm_dpo/q_t': 0.39748257398605347, 'fcm_dpo/delta': -0.12181757390499115, 'fcm_dpo/margin': 26.68439483642578, 'margin_dpo/margin_mean': 26.68439483642578, 'margin_dpo/margin_std': 38.410037994384766, 'logps/chosen': -69.91217041015625, 'logps/rejected': -122.83698272705078, 'logps/ref_chosen': -51.640769958496094, 'logps/ref_rejected': -77.88117980957031, 'KL/chosen_KL_mean': -18.27140235900879, 'KL/rejected_KL_mean': -44.9557991027832, 'KL/mean': -31.61359977722168, 'KL/std': 31.74585723876953, 'logits/chosen': -0.7334482669830322, 'logits/rejected': -0.714074969291687, 'epoch': 0.14} 14%|██████████████████████████████▌ | 92/681 [03:53<24:45, 2.52s/it] 14%|██████████████████████████████▊ | 93/681 [03:55<23:30, 2.40s/it] {'loss': 1.0595, 'grad_norm': 22.11734390258789, 'learning_rate': 4.982595640958425e-07, 'fcm_dpo/beta': 0.017019839957356453, 'fcm_dpo/q_t': 0.3978961706161499, 'fcm_dpo/delta': -0.10895700007677078, 'fcm_dpo/margin': 26.681251525878906, 'margin_dpo/margin_mean': 26.681249618530273, 'margin_dpo/margin_std': 34.84459686279297, 'logps/chosen': -73.1766357421875, 'logps/rejected': -124.48938751220703, 'logps/ref_chosen': -52.529239654541016, 'logps/ref_rejected': -77.16075134277344, 'KL/chosen_KL_mean': -20.64739227294922, 'KL/rejected_KL_mean': -47.32863998413086, 'KL/mean': -33.98801803588867, 'KL/std': 29.834144592285156, 'logits/chosen': -0.7326809167861938, 'logits/rejected': -0.6875460147857666, 'epoch': 0.14} 14%|██████████████████████████████▊ | 93/681 [03:55<23:30, 2.40s/it] 14%|███████████████████████████████▏ | 94/681 [03:58<24:19, 2.49s/it] {'loss': 1.0229, 'grad_norm': 21.626747131347656, 'learning_rate': 4.98105127417984e-07, 'fcm_dpo/beta': 0.016398325562477112, 'fcm_dpo/q_t': 0.3850182890892029, 'fcm_dpo/delta': -0.1683567464351654, 'fcm_dpo/margin': 31.003623962402344, 'margin_dpo/margin_mean': 31.00362205505371, 'margin_dpo/margin_std': 36.4665641784668, 'logps/chosen': -83.42808532714844, 'logps/rejected': -152.80812072753906, 'logps/ref_chosen': -61.22261047363281, 'logps/ref_rejected': -99.59902954101562, 'KL/chosen_KL_mean': -22.205469131469727, 'KL/rejected_KL_mean': -53.20908737182617, 'KL/mean': -37.707279205322266, 'KL/std': 34.52550506591797, 'logits/chosen': -0.6754692792892456, 'logits/rejected': -0.6637367010116577, 'epoch': 0.14} 14%|███████████████████████████████▏ | 94/681 [03:58<24:19, 2.49s/it] 14%|███████████████████████████████▌ | 95/681 [04:00<24:04, 2.47s/it] {'loss': 1.0993, 'grad_norm': 20.469913482666016, 'learning_rate': 4.979441529392784e-07, 'fcm_dpo/beta': 0.016146240755915642, 'fcm_dpo/q_t': 0.40661683678627014, 'fcm_dpo/delta': -0.05641428753733635, 'fcm_dpo/margin': 25.000350952148438, 'margin_dpo/margin_mean': 25.000349044799805, 'margin_dpo/margin_std': 35.28263854980469, 'logps/chosen': -74.01284790039062, 'logps/rejected': -122.3698959350586, 'logps/ref_chosen': -52.523643493652344, 'logps/ref_rejected': -75.8803482055664, 'KL/chosen_KL_mean': -21.489198684692383, 'KL/rejected_KL_mean': -46.48954772949219, 'KL/mean': -33.98937225341797, 'KL/std': 33.66114807128906, 'logits/chosen': -0.6882494688034058, 'logits/rejected': -0.6622629761695862, 'epoch': 0.14} 14%|███████████████████████████████▌ | 95/681 [04:00<24:04, 2.47s/it] 14%|███████████████████████████████▊ | 96/681 [04:03<24:10, 2.48s/it] {'loss': 1.0147, 'grad_norm': 20.710969924926758, 'learning_rate': 4.977766449015534e-07, 'fcm_dpo/beta': 0.015592942014336586, 'fcm_dpo/q_t': 0.38242608308792114, 'fcm_dpo/delta': -0.19270357489585876, 'fcm_dpo/margin': 34.0036506652832, 'margin_dpo/margin_mean': 34.0036506652832, 'margin_dpo/margin_std': 41.2987060546875, 'logps/chosen': -83.07378387451172, 'logps/rejected': -151.5164794921875, 'logps/ref_chosen': -62.15697479248047, 'logps/ref_rejected': -96.59601593017578, 'KL/chosen_KL_mean': -20.916810989379883, 'KL/rejected_KL_mean': -54.92045593261719, 'KL/mean': -37.918636322021484, 'KL/std': 37.27104187011719, 'logits/chosen': -0.707472562789917, 'logits/rejected': -0.6825254559516907, 'epoch': 0.14} 14%|███████████████████████████████▊ | 96/681 [04:03<24:10, 2.48s/it] 14%|████████████████████████████████▏ | 97/681 [04:06<24:23, 2.51s/it] {'loss': 1.0831, 'grad_norm': 21.590152740478516, 'learning_rate': 4.976026077188012e-07, 'fcm_dpo/beta': 0.015535632148385048, 'fcm_dpo/q_t': 0.40512728691101074, 'fcm_dpo/delta': -0.05870715156197548, 'fcm_dpo/margin': 26.10567855834961, 'margin_dpo/margin_mean': 26.105682373046875, 'margin_dpo/margin_std': 31.313583374023438, 'logps/chosen': -76.8022689819336, 'logps/rejected': -125.22633361816406, 'logps/ref_chosen': -54.646366119384766, 'logps/ref_rejected': -76.96475219726562, 'KL/chosen_KL_mean': -22.15590476989746, 'KL/rejected_KL_mean': -48.26157760620117, 'KL/mean': -35.208744049072266, 'KL/std': 31.424772262573242, 'logits/chosen': -0.5965183973312378, 'logits/rejected': -0.5535776019096375, 'epoch': 0.14} 14%|████████████████████████████████▏ | 97/681 [04:06<24:23, 2.51s/it] 14%|████████████████████████████████▌ | 98/681 [04:08<24:27, 2.52s/it] {'loss': 1.0859, 'grad_norm': 22.497968673706055, 'learning_rate': 4.974220459770639e-07, 'fcm_dpo/beta': 0.015098905190825462, 'fcm_dpo/q_t': 0.39555469155311584, 'fcm_dpo/delta': -0.10677133500576019, 'fcm_dpo/margin': 29.916717529296875, 'margin_dpo/margin_mean': 29.916717529296875, 'margin_dpo/margin_std': 43.398094177246094, 'logps/chosen': -92.98265838623047, 'logps/rejected': -154.16822814941406, 'logps/ref_chosen': -65.25862884521484, 'logps/ref_rejected': -96.5274887084961, 'KL/chosen_KL_mean': -27.724029541015625, 'KL/rejected_KL_mean': -57.64073944091797, 'KL/mean': -42.68238830566406, 'KL/std': 36.01885986328125, 'logits/chosen': -0.6522549390792847, 'logits/rejected': -0.6376872062683105, 'epoch': 0.14} 14%|████████████████████████████████▌ | 98/681 [04:08<24:27, 2.52s/it] 15%|████████████████████████████████▊ | 99/681 [04:10<23:29, 2.42s/it] {'loss': 1.0199, 'grad_norm': 19.82951545715332, 'learning_rate': 4.972349644343108e-07, 'fcm_dpo/beta': 0.014553403481841087, 'fcm_dpo/q_t': 0.3828354477882385, 'fcm_dpo/delta': -0.20181076228618622, 'fcm_dpo/margin': 37.11345672607422, 'margin_dpo/margin_mean': 37.11345672607422, 'margin_dpo/margin_std': 48.379791259765625, 'logps/chosen': -67.26187896728516, 'logps/rejected': -145.17477416992188, 'logps/ref_chosen': -45.638484954833984, 'logps/ref_rejected': -86.43793487548828, 'KL/chosen_KL_mean': -21.62339210510254, 'KL/rejected_KL_mean': -58.736846923828125, 'KL/mean': -40.180118560791016, 'KL/std': 38.713218688964844, 'logits/chosen': -0.6461166739463806, 'logits/rejected': -0.6486799716949463, 'epoch': 0.15} 15%|████████████████████████████████▊ | 99/681 [04:10<23:29, 2.42s/it] 15%|█████████████████████████████████ | 100/681 [04:13<23:58, 2.48s/it] {'loss': 1.1936, 'grad_norm': 21.535491943359375, 'learning_rate': 4.970413680203148e-07, 'fcm_dpo/beta': 0.01442507840692997, 'fcm_dpo/q_t': 0.43076425790786743, 'fcm_dpo/delta': -0.015769226476550102, 'fcm_dpo/margin': 20.872608184814453, 'margin_dpo/margin_mean': 20.872608184814453, 'margin_dpo/margin_std': 40.602088928222656, 'logps/chosen': -82.20816040039062, 'logps/rejected': -119.54698181152344, 'logps/ref_chosen': -57.59397888183594, 'logps/ref_rejected': -74.06021118164062, 'KL/chosen_KL_mean': -24.61417579650879, 'KL/rejected_KL_mean': -45.48677444458008, 'KL/mean': -35.05047607421875, 'KL/std': 31.448835372924805, 'logits/chosen': -0.6545113325119019, 'logits/rejected': -0.6143167018890381, 'epoch': 0.15} 15%|█████████████████████████████████ | 100/681 [04:13<23:58, 2.48s/it] 15%|█████████████████████████████████▎ | 101/681 [04:15<23:44, 2.46s/it] {'loss': 1.1538, 'grad_norm': 21.14192771911621, 'learning_rate': 4.968412618365215e-07, 'fcm_dpo/beta': 0.014283875934779644, 'fcm_dpo/q_t': 0.41966480016708374, 'fcm_dpo/delta': -0.020545855164527893, 'fcm_dpo/margin': 25.844009399414062, 'margin_dpo/margin_mean': 25.844009399414062, 'margin_dpo/margin_std': 46.674888610839844, 'logps/chosen': -91.77448272705078, 'logps/rejected': -139.15933227539062, 'logps/ref_chosen': -61.64885330200195, 'logps/ref_rejected': -83.18968200683594, 'KL/chosen_KL_mean': -30.125629425048828, 'KL/rejected_KL_mean': -55.96964645385742, 'KL/mean': -43.047637939453125, 'KL/std': 38.88969421386719, 'logits/chosen': -0.6575559377670288, 'logits/rejected': -0.6289372444152832, 'epoch': 0.15} 15%|█████████████████████████████████▎ | 101/681 [04:15<23:44, 2.46s/it] 15%|█████████████████████████████████▋ | 102/681 [04:18<23:31, 2.44s/it] {'loss': 1.2298, 'grad_norm': 23.982179641723633, 'learning_rate': 4.966346511559149e-07, 'fcm_dpo/beta': 0.014304671436548233, 'fcm_dpo/q_t': 0.4389786124229431, 'fcm_dpo/delta': -0.026983171701431274, 'fcm_dpo/margin': 18.832042694091797, 'margin_dpo/margin_mean': 18.832042694091797, 'margin_dpo/margin_std': 43.388916015625, 'logps/chosen': -96.35920715332031, 'logps/rejected': -119.29944610595703, 'logps/ref_chosen': -64.0788803100586, 'logps/ref_rejected': -68.18707275390625, 'KL/chosen_KL_mean': -32.28032684326172, 'KL/rejected_KL_mean': -51.112369537353516, 'KL/mean': -41.69635009765625, 'KL/std': 36.33782958984375, 'logits/chosen': -0.6497610211372375, 'logits/rejected': -0.6050263047218323, 'epoch': 0.15} 15%|█████████████████████████████████▋ | 102/681 [04:18<23:31, 2.44s/it] 15%|██████████████████████████████████ | 103/681 [04:20<23:08, 2.40s/it] {'loss': 1.0221, 'grad_norm': 20.647781372070312, 'learning_rate': 4.964215414228785e-07, 'fcm_dpo/beta': 0.013833096250891685, 'fcm_dpo/q_t': 0.38289010524749756, 'fcm_dpo/delta': -0.1946529746055603, 'fcm_dpo/margin': 38.59122085571289, 'margin_dpo/margin_mean': 38.591217041015625, 'margin_dpo/margin_std': 49.838680267333984, 'logps/chosen': -87.51693725585938, 'logps/rejected': -158.381591796875, 'logps/ref_chosen': -61.299278259277344, 'logps/ref_rejected': -93.57270812988281, 'KL/chosen_KL_mean': -26.217662811279297, 'KL/rejected_KL_mean': -64.80888366699219, 'KL/mean': -45.513275146484375, 'KL/std': 40.776275634765625, 'logits/chosen': -0.678255021572113, 'logits/rejected': -0.6474459767341614, 'epoch': 0.15} 15%|██████████████████████████████████ | 103/681 [04:20<23:08, 2.40s/it] 15%|██████████████████████████████████▎ | 104/681 [04:22<22:31, 2.34s/it] {'loss': 1.0727, 'grad_norm': 20.52446937561035, 'learning_rate': 4.96201938253052e-07, 'fcm_dpo/beta': 0.013438082300126553, 'fcm_dpo/q_t': 0.3954700827598572, 'fcm_dpo/delta': -0.1490502506494522, 'fcm_dpo/margin': 36.602508544921875, 'margin_dpo/margin_mean': 36.602508544921875, 'margin_dpo/margin_std': 54.992401123046875, 'logps/chosen': -82.59458923339844, 'logps/rejected': -154.3890380859375, 'logps/ref_chosen': -54.372772216796875, 'logps/ref_rejected': -89.5647201538086, 'KL/chosen_KL_mean': -28.221818923950195, 'KL/rejected_KL_mean': -64.8243179321289, 'KL/mean': -46.5230712890625, 'KL/std': 44.71335983276367, 'logits/chosen': -0.6646419763565063, 'logits/rejected': -0.6363682746887207, 'epoch': 0.15} 15%|██████████████████████████████████▎ | 104/681 [04:22<22:31, 2.34s/it] 15%|██████████████████████████████████▋ | 105/681 [04:25<23:13, 2.42s/it] {'loss': 0.9122, 'grad_norm': 20.9357852935791, 'learning_rate': 4.959758474331832e-07, 'fcm_dpo/beta': 0.012692511081695557, 'fcm_dpo/q_t': 0.348787784576416, 'fcm_dpo/delta': -0.3323138356208801, 'fcm_dpo/margin': 52.05022430419922, 'margin_dpo/margin_mean': 52.05022430419922, 'margin_dpo/margin_std': 47.93716049194336, 'logps/chosen': -81.40564727783203, 'logps/rejected': -176.79043579101562, 'logps/ref_chosen': -54.638946533203125, 'logps/ref_rejected': -97.97351837158203, 'KL/chosen_KL_mean': -26.766700744628906, 'KL/rejected_KL_mean': -78.81692504882812, 'KL/mean': -52.79180908203125, 'KL/std': 43.03718185424805, 'logits/chosen': -0.6385953426361084, 'logits/rejected': -0.6172483563423157, 'epoch': 0.15} 15%|██████████████████████████████████▋ | 105/681 [04:25<23:13, 2.42s/it] 16%|███████████████████████████████████ | 106/681 [04:27<23:17, 2.43s/it] {'loss': 1.0871, 'grad_norm': 19.48843765258789, 'learning_rate': 4.957432749209755e-07, 'fcm_dpo/beta': 0.012338995933532715, 'fcm_dpo/q_t': 0.40674251317977905, 'fcm_dpo/delta': -0.052742164582014084, 'fcm_dpo/margin': 32.45343780517578, 'margin_dpo/margin_mean': 32.45343780517578, 'margin_dpo/margin_std': 41.20294189453125, 'logps/chosen': -85.04986572265625, 'logps/rejected': -147.89503479003906, 'logps/ref_chosen': -54.83289337158203, 'logps/ref_rejected': -85.22461700439453, 'KL/chosen_KL_mean': -30.216970443725586, 'KL/rejected_KL_mean': -62.67041778564453, 'KL/mean': -46.443695068359375, 'KL/std': 37.993072509765625, 'logits/chosen': -0.6057268381118774, 'logits/rejected': -0.5791513919830322, 'epoch': 0.16} 16%|███████████████████████████████████ | 106/681 [04:27<23:17, 2.43s/it] 16%|███████████████████████████████████▎ | 107/681 [04:30<23:44, 2.48s/it] {'loss': 1.0757, 'grad_norm': 19.72745132446289, 'learning_rate': 4.955042268449307e-07, 'fcm_dpo/beta': 0.01210312731564045, 'fcm_dpo/q_t': 0.3984289765357971, 'fcm_dpo/delta': -0.09832476079463959, 'fcm_dpo/margin': 36.62439727783203, 'margin_dpo/margin_mean': 36.62439727783203, 'margin_dpo/margin_std': 49.4898681640625, 'logps/chosen': -105.56118774414062, 'logps/rejected': -167.21726989746094, 'logps/ref_chosen': -69.70780944824219, 'logps/ref_rejected': -94.73950958251953, 'KL/chosen_KL_mean': -35.853370666503906, 'KL/rejected_KL_mean': -72.4777603149414, 'KL/mean': -54.165565490722656, 'KL/std': 46.64228439331055, 'logits/chosen': -0.6482241153717041, 'logits/rejected': -0.6045652627944946, 'epoch': 0.16} 16%|███████████████████████████████████▎ | 107/681 [04:30<23:44, 2.48s/it] 16%|███████████████████████████████████▋ | 108/681 [04:32<23:27, 2.46s/it] {'loss': 1.0566, 'grad_norm': 19.59799575805664, 'learning_rate': 4.952587095041881e-07, 'fcm_dpo/beta': 0.011752867139875889, 'fcm_dpo/q_t': 0.38766244053840637, 'fcm_dpo/delta': -0.193751722574234, 'fcm_dpo/margin': 45.3916130065918, 'margin_dpo/margin_mean': 45.39160919189453, 'margin_dpo/margin_std': 67.23835754394531, 'logps/chosen': -87.73773956298828, 'logps/rejected': -172.91546630859375, 'logps/ref_chosen': -56.0098876953125, 'logps/ref_rejected': -95.79601287841797, 'KL/chosen_KL_mean': -31.727853775024414, 'KL/rejected_KL_mean': -77.11946105957031, 'KL/mean': -54.42365646362305, 'KL/std': 51.947845458984375, 'logits/chosen': -0.6367114782333374, 'logits/rejected': -0.6192809343338013, 'epoch': 0.16} 16%|███████████████████████████████████▋ | 108/681 [04:32<23:27, 2.46s/it] 16%|████████████████████████████████████ | 109/681 [04:35<24:51, 2.61s/it] {'loss': 1.0206, 'grad_norm': 20.628564834594727, 'learning_rate': 4.95006729368358e-07, 'fcm_dpo/beta': 0.01125399675220251, 'fcm_dpo/q_t': 0.379015177488327, 'fcm_dpo/delta': -0.19788390398025513, 'fcm_dpo/margin': 47.657989501953125, 'margin_dpo/margin_mean': 47.65799331665039, 'margin_dpo/margin_std': 59.39226531982422, 'logps/chosen': -92.52259826660156, 'logps/rejected': -175.9808349609375, 'logps/ref_chosen': -62.88549041748047, 'logps/ref_rejected': -98.68573760986328, 'KL/chosen_KL_mean': -29.637109756469727, 'KL/rejected_KL_mean': -77.29510498046875, 'KL/mean': -53.46610641479492, 'KL/std': 49.2529182434082, 'logits/chosen': -0.5834232568740845, 'logits/rejected': -0.5629913806915283, 'epoch': 0.16} 16%|████████████████████████████████████ | 109/681 [04:35<24:51, 2.61s/it] 16%|████████████████████████████████████▎ | 110/681 [04:38<24:54, 2.62s/it] {'loss': 1.0805, 'grad_norm': 17.69667625427246, 'learning_rate': 4.947482930773511e-07, 'fcm_dpo/beta': 0.01084812544286251, 'fcm_dpo/q_t': 0.3965584337711334, 'fcm_dpo/delta': -0.12373995780944824, 'fcm_dpo/margin': 42.764793395996094, 'margin_dpo/margin_mean': 42.764793395996094, 'margin_dpo/margin_std': 59.920650482177734, 'logps/chosen': -89.9291000366211, 'logps/rejected': -153.6902313232422, 'logps/ref_chosen': -58.753684997558594, 'logps/ref_rejected': -79.75001525878906, 'KL/chosen_KL_mean': -31.1754150390625, 'KL/rejected_KL_mean': -73.94021606445312, 'KL/mean': -52.55781555175781, 'KL/std': 49.422637939453125, 'logits/chosen': -0.5745487213134766, 'logits/rejected': -0.5401524305343628, 'epoch': 0.16} 16%|████████████████████████████████████▎ | 110/681 [04:38<24:54, 2.62s/it] 16%|████████████████████████████████████▋ | 111/681 [04:40<24:32, 2.58s/it] {'loss': 1.0576, 'grad_norm': 19.484743118286133, 'learning_rate': 4.944834074412042e-07, 'fcm_dpo/beta': 0.010561220347881317, 'fcm_dpo/q_t': 0.38506948947906494, 'fcm_dpo/delta': -0.18071341514587402, 'fcm_dpo/margin': 49.22227478027344, 'margin_dpo/margin_mean': 49.22227478027344, 'margin_dpo/margin_std': 70.08132934570312, 'logps/chosen': -103.73710632324219, 'logps/rejected': -182.76414489746094, 'logps/ref_chosen': -68.62410736083984, 'logps/ref_rejected': -98.42886352539062, 'KL/chosen_KL_mean': -35.113006591796875, 'KL/rejected_KL_mean': -84.33528137207031, 'KL/mean': -59.724143981933594, 'KL/std': 56.133522033691406, 'logits/chosen': -0.6309810876846313, 'logits/rejected': -0.6101324558258057, 'epoch': 0.16} 16%|████████████████████████████████████▋ | 111/681 [04:40<24:32, 2.58s/it] 16%|█████████████████████████████████████ | 112/681 [04:43<23:29, 2.48s/it] {'loss': 1.1474, 'grad_norm': 18.049718856811523, 'learning_rate': 4.942120794399002e-07, 'fcm_dpo/beta': 0.010518467053771019, 'fcm_dpo/q_t': 0.4247877597808838, 'fcm_dpo/delta': 0.02647808939218521, 'fcm_dpo/margin': 30.817890167236328, 'margin_dpo/margin_mean': 30.817893981933594, 'margin_dpo/margin_std': 46.761627197265625, 'logps/chosen': -82.60263061523438, 'logps/rejected': -127.9453125, 'logps/ref_chosen': -50.24964141845703, 'logps/ref_rejected': -64.77442932128906, 'KL/chosen_KL_mean': -32.352989196777344, 'KL/rejected_KL_mean': -63.17087936401367, 'KL/mean': -47.761932373046875, 'KL/std': 38.15313720703125, 'logits/chosen': -0.5829577445983887, 'logits/rejected': -0.5457116365432739, 'epoch': 0.16} 16%|█████████████████████████████████████ | 112/681 [04:43<23:29, 2.48s/it] 17%|█████████████████████████████████████▎ | 113/681 [04:45<23:49, 2.52s/it] {'loss': 1.126, 'grad_norm': 18.475440979003906, 'learning_rate': 4.939343162231841e-07, 'fcm_dpo/beta': 0.010588676668703556, 'fcm_dpo/q_t': 0.4201717972755432, 'fcm_dpo/delta': 0.00660739466547966, 'fcm_dpo/margin': 32.45133972167969, 'margin_dpo/margin_mean': 32.45133972167969, 'margin_dpo/margin_std': 45.22571563720703, 'logps/chosen': -107.96171569824219, 'logps/rejected': -151.66880798339844, 'logps/ref_chosen': -66.71295166015625, 'logps/ref_rejected': -77.96870422363281, 'KL/chosen_KL_mean': -41.24876403808594, 'KL/rejected_KL_mean': -73.70010375976562, 'KL/mean': -57.47443389892578, 'KL/std': 40.94397735595703, 'logits/chosen': -0.5695180892944336, 'logits/rejected': -0.5281089544296265, 'epoch': 0.17} 17%|█████████████████████████████████████▎ | 113/681 [04:45<23:49, 2.52s/it] 17%|█████████████████████████████████████▋ | 114/681 [04:48<23:32, 2.49s/it] {'loss': 1.0341, 'grad_norm': 20.448719024658203, 'learning_rate': 4.936501251103751e-07, 'fcm_dpo/beta': 0.010224482975900173, 'fcm_dpo/q_t': 0.38643473386764526, 'fcm_dpo/delta': -0.19627024233341217, 'fcm_dpo/margin': 52.22840881347656, 'margin_dpo/margin_mean': 52.2284049987793, 'margin_dpo/margin_std': 73.12133026123047, 'logps/chosen': -95.1109619140625, 'logps/rejected': -176.6639404296875, 'logps/ref_chosen': -57.78507995605469, 'logps/ref_rejected': -87.10966491699219, 'KL/chosen_KL_mean': -37.32588195800781, 'KL/rejected_KL_mean': -89.55429077148438, 'KL/mean': -63.44007873535156, 'KL/std': 60.05897903442383, 'logits/chosen': -0.5776060819625854, 'logits/rejected': -0.5475910902023315, 'epoch': 0.17} 17%|█████████████████████████████████████▋ | 114/681 [04:48<23:32, 2.49s/it] 17%|█████████████████████████████████████▉ | 115/681 [04:50<23:54, 2.53s/it] {'loss': 1.1912, 'grad_norm': 24.033288955688477, 'learning_rate': 4.933595135901732e-07, 'fcm_dpo/beta': 0.010193654336035252, 'fcm_dpo/q_t': 0.42307719588279724, 'fcm_dpo/delta': -0.011369943618774414, 'fcm_dpo/margin': 35.397727966308594, 'margin_dpo/margin_mean': 35.397727966308594, 'margin_dpo/margin_std': 76.34100341796875, 'logps/chosen': -113.99093627929688, 'logps/rejected': -182.37155151367188, 'logps/ref_chosen': -65.5826416015625, 'logps/ref_rejected': -98.56552124023438, 'KL/chosen_KL_mean': -48.408294677734375, 'KL/rejected_KL_mean': -83.80602264404297, 'KL/mean': -66.1071548461914, 'KL/std': 57.53717803955078, 'logits/chosen': -0.6035769581794739, 'logits/rejected': -0.587733268737793, 'epoch': 0.17} 17%|█████████████████████████████████████▉ | 115/681 [04:50<23:54, 2.53s/it] 17%|██████████████████████████████████████▎ | 116/681 [04:53<23:18, 2.48s/it] {'loss': 1.0872, 'grad_norm': 19.61532974243164, 'learning_rate': 4.930624893204624e-07, 'fcm_dpo/beta': 0.01011539064347744, 'fcm_dpo/q_t': 0.4071720540523529, 'fcm_dpo/delta': -0.05847224220633507, 'fcm_dpo/margin': 40.13346862792969, 'margin_dpo/margin_mean': 40.13346862792969, 'margin_dpo/margin_std': 52.50077819824219, 'logps/chosen': -87.11480712890625, 'logps/rejected': -156.36984252929688, 'logps/ref_chosen': -51.40031433105469, 'logps/ref_rejected': -80.5218505859375, 'KL/chosen_KL_mean': -35.714500427246094, 'KL/rejected_KL_mean': -75.84798431396484, 'KL/mean': -55.78123474121094, 'KL/std': 48.34644317626953, 'logits/chosen': -0.5785757899284363, 'logits/rejected': -0.5719596147537231, 'epoch': 0.17} 17%|██████████████████████████████████████▎ | 116/681 [04:53<23:18, 2.48s/it] 17%|██████████████████████████████████████▋ | 117/681 [04:55<23:07, 2.46s/it] {'loss': 1.1688, 'grad_norm': 24.782325744628906, 'learning_rate': 4.927590601281083e-07, 'fcm_dpo/beta': 0.010081902146339417, 'fcm_dpo/q_t': 0.4264397621154785, 'fcm_dpo/delta': 0.026419375091791153, 'fcm_dpo/margin': 32.179771423339844, 'margin_dpo/margin_mean': 32.17976760864258, 'margin_dpo/margin_std': 58.62355041503906, 'logps/chosen': -115.75577545166016, 'logps/rejected': -145.22113037109375, 'logps/ref_chosen': -69.29840850830078, 'logps/ref_rejected': -66.583984375, 'KL/chosen_KL_mean': -46.457366943359375, 'KL/rejected_KL_mean': -78.63714599609375, 'KL/mean': -62.5472526550293, 'KL/std': 51.26929473876953, 'logits/chosen': -0.5525811910629272, 'logits/rejected': -0.5172309875488281, 'epoch': 0.17} 17%|██████████████████████████████████████▋ | 117/681 [04:55<23:07, 2.46s/it] 17%|██████████████████████████████████████▉ | 118/681 [04:57<23:07, 2.47s/it] {'loss': 1.0925, 'grad_norm': 19.208255767822266, 'learning_rate': 4.924492340087524e-07, 'fcm_dpo/beta': 0.010025271214544773, 'fcm_dpo/q_t': 0.40897485613822937, 'fcm_dpo/delta': -0.050886109471321106, 'fcm_dpo/margin': 39.787662506103516, 'margin_dpo/margin_mean': 39.78766632080078, 'margin_dpo/margin_std': 53.461585998535156, 'logps/chosen': -91.71218872070312, 'logps/rejected': -151.52792358398438, 'logps/ref_chosen': -55.6409797668457, 'logps/ref_rejected': -75.66905975341797, 'KL/chosen_KL_mean': -36.07121276855469, 'KL/rejected_KL_mean': -75.85887145996094, 'KL/mean': -55.96504211425781, 'KL/std': 46.31214904785156, 'logits/chosen': -0.6033087968826294, 'logits/rejected': -0.5862714052200317, 'epoch': 0.17} 17%|██████████████████████████████████████▉ | 118/681 [04:58<23:07, 2.47s/it] 17%|███████████████████████████████████████▎ | 119/681 [05:00<23:46, 2.54s/it] {'loss': 1.1279, 'grad_norm': 20.008079528808594, 'learning_rate': 4.92133019126601e-07, 'fcm_dpo/beta': 0.009865409694612026, 'fcm_dpo/q_t': 0.413967102766037, 'fcm_dpo/delta': -0.042472440749406815, 'fcm_dpo/margin': 39.50709533691406, 'margin_dpo/margin_mean': 39.50709533691406, 'margin_dpo/margin_std': 64.39222717285156, 'logps/chosen': -123.26264953613281, 'logps/rejected': -192.23684692382812, 'logps/ref_chosen': -73.51019287109375, 'logps/ref_rejected': -102.977294921875, 'KL/chosen_KL_mean': -49.75245666503906, 'KL/rejected_KL_mean': -89.25955200195312, 'KL/mean': -69.50601196289062, 'KL/std': 52.264060974121094, 'logits/chosen': -0.5890421271324158, 'logits/rejected': -0.5784463882446289, 'epoch': 0.17} 17%|███████████████████████████████████████▎ | 119/681 [05:00<23:46, 2.54s/it] 18%|███████████████████████████████████████▋ | 120/681 [05:03<24:38, 2.64s/it] {'loss': 1.0242, 'grad_norm': 20.747541427612305, 'learning_rate': 4.918104238142103e-07, 'fcm_dpo/beta': 0.00962957926094532, 'fcm_dpo/q_t': 0.382351815700531, 'fcm_dpo/delta': -0.18642207980155945, 'fcm_dpo/margin': 54.67171096801758, 'margin_dpo/margin_mean': 54.67170715332031, 'margin_dpo/margin_std': 68.70195007324219, 'logps/chosen': -127.39627838134766, 'logps/rejected': -213.31089782714844, 'logps/ref_chosen': -76.78083801269531, 'logps/ref_rejected': -108.02374267578125, 'KL/chosen_KL_mean': -50.61544418334961, 'KL/rejected_KL_mean': -105.28715515136719, 'KL/mean': -77.9512939453125, 'KL/std': 65.06802368164062, 'logits/chosen': -0.6031701564788818, 'logits/rejected': -0.575164794921875, 'epoch': 0.18} 18%|███████████████████████████████████████▋ | 120/681 [05:03<24:38, 2.64s/it] 18%|███████████████████████████████████████▉ | 121/681 [05:06<24:08, 2.59s/it] {'loss': 1.0224, 'grad_norm': 23.35782814025879, 'learning_rate': 4.91481456572267e-07, 'fcm_dpo/beta': 0.009193992242217064, 'fcm_dpo/q_t': 0.3774503469467163, 'fcm_dpo/delta': -0.21982212364673615, 'fcm_dpo/margin': 60.49159240722656, 'margin_dpo/margin_mean': 60.49159240722656, 'margin_dpo/margin_std': 79.29399108886719, 'logps/chosen': -110.80012512207031, 'logps/rejected': -219.49639892578125, 'logps/ref_chosen': -61.789894104003906, 'logps/ref_rejected': -109.99456787109375, 'KL/chosen_KL_mean': -49.010231018066406, 'KL/rejected_KL_mean': -109.5018310546875, 'KL/mean': -79.25602722167969, 'KL/std': 63.33201217651367, 'logits/chosen': -0.5464009642601013, 'logits/rejected': -0.543734073638916, 'epoch': 0.18} 18%|███████████████████████████████████████▉ | 121/681 [05:06<24:08, 2.59s/it] 18%|████████████████████████████████████████▎ | 122/681 [05:08<23:14, 2.49s/it] {'loss': 0.9307, 'grad_norm': 21.536544799804688, 'learning_rate': 4.911461260693638e-07, 'fcm_dpo/beta': 0.008711527101695538, 'fcm_dpo/q_t': 0.3540286719799042, 'fcm_dpo/delta': -0.32415759563446045, 'fcm_dpo/margin': 74.97564697265625, 'margin_dpo/margin_mean': 74.97564697265625, 'margin_dpo/margin_std': 76.03938293457031, 'logps/chosen': -91.37618255615234, 'logps/rejected': -226.163818359375, 'logps/ref_chosen': -46.9022102355957, 'logps/ref_rejected': -106.71418762207031, 'KL/chosen_KL_mean': -44.47397232055664, 'KL/rejected_KL_mean': -119.44963073730469, 'KL/mean': -81.9617919921875, 'KL/std': 71.8316650390625, 'logits/chosen': -0.535602331161499, 'logits/rejected': -0.5521268844604492, 'epoch': 0.18} 18%|████████████████████████████████████████▎ | 122/681 [05:08<23:14, 2.49s/it] 18%|████████████████████████████████████████▋ | 123/681 [05:11<23:50, 2.56s/it] {'loss': 1.1306, 'grad_norm': 19.794395446777344, 'learning_rate': 4.908044411417711e-07, 'fcm_dpo/beta': 0.008437592536211014, 'fcm_dpo/q_t': 0.410540372133255, 'fcm_dpo/delta': -0.06059284880757332, 'fcm_dpo/margin': 48.26319122314453, 'margin_dpo/margin_mean': 48.263187408447266, 'margin_dpo/margin_std': 82.03060913085938, 'logps/chosen': -110.68064880371094, 'logps/rejected': -185.38059997558594, 'logps/ref_chosen': -61.33863830566406, 'logps/ref_rejected': -87.775390625, 'KL/chosen_KL_mean': -49.342002868652344, 'KL/rejected_KL_mean': -97.60520935058594, 'KL/mean': -73.47360229492188, 'KL/std': 60.79751205444336, 'logits/chosen': -0.5162737369537354, 'logits/rejected': -0.5014143586158752, 'epoch': 0.18} 18%|████████████████████████████████████████▋ | 123/681 [05:11<23:50, 2.56s/it] 18%|████████████████████████████████████████▉ | 124/681 [05:13<23:41, 2.55s/it] {'loss': 1.0371, 'grad_norm': 19.897216796875, 'learning_rate': 4.904564107932048e-07, 'fcm_dpo/beta': 0.008119284175336361, 'fcm_dpo/q_t': 0.37762200832366943, 'fcm_dpo/delta': -0.2575443387031555, 'fcm_dpo/margin': 72.85594177246094, 'margin_dpo/margin_mean': 72.85594177246094, 'margin_dpo/margin_std': 106.19161987304688, 'logps/chosen': -128.5399932861328, 'logps/rejected': -247.52818298339844, 'logps/ref_chosen': -71.44833374023438, 'logps/ref_rejected': -117.58056640625, 'KL/chosen_KL_mean': -57.09165954589844, 'KL/rejected_KL_mean': -129.94761657714844, 'KL/mean': -93.51963806152344, 'KL/std': 84.41590881347656, 'logits/chosen': -0.5154942274093628, 'logits/rejected': -0.5195925235748291, 'epoch': 0.18} 18%|████████████████████████████████████████▉ | 124/681 [05:13<23:41, 2.55s/it] 18%|█████████████████████████████████████████▎ | 125/681 [05:16<23:21, 2.52s/it] {'loss': 1.0597, 'grad_norm': 17.979494094848633, 'learning_rate': 4.90102044194588e-07, 'fcm_dpo/beta': 0.007860703393816948, 'fcm_dpo/q_t': 0.3909478783607483, 'fcm_dpo/delta': -0.1568271368741989, 'fcm_dpo/margin': 63.504180908203125, 'margin_dpo/margin_mean': 63.504180908203125, 'margin_dpo/margin_std': 89.72810363769531, 'logps/chosen': -96.9407958984375, 'logps/rejected': -194.29666137695312, 'logps/ref_chosen': -50.136940002441406, 'logps/ref_rejected': -83.98861694335938, 'KL/chosen_KL_mean': -46.80385208129883, 'KL/rejected_KL_mean': -110.30804443359375, 'KL/mean': -78.55594635009766, 'KL/std': 71.42005157470703, 'logits/chosen': -0.47995638847351074, 'logits/rejected': -0.48471179604530334, 'epoch': 0.18} 18%|█████████████████████████████████████████▎ | 125/681 [05:16<23:21, 2.52s/it] 19%|█████████████████████████████████████████▋ | 126/681 [05:18<23:41, 2.56s/it] {'loss': 1.0697, 'grad_norm': 19.024023056030273, 'learning_rate': 4.897413506838102e-07, 'fcm_dpo/beta': 0.007639255840331316, 'fcm_dpo/q_t': 0.39801329374313354, 'fcm_dpo/delta': -0.1139136403799057, 'fcm_dpo/margin': 60.00688552856445, 'margin_dpo/margin_mean': 60.00688552856445, 'margin_dpo/margin_std': 83.00294494628906, 'logps/chosen': -106.32555389404297, 'logps/rejected': -208.7951202392578, 'logps/ref_chosen': -55.66706848144531, 'logps/ref_rejected': -98.1297607421875, 'KL/chosen_KL_mean': -50.658485412597656, 'KL/rejected_KL_mean': -110.66535949707031, 'KL/mean': -80.66192626953125, 'KL/std': 64.82109832763672, 'logits/chosen': -0.48899418115615845, 'logits/rejected': -0.4869902729988098, 'epoch': 0.19} 19%|█████████████████████████████████████████▋ | 126/681 [05:18<23:41, 2.56s/it] 19%|█████████████████████████████████████████▉ | 127/681 [05:21<23:52, 2.59s/it] {'loss': 1.1575, 'grad_norm': 18.42085075378418, 'learning_rate': 4.89374339765481e-07, 'fcm_dpo/beta': 0.007639319635927677, 'fcm_dpo/q_t': 0.42351189255714417, 'fcm_dpo/delta': 0.02368098497390747, 'fcm_dpo/margin': 42.81562042236328, 'margin_dpo/margin_mean': 42.815616607666016, 'margin_dpo/margin_std': 71.940673828125, 'logps/chosen': -106.05931091308594, 'logps/rejected': -169.11602783203125, 'logps/ref_chosen': -56.55467987060547, 'logps/ref_rejected': -76.7957763671875, 'KL/chosen_KL_mean': -49.5046272277832, 'KL/rejected_KL_mean': -92.32023620605469, 'KL/mean': -70.91242980957031, 'KL/std': 56.90325164794922, 'logits/chosen': -0.5007494688034058, 'logits/rejected': -0.48394691944122314, 'epoch': 0.19} 19%|█████████████████████████████████████████▉ | 127/681 [05:21<23:52, 2.59s/it] 19%|██████████████████████████████████████████▎ | 128/681 [05:23<24:06, 2.62s/it] {'loss': 1.1643, 'grad_norm': 22.759822845458984, 'learning_rate': 4.890010211106795e-07, 'fcm_dpo/beta': 0.007676831912249327, 'fcm_dpo/q_t': 0.4211137592792511, 'fcm_dpo/delta': -0.000309869647026062, 'fcm_dpo/margin': 45.58763885498047, 'margin_dpo/margin_mean': 45.587646484375, 'margin_dpo/margin_std': 83.7347183227539, 'logps/chosen': -110.70793914794922, 'logps/rejected': -174.61358642578125, 'logps/ref_chosen': -58.12095642089844, 'logps/ref_rejected': -76.43896484375, 'KL/chosen_KL_mean': -52.58698272705078, 'KL/rejected_KL_mean': -98.17463684082031, 'KL/mean': -75.38080596923828, 'KL/std': 66.4472885131836, 'logits/chosen': -0.46261486411094666, 'logits/rejected': -0.44473135471343994, 'epoch': 0.19} 19%|██████████████████████████████████████████▎ | 128/681 [05:24<24:06, 2.62s/it] 19%|██████████████████████████████████████████▌ | 129/681 [05:26<23:51, 2.59s/it] {'loss': 1.1733, 'grad_norm': 18.812211990356445, 'learning_rate': 4.88621404556699e-07, 'fcm_dpo/beta': 0.007631917484104633, 'fcm_dpo/q_t': 0.42259424924850464, 'fcm_dpo/delta': -0.015783965587615967, 'fcm_dpo/margin': 47.8529052734375, 'margin_dpo/margin_mean': 47.8529052734375, 'margin_dpo/margin_std': 97.08119201660156, 'logps/chosen': -130.51303100585938, 'logps/rejected': -208.09178161621094, 'logps/ref_chosen': -66.91637420654297, 'logps/ref_rejected': -96.6422119140625, 'KL/chosen_KL_mean': -63.59666442871094, 'KL/rejected_KL_mean': -111.44956970214844, 'KL/mean': -87.52311706542969, 'KL/std': 74.28958892822266, 'logits/chosen': -0.4808692932128906, 'logits/rejected': -0.47164222598075867, 'epoch': 0.19} 19%|██████████████████████████████████████████▌ | 129/681 [05:26<23:51, 2.59s/it] 19%|██████████████████████████████████████████▉ | 130/681 [05:28<23:11, 2.53s/it] {'loss': 1.0269, 'grad_norm': 19.38671112060547, 'learning_rate': 4.882355001067891e-07, 'fcm_dpo/beta': 0.007464664056897163, 'fcm_dpo/q_t': 0.381303608417511, 'fcm_dpo/delta': -0.20387914776802063, 'fcm_dpo/margin': 72.7308349609375, 'margin_dpo/margin_mean': 72.7308349609375, 'margin_dpo/margin_std': 91.81611633300781, 'logps/chosen': -91.57075500488281, 'logps/rejected': -202.41639709472656, 'logps/ref_chosen': -44.66685104370117, 'logps/ref_rejected': -82.78165435791016, 'KL/chosen_KL_mean': -46.903900146484375, 'KL/rejected_KL_mean': -119.6347427368164, 'KL/mean': -83.26931762695312, 'KL/std': 74.58981323242188, 'logits/chosen': -0.4573250412940979, 'logits/rejected': -0.45176631212234497, 'epoch': 0.19} 19%|██████████████████████████████████████████▉ | 130/681 [05:28<23:11, 2.53s/it] 19%|███████████████████████████████████████████▎ | 131/681 [05:31<23:04, 2.52s/it] {'loss': 1.0083, 'grad_norm': 25.050138473510742, 'learning_rate': 4.878433179298909e-07, 'fcm_dpo/beta': 0.007108722813427448, 'fcm_dpo/q_t': 0.3789236545562744, 'fcm_dpo/delta': -0.18494439125061035, 'fcm_dpo/margin': 73.84750366210938, 'margin_dpo/margin_mean': 73.84750366210938, 'margin_dpo/margin_std': 82.75117492675781, 'logps/chosen': -87.78825378417969, 'logps/rejected': -205.15518188476562, 'logps/ref_chosen': -44.924591064453125, 'logps/ref_rejected': -88.44401550292969, 'KL/chosen_KL_mean': -42.863670349121094, 'KL/rejected_KL_mean': -116.711181640625, 'KL/mean': -79.78742218017578, 'KL/std': 76.12089538574219, 'logits/chosen': -0.41149088740348816, 'logits/rejected': -0.4173048436641693, 'epoch': 0.19} 19%|███████████████████████████████████████████▎ | 131/681 [05:31<23:04, 2.52s/it] 19%|███████████████████████████████████████████▌ | 132/681 [05:34<23:23, 2.56s/it] {'loss': 1.1137, 'grad_norm': 18.39053726196289, 'learning_rate': 4.874448683603694e-07, 'fcm_dpo/beta': 0.006964902393519878, 'fcm_dpo/q_t': 0.41001617908477783, 'fcm_dpo/delta': -0.06934472173452377, 'fcm_dpo/margin': 59.764686584472656, 'margin_dpo/margin_mean': 59.76469421386719, 'margin_dpo/margin_std': 97.89826965332031, 'logps/chosen': -115.30268859863281, 'logps/rejected': -203.9584503173828, 'logps/ref_chosen': -59.00108337402344, 'logps/ref_rejected': -87.89215087890625, 'KL/chosen_KL_mean': -56.301605224609375, 'KL/rejected_KL_mean': -116.06629943847656, 'KL/mean': -86.18394470214844, 'KL/std': 74.9560546875, 'logits/chosen': -0.4645339548587799, 'logits/rejected': -0.46584564447402954, 'epoch': 0.19} 19%|███████████████████████████████████████████▌ | 132/681 [05:34<23:23, 2.56s/it] 20%|███████████████████████████████████████████▉ | 133/681 [05:36<23:30, 2.57s/it] {'loss': 1.1328, 'grad_norm': 24.08075523376465, 'learning_rate': 4.870401618977415e-07, 'fcm_dpo/beta': 0.006921333260834217, 'fcm_dpo/q_t': 0.4178709387779236, 'fcm_dpo/delta': -0.01925438642501831, 'fcm_dpo/margin': 53.23359680175781, 'margin_dpo/margin_mean': 53.23359680175781, 'margin_dpo/margin_std': 86.62762451171875, 'logps/chosen': -133.51150512695312, 'logps/rejected': -216.47415161132812, 'logps/ref_chosen': -66.60449981689453, 'logps/ref_rejected': -96.33355712890625, 'KL/chosen_KL_mean': -66.9070053100586, 'KL/rejected_KL_mean': -120.14059448242188, 'KL/mean': -93.52379608154297, 'KL/std': 67.77723693847656, 'logits/chosen': -0.4671233296394348, 'logits/rejected': -0.455013632774353, 'epoch': 0.2} 20%|███████████████████████████████████████████▉ | 133/681 [05:36<23:30, 2.57s/it] 20%|████████████████████████████████████████████▎ | 134/681 [05:39<22:48, 2.50s/it] {'loss': 1.0992, 'grad_norm': 16.892353057861328, 'learning_rate': 4.866292092063986e-07, 'fcm_dpo/beta': 0.0069086989387869835, 'fcm_dpo/q_t': 0.4121500253677368, 'fcm_dpo/delta': -0.03839034587144852, 'fcm_dpo/margin': 55.992435455322266, 'margin_dpo/margin_mean': 55.992431640625, 'margin_dpo/margin_std': 76.5130615234375, 'logps/chosen': -104.72230529785156, 'logps/rejected': -196.29998779296875, 'logps/ref_chosen': -52.06925582885742, 'logps/ref_rejected': -87.6545181274414, 'KL/chosen_KL_mean': -52.65304946899414, 'KL/rejected_KL_mean': -108.64547729492188, 'KL/mean': -80.64926147460938, 'KL/std': 65.32865142822266, 'logits/chosen': -0.432298481464386, 'logits/rejected': -0.4217216372489929, 'epoch': 0.2} 20%|████████████████████████████████████████████▎ | 134/681 [05:39<22:48, 2.50s/it] 20%|████████████████████████████████████████████▌ | 135/681 [05:41<22:32, 2.48s/it] {'loss': 1.0199, 'grad_norm': 19.722549438476562, 'learning_rate': 4.862120211153265e-07, 'fcm_dpo/beta': 0.006657840684056282, 'fcm_dpo/q_t': 0.37990349531173706, 'fcm_dpo/delta': -0.2138073444366455, 'fcm_dpo/margin': 82.90298461914062, 'margin_dpo/margin_mean': 82.90296936035156, 'margin_dpo/margin_std': 106.70145416259766, 'logps/chosen': -107.77064514160156, 'logps/rejected': -256.29949951171875, 'logps/ref_chosen': -50.353858947753906, 'logps/ref_rejected': -115.97975158691406, 'KL/chosen_KL_mean': -57.416786193847656, 'KL/rejected_KL_mean': -140.31976318359375, 'KL/mean': -98.86827087402344, 'KL/std': 87.58612823486328, 'logits/chosen': -0.44293975830078125, 'logits/rejected': -0.47638678550720215, 'epoch': 0.2} 20%|████████████████████████████████████████████▌ | 135/681 [05:41<22:32, 2.48s/it] 20%|████████████████████████████████████████████▉ | 136/681 [05:44<23:04, 2.54s/it] {'loss': 1.1626, 'grad_norm': 18.383068084716797, 'learning_rate': 4.857886086178193e-07, 'fcm_dpo/beta': 0.0065402439795434475, 'fcm_dpo/q_t': 0.4252905547618866, 'fcm_dpo/delta': -0.011789493262767792, 'fcm_dpo/margin': 55.159759521484375, 'margin_dpo/margin_mean': 55.159759521484375, 'margin_dpo/margin_std': 104.8607177734375, 'logps/chosen': -133.660888671875, 'logps/rejected': -220.0693817138672, 'logps/ref_chosen': -65.072509765625, 'logps/ref_rejected': -96.32122802734375, 'KL/chosen_KL_mean': -68.58837890625, 'KL/rejected_KL_mean': -123.74815368652344, 'KL/mean': -96.16827392578125, 'KL/std': 80.87139892578125, 'logits/chosen': -0.4794670045375824, 'logits/rejected': -0.4755587577819824, 'epoch': 0.2} 20%|████████████████████████████████████████████▉ | 136/681 [05:44<23:04, 2.54s/it] 20%|█████████████████████████████████████████████▎ | 137/681 [05:46<22:59, 2.54s/it] {'loss': 1.0481, 'grad_norm': 16.011646270751953, 'learning_rate': 4.853589828711902e-07, 'fcm_dpo/beta': 0.006361949257552624, 'fcm_dpo/q_t': 0.3858060836791992, 'fcm_dpo/delta': -0.21148346364498138, 'fcm_dpo/margin': 86.39767456054688, 'margin_dpo/margin_mean': 86.39767456054688, 'margin_dpo/margin_std': 127.21504211425781, 'logps/chosen': -113.10507202148438, 'logps/rejected': -264.607421875, 'logps/ref_chosen': -48.759117126464844, 'logps/ref_rejected': -113.86376953125, 'KL/chosen_KL_mean': -64.34596252441406, 'KL/rejected_KL_mean': -150.74363708496094, 'KL/mean': -107.5447998046875, 'KL/std': 105.28067016601562, 'logits/chosen': -0.39821356534957886, 'logits/rejected': -0.424802303314209, 'epoch': 0.2} 20%|█████████████████████████████████████████████▎ | 137/681 [05:46<22:59, 2.54s/it] 20%|█████████████████████████████████████████████▌ | 138/681 [05:48<22:18, 2.47s/it] {'loss': 1.0821, 'grad_norm': 18.952259063720703, 'learning_rate': 4.849231551964771e-07, 'fcm_dpo/beta': 0.006255497224628925, 'fcm_dpo/q_t': 0.4059930443763733, 'fcm_dpo/delta': -0.05740416795015335, 'fcm_dpo/margin': 64.76160430908203, 'margin_dpo/margin_mean': 64.76160430908203, 'margin_dpo/margin_std': 81.33100891113281, 'logps/chosen': -128.19277954101562, 'logps/rejected': -225.63168334960938, 'logps/ref_chosen': -60.519649505615234, 'logps/ref_rejected': -93.19694519042969, 'KL/chosen_KL_mean': -67.67312622070312, 'KL/rejected_KL_mean': -132.4347381591797, 'KL/mean': -100.0539321899414, 'KL/std': 79.61257934570312, 'logits/chosen': -0.41318434476852417, 'logits/rejected': -0.40368473529815674, 'epoch': 0.2} 20%|█████████████████████████████████████████████▌ | 138/681 [05:48<22:18, 2.47s/it] 20%|█████████████████████████████████████████████▉ | 139/681 [05:51<21:59, 2.43s/it] {'loss': 1.0533, 'grad_norm': 18.048723220825195, 'learning_rate': 4.844811370781446e-07, 'fcm_dpo/beta': 0.006126572377979755, 'fcm_dpo/q_t': 0.39481863379478455, 'fcm_dpo/delta': -0.12276843190193176, 'fcm_dpo/margin': 76.2562255859375, 'margin_dpo/margin_mean': 76.25623321533203, 'margin_dpo/margin_std': 98.57319641113281, 'logps/chosen': -103.72915649414062, 'logps/rejected': -212.82199096679688, 'logps/ref_chosen': -46.89138412475586, 'logps/ref_rejected': -79.72798156738281, 'KL/chosen_KL_mean': -56.83777618408203, 'KL/rejected_KL_mean': -133.093994140625, 'KL/mean': -94.96588897705078, 'KL/std': 75.09423065185547, 'logits/chosen': -0.4068523049354553, 'logits/rejected': -0.399114191532135, 'epoch': 0.2} 20%|█████████████████████████████████████████████▉ | 139/681 [05:51<21:59, 2.43s/it] 21%|██████████████████████████████████████████████▎ | 140/681 [05:53<21:42, 2.41s/it] {'loss': 1.0998, 'grad_norm': 19.090078353881836, 'learning_rate': 4.840329401637809e-07, 'fcm_dpo/beta': 0.006015871651470661, 'fcm_dpo/q_t': 0.4066656231880188, 'fcm_dpo/delta': -0.06465409696102142, 'fcm_dpo/margin': 68.48081970214844, 'margin_dpo/margin_mean': 68.4808120727539, 'margin_dpo/margin_std': 100.59109497070312, 'logps/chosen': -127.68183135986328, 'logps/rejected': -220.4720458984375, 'logps/ref_chosen': -58.97471618652344, 'logps/ref_rejected': -83.28410339355469, 'KL/chosen_KL_mean': -68.70712280273438, 'KL/rejected_KL_mean': -137.18792724609375, 'KL/mean': -102.94752502441406, 'KL/std': 82.87702941894531, 'logits/chosen': -0.39976561069488525, 'logits/rejected': -0.3883041739463806, 'epoch': 0.21} 21%|██████████████████████████████████████████████▎ | 140/681 [05:53<21:42, 2.41s/it] 21%|██████████████████████████████████████████████▌ | 141/681 [05:56<22:12, 2.47s/it] {'loss': 1.1311, 'grad_norm': 23.17949104309082, 'learning_rate': 4.83578576263792e-07, 'fcm_dpo/beta': 0.005964947864413261, 'fcm_dpo/q_t': 0.4113631248474121, 'fcm_dpo/delta': -0.041621994227170944, 'fcm_dpo/margin': 65.38487243652344, 'margin_dpo/margin_mean': 65.3848648071289, 'margin_dpo/margin_std': 109.24861145019531, 'logps/chosen': -153.17068481445312, 'logps/rejected': -241.67214965820312, 'logps/ref_chosen': -75.07566833496094, 'logps/ref_rejected': -98.1922607421875, 'KL/chosen_KL_mean': -78.09503173828125, 'KL/rejected_KL_mean': -143.47988891601562, 'KL/mean': -110.78746032714844, 'KL/std': 93.90158081054688, 'logits/chosen': -0.38903534412384033, 'logits/rejected': -0.37867170572280884, 'epoch': 0.21} 21%|██████████████████████████████████████████████▌ | 141/681 [05:56<22:12, 2.47s/it] 21%|██████████████████████████████████████████████▉ | 142/681 [05:58<22:54, 2.55s/it] {'loss': 1.108, 'grad_norm': 22.61551284790039, 'learning_rate': 4.83118057351089e-07, 'fcm_dpo/beta': 0.005887279286980629, 'fcm_dpo/q_t': 0.4024774432182312, 'fcm_dpo/delta': -0.09491311013698578, 'fcm_dpo/margin': 74.87155151367188, 'margin_dpo/margin_mean': 74.87155151367188, 'margin_dpo/margin_std': 118.29385375976562, 'logps/chosen': -136.34097290039062, 'logps/rejected': -247.76681518554688, 'logps/ref_chosen': -58.027931213378906, 'logps/ref_rejected': -94.58222961425781, 'KL/chosen_KL_mean': -78.31304931640625, 'KL/rejected_KL_mean': -153.18460083007812, 'KL/mean': -115.74881744384766, 'KL/std': 100.52348327636719, 'logits/chosen': -0.34859800338745117, 'logits/rejected': -0.3484548330307007, 'epoch': 0.21} 21%|██████████████████████████████████████████████▉ | 142/681 [05:59<22:54, 2.55s/it] 21%|███████████████████████████████████████████████▏ | 143/681 [06:01<23:19, 2.60s/it] {'loss': 1.2106, 'grad_norm': 19.985225677490234, 'learning_rate': 4.826513955607734e-07, 'fcm_dpo/beta': 0.005829214118421078, 'fcm_dpo/q_t': 0.4382452368736267, 'fcm_dpo/delta': -0.005923248827457428, 'fcm_dpo/margin': 48.31420135498047, 'margin_dpo/margin_mean': 48.314205169677734, 'margin_dpo/margin_std': 103.77206420898438, 'logps/chosen': -139.75320434570312, 'logps/rejected': -209.47052001953125, 'logps/ref_chosen': -57.59645080566406, 'logps/ref_rejected': -78.99957275390625, 'KL/chosen_KL_mean': -82.15674591064453, 'KL/rejected_KL_mean': -130.470947265625, 'KL/mean': -106.3138427734375, 'KL/std': 88.07025146484375, 'logits/chosen': -0.3621300458908081, 'logits/rejected': -0.35844361782073975, 'epoch': 0.21} 21%|███████████████████████████████████████████████▏ | 143/681 [06:01<23:19, 2.60s/it] 21%|███████████████████████████████████████████████▌ | 144/681 [06:04<23:46, 2.66s/it] {'loss': 1.1412, 'grad_norm': 18.863821029663086, 'learning_rate': 4.821786031898176e-07, 'fcm_dpo/beta': 0.005838489159941673, 'fcm_dpo/q_t': 0.4226115942001343, 'fcm_dpo/delta': 0.013897043652832508, 'fcm_dpo/margin': 57.6472053527832, 'margin_dpo/margin_mean': 57.6472053527832, 'margin_dpo/margin_std': 88.47941589355469, 'logps/chosen': -134.64016723632812, 'logps/rejected': -214.38125610351562, 'logps/ref_chosen': -59.90636444091797, 'logps/ref_rejected': -82.00025939941406, 'KL/chosen_KL_mean': -74.73379516601562, 'KL/rejected_KL_mean': -132.38101196289062, 'KL/mean': -103.55740356445312, 'KL/std': 75.34092712402344, 'logits/chosen': -0.3513190448284149, 'logits/rejected': -0.3433167338371277, 'epoch': 0.21} 21%|███████████████████████████████████████████████▌ | 144/681 [06:04<23:46, 2.66s/it] 21%|███████████████████████████████████████████████▉ | 145/681 [06:07<23:22, 2.62s/it] {'loss': 1.1196, 'grad_norm': 20.758092880249023, 'learning_rate': 4.816996926967401e-07, 'fcm_dpo/beta': 0.005827681161463261, 'fcm_dpo/q_t': 0.4155125617980957, 'fcm_dpo/delta': -0.01694849133491516, 'fcm_dpo/margin': 62.85758972167969, 'margin_dpo/margin_mean': 62.85758972167969, 'margin_dpo/margin_std': 91.47295379638672, 'logps/chosen': -127.86701965332031, 'logps/rejected': -211.99024963378906, 'logps/ref_chosen': -56.60066604614258, 'logps/ref_rejected': -77.86631774902344, 'KL/chosen_KL_mean': -71.26634979248047, 'KL/rejected_KL_mean': -134.12393188476562, 'KL/mean': -102.69514465332031, 'KL/std': 74.58995056152344, 'logits/chosen': -0.4076671600341797, 'logits/rejected': -0.398476779460907, 'epoch': 0.21} 21%|███████████████████████████████████████████████▉ | 145/681 [06:07<23:22, 2.62s/it] 21%|████████████████████████████████████████████████▏ | 146/681 [06:09<23:07, 2.59s/it] {'loss': 1.2061, 'grad_norm': 23.965456008911133, 'learning_rate': 4.812146767012779e-07, 'fcm_dpo/beta': 0.0058697364293038845, 'fcm_dpo/q_t': 0.43450281023979187, 'fcm_dpo/delta': 0.06787579506635666, 'fcm_dpo/margin': 48.399139404296875, 'margin_dpo/margin_mean': 48.39913558959961, 'margin_dpo/margin_std': 99.55833435058594, 'logps/chosen': -163.0966033935547, 'logps/rejected': -227.19805908203125, 'logps/ref_chosen': -66.00045013427734, 'logps/ref_rejected': -81.70278930664062, 'KL/chosen_KL_mean': -97.09615325927734, 'KL/rejected_KL_mean': -145.49526977539062, 'KL/mean': -121.29571533203125, 'KL/std': 82.2374038696289, 'logits/chosen': -0.357689768075943, 'logits/rejected': -0.33603012561798096, 'epoch': 0.21} 21%|████████████████████████████████████████████████▏ | 146/681 [06:09<23:07, 2.59s/it] 22%|████████████████████████████████████████████████▌ | 147/681 [06:12<23:05, 2.59s/it] {'loss': 1.1224, 'grad_norm': 19.186176300048828, 'learning_rate': 4.807235679840536e-07, 'fcm_dpo/beta': 0.0058630527928471565, 'fcm_dpo/q_t': 0.41322061419487, 'fcm_dpo/delta': -0.036948516964912415, 'fcm_dpo/margin': 65.73544311523438, 'margin_dpo/margin_mean': 65.73544311523438, 'margin_dpo/margin_std': 103.400634765625, 'logps/chosen': -125.77567291259766, 'logps/rejected': -209.49624633789062, 'logps/ref_chosen': -53.405487060546875, 'logps/ref_rejected': -71.39060974121094, 'KL/chosen_KL_mean': -72.37018585205078, 'KL/rejected_KL_mean': -138.10562133789062, 'KL/mean': -105.23790740966797, 'KL/std': 82.96342468261719, 'logits/chosen': -0.3486284017562866, 'logits/rejected': -0.3298673927783966, 'epoch': 0.22} 22%|████████████████████████████████████████████████▌ | 147/681 [06:12<23:05, 2.59s/it] 22%|████████████████████████████████████████████████▉ | 148/681 [06:14<22:52, 2.57s/it] {'loss': 1.1465, 'grad_norm': 17.18868064880371, 'learning_rate': 4.802263794862384e-07, 'fcm_dpo/beta': 0.005813123658299446, 'fcm_dpo/q_t': 0.4239063560962677, 'fcm_dpo/delta': -0.08374335616827011, 'fcm_dpo/margin': 58.3817138671875, 'margin_dpo/margin_mean': 58.38170623779297, 'margin_dpo/margin_std': 89.03665161132812, 'logps/chosen': -136.76419067382812, 'logps/rejected': -233.3026580810547, 'logps/ref_chosen': -64.93708038330078, 'logps/ref_rejected': -103.09384155273438, 'KL/chosen_KL_mean': -71.82711029052734, 'KL/rejected_KL_mean': -130.2088165283203, 'KL/mean': -101.01795959472656, 'KL/std': 84.29672241210938, 'logits/chosen': -0.45455917716026306, 'logits/rejected': -0.450608491897583, 'epoch': 0.22} 22%|████████████████████████████████████████████████▉ | 148/681 [06:14<22:52, 2.57s/it] 22%|█████████████████████████████████████████████████▏ | 149/681 [06:17<23:03, 2.60s/it] {'loss': 1.0855, 'grad_norm': 18.368350982666016, 'learning_rate': 4.797231243092118e-07, 'fcm_dpo/beta': 0.005668168887495995, 'fcm_dpo/q_t': 0.4055221676826477, 'fcm_dpo/delta': -0.0618739016354084, 'fcm_dpo/margin': 71.93780517578125, 'margin_dpo/margin_mean': 71.93780517578125, 'margin_dpo/margin_std': 89.95822143554688, 'logps/chosen': -126.96712493896484, 'logps/rejected': -239.74591064453125, 'logps/ref_chosen': -58.47376251220703, 'logps/ref_rejected': -99.31474304199219, 'KL/chosen_KL_mean': -68.49336242675781, 'KL/rejected_KL_mean': -140.43118286132812, 'KL/mean': -104.46226501464844, 'KL/std': 75.27666473388672, 'logits/chosen': -0.4379425644874573, 'logits/rejected': -0.42654889822006226, 'epoch': 0.22} 22%|█████████████████████████████████████████████████▏ | 149/681 [06:17<23:03, 2.60s/it] 22%|█████████████████████████████████████████████████▌ | 150/681 [06:19<22:59, 2.60s/it] {'loss': 1.1032, 'grad_norm': 17.013290405273438, 'learning_rate': 4.792138157142157e-07, 'fcm_dpo/beta': 0.005610051564872265, 'fcm_dpo/q_t': 0.41181066632270813, 'fcm_dpo/delta': -0.05549062415957451, 'fcm_dpo/margin': 71.67154693603516, 'margin_dpo/margin_mean': 71.67154693603516, 'margin_dpo/margin_std': 106.37786865234375, 'logps/chosen': -106.26290893554688, 'logps/rejected': -215.57623291015625, 'logps/ref_chosen': -45.705810546875, 'logps/ref_rejected': -83.34759521484375, 'KL/chosen_KL_mean': -60.557098388671875, 'KL/rejected_KL_mean': -132.2286376953125, 'KL/mean': -96.39286804199219, 'KL/std': 88.98016357421875, 'logits/chosen': -0.3922620415687561, 'logits/rejected': -0.3972320556640625, 'epoch': 0.22} 22%|█████████████████████████████████████████████████▌ | 150/681 [06:19<22:59, 2.60s/it] 22%|█████████████████████████████████████████████████▉ | 151/681 [06:22<22:22, 2.53s/it] {'loss': 1.0921, 'grad_norm': 17.660154342651367, 'learning_rate': 4.786984671220053e-07, 'fcm_dpo/beta': 0.005587285850197077, 'fcm_dpo/q_t': 0.40847840905189514, 'fcm_dpo/delta': -0.04712191969156265, 'fcm_dpo/margin': 70.73500061035156, 'margin_dpo/margin_mean': 70.73500061035156, 'margin_dpo/margin_std': 92.79745483398438, 'logps/chosen': -146.89328002929688, 'logps/rejected': -247.52127075195312, 'logps/ref_chosen': -70.57083129882812, 'logps/ref_rejected': -100.46382141113281, 'KL/chosen_KL_mean': -76.32244873046875, 'KL/rejected_KL_mean': -147.0574493408203, 'KL/mean': -111.68994140625, 'KL/std': 84.279541015625, 'logits/chosen': -0.46673595905303955, 'logits/rejected': -0.4433782398700714, 'epoch': 0.22} 22%|█████████████████████████████████████████████████▉ | 151/681 [06:22<22:22, 2.53s/it] 22%|██████████████████████████████████████████████████▏ | 152/681 [06:24<22:42, 2.58s/it] {'loss': 1.0436, 'grad_norm': 18.47982406616211, 'learning_rate': 4.78177092112495e-07, 'fcm_dpo/beta': 0.005478001199662685, 'fcm_dpo/q_t': 0.39175742864608765, 'fcm_dpo/delta': -0.13483843207359314, 'fcm_dpo/margin': 87.36067199707031, 'margin_dpo/margin_mean': 87.36066436767578, 'margin_dpo/margin_std': 106.23178100585938, 'logps/chosen': -127.14912414550781, 'logps/rejected': -260.48583984375, 'logps/ref_chosen': -60.16438674926758, 'logps/ref_rejected': -106.14045715332031, 'KL/chosen_KL_mean': -66.9847412109375, 'KL/rejected_KL_mean': -154.34539794921875, 'KL/mean': -110.66506958007812, 'KL/std': 86.341552734375, 'logits/chosen': -0.4129364788532257, 'logits/rejected': -0.4130780100822449, 'epoch': 0.22} 22%|██████████████████████████████████████████████████▏ | 152/681 [06:25<22:42, 2.58s/it] 22%|██████████████████████████████████████████████████▌ | 153/681 [06:27<22:39, 2.57s/it] {'loss': 1.1165, 'grad_norm': 13.99528694152832, 'learning_rate': 4.776497044244016e-07, 'fcm_dpo/beta': 0.005398088600486517, 'fcm_dpo/q_t': 0.41223540902137756, 'fcm_dpo/delta': -0.050855688750743866, 'fcm_dpo/margin': 73.8876953125, 'margin_dpo/margin_mean': 73.8876953125, 'margin_dpo/margin_std': 117.51593780517578, 'logps/chosen': -124.1488037109375, 'logps/rejected': -227.37704467773438, 'logps/ref_chosen': -56.315277099609375, 'logps/ref_rejected': -85.65583801269531, 'KL/chosen_KL_mean': -67.83352661132812, 'KL/rejected_KL_mean': -141.72122192382812, 'KL/mean': -104.77737426757812, 'KL/std': 95.0350341796875, 'logits/chosen': -0.4175063967704773, 'logits/rejected': -0.415975421667099, 'epoch': 0.22} 22%|██████████████████████████████████████████████████▌ | 153/681 [06:27<22:39, 2.57s/it] 23%|██████████████████████████████████████████████████▉ | 154/681 [06:30<22:51, 2.60s/it] {'loss': 1.1465, 'grad_norm': 17.572832107543945, 'learning_rate': 4.771163179548808e-07, 'fcm_dpo/beta': 0.005372250452637672, 'fcm_dpo/q_t': 0.41602611541748047, 'fcm_dpo/delta': -0.026948172599077225, 'fcm_dpo/margin': 69.94779205322266, 'margin_dpo/margin_mean': 69.94779205322266, 'margin_dpo/margin_std': 122.20135498046875, 'logps/chosen': -143.75233459472656, 'logps/rejected': -255.20175170898438, 'logps/ref_chosen': -62.74256896972656, 'logps/ref_rejected': -104.24420166015625, 'KL/chosen_KL_mean': -81.009765625, 'KL/rejected_KL_mean': -150.95755004882812, 'KL/mean': -115.98365783691406, 'KL/std': 94.65357208251953, 'logits/chosen': -0.4119012653827667, 'logits/rejected': -0.4173479378223419, 'epoch': 0.23} 23%|██████████████████████████████████████████████████▉ | 154/681 [06:30<22:51, 2.60s/it] 23%|███████████████████████████████████████████████████▏ | 155/681 [06:32<22:46, 2.60s/it] {'loss': 1.1242, 'grad_norm': 17.113283157348633, 'learning_rate': 4.7657694675916247e-07, 'fcm_dpo/beta': 0.005339436233043671, 'fcm_dpo/q_t': 0.41487759351730347, 'fcm_dpo/delta': -0.023303672671318054, 'fcm_dpo/margin': 69.74208068847656, 'margin_dpo/margin_mean': 69.74208068847656, 'margin_dpo/margin_std': 107.39170837402344, 'logps/chosen': -133.52272033691406, 'logps/rejected': -220.10382080078125, 'logps/ref_chosen': -60.65318298339844, 'logps/ref_rejected': -77.49220275878906, 'KL/chosen_KL_mean': -72.86953735351562, 'KL/rejected_KL_mean': -142.6116180419922, 'KL/mean': -107.74058532714844, 'KL/std': 85.74209594726562, 'logits/chosen': -0.43295127153396606, 'logits/rejected': -0.41761913895606995, 'epoch': 0.23} 23%|███████████████████████████████████████████████████▏ | 155/681 [06:32<22:46, 2.60s/it] 23%|███████████████████████████████████████████████████▌ | 156/681 [06:35<22:43, 2.60s/it] {'loss': 1.2896, 'grad_norm': 26.29570198059082, 'learning_rate': 4.7603160505017893e-07, 'fcm_dpo/beta': 0.005365746095776558, 'fcm_dpo/q_t': 0.45207709074020386, 'fcm_dpo/delta': 0.042066704481840134, 'fcm_dpo/margin': 38.91120910644531, 'margin_dpo/margin_mean': 38.91120910644531, 'margin_dpo/margin_std': 121.42982482910156, 'logps/chosen': -171.54397583007812, 'logps/rejected': -218.13259887695312, 'logps/ref_chosen': -69.49188232421875, 'logps/ref_rejected': -77.16929626464844, 'KL/chosen_KL_mean': -102.05209350585938, 'KL/rejected_KL_mean': -140.9633026123047, 'KL/mean': -121.50769805908203, 'KL/std': 92.87469482421875, 'logits/chosen': -0.3665209412574768, 'logits/rejected': -0.3663702607154846, 'epoch': 0.23} 23%|███████████████████████████████████████████████████▌ | 156/681 [06:35<22:43, 2.60s/it] 23%|███████████████████████████████████████████████████▊ | 157/681 [06:37<22:38, 2.59s/it] {'loss': 1.0571, 'grad_norm': 22.826868057250977, 'learning_rate': 4.7548030719819154e-07, 'fcm_dpo/beta': 0.005238070152699947, 'fcm_dpo/q_t': 0.3903403580188751, 'fcm_dpo/delta': -0.13022619485855103, 'fcm_dpo/margin': 90.30982208251953, 'margin_dpo/margin_mean': 90.30982971191406, 'margin_dpo/margin_std': 114.6199951171875, 'logps/chosen': -151.74688720703125, 'logps/rejected': -288.33465576171875, 'logps/ref_chosen': -61.368438720703125, 'logps/ref_rejected': -107.64636993408203, 'KL/chosen_KL_mean': -90.3784408569336, 'KL/rejected_KL_mean': -180.68826293945312, 'KL/mean': -135.53335571289062, 'KL/std': 100.72486877441406, 'logits/chosen': -0.32157012820243835, 'logits/rejected': -0.32990676164627075, 'epoch': 0.23} 23%|███████████████████████████████████████████████████▊ | 157/681 [06:38<22:38, 2.59s/it] 23%|████████████████████████████████████████████████████▏ | 158/681 [06:40<22:32, 2.59s/it] {'loss': 1.0799, 'grad_norm': 16.963441848754883, 'learning_rate': 4.7492306773041136e-07, 'fcm_dpo/beta': 0.005113640800118446, 'fcm_dpo/q_t': 0.3960997462272644, 'fcm_dpo/delta': -0.1506519466638565, 'fcm_dpo/margin': 96.45999908447266, 'margin_dpo/margin_mean': 96.45999908447266, 'margin_dpo/margin_std': 151.36740112304688, 'logps/chosen': -149.77703857421875, 'logps/rejected': -302.31878662109375, 'logps/ref_chosen': -57.612918853759766, 'logps/ref_rejected': -113.6946792602539, 'KL/chosen_KL_mean': -92.16410827636719, 'KL/rejected_KL_mean': -188.62411499023438, 'KL/mean': -140.3941192626953, 'KL/std': 124.57286834716797, 'logits/chosen': -0.31055477261543274, 'logits/rejected': -0.3295873701572418, 'epoch': 0.23} 23%|████████████████████████████████████████████████████▏ | 158/681 [06:40<22:32, 2.59s/it] 23%|████████████████████████████████████████████████████▌ | 159/681 [06:43<22:38, 2.60s/it] {'loss': 1.1747, 'grad_norm': 19.77988624572754, 'learning_rate': 4.743599013306165e-07, 'fcm_dpo/beta': 0.0051115090027451515, 'fcm_dpo/q_t': 0.42578351497650146, 'fcm_dpo/delta': 0.023419687524437904, 'fcm_dpo/margin': 63.956756591796875, 'margin_dpo/margin_mean': 63.956748962402344, 'margin_dpo/margin_std': 119.0658950805664, 'logps/chosen': -186.0669708251953, 'logps/rejected': -257.3620910644531, 'logps/ref_chosen': -81.56034851074219, 'logps/ref_rejected': -88.89871215820312, 'KL/chosen_KL_mean': -104.50662231445312, 'KL/rejected_KL_mean': -168.46337890625, 'KL/mean': -136.48501586914062, 'KL/std': 109.98271179199219, 'logits/chosen': -0.33859413862228394, 'logits/rejected': -0.3108740448951721, 'epoch': 0.23} 23%|████████████████████████████████████████████████████▌ | 159/681 [06:43<22:38, 2.60s/it] 23%|████████████████████████████████████████████████████▊ | 160/681 [06:45<22:16, 2.57s/it] {'loss': 1.1166, 'grad_norm': 22.12449073791504, 'learning_rate': 4.737908228387656e-07, 'fcm_dpo/beta': 0.005003074184060097, 'fcm_dpo/q_t': 0.4059435725212097, 'fcm_dpo/delta': -0.09241557866334915, 'fcm_dpo/margin': 87.44945526123047, 'margin_dpo/margin_mean': 87.44944763183594, 'margin_dpo/margin_std': 146.5648193359375, 'logps/chosen': -171.22128295898438, 'logps/rejected': -290.15765380859375, 'logps/ref_chosen': -65.73088073730469, 'logps/ref_rejected': -97.21781921386719, 'KL/chosen_KL_mean': -105.49040985107422, 'KL/rejected_KL_mean': -192.93984985351562, 'KL/mean': -149.2151336669922, 'KL/std': 116.9592514038086, 'logits/chosen': -0.31422072649002075, 'logits/rejected': -0.3084676265716553, 'epoch': 0.23} 23%|████████████████████████████████████████████████████▊ | 160/681 [06:45<22:16, 2.57s/it] 24%|█████████████████████████████████████████████████████▏ | 161/681 [06:47<21:22, 2.47s/it] {'loss': 1.1164, 'grad_norm': 19.238542556762695, 'learning_rate': 4.7321584725060594e-07, 'fcm_dpo/beta': 0.004976830445230007, 'fcm_dpo/q_t': 0.4135284423828125, 'fcm_dpo/delta': -0.03411930426955223, 'fcm_dpo/margin': 76.917724609375, 'margin_dpo/margin_mean': 76.917724609375, 'margin_dpo/margin_std': 115.2650146484375, 'logps/chosen': -141.52528381347656, 'logps/rejected': -249.4375, 'logps/ref_chosen': -52.43647003173828, 'logps/ref_rejected': -83.43095397949219, 'KL/chosen_KL_mean': -89.08880615234375, 'KL/rejected_KL_mean': -166.0065460205078, 'KL/mean': -127.54766845703125, 'KL/std': 91.42471313476562, 'logits/chosen': -0.319388210773468, 'logits/rejected': -0.3227710723876953, 'epoch': 0.24} 24%|█████████████████████████████████████████████████████▏ | 161/681 [06:47<21:22, 2.47s/it] 24%|█████████████████████████████████████████████████████▌ | 162/681 [06:50<22:02, 2.55s/it] {'loss': 1.141, 'grad_norm': 19.80852508544922, 'learning_rate': 4.7263498971727905e-07, 'fcm_dpo/beta': 0.0048839072696864605, 'fcm_dpo/q_t': 0.4182526171207428, 'fcm_dpo/delta': -0.086455799639225, 'fcm_dpo/margin': 74.07159423828125, 'margin_dpo/margin_mean': 74.07159423828125, 'margin_dpo/margin_std': 120.83529663085938, 'logps/chosen': -149.84951782226562, 'logps/rejected': -250.70111083984375, 'logps/ref_chosen': -62.6105842590332, 'logps/ref_rejected': -89.39057922363281, 'KL/chosen_KL_mean': -87.23893737792969, 'KL/rejected_KL_mean': -161.310546875, 'KL/mean': -124.27473449707031, 'KL/std': 101.31791687011719, 'logits/chosen': -0.3837524354457855, 'logits/rejected': -0.37143242359161377, 'epoch': 0.24} 24%|█████████████████████████████████████████████████████▌ | 162/681 [06:50<22:02, 2.55s/it] 24%|█████████████████████████████████████████████████████▊ | 163/681 [06:53<21:50, 2.53s/it] {'loss': 1.1471, 'grad_norm': 18.05702018737793, 'learning_rate': 4.720482655449212e-07, 'fcm_dpo/beta': 0.004882782697677612, 'fcm_dpo/q_t': 0.4210611581802368, 'fcm_dpo/delta': -0.0033093392848968506, 'fcm_dpo/margin': 72.33414459228516, 'margin_dpo/margin_mean': 72.33415222167969, 'margin_dpo/margin_std': 123.11458587646484, 'logps/chosen': -151.6259765625, 'logps/rejected': -244.356689453125, 'logps/ref_chosen': -55.021629333496094, 'logps/ref_rejected': -75.418212890625, 'KL/chosen_KL_mean': -96.60433959960938, 'KL/rejected_KL_mean': -168.9384765625, 'KL/mean': -132.7714080810547, 'KL/std': 101.78199768066406, 'logits/chosen': -0.2983933985233307, 'logits/rejected': -0.28219735622406006, 'epoch': 0.24} 24%|█████████████████████████████████████████████████████▊ | 163/681 [06:53<21:50, 2.53s/it] 24%|██████████████████████████████████████████████████████▏ | 164/681 [06:55<21:41, 2.52s/it] {'loss': 1.068, 'grad_norm': 19.5128231048584, 'learning_rate': 4.714556901942599e-07, 'fcm_dpo/beta': 0.004785895813256502, 'fcm_dpo/q_t': 0.39980244636535645, 'fcm_dpo/delta': -0.09055467694997787, 'fcm_dpo/margin': 90.96453857421875, 'margin_dpo/margin_mean': 90.96453857421875, 'margin_dpo/margin_std': 114.03044128417969, 'logps/chosen': -143.84725952148438, 'logps/rejected': -258.83575439453125, 'logps/ref_chosen': -55.64066696166992, 'logps/ref_rejected': -79.66463470458984, 'KL/chosen_KL_mean': -88.20658111572266, 'KL/rejected_KL_mean': -179.17112731933594, 'KL/mean': -133.68885803222656, 'KL/std': 99.22830963134766, 'logits/chosen': -0.3039168119430542, 'logits/rejected': -0.2934049963951111, 'epoch': 0.24} 24%|██████████████████████████████████████████████████████▏ | 164/681 [06:55<21:41, 2.52s/it] 24%|██████████████████████████████████████████████████████▌ | 165/681 [06:58<21:39, 2.52s/it] {'loss': 1.1927, 'grad_norm': 18.897262573242188, 'learning_rate': 4.708572792802069e-07, 'fcm_dpo/beta': 0.004827073775231838, 'fcm_dpo/q_t': 0.4348486065864563, 'fcm_dpo/delta': 0.06602644920349121, 'fcm_dpo/margin': 59.225494384765625, 'margin_dpo/margin_mean': 59.225494384765625, 'margin_dpo/margin_std': 113.44796752929688, 'logps/chosen': -155.8656005859375, 'logps/rejected': -227.45101928710938, 'logps/ref_chosen': -61.310691833496094, 'logps/ref_rejected': -73.67060852050781, 'KL/chosen_KL_mean': -94.5549087524414, 'KL/rejected_KL_mean': -153.7803955078125, 'KL/mean': -124.16766357421875, 'KL/std': 84.79214477539062, 'logits/chosen': -0.32065290212631226, 'logits/rejected': -0.2971528172492981, 'epoch': 0.24} 24%|██████████████████████████████████████████████████████▌ | 165/681 [06:58<21:39, 2.52s/it] 24%|██████████████████████████████████████████████████████▊ | 166/681 [07:00<20:48, 2.42s/it] {'loss': 1.049, 'grad_norm': 16.227643966674805, 'learning_rate': 4.702530485714461e-07, 'fcm_dpo/beta': 0.004713358357548714, 'fcm_dpo/q_t': 0.39149314165115356, 'fcm_dpo/delta': -0.17637449502944946, 'fcm_dpo/margin': 109.55255889892578, 'margin_dpo/margin_mean': 109.55255889892578, 'margin_dpo/margin_std': 156.71432495117188, 'logps/chosen': -135.26087951660156, 'logps/rejected': -291.92498779296875, 'logps/ref_chosen': -50.98360061645508, 'logps/ref_rejected': -98.09512329101562, 'KL/chosen_KL_mean': -84.27728271484375, 'KL/rejected_KL_mean': -193.82984924316406, 'KL/mean': -139.05355834960938, 'KL/std': 123.94483947753906, 'logits/chosen': -0.30493152141571045, 'logits/rejected': -0.31587445735931396, 'epoch': 0.24} 24%|██████████████████████████████████████████████████████▊ | 166/681 [07:00<20:48, 2.42s/it] 25%|███████████████████████████████████████████████████████▏ | 167/681 [07:02<21:13, 2.48s/it] {'loss': 1.0076, 'grad_norm': 17.7374267578125, 'learning_rate': 4.6964301399001877e-07, 'fcm_dpo/beta': 0.00455870758742094, 'fcm_dpo/q_t': 0.380374550819397, 'fcm_dpo/delta': -0.18809391558170319, 'fcm_dpo/margin': 115.85150909423828, 'margin_dpo/margin_mean': 115.85150909423828, 'margin_dpo/margin_std': 131.866943359375, 'logps/chosen': -135.03591918945312, 'logps/rejected': -296.4937744140625, 'logps/ref_chosen': -50.424095153808594, 'logps/ref_rejected': -96.03042602539062, 'KL/chosen_KL_mean': -84.61183166503906, 'KL/rejected_KL_mean': -200.4633331298828, 'KL/mean': -142.53759765625, 'KL/std': 112.2884521484375, 'logits/chosen': -0.29031479358673096, 'logits/rejected': -0.2939522862434387, 'epoch': 0.25} 25%|███████████████████████████████████████████████████████▏ | 167/681 [07:03<21:13, 2.48s/it] 25%|███████████████████████████████████████████████████████▌ | 168/681 [07:05<21:24, 2.50s/it] {'loss': 1.1117, 'grad_norm': 19.607961654663086, 'learning_rate': 4.690271916109034e-07, 'fcm_dpo/beta': 0.00448962114751339, 'fcm_dpo/q_t': 0.41462987661361694, 'fcm_dpo/delta': -0.0256113912910223, 'fcm_dpo/margin': 83.42231750488281, 'margin_dpo/margin_mean': 83.42231750488281, 'margin_dpo/margin_std': 118.4161376953125, 'logps/chosen': -142.33154296875, 'logps/rejected': -251.59959411621094, 'logps/ref_chosen': -49.462825775146484, 'logps/ref_rejected': -75.30855560302734, 'KL/chosen_KL_mean': -92.86872863769531, 'KL/rejected_KL_mean': -176.29103088378906, 'KL/mean': -134.5798797607422, 'KL/std': 104.45317077636719, 'logits/chosen': -0.2678576111793518, 'logits/rejected': -0.259553462266922, 'epoch': 0.25} 25%|███████████████████████████████████████████████████████▌ | 168/681 [07:05<21:24, 2.50s/it] 25%|███████████████████████████████████████████████████████▊ | 169/681 [07:08<22:17, 2.61s/it] {'loss': 1.1829, 'grad_norm': 18.7218017578125, 'learning_rate': 4.6840559766159235e-07, 'fcm_dpo/beta': 0.0044325110502541065, 'fcm_dpo/q_t': 0.4287607669830322, 'fcm_dpo/delta': -0.06697965413331985, 'fcm_dpo/margin': 72.86180114746094, 'margin_dpo/margin_mean': 72.86180114746094, 'margin_dpo/margin_std': 142.5083465576172, 'logps/chosen': -157.01510620117188, 'logps/rejected': -253.419189453125, 'logps/ref_chosen': -59.803443908691406, 'logps/ref_rejected': -83.34574890136719, 'KL/chosen_KL_mean': -97.21165466308594, 'KL/rejected_KL_mean': -170.0734405517578, 'KL/mean': -133.64254760742188, 'KL/std': 102.94970703125, 'logits/chosen': -0.28774628043174744, 'logits/rejected': -0.2726348638534546, 'epoch': 0.25} 25%|███████████████████████████████████████████████████████▊ | 169/681 [07:08<22:17, 2.61s/it] 25%|████████████████████████████████████████████████████████▏ | 170/681 [07:11<22:38, 2.66s/it] {'loss': 1.1099, 'grad_norm': 15.836402893066406, 'learning_rate': 4.6777824852166437e-07, 'fcm_dpo/beta': 0.0043886760249733925, 'fcm_dpo/q_t': 0.41227343678474426, 'fcm_dpo/delta': -0.02974541112780571, 'fcm_dpo/margin': 86.10049438476562, 'margin_dpo/margin_mean': 86.10049438476562, 'margin_dpo/margin_std': 118.6636734008789, 'logps/chosen': -135.98931884765625, 'logps/rejected': -248.53538513183594, 'logps/ref_chosen': -49.471771240234375, 'logps/ref_rejected': -75.91734313964844, 'KL/chosen_KL_mean': -86.51754760742188, 'KL/rejected_KL_mean': -172.6180419921875, 'KL/mean': -129.5677947998047, 'KL/std': 98.91424560546875, 'logits/chosen': -0.2773169279098511, 'logits/rejected': -0.26892268657684326, 'epoch': 0.25} 25%|████████████████████████████████████████████████████████▏ | 170/681 [07:11<22:38, 2.66s/it] 25%|████████████████████████████████████████████████████████▍ | 171/681 [07:13<21:42, 2.55s/it] {'loss': 1.2027, 'grad_norm': 22.20769691467285, 'learning_rate': 4.6714516072235273e-07, 'fcm_dpo/beta': 0.004434281028807163, 'fcm_dpo/q_t': 0.4349101185798645, 'fcm_dpo/delta': 0.04777422547340393, 'fcm_dpo/margin': 68.48933410644531, 'margin_dpo/margin_mean': 68.48932647705078, 'margin_dpo/margin_std': 149.46047973632812, 'logps/chosen': -210.29718017578125, 'logps/rejected': -303.6693115234375, 'logps/ref_chosen': -84.49931335449219, 'logps/ref_rejected': -109.38209533691406, 'KL/chosen_KL_mean': -125.79786682128906, 'KL/rejected_KL_mean': -194.28720092773438, 'KL/mean': -160.0425262451172, 'KL/std': 116.10159301757812, 'logits/chosen': -0.3094336986541748, 'logits/rejected': -0.2986791431903839, 'epoch': 0.25} 25%|████████████████████████████████████████████████████████▍ | 171/681 [07:13<21:42, 2.55s/it] 25%|████████████████████████████████████████████████████████▊ | 172/681 [07:15<21:22, 2.52s/it] {'loss': 1.1606, 'grad_norm': 16.35190773010254, 'learning_rate': 4.6650635094610966e-07, 'fcm_dpo/beta': 0.0044615124352276325, 'fcm_dpo/q_t': 0.4260951280593872, 'fcm_dpo/delta': 0.025982577353715897, 'fcm_dpo/margin': 72.8155517578125, 'margin_dpo/margin_mean': 72.8155517578125, 'margin_dpo/margin_std': 125.91693115234375, 'logps/chosen': -178.5872802734375, 'logps/rejected': -268.18560791015625, 'logps/ref_chosen': -68.65391540527344, 'logps/ref_rejected': -85.43667602539062, 'KL/chosen_KL_mean': -109.93336486816406, 'KL/rejected_KL_mean': -182.74893188476562, 'KL/mean': -146.34115600585938, 'KL/std': 112.77561950683594, 'logits/chosen': -0.33784881234169006, 'logits/rejected': -0.32723069190979004, 'epoch': 0.25} 25%|████████████████████████████████████████████████████████▊ | 172/681 [07:15<21:22, 2.52s/it] 25%|█████████████████████████████████████████████████████████▏ | 173/681 [07:18<21:09, 2.50s/it] {'loss': 1.1417, 'grad_norm': 18.52365493774414, 'learning_rate': 4.6586183602616687e-07, 'fcm_dpo/beta': 0.0045021940022706985, 'fcm_dpo/q_t': 0.42472150921821594, 'fcm_dpo/delta': 0.02339586801826954, 'fcm_dpo/margin': 72.64897918701172, 'margin_dpo/margin_mean': 72.64897918701172, 'margin_dpo/margin_std': 108.23287963867188, 'logps/chosen': -162.27490234375, 'logps/rejected': -250.5569305419922, 'logps/ref_chosen': -63.050880432128906, 'logps/ref_rejected': -78.68392181396484, 'KL/chosen_KL_mean': -99.22401428222656, 'KL/rejected_KL_mean': -171.87301635742188, 'KL/mean': -135.5485076904297, 'KL/std': 104.18135070800781, 'logits/chosen': -0.3810299038887024, 'logits/rejected': -0.35811132192611694, 'epoch': 0.25} 25%|█████████████████████████████████████████████████████████▏ | 173/681 [07:18<21:09, 2.50s/it] 26%|█████████████████████████████████████████████████████████▍ | 174/681 [07:20<21:10, 2.51s/it] {'loss': 1.1136, 'grad_norm': 18.965898513793945, 'learning_rate': 4.652116329460919e-07, 'fcm_dpo/beta': 0.004488729871809483, 'fcm_dpo/q_t': 0.41205543279647827, 'fcm_dpo/delta': -0.04252074658870697, 'fcm_dpo/margin': 86.99659729003906, 'margin_dpo/margin_mean': 86.99659729003906, 'margin_dpo/margin_std': 129.03590393066406, 'logps/chosen': -146.24600219726562, 'logps/rejected': -281.79083251953125, 'logps/ref_chosen': -53.36296844482422, 'logps/ref_rejected': -101.91120910644531, 'KL/chosen_KL_mean': -92.88302612304688, 'KL/rejected_KL_mean': -179.87962341308594, 'KL/mean': -136.38131713867188, 'KL/std': 106.6904296875, 'logits/chosen': -0.3001505732536316, 'logits/rejected': -0.318511426448822, 'epoch': 0.26} 26%|█████████████████████████████████████████████████████████▍ | 174/681 [07:20<21:10, 2.51s/it] 26%|█████████████████████████████████████████████████████████▊ | 175/681 [07:23<21:25, 2.54s/it] {'loss': 0.9978, 'grad_norm': 26.023164749145508, 'learning_rate': 4.645557588393406e-07, 'fcm_dpo/beta': 0.004336726851761341, 'fcm_dpo/q_t': 0.3807182312011719, 'fcm_dpo/delta': -0.17170114815235138, 'fcm_dpo/margin': 118.21118927001953, 'margin_dpo/margin_mean': 118.21118927001953, 'margin_dpo/margin_std': 118.14212036132812, 'logps/chosen': -129.97752380371094, 'logps/rejected': -292.2767333984375, 'logps/ref_chosen': -45.417762756347656, 'logps/ref_rejected': -89.50579833984375, 'KL/chosen_KL_mean': -84.55975341796875, 'KL/rejected_KL_mean': -202.77093505859375, 'KL/mean': -143.66534423828125, 'KL/std': 113.07514953613281, 'logits/chosen': -0.29982995986938477, 'logits/rejected': -0.28770336508750916, 'epoch': 0.26} 26%|█████████████████████████████████████████████████████████▊ | 175/681 [07:23<21:25, 2.54s/it] 26%|██████████████████████████████████████████████████████████▏ | 176/681 [07:25<20:43, 2.46s/it] {'loss': 1.0742, 'grad_norm': 17.673473358154297, 'learning_rate': 4.638942309888058e-07, 'fcm_dpo/beta': 0.004258063621819019, 'fcm_dpo/q_t': 0.40386536717414856, 'fcm_dpo/delta': -0.08141526579856873, 'fcm_dpo/margin': 100.51506042480469, 'margin_dpo/margin_mean': 100.51506042480469, 'margin_dpo/margin_std': 131.3572998046875, 'logps/chosen': -141.59423828125, 'logps/rejected': -287.2154235839844, 'logps/ref_chosen': -50.452842712402344, 'logps/ref_rejected': -95.5589599609375, 'KL/chosen_KL_mean': -91.14138793945312, 'KL/rejected_KL_mean': -191.65646362304688, 'KL/mean': -141.39892578125, 'KL/std': 113.75053405761719, 'logits/chosen': -0.2949311137199402, 'logits/rejected': -0.31282657384872437, 'epoch': 0.26} 26%|██████████████████████████████████████████████████████████▏ | 176/681 [07:25<20:43, 2.46s/it] 26%|██████████████████████████████████████████████████████████▍ | 177/681 [07:28<20:56, 2.49s/it] {'loss': 1.0813, 'grad_norm': 22.143009185791016, 'learning_rate': 4.6322706682636137e-07, 'fcm_dpo/beta': 0.004201659932732582, 'fcm_dpo/q_t': 0.40569955110549927, 'fcm_dpo/delta': -0.07051907479763031, 'fcm_dpo/margin': 99.39309692382812, 'margin_dpo/margin_mean': 99.39309692382812, 'margin_dpo/margin_std': 132.520263671875, 'logps/chosen': -168.17117309570312, 'logps/rejected': -302.2415771484375, 'logps/ref_chosen': -61.216468811035156, 'logps/ref_rejected': -95.89378356933594, 'KL/chosen_KL_mean': -106.9547119140625, 'KL/rejected_KL_mean': -206.34779357910156, 'KL/mean': -156.6512451171875, 'KL/std': 124.73439025878906, 'logits/chosen': -0.34562036395072937, 'logits/rejected': -0.34030306339263916, 'epoch': 0.26} 26%|██████████████████████████████████████████████████████████▍ | 177/681 [07:28<20:56, 2.49s/it] 26%|██████████████████████████████████████████████████████████▊ | 178/681 [07:30<20:45, 2.48s/it] {'loss': 1.0348, 'grad_norm': 22.72697639465332, 'learning_rate': 4.6255428393240354e-07, 'fcm_dpo/beta': 0.004061376675963402, 'fcm_dpo/q_t': 0.38797473907470703, 'fcm_dpo/delta': -0.16501104831695557, 'fcm_dpo/margin': 124.58078002929688, 'margin_dpo/margin_mean': 124.58078002929688, 'margin_dpo/margin_std': 159.75628662109375, 'logps/chosen': -177.4560089111328, 'logps/rejected': -349.1373291015625, 'logps/ref_chosen': -58.26478958129883, 'logps/ref_rejected': -105.3653335571289, 'KL/chosen_KL_mean': -119.19122314453125, 'KL/rejected_KL_mean': -243.77198791503906, 'KL/mean': -181.4816131591797, 'KL/std': 145.41358947753906, 'logits/chosen': -0.19636118412017822, 'logits/rejected': -0.18638736009597778, 'epoch': 0.26} 26%|██████████████████████████████████████████████████████████▊ | 178/681 [07:30<20:45, 2.48s/it] 26%|███████████████████████████████████████████████████████████▏ | 179/681 [07:33<21:17, 2.54s/it] {'loss': 1.1654, 'grad_norm': 29.680816650390625, 'learning_rate': 4.6187590003538724e-07, 'fcm_dpo/beta': 0.00402455497533083, 'fcm_dpo/q_t': 0.4227069020271301, 'fcm_dpo/delta': 0.004620734602212906, 'fcm_dpo/margin': 85.76371765136719, 'margin_dpo/margin_mean': 85.76371002197266, 'margin_dpo/margin_std': 157.05172729492188, 'logps/chosen': -185.18045043945312, 'logps/rejected': -300.41363525390625, 'logps/ref_chosen': -61.05832290649414, 'logps/ref_rejected': -90.52782440185547, 'KL/chosen_KL_mean': -124.12211608886719, 'KL/rejected_KL_mean': -209.88583374023438, 'KL/mean': -167.00396728515625, 'KL/std': 125.32534790039062, 'logits/chosen': -0.26940906047821045, 'logits/rejected': -0.2804524302482605, 'epoch': 0.26} 26%|███████████████████████████████████████████████████████████▏ | 179/681 [07:33<21:17, 2.54s/it] 26%|███████████████████████████████████████████████████████████▍ | 180/681 [07:35<20:51, 2.50s/it] {'loss': 1.0554, 'grad_norm': 17.493207931518555, 'learning_rate': 4.611919330113591e-07, 'fcm_dpo/beta': 0.003975175321102142, 'fcm_dpo/q_t': 0.39550089836120605, 'fcm_dpo/delta': -0.10860335826873779, 'fcm_dpo/margin': 114.09965515136719, 'margin_dpo/margin_mean': 114.09966278076172, 'margin_dpo/margin_std': 141.2296142578125, 'logps/chosen': -163.60882568359375, 'logps/rejected': -321.5776062011719, 'logps/ref_chosen': -54.34272003173828, 'logps/ref_rejected': -98.21183776855469, 'KL/chosen_KL_mean': -109.26609802246094, 'KL/rejected_KL_mean': -223.3657684326172, 'KL/mean': -166.31593322753906, 'KL/std': 112.9661865234375, 'logits/chosen': -0.24312031269073486, 'logits/rejected': -0.2381986677646637, 'epoch': 0.26} 26%|███████████████████████████████████████████████████████████▍ | 180/681 [07:35<20:51, 2.50s/it] 27%|███████████████████████████████████████████████████████████▊ | 181/681 [07:38<21:00, 2.52s/it] {'loss': 1.1912, 'grad_norm': 17.06695556640625, 'learning_rate': 4.605024008834863e-07, 'fcm_dpo/beta': 0.004001600667834282, 'fcm_dpo/q_t': 0.4350418150424957, 'fcm_dpo/delta': 0.06941692531108856, 'fcm_dpo/margin': 70.58827209472656, 'margin_dpo/margin_mean': 70.58827209472656, 'margin_dpo/margin_std': 133.7356719970703, 'logps/chosen': -150.30746459960938, 'logps/rejected': -227.55142211914062, 'logps/ref_chosen': -55.000457763671875, 'logps/ref_rejected': -61.656166076660156, 'KL/chosen_KL_mean': -95.30699920654297, 'KL/rejected_KL_mean': -165.895263671875, 'KL/mean': -130.60113525390625, 'KL/std': 105.03799438476562, 'logits/chosen': -0.2419101893901825, 'logits/rejected': -0.21502138674259186, 'epoch': 0.27} 27%|███████████████████████████████████████████████████████████▊ | 181/681 [07:38<21:00, 2.52s/it] 27%|████████████████████████████████████████████████████████████▏ | 182/681 [07:41<21:11, 2.55s/it] {'loss': 1.0378, 'grad_norm': 19.177839279174805, 'learning_rate': 4.598073218215817e-07, 'fcm_dpo/beta': 0.003911532927304506, 'fcm_dpo/q_t': 0.3870447278022766, 'fcm_dpo/delta': -0.14804580807685852, 'fcm_dpo/margin': 125.29539489746094, 'margin_dpo/margin_mean': 125.29539489746094, 'margin_dpo/margin_std': 152.4662322998047, 'logps/chosen': -132.32376098632812, 'logps/rejected': -306.03289794921875, 'logps/ref_chosen': -41.107852935791016, 'logps/ref_rejected': -89.5215835571289, 'KL/chosen_KL_mean': -91.21590423583984, 'KL/rejected_KL_mean': -216.51129150390625, 'KL/mean': -153.8636016845703, 'KL/std': 126.58869934082031, 'logits/chosen': -0.24630862474441528, 'logits/rejected': -0.257821261882782, 'epoch': 0.27} 27%|████████████████████████████████████████████████████████████▏ | 182/681 [07:41<21:11, 2.55s/it] 27%|████████████████████████████████████████████████████████████▍ | 183/681 [07:43<20:31, 2.47s/it] {'loss': 1.205, 'grad_norm': 19.30330467224121, 'learning_rate': 4.5910671414162484e-07, 'fcm_dpo/beta': 0.003861016361042857, 'fcm_dpo/q_t': 0.44055789709091187, 'fcm_dpo/delta': -0.043808713555336, 'fcm_dpo/margin': 65.29679107666016, 'margin_dpo/margin_mean': 65.29679107666016, 'margin_dpo/margin_std': 115.09003448486328, 'logps/chosen': -190.28485107421875, 'logps/rejected': -274.0328063964844, 'logps/ref_chosen': -57.52456283569336, 'logps/ref_rejected': -75.97572326660156, 'KL/chosen_KL_mean': -132.7602996826172, 'KL/rejected_KL_mean': -198.0570831298828, 'KL/mean': -165.40869140625, 'KL/std': 105.83728790283203, 'logits/chosen': -0.26778051257133484, 'logits/rejected': -0.2602764964103699, 'epoch': 0.27} 27%|████████████████████████████████████████████████████████████▍ | 183/681 [07:43<20:31, 2.47s/it] 27%|████████████████████████████████████████████████████████████▊ | 184/681 [07:46<21:03, 2.54s/it] {'loss': 1.1911, 'grad_norm': 19.006750106811523, 'learning_rate': 4.5840059630527985e-07, 'fcm_dpo/beta': 0.00385840330272913, 'fcm_dpo/q_t': 0.4372936487197876, 'fcm_dpo/delta': -0.0067726364359259605, 'fcm_dpo/margin': 70.62494659423828, 'margin_dpo/margin_mean': 70.62494659423828, 'margin_dpo/margin_std': 126.89500427246094, 'logps/chosen': -170.98077392578125, 'logps/rejected': -259.69482421875, 'logps/ref_chosen': -58.544952392578125, 'logps/ref_rejected': -76.63406372070312, 'KL/chosen_KL_mean': -112.4358139038086, 'KL/rejected_KL_mean': -183.06076049804688, 'KL/mean': -147.748291015625, 'KL/std': 100.15349578857422, 'logits/chosen': -0.3127518892288208, 'logits/rejected': -0.30516594648361206, 'epoch': 0.27} 27%|████████████████████████████████████████████████████████████▊ | 184/681 [07:46<21:03, 2.54s/it] 27%|█████████████████████████████████████████████████████████████ | 185/681 [07:48<20:47, 2.52s/it] {'loss': 1.2524, 'grad_norm': 18.04941749572754, 'learning_rate': 4.5768898691940836e-07, 'fcm_dpo/beta': 0.0038557900115847588, 'fcm_dpo/q_t': 0.45315247774124146, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 54.78740310668945, 'margin_dpo/margin_mean': 54.78739929199219, 'margin_dpo/margin_std': 138.59088134765625, 'logps/chosen': -181.8529052734375, 'logps/rejected': -248.37704467773438, 'logps/ref_chosen': -62.025848388671875, 'logps/ref_rejected': -73.7625961303711, 'KL/chosen_KL_mean': -119.8270492553711, 'KL/rejected_KL_mean': -174.61444091796875, 'KL/mean': -147.22073364257812, 'KL/std': 113.41376495361328, 'logits/chosen': -0.27935075759887695, 'logits/rejected': -0.2586449682712555, 'epoch': 0.27} 27%|█████████████████████████████████████████████████████████████ | 185/681 [07:48<20:47, 2.52s/it] 27%|█████████████████████████████████████████████████████████████▍ | 186/681 [07:51<20:45, 2.52s/it] {'loss': 1.0831, 'grad_norm': 22.06662940979004, 'learning_rate': 4.5697190473557947e-07, 'fcm_dpo/beta': 0.0038217236287891865, 'fcm_dpo/q_t': 0.4073418080806732, 'fcm_dpo/delta': -0.05303904414176941, 'fcm_dpo/margin': 104.88587188720703, 'margin_dpo/margin_mean': 104.8858642578125, 'margin_dpo/margin_std': 130.91024780273438, 'logps/chosen': -179.34829711914062, 'logps/rejected': -302.953125, 'logps/ref_chosen': -69.35346984863281, 'logps/ref_rejected': -88.07244873046875, 'KL/chosen_KL_mean': -109.99482727050781, 'KL/rejected_KL_mean': -214.88067626953125, 'KL/mean': -162.43775939941406, 'KL/std': 113.16603088378906, 'logits/chosen': -0.3389773666858673, 'logits/rejected': -0.32196861505508423, 'epoch': 0.27} 27%|█████████████████████████████████████████████████████████████▍ | 186/681 [07:51<20:45, 2.52s/it] 27%|█████████████████████████████████████████████████████████████▊ | 187/681 [07:53<20:08, 2.45s/it] {'loss': 1.124, 'grad_norm': 21.087003707885742, 'learning_rate': 4.5624936864957555e-07, 'fcm_dpo/beta': 0.0038345775101333857, 'fcm_dpo/q_t': 0.4206673204898834, 'fcm_dpo/delta': 0.010683363303542137, 'fcm_dpo/margin': 88.51124572753906, 'margin_dpo/margin_mean': 88.51124572753906, 'margin_dpo/margin_std': 116.87910461425781, 'logps/chosen': -153.78155517578125, 'logps/rejected': -271.50543212890625, 'logps/ref_chosen': -52.7564582824707, 'logps/ref_rejected': -81.96910095214844, 'KL/chosen_KL_mean': -101.02510070800781, 'KL/rejected_KL_mean': -189.5363311767578, 'KL/mean': -145.2807159423828, 'KL/std': 107.92250061035156, 'logits/chosen': -0.2874957323074341, 'logits/rejected': -0.281036376953125, 'epoch': 0.27} 27%|█████████████████████████████████████████████████████████████▊ | 187/681 [07:53<20:08, 2.45s/it] 28%|██████████████████████████████████████████████████████████████ | 188/681 [07:55<20:18, 2.47s/it] {'loss': 1.0786, 'grad_norm': 26.782394409179688, 'learning_rate': 4.5552139770089454e-07, 'fcm_dpo/beta': 0.0037920954637229443, 'fcm_dpo/q_t': 0.4064713716506958, 'fcm_dpo/delta': -0.05853914096951485, 'fcm_dpo/margin': 107.1137466430664, 'margin_dpo/margin_mean': 107.1137466430664, 'margin_dpo/margin_std': 131.83758544921875, 'logps/chosen': -143.172607421875, 'logps/rejected': -290.4112854003906, 'logps/ref_chosen': -49.415489196777344, 'logps/ref_rejected': -89.54043579101562, 'KL/chosen_KL_mean': -93.75711059570312, 'KL/rejected_KL_mean': -200.870849609375, 'KL/mean': -147.31398010253906, 'KL/std': 119.8453598022461, 'logits/chosen': -0.288492351770401, 'logits/rejected': -0.29583364725112915, 'epoch': 0.28} 28%|██████████████████████████████████████████████████████████████ | 188/681 [07:55<20:18, 2.47s/it] 28%|██████████████████████████████████████████████████████████████▍ | 189/681 [07:58<20:04, 2.45s/it] {'loss': 1.1554, 'grad_norm': 19.686960220336914, 'learning_rate': 4.5478801107224794e-07, 'fcm_dpo/beta': 0.0037943553179502487, 'fcm_dpo/q_t': 0.4262270927429199, 'fcm_dpo/delta': 0.022069651633501053, 'fcm_dpo/margin': 86.60880279541016, 'margin_dpo/margin_mean': 86.60879516601562, 'margin_dpo/margin_std': 148.0962371826172, 'logps/chosen': -162.64724731445312, 'logps/rejected': -269.0244445800781, 'logps/ref_chosen': -52.39896011352539, 'logps/ref_rejected': -72.16735076904297, 'KL/chosen_KL_mean': -110.248291015625, 'KL/rejected_KL_mean': -196.85708618164062, 'KL/mean': -153.5526885986328, 'KL/std': 120.16261291503906, 'logits/chosen': -0.30030959844589233, 'logits/rejected': -0.28199464082717896, 'epoch': 0.28} 28%|██████████████████████████████████████████████████████████████▍ | 189/681 [07:58<20:04, 2.45s/it] 28%|██████████████████████████████████████████████████████████████▊ | 190/681 [08:00<19:28, 2.38s/it] {'loss': 1.1107, 'grad_norm': 17.065195083618164, 'learning_rate': 4.5404922808905543e-07, 'fcm_dpo/beta': 0.0037976130843162537, 'fcm_dpo/q_t': 0.41064584255218506, 'fcm_dpo/delta': -0.04660265892744064, 'fcm_dpo/margin': 103.75205993652344, 'margin_dpo/margin_mean': 103.75205993652344, 'margin_dpo/margin_std': 149.59950256347656, 'logps/chosen': -182.6744384765625, 'logps/rejected': -324.2939453125, 'logps/ref_chosen': -64.68305969238281, 'logps/ref_rejected': -102.55052185058594, 'KL/chosen_KL_mean': -117.99136352539062, 'KL/rejected_KL_mean': -221.74343872070312, 'KL/mean': -169.86740112304688, 'KL/std': 129.9977264404297, 'logits/chosen': -0.34390515089035034, 'logits/rejected': -0.3343849182128906, 'epoch': 0.28} 28%|██████████████████████████████████████████████████████████████▊ | 190/681 [08:00<19:28, 2.38s/it] 28%|███████████████████████████████████████████████████████████████ | 191/681 [08:03<20:17, 2.48s/it] {'loss': 0.9954, 'grad_norm': 19.175321578979492, 'learning_rate': 4.5330506821893565e-07, 'fcm_dpo/beta': 0.0036355718038976192, 'fcm_dpo/q_t': 0.3776732087135315, 'fcm_dpo/delta': -0.2035076916217804, 'fcm_dpo/margin': 148.96502685546875, 'margin_dpo/margin_mean': 148.96502685546875, 'margin_dpo/margin_std': 165.2587432861328, 'logps/chosen': -178.50979614257812, 'logps/rejected': -368.95562744140625, 'logps/ref_chosen': -68.65887451171875, 'logps/ref_rejected': -110.1396713256836, 'KL/chosen_KL_mean': -109.85092163085938, 'KL/rejected_KL_mean': -258.8159484863281, 'KL/mean': -184.33343505859375, 'KL/std': 148.56558227539062, 'logits/chosen': -0.3079345226287842, 'logits/rejected': -0.2833190858364105, 'epoch': 0.28} 28%|███████████████████████████████████████████████████████████████ | 191/681 [08:03<20:17, 2.48s/it] 28%|███████████████████████████████████████████████████████████████▍ | 192/681 [08:05<20:11, 2.48s/it] {'loss': 1.1403, 'grad_norm': 20.97152328491211, 'learning_rate': 4.5255555107119336e-07, 'fcm_dpo/beta': 0.003615614492446184, 'fcm_dpo/q_t': 0.42013078927993774, 'fcm_dpo/delta': -0.0043648164719343185, 'fcm_dpo/margin': 97.9448471069336, 'margin_dpo/margin_mean': 97.9448471069336, 'margin_dpo/margin_std': 160.0266876220703, 'logps/chosen': -210.84255981445312, 'logps/rejected': -342.3818359375, 'logps/ref_chosen': -69.72691345214844, 'logps/ref_rejected': -103.32135009765625, 'KL/chosen_KL_mean': -141.1156463623047, 'KL/rejected_KL_mean': -239.06048583984375, 'KL/mean': -190.08807373046875, 'KL/std': 129.36810302734375, 'logits/chosen': -0.274461030960083, 'logits/rejected': -0.2736404240131378, 'epoch': 0.28} 28%|███████████████████████████████████████████████████████████████▍ | 192/681 [08:05<20:11, 2.48s/it] 28%|███████████████████████████████████████████████████████████████▊ | 193/681 [08:08<19:50, 2.44s/it] {'loss': 1.2644, 'grad_norm': 24.104490280151367, 'learning_rate': 4.5180069639630236e-07, 'fcm_dpo/beta': 0.0036203060299158096, 'fcm_dpo/q_t': 0.4501846432685852, 'fcm_dpo/delta': 0.0363609679043293, 'fcm_dpo/margin': 57.36055374145508, 'margin_dpo/margin_mean': 57.36054992675781, 'margin_dpo/margin_std': 154.25485229492188, 'logps/chosen': -200.41879272460938, 'logps/rejected': -273.9964294433594, 'logps/ref_chosen': -60.19049835205078, 'logps/ref_rejected': -76.40755462646484, 'KL/chosen_KL_mean': -140.22830200195312, 'KL/rejected_KL_mean': -197.5888671875, 'KL/mean': -168.90858459472656, 'KL/std': 121.005859375, 'logits/chosen': -0.3034767210483551, 'logits/rejected': -0.29830050468444824, 'epoch': 0.28} 28%|███████████████████████████████████████████████████████████████▊ | 193/681 [08:08<19:50, 2.44s/it] 28%|████████████████████████████████████████████████████████████████ | 194/681 [08:10<19:35, 2.41s/it] {'loss': 1.115, 'grad_norm': 15.164206504821777, 'learning_rate': 4.510405240853854e-07, 'fcm_dpo/beta': 0.0036298225168138742, 'fcm_dpo/q_t': 0.41966894268989563, 'fcm_dpo/delta': 0.011991962790489197, 'fcm_dpo/margin': 93.19798278808594, 'margin_dpo/margin_mean': 93.19798278808594, 'margin_dpo/margin_std': 109.33871459960938, 'logps/chosen': -125.16681671142578, 'logps/rejected': -241.20921325683594, 'logps/ref_chosen': -37.84037399291992, 'logps/ref_rejected': -60.684783935546875, 'KL/chosen_KL_mean': -87.32644653320312, 'KL/rejected_KL_mean': -180.52444458007812, 'KL/mean': -133.92543029785156, 'KL/std': 99.52772521972656, 'logits/chosen': -0.19916538894176483, 'logits/rejected': -0.18301814794540405, 'epoch': 0.28} 28%|████████████████████████████████████████████████████████████████ | 194/681 [08:10<19:35, 2.41s/it] 29%|████████████████████████████████████████████████████████████████▍ | 195/681 [08:12<19:59, 2.47s/it] {'loss': 1.1062, 'grad_norm': 24.048799514770508, 'learning_rate': 4.5027505416968985e-07, 'fcm_dpo/beta': 0.0036336728371679783, 'fcm_dpo/q_t': 0.41508179903030396, 'fcm_dpo/delta': -0.014039820060133934, 'fcm_dpo/margin': 100.0433578491211, 'margin_dpo/margin_mean': 100.0433578491211, 'margin_dpo/margin_std': 127.86747741699219, 'logps/chosen': -192.7664794921875, 'logps/rejected': -334.689208984375, 'logps/ref_chosen': -54.891571044921875, 'logps/ref_rejected': -96.77095794677734, 'KL/chosen_KL_mean': -137.87490844726562, 'KL/rejected_KL_mean': -237.91827392578125, 'KL/mean': -187.89657592773438, 'KL/std': 124.3742904663086, 'logits/chosen': -0.23971587419509888, 'logits/rejected': -0.25928401947021484, 'epoch': 0.29} 29%|████████████████████████████████████████████████████████████████▍ | 195/681 [08:12<19:59, 2.47s/it] 29%|████████████████████████████████████████████████████████████████▊ | 196/681 [08:15<20:05, 2.49s/it] {'loss': 1.0916, 'grad_norm': 15.825559616088867, 'learning_rate': 4.495043068200599e-07, 'fcm_dpo/beta': 0.0035826051607728004, 'fcm_dpo/q_t': 0.4072193205356598, 'fcm_dpo/delta': -0.05893465504050255, 'fcm_dpo/margin': 113.26756286621094, 'margin_dpo/margin_mean': 113.2675552368164, 'margin_dpo/margin_std': 148.8846435546875, 'logps/chosen': -160.7281494140625, 'logps/rejected': -296.8034362792969, 'logps/ref_chosen': -53.245243072509766, 'logps/ref_rejected': -76.05294799804688, 'KL/chosen_KL_mean': -107.48291015625, 'KL/rejected_KL_mean': -220.75048828125, 'KL/mean': -164.11669921875, 'KL/std': 124.06842041015625, 'logits/chosen': -0.28464287519454956, 'logits/rejected': -0.2717984616756439, 'epoch': 0.29} 29%|████████████████████████████████████████████████████████████████▊ | 196/681 [08:15<20:05, 2.49s/it] 29%|█████████████████████████████████████████████████████████████████ | 197/681 [08:18<20:18, 2.52s/it] {'loss': 1.1446, 'grad_norm': 17.07707977294922, 'learning_rate': 4.4872830234640493e-07, 'fcm_dpo/beta': 0.003618548158556223, 'fcm_dpo/q_t': 0.4268850088119507, 'fcm_dpo/delta': 0.03597838059067726, 'fcm_dpo/margin': 87.02806091308594, 'margin_dpo/margin_mean': 87.02806091308594, 'margin_dpo/margin_std': 124.56130981445312, 'logps/chosen': -171.18670654296875, 'logps/rejected': -275.0033264160156, 'logps/ref_chosen': -60.42033386230469, 'logps/ref_rejected': -77.20890808105469, 'KL/chosen_KL_mean': -110.76636505126953, 'KL/rejected_KL_mean': -197.79441833496094, 'KL/mean': -154.2803955078125, 'KL/std': 108.77426147460938, 'logits/chosen': -0.2548871636390686, 'logits/rejected': -0.2504875063896179, 'epoch': 0.29} 29%|█████████████████████████████████████████████████████████████████ | 197/681 [08:18<20:18, 2.52s/it] 29%|█████████████████████████████████████████████████████████████████▍ | 198/681 [08:20<20:24, 2.54s/it] {'loss': 1.0918, 'grad_norm': 18.692174911499023, 'learning_rate': 4.479470611971645e-07, 'fcm_dpo/beta': 0.0035852163564413786, 'fcm_dpo/q_t': 0.40880346298217773, 'fcm_dpo/delta': -0.056587982922792435, 'fcm_dpo/margin': 112.76952362060547, 'margin_dpo/margin_mean': 112.76952362060547, 'margin_dpo/margin_std': 154.90292358398438, 'logps/chosen': -178.62380981445312, 'logps/rejected': -333.60040283203125, 'logps/ref_chosen': -55.03618621826172, 'logps/ref_rejected': -97.24325561523438, 'KL/chosen_KL_mean': -123.58761596679688, 'KL/rejected_KL_mean': -236.3571319580078, 'KL/mean': -179.9723663330078, 'KL/std': 136.68484497070312, 'logits/chosen': -0.31638431549072266, 'logits/rejected': -0.3171602487564087, 'epoch': 0.29} 29%|█████████████████████████████████████████████████████████████████▍ | 198/681 [08:20<20:24, 2.54s/it] 29%|█████████████████████████████████████████████████████████████████▋ | 199/681 [08:23<20:49, 2.59s/it] {'loss': 1.0975, 'grad_norm': 21.199235916137695, 'learning_rate': 4.471606039587695e-07, 'fcm_dpo/beta': 0.003529233392328024, 'fcm_dpo/q_t': 0.40841788053512573, 'fcm_dpo/delta': -0.051382582634687424, 'fcm_dpo/margin': 112.93217468261719, 'margin_dpo/margin_mean': 112.93217468261719, 'margin_dpo/margin_std': 153.85972595214844, 'logps/chosen': -175.73336791992188, 'logps/rejected': -316.48492431640625, 'logps/ref_chosen': -56.828826904296875, 'logps/ref_rejected': -84.64820861816406, 'KL/chosen_KL_mean': -118.904541015625, 'KL/rejected_KL_mean': -231.8367156982422, 'KL/mean': -175.37063598632812, 'KL/std': 124.37785339355469, 'logits/chosen': -0.28893113136291504, 'logits/rejected': -0.27144867181777954, 'epoch': 0.29} 29%|█████████████████████████████████████████████████████████████████▋ | 199/681 [08:23<20:49, 2.59s/it] 29%|██████████████████████████████████████████████████████████████████ | 200/681 [08:25<20:44, 2.59s/it] {'loss': 1.1174, 'grad_norm': 18.752197265625, 'learning_rate': 4.4636895135509966e-07, 'fcm_dpo/beta': 0.0035058055073022842, 'fcm_dpo/q_t': 0.41175031661987305, 'fcm_dpo/delta': -0.04227417707443237, 'fcm_dpo/margin': 111.34254455566406, 'margin_dpo/margin_mean': 111.34254455566406, 'margin_dpo/margin_std': 172.01788330078125, 'logps/chosen': -169.69668579101562, 'logps/rejected': -308.5805969238281, 'logps/ref_chosen': -53.06706237792969, 'logps/ref_rejected': -80.60843658447266, 'KL/chosen_KL_mean': -116.62962341308594, 'KL/rejected_KL_mean': -227.97215270996094, 'KL/mean': -172.3009033203125, 'KL/std': 133.75917053222656, 'logits/chosen': -0.24854665994644165, 'logits/rejected': -0.23521234095096588, 'epoch': 0.29} 29%|██████████████████████████████████████████████████████████████████ | 200/681 [08:25<20:44, 2.59s/it] 30%|██████████████████████████████████████████████████████████████████▍ | 201/681 [08:28<20:41, 2.59s/it] {'loss': 1.107, 'grad_norm': 18.05536651611328, 'learning_rate': 4.455721242469372e-07, 'fcm_dpo/beta': 0.003493840806186199, 'fcm_dpo/q_t': 0.41010570526123047, 'fcm_dpo/delta': -0.04429582878947258, 'fcm_dpo/margin': 112.35299682617188, 'margin_dpo/margin_mean': 112.35299682617188, 'margin_dpo/margin_std': 162.2955322265625, 'logps/chosen': -198.29229736328125, 'logps/rejected': -350.05133056640625, 'logps/ref_chosen': -75.4022216796875, 'logps/ref_rejected': -114.80821990966797, 'KL/chosen_KL_mean': -122.89008331298828, 'KL/rejected_KL_mean': -235.24310302734375, 'KL/mean': -179.06658935546875, 'KL/std': 143.4940948486328, 'logits/chosen': -0.3345472812652588, 'logits/rejected': -0.3335646986961365, 'epoch': 0.3} 30%|██████████████████████████████████████████████████████████████████▍ | 201/681 [08:28<20:41, 2.59s/it] 30%|██████████████████████████████████████████████████████████████████▋ | 202/681 [08:31<20:38, 2.59s/it] {'loss': 1.207, 'grad_norm': 18.04079246520996, 'learning_rate': 4.4477014363141755e-07, 'fcm_dpo/beta': 0.0035203341394662857, 'fcm_dpo/q_t': 0.4383637309074402, 'fcm_dpo/delta': 0.07842127978801727, 'fcm_dpo/margin': 77.74143981933594, 'margin_dpo/margin_mean': 77.74143981933594, 'margin_dpo/margin_std': 161.36936950683594, 'logps/chosen': -177.7489013671875, 'logps/rejected': -292.3740234375, 'logps/ref_chosen': -50.101318359375, 'logps/ref_rejected': -86.98503112792969, 'KL/chosen_KL_mean': -127.64757537841797, 'KL/rejected_KL_mean': -205.38900756835938, 'KL/mean': -166.51829528808594, 'KL/std': 123.735107421875, 'logits/chosen': -0.2855903208255768, 'logits/rejected': -0.3018990755081177, 'epoch': 0.3} 30%|██████████████████████████████████████████████████████████████████▋ | 202/681 [08:31<20:38, 2.59s/it] 30%|███████████████████████████████████████████████████████████████████ | 203/681 [08:33<20:49, 2.61s/it] {'loss': 1.1261, 'grad_norm': 20.859642028808594, 'learning_rate': 4.439630306414758e-07, 'fcm_dpo/beta': 0.0035307754296809435, 'fcm_dpo/q_t': 0.4193652272224426, 'fcm_dpo/delta': 0.0015939096920192242, 'fcm_dpo/margin': 98.69035339355469, 'margin_dpo/margin_mean': 98.69036102294922, 'margin_dpo/margin_std': 141.41165161132812, 'logps/chosen': -187.37686157226562, 'logps/rejected': -311.353515625, 'logps/ref_chosen': -60.60969543457031, 'logps/ref_rejected': -85.89596557617188, 'KL/chosen_KL_mean': -126.76716613769531, 'KL/rejected_KL_mean': -225.45751953125, 'KL/mean': -176.1123504638672, 'KL/std': 128.75897216796875, 'logits/chosen': -0.292889267206192, 'logits/rejected': -0.28478172421455383, 'epoch': 0.3} 30%|███████████████████████████████████████████████████████████████████ | 203/681 [08:33<20:49, 2.61s/it] 30%|███████████████████████████████████████████████████████████████████▍ | 204/681 [08:36<20:57, 2.64s/it] {'loss': 1.1717, 'grad_norm': 23.841333389282227, 'learning_rate': 4.431508065452897e-07, 'fcm_dpo/beta': 0.0035480433143675327, 'fcm_dpo/q_t': 0.4280925393104553, 'fcm_dpo/delta': 0.029507920145988464, 'fcm_dpo/margin': 90.59844970703125, 'margin_dpo/margin_mean': 90.59844970703125, 'margin_dpo/margin_std': 165.41769409179688, 'logps/chosen': -221.28836059570312, 'logps/rejected': -319.4177551269531, 'logps/ref_chosen': -80.16496276855469, 'logps/ref_rejected': -87.69590759277344, 'KL/chosen_KL_mean': -141.1234130859375, 'KL/rejected_KL_mean': -231.7218475341797, 'KL/mean': -186.42263793945312, 'KL/std': 140.6131591796875, 'logits/chosen': -0.39130985736846924, 'logits/rejected': -0.3560817539691925, 'epoch': 0.3} 30%|███████████████████████████████████████████████████████████████████▍ | 204/681 [08:36<20:57, 2.64s/it] 30%|███████████████████████████████████████████████████████████████████▋ | 205/681 [08:39<20:54, 2.64s/it] {'loss': 1.0855, 'grad_norm': 19.944299697875977, 'learning_rate': 4.4233349274571974e-07, 'fcm_dpo/beta': 0.0034892673138529062, 'fcm_dpo/q_t': 0.4026746153831482, 'fcm_dpo/delta': -0.07289686799049377, 'fcm_dpo/margin': 119.84494018554688, 'margin_dpo/margin_mean': 119.84494018554688, 'margin_dpo/margin_std': 155.21694946289062, 'logps/chosen': -196.45065307617188, 'logps/rejected': -342.0359191894531, 'logps/ref_chosen': -59.384735107421875, 'logps/ref_rejected': -85.12505340576172, 'KL/chosen_KL_mean': -137.06591796875, 'KL/rejected_KL_mean': -256.910888671875, 'KL/mean': -196.98837280273438, 'KL/std': 140.85963439941406, 'logits/chosen': -0.284223735332489, 'logits/rejected': -0.25634074211120605, 'epoch': 0.3} 30%|███████████████████████████████████████████████████████████████████▋ | 205/681 [08:39<20:54, 2.64s/it] 30%|████████████████████████████████████████████████████████████████████ | 206/681 [08:41<20:13, 2.56s/it] {'loss': 1.0468, 'grad_norm': 21.66822624206543, 'learning_rate': 4.415111107797445e-07, 'fcm_dpo/beta': 0.003440842032432556, 'fcm_dpo/q_t': 0.39475929737091064, 'fcm_dpo/delta': -0.10062892735004425, 'fcm_dpo/margin': 129.5317840576172, 'margin_dpo/margin_mean': 129.5317840576172, 'margin_dpo/margin_std': 142.85910034179688, 'logps/chosen': -171.21629333496094, 'logps/rejected': -352.737060546875, 'logps/ref_chosen': -46.964500427246094, 'logps/ref_rejected': -98.9534912109375, 'KL/chosen_KL_mean': -124.25179290771484, 'KL/rejected_KL_mean': -253.78358459472656, 'KL/mean': -189.01766967773438, 'KL/std': 130.41976928710938, 'logits/chosen': -0.2068089246749878, 'logits/rejected': -0.20935988426208496, 'epoch': 0.3} 30%|████████████████████████████████████████████████████████████████████ | 206/681 [08:41<20:13, 2.56s/it] 30%|████████████████████████████████████████████████████████████████████▍ | 207/681 [08:43<19:57, 2.53s/it] {'loss': 1.0267, 'grad_norm': 23.90052604675293, 'learning_rate': 4.4068368231789365e-07, 'fcm_dpo/beta': 0.0033577182330191135, 'fcm_dpo/q_t': 0.3879104256629944, 'fcm_dpo/delta': -0.15566033124923706, 'fcm_dpo/margin': 148.32240295410156, 'margin_dpo/margin_mean': 148.32241821289062, 'margin_dpo/margin_std': 176.73928833007812, 'logps/chosen': -171.70481872558594, 'logps/rejected': -348.41876220703125, 'logps/ref_chosen': -56.05625915527344, 'logps/ref_rejected': -84.44779968261719, 'KL/chosen_KL_mean': -115.6485595703125, 'KL/rejected_KL_mean': -263.9709777832031, 'KL/mean': -189.80975341796875, 'KL/std': 151.3675537109375, 'logits/chosen': -0.3293609023094177, 'logits/rejected': -0.30513134598731995, 'epoch': 0.3} 30%|████████████████████████████████████████████████████████████████████▍ | 207/681 [08:43<19:57, 2.53s/it] 31%|████████████████████████████████████████████████████████████████████▋ | 208/681 [08:46<20:08, 2.56s/it] {'loss': 1.1231, 'grad_norm': 28.714868545532227, 'learning_rate': 4.398512291636768e-07, 'fcm_dpo/beta': 0.0033049010671675205, 'fcm_dpo/q_t': 0.41257303953170776, 'fcm_dpo/delta': -0.03175726160407066, 'fcm_dpo/margin': 115.09761047363281, 'margin_dpo/margin_mean': 115.09761047363281, 'margin_dpo/margin_std': 178.362548828125, 'logps/chosen': -243.34584045410156, 'logps/rejected': -385.6627502441406, 'logps/ref_chosen': -67.06761169433594, 'logps/ref_rejected': -94.28689575195312, 'KL/chosen_KL_mean': -176.27822875976562, 'KL/rejected_KL_mean': -291.3758544921875, 'KL/mean': -233.8270263671875, 'KL/std': 145.08538818359375, 'logits/chosen': -0.3144323527812958, 'logits/rejected': -0.2976739704608917, 'epoch': 0.31} 31%|████████████████████████████████████████████████████████████████████▋ | 208/681 [08:46<20:08, 2.56s/it] 31%|█████████████████████████████████████████████████████████████████████ | 209/681 [08:48<19:30, 2.48s/it] {'loss': 1.1463, 'grad_norm': 22.145084381103516, 'learning_rate': 4.3901377325300857e-07, 'fcm_dpo/beta': 0.0033130061347037554, 'fcm_dpo/q_t': 0.42111438512802124, 'fcm_dpo/delta': 0.007838414050638676, 'fcm_dpo/margin': 103.35487365722656, 'margin_dpo/margin_mean': 103.35487365722656, 'margin_dpo/margin_std': 165.46578979492188, 'logps/chosen': -204.92864990234375, 'logps/rejected': -333.0433654785156, 'logps/ref_chosen': -56.18169403076172, 'logps/ref_rejected': -80.94152069091797, 'KL/chosen_KL_mean': -148.74696350097656, 'KL/rejected_KL_mean': -252.1018524169922, 'KL/mean': -200.42440795898438, 'KL/std': 131.3517303466797, 'logits/chosen': -0.20952649414539337, 'logits/rejected': -0.1976684331893921, 'epoch': 0.31} 31%|█████████████████████████████████████████████████████████████████████ | 209/681 [08:48<19:30, 2.48s/it] 31%|█████████████████████████████████████████████████████████████████████▍ | 210/681 [08:51<19:21, 2.47s/it] {'loss': 1.0971, 'grad_norm': 21.08250617980957, 'learning_rate': 4.381713366536311e-07, 'fcm_dpo/beta': 0.0032999245449900627, 'fcm_dpo/q_t': 0.4087422788143158, 'fcm_dpo/delta': -0.05067028850317001, 'fcm_dpo/margin': 120.77430725097656, 'margin_dpo/margin_mean': 120.7743148803711, 'margin_dpo/margin_std': 164.735595703125, 'logps/chosen': -178.30999755859375, 'logps/rejected': -329.39410400390625, 'logps/ref_chosen': -46.371822357177734, 'logps/ref_rejected': -76.68162536621094, 'KL/chosen_KL_mean': -131.93817138671875, 'KL/rejected_KL_mean': -252.71246337890625, 'KL/mean': -192.3253173828125, 'KL/std': 135.9736328125, 'logits/chosen': -0.25526225566864014, 'logits/rejected': -0.2489766627550125, 'epoch': 0.31} 31%|█████████████████████████████████████████████████████████████████████▍ | 210/681 [08:51<19:21, 2.47s/it] 31%|█████████████████████████████████████████████████████████████████████▋ | 211/681 [08:53<18:54, 2.41s/it] {'loss': 1.1642, 'grad_norm': 28.087804794311523, 'learning_rate': 4.373239415645323e-07, 'fcm_dpo/beta': 0.0032891465816646814, 'fcm_dpo/q_t': 0.42646709084510803, 'fcm_dpo/delta': 0.015694769099354744, 'fcm_dpo/margin': 101.79029083251953, 'margin_dpo/margin_mean': 101.79029083251953, 'margin_dpo/margin_std': 181.40985107421875, 'logps/chosen': -266.5579833984375, 'logps/rejected': -376.23687744140625, 'logps/ref_chosen': -78.93235778808594, 'logps/ref_rejected': -86.82098388671875, 'KL/chosen_KL_mean': -187.6256103515625, 'KL/rejected_KL_mean': -289.4158935546875, 'KL/mean': -238.52076721191406, 'KL/std': 153.42758178710938, 'logits/chosen': -0.31508252024650574, 'logits/rejected': -0.28154420852661133, 'epoch': 0.31} 31%|█████████████████████████████████████████████████████████████████████▋ | 211/681 [08:53<18:54, 2.41s/it] 31%|██████████████████████████████████████████████████████████████████████ | 212/681 [08:56<19:09, 2.45s/it] {'loss': 1.0603, 'grad_norm': 25.95430564880371, 'learning_rate': 4.3647161031536086e-07, 'fcm_dpo/beta': 0.003207254456356168, 'fcm_dpo/q_t': 0.39321210980415344, 'fcm_dpo/delta': -0.12612880766391754, 'fcm_dpo/margin': 146.12322998046875, 'margin_dpo/margin_mean': 146.12326049804688, 'margin_dpo/margin_std': 185.58700561523438, 'logps/chosen': -213.89340209960938, 'logps/rejected': -404.87750244140625, 'logps/ref_chosen': -58.19701385498047, 'logps/ref_rejected': -103.05785369873047, 'KL/chosen_KL_mean': -155.69639587402344, 'KL/rejected_KL_mean': -301.81964111328125, 'KL/mean': -228.75802612304688, 'KL/std': 165.00823974609375, 'logits/chosen': -0.2920724153518677, 'logits/rejected': -0.2858331799507141, 'epoch': 0.31} 31%|██████████████████████████████████████████████████████████████████████ | 212/681 [08:56<19:09, 2.45s/it] 31%|██████████████████████████████████████████████████████████████████████▎ | 213/681 [08:58<19:26, 2.49s/it] {'loss': 1.067, 'grad_norm': 25.628156661987305, 'learning_rate': 4.3561436536583774e-07, 'fcm_dpo/beta': 0.0031565751414746046, 'fcm_dpo/q_t': 0.39976924657821655, 'fcm_dpo/delta': -0.08675891906023026, 'fcm_dpo/margin': 137.04510498046875, 'margin_dpo/margin_mean': 137.04510498046875, 'margin_dpo/margin_std': 169.2763671875, 'logps/chosen': -213.91519165039062, 'logps/rejected': -377.3623046875, 'logps/ref_chosen': -67.51271057128906, 'logps/ref_rejected': -93.91471862792969, 'KL/chosen_KL_mean': -146.40249633789062, 'KL/rejected_KL_mean': -283.44757080078125, 'KL/mean': -214.92503356933594, 'KL/std': 141.89804077148438, 'logits/chosen': -0.30385902523994446, 'logits/rejected': -0.2821686863899231, 'epoch': 0.31} 31%|██████████████████████████████████████████████████████████████████████▎ | 213/681 [08:58<19:26, 2.49s/it] 31%|██████████████████████████████████████████████████████████████████████▋ | 214/681 [09:00<18:49, 2.42s/it] {'loss': 1.0966, 'grad_norm': 23.725318908691406, 'learning_rate': 4.3475222930516473e-07, 'fcm_dpo/beta': 0.0031324918381869793, 'fcm_dpo/q_t': 0.4102705121040344, 'fcm_dpo/delta': -0.04271193593740463, 'fcm_dpo/margin': 124.83644104003906, 'margin_dpo/margin_mean': 124.83644104003906, 'margin_dpo/margin_std': 166.6226806640625, 'logps/chosen': -169.7960205078125, 'logps/rejected': -330.5449523925781, 'logps/ref_chosen': -41.604888916015625, 'logps/ref_rejected': -77.51741027832031, 'KL/chosen_KL_mean': -128.19113159179688, 'KL/rejected_KL_mean': -253.02752685546875, 'KL/mean': -190.6093292236328, 'KL/std': 141.2437744140625, 'logits/chosen': -0.21322600543498993, 'logits/rejected': -0.2185087352991104, 'epoch': 0.31} 31%|██████████████████████████████████████████████████████████████████████▋ | 214/681 [09:01<18:49, 2.42s/it] 32%|███████████████████████████████████████████████████████████████████████ | 215/681 [09:03<19:17, 2.48s/it] {'loss': 1.0699, 'grad_norm': 25.86069107055664, 'learning_rate': 4.3388522485142885e-07, 'fcm_dpo/beta': 0.0030872428324073553, 'fcm_dpo/q_t': 0.40401768684387207, 'fcm_dpo/delta': -0.06415253132581711, 'fcm_dpo/margin': 133.19969177246094, 'margin_dpo/margin_mean': 133.19969177246094, 'margin_dpo/margin_std': 153.16122436523438, 'logps/chosen': -203.3797607421875, 'logps/rejected': -373.26483154296875, 'logps/ref_chosen': -53.279266357421875, 'logps/ref_rejected': -89.96464538574219, 'KL/chosen_KL_mean': -150.10049438476562, 'KL/rejected_KL_mean': -283.3001708984375, 'KL/mean': -216.70033264160156, 'KL/std': 148.46713256835938, 'logits/chosen': -0.2457331418991089, 'logits/rejected': -0.23719845712184906, 'epoch': 0.32} 32%|███████████████████████████████████████████████████████████████████████ | 215/681 [09:03<19:17, 2.48s/it] 32%|███████████████████████████████████████████████████████████████████████▎ | 216/681 [09:06<20:03, 2.59s/it] {'loss': 1.105, 'grad_norm': 24.124347686767578, 'learning_rate': 4.330133748510036e-07, 'fcm_dpo/beta': 0.0030720389913767576, 'fcm_dpo/q_t': 0.40874841809272766, 'fcm_dpo/delta': -0.05181992053985596, 'fcm_dpo/margin': 130.10549926757812, 'margin_dpo/margin_mean': 130.1055145263672, 'margin_dpo/margin_std': 188.24560546875, 'logps/chosen': -204.09719848632812, 'logps/rejected': -362.51385498046875, 'logps/ref_chosen': -48.887794494628906, 'logps/ref_rejected': -77.19892883300781, 'KL/chosen_KL_mean': -155.20941162109375, 'KL/rejected_KL_mean': -285.3149108886719, 'KL/mean': -220.2621612548828, 'KL/std': 152.76821899414062, 'logits/chosen': -0.24108392000198364, 'logits/rejected': -0.22588925063610077, 'epoch': 0.32} 32%|███████████████████████████████████████████████████████████████████████▎ | 216/681 [09:06<20:03, 2.59s/it] 32%|███████████████████████████████████████████████████████████████████████▋ | 217/681 [09:08<19:51, 2.57s/it] {'loss': 1.046, 'grad_norm': 21.351091384887695, 'learning_rate': 4.3213670227794757e-07, 'fcm_dpo/beta': 0.002996720839291811, 'fcm_dpo/q_t': 0.39497053623199463, 'fcm_dpo/delta': -0.1136351153254509, 'fcm_dpo/margin': 152.88873291015625, 'margin_dpo/margin_mean': 152.88873291015625, 'margin_dpo/margin_std': 179.6495361328125, 'logps/chosen': -215.95819091796875, 'logps/rejected': -419.0799255371094, 'logps/ref_chosen': -49.845306396484375, 'logps/ref_rejected': -100.07832336425781, 'KL/chosen_KL_mean': -166.11288452148438, 'KL/rejected_KL_mean': -319.0015869140625, 'KL/mean': -242.55723571777344, 'KL/std': 159.12432861328125, 'logits/chosen': -0.20837268233299255, 'logits/rejected': -0.2034785896539688, 'epoch': 0.32} 32%|███████████████████████████████████████████████████████████████████████▋ | 217/681 [09:09<19:51, 2.57s/it] 32%|████████████████████████████████████████████████████████████████████████ | 218/681 [09:11<19:59, 2.59s/it] {'loss': 1.141, 'grad_norm': 20.616666793823242, 'learning_rate': 4.3125523023339815e-07, 'fcm_dpo/beta': 0.0029808084946125746, 'fcm_dpo/q_t': 0.42078712582588196, 'fcm_dpo/delta': 0.0017072586342692375, 'fcm_dpo/margin': 116.84925842285156, 'margin_dpo/margin_mean': 116.8492660522461, 'margin_dpo/margin_std': 185.65829467773438, 'logps/chosen': -231.44671630859375, 'logps/rejected': -377.5657043457031, 'logps/ref_chosen': -58.576683044433594, 'logps/ref_rejected': -87.84639739990234, 'KL/chosen_KL_mean': -172.87002563476562, 'KL/rejected_KL_mean': -289.71929931640625, 'KL/mean': -231.294677734375, 'KL/std': 157.75628662109375, 'logits/chosen': -0.23788803815841675, 'logits/rejected': -0.23454323410987854, 'epoch': 0.32} 32%|████████████████████████████████████████████████████████████████████████ | 218/681 [09:11<19:59, 2.59s/it] 32%|████████████████████████████████████████████████████████████████████████▎ | 219/681 [09:14<19:59, 2.60s/it] {'loss': 1.194, 'grad_norm': 27.521127700805664, 'learning_rate': 4.303689819449636e-07, 'fcm_dpo/beta': 0.002978936769068241, 'fcm_dpo/q_t': 0.43124303221702576, 'fcm_dpo/delta': -0.023041052743792534, 'fcm_dpo/margin': 101.53028869628906, 'margin_dpo/margin_mean': 101.53028869628906, 'margin_dpo/margin_std': 203.3063507080078, 'logps/chosen': -244.34918212890625, 'logps/rejected': -370.62603759765625, 'logps/ref_chosen': -61.083858489990234, 'logps/ref_rejected': -85.83042907714844, 'KL/chosen_KL_mean': -183.26531982421875, 'KL/rejected_KL_mean': -284.79559326171875, 'KL/mean': -234.03045654296875, 'KL/std': 163.48797607421875, 'logits/chosen': -0.30178552865982056, 'logits/rejected': -0.2995387315750122, 'epoch': 0.32} 32%|████████████████████████████████████████████████████████████████████████▎ | 219/681 [09:14<19:59, 2.60s/it] 32%|████████████████████████████████████████████████████████████████████████▋ | 220/681 [09:16<19:52, 2.59s/it] {'loss': 1.2032, 'grad_norm': 26.6117000579834, 'learning_rate': 4.2947798076611047e-07, 'fcm_dpo/beta': 0.0029919049702584743, 'fcm_dpo/q_t': 0.44203633069992065, 'fcm_dpo/delta': 0.03325273096561432, 'fcm_dpo/margin': 81.4636001586914, 'margin_dpo/margin_mean': 81.4636001586914, 'margin_dpo/margin_std': 145.33209228515625, 'logps/chosen': -276.3758239746094, 'logps/rejected': -375.49365234375, 'logps/ref_chosen': -70.03128051757812, 'logps/ref_rejected': -87.68551635742188, 'KL/chosen_KL_mean': -206.34454345703125, 'KL/rejected_KL_mean': -287.80810546875, 'KL/mean': -247.07632446289062, 'KL/std': 141.79627990722656, 'logits/chosen': -0.2598545551300049, 'logits/rejected': -0.23767119646072388, 'epoch': 0.32} 32%|████████████████████████████████████████████████████████████████████████▋ | 220/681 [09:16<19:52, 2.59s/it] 32%|█████████████████████████████████████████████████████████████████████████ | 221/681 [09:19<19:38, 2.56s/it] {'loss': 0.9744, 'grad_norm': 22.261398315429688, 'learning_rate': 4.285822501755485e-07, 'fcm_dpo/beta': 0.0029050116427242756, 'fcm_dpo/q_t': 0.3714696168899536, 'fcm_dpo/delta': -0.2145058810710907, 'fcm_dpo/margin': 190.363525390625, 'margin_dpo/margin_mean': 190.363525390625, 'margin_dpo/margin_std': 182.53524780273438, 'logps/chosen': -221.8034210205078, 'logps/rejected': -466.47991943359375, 'logps/ref_chosen': -52.15470886230469, 'logps/ref_rejected': -106.46768188476562, 'KL/chosen_KL_mean': -169.64871215820312, 'KL/rejected_KL_mean': -360.01226806640625, 'KL/mean': -264.8304748535156, 'KL/std': 177.01751708984375, 'logits/chosen': -0.27296262979507446, 'logits/rejected': -0.27987274527549744, 'epoch': 0.32} 32%|█████████████████████████████████████████████████████████████████████████ | 221/681 [09:19<19:38, 2.56s/it] 33%|█████████████████████████████████████████████████████████████████████████▎ | 222/681 [09:21<19:36, 2.56s/it] {'loss': 1.0889, 'grad_norm': 18.149749755859375, 'learning_rate': 4.276818137766118e-07, 'fcm_dpo/beta': 0.002854538382962346, 'fcm_dpo/q_t': 0.4074173867702484, 'fcm_dpo/delta': -0.05328700318932533, 'fcm_dpo/margin': 140.4989013671875, 'margin_dpo/margin_mean': 140.4989013671875, 'margin_dpo/margin_std': 182.004150390625, 'logps/chosen': -233.138427734375, 'logps/rejected': -412.6673583984375, 'logps/ref_chosen': -60.971099853515625, 'logps/ref_rejected': -100.00115203857422, 'KL/chosen_KL_mean': -172.16732788085938, 'KL/rejected_KL_mean': -312.6662292480469, 'KL/mean': -242.41677856445312, 'KL/std': 161.145263671875, 'logits/chosen': -0.3163185119628906, 'logits/rejected': -0.3211904764175415, 'epoch': 0.33} 33%|█████████████████████████████████████████████████████████████████████████▎ | 222/681 [09:21<19:36, 2.56s/it] 33%|█████████████████████████████████████████████████████████████████████████▋ | 223/681 [09:24<18:39, 2.45s/it] {'loss': 1.1542, 'grad_norm': 21.138545989990234, 'learning_rate': 4.2677669529663686e-07, 'fcm_dpo/beta': 0.002839556895196438, 'fcm_dpo/q_t': 0.4231345057487488, 'fcm_dpo/delta': 0.01586122065782547, 'fcm_dpo/margin': 117.85763549804688, 'margin_dpo/margin_mean': 117.85763549804688, 'margin_dpo/margin_std': 198.8590545654297, 'logps/chosen': -233.25930786132812, 'logps/rejected': -381.3013916015625, 'logps/ref_chosen': -52.64057540893555, 'logps/ref_rejected': -82.82502746582031, 'KL/chosen_KL_mean': -180.6187286376953, 'KL/rejected_KL_mean': -298.4763488769531, 'KL/mean': -239.54754638671875, 'KL/std': 154.41107177734375, 'logits/chosen': -0.24469372630119324, 'logits/rejected': -0.24137765169143677, 'epoch': 0.33} 33%|█████████████████████████████████████████████████████████████████████████▋ | 223/681 [09:24<18:39, 2.45s/it] 33%|██████████████████████████████████████████████████████████████████████████ | 224/681 [09:26<17:48, 2.34s/it] {'loss': 1.1202, 'grad_norm': 22.848051071166992, 'learning_rate': 4.2586691858633747e-07, 'fcm_dpo/beta': 0.0028151879087090492, 'fcm_dpo/q_t': 0.4151793122291565, 'fcm_dpo/delta': -0.02796056494116783, 'fcm_dpo/margin': 133.54351806640625, 'margin_dpo/margin_mean': 133.54351806640625, 'margin_dpo/margin_std': 199.27239990234375, 'logps/chosen': -207.97874450683594, 'logps/rejected': -370.0433349609375, 'logps/ref_chosen': -48.59541320800781, 'logps/ref_rejected': -77.11648559570312, 'KL/chosen_KL_mean': -159.38333129882812, 'KL/rejected_KL_mean': -292.9268493652344, 'KL/mean': -226.15509033203125, 'KL/std': 172.1931610107422, 'logits/chosen': -0.3147471845149994, 'logits/rejected': -0.2979544997215271, 'epoch': 0.33} 33%|██████████████████████████████████████████████████████████████████████████ | 224/681 [09:26<17:48, 2.34s/it] 33%|██████████████████████████████████████████████████████████████████████████▎ | 225/681 [09:28<17:33, 2.31s/it] {'loss': 1.0678, 'grad_norm': 19.650955200195312, 'learning_rate': 4.249525076191759e-07, 'fcm_dpo/beta': 0.002788371406495571, 'fcm_dpo/q_t': 0.3994441330432892, 'fcm_dpo/delta': -0.09335584938526154, 'fcm_dpo/margin': 157.5101776123047, 'margin_dpo/margin_mean': 157.51019287109375, 'margin_dpo/margin_std': 203.22439575195312, 'logps/chosen': -237.83319091796875, 'logps/rejected': -437.2458190917969, 'logps/ref_chosen': -58.000465393066406, 'logps/ref_rejected': -99.90291595458984, 'KL/chosen_KL_mean': -179.8327178955078, 'KL/rejected_KL_mean': -337.3428955078125, 'KL/mean': -258.5877990722656, 'KL/std': 164.62838745117188, 'logits/chosen': -0.3059282898902893, 'logits/rejected': -0.29627132415771484, 'epoch': 0.33} 33%|██████████████████████████████████████████████████████████████████████████▎ | 225/681 [09:28<17:33, 2.31s/it] 33%|██████████████████████████████████████████████████████████████████████████▋ | 226/681 [09:30<18:12, 2.40s/it] {'loss': 1.1334, 'grad_norm': 28.77495765686035, 'learning_rate': 4.2403348649073167e-07, 'fcm_dpo/beta': 0.00276209507137537, 'fcm_dpo/q_t': 0.42073529958724976, 'fcm_dpo/delta': 0.0005985237658023834, 'fcm_dpo/margin': 126.30184936523438, 'margin_dpo/margin_mean': 126.30184936523438, 'margin_dpo/margin_std': 188.94320678710938, 'logps/chosen': -215.76095581054688, 'logps/rejected': -361.85174560546875, 'logps/ref_chosen': -58.898799896240234, 'logps/ref_rejected': -78.68775939941406, 'KL/chosen_KL_mean': -156.86215209960938, 'KL/rejected_KL_mean': -283.16400146484375, 'KL/mean': -220.01309204101562, 'KL/std': 162.33700561523438, 'logits/chosen': -0.36503708362579346, 'logits/rejected': -0.3280119001865387, 'epoch': 0.33} 33%|██████████████████████████████████████████████████████████████████████████▋ | 226/681 [09:31<18:12, 2.40s/it] 33%|███████████████████████████████████████████████████████████████████████████ | 227/681 [09:33<17:59, 2.38s/it] {'loss': 1.0635, 'grad_norm': 20.401033401489258, 'learning_rate': 4.2310987941806615e-07, 'fcm_dpo/beta': 0.002731041982769966, 'fcm_dpo/q_t': 0.399799644947052, 'fcm_dpo/delta': -0.08844669163227081, 'fcm_dpo/margin': 158.93765258789062, 'margin_dpo/margin_mean': 158.93765258789062, 'margin_dpo/margin_std': 194.41900634765625, 'logps/chosen': -245.74876403808594, 'logps/rejected': -445.026611328125, 'logps/ref_chosen': -59.072181701660156, 'logps/ref_rejected': -99.41236877441406, 'KL/chosen_KL_mean': -186.6765899658203, 'KL/rejected_KL_mean': -345.6142272949219, 'KL/mean': -266.1453857421875, 'KL/std': 186.829833984375, 'logits/chosen': -0.35669684410095215, 'logits/rejected': -0.34606364369392395, 'epoch': 0.33} 33%|███████████████████████████████████████████████████████████████████████████ | 227/681 [09:33<17:59, 2.38s/it] 33%|███████████████████████████████████████████████████████████████████████████▎ | 228/681 [09:36<18:49, 2.49s/it] {'loss': 1.1714, 'grad_norm': 22.93690299987793, 'learning_rate': 4.2218171073908463e-07, 'fcm_dpo/beta': 0.002752040047198534, 'fcm_dpo/q_t': 0.42963525652885437, 'fcm_dpo/delta': 0.048819925636053085, 'fcm_dpo/margin': 109.93873596191406, 'margin_dpo/margin_mean': 109.93873596191406, 'margin_dpo/margin_std': 189.5914764404297, 'logps/chosen': -260.08880615234375, 'logps/rejected': -395.18499755859375, 'logps/ref_chosen': -65.89128875732422, 'logps/ref_rejected': -91.04875183105469, 'KL/chosen_KL_mean': -194.19752502441406, 'KL/rejected_KL_mean': -304.1362609863281, 'KL/mean': -249.16688537597656, 'KL/std': 154.22523498535156, 'logits/chosen': -0.29892176389694214, 'logits/rejected': -0.28179436922073364, 'epoch': 0.33} 33%|███████████████████████████████████████████████████████████████████████████▎ | 228/681 [09:36<18:49, 2.49s/it] 34%|███████████████████████████████████████████████████████████████████████████▋ | 229/681 [09:38<18:42, 2.48s/it] {'loss': 1.1518, 'grad_norm': 27.2257137298584, 'learning_rate': 4.212490049118951e-07, 'fcm_dpo/beta': 0.0027676185127347708, 'fcm_dpo/q_t': 0.4248887300491333, 'fcm_dpo/delta': 0.028249580413103104, 'fcm_dpo/margin': 116.58082580566406, 'margin_dpo/margin_mean': 116.58082580566406, 'margin_dpo/margin_std': 186.08026123046875, 'logps/chosen': -275.14093017578125, 'logps/rejected': -405.54278564453125, 'logps/ref_chosen': -70.70637512207031, 'logps/ref_rejected': -84.52741241455078, 'KL/chosen_KL_mean': -204.4345703125, 'KL/rejected_KL_mean': -321.015380859375, 'KL/mean': -262.7249755859375, 'KL/std': 179.88668823242188, 'logits/chosen': -0.41251590847969055, 'logits/rejected': -0.38618093729019165, 'epoch': 0.34} 34%|███████████████████████████████████████████████████████████████████████████▋ | 229/681 [09:38<18:42, 2.48s/it] 34%|███████████████████████████████████████████████████████████████████████████▉ | 230/681 [09:40<18:23, 2.45s/it] {'loss': 1.0113, 'grad_norm': 27.937719345092773, 'learning_rate': 4.203117865141635e-07, 'fcm_dpo/beta': 0.0027067074552178383, 'fcm_dpo/q_t': 0.38420677185058594, 'fcm_dpo/delta': -0.1502915769815445, 'fcm_dpo/margin': 182.03550720214844, 'margin_dpo/margin_mean': 182.0355224609375, 'margin_dpo/margin_std': 184.9110107421875, 'logps/chosen': -195.45526123046875, 'logps/rejected': -423.8306884765625, 'logps/ref_chosen': -39.282005310058594, 'logps/ref_rejected': -85.62191009521484, 'KL/chosen_KL_mean': -156.17324829101562, 'KL/rejected_KL_mean': -338.2087707519531, 'KL/mean': -247.1909942626953, 'KL/std': 167.25390625, 'logits/chosen': -0.30553507804870605, 'logits/rejected': -0.3124315142631531, 'epoch': 0.34} 34%|███████████████████████████████████████████████████████████████████████████▉ | 230/681 [09:40<18:23, 2.45s/it] 34%|████████████████████████████████████████████████████████████████████████████▎ | 231/681 [09:43<18:41, 2.49s/it] {'loss': 1.1305, 'grad_norm': 23.682451248168945, 'learning_rate': 4.1937008024246625e-07, 'fcm_dpo/beta': 0.0026946812868118286, 'fcm_dpo/q_t': 0.42264679074287415, 'fcm_dpo/delta': 0.013711929321289062, 'fcm_dpo/margin': 124.96714782714844, 'margin_dpo/margin_mean': 124.96714782714844, 'margin_dpo/margin_std': 175.9566192626953, 'logps/chosen': -239.66824340820312, 'logps/rejected': -375.48284912109375, 'logps/ref_chosen': -63.27644348144531, 'logps/ref_rejected': -74.1239013671875, 'KL/chosen_KL_mean': -176.39178466796875, 'KL/rejected_KL_mean': -301.35894775390625, 'KL/mean': -238.8753662109375, 'KL/std': 148.606201171875, 'logits/chosen': -0.38201549649238586, 'logits/rejected': -0.35523295402526855, 'epoch': 0.34} 34%|████████████████████████████████████████████████████████████████████████████▎ | 231/681 [09:43<18:41, 2.49s/it] 34%|████████████████████████████████████████████████████████████████████████████▋ | 232/681 [09:46<19:13, 2.57s/it] {'loss': 1.1853, 'grad_norm': 21.643369674682617, 'learning_rate': 4.1842391091163933e-07, 'fcm_dpo/beta': 0.002725243801251054, 'fcm_dpo/q_t': 0.43814921379089355, 'fcm_dpo/delta': 0.0810902863740921, 'fcm_dpo/margin': 99.50645446777344, 'margin_dpo/margin_mean': 99.50645446777344, 'margin_dpo/margin_std': 172.71176147460938, 'logps/chosen': -276.0605773925781, 'logps/rejected': -388.79534912109375, 'logps/ref_chosen': -70.74876403808594, 'logps/ref_rejected': -83.97706604003906, 'KL/chosen_KL_mean': -205.3118133544922, 'KL/rejected_KL_mean': -304.8182678222656, 'KL/mean': -255.06503295898438, 'KL/std': 167.1653289794922, 'logits/chosen': -0.39978110790252686, 'logits/rejected': -0.3793877959251404, 'epoch': 0.34} 34%|████████████████████████████████████████████████████████████████████████████▋ | 232/681 [09:46<19:13, 2.57s/it] 34%|████████████████████████████████████████████████████████████████████████████▉ | 233/681 [09:48<19:31, 2.61s/it] {'loss': 1.0915, 'grad_norm': 24.3404483795166, 'learning_rate': 4.174733034541245e-07, 'fcm_dpo/beta': 0.002710646251216531, 'fcm_dpo/q_t': 0.4036695659160614, 'fcm_dpo/delta': -0.08498845994472504, 'fcm_dpo/margin': 159.15216064453125, 'margin_dpo/margin_mean': 159.15216064453125, 'margin_dpo/margin_std': 231.7545166015625, 'logps/chosen': -234.67161560058594, 'logps/rejected': -446.4208984375, 'logps/ref_chosen': -54.8829345703125, 'logps/ref_rejected': -107.4800796508789, 'KL/chosen_KL_mean': -179.78868103027344, 'KL/rejected_KL_mean': -338.9408264160156, 'KL/mean': -259.36474609375, 'KL/std': 176.54042053222656, 'logits/chosen': -0.3906532824039459, 'logits/rejected': -0.3928545117378235, 'epoch': 0.34} 34%|████████████████████████████████████████████████████████████████████████████▉ | 233/681 [09:48<19:31, 2.61s/it] 34%|█████████████████████████████████████████████████████████████████████████████▎ | 234/681 [09:51<19:34, 2.63s/it] {'loss': 1.0537, 'grad_norm': 22.889997482299805, 'learning_rate': 4.165182829193126e-07, 'fcm_dpo/beta': 0.0026394538581371307, 'fcm_dpo/q_t': 0.3987475037574768, 'fcm_dpo/delta': -0.08937112987041473, 'fcm_dpo/margin': 164.385498046875, 'margin_dpo/margin_mean': 164.385498046875, 'margin_dpo/margin_std': 177.35736083984375, 'logps/chosen': -211.04376220703125, 'logps/rejected': -431.34136962890625, 'logps/ref_chosen': -44.094520568847656, 'logps/ref_rejected': -100.00663757324219, 'KL/chosen_KL_mean': -166.94924926757812, 'KL/rejected_KL_mean': -331.334716796875, 'KL/mean': -249.14198303222656, 'KL/std': 158.32025146484375, 'logits/chosen': -0.3914503753185272, 'logits/rejected': -0.41639894247055054, 'epoch': 0.34} 34%|█████████████████████████████████████████████████████████████████████████████▎ | 234/681 [09:51<19:34, 2.63s/it] 35%|█████████████████████████████████████████████████████████████████████████████▋ | 235/681 [09:53<19:01, 2.56s/it] {'loss': 1.1809, 'grad_norm': 19.758920669555664, 'learning_rate': 4.1555887447288255e-07, 'fcm_dpo/beta': 0.0026793205179274082, 'fcm_dpo/q_t': 0.43403372168540955, 'fcm_dpo/delta': 0.0680294781923294, 'fcm_dpo/margin': 105.86572265625, 'margin_dpo/margin_mean': 105.86572265625, 'margin_dpo/margin_std': 183.34307861328125, 'logps/chosen': -266.12322998046875, 'logps/rejected': -400.1461181640625, 'logps/ref_chosen': -62.237911224365234, 'logps/ref_rejected': -90.39506530761719, 'KL/chosen_KL_mean': -203.8853302001953, 'KL/rejected_KL_mean': -309.75103759765625, 'KL/mean': -256.8182067871094, 'KL/std': 149.91073608398438, 'logits/chosen': -0.40560123324394226, 'logits/rejected': -0.38443222641944885, 'epoch': 0.35} 35%|█████████████████████████████████████████████████████████████████████████████▋ | 235/681 [09:54<19:01, 2.56s/it] 35%|█████████████████████████████████████████████████████████████████████████████▉ | 236/681 [09:56<19:12, 2.59s/it] {'loss': 1.0198, 'grad_norm': 33.895503997802734, 'learning_rate': 4.1459510339613946e-07, 'fcm_dpo/beta': 0.0026379311457276344, 'fcm_dpo/q_t': 0.3907100558280945, 'fcm_dpo/delta': -0.11645685136318207, 'fcm_dpo/margin': 174.8123779296875, 'margin_dpo/margin_mean': 174.8123779296875, 'margin_dpo/margin_std': 160.76687622070312, 'logps/chosen': -204.3580322265625, 'logps/rejected': -433.3406677246094, 'logps/ref_chosen': -49.34136199951172, 'logps/ref_rejected': -103.51162719726562, 'KL/chosen_KL_mean': -155.01666259765625, 'KL/rejected_KL_mean': -329.82904052734375, 'KL/mean': -242.4228515625, 'KL/std': 166.82810974121094, 'logits/chosen': -0.3970375657081604, 'logits/rejected': -0.3981223404407501, 'epoch': 0.35} 35%|█████████████████████████████████████████████████████████████████████████████▉ | 236/681 [09:56<19:12, 2.59s/it] 35%|██████████████████████████████████████████████████████████████████████████████▎ | 237/681 [09:59<19:12, 2.59s/it] {'loss': 1.1454, 'grad_norm': 28.638195037841797, 'learning_rate': 4.136269950853473e-07, 'fcm_dpo/beta': 0.0026289066299796104, 'fcm_dpo/q_t': 0.42304670810699463, 'fcm_dpo/delta': 0.01535837072879076, 'fcm_dpo/margin': 127.47908020019531, 'margin_dpo/margin_mean': 127.47908020019531, 'margin_dpo/margin_std': 202.83706665039062, 'logps/chosen': -279.5358581542969, 'logps/rejected': -447.6271667480469, 'logps/ref_chosen': -54.168121337890625, 'logps/ref_rejected': -94.78036499023438, 'KL/chosen_KL_mean': -225.36773681640625, 'KL/rejected_KL_mean': -352.8468017578125, 'KL/mean': -289.1072998046875, 'KL/std': 175.09231567382812, 'logits/chosen': -0.36658668518066406, 'logits/rejected': -0.3595519959926605, 'epoch': 0.35} 35%|██████████████████████████████████████████████████████████████████████████████▎ | 237/681 [09:59<19:12, 2.59s/it] 35%|██████████████████████████████████████████████████████████████████████████████▋ | 238/681 [10:01<19:23, 2.63s/it] {'loss': 1.1376, 'grad_norm': 27.573131561279297, 'learning_rate': 4.126545750510605e-07, 'fcm_dpo/beta': 0.002619014820083976, 'fcm_dpo/q_t': 0.4229828417301178, 'fcm_dpo/delta': 0.005497526377439499, 'fcm_dpo/margin': 131.4647674560547, 'margin_dpo/margin_mean': 131.4647674560547, 'margin_dpo/margin_std': 203.32174682617188, 'logps/chosen': -261.4954528808594, 'logps/rejected': -428.405029296875, 'logps/ref_chosen': -53.973121643066406, 'logps/ref_rejected': -89.41795349121094, 'KL/chosen_KL_mean': -207.52232360839844, 'KL/rejected_KL_mean': -338.9870910644531, 'KL/mean': -273.25469970703125, 'KL/std': 176.7599639892578, 'logits/chosen': -0.3411535620689392, 'logits/rejected': -0.35550758242607117, 'epoch': 0.35} 35%|██████████████████████████████████████████████████████████████████████████████▋ | 238/681 [10:02<19:23, 2.63s/it] 35%|██████████████████████████████████████████████████████████████████████████████▉ | 239/681 [10:04<18:37, 2.53s/it] {'loss': 1.0948, 'grad_norm': 24.893705368041992, 'learning_rate': 4.116778689174514e-07, 'fcm_dpo/beta': 0.0026005804538726807, 'fcm_dpo/q_t': 0.4087134003639221, 'fcm_dpo/delta': -0.0424700528383255, 'fcm_dpo/margin': 149.958740234375, 'margin_dpo/margin_mean': 149.95875549316406, 'margin_dpo/margin_std': 190.29000854492188, 'logps/chosen': -281.80621337890625, 'logps/rejected': -467.26007080078125, 'logps/ref_chosen': -58.09782409667969, 'logps/ref_rejected': -93.59294128417969, 'KL/chosen_KL_mean': -223.70838928222656, 'KL/rejected_KL_mean': -373.6671447753906, 'KL/mean': -298.6877746582031, 'KL/std': 167.540771484375, 'logits/chosen': -0.3514358401298523, 'logits/rejected': -0.3399575352668762, 'epoch': 0.35} 35%|██████████████████████████████████████████████████████████████████████████████▉ | 239/681 [10:04<18:37, 2.53s/it] 35%|███████████████████████████████████████████████████████████████████████████████▎ | 240/681 [10:06<18:58, 2.58s/it] {'loss': 1.1746, 'grad_norm': 30.90320587158203, 'learning_rate': 4.106969024216348e-07, 'fcm_dpo/beta': 0.0026145458687096834, 'fcm_dpo/q_t': 0.4276321530342102, 'fcm_dpo/delta': 0.0357041209936142, 'fcm_dpo/margin': 120.59989929199219, 'margin_dpo/margin_mean': 120.59988403320312, 'margin_dpo/margin_std': 218.30465698242188, 'logps/chosen': -291.98760986328125, 'logps/rejected': -426.0915222167969, 'logps/ref_chosen': -60.6144905090332, 'logps/ref_rejected': -74.1185302734375, 'KL/chosen_KL_mean': -231.37310791015625, 'KL/rejected_KL_mean': -351.9729919433594, 'KL/mean': -291.67303466796875, 'KL/std': 181.56192016601562, 'logits/chosen': -0.38337743282318115, 'logits/rejected': -0.3629865050315857, 'epoch': 0.35} 35%|███████████████████████████████████████████████████████████████████████████████▎ | 240/681 [10:07<18:58, 2.58s/it] 35%|███████████████████████████████████████████████████████████████████████████████▋ | 241/681 [10:09<18:35, 2.53s/it] {'loss': 1.0299, 'grad_norm': 25.951866149902344, 'learning_rate': 4.097117014129903e-07, 'fcm_dpo/beta': 0.002574965823441744, 'fcm_dpo/q_t': 0.3884301781654358, 'fcm_dpo/delta': -0.14985774457454681, 'fcm_dpo/margin': 191.33033752441406, 'margin_dpo/margin_mean': 191.33033752441406, 'margin_dpo/margin_std': 221.56744384765625, 'logps/chosen': -258.0756530761719, 'logps/rejected': -471.37579345703125, 'logps/ref_chosen': -66.091064453125, 'logps/ref_rejected': -88.06088256835938, 'KL/chosen_KL_mean': -191.98458862304688, 'KL/rejected_KL_mean': -383.31494140625, 'KL/mean': -287.6497497558594, 'KL/std': 194.20921325683594, 'logits/chosen': -0.4079846739768982, 'logits/rejected': -0.38517332077026367, 'epoch': 0.35} 35%|███████████████████████████████████████████████████████████████████████████████▋ | 241/681 [10:09<18:35, 2.53s/it] 36%|███████████████████████████████████████████████████████████████████████████████▉ | 242/681 [10:11<18:16, 2.50s/it] {'loss': 1.1243, 'grad_norm': 24.505521774291992, 'learning_rate': 4.087222918524807e-07, 'fcm_dpo/beta': 0.0025596697814762592, 'fcm_dpo/q_t': 0.41891148686408997, 'fcm_dpo/delta': -0.003671940416097641, 'fcm_dpo/margin': 137.99563598632812, 'margin_dpo/margin_mean': 137.99563598632812, 'margin_dpo/margin_std': 196.5327606201172, 'logps/chosen': -282.931884765625, 'logps/rejected': -436.4239501953125, 'logps/ref_chosen': -67.86392974853516, 'logps/ref_rejected': -83.36033630371094, 'KL/chosen_KL_mean': -215.06796264648438, 'KL/rejected_KL_mean': -353.0635986328125, 'KL/mean': -284.0657958984375, 'KL/std': 165.72854614257812, 'logits/chosen': -0.3450043797492981, 'logits/rejected': -0.3202177882194519, 'epoch': 0.36} 36%|███████████████████████████████████████████████████████████████████████████████▉ | 242/681 [10:11<18:16, 2.50s/it] 36%|████████████████████████████████████████████████████████████████████████████████▎ | 243/681 [10:14<18:14, 2.50s/it] {'loss': 1.0728, 'grad_norm': 24.171142578125, 'learning_rate': 4.07728699811968e-07, 'fcm_dpo/beta': 0.002519626170396805, 'fcm_dpo/q_t': 0.40310847759246826, 'fcm_dpo/delta': -0.07080057263374329, 'fcm_dpo/margin': 165.80429077148438, 'margin_dpo/margin_mean': 165.80429077148438, 'margin_dpo/margin_std': 204.3806610107422, 'logps/chosen': -277.59844970703125, 'logps/rejected': -456.65411376953125, 'logps/ref_chosen': -63.0842399597168, 'logps/ref_rejected': -76.33563232421875, 'KL/chosen_KL_mean': -214.51419067382812, 'KL/rejected_KL_mean': -380.3184814453125, 'KL/mean': -297.41632080078125, 'KL/std': 182.67172241210938, 'logits/chosen': -0.382672518491745, 'logits/rejected': -0.35550010204315186, 'epoch': 0.36} 36%|████████████████████████████████████████████████████████████████████████████████▎ | 243/681 [10:14<18:14, 2.50s/it] 36%|████████████████████████████████████████████████████████████████████████████████▌ | 244/681 [10:16<18:14, 2.50s/it] {'loss': 1.0502, 'grad_norm': 25.310270309448242, 'learning_rate': 4.067309514735267e-07, 'fcm_dpo/beta': 0.002478396287187934, 'fcm_dpo/q_t': 0.3996942937374115, 'fcm_dpo/delta': -0.08090801537036896, 'fcm_dpo/margin': 172.39230346679688, 'margin_dpo/margin_mean': 172.39230346679688, 'margin_dpo/margin_std': 177.4683837890625, 'logps/chosen': -244.92210388183594, 'logps/rejected': -451.0656433105469, 'logps/ref_chosen': -61.140689849853516, 'logps/ref_rejected': -94.89193725585938, 'KL/chosen_KL_mean': -183.78140258789062, 'KL/rejected_KL_mean': -356.1737060546875, 'KL/mean': -269.9775695800781, 'KL/std': 174.60687255859375, 'logits/chosen': -0.4503272771835327, 'logits/rejected': -0.44473206996917725, 'epoch': 0.36} 36%|████████████████████████████████████████████████████████████████████████████████▌ | 244/681 [10:16<18:14, 2.50s/it] 36%|████████████████████████████████████████████████████████████████████████████████▉ | 245/681 [10:19<18:44, 2.58s/it] {'loss': 1.1442, 'grad_norm': 22.16962242126465, 'learning_rate': 4.057290731287531e-07, 'fcm_dpo/beta': 0.0024427759926766157, 'fcm_dpo/q_t': 0.42357954382896423, 'fcm_dpo/delta': -0.060425255447626114, 'fcm_dpo/margin': 132.0923309326172, 'margin_dpo/margin_mean': 132.0923309326172, 'margin_dpo/margin_std': 188.43490600585938, 'logps/chosen': -277.1922302246094, 'logps/rejected': -429.6623840332031, 'logps/ref_chosen': -67.26228332519531, 'logps/ref_rejected': -87.64010620117188, 'KL/chosen_KL_mean': -209.92994689941406, 'KL/rejected_KL_mean': -342.02227783203125, 'KL/mean': -275.97613525390625, 'KL/std': 168.3325653076172, 'logits/chosen': -0.4270048141479492, 'logits/rejected': -0.39348340034484863, 'epoch': 0.36} 36%|████████████████████████████████████████████████████████████████████████████████▉ | 245/681 [10:19<18:44, 2.58s/it] 36%|█████████████████████████████████████████████████████████████████████████████████▎ | 246/681 [10:22<18:35, 2.57s/it] {'loss': 1.1388, 'grad_norm': 25.40897560119629, 'learning_rate': 4.047230911780736e-07, 'fcm_dpo/beta': 0.0024440872948616743, 'fcm_dpo/q_t': 0.4241391718387604, 'fcm_dpo/delta': 0.02029471844434738, 'fcm_dpo/margin': 135.14329528808594, 'margin_dpo/margin_mean': 135.14329528808594, 'margin_dpo/margin_std': 200.08724975585938, 'logps/chosen': -267.3618469238281, 'logps/rejected': -420.154541015625, 'logps/ref_chosen': -66.69696807861328, 'logps/ref_rejected': -84.34634399414062, 'KL/chosen_KL_mean': -200.66488647460938, 'KL/rejected_KL_mean': -335.80816650390625, 'KL/mean': -268.2365417480469, 'KL/std': 186.197265625, 'logits/chosen': -0.4735276699066162, 'logits/rejected': -0.43419474363327026, 'epoch': 0.36} 36%|█████████████████████████████████████████████████████████████████████████████████▎ | 246/681 [10:22<18:35, 2.57s/it] 36%|█████████████████████████████████████████████████████████████████████████████████▌ | 247/681 [10:24<18:20, 2.54s/it] {'loss': 1.0387, 'grad_norm': 26.054208755493164, 'learning_rate': 4.0371303213004814e-07, 'fcm_dpo/beta': 0.0024084593169391155, 'fcm_dpo/q_t': 0.3926267623901367, 'fcm_dpo/delta': -0.11511167883872986, 'fcm_dpo/margin': 190.85971069335938, 'margin_dpo/margin_mean': 190.85972595214844, 'margin_dpo/margin_std': 208.8062744140625, 'logps/chosen': -291.06268310546875, 'logps/rejected': -531.6103515625, 'logps/ref_chosen': -56.6053466796875, 'logps/ref_rejected': -106.29326629638672, 'KL/chosen_KL_mean': -234.4573516845703, 'KL/rejected_KL_mean': -425.31707763671875, 'KL/mean': -329.88720703125, 'KL/std': 194.06973266601562, 'logits/chosen': -0.4317302405834198, 'logits/rejected': -0.4298396706581116, 'epoch': 0.36} 36%|█████████████████████████████████████████████████████████████████████████████████▌ | 247/681 [10:24<18:20, 2.54s/it] 36%|█████████████████████████████████████████████████████████████████████████████████▉ | 248/681 [10:27<18:15, 2.53s/it] {'loss': 1.0603, 'grad_norm': 25.75300407409668, 'learning_rate': 4.0269892260067197e-07, 'fcm_dpo/beta': 0.0023695870768278837, 'fcm_dpo/q_t': 0.4044187664985657, 'fcm_dpo/delta': -0.05050865188241005, 'fcm_dpo/margin': 167.96372985839844, 'margin_dpo/margin_mean': 167.96371459960938, 'margin_dpo/margin_std': 153.2666015625, 'logps/chosen': -245.1111602783203, 'logps/rejected': -460.8885498046875, 'logps/ref_chosen': -44.043216705322266, 'logps/ref_rejected': -91.85687255859375, 'KL/chosen_KL_mean': -201.06793212890625, 'KL/rejected_KL_mean': -369.03167724609375, 'KL/mean': -285.0498046875, 'KL/std': 158.5778350830078, 'logits/chosen': -0.407694935798645, 'logits/rejected': -0.42660677433013916, 'epoch': 0.36} 36%|█████████████████████████████████████████████████████████████████████████████████▉ | 248/681 [10:27<18:15, 2.53s/it] 37%|██████████████████████████████████████████████████████████████████████████████████▎ | 249/681 [10:29<17:51, 2.48s/it] {'loss': 1.2408, 'grad_norm': 33.85601806640625, 'learning_rate': 4.0168078931267426e-07, 'fcm_dpo/beta': 0.002401418052613735, 'fcm_dpo/q_t': 0.44910717010498047, 'fcm_dpo/delta': 0.05994679778814316, 'fcm_dpo/margin': 91.93504333496094, 'margin_dpo/margin_mean': 91.9350357055664, 'margin_dpo/margin_std': 213.35684204101562, 'logps/chosen': -325.17376708984375, 'logps/rejected': -435.134521484375, 'logps/ref_chosen': -62.442352294921875, 'logps/ref_rejected': -80.46806335449219, 'KL/chosen_KL_mean': -262.7314147949219, 'KL/rejected_KL_mean': -354.66644287109375, 'KL/mean': -308.6989440917969, 'KL/std': 177.82664489746094, 'logits/chosen': -0.43958780169487, 'logits/rejected': -0.4103413224220276, 'epoch': 0.37} 37%|██████████████████████████████████████████████████████████████████████████████████▎ | 249/681 [10:29<17:51, 2.48s/it] 37%|██████████████████████████████████████████████████████████████████████████████████▌ | 250/681 [10:31<17:36, 2.45s/it] {'loss': 1.0762, 'grad_norm': 41.83970642089844, 'learning_rate': 4.006586590948141e-07, 'fcm_dpo/beta': 0.0023939479142427444, 'fcm_dpo/q_t': 0.40629374980926514, 'fcm_dpo/delta': -0.04844534397125244, 'fcm_dpo/margin': 165.57940673828125, 'margin_dpo/margin_mean': 165.57940673828125, 'margin_dpo/margin_std': 183.59869384765625, 'logps/chosen': -297.6116943359375, 'logps/rejected': -471.42620849609375, 'logps/ref_chosen': -65.63668823242188, 'logps/ref_rejected': -73.87184143066406, 'KL/chosen_KL_mean': -231.9749755859375, 'KL/rejected_KL_mean': -397.55438232421875, 'KL/mean': -314.76470947265625, 'KL/std': 174.78016662597656, 'logits/chosen': -0.43187060952186584, 'logits/rejected': -0.3728846311569214, 'epoch': 0.37} 37%|██████████████████████████████████████████████████████████████████████████████████▌ | 250/681 [10:31<17:36, 2.45s/it] 37%|██████████████████████████████████████████████████████████████████████████████████▉ | 251/681 [10:34<17:25, 2.43s/it] {'loss': 1.1848, 'grad_norm': 23.73138427734375, 'learning_rate': 3.9963255888117325e-07, 'fcm_dpo/beta': 0.002399963792413473, 'fcm_dpo/q_t': 0.4352172613143921, 'fcm_dpo/delta': 0.07236499339342117, 'fcm_dpo/margin': 116.55254364013672, 'margin_dpo/margin_mean': 116.55254364013672, 'margin_dpo/margin_std': 200.21017456054688, 'logps/chosen': -297.2095642089844, 'logps/rejected': -434.2427978515625, 'logps/ref_chosen': -57.182716369628906, 'logps/ref_rejected': -77.66343688964844, 'KL/chosen_KL_mean': -240.02685546875, 'KL/rejected_KL_mean': -356.5793762207031, 'KL/mean': -298.3031005859375, 'KL/std': 184.30174255371094, 'logits/chosen': -0.3889552354812622, 'logits/rejected': -0.35478660464286804, 'epoch': 0.37} 37%|██████████████████████████████████████████████████████████████████████████████████▉ | 251/681 [10:34<17:25, 2.43s/it] 37%|███████████████████████████████████████████████████████████████████████████████████▎ | 252/681 [10:36<17:33, 2.45s/it] {'loss': 1.086, 'grad_norm': 22.33046531677246, 'learning_rate': 3.9860251571044666e-07, 'fcm_dpo/beta': 0.0024020476266741753, 'fcm_dpo/q_t': 0.4108833074569702, 'fcm_dpo/delta': -0.01919008605182171, 'fcm_dpo/margin': 153.368408203125, 'margin_dpo/margin_mean': 153.368408203125, 'margin_dpo/margin_std': 156.39324951171875, 'logps/chosen': -294.48114013671875, 'logps/rejected': -460.921875, 'logps/ref_chosen': -71.68563842773438, 'logps/ref_rejected': -84.75799560546875, 'KL/chosen_KL_mean': -222.79547119140625, 'KL/rejected_KL_mean': -376.16387939453125, 'KL/mean': -299.47967529296875, 'KL/std': 155.37213134765625, 'logits/chosen': -0.48540571331977844, 'logits/rejected': -0.44611865282058716, 'epoch': 0.37} 37%|███████████████████████████████████████████████████████████████████████████████████▎ | 252/681 [10:36<17:33, 2.45s/it] 37%|███████████████████████████████████████████████████████████████████████████████████▌ | 253/681 [10:39<18:03, 2.53s/it] {'loss': 1.0973, 'grad_norm': 20.50514793395996, 'learning_rate': 3.9756855672522986e-07, 'fcm_dpo/beta': 0.002407216466963291, 'fcm_dpo/q_t': 0.4112589955329895, 'fcm_dpo/delta': -0.02628351002931595, 'fcm_dpo/margin': 155.72752380371094, 'margin_dpo/margin_mean': 155.72752380371094, 'margin_dpo/margin_std': 186.75709533691406, 'logps/chosen': -262.3716125488281, 'logps/rejected': -447.667724609375, 'logps/ref_chosen': -69.1339340209961, 'logps/ref_rejected': -98.70252990722656, 'KL/chosen_KL_mean': -193.2376708984375, 'KL/rejected_KL_mean': -348.9652099609375, 'KL/mean': -271.1014404296875, 'KL/std': 167.41372680664062, 'logits/chosen': -0.44385430216789246, 'logits/rejected': -0.43464112281799316, 'epoch': 0.37} 37%|███████████████████████████████████████████████████████████████████████████████████▌ | 253/681 [10:39<18:03, 2.53s/it] 37%|███████████████████████████████████████████████████████████████████████████████████▉ | 254/681 [10:42<18:17, 2.57s/it] {'loss': 1.1643, 'grad_norm': 22.96527862548828, 'learning_rate': 3.965307091713037e-07, 'fcm_dpo/beta': 0.002402001526206732, 'fcm_dpo/q_t': 0.42862290143966675, 'fcm_dpo/delta': 0.03495839610695839, 'fcm_dpo/margin': 131.62384033203125, 'margin_dpo/margin_mean': 131.62384033203125, 'margin_dpo/margin_std': 228.5364532470703, 'logps/chosen': -255.1131591796875, 'logps/rejected': -422.8896484375, 'logps/ref_chosen': -54.154998779296875, 'logps/ref_rejected': -90.30764770507812, 'KL/chosen_KL_mean': -200.95816040039062, 'KL/rejected_KL_mean': -332.58203125, 'KL/mean': -266.77008056640625, 'KL/std': 181.447998046875, 'logits/chosen': -0.41199079155921936, 'logits/rejected': -0.39535099267959595, 'epoch': 0.37} 37%|███████████████████████████████████████████████████████████████████████████████████▉ | 254/681 [10:42<18:17, 2.57s/it] 37%|████████████████████████████████████████████████████████████████████████████████████▎ | 255/681 [10:44<17:54, 2.52s/it] {'loss': 1.1336, 'grad_norm': 21.276325225830078, 'learning_rate': 3.954890003969163e-07, 'fcm_dpo/beta': 0.0024028548505157232, 'fcm_dpo/q_t': 0.4198462963104248, 'fcm_dpo/delta': 0.007957128807902336, 'fcm_dpo/margin': 142.38449096679688, 'margin_dpo/margin_mean': 142.38449096679688, 'margin_dpo/margin_std': 206.68133544921875, 'logps/chosen': -270.968994140625, 'logps/rejected': -446.42041015625, 'logps/ref_chosen': -57.14167022705078, 'logps/ref_rejected': -90.2085952758789, 'KL/chosen_KL_mean': -213.82733154296875, 'KL/rejected_KL_mean': -356.2118225097656, 'KL/mean': -285.01959228515625, 'KL/std': 163.05636596679688, 'logits/chosen': -0.3709820806980133, 'logits/rejected': -0.3580097556114197, 'epoch': 0.37} 37%|████████████████████████████████████████████████████████████████████████████████████▎ | 255/681 [10:44<17:54, 2.52s/it] 38%|████████████████████████████████████████████████████████████████████████████████████▌ | 256/681 [10:47<17:55, 2.53s/it] {'loss': 1.1021, 'grad_norm': 23.000877380371094, 'learning_rate': 3.944434578520628e-07, 'fcm_dpo/beta': 0.0024023070000112057, 'fcm_dpo/q_t': 0.41207343339920044, 'fcm_dpo/delta': -0.027830585837364197, 'fcm_dpo/margin': 156.8439483642578, 'margin_dpo/margin_mean': 156.84396362304688, 'margin_dpo/margin_std': 205.78041076660156, 'logps/chosen': -247.78109741210938, 'logps/rejected': -442.02447509765625, 'logps/ref_chosen': -55.163490295410156, 'logps/ref_rejected': -92.56291961669922, 'KL/chosen_KL_mean': -192.61761474609375, 'KL/rejected_KL_mean': -349.4615478515625, 'KL/mean': -271.03961181640625, 'KL/std': 179.253662109375, 'logits/chosen': -0.3232497274875641, 'logits/rejected': -0.3319256007671356, 'epoch': 0.38} 38%|████████████████████████████████████████████████████████████████████████████████████▌ | 256/681 [10:47<17:55, 2.53s/it] 38%|████████████████████████████████████████████████████████████████████████████████████▉ | 257/681 [10:49<18:06, 2.56s/it] {'loss': 1.0929, 'grad_norm': 21.00106430053711, 'learning_rate': 3.933941090877615e-07, 'fcm_dpo/beta': 0.0023642941378057003, 'fcm_dpo/q_t': 0.4079574942588806, 'fcm_dpo/delta': -0.052151791751384735, 'fcm_dpo/margin': 168.72293090820312, 'margin_dpo/margin_mean': 168.72293090820312, 'margin_dpo/margin_std': 215.62423706054688, 'logps/chosen': -240.22640991210938, 'logps/rejected': -439.0635986328125, 'logps/ref_chosen': -49.42369842529297, 'logps/ref_rejected': -79.53791809082031, 'KL/chosen_KL_mean': -190.80270385742188, 'KL/rejected_KL_mean': -359.5256652832031, 'KL/mean': -275.1641845703125, 'KL/std': 190.19740295410156, 'logits/chosen': -0.3763759434223175, 'logits/rejected': -0.36591070890426636, 'epoch': 0.38} 38%|████████████████████████████████████████████████████████████████████████████████████▉ | 257/681 [10:49<18:06, 2.56s/it] 38%|█████████████████████████████████████████████████████████████████████████████████████▏ | 258/681 [10:51<17:20, 2.46s/it] {'loss': 1.1166, 'grad_norm': 20.96170425415039, 'learning_rate': 3.923409817553284e-07, 'fcm_dpo/beta': 0.002365153282880783, 'fcm_dpo/q_t': 0.4098193347454071, 'fcm_dpo/delta': -0.036950256675481796, 'fcm_dpo/margin': 162.99920654296875, 'margin_dpo/margin_mean': 162.99920654296875, 'margin_dpo/margin_std': 244.92196655273438, 'logps/chosen': -318.42694091796875, 'logps/rejected': -518.0321044921875, 'logps/ref_chosen': -59.384124755859375, 'logps/ref_rejected': -95.99010467529297, 'KL/chosen_KL_mean': -259.0428161621094, 'KL/rejected_KL_mean': -422.0419921875, 'KL/mean': -340.54241943359375, 'KL/std': 201.83018493652344, 'logits/chosen': -0.3399478793144226, 'logits/rejected': -0.3372340202331543, 'epoch': 0.38} 38%|█████████████████████████████████████████████████████████████████████████████████████▏ | 258/681 [10:51<17:20, 2.46s/it] 38%|█████████████████████████████████████████████████████████████████████████████████████▌ | 259/681 [10:54<17:24, 2.48s/it] {'loss': 1.1583, 'grad_norm': 20.399890899658203, 'learning_rate': 3.9128410360564793e-07, 'fcm_dpo/beta': 0.00236131576821208, 'fcm_dpo/q_t': 0.4273309111595154, 'fcm_dpo/delta': 0.03512916713953018, 'fcm_dpo/margin': 133.784423828125, 'margin_dpo/margin_mean': 133.784423828125, 'margin_dpo/margin_std': 217.29360961914062, 'logps/chosen': -295.7747802734375, 'logps/rejected': -465.92254638671875, 'logps/ref_chosen': -52.828346252441406, 'logps/ref_rejected': -89.191650390625, 'KL/chosen_KL_mean': -242.94644165039062, 'KL/rejected_KL_mean': -376.73089599609375, 'KL/mean': -309.83868408203125, 'KL/std': 193.08038330078125, 'logits/chosen': -0.4055570065975189, 'logits/rejected': -0.40263453125953674, 'epoch': 0.38} 38%|█████████████████████████████████████████████████████████████████████████████████████▌ | 259/681 [10:54<17:24, 2.48s/it] 38%|█████████████████████████████████████████████████████████████████████████████████████▉ | 260/681 [10:57<17:44, 2.53s/it] {'loss': 1.0557, 'grad_norm': 22.08340072631836, 'learning_rate': 3.9022350248844246e-07, 'fcm_dpo/beta': 0.0023506833240389824, 'fcm_dpo/q_t': 0.40073201060295105, 'fcm_dpo/delta': -0.08932534605264664, 'fcm_dpo/margin': 185.25018310546875, 'margin_dpo/margin_mean': 185.25018310546875, 'margin_dpo/margin_std': 216.7088623046875, 'logps/chosen': -283.16656494140625, 'logps/rejected': -516.0888671875, 'logps/ref_chosen': -47.41767501831055, 'logps/ref_rejected': -95.08978271484375, 'KL/chosen_KL_mean': -235.74888610839844, 'KL/rejected_KL_mean': -420.99908447265625, 'KL/mean': -328.3739929199219, 'KL/std': 199.5541534423828, 'logits/chosen': -0.3329894542694092, 'logits/rejected': -0.34919166564941406, 'epoch': 0.38} 38%|█████████████████████████████████████████████████████████████████████████████████████▉ | 260/681 [10:57<17:44, 2.53s/it] 38%|██████████████████████████████████████████████████████████████████████████████████████▏ | 261/681 [10:59<17:00, 2.43s/it] {'loss': 1.1033, 'grad_norm': 18.893648147583008, 'learning_rate': 3.891592063515376e-07, 'fcm_dpo/beta': 0.002309254603460431, 'fcm_dpo/q_t': 0.41040754318237305, 'fcm_dpo/delta': -0.04260961338877678, 'fcm_dpo/margin': 169.17654418945312, 'margin_dpo/margin_mean': 169.17652893066406, 'margin_dpo/margin_std': 237.78912353515625, 'logps/chosen': -297.08056640625, 'logps/rejected': -501.74066162109375, 'logps/ref_chosen': -53.03137969970703, 'logps/ref_rejected': -88.51494598388672, 'KL/chosen_KL_mean': -244.0491943359375, 'KL/rejected_KL_mean': -413.2257080078125, 'KL/mean': -328.637451171875, 'KL/std': 211.37762451171875, 'logits/chosen': -0.30380675196647644, 'logits/rejected': -0.30368590354919434, 'epoch': 0.38} 38%|██████████████████████████████████████████████████████████████████████████████████████▏ | 261/681 [10:59<17:00, 2.43s/it] 38%|██████████████████████████████████████████████████████████████████████████████████████▌ | 262/681 [11:01<16:45, 2.40s/it] {'loss': 1.1353, 'grad_norm': 25.439929962158203, 'learning_rate': 3.880912432401264e-07, 'fcm_dpo/beta': 0.002329050563275814, 'fcm_dpo/q_t': 0.4243643879890442, 'fcm_dpo/delta': 0.028969408944249153, 'fcm_dpo/margin': 138.08815002441406, 'margin_dpo/margin_mean': 138.08815002441406, 'margin_dpo/margin_std': 185.788330078125, 'logps/chosen': -328.16534423828125, 'logps/rejected': -493.0518798828125, 'logps/ref_chosen': -59.620140075683594, 'logps/ref_rejected': -86.41853332519531, 'KL/chosen_KL_mean': -268.54522705078125, 'KL/rejected_KL_mean': -406.63336181640625, 'KL/mean': -337.58929443359375, 'KL/std': 185.41744995117188, 'logits/chosen': -0.344732403755188, 'logits/rejected': -0.3178238272666931, 'epoch': 0.38} 38%|██████████████████████████████████████████████████████████████████████████████████████▌ | 262/681 [11:01<16:45, 2.40s/it] 39%|██████████████████████████████████████████████████████████████████████████████████████▉ | 263/681 [11:04<16:44, 2.40s/it] {'loss': 1.061, 'grad_norm': 23.847797393798828, 'learning_rate': 3.870196412960302e-07, 'fcm_dpo/beta': 0.0022833282127976418, 'fcm_dpo/q_t': 0.3982081413269043, 'fcm_dpo/delta': -0.09349527209997177, 'fcm_dpo/margin': 192.16030883789062, 'margin_dpo/margin_mean': 192.16033935546875, 'margin_dpo/margin_std': 232.20291137695312, 'logps/chosen': -295.0876770019531, 'logps/rejected': -524.6842651367188, 'logps/ref_chosen': -59.42094421386719, 'logps/ref_rejected': -96.85720825195312, 'KL/chosen_KL_mean': -235.66673278808594, 'KL/rejected_KL_mean': -427.82708740234375, 'KL/mean': -331.74688720703125, 'KL/std': 215.85923767089844, 'logits/chosen': -0.36012065410614014, 'logits/rejected': -0.3382565975189209, 'epoch': 0.39} 39%|██████████████████████████████████████████████████████████████████████████████████████▉ | 263/681 [11:04<16:44, 2.40s/it] 39%|███████████████████████████████████████████████████████████████████████████████████████▏ | 264/681 [11:06<17:20, 2.49s/it] {'loss': 1.1174, 'grad_norm': 21.233423233032227, 'learning_rate': 3.8594442875695665e-07, 'fcm_dpo/beta': 0.002260984852910042, 'fcm_dpo/q_t': 0.4153786301612854, 'fcm_dpo/delta': -0.017950933426618576, 'fcm_dpo/margin': 162.06521606445312, 'margin_dpo/margin_mean': 162.06521606445312, 'margin_dpo/margin_std': 225.04757690429688, 'logps/chosen': -304.3999328613281, 'logps/rejected': -497.5992431640625, 'logps/ref_chosen': -62.722084045410156, 'logps/ref_rejected': -93.85620880126953, 'KL/chosen_KL_mean': -241.67784118652344, 'KL/rejected_KL_mean': -403.7430419921875, 'KL/mean': -322.71044921875, 'KL/std': 196.90768432617188, 'logits/chosen': -0.4053404927253723, 'logits/rejected': -0.3976580500602722, 'epoch': 0.39} 39%|███████████████████████████████████████████████████████████████████████████████████████▏ | 264/681 [11:06<17:20, 2.49s/it] 39%|███████████████████████████████████████████████████████████████████████████████████████▌ | 265/681 [11:09<17:20, 2.50s/it] {'loss': 1.1501, 'grad_norm': 23.371530532836914, 'learning_rate': 3.848656339557562e-07, 'fcm_dpo/beta': 0.002274434082210064, 'fcm_dpo/q_t': 0.4211368262767792, 'fcm_dpo/delta': 0.0024239865597337484, 'fcm_dpo/margin': 152.85475158691406, 'margin_dpo/margin_mean': 152.85475158691406, 'margin_dpo/margin_std': 261.6484069824219, 'logps/chosen': -328.435302734375, 'logps/rejected': -507.33917236328125, 'logps/ref_chosen': -61.971466064453125, 'logps/ref_rejected': -88.02059936523438, 'KL/chosen_KL_mean': -266.4638366699219, 'KL/rejected_KL_mean': -419.3185729980469, 'KL/mean': -342.8912353515625, 'KL/std': 219.68490600585938, 'logits/chosen': -0.3490335941314697, 'logits/rejected': -0.3347071707248688, 'epoch': 0.39} 39%|███████████████████████████████████████████████████████████████████████████████████████▌ | 265/681 [11:09<17:20, 2.50s/it] 39%|███████████████████████████████████████████████████████████████████████████████████████▉ | 266/681 [11:11<17:13, 2.49s/it] {'loss': 1.1911, 'grad_norm': 47.123313903808594, 'learning_rate': 3.8378328531967507e-07, 'fcm_dpo/beta': 0.0023039982188493013, 'fcm_dpo/q_t': 0.43739640712738037, 'fcm_dpo/delta': 0.08182872086763382, 'fcm_dpo/margin': 117.31837463378906, 'margin_dpo/margin_mean': 117.31837463378906, 'margin_dpo/margin_std': 212.25018310546875, 'logps/chosen': -336.3037109375, 'logps/rejected': -454.4936828613281, 'logps/ref_chosen': -67.09967041015625, 'logps/ref_rejected': -67.97122192382812, 'KL/chosen_KL_mean': -269.20404052734375, 'KL/rejected_KL_mean': -386.5224609375, 'KL/mean': -327.8632507324219, 'KL/std': 181.0565948486328, 'logits/chosen': -0.3748672306537628, 'logits/rejected': -0.340556800365448, 'epoch': 0.39} 39%|███████████████████████████████████████████████████████████████████████████████████████▉ | 266/681 [11:11<17:13, 2.49s/it] 39%|████████████████████████████████████████████████████████████████████████████████████████▏ | 267/681 [11:14<17:18, 2.51s/it] {'loss': 1.1456, 'grad_norm': 26.301164627075195, 'learning_rate': 3.8269741136960646e-07, 'fcm_dpo/beta': 0.0023088420275598764, 'fcm_dpo/q_t': 0.4222862124443054, 'fcm_dpo/delta': 0.011129170656204224, 'fcm_dpo/margin': 146.87808227539062, 'margin_dpo/margin_mean': 146.87808227539062, 'margin_dpo/margin_std': 237.48892211914062, 'logps/chosen': -305.61322021484375, 'logps/rejected': -473.6889953613281, 'logps/ref_chosen': -68.97075653076172, 'logps/ref_rejected': -90.16844940185547, 'KL/chosen_KL_mean': -236.6424560546875, 'KL/rejected_KL_mean': -383.52056884765625, 'KL/mean': -310.0815124511719, 'KL/std': 203.6986083984375, 'logits/chosen': -0.3820560872554779, 'logits/rejected': -0.3540261387825012, 'epoch': 0.39} 39%|████████████████████████████████████████████████████████████████████████████████████████▏ | 267/681 [11:14<17:18, 2.51s/it] 39%|████████████████████████████████████████████████████████████████████████████████████████▌ | 268/681 [11:16<17:15, 2.51s/it] {'loss': 1.1305, 'grad_norm': 24.127378463745117, 'learning_rate': 3.8160804071933894e-07, 'fcm_dpo/beta': 0.002304880414158106, 'fcm_dpo/q_t': 0.41689735651016235, 'fcm_dpo/delta': -0.014616616070270538, 'fcm_dpo/margin': 157.86981201171875, 'margin_dpo/margin_mean': 157.86981201171875, 'margin_dpo/margin_std': 247.58233642578125, 'logps/chosen': -305.2667236328125, 'logps/rejected': -508.8839111328125, 'logps/ref_chosen': -55.90031051635742, 'logps/ref_rejected': -101.64763641357422, 'KL/chosen_KL_mean': -249.36642456054688, 'KL/rejected_KL_mean': -407.23626708984375, 'KL/mean': -328.30133056640625, 'KL/std': 204.91433715820312, 'logits/chosen': -0.35487100481987, 'logits/rejected': -0.35821008682250977, 'epoch': 0.39} 39%|████████████████████████████████████████████████████████████████████████████████████████▌ | 268/681 [11:16<17:15, 2.51s/it] 40%|████████████████████████████████████████████████████████████████████████████████████████▉ | 269/681 [11:19<17:05, 2.49s/it] {'loss': 1.095, 'grad_norm': 24.954824447631836, 'learning_rate': 3.8051520207480204e-07, 'fcm_dpo/beta': 0.0022870278917253017, 'fcm_dpo/q_t': 0.40323197841644287, 'fcm_dpo/delta': -0.0761084258556366, 'fcm_dpo/margin': 184.93511962890625, 'margin_dpo/margin_mean': 184.93511962890625, 'margin_dpo/margin_std': 267.55242919921875, 'logps/chosen': -348.9552307128906, 'logps/rejected': -571.2001953125, 'logps/ref_chosen': -70.03955841064453, 'logps/ref_rejected': -107.34937286376953, 'KL/chosen_KL_mean': -278.9156494140625, 'KL/rejected_KL_mean': -463.85076904296875, 'KL/mean': -371.38323974609375, 'KL/std': 207.69430541992188, 'logits/chosen': -0.3960835933685303, 'logits/rejected': -0.37948912382125854, 'epoch': 0.4} 40%|████████████████████████████████████████████████████████████████████████████████████████▉ | 269/681 [11:19<17:05, 2.49s/it] 40%|█████████████████████████████████████████████████████████████████████████████████████████▏ | 270/681 [11:21<17:26, 2.55s/it] {'loss': 1.1639, 'grad_norm': 21.303037643432617, 'learning_rate': 3.794189242333106e-07, 'fcm_dpo/beta': 0.002292545512318611, 'fcm_dpo/q_t': 0.42589646577835083, 'fcm_dpo/delta': 0.030957801267504692, 'fcm_dpo/margin': 139.4788360595703, 'margin_dpo/margin_mean': 139.4788360595703, 'margin_dpo/margin_std': 239.0890350341797, 'logps/chosen': -316.8404541015625, 'logps/rejected': -496.7144470214844, 'logps/ref_chosen': -69.53347778320312, 'logps/ref_rejected': -109.92864990234375, 'KL/chosen_KL_mean': -247.30697631835938, 'KL/rejected_KL_mean': -386.7857971191406, 'KL/mean': -317.04638671875, 'KL/std': 184.7318115234375, 'logits/chosen': -0.4222424626350403, 'logits/rejected': -0.4178420305252075, 'epoch': 0.4} 40%|█████████████████████████████████████████████████████████████████████████████████████████▏ | 270/681 [11:21<17:26, 2.55s/it] 40%|█████████████████████████████████████████████████████████████████████████████████████████▌ | 271/681 [11:24<17:04, 2.50s/it] {'loss': 1.0878, 'grad_norm': 21.11397361755371, 'learning_rate': 3.7831923608280514e-07, 'fcm_dpo/beta': 0.0022674724459648132, 'fcm_dpo/q_t': 0.4088677167892456, 'fcm_dpo/delta': -0.04571424052119255, 'fcm_dpo/margin': 173.60653686523438, 'margin_dpo/margin_mean': 173.60653686523438, 'margin_dpo/margin_std': 217.1529541015625, 'logps/chosen': -285.32781982421875, 'logps/rejected': -494.68365478515625, 'logps/ref_chosen': -56.76456832885742, 'logps/ref_rejected': -92.51383972167969, 'KL/chosen_KL_mean': -228.56326293945312, 'KL/rejected_KL_mean': -402.1697998046875, 'KL/mean': -315.3665466308594, 'KL/std': 187.98452758789062, 'logits/chosen': -0.3680250346660614, 'logits/rejected': -0.3530626893043518, 'epoch': 0.4} 40%|█████████████████████████████████████████████████████████████████████████████████████████▌ | 271/681 [11:24<17:04, 2.50s/it] 40%|█████████████████████████████████████████████████████████████████████████████████████████▊ | 272/681 [11:26<17:26, 2.56s/it] {'loss': 1.007, 'grad_norm': 29.405025482177734, 'learning_rate': 3.772161666010912e-07, 'fcm_dpo/beta': 0.0022256127558648586, 'fcm_dpo/q_t': 0.38386717438697815, 'fcm_dpo/delta': -0.1517450511455536, 'fcm_dpo/margin': 222.18914794921875, 'margin_dpo/margin_mean': 222.18914794921875, 'margin_dpo/margin_std': 215.62319946289062, 'logps/chosen': -265.39501953125, 'logps/rejected': -543.6298217773438, 'logps/ref_chosen': -49.497154235839844, 'logps/ref_rejected': -105.54279327392578, 'KL/chosen_KL_mean': -215.89785766601562, 'KL/rejected_KL_mean': -438.0870361328125, 'KL/mean': -326.992431640625, 'KL/std': 207.18685913085938, 'logits/chosen': -0.35582485795021057, 'logits/rejected': -0.36779093742370605, 'epoch': 0.4} 40%|█████████████████████████████████████████████████████████████████████████████████████████▊ | 272/681 [11:27<17:26, 2.56s/it] 40%|██████████████████████████████████████████████████████████████████████████████████████████▏ | 273/681 [11:29<17:00, 2.50s/it] {'loss': 1.0435, 'grad_norm': 31.42890739440918, 'learning_rate': 3.761097448550755e-07, 'fcm_dpo/beta': 0.0021587321534752846, 'fcm_dpo/q_t': 0.3933224678039551, 'fcm_dpo/delta': -0.11479845643043518, 'fcm_dpo/margin': 212.72059631347656, 'margin_dpo/margin_mean': 212.72059631347656, 'margin_dpo/margin_std': 245.05528259277344, 'logps/chosen': -327.8038330078125, 'logps/rejected': -570.047607421875, 'logps/ref_chosen': -62.97539520263672, 'logps/ref_rejected': -92.49858093261719, 'KL/chosen_KL_mean': -264.82843017578125, 'KL/rejected_KL_mean': -477.54901123046875, 'KL/mean': -371.188720703125, 'KL/std': 212.29110717773438, 'logits/chosen': -0.3145291805267334, 'logits/rejected': -0.2950317859649658, 'epoch': 0.4} 40%|██████████████████████████████████████████████████████████████████████████████████████████▏ | 273/681 [11:29<17:00, 2.50s/it] 40%|██████████████████████████████████████████████████████████████████████████████████████████▌ | 274/681 [11:31<16:44, 2.47s/it] {'loss': 1.1361, 'grad_norm': 33.96529769897461, 'learning_rate': 3.75e-07, 'fcm_dpo/beta': 0.0021619275212287903, 'fcm_dpo/q_t': 0.42174428701400757, 'fcm_dpo/delta': 0.012957748025655746, 'fcm_dpo/margin': 155.98263549804688, 'margin_dpo/margin_mean': 155.98263549804688, 'margin_dpo/margin_std': 228.75283813476562, 'logps/chosen': -375.6812744140625, 'logps/rejected': -553.3292846679688, 'logps/ref_chosen': -55.66770935058594, 'logps/ref_rejected': -77.33308410644531, 'KL/chosen_KL_mean': -320.0135498046875, 'KL/rejected_KL_mean': -475.9962158203125, 'KL/mean': -398.0048828125, 'KL/std': 196.2461700439453, 'logits/chosen': -0.2863592803478241, 'logits/rejected': -0.26870518922805786, 'epoch': 0.4} 40%|██████████████████████████████████████████████████████████████████████████████████████████▌ | 274/681 [11:31<16:44, 2.47s/it] 40%|██████████████████████████████████████████████████████████████████████████████████████████▊ | 275/681 [11:34<17:03, 2.52s/it] {'loss': 1.1025, 'grad_norm': 26.547245025634766, 'learning_rate': 3.738869612786737e-07, 'fcm_dpo/beta': 0.0021535661071538925, 'fcm_dpo/q_t': 0.4124983847141266, 'fcm_dpo/delta': -0.024154571816325188, 'fcm_dpo/margin': 173.29312133789062, 'margin_dpo/margin_mean': 173.29312133789062, 'margin_dpo/margin_std': 222.11753845214844, 'logps/chosen': -298.476806640625, 'logps/rejected': -516.4788818359375, 'logps/ref_chosen': -48.594703674316406, 'logps/ref_rejected': -93.30369567871094, 'KL/chosen_KL_mean': -249.88211059570312, 'KL/rejected_KL_mean': -423.1752014160156, 'KL/mean': -336.5286865234375, 'KL/std': 197.85572814941406, 'logits/chosen': -0.3534200191497803, 'logits/rejected': -0.3581305146217346, 'epoch': 0.4} 40%|██████████████████████████████████████████████████████████████████████████████████████████▊ | 275/681 [11:34<17:03, 2.52s/it] 41%|███████████████████████████████████████████████████████████████████████████████████████████▏ | 276/681 [11:36<16:58, 2.51s/it] {'loss': 1.131, 'grad_norm': 25.184022903442383, 'learning_rate': 3.7277065802070204e-07, 'fcm_dpo/beta': 0.0021390733309090137, 'fcm_dpo/q_t': 0.4185035824775696, 'fcm_dpo/delta': -0.008444213308393955, 'fcm_dpo/margin': 167.38851928710938, 'margin_dpo/margin_mean': 167.38851928710938, 'margin_dpo/margin_std': 257.09930419921875, 'logps/chosen': -336.540771484375, 'logps/rejected': -517.7175903320312, 'logps/ref_chosen': -56.57740783691406, 'logps/ref_rejected': -70.36566925048828, 'KL/chosen_KL_mean': -279.96337890625, 'KL/rejected_KL_mean': -447.3519287109375, 'KL/mean': -363.65765380859375, 'KL/std': 210.06130981445312, 'logits/chosen': -0.34166771173477173, 'logits/rejected': -0.323291152715683, 'epoch': 0.41} 41%|███████████████████████████████████████████████████████████████████████████████████████████▏ | 276/681 [11:36<16:58, 2.51s/it] 41%|███████████████████████████████████████████████████████████████████████████████████████████▌ | 277/681 [11:39<16:22, 2.43s/it] {'loss': 1.1107, 'grad_norm': 24.468589782714844, 'learning_rate': 3.71651119641714e-07, 'fcm_dpo/beta': 0.0021361508406698704, 'fcm_dpo/q_t': 0.41165226697921753, 'fcm_dpo/delta': -0.032061617821455, 'fcm_dpo/margin': 178.2769012451172, 'margin_dpo/margin_mean': 178.2769012451172, 'margin_dpo/margin_std': 252.54180908203125, 'logps/chosen': -358.7228698730469, 'logps/rejected': -573.6094970703125, 'logps/ref_chosen': -56.27156066894531, 'logps/ref_rejected': -92.88127136230469, 'KL/chosen_KL_mean': -302.4512939453125, 'KL/rejected_KL_mean': -480.72821044921875, 'KL/mean': -391.5897521972656, 'KL/std': 209.8077850341797, 'logits/chosen': -0.3302989602088928, 'logits/rejected': -0.3095225393772125, 'epoch': 0.41} 41%|███████████████████████████████████████████████████████████████████████████████████████████▌ | 277/681 [11:39<16:22, 2.43s/it] 41%|███████████████████████████████████████████████████████████████████████████████████████████▊ | 278/681 [11:41<16:47, 2.50s/it] {'loss': 1.056, 'grad_norm': 20.533023834228516, 'learning_rate': 3.705283756425872e-07, 'fcm_dpo/beta': 0.002095486968755722, 'fcm_dpo/q_t': 0.3987731635570526, 'fcm_dpo/delta': -0.09022445231676102, 'fcm_dpo/margin': 208.06884765625, 'margin_dpo/margin_mean': 208.06884765625, 'margin_dpo/margin_std': 240.28025817871094, 'logps/chosen': -309.9818420410156, 'logps/rejected': -556.3623046875, 'logps/ref_chosen': -52.94194030761719, 'logps/ref_rejected': -91.25357818603516, 'KL/chosen_KL_mean': -257.0399169921875, 'KL/rejected_KL_mean': -465.1087341308594, 'KL/mean': -361.0743103027344, 'KL/std': 211.69451904296875, 'logits/chosen': -0.3557165265083313, 'logits/rejected': -0.36121219396591187, 'epoch': 0.41} 41%|███████████████████████████████████████████████████████████████████████████████████████████▊ | 278/681 [11:41<16:47, 2.50s/it] 41%|████████████████████████████████████████████████████████████████████████████████████████████▏ | 279/681 [11:44<16:48, 2.51s/it] {'loss': 1.0884, 'grad_norm': 25.10165786743164, 'learning_rate': 3.6940245560867e-07, 'fcm_dpo/beta': 0.0020560654811561108, 'fcm_dpo/q_t': 0.40380701422691345, 'fcm_dpo/delta': -0.07781803607940674, 'fcm_dpo/margin': 206.0543975830078, 'margin_dpo/margin_mean': 206.05441284179688, 'margin_dpo/margin_std': 287.540771484375, 'logps/chosen': -346.0311279296875, 'logps/rejected': -591.2957153320312, 'logps/ref_chosen': -48.641319274902344, 'logps/ref_rejected': -87.8514404296875, 'KL/chosen_KL_mean': -297.38983154296875, 'KL/rejected_KL_mean': -503.44427490234375, 'KL/mean': -400.4170227050781, 'KL/std': 230.00518798828125, 'logits/chosen': -0.2838994860649109, 'logits/rejected': -0.2843170762062073, 'epoch': 0.41} 41%|████████████████████████████████████████████████████████████████████████████████████████████▏ | 279/681 [11:44<16:48, 2.51s/it] 41%|████████████████████████████████████████████████████████████████████████████████████████████▌ | 280/681 [11:46<16:57, 2.54s/it] {'loss': 1.0566, 'grad_norm': 28.02513885498047, 'learning_rate': 3.6827338920900253e-07, 'fcm_dpo/beta': 0.0020319321192801, 'fcm_dpo/q_t': 0.39913302659988403, 'fcm_dpo/delta': -0.08006896078586578, 'fcm_dpo/margin': 209.9322052001953, 'margin_dpo/margin_mean': 209.9322052001953, 'margin_dpo/margin_std': 231.01846313476562, 'logps/chosen': -348.71185302734375, 'logps/rejected': -598.4658203125, 'logps/ref_chosen': -58.797122955322266, 'logps/ref_rejected': -98.61885070800781, 'KL/chosen_KL_mean': -289.91473388671875, 'KL/rejected_KL_mean': -499.84698486328125, 'KL/mean': -394.880859375, 'KL/std': 210.3863525390625, 'logits/chosen': -0.3529083728790283, 'logits/rejected': -0.35713738203048706, 'epoch': 0.41} 41%|████████████████████████████████████████████████████████████████████████████████████████████▌ | 280/681 [11:46<16:57, 2.54s/it] 41%|████████████████████████████████████████████████████████████████████████████████████████████▊ | 281/681 [11:49<16:56, 2.54s/it] {'loss': 1.0996, 'grad_norm': 22.01675796508789, 'learning_rate': 3.6714120619553435e-07, 'fcm_dpo/beta': 0.0020250456873327494, 'fcm_dpo/q_t': 0.41141772270202637, 'fcm_dpo/delta': -0.02170453406870365, 'fcm_dpo/margin': 183.09893798828125, 'margin_dpo/margin_mean': 183.0989227294922, 'margin_dpo/margin_std': 222.86624145507812, 'logps/chosen': -317.03594970703125, 'logps/rejected': -525.5289306640625, 'logps/ref_chosen': -55.488521575927734, 'logps/ref_rejected': -80.88258361816406, 'KL/chosen_KL_mean': -261.54742431640625, 'KL/rejected_KL_mean': -444.6463623046875, 'KL/mean': -353.0968933105469, 'KL/std': 201.8822021484375, 'logits/chosen': -0.38511866331100464, 'logits/rejected': -0.3614617586135864, 'epoch': 0.41} 41%|████████████████████████████████████████████████████████████████████████████████████████████▊ | 281/681 [11:49<16:56, 2.54s/it] 41%|█████████████████████████████████████████████████████████████████████████████████████████████▏ | 282/681 [11:51<16:49, 2.53s/it] {'loss': 1.1751, 'grad_norm': 22.090290069580078, 'learning_rate': 3.660059364023408e-07, 'fcm_dpo/beta': 0.0020167033653706312, 'fcm_dpo/q_t': 0.43511486053466797, 'fcm_dpo/delta': 7.871291745686904e-05, 'fcm_dpo/margin': 140.53196716308594, 'margin_dpo/margin_mean': 140.53196716308594, 'margin_dpo/margin_std': 235.73179626464844, 'logps/chosen': -345.99066162109375, 'logps/rejected': -508.80352783203125, 'logps/ref_chosen': -73.07014465332031, 'logps/ref_rejected': -95.35098266601562, 'KL/chosen_KL_mean': -272.9205322265625, 'KL/rejected_KL_mean': -413.4525146484375, 'KL/mean': -343.1865234375, 'KL/std': 208.0769500732422, 'logits/chosen': -0.4389272928237915, 'logits/rejected': -0.41942620277404785, 'epoch': 0.41} 41%|█████████████████████████████████████████████████████████████████████████████████████████████▏ | 282/681 [11:52<16:49, 2.53s/it] 42%|█████████████████████████████████████████████████████████████████████████████████████████████▌ | 283/681 [11:54<16:44, 2.52s/it] {'loss': 1.0528, 'grad_norm': 32.03657531738281, 'learning_rate': 3.6486760974483685e-07, 'fcm_dpo/beta': 0.0020004159305244684, 'fcm_dpo/q_t': 0.3984811007976532, 'fcm_dpo/delta': -0.08047128468751907, 'fcm_dpo/margin': 213.47683715820312, 'margin_dpo/margin_mean': 213.47683715820312, 'margin_dpo/margin_std': 221.32455444335938, 'logps/chosen': -327.881591796875, 'logps/rejected': -576.446533203125, 'logps/ref_chosen': -61.89844512939453, 'logps/ref_rejected': -96.98655700683594, 'KL/chosen_KL_mean': -265.983154296875, 'KL/rejected_KL_mean': -479.46002197265625, 'KL/mean': -372.7215576171875, 'KL/std': 232.66961669921875, 'logits/chosen': -0.39184266328811646, 'logits/rejected': -0.3945959210395813, 'epoch': 0.42} 42%|█████████████████████████████████████████████████████████████████████████████████████████████▌ | 283/681 [11:54<16:44, 2.52s/it] 42%|█████████████████████████████████████████████████████████████████████████████████████████████▊ | 284/681 [11:57<17:06, 2.59s/it] {'loss': 1.0754, 'grad_norm': 24.56162452697754, 'learning_rate': 3.6372625621898863e-07, 'fcm_dpo/beta': 0.0019676508381962776, 'fcm_dpo/q_t': 0.40764474868774414, 'fcm_dpo/delta': -0.04589087888598442, 'fcm_dpo/margin': 200.21408081054688, 'margin_dpo/margin_mean': 200.21408081054688, 'margin_dpo/margin_std': 222.98330688476562, 'logps/chosen': -304.5186767578125, 'logps/rejected': -539.7664794921875, 'logps/ref_chosen': -58.4355354309082, 'logps/ref_rejected': -93.46926879882812, 'KL/chosen_KL_mean': -246.0831298828125, 'KL/rejected_KL_mean': -446.2972106933594, 'KL/mean': -346.190185546875, 'KL/std': 212.89483642578125, 'logits/chosen': -0.452556312084198, 'logits/rejected': -0.43920326232910156, 'epoch': 0.42} 42%|█████████████████████████████████████████████████████████████████████████████████████████████▊ | 284/681 [11:57<17:06, 2.59s/it] 42%|██████████████████████████████████████████████████████████████████████████████████████████████▏ | 285/681 [11:59<16:58, 2.57s/it] {'loss': 1.1174, 'grad_norm': 19.697229385375977, 'learning_rate': 3.625819059005228e-07, 'fcm_dpo/beta': 0.0019783233292400837, 'fcm_dpo/q_t': 0.41872942447662354, 'fcm_dpo/delta': 0.011391036212444305, 'fcm_dpo/margin': 171.1427764892578, 'margin_dpo/margin_mean': 171.14279174804688, 'margin_dpo/margin_std': 203.82138061523438, 'logps/chosen': -355.63037109375, 'logps/rejected': -559.6677856445312, 'logps/ref_chosen': -66.23219299316406, 'logps/ref_rejected': -99.1268310546875, 'KL/chosen_KL_mean': -289.398193359375, 'KL/rejected_KL_mean': -460.54095458984375, 'KL/mean': -374.96954345703125, 'KL/std': 184.91241455078125, 'logits/chosen': -0.41778579354286194, 'logits/rejected': -0.4037598967552185, 'epoch': 0.42} 42%|██████████████████████████████████████████████████████████████████████████████████████████████▏ | 285/681 [11:59<16:58, 2.57s/it] 42%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 286/681 [12:02<16:46, 2.55s/it] {'loss': 1.0874, 'grad_norm': 24.665103912353516, 'learning_rate': 3.614345889441346e-07, 'fcm_dpo/beta': 0.001961304107680917, 'fcm_dpo/q_t': 0.4081750810146332, 'fcm_dpo/delta': -0.04113783687353134, 'fcm_dpo/margin': 198.61988830566406, 'margin_dpo/margin_mean': 198.619873046875, 'margin_dpo/margin_std': 240.56381225585938, 'logps/chosen': -360.4164123535156, 'logps/rejected': -574.6737060546875, 'logps/ref_chosen': -72.95100402832031, 'logps/ref_rejected': -88.58845520019531, 'KL/chosen_KL_mean': -287.46539306640625, 'KL/rejected_KL_mean': -486.08526611328125, 'KL/mean': -386.77532958984375, 'KL/std': 219.8089141845703, 'logits/chosen': -0.4218488931655884, 'logits/rejected': -0.40640929341316223, 'epoch': 0.42} 42%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 286/681 [12:02<16:46, 2.55s/it] 42%|██████████████████████████████████████████████████████████████████████████████████████████████▊ | 287/681 [12:04<16:06, 2.45s/it] {'loss': 1.1329, 'grad_norm': 21.264787673950195, 'learning_rate': 3.6028433558269275e-07, 'fcm_dpo/beta': 0.001964614959433675, 'fcm_dpo/q_t': 0.42457687854766846, 'fcm_dpo/delta': 0.029743198305368423, 'fcm_dpo/margin': 163.4861297607422, 'margin_dpo/margin_mean': 163.4861297607422, 'margin_dpo/margin_std': 215.17059326171875, 'logps/chosen': -343.37506103515625, 'logps/rejected': -523.01611328125, 'logps/ref_chosen': -61.54115295410156, 'logps/ref_rejected': -77.69607543945312, 'KL/chosen_KL_mean': -281.83392333984375, 'KL/rejected_KL_mean': -445.320068359375, 'KL/mean': -363.5769958496094, 'KL/std': 199.60064697265625, 'logits/chosen': -0.3639473021030426, 'logits/rejected': -0.33845168352127075, 'epoch': 0.42} 42%|██████████████████████████████████████████████████████████████████████████████████████████████▊ | 287/681 [12:04<16:06, 2.45s/it] 42%|███████████████████████████████████████████████████████████████████████████████████████████████▏ | 288/681 [12:07<16:14, 2.48s/it] {'loss': 1.0781, 'grad_norm': 23.609954833984375, 'learning_rate': 3.5913117612644327e-07, 'fcm_dpo/beta': 0.0019424078054726124, 'fcm_dpo/q_t': 0.40794262290000916, 'fcm_dpo/delta': -0.03923293575644493, 'fcm_dpo/margin': 199.06297302246094, 'margin_dpo/margin_mean': 199.06297302246094, 'margin_dpo/margin_std': 205.2132568359375, 'logps/chosen': -328.80242919921875, 'logps/rejected': -558.5399169921875, 'logps/ref_chosen': -56.661224365234375, 'logps/ref_rejected': -87.33570098876953, 'KL/chosen_KL_mean': -272.1412048339844, 'KL/rejected_KL_mean': -471.20416259765625, 'KL/mean': -371.6726989746094, 'KL/std': 197.98980712890625, 'logits/chosen': -0.38256457448005676, 'logits/rejected': -0.3666524887084961, 'epoch': 0.42} 42%|███████████████████████████████████████████████████████████████████████████████████████████████▏ | 288/681 [12:07<16:14, 2.48s/it] 42%|███████████████████████████████████████████████████████████████████████████████████████████████▍ | 289/681 [12:09<16:13, 2.48s/it] {'loss': 1.05, 'grad_norm': 25.743732452392578, 'learning_rate': 3.5797514096221024e-07, 'fcm_dpo/beta': 0.001931286184117198, 'fcm_dpo/q_t': 0.3978983163833618, 'fcm_dpo/delta': -0.08991145342588425, 'fcm_dpo/margin': 225.79046630859375, 'margin_dpo/margin_mean': 225.7904815673828, 'margin_dpo/margin_std': 243.15834045410156, 'logps/chosen': -323.15423583984375, 'logps/rejected': -591.35693359375, 'logps/ref_chosen': -45.23039245605469, 'logps/ref_rejected': -87.64266967773438, 'KL/chosen_KL_mean': -277.923828125, 'KL/rejected_KL_mean': -503.71429443359375, 'KL/mean': -390.819091796875, 'KL/std': 227.17816162109375, 'logits/chosen': -0.3490581512451172, 'logits/rejected': -0.35004904866218567, 'epoch': 0.42} 42%|███████████████████████████████████████████████████████████████████████████████████████████████▍ | 289/681 [12:09<16:13, 2.48s/it] 43%|███████████████████████████████████████████████████████████████████████████████████████████████▊ | 290/681 [12:12<16:15, 2.50s/it] {'loss': 1.0686, 'grad_norm': 22.0297794342041, 'learning_rate': 3.568162605525952e-07, 'fcm_dpo/beta': 0.0018900145078077912, 'fcm_dpo/q_t': 0.4012698531150818, 'fcm_dpo/delta': -0.08279038965702057, 'fcm_dpo/margin': 227.02496337890625, 'margin_dpo/margin_mean': 227.02493286132812, 'margin_dpo/margin_std': 284.237060546875, 'logps/chosen': -366.9936218261719, 'logps/rejected': -655.255615234375, 'logps/ref_chosen': -55.47149658203125, 'logps/ref_rejected': -116.70857238769531, 'KL/chosen_KL_mean': -311.5221252441406, 'KL/rejected_KL_mean': -538.5470581054688, 'KL/mean': -425.03460693359375, 'KL/std': 240.62857055664062, 'logits/chosen': -0.3336731791496277, 'logits/rejected': -0.3561541438102722, 'epoch': 0.43} 43%|███████████████████████████████████████████████████████████████████████████████████████████████▊ | 290/681 [12:12<16:15, 2.50s/it] 43%|████████████████████████████████████████████████████████████████████████████████████████████████▏ | 291/681 [12:14<16:32, 2.55s/it] {'loss': 1.0938, 'grad_norm': 25.234416961669922, 'learning_rate': 3.5565456543517485e-07, 'fcm_dpo/beta': 0.0018817877862602472, 'fcm_dpo/q_t': 0.4090266227722168, 'fcm_dpo/delta': -0.03895223140716553, 'fcm_dpo/margin': 205.79135131835938, 'margin_dpo/margin_mean': 205.79135131835938, 'margin_dpo/margin_std': 257.6557312011719, 'logps/chosen': -346.0074462890625, 'logps/rejected': -577.8355102539062, 'logps/ref_chosen': -63.26036834716797, 'logps/ref_rejected': -89.29708862304688, 'KL/chosen_KL_mean': -282.7470703125, 'KL/rejected_KL_mean': -488.5384216308594, 'KL/mean': -385.64276123046875, 'KL/std': 215.71090698242188, 'logits/chosen': -0.33878666162490845, 'logits/rejected': -0.3268297016620636, 'epoch': 0.43} 43%|████████████████████████████████████████████████████████████████████████████████████████████████▏ | 291/681 [12:14<16:32, 2.55s/it] 43%|████████████████████████████████████████████████████████████████████████████████████████████████▍ | 292/681 [12:17<16:09, 2.49s/it] {'loss': 1.0843, 'grad_norm': 20.208969116210938, 'learning_rate': 3.5449008622169583e-07, 'fcm_dpo/beta': 0.0018554746638983488, 'fcm_dpo/q_t': 0.40268850326538086, 'fcm_dpo/delta': -0.07109744101762772, 'fcm_dpo/margin': 225.3687744140625, 'margin_dpo/margin_mean': 225.3687744140625, 'margin_dpo/margin_std': 301.27008056640625, 'logps/chosen': -353.88006591796875, 'logps/rejected': -615.2916870117188, 'logps/ref_chosen': -53.91852951049805, 'logps/ref_rejected': -89.96138000488281, 'KL/chosen_KL_mean': -299.9615173339844, 'KL/rejected_KL_mean': -525.330322265625, 'KL/mean': -412.6459045410156, 'KL/std': 256.40252685546875, 'logits/chosen': -0.3124640882015228, 'logits/rejected': -0.2998918890953064, 'epoch': 0.43} 43%|████████████████████████████████████████████████████████████████████████████████████████████████▍ | 292/681 [12:17<16:09, 2.49s/it] 43%|████████████████████████████████████████████████████████████████████████████████████████████████▊ | 293/681 [12:19<16:21, 2.53s/it] {'loss': 1.1539, 'grad_norm': 38.751129150390625, 'learning_rate': 3.5332285359726846e-07, 'fcm_dpo/beta': 0.0018549463711678982, 'fcm_dpo/q_t': 0.4270939826965332, 'fcm_dpo/delta': 0.032890163362026215, 'fcm_dpo/margin': 171.4840087890625, 'margin_dpo/margin_mean': 171.4840087890625, 'margin_dpo/margin_std': 275.24749755859375, 'logps/chosen': -356.98333740234375, 'logps/rejected': -545.9437255859375, 'logps/ref_chosen': -60.376033782958984, 'logps/ref_rejected': -77.85244750976562, 'KL/chosen_KL_mean': -296.6073303222656, 'KL/rejected_KL_mean': -468.09130859375, 'KL/mean': -382.3493347167969, 'KL/std': 245.44065856933594, 'logits/chosen': -0.35250991582870483, 'logits/rejected': -0.3470958471298218, 'epoch': 0.43} 43%|████████████████████████████████████████████████████████████████████████████████████████████████▊ | 293/681 [12:19<16:21, 2.53s/it] 43%|█████████████████████████████████████████████████████████████████████████████████████████████████▏ | 294/681 [12:22<16:06, 2.50s/it] {'loss': 1.1213, 'grad_norm': 19.413515090942383, 'learning_rate': 3.5215289831955786e-07, 'fcm_dpo/beta': 0.0018507996574044228, 'fcm_dpo/q_t': 0.4179803133010864, 'fcm_dpo/delta': -0.005858566612005234, 'fcm_dpo/margin': 192.11663818359375, 'margin_dpo/margin_mean': 192.1166534423828, 'margin_dpo/margin_std': 271.4549560546875, 'logps/chosen': -311.54608154296875, 'logps/rejected': -537.47216796875, 'logps/ref_chosen': -48.0875358581543, 'logps/ref_rejected': -81.89698791503906, 'KL/chosen_KL_mean': -263.4585266113281, 'KL/rejected_KL_mean': -455.5751953125, 'KL/mean': -359.516845703125, 'KL/std': 216.63278198242188, 'logits/chosen': -0.34789374470710754, 'logits/rejected': -0.3532540202140808, 'epoch': 0.43} 43%|█████████████████████████████████████████████████████████████████████████████████████████████████▏ | 294/681 [12:22<16:06, 2.50s/it] 43%|█████████████████████████████████████████████████████████████████████████████████████████████████▍ | 295/681 [12:24<15:51, 2.47s/it] {'loss': 1.0985, 'grad_norm': 30.26310157775879, 'learning_rate': 3.509802512179737e-07, 'fcm_dpo/beta': 0.0018429165938869119, 'fcm_dpo/q_t': 0.40905821323394775, 'fcm_dpo/delta': -0.046867527067661285, 'fcm_dpo/margin': 214.35690307617188, 'margin_dpo/margin_mean': 214.35690307617188, 'margin_dpo/margin_std': 291.63604736328125, 'logps/chosen': -363.60186767578125, 'logps/rejected': -615.4904174804688, 'logps/ref_chosen': -49.92467498779297, 'logps/ref_rejected': -87.45632934570312, 'KL/chosen_KL_mean': -313.67718505859375, 'KL/rejected_KL_mean': -528.0341186523438, 'KL/mean': -420.85565185546875, 'KL/std': 247.5594482421875, 'logits/chosen': -0.3324083089828491, 'logits/rejected': -0.33607107400894165, 'epoch': 0.43} 43%|█████████████████████████████████████████████████████████████████████████████████████████████████▍ | 295/681 [12:24<15:51, 2.47s/it] 43%|█████████████████████████████████████████████████████████████████████████████████████████████████▊ | 296/681 [12:26<15:45, 2.46s/it] {'loss': 1.2127, 'grad_norm': 27.03304672241211, 'learning_rate': 3.498049431928577e-07, 'fcm_dpo/beta': 0.0018318177899345756, 'fcm_dpo/q_t': 0.43860769271850586, 'fcm_dpo/delta': -0.012629139237105846, 'fcm_dpo/margin': 143.6409454345703, 'margin_dpo/margin_mean': 143.6409454345703, 'margin_dpo/margin_std': 295.96697998046875, 'logps/chosen': -449.929443359375, 'logps/rejected': -621.168212890625, 'logps/ref_chosen': -65.49124145507812, 'logps/ref_rejected': -93.08908081054688, 'KL/chosen_KL_mean': -384.438232421875, 'KL/rejected_KL_mean': -528.0791625976562, 'KL/mean': -456.2586669921875, 'KL/std': 237.65313720703125, 'logits/chosen': -0.38435792922973633, 'logits/rejected': -0.368790864944458, 'epoch': 0.43} 43%|█████████████████████████████████████████████████████████████████████████████████████████████████▊ | 296/681 [12:26<15:45, 2.46s/it] 44%|██████████████████████████████████████████████████████████████████████████████████████████████████▏ | 297/681 [12:29<15:53, 2.48s/it] {'loss': 1.1364, 'grad_norm': 36.579345703125, 'learning_rate': 3.486270052146694e-07, 'fcm_dpo/beta': 0.0018395561492070556, 'fcm_dpo/q_t': 0.425690233707428, 'fcm_dpo/delta': 0.03670303151011467, 'fcm_dpo/margin': 170.94590759277344, 'margin_dpo/margin_mean': 170.94590759277344, 'margin_dpo/margin_std': 221.54315185546875, 'logps/chosen': -382.8560485839844, 'logps/rejected': -592.4635620117188, 'logps/ref_chosen': -56.476951599121094, 'logps/ref_rejected': -95.1385498046875, 'KL/chosen_KL_mean': -326.37908935546875, 'KL/rejected_KL_mean': -497.32501220703125, 'KL/mean': -411.85205078125, 'KL/std': 220.0688934326172, 'logits/chosen': -0.3833608627319336, 'logits/rejected': -0.3880637586116791, 'epoch': 0.44} 44%|██████████████████████████████████████████████████████████████████████████████████████████████████▏ | 297/681 [12:29<15:53, 2.48s/it] 44%|██████████████████████████████████████████████████████████████████████████████████████████████████▍ | 298/681 [12:32<16:04, 2.52s/it] {'loss': 1.1025, 'grad_norm': 25.856088638305664, 'learning_rate': 3.474464683231698e-07, 'fcm_dpo/beta': 0.0018349653109908104, 'fcm_dpo/q_t': 0.40840664505958557, 'fcm_dpo/delta': -0.060655344277620316, 'fcm_dpo/margin': 222.43023681640625, 'margin_dpo/margin_mean': 222.43026733398438, 'margin_dpo/margin_std': 331.43804931640625, 'logps/chosen': -412.87847900390625, 'logps/rejected': -684.645751953125, 'logps/ref_chosen': -67.32516479492188, 'logps/ref_rejected': -116.66217041015625, 'KL/chosen_KL_mean': -345.55328369140625, 'KL/rejected_KL_mean': -567.9835815429688, 'KL/mean': -456.7684326171875, 'KL/std': 284.334228515625, 'logits/chosen': -0.3994889259338379, 'logits/rejected': -0.41677361726760864, 'epoch': 0.44} 44%|██████████████████████████████████████████████████████████████████████████████████████████████████▍ | 298/681 [12:32<16:04, 2.52s/it] 44%|██████████████████████████████████████████████████████████████████████████████████████████████████▊ | 299/681 [12:34<16:03, 2.52s/it] {'loss': 1.1295, 'grad_norm': 25.584741592407227, 'learning_rate': 3.462633636266041e-07, 'fcm_dpo/beta': 0.00183395785279572, 'fcm_dpo/q_t': 0.41983699798583984, 'fcm_dpo/delta': 0.0034361593425273895, 'fcm_dpo/margin': 188.70925903320312, 'margin_dpo/margin_mean': 188.7092742919922, 'margin_dpo/margin_std': 268.2356872558594, 'logps/chosen': -328.8162841796875, 'logps/rejected': -552.8917236328125, 'logps/ref_chosen': -48.96209716796875, 'logps/ref_rejected': -84.32823944091797, 'KL/chosen_KL_mean': -279.85418701171875, 'KL/rejected_KL_mean': -468.5634460449219, 'KL/mean': -374.20880126953125, 'KL/std': 216.16893005371094, 'logits/chosen': -0.40785565972328186, 'logits/rejected': -0.4132392108440399, 'epoch': 0.44} 44%|██████████████████████████████████████████████████████████████████████████████████████████████████▊ | 299/681 [12:34<16:03, 2.52s/it] 44%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 300/681 [12:37<16:13, 2.56s/it] {'loss': 1.0755, 'grad_norm': 30.562604904174805, 'learning_rate': 3.4507772230088147e-07, 'fcm_dpo/beta': 0.0018063622992485762, 'fcm_dpo/q_t': 0.40012985467910767, 'fcm_dpo/delta': -0.08521745353937149, 'fcm_dpo/margin': 238.9415740966797, 'margin_dpo/margin_mean': 238.9415740966797, 'margin_dpo/margin_std': 310.2802734375, 'logps/chosen': -407.4768371582031, 'logps/rejected': -683.3111572265625, 'logps/ref_chosen': -59.07371139526367, 'logps/ref_rejected': -95.9664535522461, 'KL/chosen_KL_mean': -348.40313720703125, 'KL/rejected_KL_mean': -587.3447265625, 'KL/mean': -467.8739013671875, 'KL/std': 258.7288818359375, 'logits/chosen': -0.3769553303718567, 'logits/rejected': -0.38268864154815674, 'epoch': 0.44} 44%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 300/681 [12:37<16:13, 2.56s/it] 44%|███████████████████████████████████████████████████████████████████████████████████████████████████▍ | 301/681 [12:39<15:35, 2.46s/it] {'loss': 1.0851, 'grad_norm': 24.22814178466797, 'learning_rate': 3.4388957558875316e-07, 'fcm_dpo/beta': 0.0017770177219063044, 'fcm_dpo/q_t': 0.4084852337837219, 'fcm_dpo/delta': -0.048126157373189926, 'fcm_dpo/margin': 222.86912536621094, 'margin_dpo/margin_mean': 222.86912536621094, 'margin_dpo/margin_std': 277.33050537109375, 'logps/chosen': -346.8955078125, 'logps/rejected': -604.8688354492188, 'logps/ref_chosen': -57.249366760253906, 'logps/ref_rejected': -92.35354614257812, 'KL/chosen_KL_mean': -289.6461486816406, 'KL/rejected_KL_mean': -512.5152587890625, 'KL/mean': -401.08074951171875, 'KL/std': 234.33538818359375, 'logits/chosen': -0.3939129412174225, 'logits/rejected': -0.39491885900497437, 'epoch': 0.44} 44%|███████████████████████████████████████████████████████████████████████████████████████████████████▍ | 301/681 [12:39<15:35, 2.46s/it] 44%|███████████████████████████████████████████████████████████████████████████████████████████████████▊ | 302/681 [12:42<15:52, 2.51s/it] {'loss': 1.1344, 'grad_norm': 20.491802215576172, 'learning_rate': 3.426989547989902e-07, 'fcm_dpo/beta': 0.001776274642907083, 'fcm_dpo/q_t': 0.4237297475337982, 'fcm_dpo/delta': 0.02384105697274208, 'fcm_dpo/margin': 183.96234130859375, 'margin_dpo/margin_mean': 183.96234130859375, 'margin_dpo/margin_std': 251.2886962890625, 'logps/chosen': -308.7198181152344, 'logps/rejected': -538.7105712890625, 'logps/ref_chosen': -51.197994232177734, 'logps/ref_rejected': -97.22636413574219, 'KL/chosen_KL_mean': -257.5218200683594, 'KL/rejected_KL_mean': -441.48419189453125, 'KL/mean': -349.50299072265625, 'KL/std': 211.3658447265625, 'logits/chosen': -0.4090377688407898, 'logits/rejected': -0.4143017828464508, 'epoch': 0.44} 44%|███████████████████████████████████████████████████████████████████████████████████████████████████▊ | 302/681 [12:42<15:52, 2.51s/it] 44%|████████████████████████████████████████████████████████████████████████████████████████████████████ | 303/681 [12:44<16:17, 2.58s/it] {'loss': 1.1539, 'grad_norm': 21.24039649963379, 'learning_rate': 3.4150589130555773e-07, 'fcm_dpo/beta': 0.0017914820928126574, 'fcm_dpo/q_t': 0.4276770353317261, 'fcm_dpo/delta': 0.04175640642642975, 'fcm_dpo/margin': 172.76974487304688, 'margin_dpo/margin_mean': 172.76976013183594, 'margin_dpo/margin_std': 260.4632568359375, 'logps/chosen': -334.9855651855469, 'logps/rejected': -527.98681640625, 'logps/ref_chosen': -66.71394348144531, 'logps/ref_rejected': -86.94542694091797, 'KL/chosen_KL_mean': -268.2716064453125, 'KL/rejected_KL_mean': -441.0413513183594, 'KL/mean': -354.656494140625, 'KL/std': 220.9415740966797, 'logits/chosen': -0.39839571714401245, 'logits/rejected': -0.3856062889099121, 'epoch': 0.44} 44%|████████████████████████████████████████████████████████████████████████████████████████████████████ | 303/681 [12:44<16:17, 2.58s/it] 45%|████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 304/681 [12:47<16:31, 2.63s/it] {'loss': 1.0992, 'grad_norm': 34.292579650878906, 'learning_rate': 3.403104165467883e-07, 'fcm_dpo/beta': 0.0018079555593430996, 'fcm_dpo/q_t': 0.41787901520729065, 'fcm_dpo/delta': 0.010449519380927086, 'fcm_dpo/margin': 187.8922882080078, 'margin_dpo/margin_mean': 187.89227294921875, 'margin_dpo/margin_std': 169.62152099609375, 'logps/chosen': -306.2345886230469, 'logps/rejected': -512.648193359375, 'logps/ref_chosen': -71.95069885253906, 'logps/ref_rejected': -90.47203063964844, 'KL/chosen_KL_mean': -234.28387451171875, 'KL/rejected_KL_mean': -422.1761779785156, 'KL/mean': -328.23004150390625, 'KL/std': 197.538330078125, 'logits/chosen': -0.45170116424560547, 'logits/rejected': -0.44620856642723083, 'epoch': 0.45} 45%|████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 304/681 [12:47<16:31, 2.63s/it] 45%|████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 305/681 [12:50<16:31, 2.64s/it] {'loss': 1.152, 'grad_norm': 27.539531707763672, 'learning_rate': 3.391125620245535e-07, 'fcm_dpo/beta': 0.0018056455301120877, 'fcm_dpo/q_t': 0.4282124638557434, 'fcm_dpo/delta': 0.040238022804260254, 'fcm_dpo/margin': 172.0921173095703, 'margin_dpo/margin_mean': 172.09213256835938, 'margin_dpo/margin_std': 254.4590301513672, 'logps/chosen': -328.9344177246094, 'logps/rejected': -526.9859008789062, 'logps/ref_chosen': -66.79523468017578, 'logps/ref_rejected': -92.75459289550781, 'KL/chosen_KL_mean': -262.1391906738281, 'KL/rejected_KL_mean': -434.2312927246094, 'KL/mean': -348.18524169921875, 'KL/std': 229.55484008789062, 'logits/chosen': -0.4220506548881531, 'logits/rejected': -0.4064248204231262, 'epoch': 0.45} 45%|████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 305/681 [12:50<16:31, 2.64s/it] 45%|█████████████████████████████████████████████████████████████████████████████████████████████████████ | 306/681 [12:52<16:31, 2.64s/it] {'loss': 1.1388, 'grad_norm': 24.34828758239746, 'learning_rate': 3.3791235930343417e-07, 'fcm_dpo/beta': 0.0018320318777114153, 'fcm_dpo/q_t': 0.4273602068424225, 'fcm_dpo/delta': 0.04318378493189812, 'fcm_dpo/margin': 168.15704345703125, 'margin_dpo/margin_mean': 168.15704345703125, 'margin_dpo/margin_std': 215.92709350585938, 'logps/chosen': -326.759033203125, 'logps/rejected': -510.391357421875, 'logps/ref_chosen': -69.68389892578125, 'logps/ref_rejected': -85.15919494628906, 'KL/chosen_KL_mean': -257.07513427734375, 'KL/rejected_KL_mean': -425.232177734375, 'KL/mean': -341.1536560058594, 'KL/std': 204.96353149414062, 'logits/chosen': -0.40770423412323, 'logits/rejected': -0.38708335161209106, 'epoch': 0.45} 45%|█████████████████████████████████████████████████████████████████████████████████████████████████████ | 306/681 [12:52<16:31, 2.64s/it] 45%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 307/681 [12:55<16:44, 2.69s/it] {'loss': 1.1268, 'grad_norm': 24.07006072998047, 'learning_rate': 3.367098400098881e-07, 'fcm_dpo/beta': 0.001836513401940465, 'fcm_dpo/q_t': 0.42179954051971436, 'fcm_dpo/delta': 0.017692940309643745, 'fcm_dpo/margin': 181.26095581054688, 'margin_dpo/margin_mean': 181.26095581054688, 'margin_dpo/margin_std': 240.51271057128906, 'logps/chosen': -315.9731140136719, 'logps/rejected': -514.0409545898438, 'logps/ref_chosen': -70.16542053222656, 'logps/ref_rejected': -86.97230529785156, 'KL/chosen_KL_mean': -245.8076934814453, 'KL/rejected_KL_mean': -427.0686340332031, 'KL/mean': -336.43817138671875, 'KL/std': 195.40953063964844, 'logits/chosen': -0.3847889304161072, 'logits/rejected': -0.3667571544647217, 'epoch': 0.45} 45%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 307/681 [12:55<16:44, 2.69s/it] 45%|█████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 308/681 [12:58<16:24, 2.64s/it] {'loss': 1.0855, 'grad_norm': 31.097227096557617, 'learning_rate': 3.355050358314172e-07, 'fcm_dpo/beta': 0.0018358014058321714, 'fcm_dpo/q_t': 0.4117882549762726, 'fcm_dpo/delta': -0.019804438576102257, 'fcm_dpo/margin': 201.04469299316406, 'margin_dpo/margin_mean': 201.04469299316406, 'margin_dpo/margin_std': 205.7581024169922, 'logps/chosen': -312.6648254394531, 'logps/rejected': -537.8367919921875, 'logps/ref_chosen': -55.2449951171875, 'logps/ref_rejected': -79.37226104736328, 'KL/chosen_KL_mean': -257.4198303222656, 'KL/rejected_KL_mean': -458.4644775390625, 'KL/mean': -357.9421691894531, 'KL/std': 220.29737854003906, 'logits/chosen': -0.376716673374176, 'logits/rejected': -0.3686707019805908, 'epoch': 0.45} 45%|█████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 308/681 [12:58<16:24, 2.64s/it] 45%|██████████████████████████████████████████████████████████████████████████████████████████████████████ | 309/681 [13:00<16:23, 2.64s/it] {'loss': 1.1, 'grad_norm': 26.018009185791016, 'learning_rate': 3.3429797851573183e-07, 'fcm_dpo/beta': 0.0018350511090829968, 'fcm_dpo/q_t': 0.4112602770328522, 'fcm_dpo/delta': -0.024183016270399094, 'fcm_dpo/margin': 203.24488830566406, 'margin_dpo/margin_mean': 203.244873046875, 'margin_dpo/margin_std': 249.24404907226562, 'logps/chosen': -316.5160217285156, 'logps/rejected': -553.142578125, 'logps/ref_chosen': -48.959083557128906, 'logps/ref_rejected': -82.34072875976562, 'KL/chosen_KL_mean': -267.55694580078125, 'KL/rejected_KL_mean': -470.80181884765625, 'KL/mean': -369.17938232421875, 'KL/std': 236.59249877929688, 'logits/chosen': -0.37056082487106323, 'logits/rejected': -0.36778467893600464, 'epoch': 0.45} 45%|██████████████████████████████████████████████████████████████████████████████████████████████████████ | 309/681 [13:00<16:23, 2.64s/it] 46%|██████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 310/681 [13:03<16:19, 2.64s/it] {'loss': 1.1142, 'grad_norm': 34.06706619262695, 'learning_rate': 3.3308869986991487e-07, 'fcm_dpo/beta': 0.0018333324696868658, 'fcm_dpo/q_t': 0.41921311616897583, 'fcm_dpo/delta': 0.011089498177170753, 'fcm_dpo/margin': 184.9288787841797, 'margin_dpo/margin_mean': 184.92886352539062, 'margin_dpo/margin_std': 212.01107788085938, 'logps/chosen': -376.5966796875, 'logps/rejected': -578.7140502929688, 'logps/ref_chosen': -62.74177932739258, 'logps/ref_rejected': -79.9302978515625, 'KL/chosen_KL_mean': -313.85491943359375, 'KL/rejected_KL_mean': -498.78375244140625, 'KL/mean': -406.3193359375, 'KL/std': 212.13653564453125, 'logits/chosen': -0.35188862681388855, 'logits/rejected': -0.3397538661956787, 'epoch': 0.46} 46%|██████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 310/681 [13:03<16:19, 2.64s/it] 46%|██████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 311/681 [13:05<15:51, 2.57s/it] {'loss': 1.1021, 'grad_norm': 24.23558807373047, 'learning_rate': 3.3187723175958346e-07, 'fcm_dpo/beta': 0.0018190003465861082, 'fcm_dpo/q_t': 0.4119686484336853, 'fcm_dpo/delta': -0.034259166568517685, 'fcm_dpo/margin': 210.52621459960938, 'margin_dpo/margin_mean': 210.52622985839844, 'margin_dpo/margin_std': 284.9056091308594, 'logps/chosen': -379.5602722167969, 'logps/rejected': -614.4967041015625, 'logps/ref_chosen': -53.02798080444336, 'logps/ref_rejected': -77.43820190429688, 'KL/chosen_KL_mean': -326.53228759765625, 'KL/rejected_KL_mean': -537.0585327148438, 'KL/mean': -431.79541015625, 'KL/std': 269.36871337890625, 'logits/chosen': -0.3476032316684723, 'logits/rejected': -0.32333052158355713, 'epoch': 0.46} 46%|██████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 311/681 [13:05<15:51, 2.57s/it] 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████ | 312/681 [13:08<15:16, 2.48s/it] {'loss': 1.1271, 'grad_norm': 23.693248748779297, 'learning_rate': 3.306636061080487e-07, 'fcm_dpo/beta': 0.0018220641650259495, 'fcm_dpo/q_t': 0.4196726381778717, 'fcm_dpo/delta': -0.0038466081023216248, 'fcm_dpo/margin': 193.96221923828125, 'margin_dpo/margin_mean': 193.96221923828125, 'margin_dpo/margin_std': 287.26824951171875, 'logps/chosen': -355.8446350097656, 'logps/rejected': -576.2073974609375, 'logps/ref_chosen': -49.39221954345703, 'logps/ref_rejected': -75.79280853271484, 'KL/chosen_KL_mean': -306.4524230957031, 'KL/rejected_KL_mean': -500.41461181640625, 'KL/mean': -403.4335021972656, 'KL/std': 241.86181640625, 'logits/chosen': -0.35380294919013977, 'logits/rejected': -0.3449653089046478, 'epoch': 0.46} 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████ | 312/681 [13:08<15:16, 2.48s/it] 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 313/681 [13:10<14:57, 2.44s/it] {'loss': 1.1203, 'grad_norm': 23.18164825439453, 'learning_rate': 3.2944785489547537e-07, 'fcm_dpo/beta': 0.001822406891733408, 'fcm_dpo/q_t': 0.4155638515949249, 'fcm_dpo/delta': -0.014451660215854645, 'fcm_dpo/margin': 199.28773498535156, 'margin_dpo/margin_mean': 199.2877197265625, 'margin_dpo/margin_std': 278.8194580078125, 'logps/chosen': -333.60247802734375, 'logps/rejected': -569.1436767578125, 'logps/ref_chosen': -50.152740478515625, 'logps/ref_rejected': -86.40620422363281, 'KL/chosen_KL_mean': -283.44970703125, 'KL/rejected_KL_mean': -482.7374267578125, 'KL/mean': -383.09356689453125, 'KL/std': 249.87867736816406, 'logits/chosen': -0.4175724983215332, 'logits/rejected': -0.41589704155921936, 'epoch': 0.46} 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 313/681 [13:10<14:57, 2.44s/it] 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 314/681 [13:13<15:29, 2.53s/it] {'loss': 1.1494, 'grad_norm': 20.25391960144043, 'learning_rate': 3.2823001015803857e-07, 'fcm_dpo/beta': 0.0018075141124427319, 'fcm_dpo/q_t': 0.42391207814216614, 'fcm_dpo/delta': 0.016570214182138443, 'fcm_dpo/margin': 184.67868041992188, 'margin_dpo/margin_mean': 184.67868041992188, 'margin_dpo/margin_std': 298.83831787109375, 'logps/chosen': -355.3635559082031, 'logps/rejected': -580.4011840820312, 'logps/ref_chosen': -57.237579345703125, 'logps/ref_rejected': -97.5965347290039, 'KL/chosen_KL_mean': -298.1259765625, 'KL/rejected_KL_mean': -482.80462646484375, 'KL/mean': -390.4653015136719, 'KL/std': 232.75111389160156, 'logits/chosen': -0.40884333848953247, 'logits/rejected': -0.4110562801361084, 'epoch': 0.46} 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 314/681 [13:13<15:29, 2.53s/it] 46%|████████████████████████████████████████████████████████████████████████████████████████████████████████ | 315/681 [13:15<15:19, 2.51s/it] {'loss': 1.142, 'grad_norm': 19.43107795715332, 'learning_rate': 3.270101039870797e-07, 'fcm_dpo/beta': 0.001823345897719264, 'fcm_dpo/q_t': 0.42688193917274475, 'fcm_dpo/delta': 0.03882795572280884, 'fcm_dpo/margin': 171.33358764648438, 'margin_dpo/margin_mean': 171.33358764648438, 'margin_dpo/margin_std': 235.25616455078125, 'logps/chosen': -312.939453125, 'logps/rejected': -520.8843383789062, 'logps/ref_chosen': -49.06958770751953, 'logps/ref_rejected': -85.68087768554688, 'KL/chosen_KL_mean': -263.869873046875, 'KL/rejected_KL_mean': -435.2034606933594, 'KL/mean': -349.53668212890625, 'KL/std': 211.77670288085938, 'logits/chosen': -0.3321152329444885, 'logits/rejected': -0.33484265208244324, 'epoch': 0.46} 46%|████████████████████████████████████████████████████████████████████████████████████████████████████████ | 315/681 [13:15<15:19, 2.51s/it] 46%|████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 316/681 [13:18<15:21, 2.52s/it] {'loss': 1.043, 'grad_norm': 27.900249481201172, 'learning_rate': 3.2578816852826086e-07, 'fcm_dpo/beta': 0.0017926250584423542, 'fcm_dpo/q_t': 0.39585646986961365, 'fcm_dpo/delta': -0.10438720881938934, 'fcm_dpo/margin': 250.35418701171875, 'margin_dpo/margin_mean': 250.3542022705078, 'margin_dpo/margin_std': 271.3267517089844, 'logps/chosen': -309.3862609863281, 'logps/rejected': -606.7611694335938, 'logps/ref_chosen': -54.26074981689453, 'logps/ref_rejected': -101.2814712524414, 'KL/chosen_KL_mean': -255.12551879882812, 'KL/rejected_KL_mean': -505.4797058105469, 'KL/mean': -380.3026123046875, 'KL/std': 246.68731689453125, 'logits/chosen': -0.37772274017333984, 'logits/rejected': -0.38135725259780884, 'epoch': 0.46} 46%|████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 316/681 [13:18<15:21, 2.52s/it] 47%|████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 317/681 [13:20<15:23, 2.54s/it] {'loss': 1.0271, 'grad_norm': 27.655803680419922, 'learning_rate': 3.2456423598071783e-07, 'fcm_dpo/beta': 0.0017680514138191938, 'fcm_dpo/q_t': 0.39133790135383606, 'fcm_dpo/delta': -0.11548471450805664, 'fcm_dpo/margin': 260.3431091308594, 'margin_dpo/margin_mean': 260.3431091308594, 'margin_dpo/margin_std': 250.1036376953125, 'logps/chosen': -320.4892578125, 'logps/rejected': -625.4371337890625, 'logps/ref_chosen': -56.094207763671875, 'logps/ref_rejected': -100.69905090332031, 'KL/chosen_KL_mean': -264.39501953125, 'KL/rejected_KL_mean': -524.7380981445312, 'KL/mean': -394.56658935546875, 'KL/std': 222.24476623535156, 'logits/chosen': -0.40937548875808716, 'logits/rejected': -0.4001927971839905, 'epoch': 0.47} 47%|████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 317/681 [13:20<15:23, 2.54s/it] 47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████ | 318/681 [13:23<15:05, 2.50s/it] {'loss': 1.1185, 'grad_norm': 23.755502700805664, 'learning_rate': 3.233383385962115e-07, 'fcm_dpo/beta': 0.0017554573714733124, 'fcm_dpo/q_t': 0.4192516803741455, 'fcm_dpo/delta': 0.004025392234325409, 'fcm_dpo/margin': 197.1082763671875, 'margin_dpo/margin_mean': 197.1082763671875, 'margin_dpo/margin_std': 258.5344543457031, 'logps/chosen': -362.09588623046875, 'logps/rejected': -577.32275390625, 'logps/ref_chosen': -64.64569854736328, 'logps/ref_rejected': -82.76425170898438, 'KL/chosen_KL_mean': -297.4501953125, 'KL/rejected_KL_mean': -494.5584716796875, 'KL/mean': -396.00433349609375, 'KL/std': 234.63751220703125, 'logits/chosen': -0.47140195965766907, 'logits/rejected': -0.44852572679519653, 'epoch': 0.47} 47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████ | 318/681 [13:23<15:05, 2.50s/it] 47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 319/681 [13:25<15:19, 2.54s/it] {'loss': 1.0671, 'grad_norm': 23.22355842590332, 'learning_rate': 3.2211050867827805e-07, 'fcm_dpo/beta': 0.0017336711753159761, 'fcm_dpo/q_t': 0.4022204279899597, 'fcm_dpo/delta': -0.06930382549762726, 'fcm_dpo/margin': 240.18490600585938, 'margin_dpo/margin_mean': 240.18490600585938, 'margin_dpo/margin_std': 278.5548095703125, 'logps/chosen': -322.25830078125, 'logps/rejected': -626.9660034179688, 'logps/ref_chosen': -49.383758544921875, 'logps/ref_rejected': -113.90650939941406, 'KL/chosen_KL_mean': -272.87457275390625, 'KL/rejected_KL_mean': -513.0595092773438, 'KL/mean': -392.9670104980469, 'KL/std': 259.213134765625, 'logits/chosen': -0.3927324414253235, 'logits/rejected': -0.4057486057281494, 'epoch': 0.47} 47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 319/681 [13:25<15:19, 2.54s/it] 47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 320/681 [13:28<15:24, 2.56s/it] {'loss': 1.0469, 'grad_norm': 24.74642562866211, 'learning_rate': 3.208807785813777e-07, 'fcm_dpo/beta': 0.0016967777628451586, 'fcm_dpo/q_t': 0.39611712098121643, 'fcm_dpo/delta': -0.10202349722385406, 'fcm_dpo/margin': 263.43597412109375, 'margin_dpo/margin_mean': 263.43597412109375, 'margin_dpo/margin_std': 295.5460205078125, 'logps/chosen': -365.2384033203125, 'logps/rejected': -666.836669921875, 'logps/ref_chosen': -59.50489044189453, 'logps/ref_rejected': -97.66717529296875, 'KL/chosen_KL_mean': -305.7335205078125, 'KL/rejected_KL_mean': -569.1694946289062, 'KL/mean': -437.4515380859375, 'KL/std': 278.39447021484375, 'logits/chosen': -0.4070661664009094, 'logits/rejected': -0.41442254185676575, 'epoch': 0.47} 47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 320/681 [13:28<15:24, 2.56s/it] 47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████ | 321/681 [13:31<15:11, 2.53s/it] {'loss': 1.108, 'grad_norm': 27.752023696899414, 'learning_rate': 3.1964918071004217e-07, 'fcm_dpo/beta': 0.0016765834297984838, 'fcm_dpo/q_t': 0.41292014718055725, 'fcm_dpo/delta': -0.03041578084230423, 'fcm_dpo/margin': 225.800048828125, 'margin_dpo/margin_mean': 225.80007934570312, 'margin_dpo/margin_std': 308.14105224609375, 'logps/chosen': -446.634765625, 'logps/rejected': -702.5272216796875, 'logps/ref_chosen': -61.548683166503906, 'logps/ref_rejected': -91.64103698730469, 'KL/chosen_KL_mean': -385.0860900878906, 'KL/rejected_KL_mean': -610.8861694335938, 'KL/mean': -497.9861145019531, 'KL/std': 285.7553405761719, 'logits/chosen': -0.37062233686447144, 'logits/rejected': -0.35946518182754517, 'epoch': 0.47} 47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████ | 321/681 [13:31<15:11, 2.53s/it] 47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 322/681 [13:33<15:15, 2.55s/it] {'loss': 1.0774, 'grad_norm': 28.33850860595703, 'learning_rate': 3.184157475180207e-07, 'fcm_dpo/beta': 0.001664046081714332, 'fcm_dpo/q_t': 0.4059278964996338, 'fcm_dpo/delta': -0.0522020198404789, 'fcm_dpo/margin': 240.2075958251953, 'margin_dpo/margin_mean': 240.20761108398438, 'margin_dpo/margin_std': 275.8708801269531, 'logps/chosen': -404.0374755859375, 'logps/rejected': -682.7049560546875, 'logps/ref_chosen': -57.29003143310547, 'logps/ref_rejected': -95.74992370605469, 'KL/chosen_KL_mean': -346.7474365234375, 'KL/rejected_KL_mean': -586.9550170898438, 'KL/mean': -466.8512268066406, 'KL/std': 259.3096923828125, 'logits/chosen': -0.38744407892227173, 'logits/rejected': -0.38698631525039673, 'epoch': 0.47} 47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 322/681 [13:33<15:15, 2.55s/it] 47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 323/681 [13:36<15:19, 2.57s/it] {'loss': 1.1293, 'grad_norm': 36.73489761352539, 'learning_rate': 3.171805115074251e-07, 'fcm_dpo/beta': 0.0016664534341543913, 'fcm_dpo/q_t': 0.4201313257217407, 'fcm_dpo/delta': 0.011339662596583366, 'fcm_dpo/margin': 203.44778442382812, 'margin_dpo/margin_mean': 203.44778442382812, 'margin_dpo/margin_std': 275.85626220703125, 'logps/chosen': -411.380859375, 'logps/rejected': -638.6566162109375, 'logps/ref_chosen': -51.23395919799805, 'logps/ref_rejected': -75.06192016601562, 'KL/chosen_KL_mean': -360.1468811035156, 'KL/rejected_KL_mean': -563.5946655273438, 'KL/mean': -461.87078857421875, 'KL/std': 256.2729797363281, 'logits/chosen': -0.3776964545249939, 'logits/rejected': -0.37534666061401367, 'epoch': 0.47} 47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 323/681 [13:36<15:19, 2.57s/it] 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████ | 324/681 [13:38<14:58, 2.52s/it] {'loss': 1.1672, 'grad_norm': 57.406150817871094, 'learning_rate': 3.1594350522787295e-07, 'fcm_dpo/beta': 0.0016613883199170232, 'fcm_dpo/q_t': 0.42781496047973633, 'fcm_dpo/delta': -0.046242307871580124, 'fcm_dpo/margin': 189.686279296875, 'margin_dpo/margin_mean': 189.68629455566406, 'margin_dpo/margin_std': 315.1155700683594, 'logps/chosen': -474.2780456542969, 'logps/rejected': -685.306640625, 'logps/ref_chosen': -65.13516998291016, 'logps/ref_rejected': -86.47750854492188, 'KL/chosen_KL_mean': -409.14288330078125, 'KL/rejected_KL_mean': -598.8291625976562, 'KL/mean': -503.98602294921875, 'KL/std': 269.3505859375, 'logits/chosen': -0.40174317359924316, 'logits/rejected': -0.385235071182251, 'epoch': 0.48} 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████ | 324/681 [13:38<14:58, 2.52s/it] 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 325/681 [13:41<15:44, 2.65s/it] {'loss': 1.1704, 'grad_norm': 27.068408966064453, 'learning_rate': 3.147047612756302e-07, 'fcm_dpo/beta': 0.0016727466136217117, 'fcm_dpo/q_t': 0.43507638573646545, 'fcm_dpo/delta': 0.07592117786407471, 'fcm_dpo/margin': 165.09820556640625, 'margin_dpo/margin_mean': 165.09820556640625, 'margin_dpo/margin_std': 239.03897094726562, 'logps/chosen': -361.83935546875, 'logps/rejected': -540.807861328125, 'logps/ref_chosen': -56.215599060058594, 'logps/ref_rejected': -70.08592987060547, 'KL/chosen_KL_mean': -305.6237487792969, 'KL/rejected_KL_mean': -470.721923828125, 'KL/mean': -388.1728515625, 'KL/std': 234.14627075195312, 'logits/chosen': -0.42593660950660706, 'logits/rejected': -0.40495866537094116, 'epoch': 0.48} 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 325/681 [13:41<15:44, 2.65s/it] 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 326/681 [13:44<15:36, 2.64s/it] {'loss': 1.1649, 'grad_norm': 36.45564651489258, 'learning_rate': 3.134643122927519e-07, 'fcm_dpo/beta': 0.0016966955736279488, 'fcm_dpo/q_t': 0.43505293130874634, 'fcm_dpo/delta': 0.0805881917476654, 'fcm_dpo/margin': 160.12042236328125, 'margin_dpo/margin_mean': 160.12042236328125, 'margin_dpo/margin_std': 207.34747314453125, 'logps/chosen': -413.0667724609375, 'logps/rejected': -580.3090209960938, 'logps/ref_chosen': -72.72496032714844, 'logps/ref_rejected': -79.8467788696289, 'KL/chosen_KL_mean': -340.3418273925781, 'KL/rejected_KL_mean': -500.4622497558594, 'KL/mean': -420.40203857421875, 'KL/std': 218.0757293701172, 'logits/chosen': -0.43507713079452515, 'logits/rejected': -0.40912318229675293, 'epoch': 0.48} 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 326/681 [13:44<15:36, 2.64s/it] 48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 327/681 [13:46<15:43, 2.67s/it] {'loss': 1.0628, 'grad_norm': 45.123172760009766, 'learning_rate': 3.1222219096622264e-07, 'fcm_dpo/beta': 0.001686271745711565, 'fcm_dpo/q_t': 0.40232932567596436, 'fcm_dpo/delta': -0.06271137297153473, 'fcm_dpo/margin': 243.0655517578125, 'margin_dpo/margin_mean': 243.0655517578125, 'margin_dpo/margin_std': 256.05047607421875, 'logps/chosen': -356.32366943359375, 'logps/rejected': -642.1885986328125, 'logps/ref_chosen': -69.13441467285156, 'logps/ref_rejected': -111.93377685546875, 'KL/chosen_KL_mean': -287.189208984375, 'KL/rejected_KL_mean': -530.2548217773438, 'KL/mean': -408.7220153808594, 'KL/std': 226.6089324951172, 'logits/chosen': -0.4474729597568512, 'logits/rejected': -0.4362829327583313, 'epoch': 0.48} 48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 327/681 [13:46<15:43, 2.67s/it] 48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 328/681 [13:49<15:33, 2.64s/it] {'loss': 1.0994, 'grad_norm': 26.31197166442871, 'learning_rate': 3.1097843002709427e-07, 'fcm_dpo/beta': 0.0016804768238216639, 'fcm_dpo/q_t': 0.4131455719470978, 'fcm_dpo/delta': -0.02448493242263794, 'fcm_dpo/margin': 222.30294799804688, 'margin_dpo/margin_mean': 222.30294799804688, 'margin_dpo/margin_std': 282.1927490234375, 'logps/chosen': -350.4715881347656, 'logps/rejected': -603.9423828125, 'logps/ref_chosen': -59.68719482421875, 'logps/ref_rejected': -90.85499572753906, 'KL/chosen_KL_mean': -290.7843933105469, 'KL/rejected_KL_mean': -513.0873413085938, 'KL/mean': -401.93585205078125, 'KL/std': 251.8201446533203, 'logits/chosen': -0.437290757894516, 'logits/rejected': -0.4402696490287781, 'epoch': 0.48} 48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 328/681 [13:49<15:33, 2.64s/it] 48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 329/681 [13:51<15:12, 2.59s/it] {'loss': 1.1029, 'grad_norm': 24.17496109008789, 'learning_rate': 3.0973306224962437e-07, 'fcm_dpo/beta': 0.0016629232559353113, 'fcm_dpo/q_t': 0.41196945309638977, 'fcm_dpo/delta': -0.026486670598387718, 'fcm_dpo/margin': 225.51190185546875, 'margin_dpo/margin_mean': 225.51190185546875, 'margin_dpo/margin_std': 284.83648681640625, 'logps/chosen': -386.10418701171875, 'logps/rejected': -647.067626953125, 'logps/ref_chosen': -65.2461929321289, 'logps/ref_rejected': -100.69770812988281, 'KL/chosen_KL_mean': -320.8580017089844, 'KL/rejected_KL_mean': -546.369873046875, 'KL/mean': -433.61395263671875, 'KL/std': 260.9647216796875, 'logits/chosen': -0.42437106370925903, 'logits/rejected': -0.41386279463768005, 'epoch': 0.48} 48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 329/681 [13:52<15:12, 2.59s/it] 48%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 330/681 [13:54<15:15, 2.61s/it] {'loss': 1.0803, 'grad_norm': 26.65233039855957, 'learning_rate': 3.084861204504122e-07, 'fcm_dpo/beta': 0.001657246146351099, 'fcm_dpo/q_t': 0.4079107344150543, 'fcm_dpo/delta': -0.04265393316745758, 'fcm_dpo/margin': 235.92340087890625, 'margin_dpo/margin_mean': 235.92337036132812, 'margin_dpo/margin_std': 269.93707275390625, 'logps/chosen': -320.7889404296875, 'logps/rejected': -596.5908203125, 'logps/ref_chosen': -46.998348236083984, 'logps/ref_rejected': -86.87684631347656, 'KL/chosen_KL_mean': -273.79058837890625, 'KL/rejected_KL_mean': -509.7140197753906, 'KL/mean': -391.7522888183594, 'KL/std': 246.3189697265625, 'logits/chosen': -0.38325101137161255, 'logits/rejected': -0.384086012840271, 'epoch': 0.48} 48%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 330/681 [13:54<15:15, 2.61s/it] 49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 331/681 [13:57<15:00, 2.57s/it] {'loss': 1.0563, 'grad_norm': 22.422067642211914, 'learning_rate': 3.072376374875335e-07, 'fcm_dpo/beta': 0.001642332412302494, 'fcm_dpo/q_t': 0.4048876166343689, 'fcm_dpo/delta': -0.04797166585922241, 'fcm_dpo/margin': 241.16941833496094, 'margin_dpo/margin_mean': 241.16941833496094, 'margin_dpo/margin_std': 207.7781982421875, 'logps/chosen': -355.63226318359375, 'logps/rejected': -635.2928466796875, 'logps/ref_chosen': -50.52424621582031, 'logps/ref_rejected': -89.01544189453125, 'KL/chosen_KL_mean': -305.1080017089844, 'KL/rejected_KL_mean': -546.2774658203125, 'KL/mean': -425.6927185058594, 'KL/std': 213.3463134765625, 'logits/chosen': -0.4126804769039154, 'logits/rejected': -0.40818193554878235, 'epoch': 0.49} 49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 331/681 [13:57<15:00, 2.57s/it] 49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 332/681 [13:59<14:37, 2.52s/it] {'loss': 1.1626, 'grad_norm': 18.958757400512695, 'learning_rate': 3.059876462596758e-07, 'fcm_dpo/beta': 0.0016566382255405188, 'fcm_dpo/q_t': 0.4337378740310669, 'fcm_dpo/delta': 0.06814493983983994, 'fcm_dpo/margin': 171.24156188964844, 'margin_dpo/margin_mean': 171.24156188964844, 'margin_dpo/margin_std': 248.4321746826172, 'logps/chosen': -360.69927978515625, 'logps/rejected': -559.2457275390625, 'logps/ref_chosen': -49.18028259277344, 'logps/ref_rejected': -76.48515319824219, 'KL/chosen_KL_mean': -311.51898193359375, 'KL/rejected_KL_mean': -482.76055908203125, 'KL/mean': -397.1397705078125, 'KL/std': 219.59471130371094, 'logits/chosen': -0.42918598651885986, 'logits/rejected': -0.40887415409088135, 'epoch': 0.49} 49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 332/681 [13:59<14:37, 2.52s/it] 49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 333/681 [14:01<14:19, 2.47s/it] {'loss': 1.1188, 'grad_norm': 23.2531795501709, 'learning_rate': 3.0473617970527015e-07, 'fcm_dpo/beta': 0.001645524287596345, 'fcm_dpo/q_t': 0.4143007695674896, 'fcm_dpo/delta': -0.022140901535749435, 'fcm_dpo/margin': 225.18756103515625, 'margin_dpo/margin_mean': 225.1875762939453, 'margin_dpo/margin_std': 320.94561767578125, 'logps/chosen': -405.9945068359375, 'logps/rejected': -662.470458984375, 'logps/ref_chosen': -63.75574493408203, 'logps/ref_rejected': -95.04411315917969, 'KL/chosen_KL_mean': -342.23876953125, 'KL/rejected_KL_mean': -567.4263916015625, 'KL/mean': -454.83258056640625, 'KL/std': 263.9354248046875, 'logits/chosen': -0.43771564960479736, 'logits/rejected': -0.43037185072898865, 'epoch': 0.49} 49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 333/681 [14:01<14:19, 2.47s/it] 49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 334/681 [14:04<14:14, 2.46s/it] {'loss': 1.1508, 'grad_norm': 21.963340759277344, 'learning_rate': 3.034832708016243e-07, 'fcm_dpo/beta': 0.001655098283663392, 'fcm_dpo/q_t': 0.4232845902442932, 'fcm_dpo/delta': 0.01687953621149063, 'fcm_dpo/margin': 201.60191345214844, 'margin_dpo/margin_mean': 201.6019287109375, 'margin_dpo/margin_std': 326.2679443359375, 'logps/chosen': -406.3531494140625, 'logps/rejected': -636.292236328125, 'logps/ref_chosen': -66.97975158691406, 'logps/ref_rejected': -95.31692504882812, 'KL/chosen_KL_mean': -339.3734130859375, 'KL/rejected_KL_mean': -540.975341796875, 'KL/mean': -440.17437744140625, 'KL/std': 291.3700866699219, 'logits/chosen': -0.4199391007423401, 'logits/rejected': -0.41611427068710327, 'epoch': 0.49} 49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 334/681 [14:04<14:14, 2.46s/it] 49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 335/681 [14:06<14:20, 2.49s/it] {'loss': 1.1978, 'grad_norm': 30.97983741760254, 'learning_rate': 3.022289525640531e-07, 'fcm_dpo/beta': 0.0016588786384090781, 'fcm_dpo/q_t': 0.4391080439090729, 'fcm_dpo/delta': 0.001063960837200284, 'fcm_dpo/margin': 158.6435089111328, 'margin_dpo/margin_mean': 158.64349365234375, 'margin_dpo/margin_std': 290.5368957519531, 'logps/chosen': -428.9851989746094, 'logps/rejected': -612.7039184570312, 'logps/ref_chosen': -62.54248046875, 'logps/ref_rejected': -87.61770629882812, 'KL/chosen_KL_mean': -366.4427185058594, 'KL/rejected_KL_mean': -525.086181640625, 'KL/mean': -445.76446533203125, 'KL/std': 274.3227844238281, 'logits/chosen': -0.4851636588573456, 'logits/rejected': -0.4646086096763611, 'epoch': 0.49} 49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 335/681 [14:06<14:20, 2.49s/it] 49%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 336/681 [14:09<14:24, 2.50s/it] {'loss': 1.0942, 'grad_norm': 30.599864959716797, 'learning_rate': 3.009732580450086e-07, 'fcm_dpo/beta': 0.0016450767870992422, 'fcm_dpo/q_t': 0.4031341075897217, 'fcm_dpo/delta': -0.08156316727399826, 'fcm_dpo/margin': 260.2283020019531, 'margin_dpo/margin_mean': 260.2283020019531, 'margin_dpo/margin_std': 375.32147216796875, 'logps/chosen': -426.4083251953125, 'logps/rejected': -736.5097045898438, 'logps/ref_chosen': -54.53115463256836, 'logps/ref_rejected': -104.40424346923828, 'KL/chosen_KL_mean': -371.8771667480469, 'KL/rejected_KL_mean': -632.10546875, 'KL/mean': -501.9913330078125, 'KL/std': 316.42431640625, 'logits/chosen': -0.4376946687698364, 'logits/rejected': -0.4382895231246948, 'epoch': 0.49} 49%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 336/681 [14:09<14:24, 2.50s/it] 49%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 337/681 [14:11<14:24, 2.51s/it] {'loss': 1.07, 'grad_norm': 21.82675552368164, 'learning_rate': 2.9971622033320914e-07, 'fcm_dpo/beta': 0.0016133894678205252, 'fcm_dpo/q_t': 0.40399160981178284, 'fcm_dpo/delta': -0.06399152427911758, 'fcm_dpo/margin': 254.83612060546875, 'margin_dpo/margin_mean': 254.83612060546875, 'margin_dpo/margin_std': 295.6842041015625, 'logps/chosen': -400.31243896484375, 'logps/rejected': -691.746826171875, 'logps/ref_chosen': -65.12869262695312, 'logps/ref_rejected': -101.72701263427734, 'KL/chosen_KL_mean': -335.18377685546875, 'KL/rejected_KL_mean': -590.0198364257812, 'KL/mean': -462.601806640625, 'KL/std': 248.90377807617188, 'logits/chosen': -0.46123170852661133, 'logits/rejected': -0.44864845275878906, 'epoch': 0.49} 49%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 337/681 [14:11<14:24, 2.51s/it] 50%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 338/681 [14:14<14:25, 2.52s/it] {'loss': 1.0652, 'grad_norm': 26.014801025390625, 'learning_rate': 2.984578725527675e-07, 'fcm_dpo/beta': 0.0015977486036717892, 'fcm_dpo/q_t': 0.4050595760345459, 'fcm_dpo/delta': -0.05123209208250046, 'fcm_dpo/margin': 249.80540466308594, 'margin_dpo/margin_mean': 249.805419921875, 'margin_dpo/margin_std': 252.97518920898438, 'logps/chosen': -356.75115966796875, 'logps/rejected': -637.202392578125, 'logps/ref_chosen': -58.422706604003906, 'logps/ref_rejected': -89.06854248046875, 'KL/chosen_KL_mean': -298.3284606933594, 'KL/rejected_KL_mean': -548.1339111328125, 'KL/mean': -423.231201171875, 'KL/std': 241.73153686523438, 'logits/chosen': -0.4533551335334778, 'logits/rejected': -0.44745928049087524, 'epoch': 0.5} 50%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 338/681 [14:14<14:25, 2.52s/it] 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 339/681 [14:16<13:56, 2.45s/it] {'loss': 1.0773, 'grad_norm': 23.043846130371094, 'learning_rate': 2.9719824786231796e-07, 'fcm_dpo/beta': 0.0015966382343322039, 'fcm_dpo/q_t': 0.4064652621746063, 'fcm_dpo/delta': -0.04843657463788986, 'fcm_dpo/margin': 247.76576232910156, 'margin_dpo/margin_mean': 247.7657470703125, 'margin_dpo/margin_std': 259.73455810546875, 'logps/chosen': -380.64361572265625, 'logps/rejected': -672.324951171875, 'logps/ref_chosen': -59.99531555175781, 'logps/ref_rejected': -103.9109115600586, 'KL/chosen_KL_mean': -320.6482849121094, 'KL/rejected_KL_mean': -568.4140625, 'KL/mean': -444.5311584472656, 'KL/std': 257.1028137207031, 'logits/chosen': -0.5105829238891602, 'logits/rejected': -0.49902158975601196, 'epoch': 0.5} 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 339/681 [14:16<13:56, 2.45s/it] 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 340/681 [14:19<14:05, 2.48s/it] {'loss': 1.1452, 'grad_norm': 24.647438049316406, 'learning_rate': 2.959373794541426e-07, 'fcm_dpo/beta': 0.0015804399736225605, 'fcm_dpo/q_t': 0.4249947667121887, 'fcm_dpo/delta': 0.02824411541223526, 'fcm_dpo/margin': 204.05410766601562, 'margin_dpo/margin_mean': 204.05410766601562, 'margin_dpo/margin_std': 303.45513916015625, 'logps/chosen': -397.62109375, 'logps/rejected': -621.9522094726562, 'logps/ref_chosen': -52.83022689819336, 'logps/ref_rejected': -73.10723114013672, 'KL/chosen_KL_mean': -344.79083251953125, 'KL/rejected_KL_mean': -548.844970703125, 'KL/mean': -446.81793212890625, 'KL/std': 248.848876953125, 'logits/chosen': -0.4062250852584839, 'logits/rejected': -0.38350969552993774, 'epoch': 0.5} 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 340/681 [14:19<14:05, 2.48s/it] 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 341/681 [14:21<13:40, 2.41s/it] {'loss': 1.0948, 'grad_norm': 22.612895965576172, 'learning_rate': 2.946753005532965e-07, 'fcm_dpo/beta': 0.001576824113726616, 'fcm_dpo/q_t': 0.41167351603507996, 'fcm_dpo/delta': -0.028752204030752182, 'fcm_dpo/margin': 239.3319549560547, 'margin_dpo/margin_mean': 239.33193969726562, 'margin_dpo/margin_std': 287.29522705078125, 'logps/chosen': -392.126708984375, 'logps/rejected': -685.3687133789062, 'logps/ref_chosen': -47.899803161621094, 'logps/ref_rejected': -101.80987548828125, 'KL/chosen_KL_mean': -344.22686767578125, 'KL/rejected_KL_mean': -583.558837890625, 'KL/mean': -463.89288330078125, 'KL/std': 270.5447082519531, 'logits/chosen': -0.4313828945159912, 'logits/rejected': -0.42949026823043823, 'epoch': 0.5} 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 341/681 [14:21<13:40, 2.41s/it] 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 342/681 [14:24<14:02, 2.49s/it] {'loss': 1.1482, 'grad_norm': 23.06468391418457, 'learning_rate': 2.934120444167326e-07, 'fcm_dpo/beta': 0.0015923329629004002, 'fcm_dpo/q_t': 0.4247163236141205, 'fcm_dpo/delta': 0.029024792835116386, 'fcm_dpo/margin': 201.91983032226562, 'margin_dpo/margin_mean': 201.91983032226562, 'margin_dpo/margin_std': 308.49237060546875, 'logps/chosen': -412.2455749511719, 'logps/rejected': -634.75830078125, 'logps/ref_chosen': -71.99664306640625, 'logps/ref_rejected': -92.58959197998047, 'KL/chosen_KL_mean': -340.2489318847656, 'KL/rejected_KL_mean': -542.168701171875, 'KL/mean': -441.2088317871094, 'KL/std': 256.6587829589844, 'logits/chosen': -0.46542230248451233, 'logits/rejected': -0.43691468238830566, 'epoch': 0.5} 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 342/681 [14:24<14:02, 2.49s/it] 50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 343/681 [14:26<13:41, 2.43s/it] {'loss': 1.0525, 'grad_norm': 19.85938262939453, 'learning_rate': 2.9214764433242476e-07, 'fcm_dpo/beta': 0.0015744275879114866, 'fcm_dpo/q_t': 0.40231946110725403, 'fcm_dpo/delta': -0.05970253422856331, 'fcm_dpo/margin': 258.6740417480469, 'margin_dpo/margin_mean': 258.67401123046875, 'margin_dpo/margin_std': 228.75125122070312, 'logps/chosen': -365.44036865234375, 'logps/rejected': -680.7501220703125, 'logps/ref_chosen': -54.405616760253906, 'logps/ref_rejected': -111.04142761230469, 'KL/chosen_KL_mean': -311.03472900390625, 'KL/rejected_KL_mean': -569.708740234375, 'KL/mean': -440.37176513671875, 'KL/std': 256.6684875488281, 'logits/chosen': -0.4849863052368164, 'logits/rejected': -0.4904642403125763, 'epoch': 0.5} 50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 343/681 [14:26<13:41, 2.43s/it] 51%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 344/681 [14:28<13:38, 2.43s/it] {'loss': 1.1164, 'grad_norm': 29.873308181762695, 'learning_rate': 2.9088213361849126e-07, 'fcm_dpo/beta': 0.0015560141764581203, 'fcm_dpo/q_t': 0.41803035140037537, 'fcm_dpo/delta': -0.0887831598520279, 'fcm_dpo/margin': 229.09188842773438, 'margin_dpo/margin_mean': 229.09188842773438, 'margin_dpo/margin_std': 292.5248718261719, 'logps/chosen': -365.4541015625, 'logps/rejected': -631.2046508789062, 'logps/ref_chosen': -53.96466827392578, 'logps/ref_rejected': -90.62336730957031, 'KL/chosen_KL_mean': -311.48944091796875, 'KL/rejected_KL_mean': -540.581298828125, 'KL/mean': -426.0353698730469, 'KL/std': 284.60888671875, 'logits/chosen': -0.47299444675445557, 'logits/rejected': -0.4747607707977295, 'epoch': 0.51} 51%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 344/681 [14:28<13:38, 2.43s/it] 51%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 345/681 [14:31<13:59, 2.50s/it] {'loss': 1.0872, 'grad_norm': 23.3608455657959, 'learning_rate': 2.896155456223163e-07, 'fcm_dpo/beta': 0.0015359357930719852, 'fcm_dpo/q_t': 0.4097304940223694, 'fcm_dpo/delta': -0.03427436202764511, 'fcm_dpo/margin': 249.343017578125, 'margin_dpo/margin_mean': 249.34304809570312, 'margin_dpo/margin_std': 292.41497802734375, 'logps/chosen': -432.04541015625, 'logps/rejected': -719.193115234375, 'logps/ref_chosen': -61.685699462890625, 'logps/ref_rejected': -99.49041748046875, 'KL/chosen_KL_mean': -370.3597106933594, 'KL/rejected_KL_mean': -619.7027587890625, 'KL/mean': -495.03125, 'KL/std': 266.9612731933594, 'logits/chosen': -0.4813809394836426, 'logits/rejected': -0.4792475700378418, 'epoch': 0.51} 51%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 345/681 [14:31<13:59, 2.50s/it] 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 346/681 [14:34<13:49, 2.48s/it] {'loss': 1.1038, 'grad_norm': 20.73213005065918, 'learning_rate': 2.883479137196714e-07, 'fcm_dpo/beta': 0.0015292272437363863, 'fcm_dpo/q_t': 0.4146372973918915, 'fcm_dpo/delta': -0.008838503621518612, 'fcm_dpo/margin': 234.44375610351562, 'margin_dpo/margin_mean': 234.4437713623047, 'margin_dpo/margin_std': 281.268310546875, 'logps/chosen': -418.38336181640625, 'logps/rejected': -674.9862060546875, 'logps/ref_chosen': -55.256263732910156, 'logps/ref_rejected': -77.41532135009766, 'KL/chosen_KL_mean': -363.1270751953125, 'KL/rejected_KL_mean': -597.5708618164062, 'KL/mean': -480.3489685058594, 'KL/std': 265.65924072265625, 'logits/chosen': -0.44797492027282715, 'logits/rejected': -0.4381539821624756, 'epoch': 0.51} 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 346/681 [14:34<13:49, 2.48s/it] 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 347/681 [14:36<13:12, 2.37s/it] {'loss': 1.1179, 'grad_norm': 22.630468368530273, 'learning_rate': 2.8707927131383614e-07, 'fcm_dpo/beta': 0.0015283192042261362, 'fcm_dpo/q_t': 0.417599081993103, 'fcm_dpo/delta': -0.0034055609721690416, 'fcm_dpo/margin': 231.15940856933594, 'margin_dpo/margin_mean': 231.15939331054688, 'margin_dpo/margin_std': 312.8233642578125, 'logps/chosen': -417.71978759765625, 'logps/rejected': -683.6680908203125, 'logps/ref_chosen': -57.56623840332031, 'logps/ref_rejected': -92.35509490966797, 'KL/chosen_KL_mean': -360.153564453125, 'KL/rejected_KL_mean': -591.31298828125, 'KL/mean': -475.7332763671875, 'KL/std': 275.2700500488281, 'logits/chosen': -0.4328559637069702, 'logits/rejected': -0.42671138048171997, 'epoch': 0.51} 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 347/681 [14:36<13:12, 2.37s/it] 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 348/681 [14:38<13:04, 2.36s/it] {'loss': 1.1552, 'grad_norm': 22.362464904785156, 'learning_rate': 2.858096518347179e-07, 'fcm_dpo/beta': 0.0015206331154331565, 'fcm_dpo/q_t': 0.4300573468208313, 'fcm_dpo/delta': -0.02389657124876976, 'fcm_dpo/margin': 195.53135681152344, 'margin_dpo/margin_mean': 195.53135681152344, 'margin_dpo/margin_std': 277.104248046875, 'logps/chosen': -377.963623046875, 'logps/rejected': -606.315673828125, 'logps/ref_chosen': -56.31770324707031, 'logps/ref_rejected': -89.13836669921875, 'KL/chosen_KL_mean': -321.64593505859375, 'KL/rejected_KL_mean': -517.1773071289062, 'KL/mean': -419.4115905761719, 'KL/std': 238.86471557617188, 'logits/chosen': -0.4757729768753052, 'logits/rejected': -0.47732916474342346, 'epoch': 0.51} 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 348/681 [14:38<13:04, 2.36s/it] 51%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 349/681 [14:41<13:33, 2.45s/it] {'loss': 1.1159, 'grad_norm': 18.555866241455078, 'learning_rate': 2.845390887379706e-07, 'fcm_dpo/beta': 0.0015224895905703306, 'fcm_dpo/q_t': 0.4166039228439331, 'fcm_dpo/delta': -0.01223532110452652, 'fcm_dpo/margin': 237.53692626953125, 'margin_dpo/margin_mean': 237.5369415283203, 'margin_dpo/margin_std': 327.4973449707031, 'logps/chosen': -356.361572265625, 'logps/rejected': -633.378173828125, 'logps/ref_chosen': -58.025516510009766, 'logps/ref_rejected': -97.50515747070312, 'KL/chosen_KL_mean': -298.3360595703125, 'KL/rejected_KL_mean': -535.8729858398438, 'KL/mean': -417.1045227050781, 'KL/std': 269.330322265625, 'logits/chosen': -0.4357994794845581, 'logits/rejected': -0.43820104002952576, 'epoch': 0.51} 51%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 349/681 [14:41<13:33, 2.45s/it] 51%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 350/681 [14:43<13:57, 2.53s/it] {'loss': 1.1337, 'grad_norm': 25.532001495361328, 'learning_rate': 2.8326761550411346e-07, 'fcm_dpo/beta': 0.001514824340119958, 'fcm_dpo/q_t': 0.4211843013763428, 'fcm_dpo/delta': 0.014613550156354904, 'fcm_dpo/margin': 221.5946044921875, 'margin_dpo/margin_mean': 221.5946044921875, 'margin_dpo/margin_std': 314.7109680175781, 'logps/chosen': -390.4779052734375, 'logps/rejected': -637.6136474609375, 'logps/ref_chosen': -64.33049011230469, 'logps/ref_rejected': -89.87164306640625, 'KL/chosen_KL_mean': -326.14739990234375, 'KL/rejected_KL_mean': -547.741943359375, 'KL/mean': -436.9446716308594, 'KL/std': 256.19500732421875, 'logits/chosen': -0.4588230848312378, 'logits/rejected': -0.4639089107513428, 'epoch': 0.51} 51%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 350/681 [14:43<13:57, 2.53s/it] 52%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 351/681 [14:46<13:55, 2.53s/it] {'loss': 1.0834, 'grad_norm': 26.511186599731445, 'learning_rate': 2.819952656376487e-07, 'fcm_dpo/beta': 0.0015022414736449718, 'fcm_dpo/q_t': 0.4057248532772064, 'fcm_dpo/delta': -0.0655267983675003, 'fcm_dpo/margin': 274.5762634277344, 'margin_dpo/margin_mean': 274.57623291015625, 'margin_dpo/margin_std': 358.6259765625, 'logps/chosen': -372.218017578125, 'logps/rejected': -687.6875610351562, 'logps/ref_chosen': -60.6721305847168, 'logps/ref_rejected': -101.5654296875, 'KL/chosen_KL_mean': -311.5458679199219, 'KL/rejected_KL_mean': -586.1221313476562, 'KL/mean': -448.833984375, 'KL/std': 308.70892333984375, 'logits/chosen': -0.47476595640182495, 'logits/rejected': -0.4755515456199646, 'epoch': 0.52} 52%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 351/681 [14:46<13:55, 2.53s/it] 52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 352/681 [14:48<13:56, 2.54s/it] {'loss': 1.2099, 'grad_norm': 30.402721405029297, 'learning_rate': 2.8072207266617854e-07, 'fcm_dpo/beta': 0.001509011024609208, 'fcm_dpo/q_t': 0.44290652871131897, 'fcm_dpo/delta': 0.024786878377199173, 'fcm_dpo/margin': 160.77786254882812, 'margin_dpo/margin_mean': 160.77786254882812, 'margin_dpo/margin_std': 302.5135498046875, 'logps/chosen': -437.8466796875, 'logps/rejected': -604.3231201171875, 'logps/ref_chosen': -70.9434585571289, 'logps/ref_rejected': -76.6419677734375, 'KL/chosen_KL_mean': -366.9032287597656, 'KL/rejected_KL_mean': -527.68115234375, 'KL/mean': -447.29217529296875, 'KL/std': 277.0421142578125, 'logits/chosen': -0.4430214464664459, 'logits/rejected': -0.41058680415153503, 'epoch': 0.52} 52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 352/681 [14:48<13:56, 2.54s/it] 52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 353/681 [14:51<13:54, 2.54s/it] {'loss': 1.1327, 'grad_norm': 23.444734573364258, 'learning_rate': 2.794480701395219e-07, 'fcm_dpo/beta': 0.0015030490467324853, 'fcm_dpo/q_t': 0.42118746042251587, 'fcm_dpo/delta': 0.008724931627511978, 'fcm_dpo/margin': 226.9186248779297, 'margin_dpo/margin_mean': 226.9186248779297, 'margin_dpo/margin_std': 323.4075622558594, 'logps/chosen': -405.1371765136719, 'logps/rejected': -653.9959716796875, 'logps/ref_chosen': -58.39533996582031, 'logps/ref_rejected': -80.33553314208984, 'KL/chosen_KL_mean': -346.7418212890625, 'KL/rejected_KL_mean': -573.660400390625, 'KL/mean': -460.20111083984375, 'KL/std': 280.99822998046875, 'logits/chosen': -0.4665010869503021, 'logits/rejected': -0.4548315405845642, 'epoch': 0.52} 52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 353/681 [14:51<13:54, 2.54s/it] 52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 354/681 [14:54<14:05, 2.58s/it] {'loss': 1.0915, 'grad_norm': 27.117420196533203, 'learning_rate': 2.781732916288303e-07, 'fcm_dpo/beta': 0.0015054075047373772, 'fcm_dpo/q_t': 0.4130624532699585, 'fcm_dpo/delta': -0.01743352971971035, 'fcm_dpo/margin': 243.60313415527344, 'margin_dpo/margin_mean': 243.60311889648438, 'margin_dpo/margin_std': 267.82965087890625, 'logps/chosen': -355.9551086425781, 'logps/rejected': -628.5127563476562, 'logps/ref_chosen': -59.80299377441406, 'logps/ref_rejected': -88.75750732421875, 'KL/chosen_KL_mean': -296.152099609375, 'KL/rejected_KL_mean': -539.7552490234375, 'KL/mean': -417.95367431640625, 'KL/std': 264.796630859375, 'logits/chosen': -0.44472265243530273, 'logits/rejected': -0.4349956214427948, 'epoch': 0.52} 52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 354/681 [14:54<14:05, 2.58s/it] 52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 355/681 [14:56<13:40, 2.52s/it] {'loss': 1.1006, 'grad_norm': 33.38981628417969, 'learning_rate': 2.7689777072570284e-07, 'fcm_dpo/beta': 0.0015026122564449906, 'fcm_dpo/q_t': 0.4154089689254761, 'fcm_dpo/delta': -0.005186091177165508, 'fcm_dpo/margin': 236.21141052246094, 'margin_dpo/margin_mean': 236.21142578125, 'margin_dpo/margin_std': 263.2491760253906, 'logps/chosen': -353.61279296875, 'logps/rejected': -618.101806640625, 'logps/ref_chosen': -54.12849807739258, 'logps/ref_rejected': -82.40606689453125, 'KL/chosen_KL_mean': -299.48431396484375, 'KL/rejected_KL_mean': -535.6956787109375, 'KL/mean': -417.59002685546875, 'KL/std': 261.95001220703125, 'logits/chosen': -0.5034153461456299, 'logits/rejected': -0.4952772855758667, 'epoch': 0.52} 52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 355/681 [14:56<13:40, 2.52s/it] 52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 356/681 [14:59<13:58, 2.58s/it] {'loss': 1.2663, 'grad_norm': 26.874828338623047, 'learning_rate': 2.7562154104130176e-07, 'fcm_dpo/beta': 0.0015103459591045976, 'fcm_dpo/q_t': 0.45585763454437256, 'fcm_dpo/delta': 0.03656543791294098, 'fcm_dpo/margin': 126.61747741699219, 'margin_dpo/margin_mean': 126.61747741699219, 'margin_dpo/margin_std': 333.15924072265625, 'logps/chosen': -428.9696960449219, 'logps/rejected': -566.8126220703125, 'logps/ref_chosen': -64.6738052368164, 'logps/ref_rejected': -75.89926147460938, 'KL/chosen_KL_mean': -364.2958984375, 'KL/rejected_KL_mean': -490.913330078125, 'KL/mean': -427.6046142578125, 'KL/std': 271.66748046875, 'logits/chosen': -0.4800550043582916, 'logits/rejected': -0.4602137804031372, 'epoch': 0.52} 52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 356/681 [14:59<13:58, 2.58s/it] 52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 357/681 [15:01<14:03, 2.60s/it] {'loss': 1.1443, 'grad_norm': 33.71342468261719, 'learning_rate': 2.7434463620546594e-07, 'fcm_dpo/beta': 0.0015188403194770217, 'fcm_dpo/q_t': 0.42600899934768677, 'fcm_dpo/delta': 0.03768056631088257, 'fcm_dpo/margin': 206.32057189941406, 'margin_dpo/margin_mean': 206.32058715820312, 'margin_dpo/margin_std': 286.84808349609375, 'logps/chosen': -381.8566589355469, 'logps/rejected': -622.2926025390625, 'logps/ref_chosen': -52.725799560546875, 'logps/ref_rejected': -86.84115600585938, 'KL/chosen_KL_mean': -329.130859375, 'KL/rejected_KL_mean': -535.451416015625, 'KL/mean': -432.2911376953125, 'KL/std': 263.6339111328125, 'logits/chosen': -0.4496878385543823, 'logits/rejected': -0.4382253885269165, 'epoch': 0.52} 52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 357/681 [15:01<14:03, 2.60s/it] 53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 358/681 [15:04<14:17, 2.65s/it] {'loss': 1.1493, 'grad_norm': 21.35138702392578, 'learning_rate': 2.730670898658255e-07, 'fcm_dpo/beta': 0.0015357965603470802, 'fcm_dpo/q_t': 0.42794185876846313, 'fcm_dpo/delta': 0.03961861506104469, 'fcm_dpo/margin': 202.90966796875, 'margin_dpo/margin_mean': 202.90966796875, 'margin_dpo/margin_std': 300.5551452636719, 'logps/chosen': -362.74835205078125, 'logps/rejected': -590.825927734375, 'logps/ref_chosen': -63.20543670654297, 'logps/ref_rejected': -88.373291015625, 'KL/chosen_KL_mean': -299.54290771484375, 'KL/rejected_KL_mean': -502.4526062011719, 'KL/mean': -400.99774169921875, 'KL/std': 268.91558837890625, 'logits/chosen': -0.5003876686096191, 'logits/rejected': -0.484429270029068, 'epoch': 0.53} 53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 358/681 [15:04<14:17, 2.65s/it] 53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 359/681 [15:07<14:04, 2.62s/it] {'loss': 1.1054, 'grad_norm': 27.014921188354492, 'learning_rate': 2.717889356869146e-07, 'fcm_dpo/beta': 0.0015308901201933622, 'fcm_dpo/q_t': 0.41267070174217224, 'fcm_dpo/delta': -0.028654001653194427, 'fcm_dpo/margin': 246.58924865722656, 'margin_dpo/margin_mean': 246.58926391601562, 'margin_dpo/margin_std': 330.0404052734375, 'logps/chosen': -407.387451171875, 'logps/rejected': -679.7802734375, 'logps/ref_chosen': -56.370216369628906, 'logps/ref_rejected': -82.17375183105469, 'KL/chosen_KL_mean': -351.01727294921875, 'KL/rejected_KL_mean': -597.6065673828125, 'KL/mean': -474.3118591308594, 'KL/std': 270.4597473144531, 'logits/chosen': -0.39821434020996094, 'logits/rejected': -0.38216477632522583, 'epoch': 0.53} 53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 359/681 [15:07<14:04, 2.62s/it] 53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 360/681 [15:09<13:49, 2.58s/it] {'loss': 1.1574, 'grad_norm': 44.442474365234375, 'learning_rate': 2.7051020734928443e-07, 'fcm_dpo/beta': 0.0015494239050894976, 'fcm_dpo/q_t': 0.4340076446533203, 'fcm_dpo/delta': 0.07566958665847778, 'fcm_dpo/margin': 178.35223388671875, 'margin_dpo/margin_mean': 178.3522186279297, 'margin_dpo/margin_std': 219.6265869140625, 'logps/chosen': -397.95233154296875, 'logps/rejected': -594.6830444335938, 'logps/ref_chosen': -51.460384368896484, 'logps/ref_rejected': -69.83892059326172, 'KL/chosen_KL_mean': -346.491943359375, 'KL/rejected_KL_mean': -524.8441162109375, 'KL/mean': -435.66802978515625, 'KL/std': 230.1074676513672, 'logits/chosen': -0.4111713767051697, 'logits/rejected': -0.39715811610221863, 'epoch': 0.53} 53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 360/681 [15:09<13:49, 2.58s/it] 53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 361/681 [15:12<13:57, 2.62s/it] {'loss': 1.176, 'grad_norm': 32.93223190307617, 'learning_rate': 2.6923093854861593e-07, 'fcm_dpo/beta': 0.0015741336392238736, 'fcm_dpo/q_t': 0.43446093797683716, 'fcm_dpo/delta': 0.07154025882482529, 'fcm_dpo/margin': 178.01559448242188, 'margin_dpo/margin_mean': 178.0155792236328, 'margin_dpo/margin_std': 290.41571044921875, 'logps/chosen': -422.80352783203125, 'logps/rejected': -637.7188720703125, 'logps/ref_chosen': -53.86951446533203, 'logps/ref_rejected': -90.7692642211914, 'KL/chosen_KL_mean': -368.93402099609375, 'KL/rejected_KL_mean': -546.9495849609375, 'KL/mean': -457.94183349609375, 'KL/std': 270.2475891113281, 'logits/chosen': -0.4147510528564453, 'logits/rejected': -0.4130870997905731, 'epoch': 0.53} 53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 361/681 [15:12<13:57, 2.62s/it] 53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 362/681 [15:14<13:48, 2.60s/it] {'loss': 1.0313, 'grad_norm': 26.073640823364258, 'learning_rate': 2.679511629948319e-07, 'fcm_dpo/beta': 0.001544571714475751, 'fcm_dpo/q_t': 0.39361345767974854, 'fcm_dpo/delta': -0.11250950396060944, 'fcm_dpo/margin': 295.68963623046875, 'margin_dpo/margin_mean': 295.68963623046875, 'margin_dpo/margin_std': 301.7510986328125, 'logps/chosen': -372.48333740234375, 'logps/rejected': -715.1158447265625, 'logps/ref_chosen': -58.639060974121094, 'logps/ref_rejected': -105.58195495605469, 'KL/chosen_KL_mean': -313.84429931640625, 'KL/rejected_KL_mean': -609.533935546875, 'KL/mean': -461.6890869140625, 'KL/std': 282.345947265625, 'logits/chosen': -0.44423967599868774, 'logits/rejected': -0.4537912905216217, 'epoch': 0.53} 53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 362/681 [15:15<13:48, 2.60s/it] 53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 363/681 [15:17<13:16, 2.50s/it] {'loss': 1.0335, 'grad_norm': 30.12809944152832, 'learning_rate': 2.6667091441120816e-07, 'fcm_dpo/beta': 0.0015216870233416557, 'fcm_dpo/q_t': 0.3945517838001251, 'fcm_dpo/delta': -0.10447092354297638, 'fcm_dpo/margin': 295.65728759765625, 'margin_dpo/margin_mean': 295.65728759765625, 'margin_dpo/margin_std': 295.49774169921875, 'logps/chosen': -329.229736328125, 'logps/rejected': -655.0236206054688, 'logps/ref_chosen': -44.558380126953125, 'logps/ref_rejected': -74.69496154785156, 'KL/chosen_KL_mean': -284.67132568359375, 'KL/rejected_KL_mean': -580.3286743164062, 'KL/mean': -432.5, 'KL/std': 269.4873962402344, 'logits/chosen': -0.3808155059814453, 'logits/rejected': -0.37547147274017334, 'epoch': 0.53} 53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 363/681 [15:17<13:16, 2.50s/it] 53%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 364/681 [15:19<13:19, 2.52s/it] {'loss': 1.1234, 'grad_norm': 19.665786743164062, 'learning_rate': 2.6539022653348575e-07, 'fcm_dpo/beta': 0.0015164412325248122, 'fcm_dpo/q_t': 0.41953587532043457, 'fcm_dpo/delta': 0.008228322491049767, 'fcm_dpo/margin': 225.39791870117188, 'margin_dpo/margin_mean': 225.39791870117188, 'margin_dpo/margin_std': 298.9825439453125, 'logps/chosen': -357.09881591796875, 'logps/rejected': -624.9979248046875, 'logps/ref_chosen': -48.894622802734375, 'logps/ref_rejected': -91.395751953125, 'KL/chosen_KL_mean': -308.2042236328125, 'KL/rejected_KL_mean': -533.6021728515625, 'KL/mean': -420.90313720703125, 'KL/std': 261.20819091796875, 'logits/chosen': -0.423043817281723, 'logits/rejected': -0.4345157742500305, 'epoch': 0.53} 53%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 364/681 [15:19<13:19, 2.52s/it] 54%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 365/681 [15:22<13:25, 2.55s/it] {'loss': 1.1113, 'grad_norm': 22.943742752075195, 'learning_rate': 2.641091331089811e-07, 'fcm_dpo/beta': 0.001512871589511633, 'fcm_dpo/q_t': 0.41882503032684326, 'fcm_dpo/delta': 0.002944107400253415, 'fcm_dpo/margin': 229.468994140625, 'margin_dpo/margin_mean': 229.46900939941406, 'margin_dpo/margin_std': 278.7212219238281, 'logps/chosen': -357.8057861328125, 'logps/rejected': -628.483642578125, 'logps/ref_chosen': -51.49274444580078, 'logps/ref_rejected': -92.70166778564453, 'KL/chosen_KL_mean': -306.31304931640625, 'KL/rejected_KL_mean': -535.781982421875, 'KL/mean': -421.04754638671875, 'KL/std': 272.7528076171875, 'logits/chosen': -0.4167822003364563, 'logits/rejected': -0.4276372194290161, 'epoch': 0.54} 54%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 365/681 [15:22<13:25, 2.55s/it] 54%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 366/681 [15:25<13:23, 2.55s/it] {'loss': 1.1141, 'grad_norm': 20.372705459594727, 'learning_rate': 2.6282766789569736e-07, 'fcm_dpo/beta': 0.001505196327343583, 'fcm_dpo/q_t': 0.41680413484573364, 'fcm_dpo/delta': -0.006696049124002457, 'fcm_dpo/margin': 236.58290100097656, 'margin_dpo/margin_mean': 236.5828857421875, 'margin_dpo/margin_std': 308.424072265625, 'logps/chosen': -324.15655517578125, 'logps/rejected': -599.3292846679688, 'logps/ref_chosen': -44.7205696105957, 'logps/ref_rejected': -83.31040954589844, 'KL/chosen_KL_mean': -279.43597412109375, 'KL/rejected_KL_mean': -516.0189208984375, 'KL/mean': -397.7274169921875, 'KL/std': 259.2245178222656, 'logits/chosen': -0.41744059324264526, 'logits/rejected': -0.43434953689575195, 'epoch': 0.54} 54%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 366/681 [15:25<13:23, 2.55s/it] 54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 367/681 [15:27<13:37, 2.60s/it] {'loss': 1.1444, 'grad_norm': 20.739452362060547, 'learning_rate': 2.615458646614349e-07, 'fcm_dpo/beta': 0.0015253680758178234, 'fcm_dpo/q_t': 0.4285646378993988, 'fcm_dpo/delta': 0.05257764458656311, 'fcm_dpo/margin': 195.91758728027344, 'margin_dpo/margin_mean': 195.91757202148438, 'margin_dpo/margin_std': 247.79733276367188, 'logps/chosen': -355.164306640625, 'logps/rejected': -569.4277954101562, 'logps/ref_chosen': -58.405418395996094, 'logps/ref_rejected': -76.75132751464844, 'KL/chosen_KL_mean': -296.7589111328125, 'KL/rejected_KL_mean': -492.67645263671875, 'KL/mean': -394.7176818847656, 'KL/std': 231.99639892578125, 'logits/chosen': -0.4246237277984619, 'logits/rejected': -0.40804946422576904, 'epoch': 0.54} 54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 367/681 [15:27<13:37, 2.60s/it] 54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 368/681 [15:30<13:32, 2.60s/it] {'loss': 1.0009, 'grad_norm': 45.461280822753906, 'learning_rate': 2.6026375718290083e-07, 'fcm_dpo/beta': 0.0014983892906457186, 'fcm_dpo/q_t': 0.38702040910720825, 'fcm_dpo/delta': -0.12442989647388458, 'fcm_dpo/margin': 312.7117919921875, 'margin_dpo/margin_mean': 312.7117919921875, 'margin_dpo/margin_std': 233.67335510253906, 'logps/chosen': -325.31219482421875, 'logps/rejected': -692.126708984375, 'logps/ref_chosen': -44.452518463134766, 'logps/ref_rejected': -98.55526733398438, 'KL/chosen_KL_mean': -280.85968017578125, 'KL/rejected_KL_mean': -593.5714111328125, 'KL/mean': -437.2155456542969, 'KL/std': 266.61279296875, 'logits/chosen': -0.4298338294029236, 'logits/rejected': -0.43975430727005005, 'epoch': 0.54} 54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 368/681 [15:30<13:32, 2.60s/it] 54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 369/681 [15:32<13:36, 2.62s/it] {'loss': 1.2114, 'grad_norm': 22.148353576660156, 'learning_rate': 2.589813792448196e-07, 'fcm_dpo/beta': 0.001493208110332489, 'fcm_dpo/q_t': 0.44229739904403687, 'fcm_dpo/delta': 0.02635270729660988, 'fcm_dpo/margin': 162.47970581054688, 'margin_dpo/margin_mean': 162.47970581054688, 'margin_dpo/margin_std': 314.4382019042969, 'logps/chosen': -450.9524230957031, 'logps/rejected': -633.346435546875, 'logps/ref_chosen': -71.38150024414062, 'logps/ref_rejected': -91.29582214355469, 'KL/chosen_KL_mean': -379.5709228515625, 'KL/rejected_KL_mean': -542.0505981445312, 'KL/mean': -460.81072998046875, 'KL/std': 278.4993896484375, 'logits/chosen': -0.4620640277862549, 'logits/rejected': -0.4419480264186859, 'epoch': 0.54} 54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 369/681 [15:33<13:36, 2.62s/it] 54%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 370/681 [15:35<13:43, 2.65s/it] {'loss': 1.2328, 'grad_norm': 38.19746398925781, 'learning_rate': 2.5769876463904263e-07, 'fcm_dpo/beta': 0.0015031839720904827, 'fcm_dpo/q_t': 0.4480086863040924, 'fcm_dpo/delta': 0.04018635302782059, 'fcm_dpo/margin': 148.44134521484375, 'margin_dpo/margin_mean': 148.44134521484375, 'margin_dpo/margin_std': 322.265869140625, 'logps/chosen': -479.36334228515625, 'logps/rejected': -653.4569702148438, 'logps/ref_chosen': -71.60749816894531, 'logps/ref_rejected': -97.25978088378906, 'KL/chosen_KL_mean': -407.7558288574219, 'KL/rejected_KL_mean': -556.1971435546875, 'KL/mean': -481.97650146484375, 'KL/std': 289.5532531738281, 'logits/chosen': -0.476939857006073, 'logits/rejected': -0.4694327414035797, 'epoch': 0.54} 54%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 370/681 [15:35<13:43, 2.65s/it] 54%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 371/681 [15:38<13:42, 2.65s/it] {'loss': 1.1315, 'grad_norm': 30.20676612854004, 'learning_rate': 2.5641594716365744e-07, 'fcm_dpo/beta': 0.0015145591460168362, 'fcm_dpo/q_t': 0.41980546712875366, 'fcm_dpo/delta': 0.0020634010434150696, 'fcm_dpo/margin': 229.63694763183594, 'margin_dpo/margin_mean': 229.63694763183594, 'margin_dpo/margin_std': 338.1903991699219, 'logps/chosen': -453.6724853515625, 'logps/rejected': -713.067138671875, 'logps/ref_chosen': -69.41448974609375, 'logps/ref_rejected': -99.17217254638672, 'KL/chosen_KL_mean': -384.25799560546875, 'KL/rejected_KL_mean': -613.8948974609375, 'KL/mean': -499.07647705078125, 'KL/std': 296.7556457519531, 'logits/chosen': -0.4951871335506439, 'logits/rejected': -0.4812811017036438, 'epoch': 0.54} 54%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 371/681 [15:38<13:42, 2.65s/it] 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 372/681 [15:40<13:03, 2.53s/it] {'loss': 1.0968, 'grad_norm': 24.317825317382812, 'learning_rate': 2.551329606220976e-07, 'fcm_dpo/beta': 0.0014974682126194239, 'fcm_dpo/q_t': 0.4094997048377991, 'fcm_dpo/delta': -0.05130906403064728, 'fcm_dpo/margin': 266.59979248046875, 'margin_dpo/margin_mean': 266.59979248046875, 'margin_dpo/margin_std': 374.668212890625, 'logps/chosen': -438.17291259765625, 'logps/rejected': -721.4942626953125, 'logps/ref_chosen': -61.8179931640625, 'logps/ref_rejected': -78.53948974609375, 'KL/chosen_KL_mean': -376.35491943359375, 'KL/rejected_KL_mean': -642.9547119140625, 'KL/mean': -509.65484619140625, 'KL/std': 326.4896545410156, 'logits/chosen': -0.46680545806884766, 'logits/rejected': -0.44958722591400146, 'epoch': 0.55} 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 372/681 [15:40<13:03, 2.53s/it] 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 373/681 [15:43<12:54, 2.52s/it] {'loss': 1.1063, 'grad_norm': 25.24411392211914, 'learning_rate': 2.538498388222517e-07, 'fcm_dpo/beta': 0.0014972374774515629, 'fcm_dpo/q_t': 0.4135189950466156, 'fcm_dpo/delta': -0.017848707735538483, 'fcm_dpo/margin': 245.0315399169922, 'margin_dpo/margin_mean': 245.03155517578125, 'margin_dpo/margin_std': 305.9546813964844, 'logps/chosen': -474.8376159667969, 'logps/rejected': -741.6116333007812, 'logps/ref_chosen': -64.21713256835938, 'logps/ref_rejected': -85.95960998535156, 'KL/chosen_KL_mean': -410.6204833984375, 'KL/rejected_KL_mean': -655.6519775390625, 'KL/mean': -533.13623046875, 'KL/std': 314.3919677734375, 'logits/chosen': -0.4661676287651062, 'logits/rejected': -0.44771280884742737, 'epoch': 0.55} 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 373/681 [15:43<12:54, 2.52s/it] 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 374/681 [15:45<13:18, 2.60s/it] {'loss': 1.149, 'grad_norm': 25.0133113861084, 'learning_rate': 2.525666155755725e-07, 'fcm_dpo/beta': 0.001483630738221109, 'fcm_dpo/q_t': 0.4234431982040405, 'fcm_dpo/delta': 0.007859412580728531, 'fcm_dpo/margin': 230.50205993652344, 'margin_dpo/margin_mean': 230.50204467773438, 'margin_dpo/margin_std': 383.9598388671875, 'logps/chosen': -428.08441162109375, 'logps/rejected': -681.5764770507812, 'logps/ref_chosen': -70.65018463134766, 'logps/ref_rejected': -93.64016723632812, 'KL/chosen_KL_mean': -357.4342346191406, 'KL/rejected_KL_mean': -587.936279296875, 'KL/mean': -472.685302734375, 'KL/std': 340.931396484375, 'logits/chosen': -0.5473544597625732, 'logits/rejected': -0.5300641059875488, 'epoch': 0.55} 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 374/681 [15:45<13:18, 2.60s/it] 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 375/681 [15:48<13:27, 2.64s/it] {'loss': 1.1302, 'grad_norm': 28.873268127441406, 'learning_rate': 2.512833246961859e-07, 'fcm_dpo/beta': 0.001486303168348968, 'fcm_dpo/q_t': 0.42030322551727295, 'fcm_dpo/delta': 0.008981514722108841, 'fcm_dpo/margin': 229.36874389648438, 'margin_dpo/margin_mean': 229.36875915527344, 'margin_dpo/margin_std': 321.7081298828125, 'logps/chosen': -416.0780029296875, 'logps/rejected': -674.3048095703125, 'logps/ref_chosen': -60.080223083496094, 'logps/ref_rejected': -88.93830871582031, 'KL/chosen_KL_mean': -355.9977722167969, 'KL/rejected_KL_mean': -585.3665771484375, 'KL/mean': -470.6821594238281, 'KL/std': 272.306396484375, 'logits/chosen': -0.5043726563453674, 'logits/rejected': -0.502221941947937, 'epoch': 0.55} 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 375/681 [15:48<13:27, 2.64s/it] 55%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 376/681 [15:51<13:27, 2.65s/it] {'loss': 1.0827, 'grad_norm': 24.37376594543457, 'learning_rate': 2.5e-07, 'fcm_dpo/beta': 0.0014795248862355947, 'fcm_dpo/q_t': 0.40609490871429443, 'fcm_dpo/delta': -0.053773216903209686, 'fcm_dpo/margin': 271.3414306640625, 'margin_dpo/margin_mean': 271.3414306640625, 'margin_dpo/margin_std': 334.4213562011719, 'logps/chosen': -413.58453369140625, 'logps/rejected': -727.792236328125, 'logps/ref_chosen': -62.660308837890625, 'logps/ref_rejected': -105.52660369873047, 'KL/chosen_KL_mean': -350.9241943359375, 'KL/rejected_KL_mean': -622.265625, 'KL/mean': -486.59490966796875, 'KL/std': 287.79742431640625, 'logits/chosen': -0.4954999089241028, 'logits/rejected': -0.4836694002151489, 'epoch': 0.55} 55%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 376/681 [15:51<13:27, 2.65s/it] 55%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 377/681 [15:53<13:08, 2.59s/it] {'loss': 1.0863, 'grad_norm': 32.48672866821289, 'learning_rate': 2.487166753038141e-07, 'fcm_dpo/beta': 0.0014730466064065695, 'fcm_dpo/q_t': 0.40986379981040955, 'fcm_dpo/delta': -0.03540883585810661, 'fcm_dpo/margin': 260.71563720703125, 'margin_dpo/margin_mean': 260.71563720703125, 'margin_dpo/margin_std': 304.24932861328125, 'logps/chosen': -389.569580078125, 'logps/rejected': -694.509765625, 'logps/ref_chosen': -54.478736877441406, 'logps/ref_rejected': -98.70335388183594, 'KL/chosen_KL_mean': -335.0908203125, 'KL/rejected_KL_mean': -595.8064575195312, 'KL/mean': -465.4486389160156, 'KL/std': 300.1963195800781, 'logits/chosen': -0.46442294120788574, 'logits/rejected': -0.4637567102909088, 'epoch': 0.55} 55%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 377/681 [15:53<13:08, 2.59s/it] 56%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 378/681 [15:55<12:25, 2.46s/it] {'loss': 1.0774, 'grad_norm': 30.09598731994629, 'learning_rate': 2.4743338442442754e-07, 'fcm_dpo/beta': 0.0014589335769414902, 'fcm_dpo/q_t': 0.4074614346027374, 'fcm_dpo/delta': -0.03989920765161514, 'fcm_dpo/margin': 266.185791015625, 'margin_dpo/margin_mean': 266.185791015625, 'margin_dpo/margin_std': 289.00152587890625, 'logps/chosen': -369.273681640625, 'logps/rejected': -678.4859619140625, 'logps/ref_chosen': -45.02053451538086, 'logps/ref_rejected': -88.0469741821289, 'KL/chosen_KL_mean': -324.253173828125, 'KL/rejected_KL_mean': -590.43896484375, 'KL/mean': -457.3460693359375, 'KL/std': 271.17132568359375, 'logits/chosen': -0.44874757528305054, 'logits/rejected': -0.4621288776397705, 'epoch': 0.56} 56%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 378/681 [15:55<12:25, 2.46s/it] 56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 379/681 [15:58<12:20, 2.45s/it] {'loss': 1.0973, 'grad_norm': 27.302921295166016, 'learning_rate': 2.461501611777483e-07, 'fcm_dpo/beta': 0.001443482586182654, 'fcm_dpo/q_t': 0.41118955612182617, 'fcm_dpo/delta': -0.03341230750083923, 'fcm_dpo/margin': 264.4649658203125, 'margin_dpo/margin_mean': 264.4649658203125, 'margin_dpo/margin_std': 336.5331115722656, 'logps/chosen': -417.09893798828125, 'logps/rejected': -742.681884765625, 'logps/ref_chosen': -53.182098388671875, 'logps/ref_rejected': -114.3001708984375, 'KL/chosen_KL_mean': -363.91680908203125, 'KL/rejected_KL_mean': -628.3817138671875, 'KL/mean': -496.1492919921875, 'KL/std': 281.95513916015625, 'logits/chosen': -0.4446529150009155, 'logits/rejected': -0.462520956993103, 'epoch': 0.56} 56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 379/681 [15:58<12:20, 2.45s/it] 56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 380/681 [16:00<12:06, 2.41s/it] {'loss': 1.0519, 'grad_norm': 23.3795166015625, 'learning_rate': 2.4486703937790243e-07, 'fcm_dpo/beta': 0.0014270804822444916, 'fcm_dpo/q_t': 0.3965052366256714, 'fcm_dpo/delta': -0.0942816212773323, 'fcm_dpo/margin': 308.44720458984375, 'margin_dpo/margin_mean': 308.44720458984375, 'margin_dpo/margin_std': 349.7032470703125, 'logps/chosen': -399.01312255859375, 'logps/rejected': -760.2989501953125, 'logps/ref_chosen': -51.3530387878418, 'logps/ref_rejected': -104.19169616699219, 'KL/chosen_KL_mean': -347.66009521484375, 'KL/rejected_KL_mean': -656.1072998046875, 'KL/mean': -501.8836669921875, 'KL/std': 324.0223083496094, 'logits/chosen': -0.4075812101364136, 'logits/rejected': -0.4323120415210724, 'epoch': 0.56} 56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 380/681 [16:00<12:06, 2.41s/it] 56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 381/681 [16:03<12:10, 2.44s/it] {'loss': 1.1781, 'grad_norm': 26.060014724731445, 'learning_rate': 2.435840528363426e-07, 'fcm_dpo/beta': 0.0014290527906268835, 'fcm_dpo/q_t': 0.43153679370880127, 'fcm_dpo/delta': 0.056157857179641724, 'fcm_dpo/margin': 206.8074951171875, 'margin_dpo/margin_mean': 206.8074951171875, 'margin_dpo/margin_std': 366.61651611328125, 'logps/chosen': -414.9573974609375, 'logps/rejected': -643.1812744140625, 'logps/ref_chosen': -57.80306625366211, 'logps/ref_rejected': -79.21940612792969, 'KL/chosen_KL_mean': -357.15435791015625, 'KL/rejected_KL_mean': -563.9618530273438, 'KL/mean': -460.5580749511719, 'KL/std': 264.73126220703125, 'logits/chosen': -0.4189026951789856, 'logits/rejected': -0.3993133306503296, 'epoch': 0.56} 56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 381/681 [16:03<12:10, 2.44s/it] 56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 382/681 [16:05<12:18, 2.47s/it] {'loss': 1.0869, 'grad_norm': 26.346120834350586, 'learning_rate': 2.4230123536095745e-07, 'fcm_dpo/beta': 0.0014304309152066708, 'fcm_dpo/q_t': 0.41199958324432373, 'fcm_dpo/delta': -0.02109403908252716, 'fcm_dpo/margin': 258.87652587890625, 'margin_dpo/margin_mean': 258.87652587890625, 'margin_dpo/margin_std': 273.289306640625, 'logps/chosen': -412.9825439453125, 'logps/rejected': -716.5488891601562, 'logps/ref_chosen': -66.02030181884766, 'logps/ref_rejected': -110.71016693115234, 'KL/chosen_KL_mean': -346.9622497558594, 'KL/rejected_KL_mean': -605.8387451171875, 'KL/mean': -476.4005126953125, 'KL/std': 250.68878173828125, 'logits/chosen': -0.4333261251449585, 'logits/rejected': -0.43255484104156494, 'epoch': 0.56} 56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 382/681 [16:05<12:18, 2.47s/it] 56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 383/681 [16:08<12:18, 2.48s/it] {'loss': 1.1175, 'grad_norm': 29.732643127441406, 'learning_rate': 2.4101862075518037e-07, 'fcm_dpo/beta': 0.0014227345818653703, 'fcm_dpo/q_t': 0.4132228195667267, 'fcm_dpo/delta': -0.022058716043829918, 'fcm_dpo/margin': 260.88958740234375, 'margin_dpo/margin_mean': 260.8896179199219, 'margin_dpo/margin_std': 378.602783203125, 'logps/chosen': -411.78106689453125, 'logps/rejected': -715.9951171875, 'logps/ref_chosen': -50.39148712158203, 'logps/ref_rejected': -93.71589660644531, 'KL/chosen_KL_mean': -361.38958740234375, 'KL/rejected_KL_mean': -622.2792358398438, 'KL/mean': -491.83441162109375, 'KL/std': 291.9897766113281, 'logits/chosen': -0.4310753345489502, 'logits/rejected': -0.4417402744293213, 'epoch': 0.56} 56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 383/681 [16:08<12:18, 2.48s/it] 56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 384/681 [16:10<12:21, 2.50s/it] {'loss': 1.1487, 'grad_norm': 23.503877639770508, 'learning_rate': 2.397362428170992e-07, 'fcm_dpo/beta': 0.0014413523022085428, 'fcm_dpo/q_t': 0.43101757764816284, 'fcm_dpo/delta': 0.06357108056545258, 'fcm_dpo/margin': 199.70144653320312, 'margin_dpo/margin_mean': 199.70143127441406, 'margin_dpo/margin_std': 238.79812622070312, 'logps/chosen': -416.35076904296875, 'logps/rejected': -649.7669677734375, 'logps/ref_chosen': -52.046104431152344, 'logps/ref_rejected': -85.76089477539062, 'KL/chosen_KL_mean': -364.3046569824219, 'KL/rejected_KL_mean': -564.006103515625, 'KL/mean': -464.1553649902344, 'KL/std': 258.0005187988281, 'logits/chosen': -0.46157699823379517, 'logits/rejected': -0.452648401260376, 'epoch': 0.56} 56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 384/681 [16:10<12:21, 2.50s/it] 57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 385/681 [16:13<12:14, 2.48s/it] {'loss': 1.0991, 'grad_norm': 27.88534164428711, 'learning_rate': 2.3845413533856514e-07, 'fcm_dpo/beta': 0.0014425960835069418, 'fcm_dpo/q_t': 0.4163161516189575, 'fcm_dpo/delta': 0.000802924856543541, 'fcm_dpo/margin': 242.0714569091797, 'margin_dpo/margin_mean': 242.0714569091797, 'margin_dpo/margin_std': 249.71163940429688, 'logps/chosen': -397.6869812011719, 'logps/rejected': -652.0341796875, 'logps/ref_chosen': -65.55215454101562, 'logps/ref_rejected': -77.82792663574219, 'KL/chosen_KL_mean': -332.13482666015625, 'KL/rejected_KL_mean': -574.2062377929688, 'KL/mean': -453.1705627441406, 'KL/std': 223.9749755859375, 'logits/chosen': -0.5080987215042114, 'logits/rejected': -0.48287850618362427, 'epoch': 0.57} 57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 385/681 [16:13<12:14, 2.48s/it] 57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 386/681 [16:15<12:21, 2.51s/it] {'loss': 1.0902, 'grad_norm': 19.920806884765625, 'learning_rate': 2.3717233210430254e-07, 'fcm_dpo/beta': 0.001433402532711625, 'fcm_dpo/q_t': 0.4095271825790405, 'fcm_dpo/delta': -0.03957575559616089, 'fcm_dpo/margin': 270.7188720703125, 'margin_dpo/margin_mean': 270.7189025878906, 'margin_dpo/margin_std': 338.1651306152344, 'logps/chosen': -415.7394104003906, 'logps/rejected': -720.5638427734375, 'logps/ref_chosen': -58.22185516357422, 'logps/ref_rejected': -92.32742309570312, 'KL/chosen_KL_mean': -357.517578125, 'KL/rejected_KL_mean': -628.2364501953125, 'KL/mean': -492.87701416015625, 'KL/std': 289.87762451171875, 'logits/chosen': -0.4485896825790405, 'logits/rejected': -0.44217997789382935, 'epoch': 0.57} 57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 386/681 [16:15<12:21, 2.51s/it] 57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 387/681 [16:18<12:30, 2.55s/it] {'loss': 1.1323, 'grad_norm': 29.61167335510254, 'learning_rate': 2.3589086689101889e-07, 'fcm_dpo/beta': 0.0014316510641947389, 'fcm_dpo/q_t': 0.42408478260040283, 'fcm_dpo/delta': 0.031094016507267952, 'fcm_dpo/margin': 223.3479461669922, 'margin_dpo/margin_mean': 223.3479461669922, 'margin_dpo/margin_std': 280.696044921875, 'logps/chosen': -462.5397644042969, 'logps/rejected': -711.637451171875, 'logps/ref_chosen': -66.41944885253906, 'logps/ref_rejected': -92.16915893554688, 'KL/chosen_KL_mean': -396.12030029296875, 'KL/rejected_KL_mean': -619.46826171875, 'KL/mean': -507.7943115234375, 'KL/std': 272.486328125, 'logits/chosen': -0.5005359649658203, 'logits/rejected': -0.4781208038330078, 'epoch': 0.57} 57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 387/681 [16:18<12:30, 2.55s/it] 57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 388/681 [16:20<12:09, 2.49s/it] {'loss': 1.0641, 'grad_norm': 24.022911071777344, 'learning_rate': 2.3460977346651428e-07, 'fcm_dpo/beta': 0.0014184208121150732, 'fcm_dpo/q_t': 0.40150347352027893, 'fcm_dpo/delta': -0.08210138231515884, 'fcm_dpo/margin': 301.9674072265625, 'margin_dpo/margin_mean': 301.9674072265625, 'margin_dpo/margin_std': 364.0025634765625, 'logps/chosen': -425.65753173828125, 'logps/rejected': -781.9285888671875, 'logps/ref_chosen': -50.129459381103516, 'logps/ref_rejected': -104.43305969238281, 'KL/chosen_KL_mean': -375.528076171875, 'KL/rejected_KL_mean': -677.4954833984375, 'KL/mean': -526.5117797851562, 'KL/std': 317.00433349609375, 'logits/chosen': -0.41366052627563477, 'logits/rejected': -0.4241475462913513, 'epoch': 0.57} 57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 388/681 [16:20<12:09, 2.49s/it] 57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 389/681 [16:23<11:58, 2.46s/it] {'loss': 1.1298, 'grad_norm': 36.894657135009766, 'learning_rate': 2.3332908558879177e-07, 'fcm_dpo/beta': 0.0014143642038106918, 'fcm_dpo/q_t': 0.41971537470817566, 'fcm_dpo/delta': 0.005878929980099201, 'fcm_dpo/margin': 243.41204833984375, 'margin_dpo/margin_mean': 243.41204833984375, 'margin_dpo/margin_std': 350.9767761230469, 'logps/chosen': -483.33544921875, 'logps/rejected': -746.7554931640625, 'logps/ref_chosen': -57.906593322753906, 'logps/ref_rejected': -77.91454315185547, 'KL/chosen_KL_mean': -425.42889404296875, 'KL/rejected_KL_mean': -668.8409423828125, 'KL/mean': -547.1348876953125, 'KL/std': 310.88848876953125, 'logits/chosen': -0.49010196328163147, 'logits/rejected': -0.4835142195224762, 'epoch': 0.57} 57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 389/681 [16:23<11:58, 2.46s/it] 57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 390/681 [16:25<11:57, 2.47s/it] {'loss': 1.1294, 'grad_norm': 23.087417602539062, 'learning_rate': 2.320488370051681e-07, 'fcm_dpo/beta': 0.0014098630053922534, 'fcm_dpo/q_t': 0.4184497892856598, 'fcm_dpo/delta': -0.01524612121284008, 'fcm_dpo/margin': 258.5177307128906, 'margin_dpo/margin_mean': 258.5177307128906, 'margin_dpo/margin_std': 404.07928466796875, 'logps/chosen': -465.61224365234375, 'logps/rejected': -760.4322509765625, 'logps/ref_chosen': -49.22591781616211, 'logps/ref_rejected': -85.5281982421875, 'KL/chosen_KL_mean': -416.3863220214844, 'KL/rejected_KL_mean': -674.904052734375, 'KL/mean': -545.6452026367188, 'KL/std': 316.62554931640625, 'logits/chosen': -0.44321155548095703, 'logits/rejected': -0.4361841678619385, 'epoch': 0.57} 57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 390/681 [16:25<11:57, 2.47s/it] 57%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 391/681 [16:28<11:51, 2.45s/it] {'loss': 1.2471, 'grad_norm': 47.28102111816406, 'learning_rate': 2.3076906145138405e-07, 'fcm_dpo/beta': 0.0014129449846222997, 'fcm_dpo/q_t': 0.4527771472930908, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 140.71145629882812, 'margin_dpo/margin_mean': 140.71145629882812, 'margin_dpo/margin_std': 314.5218200683594, 'logps/chosen': -487.1016845703125, 'logps/rejected': -650.2216796875, 'logps/ref_chosen': -64.32965087890625, 'logps/ref_rejected': -86.73820495605469, 'KL/chosen_KL_mean': -422.77203369140625, 'KL/rejected_KL_mean': -563.4835205078125, 'KL/mean': -493.1278076171875, 'KL/std': 304.7773742675781, 'logits/chosen': -0.4732820391654968, 'logits/rejected': -0.464574933052063, 'epoch': 0.57} 57%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 391/681 [16:28<11:51, 2.45s/it] 58%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 392/681 [16:30<12:06, 2.51s/it] {'loss': 1.0465, 'grad_norm': 29.815181732177734, 'learning_rate': 2.294897926507156e-07, 'fcm_dpo/beta': 0.0014000183437019587, 'fcm_dpo/q_t': 0.39894986152648926, 'fcm_dpo/delta': -0.08359719067811966, 'fcm_dpo/margin': 307.1791076660156, 'margin_dpo/margin_mean': 307.17913818359375, 'margin_dpo/margin_std': 307.54779052734375, 'logps/chosen': -402.22821044921875, 'logps/rejected': -758.249267578125, 'logps/ref_chosen': -53.50397872924805, 'logps/ref_rejected': -102.34584045410156, 'KL/chosen_KL_mean': -348.7242431640625, 'KL/rejected_KL_mean': -655.9034423828125, 'KL/mean': -502.31378173828125, 'KL/std': 310.9810791015625, 'logits/chosen': -0.4261566400527954, 'logits/rejected': -0.4199681282043457, 'epoch': 0.58} 58%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 392/681 [16:30<12:06, 2.51s/it] 58%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 393/681 [16:33<11:50, 2.47s/it] {'loss': 1.1562, 'grad_norm': 20.847705841064453, 'learning_rate': 2.2821106431308543e-07, 'fcm_dpo/beta': 0.0013939584605395794, 'fcm_dpo/q_t': 0.4278019666671753, 'fcm_dpo/delta': 0.03090941533446312, 'fcm_dpo/margin': 229.621337890625, 'margin_dpo/margin_mean': 229.62136840820312, 'margin_dpo/margin_std': 383.7559509277344, 'logps/chosen': -394.24169921875, 'logps/rejected': -649.3580322265625, 'logps/ref_chosen': -46.473915100097656, 'logps/ref_rejected': -71.96885681152344, 'KL/chosen_KL_mean': -347.76776123046875, 'KL/rejected_KL_mean': -577.38916015625, 'KL/mean': -462.5784912109375, 'KL/std': 302.32501220703125, 'logits/chosen': -0.4470987319946289, 'logits/rejected': -0.44747045636177063, 'epoch': 0.58} 58%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 393/681 [16:33<11:50, 2.47s/it] 58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 394/681 [16:35<11:59, 2.51s/it] {'loss': 1.1278, 'grad_norm': 23.301321029663086, 'learning_rate': 2.2693291013417452e-07, 'fcm_dpo/beta': 0.0013992037856951356, 'fcm_dpo/q_t': 0.4218076467514038, 'fcm_dpo/delta': 0.01332851778715849, 'fcm_dpo/margin': 240.9277801513672, 'margin_dpo/margin_mean': 240.9277801513672, 'margin_dpo/margin_std': 331.58807373046875, 'logps/chosen': -458.8651123046875, 'logps/rejected': -737.7039794921875, 'logps/ref_chosen': -52.91154861450195, 'logps/ref_rejected': -90.8226318359375, 'KL/chosen_KL_mean': -405.95355224609375, 'KL/rejected_KL_mean': -646.88134765625, 'KL/mean': -526.41748046875, 'KL/std': 321.18109130859375, 'logits/chosen': -0.4254276156425476, 'logits/rejected': -0.42678093910217285, 'epoch': 0.58} 58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 394/681 [16:35<11:59, 2.51s/it] 58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 395/681 [16:38<11:43, 2.46s/it] {'loss': 1.1106, 'grad_norm': 23.73855972290039, 'learning_rate': 2.2565536379453404e-07, 'fcm_dpo/beta': 0.0013938779011368752, 'fcm_dpo/q_t': 0.41418999433517456, 'fcm_dpo/delta': -0.02284281887114048, 'fcm_dpo/margin': 266.7650146484375, 'margin_dpo/margin_mean': 266.7650146484375, 'margin_dpo/margin_std': 368.64495849609375, 'logps/chosen': -455.85260009765625, 'logps/rejected': -743.8541259765625, 'logps/ref_chosen': -62.546112060546875, 'logps/ref_rejected': -83.78262329101562, 'KL/chosen_KL_mean': -393.3065185546875, 'KL/rejected_KL_mean': -660.071533203125, 'KL/mean': -526.68896484375, 'KL/std': 314.0694274902344, 'logits/chosen': -0.49259886145591736, 'logits/rejected': -0.4919501841068268, 'epoch': 0.58} 58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 395/681 [16:38<11:43, 2.46s/it] 58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 396/681 [16:40<11:45, 2.48s/it] {'loss': 1.1162, 'grad_norm': 21.45150375366211, 'learning_rate': 2.2437845895869825e-07, 'fcm_dpo/beta': 0.0013969738502055407, 'fcm_dpo/q_t': 0.42099273204803467, 'fcm_dpo/delta': 0.017192337661981583, 'fcm_dpo/margin': 238.63131713867188, 'margin_dpo/margin_mean': 238.6313018798828, 'margin_dpo/margin_std': 278.1322021484375, 'logps/chosen': -460.62115478515625, 'logps/rejected': -718.9031982421875, 'logps/ref_chosen': -68.99594116210938, 'logps/ref_rejected': -88.64665985107422, 'KL/chosen_KL_mean': -391.6252136230469, 'KL/rejected_KL_mean': -630.256591796875, 'KL/mean': -510.94085693359375, 'KL/std': 305.98333740234375, 'logits/chosen': -0.5134637355804443, 'logits/rejected': -0.4980122447013855, 'epoch': 0.58} 58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 396/681 [16:40<11:45, 2.48s/it] 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 397/681 [16:42<11:41, 2.47s/it] {'loss': 1.0549, 'grad_norm': 33.268245697021484, 'learning_rate': 2.2310222927429716e-07, 'fcm_dpo/beta': 0.0013800031738355756, 'fcm_dpo/q_t': 0.4003956913948059, 'fcm_dpo/delta': -0.07457705587148666, 'fcm_dpo/margin': 305.0367126464844, 'margin_dpo/margin_mean': 305.03668212890625, 'margin_dpo/margin_std': 317.1044616699219, 'logps/chosen': -427.3218688964844, 'logps/rejected': -774.197509765625, 'logps/ref_chosen': -61.27716827392578, 'logps/ref_rejected': -103.11612701416016, 'KL/chosen_KL_mean': -366.0447082519531, 'KL/rejected_KL_mean': -671.0814208984375, 'KL/mean': -518.56298828125, 'KL/std': 297.60498046875, 'logits/chosen': -0.45172950625419617, 'logits/rejected': -0.45972180366516113, 'epoch': 0.58} 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 397/681 [16:43<11:41, 2.47s/it] 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 398/681 [16:45<11:27, 2.43s/it] {'loss': 1.0983, 'grad_norm': 21.440746307373047, 'learning_rate': 2.2182670837116972e-07, 'fcm_dpo/beta': 0.0013728467747569084, 'fcm_dpo/q_t': 0.41205263137817383, 'fcm_dpo/delta': -0.03198913484811783, 'fcm_dpo/margin': 277.356201171875, 'margin_dpo/margin_mean': 277.3562316894531, 'margin_dpo/margin_std': 362.9688720703125, 'logps/chosen': -460.2995300292969, 'logps/rejected': -778.02783203125, 'logps/ref_chosen': -68.15155029296875, 'logps/ref_rejected': -108.52360534667969, 'KL/chosen_KL_mean': -392.1479797363281, 'KL/rejected_KL_mean': -669.5042114257812, 'KL/mean': -530.8260498046875, 'KL/std': 315.48931884765625, 'logits/chosen': -0.5343962907791138, 'logits/rejected': -0.5324475765228271, 'epoch': 0.58} 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 398/681 [16:45<11:27, 2.43s/it] 59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 399/681 [16:47<11:20, 2.41s/it] {'loss': 1.1392, 'grad_norm': 24.46724510192871, 'learning_rate': 2.2055192986047804e-07, 'fcm_dpo/beta': 0.0013724948512390256, 'fcm_dpo/q_t': 0.4236915111541748, 'fcm_dpo/delta': 0.024983234703540802, 'fcm_dpo/margin': 237.35659790039062, 'margin_dpo/margin_mean': 237.35659790039062, 'margin_dpo/margin_std': 339.81365966796875, 'logps/chosen': -402.54473876953125, 'logps/rejected': -656.9771118164062, 'logps/ref_chosen': -60.889801025390625, 'logps/ref_rejected': -77.965576171875, 'KL/chosen_KL_mean': -341.6549377441406, 'KL/rejected_KL_mean': -579.0115356445312, 'KL/mean': -460.3332214355469, 'KL/std': 272.2782287597656, 'logits/chosen': -0.4898013174533844, 'logits/rejected': -0.45694947242736816, 'epoch': 0.59} 59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 399/681 [16:47<11:20, 2.41s/it] 59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 400/681 [16:50<11:25, 2.44s/it] {'loss': 1.0159, 'grad_norm': 20.42949104309082, 'learning_rate': 2.192779273338215e-07, 'fcm_dpo/beta': 0.001349159749224782, 'fcm_dpo/q_t': 0.3882994055747986, 'fcm_dpo/delta': -0.12415604293346405, 'fcm_dpo/margin': 346.8439636230469, 'margin_dpo/margin_mean': 346.8439636230469, 'margin_dpo/margin_std': 318.0387268066406, 'logps/chosen': -399.3847961425781, 'logps/rejected': -787.837890625, 'logps/ref_chosen': -63.64359664916992, 'logps/ref_rejected': -105.252685546875, 'KL/chosen_KL_mean': -335.7412109375, 'KL/rejected_KL_mean': -682.585205078125, 'KL/mean': -509.16314697265625, 'KL/std': 286.89813232421875, 'logits/chosen': -0.5137765407562256, 'logits/rejected': -0.5164045691490173, 'epoch': 0.59} 59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 400/681 [16:50<11:25, 2.44s/it] 59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 401/681 [16:52<11:34, 2.48s/it] {'loss': 1.2158, 'grad_norm': 21.7044677734375, 'learning_rate': 2.1800473436235136e-07, 'fcm_dpo/beta': 0.0013488534605130553, 'fcm_dpo/q_t': 0.44042983651161194, 'fcm_dpo/delta': 0.018642518669366837, 'fcm_dpo/margin': 192.65704345703125, 'margin_dpo/margin_mean': 192.65704345703125, 'margin_dpo/margin_std': 408.41400146484375, 'logps/chosen': -432.5331115722656, 'logps/rejected': -651.819580078125, 'logps/ref_chosen': -57.16303253173828, 'logps/ref_rejected': -83.79249572753906, 'KL/chosen_KL_mean': -375.37005615234375, 'KL/rejected_KL_mean': -568.027099609375, 'KL/mean': -471.6986083984375, 'KL/std': 302.75244140625, 'logits/chosen': -0.4904178977012634, 'logits/rejected': -0.48238423466682434, 'epoch': 0.59} 59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 401/681 [16:52<11:34, 2.48s/it] 59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 402/681 [16:55<11:13, 2.41s/it] {'loss': 1.009, 'grad_norm': 26.780061721801758, 'learning_rate': 2.1673238449588665e-07, 'fcm_dpo/beta': 0.0013233155477792025, 'fcm_dpo/q_t': 0.387925922870636, 'fcm_dpo/delta': -0.12899458408355713, 'fcm_dpo/margin': 357.3609924316406, 'margin_dpo/margin_mean': 357.3609924316406, 'margin_dpo/margin_std': 318.2284851074219, 'logps/chosen': -333.8919982910156, 'logps/rejected': -721.5586547851562, 'logps/ref_chosen': -50.74037170410156, 'logps/ref_rejected': -81.0460433959961, 'KL/chosen_KL_mean': -283.151611328125, 'KL/rejected_KL_mean': -640.5125732421875, 'KL/mean': -461.8321228027344, 'KL/std': 318.71820068359375, 'logits/chosen': -0.5302881002426147, 'logits/rejected': -0.5248584151268005, 'epoch': 0.59} 59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 402/681 [16:55<11:13, 2.41s/it] 59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 403/681 [16:57<11:12, 2.42s/it] {'loss': 1.0966, 'grad_norm': 29.468088150024414, 'learning_rate': 2.154609112620295e-07, 'fcm_dpo/beta': 0.001311097526922822, 'fcm_dpo/q_t': 0.4141251742839813, 'fcm_dpo/delta': -0.015165827237069607, 'fcm_dpo/margin': 278.0921325683594, 'margin_dpo/margin_mean': 278.0921325683594, 'margin_dpo/margin_std': 317.0299987792969, 'logps/chosen': -375.749755859375, 'logps/rejected': -683.961181640625, 'logps/ref_chosen': -47.14731216430664, 'logps/ref_rejected': -77.2666015625, 'KL/chosen_KL_mean': -328.6024169921875, 'KL/rejected_KL_mean': -606.694580078125, 'KL/mean': -467.64849853515625, 'KL/std': 301.4685974121094, 'logits/chosen': -0.525422990322113, 'logits/rejected': -0.5270965099334717, 'epoch': 0.59} 59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 403/681 [16:57<11:12, 2.42s/it] 59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 404/681 [16:59<11:13, 2.43s/it] {'loss': 1.1319, 'grad_norm': 28.834339141845703, 'learning_rate': 2.1419034816528218e-07, 'fcm_dpo/beta': 0.0013087866827845573, 'fcm_dpo/q_t': 0.41891252994537354, 'fcm_dpo/delta': 0.00037629250437021255, 'fcm_dpo/margin': 267.11761474609375, 'margin_dpo/margin_mean': 267.11761474609375, 'margin_dpo/margin_std': 398.306884765625, 'logps/chosen': -423.24664306640625, 'logps/rejected': -719.6439208984375, 'logps/ref_chosen': -47.875274658203125, 'logps/ref_rejected': -77.15499877929688, 'KL/chosen_KL_mean': -375.371337890625, 'KL/rejected_KL_mean': -642.4889526367188, 'KL/mean': -508.93017578125, 'KL/std': 296.78961181640625, 'logits/chosen': -0.5048468708992004, 'logits/rejected': -0.4995875358581543, 'epoch': 0.59} 59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 404/681 [16:59<11:13, 2.43s/it] 59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 405/681 [17:02<11:00, 2.39s/it] {'loss': 1.1835, 'grad_norm': 30.699373245239258, 'learning_rate': 2.129207286861638e-07, 'fcm_dpo/beta': 0.001304717967286706, 'fcm_dpo/q_t': 0.4310234785079956, 'fcm_dpo/delta': -0.04521414637565613, 'fcm_dpo/margin': 233.85287475585938, 'margin_dpo/margin_mean': 233.85287475585938, 'margin_dpo/margin_std': 432.97540283203125, 'logps/chosen': -478.0303955078125, 'logps/rejected': -733.9072265625, 'logps/ref_chosen': -65.16290283203125, 'logps/ref_rejected': -87.18678283691406, 'KL/chosen_KL_mean': -412.86749267578125, 'KL/rejected_KL_mean': -646.7203979492188, 'KL/mean': -529.7939453125, 'KL/std': 337.2768249511719, 'logits/chosen': -0.5107825398445129, 'logits/rejected': -0.5024291276931763, 'epoch': 0.59} 59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 405/681 [17:02<11:00, 2.39s/it] 60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 406/681 [17:04<10:54, 2.38s/it] {'loss': 1.0925, 'grad_norm': 29.44150733947754, 'learning_rate': 2.1165208628032861e-07, 'fcm_dpo/beta': 0.0012974301353096962, 'fcm_dpo/q_t': 0.4103890061378479, 'fcm_dpo/delta': -0.03775372728705406, 'fcm_dpo/margin': 297.55548095703125, 'margin_dpo/margin_mean': 297.55548095703125, 'margin_dpo/margin_std': 369.20068359375, 'logps/chosen': -438.75921630859375, 'logps/rejected': -778.6525268554688, 'logps/ref_chosen': -49.740814208984375, 'logps/ref_rejected': -92.07862854003906, 'KL/chosen_KL_mean': -389.0184020996094, 'KL/rejected_KL_mean': -686.5738525390625, 'KL/mean': -537.796142578125, 'KL/std': 333.91748046875, 'logits/chosen': -0.5451512932777405, 'logits/rejected': -0.5550295114517212, 'epoch': 0.6} 60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 406/681 [17:04<10:54, 2.38s/it] 60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 407/681 [17:07<10:59, 2.41s/it] {'loss': 1.2067, 'grad_norm': 29.11326789855957, 'learning_rate': 2.1038445437768375e-07, 'fcm_dpo/beta': 0.001289546606130898, 'fcm_dpo/q_t': 0.4413040280342102, 'fcm_dpo/delta': 0.003860359312966466, 'fcm_dpo/margin': 190.8292236328125, 'margin_dpo/margin_mean': 190.82920837402344, 'margin_dpo/margin_std': 349.5740966796875, 'logps/chosen': -470.90081787109375, 'logps/rejected': -682.911376953125, 'logps/ref_chosen': -56.33069610595703, 'logps/ref_rejected': -77.51209259033203, 'KL/chosen_KL_mean': -414.57012939453125, 'KL/rejected_KL_mean': -605.3992919921875, 'KL/mean': -509.9847106933594, 'KL/std': 269.21441650390625, 'logits/chosen': -0.5535376071929932, 'logits/rejected': -0.523551344871521, 'epoch': 0.6} 60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 407/681 [17:07<10:59, 2.41s/it] 60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 408/681 [17:09<11:18, 2.48s/it] {'loss': 1.1688, 'grad_norm': 23.367450714111328, 'learning_rate': 2.0911786638150872e-07, 'fcm_dpo/beta': 0.0013068197295069695, 'fcm_dpo/q_t': 0.43545645475387573, 'fcm_dpo/delta': 0.07983996719121933, 'fcm_dpo/margin': 208.32012939453125, 'margin_dpo/margin_mean': 208.32012939453125, 'margin_dpo/margin_std': 296.0139465332031, 'logps/chosen': -481.34161376953125, 'logps/rejected': -709.9693603515625, 'logps/ref_chosen': -69.789306640625, 'logps/ref_rejected': -90.09693908691406, 'KL/chosen_KL_mean': -411.55230712890625, 'KL/rejected_KL_mean': -619.8724365234375, 'KL/mean': -515.71240234375, 'KL/std': 258.9462585449219, 'logits/chosen': -0.5809944272041321, 'logits/rejected': -0.5597822666168213, 'epoch': 0.6} 60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 408/681 [17:09<11:18, 2.48s/it] 60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 409/681 [17:12<11:28, 2.53s/it] {'loss': 1.1764, 'grad_norm': 44.062828063964844, 'learning_rate': 2.0785235566757517e-07, 'fcm_dpo/beta': 0.0013286788016557693, 'fcm_dpo/q_t': 0.4356931746006012, 'fcm_dpo/delta': 0.07845626771450043, 'fcm_dpo/margin': 205.8319549560547, 'margin_dpo/margin_mean': 205.8319549560547, 'margin_dpo/margin_std': 322.6492919921875, 'logps/chosen': -467.26458740234375, 'logps/rejected': -690.6834106445312, 'logps/ref_chosen': -67.31744384765625, 'logps/ref_rejected': -84.904296875, 'KL/chosen_KL_mean': -399.9471435546875, 'KL/rejected_KL_mean': -605.7791137695312, 'KL/mean': -502.8631286621094, 'KL/std': 295.7550048828125, 'logits/chosen': -0.5095489025115967, 'logits/rejected': -0.4916442632675171, 'epoch': 0.6} 60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 409/681 [17:12<11:28, 2.53s/it] 60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 410/681 [17:14<11:35, 2.57s/it] {'loss': 1.1177, 'grad_norm': 23.003204345703125, 'learning_rate': 2.065879555832674e-07, 'fcm_dpo/beta': 0.00133224087767303, 'fcm_dpo/q_t': 0.4186854362487793, 'fcm_dpo/delta': 0.009043154306709766, 'fcm_dpo/margin': 256.1543884277344, 'margin_dpo/margin_mean': 256.1543884277344, 'margin_dpo/margin_std': 320.51104736328125, 'logps/chosen': -414.7998962402344, 'logps/rejected': -702.6879272460938, 'logps/ref_chosen': -51.465354919433594, 'logps/ref_rejected': -83.198974609375, 'KL/chosen_KL_mean': -363.33453369140625, 'KL/rejected_KL_mean': -619.4889526367188, 'KL/mean': -491.4117431640625, 'KL/std': 283.58184814453125, 'logits/chosen': -0.5263328552246094, 'logits/rejected': -0.5296115875244141, 'epoch': 0.6} 60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 410/681 [17:15<11:35, 2.57s/it] 60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 411/681 [17:17<11:14, 2.50s/it] {'loss': 1.142, 'grad_norm': 32.008201599121094, 'learning_rate': 2.0532469944670343e-07, 'fcm_dpo/beta': 0.0013171627651900053, 'fcm_dpo/q_t': 0.42369675636291504, 'fcm_dpo/delta': -0.06332255154848099, 'fcm_dpo/margin': 250.6686553955078, 'margin_dpo/margin_mean': 250.6686553955078, 'margin_dpo/margin_std': 367.11444091796875, 'logps/chosen': -435.72796630859375, 'logps/rejected': -714.7843017578125, 'logps/ref_chosen': -52.30727005004883, 'logps/ref_rejected': -80.69495391845703, 'KL/chosen_KL_mean': -383.42071533203125, 'KL/rejected_KL_mean': -634.08935546875, 'KL/mean': -508.7550354003906, 'KL/std': 312.1067810058594, 'logits/chosen': -0.5449320077896118, 'logits/rejected': -0.5536935925483704, 'epoch': 0.6} 60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 411/681 [17:17<11:14, 2.50s/it] 60%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 412/681 [17:19<11:06, 2.48s/it] {'loss': 1.1274, 'grad_norm': 34.010955810546875, 'learning_rate': 2.0406262054585738e-07, 'fcm_dpo/beta': 0.00132085126824677, 'fcm_dpo/q_t': 0.42002564668655396, 'fcm_dpo/delta': 0.009303496219217777, 'fcm_dpo/margin': 258.1380920410156, 'margin_dpo/margin_mean': 258.1380920410156, 'margin_dpo/margin_std': 356.703857421875, 'logps/chosen': -445.4307861328125, 'logps/rejected': -750.485595703125, 'logps/ref_chosen': -53.144126892089844, 'logps/ref_rejected': -100.0608139038086, 'KL/chosen_KL_mean': -392.28662109375, 'KL/rejected_KL_mean': -650.4248046875, 'KL/mean': -521.355712890625, 'KL/std': 303.547119140625, 'logits/chosen': -0.6012539863586426, 'logits/rejected': -0.6298267841339111, 'epoch': 0.6} 60%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 412/681 [17:19<11:06, 2.48s/it] 61%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 413/681 [17:22<11:19, 2.54s/it] {'loss': 1.12, 'grad_norm': 36.40060806274414, 'learning_rate': 2.0280175213768205e-07, 'fcm_dpo/beta': 0.001323135569691658, 'fcm_dpo/q_t': 0.41812664270401, 'fcm_dpo/delta': 0.006968270055949688, 'fcm_dpo/margin': 259.3899841308594, 'margin_dpo/margin_mean': 259.3900146484375, 'margin_dpo/margin_std': 336.85467529296875, 'logps/chosen': -477.8255615234375, 'logps/rejected': -775.1070556640625, 'logps/ref_chosen': -61.58196258544922, 'logps/ref_rejected': -99.47340393066406, 'KL/chosen_KL_mean': -416.2436218261719, 'KL/rejected_KL_mean': -675.6336059570312, 'KL/mean': -545.9385986328125, 'KL/std': 308.3495178222656, 'logits/chosen': -0.4915761649608612, 'logits/rejected': -0.49571770429611206, 'epoch': 0.61} 61%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 413/681 [17:22<11:19, 2.54s/it] 61%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 414/681 [17:24<11:17, 2.54s/it] {'loss': 1.0978, 'grad_norm': 27.233083724975586, 'learning_rate': 2.0154212744723247e-07, 'fcm_dpo/beta': 0.0013254533987492323, 'fcm_dpo/q_t': 0.41263848543167114, 'fcm_dpo/delta': -0.02075226604938507, 'fcm_dpo/margin': 278.681884765625, 'margin_dpo/margin_mean': 278.681884765625, 'margin_dpo/margin_std': 322.50115966796875, 'logps/chosen': -422.05523681640625, 'logps/rejected': -741.752197265625, 'logps/ref_chosen': -46.63148498535156, 'logps/ref_rejected': -87.64653015136719, 'KL/chosen_KL_mean': -375.42376708984375, 'KL/rejected_KL_mean': -654.1056518554688, 'KL/mean': -514.7646484375, 'KL/std': 286.4696960449219, 'logits/chosen': -0.4962560534477234, 'logits/rejected': -0.4908558428287506, 'epoch': 0.61} 61%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 414/681 [17:25<11:17, 2.54s/it] 61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 415/681 [17:27<11:28, 2.59s/it] {'loss': 1.1892, 'grad_norm': 24.22504997253418, 'learning_rate': 2.002837796667909e-07, 'fcm_dpo/beta': 0.0013193815248087049, 'fcm_dpo/q_t': 0.43898284435272217, 'fcm_dpo/delta': 0.012895876541733742, 'fcm_dpo/margin': 193.84385681152344, 'margin_dpo/margin_mean': 193.84385681152344, 'margin_dpo/margin_std': 313.9031982421875, 'logps/chosen': -489.39459228515625, 'logps/rejected': -705.09765625, 'logps/ref_chosen': -78.6182861328125, 'logps/ref_rejected': -100.47752380371094, 'KL/chosen_KL_mean': -410.77630615234375, 'KL/rejected_KL_mean': -604.6201782226562, 'KL/mean': -507.6982421875, 'KL/std': 278.3897399902344, 'logits/chosen': -0.5504616498947144, 'logits/rejected': -0.5457872152328491, 'epoch': 0.61} 61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 415/681 [17:27<11:28, 2.59s/it] 61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 416/681 [17:30<11:19, 2.56s/it] {'loss': 1.0473, 'grad_norm': 31.607568740844727, 'learning_rate': 1.990267419549914e-07, 'fcm_dpo/beta': 0.0013083845842629671, 'fcm_dpo/q_t': 0.4001033306121826, 'fcm_dpo/delta': -0.07235361635684967, 'fcm_dpo/margin': 320.5274658203125, 'margin_dpo/margin_mean': 320.5274658203125, 'margin_dpo/margin_std': 299.2843322753906, 'logps/chosen': -413.97979736328125, 'logps/rejected': -766.796875, 'logps/ref_chosen': -58.27912521362305, 'logps/ref_rejected': -90.56871795654297, 'KL/chosen_KL_mean': -355.70068359375, 'KL/rejected_KL_mean': -676.2281494140625, 'KL/mean': -515.9644165039062, 'KL/std': 308.6180419921875, 'logits/chosen': -0.5469499230384827, 'logits/rejected': -0.5526891946792603, 'epoch': 0.61} 61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 416/681 [17:30<11:19, 2.56s/it] 61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 417/681 [17:32<10:58, 2.50s/it] {'loss': 1.0922, 'grad_norm': 24.474712371826172, 'learning_rate': 1.9777104743594686e-07, 'fcm_dpo/beta': 0.0013004662469029427, 'fcm_dpo/q_t': 0.4140380620956421, 'fcm_dpo/delta': -0.009734570048749447, 'fcm_dpo/margin': 276.32830810546875, 'margin_dpo/margin_mean': 276.32830810546875, 'margin_dpo/margin_std': 285.49676513671875, 'logps/chosen': -414.75872802734375, 'logps/rejected': -709.0401611328125, 'logps/ref_chosen': -50.1987190246582, 'logps/ref_rejected': -68.15184020996094, 'KL/chosen_KL_mean': -364.55999755859375, 'KL/rejected_KL_mean': -640.8883056640625, 'KL/mean': -502.7241516113281, 'KL/std': 286.73431396484375, 'logits/chosen': -0.5460329651832581, 'logits/rejected': -0.5258671045303345, 'epoch': 0.61} 61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 417/681 [17:32<10:58, 2.50s/it] 61%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 418/681 [17:35<10:57, 2.50s/it] {'loss': 1.1142, 'grad_norm': 26.265411376953125, 'learning_rate': 1.965167291983757e-07, 'fcm_dpo/beta': 0.001303232740610838, 'fcm_dpo/q_t': 0.41474616527557373, 'fcm_dpo/delta': -0.02225048840045929, 'fcm_dpo/margin': 284.3041076660156, 'margin_dpo/margin_mean': 284.3041076660156, 'margin_dpo/margin_std': 386.27587890625, 'logps/chosen': -471.91058349609375, 'logps/rejected': -778.9276733398438, 'logps/ref_chosen': -81.97846984863281, 'logps/ref_rejected': -104.69148254394531, 'KL/chosen_KL_mean': -389.93212890625, 'KL/rejected_KL_mean': -674.2362060546875, 'KL/mean': -532.0841674804688, 'KL/std': 330.60418701171875, 'logits/chosen': -0.6291038990020752, 'logits/rejected': -0.6125690937042236, 'epoch': 0.61} 61%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 418/681 [17:35<10:57, 2.50s/it] 62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 419/681 [17:37<10:56, 2.50s/it] {'loss': 1.0724, 'grad_norm': 22.777507781982422, 'learning_rate': 1.9526382029472988e-07, 'fcm_dpo/beta': 0.001282334327697754, 'fcm_dpo/q_t': 0.40543508529663086, 'fcm_dpo/delta': -0.049968693405389786, 'fcm_dpo/margin': 310.3490905761719, 'margin_dpo/margin_mean': 310.34912109375, 'margin_dpo/margin_std': 338.61309814453125, 'logps/chosen': -415.4698486328125, 'logps/rejected': -764.453369140625, 'logps/ref_chosen': -52.948646545410156, 'logps/ref_rejected': -91.58309936523438, 'KL/chosen_KL_mean': -362.5212097167969, 'KL/rejected_KL_mean': -672.8703002929688, 'KL/mean': -517.69580078125, 'KL/std': 289.50018310546875, 'logits/chosen': -0.5401506423950195, 'logits/rejected': -0.5378715395927429, 'epoch': 0.62} 62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 419/681 [17:37<10:56, 2.50s/it] 62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 420/681 [17:40<10:54, 2.51s/it] {'loss': 1.2333, 'grad_norm': 52.509613037109375, 'learning_rate': 1.9401235374032425e-07, 'fcm_dpo/beta': 0.0013024189975112677, 'fcm_dpo/q_t': 0.4456251859664917, 'fcm_dpo/delta': 0.11509222537279129, 'fcm_dpo/margin': 182.3925018310547, 'margin_dpo/margin_mean': 182.3925018310547, 'margin_dpo/margin_std': 416.1588134765625, 'logps/chosen': -547.596923828125, 'logps/rejected': -721.5394287109375, 'logps/ref_chosen': -77.7699203491211, 'logps/ref_rejected': -69.31985473632812, 'KL/chosen_KL_mean': -469.8270263671875, 'KL/rejected_KL_mean': -652.219482421875, 'KL/mean': -561.0233154296875, 'KL/std': 309.34521484375, 'logits/chosen': -0.5761592388153076, 'logits/rejected': -0.542568564414978, 'epoch': 0.62} 62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 420/681 [17:40<10:54, 2.51s/it] 62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 421/681 [17:42<11:07, 2.57s/it] {'loss': 1.1646, 'grad_norm': 25.688739776611328, 'learning_rate': 1.9276236251246653e-07, 'fcm_dpo/beta': 0.001326603116467595, 'fcm_dpo/q_t': 0.43084651231765747, 'fcm_dpo/delta': 0.06283024698495865, 'fcm_dpo/margin': 217.42698669433594, 'margin_dpo/margin_mean': 217.42698669433594, 'margin_dpo/margin_std': 318.6001892089844, 'logps/chosen': -437.557861328125, 'logps/rejected': -690.5004272460938, 'logps/ref_chosen': -53.765865325927734, 'logps/ref_rejected': -89.28144836425781, 'KL/chosen_KL_mean': -383.7919921875, 'KL/rejected_KL_mean': -601.218994140625, 'KL/mean': -492.5055236816406, 'KL/std': 306.576416015625, 'logits/chosen': -0.5750212669372559, 'logits/rejected': -0.5611597299575806, 'epoch': 0.62} 62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 421/681 [17:42<11:07, 2.57s/it] 62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 422/681 [17:45<11:21, 2.63s/it] {'loss': 1.1347, 'grad_norm': 33.2342414855957, 'learning_rate': 1.9151387954958792e-07, 'fcm_dpo/beta': 0.0013281775172799826, 'fcm_dpo/q_t': 0.4216609597206116, 'fcm_dpo/delta': 0.019213195890188217, 'fcm_dpo/margin': 249.53256225585938, 'margin_dpo/margin_mean': 249.53257751464844, 'margin_dpo/margin_std': 353.23614501953125, 'logps/chosen': -508.7611389160156, 'logps/rejected': -777.5234375, 'logps/ref_chosen': -68.6337661743164, 'logps/ref_rejected': -87.86351013183594, 'KL/chosen_KL_mean': -440.12738037109375, 'KL/rejected_KL_mean': -689.659912109375, 'KL/mean': -564.8936767578125, 'KL/std': 308.4464111328125, 'logits/chosen': -0.5859231352806091, 'logits/rejected': -0.5860297083854675, 'epoch': 0.62} 62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 422/681 [17:45<11:21, 2.63s/it] 62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 423/681 [17:47<11:00, 2.56s/it] {'loss': 1.0937, 'grad_norm': 29.936748504638672, 'learning_rate': 1.902669377503756e-07, 'fcm_dpo/beta': 0.001325579360127449, 'fcm_dpo/q_t': 0.412263423204422, 'fcm_dpo/delta': -0.023041730746626854, 'fcm_dpo/margin': 280.76055908203125, 'margin_dpo/margin_mean': 280.7605895996094, 'margin_dpo/margin_std': 330.3087158203125, 'logps/chosen': -474.95172119140625, 'logps/rejected': -787.028564453125, 'logps/ref_chosen': -54.99030303955078, 'logps/ref_rejected': -86.30654907226562, 'KL/chosen_KL_mean': -419.96142578125, 'KL/rejected_KL_mean': -700.721923828125, 'KL/mean': -560.3416748046875, 'KL/std': 307.92205810546875, 'logits/chosen': -0.5792564153671265, 'logits/rejected': -0.5877513885498047, 'epoch': 0.62} 62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 423/681 [17:47<11:00, 2.56s/it] 62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 424/681 [17:50<11:09, 2.61s/it] {'loss': 1.1318, 'grad_norm': 36.76081085205078, 'learning_rate': 1.890215699729057e-07, 'fcm_dpo/beta': 0.0013219558168202639, 'fcm_dpo/q_t': 0.42126062512397766, 'fcm_dpo/delta': 0.010341478511691093, 'fcm_dpo/margin': 257.0407409667969, 'margin_dpo/margin_mean': 257.040771484375, 'margin_dpo/margin_std': 368.2303161621094, 'logps/chosen': -450.1217041015625, 'logps/rejected': -717.6295166015625, 'logps/ref_chosen': -56.01192092895508, 'logps/ref_rejected': -66.47896575927734, 'KL/chosen_KL_mean': -394.10980224609375, 'KL/rejected_KL_mean': -651.1505126953125, 'KL/mean': -522.6301879882812, 'KL/std': 303.40478515625, 'logits/chosen': -0.5852949619293213, 'logits/rejected': -0.5621461868286133, 'epoch': 0.62} 62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 424/681 [17:50<11:09, 2.61s/it] 62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 425/681 [17:53<10:58, 2.57s/it] {'loss': 1.1895, 'grad_norm': 33.804561614990234, 'learning_rate': 1.8777780903377732e-07, 'fcm_dpo/beta': 0.0013455725274980068, 'fcm_dpo/q_t': 0.4350726306438446, 'fcm_dpo/delta': 0.07860462367534637, 'fcm_dpo/margin': 203.1317138671875, 'margin_dpo/margin_mean': 203.1317138671875, 'margin_dpo/margin_std': 363.55322265625, 'logps/chosen': -498.9303894042969, 'logps/rejected': -751.1185302734375, 'logps/ref_chosen': -46.86899948120117, 'logps/ref_rejected': -95.92545318603516, 'KL/chosen_KL_mean': -452.0614013671875, 'KL/rejected_KL_mean': -655.193115234375, 'KL/mean': -553.6272583007812, 'KL/std': 295.1512145996094, 'logits/chosen': -0.5849053859710693, 'logits/rejected': -0.5874682664871216, 'epoch': 0.62} 62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 425/681 [17:53<10:58, 2.57s/it] 63%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 426/681 [17:55<11:02, 2.60s/it] {'loss': 1.1239, 'grad_norm': 27.19607162475586, 'learning_rate': 1.8653568770724803e-07, 'fcm_dpo/beta': 0.0013556771446019411, 'fcm_dpo/q_t': 0.41926294565200806, 'fcm_dpo/delta': 0.008176274597644806, 'fcm_dpo/margin': 252.0726776123047, 'margin_dpo/margin_mean': 252.0726776123047, 'margin_dpo/margin_std': 330.4275207519531, 'logps/chosen': -499.9847412109375, 'logps/rejected': -756.740478515625, 'logps/ref_chosen': -76.58354187011719, 'logps/ref_rejected': -81.26658630371094, 'KL/chosen_KL_mean': -423.40118408203125, 'KL/rejected_KL_mean': -675.473876953125, 'KL/mean': -549.4375, 'KL/std': 297.34173583984375, 'logits/chosen': -0.6059207916259766, 'logits/rejected': -0.5767127871513367, 'epoch': 0.63} 63%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 426/681 [17:55<11:02, 2.60s/it] 63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 427/681 [17:58<10:58, 2.59s/it] {'loss': 1.1898, 'grad_norm': 28.08988380432129, 'learning_rate': 1.8529523872436977e-07, 'fcm_dpo/beta': 0.001356072025373578, 'fcm_dpo/q_t': 0.4393557906150818, 'fcm_dpo/delta': 0.02023770846426487, 'fcm_dpo/margin': 190.4454803466797, 'margin_dpo/margin_mean': 190.44546508789062, 'margin_dpo/margin_std': 315.81085205078125, 'logps/chosen': -458.62371826171875, 'logps/rejected': -662.7813110351562, 'logps/ref_chosen': -64.8538818359375, 'logps/ref_rejected': -78.5660171508789, 'KL/chosen_KL_mean': -393.76983642578125, 'KL/rejected_KL_mean': -584.21533203125, 'KL/mean': -488.9925537109375, 'KL/std': 265.6219482421875, 'logits/chosen': -0.6063523292541504, 'logits/rejected': -0.5898270010948181, 'epoch': 0.63} 63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 427/681 [17:58<10:58, 2.59s/it] 63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 428/681 [18:01<11:01, 2.61s/it] {'loss': 1.1263, 'grad_norm': 37.65504455566406, 'learning_rate': 1.8405649477212697e-07, 'fcm_dpo/beta': 0.001346116536296904, 'fcm_dpo/q_t': 0.413205087184906, 'fcm_dpo/delta': -0.02620844356715679, 'fcm_dpo/margin': 278.5070495605469, 'margin_dpo/margin_mean': 278.5070495605469, 'margin_dpo/margin_std': 432.5724792480469, 'logps/chosen': -555.845458984375, 'logps/rejected': -874.9976196289062, 'logps/ref_chosen': -62.63666534423828, 'logps/ref_rejected': -103.28181457519531, 'KL/chosen_KL_mean': -493.20880126953125, 'KL/rejected_KL_mean': -771.7158203125, 'KL/mean': -632.4622802734375, 'KL/std': 357.8115234375, 'logits/chosen': -0.5920642614364624, 'logits/rejected': -0.5966956615447998, 'epoch': 0.63} 63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 428/681 [18:01<11:01, 2.61s/it] 63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 429/681 [18:03<10:55, 2.60s/it] {'loss': 1.1891, 'grad_norm': 36.45220947265625, 'learning_rate': 1.828194884925749e-07, 'fcm_dpo/beta': 0.0013451819540932775, 'fcm_dpo/q_t': 0.43296605348587036, 'fcm_dpo/delta': -0.028253547847270966, 'fcm_dpo/margin': 214.41818237304688, 'margin_dpo/margin_mean': 214.41818237304688, 'margin_dpo/margin_std': 390.85205078125, 'logps/chosen': -587.6449584960938, 'logps/rejected': -812.6240844726562, 'logps/ref_chosen': -81.23401641845703, 'logps/ref_rejected': -91.79493713378906, 'KL/chosen_KL_mean': -506.41094970703125, 'KL/rejected_KL_mean': -720.8291625976562, 'KL/mean': -613.6200561523438, 'KL/std': 329.47845458984375, 'logits/chosen': -0.6370459794998169, 'logits/rejected': -0.6188497543334961, 'epoch': 0.63} 63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 429/681 [18:03<10:55, 2.60s/it] 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 430/681 [18:06<11:04, 2.65s/it] {'loss': 1.1677, 'grad_norm': 34.47238540649414, 'learning_rate': 1.8158425248197928e-07, 'fcm_dpo/beta': 0.0013558154460042715, 'fcm_dpo/q_t': 0.43244469165802, 'fcm_dpo/delta': 0.06116756424307823, 'fcm_dpo/margin': 214.23789978027344, 'margin_dpo/margin_mean': 214.23788452148438, 'margin_dpo/margin_std': 341.7822265625, 'logps/chosen': -467.6070556640625, 'logps/rejected': -725.347412109375, 'logps/ref_chosen': -60.920326232910156, 'logps/ref_rejected': -104.42280578613281, 'KL/chosen_KL_mean': -406.6867370605469, 'KL/rejected_KL_mean': -620.9246215820312, 'KL/mean': -513.8056640625, 'KL/std': 296.41180419921875, 'logits/chosen': -0.5731499791145325, 'logits/rejected': -0.5749542713165283, 'epoch': 0.63} 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 430/681 [18:06<11:04, 2.65s/it] 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 431/681 [18:09<11:02, 2.65s/it] {'loss': 1.0697, 'grad_norm': 35.25053405761719, 'learning_rate': 1.8035081928995788e-07, 'fcm_dpo/beta': 0.0013448914978653193, 'fcm_dpo/q_t': 0.40351831912994385, 'fcm_dpo/delta': -0.06126604229211807, 'fcm_dpo/margin': 303.9114074707031, 'margin_dpo/margin_mean': 303.91143798828125, 'margin_dpo/margin_std': 338.7742919921875, 'logps/chosen': -429.1063232421875, 'logps/rejected': -768.50927734375, 'logps/ref_chosen': -57.34874725341797, 'logps/ref_rejected': -92.84022521972656, 'KL/chosen_KL_mean': -371.7575988769531, 'KL/rejected_KL_mean': -675.6690063476562, 'KL/mean': -523.7132568359375, 'KL/std': 307.078857421875, 'logits/chosen': -0.5623865723609924, 'logits/rejected': -0.5650370717048645, 'epoch': 0.63} 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 431/681 [18:09<11:02, 2.65s/it] 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 432/681 [18:11<11:04, 2.67s/it] {'loss': 1.0569, 'grad_norm': 37.07876205444336, 'learning_rate': 1.791192214186223e-07, 'fcm_dpo/beta': 0.001335380831733346, 'fcm_dpo/q_t': 0.4016353487968445, 'fcm_dpo/delta': -0.0716981440782547, 'fcm_dpo/margin': 313.3021545410156, 'margin_dpo/margin_mean': 313.3021545410156, 'margin_dpo/margin_std': 315.588134765625, 'logps/chosen': -439.09375, 'logps/rejected': -779.900634765625, 'logps/ref_chosen': -71.07479095458984, 'logps/ref_rejected': -98.57952880859375, 'KL/chosen_KL_mean': -368.0189514160156, 'KL/rejected_KL_mean': -681.3211669921875, 'KL/mean': -524.6700439453125, 'KL/std': 317.7171936035156, 'logits/chosen': -0.5415102243423462, 'logits/rejected': -0.5325489044189453, 'epoch': 0.63} 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 432/681 [18:11<11:04, 2.67s/it] 64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 433/681 [18:14<10:51, 2.63s/it] {'loss': 1.1937, 'grad_norm': 34.616695404052734, 'learning_rate': 1.7788949132172193e-07, 'fcm_dpo/beta': 0.0013404275523498654, 'fcm_dpo/q_t': 0.4341526925563812, 'fcm_dpo/delta': 0.07884688675403595, 'fcm_dpo/margin': 203.736083984375, 'margin_dpo/margin_mean': 203.73606872558594, 'margin_dpo/margin_std': 376.9918212890625, 'logps/chosen': -527.8031005859375, 'logps/rejected': -769.2169189453125, 'logps/ref_chosen': -58.273193359375, 'logps/ref_rejected': -95.95089721679688, 'KL/chosen_KL_mean': -469.5299377441406, 'KL/rejected_KL_mean': -673.2659912109375, 'KL/mean': -571.39794921875, 'KL/std': 318.712890625, 'logits/chosen': -0.630656361579895, 'logits/rejected': -0.6229075193405151, 'epoch': 0.64} 64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 433/681 [18:14<10:51, 2.63s/it] 64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 434/681 [18:16<10:51, 2.64s/it] {'loss': 1.147, 'grad_norm': 28.57368278503418, 'learning_rate': 1.7666166140378853e-07, 'fcm_dpo/beta': 0.0013430386316031218, 'fcm_dpo/q_t': 0.42638862133026123, 'fcm_dpo/delta': 0.01675334945321083, 'fcm_dpo/margin': 248.47225952148438, 'margin_dpo/margin_mean': 248.4722900390625, 'margin_dpo/margin_std': 408.96661376953125, 'logps/chosen': -465.3507080078125, 'logps/rejected': -730.347900390625, 'logps/ref_chosen': -61.97370147705078, 'logps/ref_rejected': -78.49861145019531, 'KL/chosen_KL_mean': -403.37701416015625, 'KL/rejected_KL_mean': -651.8493041992188, 'KL/mean': -527.6131591796875, 'KL/std': 324.9095153808594, 'logits/chosen': -0.6396076083183289, 'logits/rejected': -0.6434687376022339, 'epoch': 0.64} 64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 434/681 [18:16<10:51, 2.64s/it] 64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 435/681 [18:19<10:16, 2.51s/it] {'loss': 1.1053, 'grad_norm': 31.200889587402344, 'learning_rate': 1.7543576401928218e-07, 'fcm_dpo/beta': 0.0013403587508946657, 'fcm_dpo/q_t': 0.41278964281082153, 'fcm_dpo/delta': -0.023820772767066956, 'fcm_dpo/margin': 278.14276123046875, 'margin_dpo/margin_mean': 278.1427307128906, 'margin_dpo/margin_std': 360.19976806640625, 'logps/chosen': -443.6250305175781, 'logps/rejected': -757.8326416015625, 'logps/ref_chosen': -51.502052307128906, 'logps/ref_rejected': -87.56689453125, 'KL/chosen_KL_mean': -392.12298583984375, 'KL/rejected_KL_mean': -670.2657470703125, 'KL/mean': -531.1943359375, 'KL/std': 317.26971435546875, 'logits/chosen': -0.7370610237121582, 'logits/rejected': -0.731311559677124, 'epoch': 0.64} 64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 435/681 [18:19<10:16, 2.51s/it] 64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 436/681 [18:21<10:21, 2.54s/it] {'loss': 1.1522, 'grad_norm': 32.2522087097168, 'learning_rate': 1.742118314717391e-07, 'fcm_dpo/beta': 0.001346162287518382, 'fcm_dpo/q_t': 0.4281315207481384, 'fcm_dpo/delta': 0.04453161358833313, 'fcm_dpo/margin': 227.89169311523438, 'margin_dpo/margin_mean': 227.89169311523438, 'margin_dpo/margin_std': 335.2723083496094, 'logps/chosen': -485.10986328125, 'logps/rejected': -724.3256225585938, 'logps/ref_chosen': -71.40371704101562, 'logps/ref_rejected': -82.72775268554688, 'KL/chosen_KL_mean': -413.7061767578125, 'KL/rejected_KL_mean': -641.597900390625, 'KL/mean': -527.6519775390625, 'KL/std': 283.1363525390625, 'logits/chosen': -0.6348098516464233, 'logits/rejected': -0.6036412715911865, 'epoch': 0.64} 64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 436/681 [18:21<10:21, 2.54s/it] 64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 437/681 [18:24<10:31, 2.59s/it] {'loss': 1.1318, 'grad_norm': 22.420637130737305, 'learning_rate': 1.7298989601292036e-07, 'fcm_dpo/beta': 0.0013560389634221792, 'fcm_dpo/q_t': 0.4221380054950714, 'fcm_dpo/delta': 0.020979713648557663, 'fcm_dpo/margin': 243.1411590576172, 'margin_dpo/margin_mean': 243.14114379882812, 'margin_dpo/margin_std': 330.1854248046875, 'logps/chosen': -486.9678955078125, 'logps/rejected': -747.4083251953125, 'logps/ref_chosen': -64.7442626953125, 'logps/ref_rejected': -82.04356384277344, 'KL/chosen_KL_mean': -422.2236328125, 'KL/rejected_KL_mean': -665.36474609375, 'KL/mean': -543.794189453125, 'KL/std': 282.27435302734375, 'logits/chosen': -0.6972805857658386, 'logits/rejected': -0.67779940366745, 'epoch': 0.64} 64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 437/681 [18:24<10:31, 2.59s/it] 64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 438/681 [18:26<10:12, 2.52s/it] {'loss': 1.1196, 'grad_norm': 29.479515075683594, 'learning_rate': 1.7176998984196144e-07, 'fcm_dpo/beta': 0.0013543383684009314, 'fcm_dpo/q_t': 0.41706225275993347, 'fcm_dpo/delta': -0.0014728754758834839, 'fcm_dpo/margin': 259.3194274902344, 'margin_dpo/margin_mean': 259.3194274902344, 'margin_dpo/margin_std': 347.9755859375, 'logps/chosen': -516.5346069335938, 'logps/rejected': -799.9122314453125, 'logps/ref_chosen': -59.0186653137207, 'logps/ref_rejected': -83.07682800292969, 'KL/chosen_KL_mean': -457.51593017578125, 'KL/rejected_KL_mean': -716.8353881835938, 'KL/mean': -587.1756591796875, 'KL/std': 319.5601806640625, 'logits/chosen': -0.6999799013137817, 'logits/rejected': -0.6740041971206665, 'epoch': 0.64} 64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 438/681 [18:26<10:12, 2.52s/it] 64%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 439/681 [18:29<10:01, 2.49s/it] {'loss': 1.1801, 'grad_norm': 33.094661712646484, 'learning_rate': 1.7055214510452458e-07, 'fcm_dpo/beta': 0.0013382842298597097, 'fcm_dpo/q_t': 0.43068742752075195, 'fcm_dpo/delta': -0.07557918131351471, 'fcm_dpo/margin': 224.93003845214844, 'margin_dpo/margin_mean': 224.9300537109375, 'margin_dpo/margin_std': 390.89849853515625, 'logps/chosen': -523.5563354492188, 'logps/rejected': -778.687744140625, 'logps/ref_chosen': -53.78407669067383, 'logps/ref_rejected': -83.98545837402344, 'KL/chosen_KL_mean': -469.77227783203125, 'KL/rejected_KL_mean': -694.7022705078125, 'KL/mean': -582.2373046875, 'KL/std': 336.91986083984375, 'logits/chosen': -0.6910462379455566, 'logits/rejected': -0.6919522285461426, 'epoch': 0.64} 64%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 439/681 [18:29<10:01, 2.49s/it] 65%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 440/681 [18:31<09:49, 2.44s/it] {'loss': 1.1137, 'grad_norm': 49.92783737182617, 'learning_rate': 1.6933639389195134e-07, 'fcm_dpo/beta': 0.001335415756329894, 'fcm_dpo/q_t': 0.4155203104019165, 'fcm_dpo/delta': -0.03305999934673309, 'fcm_dpo/margin': 285.8551330566406, 'margin_dpo/margin_mean': 285.8551025390625, 'margin_dpo/margin_std': 428.9686584472656, 'logps/chosen': -571.08056640625, 'logps/rejected': -874.86669921875, 'logps/ref_chosen': -78.56671905517578, 'logps/ref_rejected': -96.49775695800781, 'KL/chosen_KL_mean': -492.5137939453125, 'KL/rejected_KL_mean': -778.3690185546875, 'KL/mean': -635.44140625, 'KL/std': 411.0914611816406, 'logits/chosen': -0.7562768459320068, 'logits/rejected': -0.7523295879364014, 'epoch': 0.65} 65%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 440/681 [18:31<09:49, 2.44s/it] 65%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 441/681 [18:34<10:01, 2.51s/it] {'loss': 1.1806, 'grad_norm': 45.495601654052734, 'learning_rate': 1.681227682404166e-07, 'fcm_dpo/beta': 0.0013370553497225046, 'fcm_dpo/q_t': 0.4260130524635315, 'fcm_dpo/delta': 0.01073683425784111, 'fcm_dpo/margin': 253.73431396484375, 'margin_dpo/margin_mean': 253.73431396484375, 'margin_dpo/margin_std': 494.9446105957031, 'logps/chosen': -631.4856567382812, 'logps/rejected': -920.8663940429688, 'logps/ref_chosen': -60.824440002441406, 'logps/ref_rejected': -96.47080993652344, 'KL/chosen_KL_mean': -570.6612548828125, 'KL/rejected_KL_mean': -824.3955688476562, 'KL/mean': -697.5283813476562, 'KL/std': 409.962890625, 'logits/chosen': -0.7495392560958862, 'logits/rejected': -0.7344924807548523, 'epoch': 0.65} 65%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 441/681 [18:34<10:01, 2.51s/it] 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 442/681 [18:36<09:51, 2.47s/it] {'loss': 1.1065, 'grad_norm': 31.81182861328125, 'learning_rate': 1.669113001300851e-07, 'fcm_dpo/beta': 0.001329011982306838, 'fcm_dpo/q_t': 0.4097488522529602, 'fcm_dpo/delta': -0.056281156837940216, 'fcm_dpo/margin': 303.7243347167969, 'margin_dpo/margin_mean': 303.7243347167969, 'margin_dpo/margin_std': 445.0675964355469, 'logps/chosen': -525.4910888671875, 'logps/rejected': -858.7434692382812, 'logps/ref_chosen': -47.01121520996094, 'logps/ref_rejected': -76.53926086425781, 'KL/chosen_KL_mean': -478.4798583984375, 'KL/rejected_KL_mean': -782.2042236328125, 'KL/mean': -630.342041015625, 'KL/std': 391.163330078125, 'logits/chosen': -0.718780517578125, 'logits/rejected': -0.7090387344360352, 'epoch': 0.65} 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 442/681 [18:36<09:51, 2.47s/it] 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 443/681 [18:39<09:58, 2.51s/it] {'loss': 1.2554, 'grad_norm': 38.57601547241211, 'learning_rate': 1.6570202148426815e-07, 'fcm_dpo/beta': 0.0013202856061980128, 'fcm_dpo/q_t': 0.4463666081428528, 'fcm_dpo/delta': 0.0109033128246665, 'fcm_dpo/margin': 182.74246215820312, 'margin_dpo/margin_mean': 182.74249267578125, 'margin_dpo/margin_std': 479.74188232421875, 'logps/chosen': -601.7066650390625, 'logps/rejected': -799.8560791015625, 'logps/ref_chosen': -71.27301788330078, 'logps/ref_rejected': -86.679931640625, 'KL/chosen_KL_mean': -530.4336547851562, 'KL/rejected_KL_mean': -713.1761474609375, 'KL/mean': -621.8048706054688, 'KL/std': 391.05328369140625, 'logits/chosen': -0.724666953086853, 'logits/rejected': -0.701187014579773, 'epoch': 0.65} 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 443/681 [18:39<09:58, 2.51s/it] 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 444/681 [18:41<09:49, 2.49s/it] {'loss': 1.1052, 'grad_norm': 30.262189865112305, 'learning_rate': 1.6449496416858282e-07, 'fcm_dpo/beta': 0.0013028013054281473, 'fcm_dpo/q_t': 0.40774786472320557, 'fcm_dpo/delta': -0.06701706349849701, 'fcm_dpo/margin': 317.630126953125, 'margin_dpo/margin_mean': 317.630126953125, 'margin_dpo/margin_std': 487.72283935546875, 'logps/chosen': -585.8648681640625, 'logps/rejected': -943.5361938476562, 'logps/ref_chosen': -57.213706970214844, 'logps/ref_rejected': -97.25489807128906, 'KL/chosen_KL_mean': -528.6512451171875, 'KL/rejected_KL_mean': -846.2813110351562, 'KL/mean': -687.4662475585938, 'KL/std': 420.274169921875, 'logits/chosen': -0.6718389391899109, 'logits/rejected': -0.6785389184951782, 'epoch': 0.65} 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 444/681 [18:41<09:49, 2.49s/it] 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 445/681 [18:44<10:06, 2.57s/it] {'loss': 1.1085, 'grad_norm': 30.900972366333008, 'learning_rate': 1.6329015999011182e-07, 'fcm_dpo/beta': 0.0012994688004255295, 'fcm_dpo/q_t': 0.41294771432876587, 'fcm_dpo/delta': -0.031238578259944916, 'fcm_dpo/margin': 292.4462890625, 'margin_dpo/margin_mean': 292.4463195800781, 'margin_dpo/margin_std': 402.79986572265625, 'logps/chosen': -524.026611328125, 'logps/rejected': -841.855712890625, 'logps/ref_chosen': -67.29979705810547, 'logps/ref_rejected': -92.68267059326172, 'KL/chosen_KL_mean': -456.7267761230469, 'KL/rejected_KL_mean': -749.173095703125, 'KL/mean': -602.949951171875, 'KL/std': 321.0992431640625, 'logits/chosen': -0.6935943365097046, 'logits/rejected': -0.6810604333877563, 'epoch': 0.65} 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 445/681 [18:44<10:06, 2.57s/it] 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 446/681 [18:47<10:05, 2.58s/it] {'loss': 1.0721, 'grad_norm': 34.864933013916016, 'learning_rate': 1.6208764069656578e-07, 'fcm_dpo/beta': 0.0012904771137982607, 'fcm_dpo/q_t': 0.4033682346343994, 'fcm_dpo/delta': -0.062246501445770264, 'fcm_dpo/margin': 317.2033386230469, 'margin_dpo/margin_mean': 317.2033386230469, 'margin_dpo/margin_std': 355.0349426269531, 'logps/chosen': -461.3173522949219, 'logps/rejected': -820.6864013671875, 'logps/ref_chosen': -59.098487854003906, 'logps/ref_rejected': -101.26419067382812, 'KL/chosen_KL_mean': -402.2188720703125, 'KL/rejected_KL_mean': -719.4222412109375, 'KL/mean': -560.820556640625, 'KL/std': 337.19036865234375, 'logits/chosen': -0.6820211410522461, 'logits/rejected': -0.6916550397872925, 'epoch': 0.65} 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 446/681 [18:47<10:05, 2.58s/it] 66%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 447/681 [18:49<09:48, 2.51s/it] {'loss': 1.079, 'grad_norm': 26.480072021484375, 'learning_rate': 1.608874379754465e-07, 'fcm_dpo/beta': 0.0012605185620486736, 'fcm_dpo/q_t': 0.4043826460838318, 'fcm_dpo/delta': -0.07881560921669006, 'fcm_dpo/margin': 337.28631591796875, 'margin_dpo/margin_mean': 337.28631591796875, 'margin_dpo/margin_std': 460.5667419433594, 'logps/chosen': -481.6541748046875, 'logps/rejected': -861.5599365234375, 'logps/ref_chosen': -56.07533264160156, 'logps/ref_rejected': -98.69475555419922, 'KL/chosen_KL_mean': -425.578857421875, 'KL/rejected_KL_mean': -762.8651733398438, 'KL/mean': -594.2220458984375, 'KL/std': 410.32159423828125, 'logits/chosen': -0.7632917761802673, 'logits/rejected': -0.7825505137443542, 'epoch': 0.66} 66%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 447/681 [18:49<09:48, 2.51s/it] 66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 448/681 [18:51<09:48, 2.53s/it] {'loss': 1.0861, 'grad_norm': 32.5056266784668, 'learning_rate': 1.5968958345321177e-07, 'fcm_dpo/beta': 0.001254360075108707, 'fcm_dpo/q_t': 0.40883946418762207, 'fcm_dpo/delta': -0.04375584051012993, 'fcm_dpo/margin': 312.4931335449219, 'margin_dpo/margin_mean': 312.4931335449219, 'margin_dpo/margin_std': 379.61871337890625, 'logps/chosen': -527.51416015625, 'logps/rejected': -882.26806640625, 'logps/ref_chosen': -60.00384521484375, 'logps/ref_rejected': -102.26465606689453, 'KL/chosen_KL_mean': -467.5102844238281, 'KL/rejected_KL_mean': -780.00341796875, 'KL/mean': -623.7568359375, 'KL/std': 348.59857177734375, 'logits/chosen': -0.6593608856201172, 'logits/rejected': -0.665467381477356, 'epoch': 0.66} 66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 448/681 [18:51<09:48, 2.53s/it] 66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 449/681 [18:54<09:43, 2.51s/it] {'loss': 1.1186, 'grad_norm': 29.851238250732422, 'learning_rate': 1.584941086944423e-07, 'fcm_dpo/beta': 0.001239268109202385, 'fcm_dpo/q_t': 0.41368383169174194, 'fcm_dpo/delta': -0.03710303083062172, 'fcm_dpo/margin': 311.15350341796875, 'margin_dpo/margin_mean': 311.15350341796875, 'margin_dpo/margin_std': 484.8404846191406, 'logps/chosen': -551.1343383789062, 'logps/rejected': -883.358154296875, 'logps/ref_chosen': -67.52661895751953, 'logps/ref_rejected': -88.59690856933594, 'KL/chosen_KL_mean': -483.6077575683594, 'KL/rejected_KL_mean': -794.76123046875, 'KL/mean': -639.1844482421875, 'KL/std': 414.4624938964844, 'logits/chosen': -0.7158821821212769, 'logits/rejected': -0.7080788016319275, 'epoch': 0.66} 66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 449/681 [18:54<09:43, 2.51s/it] 66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 450/681 [18:56<09:41, 2.52s/it] {'loss': 1.0505, 'grad_norm': 48.51375198364258, 'learning_rate': 1.573010452010098e-07, 'fcm_dpo/beta': 0.001226372318342328, 'fcm_dpo/q_t': 0.3992771804332733, 'fcm_dpo/delta': -0.07663866132497787, 'fcm_dpo/margin': 345.29571533203125, 'margin_dpo/margin_mean': 345.29571533203125, 'margin_dpo/margin_std': 349.22174072265625, 'logps/chosen': -443.24676513671875, 'logps/rejected': -834.1893310546875, 'logps/ref_chosen': -57.10811996459961, 'logps/ref_rejected': -102.75494384765625, 'KL/chosen_KL_mean': -386.138671875, 'KL/rejected_KL_mean': -731.434326171875, 'KL/mean': -558.7864990234375, 'KL/std': 357.3294982910156, 'logits/chosen': -0.7433021068572998, 'logits/rejected': -0.7565724849700928, 'epoch': 0.66} 66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 450/681 [18:57<09:41, 2.52s/it] 66%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 451/681 [18:59<09:17, 2.42s/it] {'loss': 1.2143, 'grad_norm': 36.48598861694336, 'learning_rate': 1.5611042441124687e-07, 'fcm_dpo/beta': 0.0012323290575295687, 'fcm_dpo/q_t': 0.4289303421974182, 'fcm_dpo/delta': 0.05590929836034775, 'fcm_dpo/margin': 239.82675170898438, 'margin_dpo/margin_mean': 239.8267364501953, 'margin_dpo/margin_std': 536.7329711914062, 'logps/chosen': -611.9049072265625, 'logps/rejected': -866.1922607421875, 'logps/ref_chosen': -58.46883010864258, 'logps/ref_rejected': -72.92941284179688, 'KL/chosen_KL_mean': -553.4360961914062, 'KL/rejected_KL_mean': -793.2628784179688, 'KL/mean': -673.3494873046875, 'KL/std': 449.323486328125, 'logits/chosen': -0.7902913689613342, 'logits/rejected': -0.7614456415176392, 'epoch': 0.66} 66%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 451/681 [18:59<09:17, 2.42s/it] 66%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 452/681 [19:01<09:16, 2.43s/it] {'loss': 1.0979, 'grad_norm': 26.67286491394043, 'learning_rate': 1.549222776991186e-07, 'fcm_dpo/beta': 0.0012294357875362039, 'fcm_dpo/q_t': 0.4138975441455841, 'fcm_dpo/delta': -0.01188319455832243, 'fcm_dpo/margin': 293.95849609375, 'margin_dpo/margin_mean': 293.95849609375, 'margin_dpo/margin_std': 333.3941955566406, 'logps/chosen': -445.11370849609375, 'logps/rejected': -786.4530639648438, 'logps/ref_chosen': -50.39055252075195, 'logps/ref_rejected': -97.77142333984375, 'KL/chosen_KL_mean': -394.72314453125, 'KL/rejected_KL_mean': -688.681640625, 'KL/mean': -541.702392578125, 'KL/std': 334.7508239746094, 'logits/chosen': -0.6999271512031555, 'logits/rejected': -0.7178478240966797, 'epoch': 0.66} 66%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 452/681 [19:01<09:16, 2.43s/it] 67%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 453/681 [19:03<09:03, 2.38s/it] {'loss': 1.1113, 'grad_norm': 35.29240036010742, 'learning_rate': 1.5373663637339584e-07, 'fcm_dpo/beta': 0.0012230616994202137, 'fcm_dpo/q_t': 0.41480809450149536, 'fcm_dpo/delta': -0.025895066559314728, 'fcm_dpo/margin': 306.43463134765625, 'margin_dpo/margin_mean': 306.43463134765625, 'margin_dpo/margin_std': 436.13421630859375, 'logps/chosen': -514.9901733398438, 'logps/rejected': -845.9173583984375, 'logps/ref_chosen': -57.71485137939453, 'logps/ref_rejected': -82.20741271972656, 'KL/chosen_KL_mean': -457.27532958984375, 'KL/rejected_KL_mean': -763.7099609375, 'KL/mean': -610.49267578125, 'KL/std': 360.0783386230469, 'logits/chosen': -0.7407764792442322, 'logits/rejected': -0.7278668880462646, 'epoch': 0.67} 67%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 453/681 [19:03<09:03, 2.38s/it] 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 454/681 [19:06<09:09, 2.42s/it] {'loss': 1.0997, 'grad_norm': 25.13304328918457, 'learning_rate': 1.5255353167683017e-07, 'fcm_dpo/beta': 0.0012127361260354519, 'fcm_dpo/q_t': 0.4091429114341736, 'fcm_dpo/delta': -0.04838482663035393, 'fcm_dpo/margin': 326.7760009765625, 'margin_dpo/margin_mean': 326.7760314941406, 'margin_dpo/margin_std': 461.345947265625, 'logps/chosen': -621.217529296875, 'logps/rejected': -971.9987182617188, 'logps/ref_chosen': -60.945648193359375, 'logps/ref_rejected': -84.95079040527344, 'KL/chosen_KL_mean': -560.2719116210938, 'KL/rejected_KL_mean': -887.0479736328125, 'KL/mean': -723.659912109375, 'KL/std': 408.50616455078125, 'logits/chosen': -0.7615550756454468, 'logits/rejected': -0.7526893019676208, 'epoch': 0.67} 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 454/681 [19:06<09:09, 2.42s/it] 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 455/681 [19:08<09:04, 2.41s/it] {'loss': 1.0514, 'grad_norm': 33.46556854248047, 'learning_rate': 1.5137299478533064e-07, 'fcm_dpo/beta': 0.001196699682623148, 'fcm_dpo/q_t': 0.39322376251220703, 'fcm_dpo/delta': -0.12219969183206558, 'fcm_dpo/margin': 389.8819580078125, 'margin_dpo/margin_mean': 389.8819580078125, 'margin_dpo/margin_std': 477.7015380859375, 'logps/chosen': -549.1781005859375, 'logps/rejected': -1009.4747924804688, 'logps/ref_chosen': -44.88671112060547, 'logps/ref_rejected': -115.30147552490234, 'KL/chosen_KL_mean': -504.2913818359375, 'KL/rejected_KL_mean': -894.17333984375, 'KL/mean': -699.232421875, 'KL/std': 421.8465576171875, 'logits/chosen': -0.7414263486862183, 'logits/rejected': -0.7670072317123413, 'epoch': 0.67} 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 455/681 [19:08<09:04, 2.41s/it] 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 456/681 [19:11<09:14, 2.46s/it] {'loss': 1.0411, 'grad_norm': 38.52052688598633, 'learning_rate': 1.5019505680714232e-07, 'fcm_dpo/beta': 0.0011668999213725328, 'fcm_dpo/q_t': 0.39691370725631714, 'fcm_dpo/delta': -0.09819206595420837, 'fcm_dpo/margin': 380.4140625, 'margin_dpo/margin_mean': 380.4140625, 'margin_dpo/margin_std': 404.1457214355469, 'logps/chosen': -564.2323608398438, 'logps/rejected': -992.8275146484375, 'logps/ref_chosen': -57.036781311035156, 'logps/ref_rejected': -105.21784210205078, 'KL/chosen_KL_mean': -507.195556640625, 'KL/rejected_KL_mean': -887.6096801757812, 'KL/mean': -697.402587890625, 'KL/std': 429.1546630859375, 'logits/chosen': -0.7470618486404419, 'logits/rejected': -0.7721505165100098, 'epoch': 0.67} 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 456/681 [19:11<09:14, 2.46s/it] 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 457/681 [19:14<09:25, 2.53s/it] {'loss': 1.0498, 'grad_norm': 33.69874572753906, 'learning_rate': 1.4901974878202627e-07, 'fcm_dpo/beta': 0.00114365853369236, 'fcm_dpo/q_t': 0.3985850214958191, 'fcm_dpo/delta': -0.0830128863453865, 'fcm_dpo/margin': 375.3291015625, 'margin_dpo/margin_mean': 375.3291015625, 'margin_dpo/margin_std': 390.97637939453125, 'logps/chosen': -532.88818359375, 'logps/rejected': -939.0842895507812, 'logps/ref_chosen': -54.24253845214844, 'logps/ref_rejected': -85.10956573486328, 'KL/chosen_KL_mean': -478.6456298828125, 'KL/rejected_KL_mean': -853.9747314453125, 'KL/mean': -666.3101806640625, 'KL/std': 396.79046630859375, 'logits/chosen': -0.7634145617485046, 'logits/rejected': -0.7695783376693726, 'epoch': 0.67} 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 457/681 [19:14<09:25, 2.53s/it] 67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 458/681 [19:16<09:21, 2.52s/it] {'loss': 1.1318, 'grad_norm': 35.67972183227539, 'learning_rate': 1.4784710168044212e-07, 'fcm_dpo/beta': 0.0011345113161951303, 'fcm_dpo/q_t': 0.42130082845687866, 'fcm_dpo/delta': 0.001986939460039139, 'fcm_dpo/margin': 306.226318359375, 'margin_dpo/margin_mean': 306.226318359375, 'margin_dpo/margin_std': 444.1019287109375, 'logps/chosen': -609.7996826171875, 'logps/rejected': -958.3004150390625, 'logps/ref_chosen': -55.40888214111328, 'logps/ref_rejected': -97.68325805664062, 'KL/chosen_KL_mean': -554.390869140625, 'KL/rejected_KL_mean': -860.6171264648438, 'KL/mean': -707.5039672851562, 'KL/std': 387.835693359375, 'logits/chosen': -0.8082045316696167, 'logits/rejected': -0.8004375100135803, 'epoch': 0.67} 67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 458/681 [19:16<09:21, 2.52s/it] 67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 459/681 [19:19<09:23, 2.54s/it] {'loss': 1.0933, 'grad_norm': 38.14002990722656, 'learning_rate': 1.466771464027316e-07, 'fcm_dpo/beta': 0.0011250160168856382, 'fcm_dpo/q_t': 0.4042002856731415, 'fcm_dpo/delta': -0.07521242648363113, 'fcm_dpo/margin': 374.7676696777344, 'margin_dpo/margin_mean': 374.7676696777344, 'margin_dpo/margin_std': 536.9511108398438, 'logps/chosen': -638.5360107421875, 'logps/rejected': -1052.914794921875, 'logps/ref_chosen': -46.55748748779297, 'logps/ref_rejected': -86.16854095458984, 'KL/chosen_KL_mean': -591.978515625, 'KL/rejected_KL_mean': -966.7462158203125, 'KL/mean': -779.3623657226562, 'KL/std': 468.7334289550781, 'logits/chosen': -0.7572959661483765, 'logits/rejected': -0.7787726521492004, 'epoch': 0.67} 67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 459/681 [19:19<09:23, 2.54s/it] 68%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 460/681 [19:21<09:27, 2.57s/it] {'loss': 1.055, 'grad_norm': 28.9811954498291, 'learning_rate': 1.4550991377830423e-07, 'fcm_dpo/beta': 0.0011082333512604237, 'fcm_dpo/q_t': 0.39786800742149353, 'fcm_dpo/delta': -0.10236979275941849, 'fcm_dpo/margin': 404.1170349121094, 'margin_dpo/margin_mean': 404.1170349121094, 'margin_dpo/margin_std': 494.65667724609375, 'logps/chosen': -680.6573486328125, 'logps/rejected': -1137.2587890625, 'logps/ref_chosen': -51.63489532470703, 'logps/ref_rejected': -104.11935424804688, 'KL/chosen_KL_mean': -629.0224609375, 'KL/rejected_KL_mean': -1033.1395263671875, 'KL/mean': -831.0809936523438, 'KL/std': 450.43658447265625, 'logits/chosen': -0.8412591814994812, 'logits/rejected': -0.8749679923057556, 'epoch': 0.68} 68%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 460/681 [19:21<09:27, 2.57s/it] 68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 461/681 [19:24<09:27, 2.58s/it] {'loss': 1.1359, 'grad_norm': 28.833742141723633, 'learning_rate': 1.4434543456482518e-07, 'fcm_dpo/beta': 0.0011054275091737509, 'fcm_dpo/q_t': 0.42101699113845825, 'fcm_dpo/delta': 0.0032142307609319687, 'fcm_dpo/margin': 313.631591796875, 'margin_dpo/margin_mean': 313.631591796875, 'margin_dpo/margin_std': 482.70458984375, 'logps/chosen': -714.0208740234375, 'logps/rejected': -1058.9473876953125, 'logps/ref_chosen': -55.18195724487305, 'logps/ref_rejected': -86.47689819335938, 'KL/chosen_KL_mean': -658.8389892578125, 'KL/rejected_KL_mean': -972.470458984375, 'KL/mean': -815.6547241210938, 'KL/std': 444.0308837890625, 'logits/chosen': -0.8508638739585876, 'logits/rejected': -0.8650791049003601, 'epoch': 0.68} 68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 461/681 [19:24<09:27, 2.58s/it] 68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 462/681 [19:26<09:18, 2.55s/it] {'loss': 1.1858, 'grad_norm': 37.025150299072266, 'learning_rate': 1.4318373944740484e-07, 'fcm_dpo/beta': 0.0011110971681773663, 'fcm_dpo/q_t': 0.43434569239616394, 'fcm_dpo/delta': 0.06107814237475395, 'fcm_dpo/margin': 261.667724609375, 'margin_dpo/margin_mean': 261.667724609375, 'margin_dpo/margin_std': 488.41827392578125, 'logps/chosen': -705.2755126953125, 'logps/rejected': -975.8563232421875, 'logps/ref_chosen': -69.92803192138672, 'logps/ref_rejected': -78.84111022949219, 'KL/chosen_KL_mean': -635.347412109375, 'KL/rejected_KL_mean': -897.0151977539062, 'KL/mean': -766.1812744140625, 'KL/std': 428.46905517578125, 'logits/chosen': -0.8966616988182068, 'logits/rejected': -0.8862354755401611, 'epoch': 0.68} 68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 462/681 [19:26<09:18, 2.55s/it] 68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 463/681 [19:29<09:06, 2.51s/it] {'loss': 1.101, 'grad_norm': 36.853878021240234, 'learning_rate': 1.4202485903778976e-07, 'fcm_dpo/beta': 0.0011113372165709734, 'fcm_dpo/q_t': 0.4097776710987091, 'fcm_dpo/delta': -0.045437999069690704, 'fcm_dpo/margin': 354.18243408203125, 'margin_dpo/margin_mean': 354.18243408203125, 'margin_dpo/margin_std': 491.94415283203125, 'logps/chosen': -672.3590698242188, 'logps/rejected': -1060.2921142578125, 'logps/ref_chosen': -55.27437210083008, 'logps/ref_rejected': -89.02497863769531, 'KL/chosen_KL_mean': -617.084716796875, 'KL/rejected_KL_mean': -971.2671508789062, 'KL/mean': -794.1759033203125, 'KL/std': 443.2431640625, 'logits/chosen': -0.8798764944076538, 'logits/rejected': -0.893752932548523, 'epoch': 0.68} 68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 463/681 [19:29<09:06, 2.51s/it] 68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 464/681 [19:31<08:47, 2.43s/it] {'loss': 0.9802, 'grad_norm': 34.50212478637695, 'learning_rate': 1.4086882387355658e-07, 'fcm_dpo/beta': 0.0010644260328263044, 'fcm_dpo/q_t': 0.37335121631622314, 'fcm_dpo/delta': -0.2137536257505417, 'fcm_dpo/margin': 516.7005615234375, 'margin_dpo/margin_mean': 516.7005615234375, 'margin_dpo/margin_std': 523.5531005859375, 'logps/chosen': -655.0065307617188, 'logps/rejected': -1223.2841796875, 'logps/ref_chosen': -50.91230010986328, 'logps/ref_rejected': -102.4893798828125, 'KL/chosen_KL_mean': -604.09423828125, 'KL/rejected_KL_mean': -1120.794677734375, 'KL/mean': -862.4444580078125, 'KL/std': 517.349853515625, 'logits/chosen': -0.8490620851516724, 'logits/rejected': -0.9159963726997375, 'epoch': 0.68} 68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 464/681 [19:31<08:47, 2.43s/it] 68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 465/681 [19:34<08:53, 2.47s/it] {'loss': 1.0727, 'grad_norm': 34.12406539916992, 'learning_rate': 1.3971566441730714e-07, 'fcm_dpo/beta': 0.0010484305676072836, 'fcm_dpo/q_t': 0.39575302600860596, 'fcm_dpo/delta': -0.09556633979082108, 'fcm_dpo/margin': 421.0207824707031, 'margin_dpo/margin_mean': 421.020751953125, 'margin_dpo/margin_std': 551.701416015625, 'logps/chosen': -668.4307861328125, 'logps/rejected': -1143.28076171875, 'logps/ref_chosen': -60.116851806640625, 'logps/ref_rejected': -113.94602966308594, 'KL/chosen_KL_mean': -608.3139038085938, 'KL/rejected_KL_mean': -1029.334716796875, 'KL/mean': -818.8243408203125, 'KL/std': 525.769775390625, 'logits/chosen': -0.8353086709976196, 'logits/rejected': -0.8615255951881409, 'epoch': 0.68} 68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 465/681 [19:34<08:53, 2.47s/it] 68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 466/681 [19:36<08:58, 2.50s/it] {'loss': 1.1194, 'grad_norm': 30.475038528442383, 'learning_rate': 1.3856541105586545e-07, 'fcm_dpo/beta': 0.0010309141362085938, 'fcm_dpo/q_t': 0.41319042444229126, 'fcm_dpo/delta': -0.02415800467133522, 'fcm_dpo/margin': 361.57757568359375, 'margin_dpo/margin_mean': 361.57757568359375, 'margin_dpo/margin_std': 526.1229248046875, 'logps/chosen': -718.371337890625, 'logps/rejected': -1117.343505859375, 'logps/ref_chosen': -52.920921325683594, 'logps/ref_rejected': -90.3154296875, 'KL/chosen_KL_mean': -665.450439453125, 'KL/rejected_KL_mean': -1027.0279541015625, 'KL/mean': -846.2392578125, 'KL/std': 486.2896728515625, 'logits/chosen': -0.8484971523284912, 'logits/rejected': -0.850833535194397, 'epoch': 0.68} 68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 466/681 [19:36<08:58, 2.50s/it] 69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 467/681 [19:39<08:52, 2.49s/it] {'loss': 1.153, 'grad_norm': 39.5161018371582, 'learning_rate': 1.3741809409947729e-07, 'fcm_dpo/beta': 0.0010187213774770498, 'fcm_dpo/q_t': 0.412168025970459, 'fcm_dpo/delta': -0.05139738321304321, 'fcm_dpo/margin': 390.5625, 'margin_dpo/margin_mean': 390.5625, 'margin_dpo/margin_std': 716.0555419921875, 'logps/chosen': -885.099853515625, 'logps/rejected': -1299.806640625, 'logps/ref_chosen': -78.7158203125, 'logps/ref_rejected': -102.86019897460938, 'KL/chosen_KL_mean': -806.384033203125, 'KL/rejected_KL_mean': -1196.946533203125, 'KL/mean': -1001.665283203125, 'KL/std': 618.6810913085938, 'logits/chosen': -0.9231687784194946, 'logits/rejected': -0.9177477359771729, 'epoch': 0.69} 69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 467/681 [19:39<08:52, 2.49s/it] 69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 468/681 [19:41<08:59, 2.53s/it] {'loss': 1.052, 'grad_norm': 56.975738525390625, 'learning_rate': 1.362737437810114e-07, 'fcm_dpo/beta': 0.001004476216621697, 'fcm_dpo/q_t': 0.39484673738479614, 'fcm_dpo/delta': -0.12587127089500427, 'fcm_dpo/margin': 467.8305358886719, 'margin_dpo/margin_mean': 467.83050537109375, 'margin_dpo/margin_std': 610.6904296875, 'logps/chosen': -700.007568359375, 'logps/rejected': -1198.9315185546875, 'logps/ref_chosen': -69.93536376953125, 'logps/ref_rejected': -101.02880859375, 'KL/chosen_KL_mean': -630.0722045898438, 'KL/rejected_KL_mean': -1097.9027099609375, 'KL/mean': -863.9874877929688, 'KL/std': 546.4240112304688, 'logits/chosen': -0.8668639659881592, 'logits/rejected': -0.8785967826843262, 'epoch': 0.69} 69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 468/681 [19:41<08:59, 2.53s/it] 69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 469/681 [19:44<09:17, 2.63s/it] {'loss': 1.0452, 'grad_norm': 53.98129653930664, 'learning_rate': 1.351323902551631e-07, 'fcm_dpo/beta': 0.0009764886926859617, 'fcm_dpo/q_t': 0.3934182822704315, 'fcm_dpo/delta': -0.11406978219747543, 'fcm_dpo/margin': 468.81585693359375, 'margin_dpo/margin_mean': 468.81585693359375, 'margin_dpo/margin_std': 534.7791748046875, 'logps/chosen': -726.509521484375, 'logps/rejected': -1231.987060546875, 'logps/ref_chosen': -68.12469482421875, 'logps/ref_rejected': -104.78640747070312, 'KL/chosen_KL_mean': -658.3848876953125, 'KL/rejected_KL_mean': -1127.20068359375, 'KL/mean': -892.792724609375, 'KL/std': 478.67694091796875, 'logits/chosen': -0.8874689340591431, 'logits/rejected': -0.9010331630706787, 'epoch': 0.69} 69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 469/681 [19:44<09:17, 2.63s/it] 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 470/681 [19:47<09:07, 2.59s/it] {'loss': 1.1043, 'grad_norm': 30.534019470214844, 'learning_rate': 1.339940635976592e-07, 'fcm_dpo/beta': 0.0009724711999297142, 'fcm_dpo/q_t': 0.41007864475250244, 'fcm_dpo/delta': -0.03880758211016655, 'fcm_dpo/margin': 398.2434387207031, 'margin_dpo/margin_mean': 398.2434387207031, 'margin_dpo/margin_std': 553.9703979492188, 'logps/chosen': -605.05712890625, 'logps/rejected': -1042.21142578125, 'logps/ref_chosen': -43.791927337646484, 'logps/ref_rejected': -82.70285034179688, 'KL/chosen_KL_mean': -561.26513671875, 'KL/rejected_KL_mean': -959.5086669921875, 'KL/mean': -760.3869018554688, 'KL/std': 498.2298278808594, 'logits/chosen': -0.8203660249710083, 'logits/rejected': -0.8314099311828613, 'epoch': 0.69} 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 470/681 [19:47<09:07, 2.59s/it] 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 471/681 [19:49<08:46, 2.51s/it] {'loss': 1.1473, 'grad_norm': 45.94660568237305, 'learning_rate': 1.3285879380446563e-07, 'fcm_dpo/beta': 0.0009652703301981091, 'fcm_dpo/q_t': 0.42378807067871094, 'fcm_dpo/delta': 0.01225661113858223, 'fcm_dpo/margin': 349.9005432128906, 'margin_dpo/margin_mean': 349.90057373046875, 'margin_dpo/margin_std': 566.9776000976562, 'logps/chosen': -753.1981201171875, 'logps/rejected': -1123.36962890625, 'logps/ref_chosen': -63.33952331542969, 'logps/ref_rejected': -83.61048126220703, 'KL/chosen_KL_mean': -689.858642578125, 'KL/rejected_KL_mean': -1039.7591552734375, 'KL/mean': -864.8088989257812, 'KL/std': 511.3665771484375, 'logits/chosen': -0.903639554977417, 'logits/rejected': -0.9123305082321167, 'epoch': 0.69} 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 471/681 [19:49<08:46, 2.51s/it] 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 472/681 [19:52<09:02, 2.60s/it] {'loss': 1.1316, 'grad_norm': 30.506114959716797, 'learning_rate': 1.317266107909975e-07, 'fcm_dpo/beta': 0.0009603024809621274, 'fcm_dpo/q_t': 0.4133405089378357, 'fcm_dpo/delta': -0.04937269911170006, 'fcm_dpo/margin': 413.4587707519531, 'margin_dpo/margin_mean': 413.458740234375, 'margin_dpo/margin_std': 694.000732421875, 'logps/chosen': -785.01953125, 'logps/rejected': -1232.021484375, 'logps/ref_chosen': -83.66610717773438, 'logps/ref_rejected': -117.20919799804688, 'KL/chosen_KL_mean': -701.3533935546875, 'KL/rejected_KL_mean': -1114.812255859375, 'KL/mean': -908.082763671875, 'KL/std': 622.212158203125, 'logits/chosen': -0.9473692178726196, 'logits/rejected': -0.9324079751968384, 'epoch': 0.69} 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 472/681 [19:52<09:02, 2.60s/it] 69%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 473/681 [19:54<09:05, 2.62s/it] {'loss': 1.3466, 'grad_norm': 95.01997375488281, 'learning_rate': 1.3059754439133002e-07, 'fcm_dpo/beta': 0.0009610364213585854, 'fcm_dpo/q_t': 0.4586009979248047, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 196.28573608398438, 'margin_dpo/margin_mean': 196.28573608398438, 'margin_dpo/margin_std': 829.6607666015625, 'logps/chosen': -897.8486938476562, 'logps/rejected': -1111.7840576171875, 'logps/ref_chosen': -63.49696731567383, 'logps/ref_rejected': -81.14657592773438, 'KL/chosen_KL_mean': -834.3516845703125, 'KL/rejected_KL_mean': -1030.637451171875, 'KL/mean': -932.49462890625, 'KL/std': 639.5214233398438, 'logits/chosen': -0.9266204833984375, 'logits/rejected': -0.9034590721130371, 'epoch': 0.69} 69%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 473/681 [19:54<09:05, 2.62s/it] 70%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 474/681 [19:57<09:06, 2.64s/it] {'loss': 1.1678, 'grad_norm': 34.34967041015625, 'learning_rate': 1.2947162435741277e-07, 'fcm_dpo/beta': 0.0009541058680042624, 'fcm_dpo/q_t': 0.4222460687160492, 'fcm_dpo/delta': -0.07264073938131332, 'fcm_dpo/margin': 351.7076416015625, 'margin_dpo/margin_mean': 351.7076416015625, 'margin_dpo/margin_std': 621.35986328125, 'logps/chosen': -718.0230712890625, 'logps/rejected': -1107.19921875, 'logps/ref_chosen': -52.6119384765625, 'logps/ref_rejected': -90.08041381835938, 'KL/chosen_KL_mean': -665.4111328125, 'KL/rejected_KL_mean': -1017.1187744140625, 'KL/mean': -841.2649536132812, 'KL/std': 553.4940795898438, 'logits/chosen': -0.8338485956192017, 'logits/rejected': -0.8360385894775391, 'epoch': 0.7} 70%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 474/681 [19:57<09:06, 2.64s/it] 70%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 475/681 [20:00<08:53, 2.59s/it] {'loss': 1.0605, 'grad_norm': 49.64398956298828, 'learning_rate': 1.2834888035828596e-07, 'fcm_dpo/beta': 0.0009357599192298949, 'fcm_dpo/q_t': 0.40210431814193726, 'fcm_dpo/delta': -0.06906232237815857, 'fcm_dpo/margin': 444.5597229003906, 'margin_dpo/margin_mean': 444.5597229003906, 'margin_dpo/margin_std': 480.71630859375, 'logps/chosen': -523.0498046875, 'logps/rejected': -1015.17724609375, 'logps/ref_chosen': -42.49519348144531, 'logps/ref_rejected': -90.06294250488281, 'KL/chosen_KL_mean': -480.55462646484375, 'KL/rejected_KL_mean': -925.1143798828125, 'KL/mean': -702.83447265625, 'KL/std': 437.4728088378906, 'logits/chosen': -0.8846492767333984, 'logits/rejected': -0.911199688911438, 'epoch': 0.7} 70%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 475/681 [20:00<08:53, 2.59s/it] 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 476/681 [20:02<08:45, 2.56s/it] {'loss': 1.132, 'grad_norm': 63.98448181152344, 'learning_rate': 1.2722934197929802e-07, 'fcm_dpo/beta': 0.0009366124868392944, 'fcm_dpo/q_t': 0.4231525659561157, 'fcm_dpo/delta': 0.019588805735111237, 'fcm_dpo/margin': 353.46929931640625, 'margin_dpo/margin_mean': 353.46929931640625, 'margin_dpo/margin_std': 492.0439758300781, 'logps/chosen': -668.0218505859375, 'logps/rejected': -1052.2520751953125, 'logps/ref_chosen': -42.94938278198242, 'logps/ref_rejected': -73.71023559570312, 'KL/chosen_KL_mean': -625.072509765625, 'KL/rejected_KL_mean': -978.5418090820312, 'KL/mean': -801.80712890625, 'KL/std': 506.44488525390625, 'logits/chosen': -0.8908638954162598, 'logits/rejected': -0.9078314304351807, 'epoch': 0.7} 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 476/681 [20:02<08:45, 2.56s/it] 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 477/681 [20:05<08:40, 2.55s/it] {'loss': 1.1558, 'grad_norm': 36.05009460449219, 'learning_rate': 1.2611303872132631e-07, 'fcm_dpo/beta': 0.0009418263216502964, 'fcm_dpo/q_t': 0.42166703939437866, 'fcm_dpo/delta': 0.011177122592926025, 'fcm_dpo/margin': 359.98681640625, 'margin_dpo/margin_mean': 359.9867858886719, 'margin_dpo/margin_std': 619.1052856445312, 'logps/chosen': -708.0567626953125, 'logps/rejected': -1073.408203125, 'logps/ref_chosen': -70.77261352539062, 'logps/ref_rejected': -76.13737487792969, 'KL/chosen_KL_mean': -637.2841186523438, 'KL/rejected_KL_mean': -997.2708740234375, 'KL/mean': -817.2775268554688, 'KL/std': 515.0693359375, 'logits/chosen': -0.8980028629302979, 'logits/rejected': -0.8670873641967773, 'epoch': 0.7} 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 477/681 [20:05<08:40, 2.55s/it] 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 478/681 [20:07<08:46, 2.59s/it] {'loss': 1.0931, 'grad_norm': 60.29072189331055, 'learning_rate': 1.2500000000000005e-07, 'fcm_dpo/beta': 0.0009357367525808513, 'fcm_dpo/q_t': 0.4093322157859802, 'fcm_dpo/delta': -0.04220425337553024, 'fcm_dpo/margin': 417.388427734375, 'margin_dpo/margin_mean': 417.388427734375, 'margin_dpo/margin_std': 540.1747436523438, 'logps/chosen': -553.0887451171875, 'logps/rejected': -1014.3985595703125, 'logps/ref_chosen': -41.440513610839844, 'logps/ref_rejected': -85.36196899414062, 'KL/chosen_KL_mean': -511.648193359375, 'KL/rejected_KL_mean': -929.03662109375, 'KL/mean': -720.3424072265625, 'KL/std': 461.0159912109375, 'logits/chosen': -0.7977697849273682, 'logits/rejected': -0.8219680190086365, 'epoch': 0.7} 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 478/681 [20:07<08:46, 2.59s/it] 70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 479/681 [20:10<08:33, 2.54s/it] {'loss': 1.1435, 'grad_norm': 31.228153228759766, 'learning_rate': 1.2389025514492456e-07, 'fcm_dpo/beta': 0.000935424177441746, 'fcm_dpo/q_t': 0.4196696877479553, 'fcm_dpo/delta': -0.015560656785964966, 'fcm_dpo/margin': 389.55133056640625, 'margin_dpo/margin_mean': 389.55126953125, 'margin_dpo/margin_std': 670.361328125, 'logps/chosen': -738.9374389648438, 'logps/rejected': -1169.697265625, 'logps/ref_chosen': -53.907920837402344, 'logps/ref_rejected': -95.1163330078125, 'KL/chosen_KL_mean': -685.029541015625, 'KL/rejected_KL_mean': -1074.580810546875, 'KL/mean': -879.80517578125, 'KL/std': 583.0810546875, 'logits/chosen': -0.8409562706947327, 'logits/rejected': -0.8747595548629761, 'epoch': 0.7} 70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 479/681 [20:10<08:33, 2.54s/it] 70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 480/681 [20:12<08:23, 2.51s/it] {'loss': 1.1908, 'grad_norm': 39.37574768066406, 'learning_rate': 1.227838333989088e-07, 'fcm_dpo/beta': 0.0009248163551092148, 'fcm_dpo/q_t': 0.43354925513267517, 'fcm_dpo/delta': -0.046877436339855194, 'fcm_dpo/margin': 314.626953125, 'margin_dpo/margin_mean': 314.626953125, 'margin_dpo/margin_std': 573.584228515625, 'logps/chosen': -864.34716796875, 'logps/rejected': -1203.223876953125, 'logps/ref_chosen': -58.682701110839844, 'logps/ref_rejected': -82.93248748779297, 'KL/chosen_KL_mean': -805.6644897460938, 'KL/rejected_KL_mean': -1120.29150390625, 'KL/mean': -962.97802734375, 'KL/std': 531.8762817382812, 'logits/chosen': -0.8963419198989868, 'logits/rejected': -0.898643970489502, 'epoch': 0.7} 70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 480/681 [20:12<08:23, 2.51s/it] 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 481/681 [20:15<08:20, 2.50s/it] {'loss': 1.0567, 'grad_norm': 46.874427795410156, 'learning_rate': 1.2168076391719489e-07, 'fcm_dpo/beta': 0.0009076240239664912, 'fcm_dpo/q_t': 0.397752046585083, 'fcm_dpo/delta': -0.09952923655509949, 'fcm_dpo/margin': 490.46502685546875, 'margin_dpo/margin_mean': 490.46502685546875, 'margin_dpo/margin_std': 596.1909790039062, 'logps/chosen': -735.1617431640625, 'logps/rejected': -1263.0830078125, 'logps/ref_chosen': -54.964271545410156, 'logps/ref_rejected': -92.42044067382812, 'KL/chosen_KL_mean': -680.197509765625, 'KL/rejected_KL_mean': -1170.6624755859375, 'KL/mean': -925.4300537109375, 'KL/std': 552.0270385742188, 'logits/chosen': -0.9476274251937866, 'logits/rejected': -0.9800101518630981, 'epoch': 0.71} 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 481/681 [20:15<08:20, 2.50s/it] 71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 482/681 [20:17<08:33, 2.58s/it] {'loss': 1.2717, 'grad_norm': 55.56328201293945, 'learning_rate': 1.2058107576668938e-07, 'fcm_dpo/beta': 0.0009085052879527211, 'fcm_dpo/q_t': 0.4502810835838318, 'fcm_dpo/delta': 0.06787097454071045, 'fcm_dpo/margin': 229.9693603515625, 'margin_dpo/margin_mean': 229.9693603515625, 'margin_dpo/margin_std': 657.5565185546875, 'logps/chosen': -821.0543212890625, 'logps/rejected': -1071.059814453125, 'logps/ref_chosen': -67.553466796875, 'logps/ref_rejected': -87.58953857421875, 'KL/chosen_KL_mean': -753.5008544921875, 'KL/rejected_KL_mean': -983.4703369140625, 'KL/mean': -868.485595703125, 'KL/std': 577.3681640625, 'logits/chosen': -0.8725358843803406, 'logits/rejected': -0.8671541213989258, 'epoch': 0.71} 71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 482/681 [20:17<08:33, 2.58s/it] 71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 483/681 [20:20<08:33, 2.59s/it] {'loss': 1.0585, 'grad_norm': 29.073741912841797, 'learning_rate': 1.194847979251979e-07, 'fcm_dpo/beta': 0.0008986013708636165, 'fcm_dpo/q_t': 0.3984888792037964, 'fcm_dpo/delta': -0.10536154359579086, 'fcm_dpo/margin': 501.1441345214844, 'margin_dpo/margin_mean': 501.14410400390625, 'margin_dpo/margin_std': 632.0308227539062, 'logps/chosen': -745.856689453125, 'logps/rejected': -1279.4580078125, 'logps/ref_chosen': -63.32981872558594, 'logps/ref_rejected': -95.78697204589844, 'KL/chosen_KL_mean': -682.5269165039062, 'KL/rejected_KL_mean': -1183.6710205078125, 'KL/mean': -933.0989990234375, 'KL/std': 570.397216796875, 'logits/chosen': -0.9419503808021545, 'logits/rejected': -0.9568164348602295, 'epoch': 0.71} 71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 483/681 [20:20<08:33, 2.59s/it] 71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 484/681 [20:22<08:13, 2.50s/it] {'loss': 1.0683, 'grad_norm': 42.01279067993164, 'learning_rate': 1.1839195928066101e-07, 'fcm_dpo/beta': 0.0008886742289178073, 'fcm_dpo/q_t': 0.40235435962677, 'fcm_dpo/delta': -0.07883388549089432, 'fcm_dpo/margin': 478.7725830078125, 'margin_dpo/margin_mean': 478.7725830078125, 'margin_dpo/margin_std': 582.26611328125, 'logps/chosen': -675.2774658203125, 'logps/rejected': -1179.2833251953125, 'logps/ref_chosen': -59.13812255859375, 'logps/ref_rejected': -84.37144470214844, 'KL/chosen_KL_mean': -616.1393432617188, 'KL/rejected_KL_mean': -1094.911865234375, 'KL/mean': -855.525634765625, 'KL/std': 583.80126953125, 'logits/chosen': -0.9948852062225342, 'logits/rejected': -1.0258457660675049, 'epoch': 0.71} 71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 484/681 [20:22<08:13, 2.50s/it] 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 485/681 [20:25<08:06, 2.48s/it] {'loss': 1.0999, 'grad_norm': 32.41249084472656, 'learning_rate': 1.1730258863039347e-07, 'fcm_dpo/beta': 0.0008760282071307302, 'fcm_dpo/q_t': 0.40835797786712646, 'fcm_dpo/delta': -0.05777723342180252, 'fcm_dpo/margin': 462.83856201171875, 'margin_dpo/margin_mean': 462.83856201171875, 'margin_dpo/margin_std': 665.9918823242188, 'logps/chosen': -697.35400390625, 'logps/rejected': -1204.70703125, 'logps/ref_chosen': -58.849571228027344, 'logps/ref_rejected': -103.36408233642578, 'KL/chosen_KL_mean': -638.5044555664062, 'KL/rejected_KL_mean': -1101.343017578125, 'KL/mean': -869.9237060546875, 'KL/std': 587.0706176757812, 'logits/chosen': -0.9031185507774353, 'logits/rejected': -0.9280800223350525, 'epoch': 0.71} 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 485/681 [20:25<08:06, 2.48s/it] 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 486/681 [20:27<07:37, 2.35s/it] {'loss': 1.1, 'grad_norm': 36.858909606933594, 'learning_rate': 1.1621671468032493e-07, 'fcm_dpo/beta': 0.0008581732981838286, 'fcm_dpo/q_t': 0.40256860852241516, 'fcm_dpo/delta': -0.0861148089170456, 'fcm_dpo/margin': 503.46240234375, 'margin_dpo/margin_mean': 503.4623718261719, 'margin_dpo/margin_std': 770.2353515625, 'logps/chosen': -791.2362060546875, 'logps/rejected': -1331.578369140625, 'logps/ref_chosen': -55.25966262817383, 'logps/ref_rejected': -92.13936614990234, 'KL/chosen_KL_mean': -735.9765625, 'KL/rejected_KL_mean': -1239.43896484375, 'KL/mean': -987.707763671875, 'KL/std': 638.144287109375, 'logits/chosen': -1.0510118007659912, 'logits/rejected': -1.0759706497192383, 'epoch': 0.71} 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 486/681 [20:27<07:37, 2.35s/it] 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 487/681 [20:29<07:53, 2.44s/it] {'loss': 1.1617, 'grad_norm': 31.64628791809082, 'learning_rate': 1.1513436604424378e-07, 'fcm_dpo/beta': 0.0008646865608170629, 'fcm_dpo/q_t': 0.42635592818260193, 'fcm_dpo/delta': 0.03625814616680145, 'fcm_dpo/margin': 363.62884521484375, 'margin_dpo/margin_mean': 363.62884521484375, 'margin_dpo/margin_std': 604.9837646484375, 'logps/chosen': -853.925537109375, 'logps/rejected': -1256.909912109375, 'logps/ref_chosen': -53.06330871582031, 'logps/ref_rejected': -92.41883087158203, 'KL/chosen_KL_mean': -800.8622436523438, 'KL/rejected_KL_mean': -1164.4910888671875, 'KL/mean': -982.6766357421875, 'KL/std': 589.8531494140625, 'logits/chosen': -1.0411834716796875, 'logits/rejected': -1.0501723289489746, 'epoch': 0.72} 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 487/681 [20:29<07:53, 2.44s/it] 72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 488/681 [20:32<07:59, 2.49s/it] {'loss': 1.1324, 'grad_norm': 31.610628128051758, 'learning_rate': 1.1405557124304335e-07, 'fcm_dpo/beta': 0.0008684194181114435, 'fcm_dpo/q_t': 0.423104465007782, 'fcm_dpo/delta': 0.020952310413122177, 'fcm_dpo/margin': 379.3669738769531, 'margin_dpo/margin_mean': 379.36700439453125, 'margin_dpo/margin_std': 518.4456787109375, 'logps/chosen': -715.9761962890625, 'logps/rejected': -1127.12158203125, 'logps/ref_chosen': -52.22815704345703, 'logps/ref_rejected': -84.00656127929688, 'KL/chosen_KL_mean': -663.748046875, 'KL/rejected_KL_mean': -1043.114990234375, 'KL/mean': -853.4315185546875, 'KL/std': 536.4071044921875, 'logits/chosen': -0.9978197813034058, 'logits/rejected': -1.009468913078308, 'epoch': 0.72} 72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 488/681 [20:32<07:59, 2.49s/it] 72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 489/681 [20:34<07:54, 2.47s/it] {'loss': 1.1387, 'grad_norm': 24.073930740356445, 'learning_rate': 1.1298035870396985e-07, 'fcm_dpo/beta': 0.0008714280556887388, 'fcm_dpo/q_t': 0.4236697554588318, 'fcm_dpo/delta': 0.016632717102766037, 'fcm_dpo/margin': 382.88970947265625, 'margin_dpo/margin_mean': 382.8896484375, 'margin_dpo/margin_std': 572.0997314453125, 'logps/chosen': -672.6107177734375, 'logps/rejected': -1078.908935546875, 'logps/ref_chosen': -55.989627838134766, 'logps/ref_rejected': -79.39812469482422, 'KL/chosen_KL_mean': -616.62109375, 'KL/rejected_KL_mean': -999.5108642578125, 'KL/mean': -808.0659790039062, 'KL/std': 516.0118408203125, 'logits/chosen': -0.9905928373336792, 'logits/rejected': -0.991652250289917, 'epoch': 0.72} 72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 489/681 [20:34<07:54, 2.47s/it] 72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 490/681 [20:37<08:08, 2.56s/it] {'loss': 1.1739, 'grad_norm': 39.06137466430664, 'learning_rate': 1.1190875675987355e-07, 'fcm_dpo/beta': 0.0008734596194699407, 'fcm_dpo/q_t': 0.4240713119506836, 'fcm_dpo/delta': 0.01288134977221489, 'fcm_dpo/margin': 386.2358703613281, 'margin_dpo/margin_mean': 386.2358703613281, 'margin_dpo/margin_std': 737.7401123046875, 'logps/chosen': -754.7332763671875, 'logps/rejected': -1199.0118408203125, 'logps/ref_chosen': -52.36639404296875, 'logps/ref_rejected': -110.4090576171875, 'KL/chosen_KL_mean': -702.3668823242188, 'KL/rejected_KL_mean': -1088.602783203125, 'KL/mean': -895.4848022460938, 'KL/std': 633.2512817382812, 'logits/chosen': -1.0082063674926758, 'logits/rejected': -1.0535714626312256, 'epoch': 0.72} 72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 490/681 [20:37<08:08, 2.56s/it] 72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 491/681 [20:40<07:59, 2.52s/it] {'loss': 1.2104, 'grad_norm': 29.092905044555664, 'learning_rate': 1.1084079364846241e-07, 'fcm_dpo/beta': 0.0008869500597938895, 'fcm_dpo/q_t': 0.44444432854652405, 'fcm_dpo/delta': 0.11293124407529831, 'fcm_dpo/margin': 270.2528991699219, 'margin_dpo/margin_mean': 270.2528991699219, 'margin_dpo/margin_std': 513.86279296875, 'logps/chosen': -709.3319702148438, 'logps/rejected': -992.7413330078125, 'logps/ref_chosen': -60.11626434326172, 'logps/ref_rejected': -73.27278900146484, 'KL/chosen_KL_mean': -649.2156982421875, 'KL/rejected_KL_mean': -919.4685668945312, 'KL/mean': -784.3421630859375, 'KL/std': 507.2773132324219, 'logits/chosen': -0.9913074970245361, 'logits/rejected': -0.9897642135620117, 'epoch': 0.72} 72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 491/681 [20:40<07:59, 2.52s/it] 72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 492/681 [20:42<08:00, 2.54s/it] {'loss': 1.2431, 'grad_norm': 44.75581359863281, 'learning_rate': 1.097764975115576e-07, 'fcm_dpo/beta': 0.0009072008542716503, 'fcm_dpo/q_t': 0.44698652625083923, 'fcm_dpo/delta': 0.12086275219917297, 'fcm_dpo/margin': 255.7367401123047, 'margin_dpo/margin_mean': 255.73672485351562, 'margin_dpo/margin_std': 618.5252685546875, 'logps/chosen': -753.1557006835938, 'logps/rejected': -1027.557861328125, 'logps/ref_chosen': -53.994178771972656, 'logps/ref_rejected': -72.65962219238281, 'KL/chosen_KL_mean': -699.1614990234375, 'KL/rejected_KL_mean': -954.8983154296875, 'KL/mean': -827.0299072265625, 'KL/std': 548.1110229492188, 'logits/chosen': -1.0495141744613647, 'logits/rejected': -1.0257760286331177, 'epoch': 0.72} 72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 492/681 [20:42<08:00, 2.54s/it] 72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 493/681 [20:45<08:06, 2.59s/it] {'loss': 1.187, 'grad_norm': 32.448036193847656, 'learning_rate': 1.0871589639435203e-07, 'fcm_dpo/beta': 0.0009097631555050611, 'fcm_dpo/q_t': 0.4324401617050171, 'fcm_dpo/delta': -0.019333893433213234, 'fcm_dpo/margin': 313.09295654296875, 'margin_dpo/margin_mean': 313.09295654296875, 'margin_dpo/margin_std': 570.6629638671875, 'logps/chosen': -802.1256103515625, 'logps/rejected': -1127.04443359375, 'logps/ref_chosen': -75.49723815917969, 'logps/ref_rejected': -87.32301330566406, 'KL/chosen_KL_mean': -726.62841796875, 'KL/rejected_KL_mean': -1039.721435546875, 'KL/mean': -883.1748046875, 'KL/std': 605.7178955078125, 'logits/chosen': -1.0681705474853516, 'logits/rejected': -1.0370638370513916, 'epoch': 0.72} 72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 493/681 [20:45<08:06, 2.59s/it] 73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 494/681 [20:48<08:04, 2.59s/it] {'loss': 1.0522, 'grad_norm': 38.209651947021484, 'learning_rate': 1.0765901824467166e-07, 'fcm_dpo/beta': 0.0008967167232185602, 'fcm_dpo/q_t': 0.3974645435810089, 'fcm_dpo/delta': -0.09278169274330139, 'fcm_dpo/margin': 489.1702575683594, 'margin_dpo/margin_mean': 489.1702880859375, 'margin_dpo/margin_std': 552.1724853515625, 'logps/chosen': -620.673583984375, 'logps/rejected': -1154.575927734375, 'logps/ref_chosen': -41.35926818847656, 'logps/ref_rejected': -86.09136962890625, 'KL/chosen_KL_mean': -579.3143310546875, 'KL/rejected_KL_mean': -1068.484619140625, 'KL/mean': -823.8994140625, 'KL/std': 546.38134765625, 'logits/chosen': -0.9156688451766968, 'logits/rejected': -0.9544728994369507, 'epoch': 0.73} 73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 494/681 [20:48<08:04, 2.59s/it] 73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 495/681 [20:50<08:10, 2.64s/it] {'loss': 1.1308, 'grad_norm': 37.34906768798828, 'learning_rate': 1.0660589091223854e-07, 'fcm_dpo/beta': 0.0008921578410081565, 'fcm_dpo/q_t': 0.4172486662864685, 'fcm_dpo/delta': -0.017406316474080086, 'fcm_dpo/margin': 411.0754699707031, 'margin_dpo/margin_mean': 411.07550048828125, 'margin_dpo/margin_std': 657.4510498046875, 'logps/chosen': -730.0980224609375, 'logps/rejected': -1169.06298828125, 'logps/ref_chosen': -63.53507995605469, 'logps/ref_rejected': -91.42443084716797, 'KL/chosen_KL_mean': -666.56298828125, 'KL/rejected_KL_mean': -1077.638427734375, 'KL/mean': -872.1007080078125, 'KL/std': 544.0244140625, 'logits/chosen': -1.006931185722351, 'logits/rejected': -1.0146992206573486, 'epoch': 0.73} 73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 495/681 [20:50<08:10, 2.64s/it] 73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 496/681 [20:53<08:15, 2.68s/it] {'loss': 1.2632, 'grad_norm': 70.3835678100586, 'learning_rate': 1.0555654214793722e-07, 'fcm_dpo/beta': 0.0008899334352463484, 'fcm_dpo/q_t': 0.45584726333618164, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 208.4095458984375, 'margin_dpo/margin_mean': 208.4095458984375, 'margin_dpo/margin_std': 522.48583984375, 'logps/chosen': -887.531494140625, 'logps/rejected': -1107.678466796875, 'logps/ref_chosen': -72.5919189453125, 'logps/ref_rejected': -84.32933807373047, 'KL/chosen_KL_mean': -814.9395751953125, 'KL/rejected_KL_mean': -1023.34912109375, 'KL/mean': -919.1443481445312, 'KL/std': 457.9229736328125, 'logits/chosen': -0.9732378721237183, 'logits/rejected': -0.9386388063430786, 'epoch': 0.73} 73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 496/681 [20:53<08:15, 2.68s/it] 73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 497/681 [20:56<08:08, 2.66s/it] {'loss': 1.2493, 'grad_norm': 33.05242919921875, 'learning_rate': 1.0451099960308374e-07, 'fcm_dpo/beta': 0.0008933351491577923, 'fcm_dpo/q_t': 0.453231543302536, 'fcm_dpo/delta': 0.01907578855752945, 'fcm_dpo/margin': 221.8406524658203, 'margin_dpo/margin_mean': 221.84066772460938, 'margin_dpo/margin_std': 499.05657958984375, 'logps/chosen': -812.25634765625, 'logps/rejected': -1051.7913818359375, 'logps/ref_chosen': -58.59397506713867, 'logps/ref_rejected': -76.28836822509766, 'KL/chosen_KL_mean': -753.662353515625, 'KL/rejected_KL_mean': -975.5030517578125, 'KL/mean': -864.582763671875, 'KL/std': 551.1240844726562, 'logits/chosen': -0.9515343904495239, 'logits/rejected': -0.9357314109802246, 'epoch': 0.73} 73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 497/681 [20:56<08:08, 2.66s/it] 73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 498/681 [20:58<08:08, 2.67s/it] {'loss': 1.1655, 'grad_norm': 28.690711975097656, 'learning_rate': 1.0346929082869641e-07, 'fcm_dpo/beta': 0.0008958862163126469, 'fcm_dpo/q_t': 0.4242166578769684, 'fcm_dpo/delta': 0.02201257273554802, 'fcm_dpo/margin': 366.917724609375, 'margin_dpo/margin_mean': 366.917724609375, 'margin_dpo/margin_std': 657.1267700195312, 'logps/chosen': -807.672607421875, 'logps/rejected': -1187.3426513671875, 'logps/ref_chosen': -71.20565795898438, 'logps/ref_rejected': -83.95803833007812, 'KL/chosen_KL_mean': -736.4669189453125, 'KL/rejected_KL_mean': -1103.384521484375, 'KL/mean': -919.92578125, 'KL/std': 573.03173828125, 'logits/chosen': -0.9741387367248535, 'logits/rejected': -0.9623622894287109, 'epoch': 0.73} 73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 498/681 [20:58<08:08, 2.67s/it] 73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 499/681 [21:01<07:57, 2.63s/it] {'loss': 1.0909, 'grad_norm': 41.73751449584961, 'learning_rate': 1.0243144327477013e-07, 'fcm_dpo/beta': 0.0008876968640834093, 'fcm_dpo/q_t': 0.4059438109397888, 'fcm_dpo/delta': -0.06278754025697708, 'fcm_dpo/margin': 461.9729309082031, 'margin_dpo/margin_mean': 461.972900390625, 'margin_dpo/margin_std': 637.4395751953125, 'logps/chosen': -667.5428466796875, 'logps/rejected': -1179.33935546875, 'logps/ref_chosen': -51.25519561767578, 'logps/ref_rejected': -101.07870483398438, 'KL/chosen_KL_mean': -616.2876586914062, 'KL/rejected_KL_mean': -1078.2607421875, 'KL/mean': -847.274169921875, 'KL/std': 576.01513671875, 'logits/chosen': -0.9784067869186401, 'logits/rejected': -1.0155872106552124, 'epoch': 0.73} 73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 499/681 [21:01<07:57, 2.63s/it] 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 500/681 [21:03<07:44, 2.57s/it] {'loss': 1.1487, 'grad_norm': 27.376264572143555, 'learning_rate': 1.0139748428955333e-07, 'fcm_dpo/beta': 0.0008866304415278137, 'fcm_dpo/q_t': 0.42117249965667725, 'fcm_dpo/delta': 0.010259722359478474, 'fcm_dpo/margin': 383.56671142578125, 'margin_dpo/margin_mean': 383.56671142578125, 'margin_dpo/margin_std': 624.0594482421875, 'logps/chosen': -773.6796875, 'logps/rejected': -1194.1531982421875, 'logps/ref_chosen': -57.027442932128906, 'logps/ref_rejected': -93.93421173095703, 'KL/chosen_KL_mean': -716.6522216796875, 'KL/rejected_KL_mean': -1100.218994140625, 'KL/mean': -908.4356689453125, 'KL/std': 504.1438293457031, 'logits/chosen': -0.9571424722671509, 'logits/rejected': -0.9902607202529907, 'epoch': 0.73} 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 500/681 [21:03<07:44, 2.57s/it] 74%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 501/681 [21:06<07:39, 2.55s/it] {'loss': 1.1279, 'grad_norm': 28.41216278076172, 'learning_rate': 1.0036744111882672e-07, 'fcm_dpo/beta': 0.0008866213611327112, 'fcm_dpo/q_t': 0.415674090385437, 'fcm_dpo/delta': -0.019011791795492172, 'fcm_dpo/margin': 415.3961486816406, 'margin_dpo/margin_mean': 415.3961486816406, 'margin_dpo/margin_std': 643.92919921875, 'logps/chosen': -681.7027587890625, 'logps/rejected': -1122.89599609375, 'logps/ref_chosen': -54.359527587890625, 'logps/ref_rejected': -80.15670013427734, 'KL/chosen_KL_mean': -627.3432006835938, 'KL/rejected_KL_mean': -1042.7393798828125, 'KL/mean': -835.041259765625, 'KL/std': 518.466796875, 'logits/chosen': -0.8981431722640991, 'logits/rejected': -0.88893723487854, 'epoch': 0.74} 74%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 501/681 [21:06<07:39, 2.55s/it] 74%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 502/681 [21:08<07:38, 2.56s/it] {'loss': 1.1233, 'grad_norm': 25.857147216796875, 'learning_rate': 9.934134090518592e-08, 'fcm_dpo/beta': 0.0008872783510014415, 'fcm_dpo/q_t': 0.4216458797454834, 'fcm_dpo/delta': 0.013246024027466774, 'fcm_dpo/margin': 379.9948425292969, 'margin_dpo/margin_mean': 379.9948425292969, 'margin_dpo/margin_std': 498.8470458984375, 'logps/chosen': -641.786865234375, 'logps/rejected': -1037.1300048828125, 'logps/ref_chosen': -67.60050964355469, 'logps/ref_rejected': -82.94876098632812, 'KL/chosen_KL_mean': -574.186279296875, 'KL/rejected_KL_mean': -954.1812133789062, 'KL/mean': -764.1837158203125, 'KL/std': 467.6396484375, 'logits/chosen': -0.854095995426178, 'logits/rejected': -0.8424793481826782, 'epoch': 0.74} 74%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 502/681 [21:08<07:38, 2.56s/it] 74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 503/681 [21:11<07:45, 2.62s/it] {'loss': 1.1462, 'grad_norm': 25.81717872619629, 'learning_rate': 9.831921068732571e-08, 'fcm_dpo/beta': 0.0008887014118954539, 'fcm_dpo/q_t': 0.42668020725250244, 'fcm_dpo/delta': 0.029671432450413704, 'fcm_dpo/margin': 361.46978759765625, 'margin_dpo/margin_mean': 361.46978759765625, 'margin_dpo/margin_std': 550.151611328125, 'logps/chosen': -640.7728271484375, 'logps/rejected': -1029.669677734375, 'logps/ref_chosen': -55.078407287597656, 'logps/ref_rejected': -82.50544738769531, 'KL/chosen_KL_mean': -585.6944580078125, 'KL/rejected_KL_mean': -947.1641845703125, 'KL/mean': -766.4293212890625, 'KL/std': 479.78033447265625, 'logits/chosen': -0.8250192403793335, 'logits/rejected': -0.8123034834861755, 'epoch': 0.74} 74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 503/681 [21:11<07:45, 2.62s/it] 74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 504/681 [21:14<07:37, 2.58s/it] {'loss': 1.1008, 'grad_norm': 32.672576904296875, 'learning_rate': 9.730107739932805e-08, 'fcm_dpo/beta': 0.0008875064086169004, 'fcm_dpo/q_t': 0.409305602312088, 'fcm_dpo/delta': -0.047302231192588806, 'fcm_dpo/margin': 445.57373046875, 'margin_dpo/margin_mean': 445.57373046875, 'margin_dpo/margin_std': 609.791015625, 'logps/chosen': -684.8145141601562, 'logps/rejected': -1174.1845703125, 'logps/ref_chosen': -59.96575164794922, 'logps/ref_rejected': -103.76212310791016, 'KL/chosen_KL_mean': -624.8487548828125, 'KL/rejected_KL_mean': -1070.4224853515625, 'KL/mean': -847.6356201171875, 'KL/std': 563.498779296875, 'logits/chosen': -0.8826575875282288, 'logits/rejected': -0.9081119298934937, 'epoch': 0.74} 74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 504/681 [21:14<07:37, 2.58s/it] 74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 505/681 [21:16<07:34, 2.58s/it] {'loss': 1.2443, 'grad_norm': 50.9668083190918, 'learning_rate': 9.628696786995188e-08, 'fcm_dpo/beta': 0.0008896557847037911, 'fcm_dpo/q_t': 0.45340317487716675, 'fcm_dpo/delta': 0.06633193790912628, 'fcm_dpo/margin': 222.13388061523438, 'margin_dpo/margin_mean': 222.13388061523438, 'margin_dpo/margin_std': 481.71832275390625, 'logps/chosen': -775.6574096679688, 'logps/rejected': -1010.2218017578125, 'logps/ref_chosen': -76.1549072265625, 'logps/ref_rejected': -88.58537292480469, 'KL/chosen_KL_mean': -699.5025024414062, 'KL/rejected_KL_mean': -921.6364135742188, 'KL/mean': -810.5694580078125, 'KL/std': 508.30511474609375, 'logits/chosen': -0.9198693037033081, 'logits/rejected': -0.8950393199920654, 'epoch': 0.74} 74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 505/681 [21:16<07:34, 2.58s/it] 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 506/681 [21:19<07:21, 2.52s/it] {'loss': 1.1269, 'grad_norm': 34.8582878112793, 'learning_rate': 9.527690882192635e-08, 'fcm_dpo/beta': 0.0008918484672904015, 'fcm_dpo/q_t': 0.4175879955291748, 'fcm_dpo/delta': -0.00534551776945591, 'fcm_dpo/margin': 397.9566650390625, 'margin_dpo/margin_mean': 397.9566650390625, 'margin_dpo/margin_std': 581.9273681640625, 'logps/chosen': -608.457763671875, 'logps/rejected': -1035.8690185546875, 'logps/ref_chosen': -48.96050262451172, 'logps/ref_rejected': -78.41505432128906, 'KL/chosen_KL_mean': -559.4972534179688, 'KL/rejected_KL_mean': -957.4539794921875, 'KL/mean': -758.4755859375, 'KL/std': 527.7215576171875, 'logits/chosen': -0.8557130098342896, 'logits/rejected': -0.8738311529159546, 'epoch': 0.74} 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 506/681 [21:19<07:21, 2.52s/it] 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 507/681 [21:21<07:20, 2.53s/it] {'loss': 1.181, 'grad_norm': 27.87244987487793, 'learning_rate': 9.427092687124691e-08, 'fcm_dpo/beta': 0.0008992149960249662, 'fcm_dpo/q_t': 0.4313592314720154, 'fcm_dpo/delta': 0.03880162909626961, 'fcm_dpo/margin': 347.44384765625, 'margin_dpo/margin_mean': 347.44384765625, 'margin_dpo/margin_std': 672.9422607421875, 'logps/chosen': -708.333251953125, 'logps/rejected': -1084.3485107421875, 'logps/ref_chosen': -66.80149841308594, 'logps/ref_rejected': -95.37289428710938, 'KL/chosen_KL_mean': -641.53173828125, 'KL/rejected_KL_mean': -988.9755859375, 'KL/mean': -815.253662109375, 'KL/std': 610.8743896484375, 'logits/chosen': -0.8712353706359863, 'logits/rejected': -0.8783326148986816, 'epoch': 0.74} 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 507/681 [21:21<07:20, 2.53s/it] 75%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 508/681 [21:24<07:29, 2.60s/it] {'loss': 1.2145, 'grad_norm': 29.6184139251709, 'learning_rate': 9.326904852647344e-08, 'fcm_dpo/beta': 0.0009134809952229261, 'fcm_dpo/q_t': 0.43825656175613403, 'fcm_dpo/delta': 0.0766909047961235, 'fcm_dpo/margin': 301.30889892578125, 'margin_dpo/margin_mean': 301.308837890625, 'margin_dpo/margin_std': 656.0669555664062, 'logps/chosen': -737.430908203125, 'logps/rejected': -1063.0638427734375, 'logps/ref_chosen': -71.303466796875, 'logps/ref_rejected': -95.6275405883789, 'KL/chosen_KL_mean': -666.12744140625, 'KL/rejected_KL_mean': -967.436279296875, 'KL/mean': -816.7818603515625, 'KL/std': 569.1419677734375, 'logits/chosen': -0.8354727029800415, 'logits/rejected': -0.8378840684890747, 'epoch': 0.75} 75%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 508/681 [21:24<07:29, 2.60s/it] 75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 509/681 [21:27<07:29, 2.61s/it] {'loss': 1.1739, 'grad_norm': 33.5871467590332, 'learning_rate': 9.227130018803195e-08, 'fcm_dpo/beta': 0.0009152308921329677, 'fcm_dpo/q_t': 0.43361881375312805, 'fcm_dpo/delta': -0.002988607855513692, 'fcm_dpo/margin': 312.9660949707031, 'margin_dpo/margin_mean': 312.966064453125, 'margin_dpo/margin_std': 512.6011962890625, 'logps/chosen': -570.6036376953125, 'logps/rejected': -903.0072021484375, 'logps/ref_chosen': -63.81895065307617, 'logps/ref_rejected': -83.25643920898438, 'KL/chosen_KL_mean': -506.78466796875, 'KL/rejected_KL_mean': -819.750732421875, 'KL/mean': -663.2677001953125, 'KL/std': 414.9226989746094, 'logits/chosen': -0.765209972858429, 'logits/rejected': -0.762215256690979, 'epoch': 0.75} 75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 509/681 [21:27<07:29, 2.61s/it] 75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 510/681 [21:29<07:29, 2.63s/it] {'loss': 1.095, 'grad_norm': 39.50413513183594, 'learning_rate': 9.127770814751932e-08, 'fcm_dpo/beta': 0.0009141661575995386, 'fcm_dpo/q_t': 0.4124307632446289, 'fcm_dpo/delta': -0.02046576887369156, 'fcm_dpo/margin': 404.3673095703125, 'margin_dpo/margin_mean': 404.3673095703125, 'margin_dpo/margin_std': 470.9833984375, 'logps/chosen': -690.6810913085938, 'logps/rejected': -1145.93505859375, 'logps/ref_chosen': -51.878448486328125, 'logps/ref_rejected': -102.7651596069336, 'KL/chosen_KL_mean': -638.8026123046875, 'KL/rejected_KL_mean': -1043.169921875, 'KL/mean': -840.986328125, 'KL/std': 484.48175048828125, 'logits/chosen': -0.783023476600647, 'logits/rejected': -0.8079743385314941, 'epoch': 0.75} 75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 510/681 [21:29<07:29, 2.63s/it] 75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 511/681 [21:32<07:24, 2.62s/it] {'loss': 1.1989, 'grad_norm': 34.168601989746094, 'learning_rate': 9.028829858700973e-08, 'fcm_dpo/beta': 0.0009196955943480134, 'fcm_dpo/q_t': 0.433167427778244, 'fcm_dpo/delta': 0.05997824668884277, 'fcm_dpo/margin': 317.2269287109375, 'margin_dpo/margin_mean': 317.2269287109375, 'margin_dpo/margin_std': 654.623046875, 'logps/chosen': -666.260986328125, 'logps/rejected': -1016.1065063476562, 'logps/ref_chosen': -60.23811721801758, 'logps/ref_rejected': -92.85676574707031, 'KL/chosen_KL_mean': -606.0228271484375, 'KL/rejected_KL_mean': -923.249755859375, 'KL/mean': -764.6362915039062, 'KL/std': 534.836669921875, 'logits/chosen': -0.8136961460113525, 'logits/rejected': -0.8219088315963745, 'epoch': 0.75} 75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 511/681 [21:32<07:24, 2.62s/it] 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 512/681 [21:34<07:02, 2.50s/it] {'loss': 1.0568, 'grad_norm': 54.72198486328125, 'learning_rate': 8.930309757836516e-08, 'fcm_dpo/beta': 0.0009103405755013227, 'fcm_dpo/q_t': 0.4011862874031067, 'fcm_dpo/delta': -0.07506463676691055, 'fcm_dpo/margin': 463.2425537109375, 'margin_dpo/margin_mean': 463.2425537109375, 'margin_dpo/margin_std': 502.77996826171875, 'logps/chosen': -536.7589111328125, 'logps/rejected': -1026.9718017578125, 'logps/ref_chosen': -54.905494689941406, 'logps/ref_rejected': -81.87586975097656, 'KL/chosen_KL_mean': -481.8533935546875, 'KL/rejected_KL_mean': -945.095947265625, 'KL/mean': -713.4747314453125, 'KL/std': 487.7607116699219, 'logits/chosen': -0.812955915927887, 'logits/rejected': -0.8373688459396362, 'epoch': 0.75} 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 512/681 [21:34<07:02, 2.50s/it] 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 513/681 [21:37<07:11, 2.57s/it] {'loss': 1.1844, 'grad_norm': 58.28951644897461, 'learning_rate': 8.832213108254863e-08, 'fcm_dpo/beta': 0.0009010280482470989, 'fcm_dpo/q_t': 0.43294602632522583, 'fcm_dpo/delta': -0.041153233498334885, 'fcm_dpo/margin': 323.4268493652344, 'margin_dpo/margin_mean': 323.4268493652344, 'margin_dpo/margin_std': 577.8350830078125, 'logps/chosen': -731.5604248046875, 'logps/rejected': -1066.13330078125, 'logps/ref_chosen': -64.91644287109375, 'logps/ref_rejected': -76.06245422363281, 'KL/chosen_KL_mean': -666.6439819335938, 'KL/rejected_KL_mean': -990.07080078125, 'KL/mean': -828.3573608398438, 'KL/std': 492.90380859375, 'logits/chosen': -0.8997926712036133, 'logits/rejected': -0.8882004022598267, 'epoch': 0.75} 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 513/681 [21:37<07:11, 2.57s/it] 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 514/681 [21:39<07:12, 2.59s/it] {'loss': 1.1896, 'grad_norm': 39.681461334228516, 'learning_rate': 8.734542494893954e-08, 'fcm_dpo/beta': 0.0009115079883486032, 'fcm_dpo/q_t': 0.4355640113353729, 'fcm_dpo/delta': 0.06578437238931656, 'fcm_dpo/margin': 313.683837890625, 'margin_dpo/margin_mean': 313.683837890625, 'margin_dpo/margin_std': 597.1491088867188, 'logps/chosen': -769.35986328125, 'logps/rejected': -1087.759765625, 'logps/ref_chosen': -74.22957611083984, 'logps/ref_rejected': -78.945556640625, 'KL/chosen_KL_mean': -695.1303100585938, 'KL/rejected_KL_mean': -1008.8141479492188, 'KL/mean': -851.9722900390625, 'KL/std': 538.831298828125, 'logits/chosen': -0.8688774108886719, 'logits/rejected': -0.8621048927307129, 'epoch': 0.75} 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 514/681 [21:39<07:12, 2.59s/it] 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 515/681 [21:42<07:08, 2.58s/it] {'loss': 1.2272, 'grad_norm': 43.30710983276367, 'learning_rate': 8.637300491465272e-08, 'fcm_dpo/beta': 0.0009299020748585463, 'fcm_dpo/q_t': 0.444853812456131, 'fcm_dpo/delta': 0.12117768824100494, 'fcm_dpo/margin': 249.0543975830078, 'margin_dpo/margin_mean': 249.05441284179688, 'margin_dpo/margin_std': 538.2990112304688, 'logps/chosen': -626.8326416015625, 'logps/rejected': -912.5831909179688, 'logps/ref_chosen': -50.40156555175781, 'logps/ref_rejected': -87.09774780273438, 'KL/chosen_KL_mean': -576.4310302734375, 'KL/rejected_KL_mean': -825.4854736328125, 'KL/mean': -700.958251953125, 'KL/std': 449.62347412109375, 'logits/chosen': -0.8548616170883179, 'logits/rejected': -0.8692120313644409, 'epoch': 0.76} 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 515/681 [21:42<07:08, 2.58s/it] 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 516/681 [21:44<06:46, 2.46s/it] {'loss': 1.128, 'grad_norm': 38.28722381591797, 'learning_rate': 8.540489660386064e-08, 'fcm_dpo/beta': 0.000938748475164175, 'fcm_dpo/q_t': 0.41812512278556824, 'fcm_dpo/delta': 0.0041639544069767, 'fcm_dpo/margin': 368.35406494140625, 'margin_dpo/margin_mean': 368.3540344238281, 'margin_dpo/margin_std': 521.5465698242188, 'logps/chosen': -674.8893432617188, 'logps/rejected': -1090.316162109375, 'logps/ref_chosen': -64.64956665039062, 'logps/ref_rejected': -111.72237396240234, 'KL/chosen_KL_mean': -610.23974609375, 'KL/rejected_KL_mean': -978.5938110351562, 'KL/mean': -794.4168090820312, 'KL/std': 516.6522216796875, 'logits/chosen': -0.9362125396728516, 'logits/rejected': -0.9661528468132019, 'epoch': 0.76} 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 516/681 [21:44<06:46, 2.46s/it] 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 517/681 [21:47<06:44, 2.47s/it] {'loss': 1.0943, 'grad_norm': 26.922121047973633, 'learning_rate': 8.444112552711752e-08, 'fcm_dpo/beta': 0.0009262575185857713, 'fcm_dpo/q_t': 0.4080393314361572, 'fcm_dpo/delta': -0.05964816361665726, 'fcm_dpo/margin': 439.4707946777344, 'margin_dpo/margin_mean': 439.4707946777344, 'margin_dpo/margin_std': 619.3283081054688, 'logps/chosen': -669.426025390625, 'logps/rejected': -1137.0662841796875, 'logps/ref_chosen': -60.913551330566406, 'logps/ref_rejected': -89.08308410644531, 'KL/chosen_KL_mean': -608.512451171875, 'KL/rejected_KL_mean': -1047.983154296875, 'KL/mean': -828.2478637695312, 'KL/std': 547.919677734375, 'logits/chosen': -0.8890372514724731, 'logits/rejected': -0.8907492160797119, 'epoch': 0.76} 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 517/681 [21:47<06:44, 2.47s/it] 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 518/681 [21:49<06:55, 2.55s/it] {'loss': 1.1172, 'grad_norm': 46.04099655151367, 'learning_rate': 8.348171708068747e-08, 'fcm_dpo/beta': 0.0009226626716554165, 'fcm_dpo/q_t': 0.4179810881614685, 'fcm_dpo/delta': 0.00259285606443882, 'fcm_dpo/margin': 376.4457702636719, 'margin_dpo/margin_mean': 376.4457702636719, 'margin_dpo/margin_std': 483.531005859375, 'logps/chosen': -595.956787109375, 'logps/rejected': -1000.2593383789062, 'logps/ref_chosen': -57.45589065551758, 'logps/ref_rejected': -85.31269836425781, 'KL/chosen_KL_mean': -538.5008544921875, 'KL/rejected_KL_mean': -914.9466552734375, 'KL/mean': -726.7237548828125, 'KL/std': 435.29779052734375, 'logits/chosen': -0.8912504315376282, 'logits/rejected': -0.9100457429885864, 'epoch': 0.76} 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 518/681 [21:49<06:55, 2.55s/it] 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 519/681 [21:52<07:16, 2.69s/it] {'loss': 1.2158, 'grad_norm': 25.208648681640625, 'learning_rate': 8.25266965458755e-08, 'fcm_dpo/beta': 0.0009278228390030563, 'fcm_dpo/q_t': 0.44359180331230164, 'fcm_dpo/delta': 0.02487240917980671, 'fcm_dpo/margin': 255.73304748535156, 'margin_dpo/margin_mean': 255.7330322265625, 'margin_dpo/margin_std': 497.2356872558594, 'logps/chosen': -634.8174438476562, 'logps/rejected': -920.9312744140625, 'logps/ref_chosen': -74.06331634521484, 'logps/ref_rejected': -104.44416809082031, 'KL/chosen_KL_mean': -560.754150390625, 'KL/rejected_KL_mean': -816.4871215820312, 'KL/mean': -688.62060546875, 'KL/std': 400.0428466796875, 'logits/chosen': -0.8528093695640564, 'logits/rejected': -0.8358422517776489, 'epoch': 0.76} 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 519/681 [21:52<07:16, 2.69s/it] 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 520/681 [21:55<07:09, 2.67s/it] {'loss': 1.151, 'grad_norm': 33.09168243408203, 'learning_rate': 8.15760890883607e-08, 'fcm_dpo/beta': 0.0009306604042649269, 'fcm_dpo/q_t': 0.42620331048965454, 'fcm_dpo/delta': 0.025856276974081993, 'fcm_dpo/margin': 349.0555114746094, 'margin_dpo/margin_mean': 349.05548095703125, 'margin_dpo/margin_std': 541.3212890625, 'logps/chosen': -666.974609375, 'logps/rejected': -1045.7115478515625, 'logps/ref_chosen': -70.2998275756836, 'logps/ref_rejected': -99.98133850097656, 'KL/chosen_KL_mean': -596.6747436523438, 'KL/rejected_KL_mean': -945.730224609375, 'KL/mean': -771.2025146484375, 'KL/std': 479.77325439453125, 'logits/chosen': -0.8668011426925659, 'logits/rejected': -0.8748083114624023, 'epoch': 0.76} 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 520/681 [21:55<07:09, 2.67s/it] 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 521/681 [21:58<07:05, 2.66s/it] {'loss': 1.1127, 'grad_norm': 33.98050308227539, 'learning_rate': 8.062991975753378e-08, 'fcm_dpo/beta': 0.0009390891063958406, 'fcm_dpo/q_t': 0.41709330677986145, 'fcm_dpo/delta': -0.0059568993747234344, 'fcm_dpo/margin': 378.2672119140625, 'margin_dpo/margin_mean': 378.2672119140625, 'margin_dpo/margin_std': 479.72076416015625, 'logps/chosen': -569.4874877929688, 'logps/rejected': -972.8924560546875, 'logps/ref_chosen': -58.14292526245117, 'logps/ref_rejected': -83.28060913085938, 'KL/chosen_KL_mean': -511.3445739746094, 'KL/rejected_KL_mean': -889.61181640625, 'KL/mean': -700.4781494140625, 'KL/std': 478.0359802246094, 'logits/chosen': -0.8779432773590088, 'logits/rejected': -0.8840290904045105, 'epoch': 0.77} 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 521/681 [21:58<07:05, 2.66s/it] 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 522/681 [22:00<06:59, 2.64s/it] {'loss': 1.1638, 'grad_norm': 30.430320739746094, 'learning_rate': 7.968821348583643e-08, 'fcm_dpo/beta': 0.0009402185096405447, 'fcm_dpo/q_t': 0.42860668897628784, 'fcm_dpo/delta': 0.043608807027339935, 'fcm_dpo/margin': 327.2843017578125, 'margin_dpo/margin_mean': 327.2843017578125, 'margin_dpo/margin_std': 539.9135131835938, 'logps/chosen': -646.4346923828125, 'logps/rejected': -993.1851806640625, 'logps/ref_chosen': -46.54766845703125, 'logps/ref_rejected': -66.01388549804688, 'KL/chosen_KL_mean': -599.886962890625, 'KL/rejected_KL_mean': -927.1713256835938, 'KL/mean': -763.5291748046875, 'KL/std': 497.3731689453125, 'logits/chosen': -0.8880289793014526, 'logits/rejected': -0.8938380479812622, 'epoch': 0.77} 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 522/681 [22:00<06:59, 2.64s/it] 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 523/681 [22:03<07:01, 2.67s/it] {'loss': 1.1449, 'grad_norm': 37.910400390625, 'learning_rate': 7.875099508810484e-08, 'fcm_dpo/beta': 0.0009420792339369655, 'fcm_dpo/q_t': 0.4196031093597412, 'fcm_dpo/delta': -0.002239507157355547, 'fcm_dpo/margin': 373.80975341796875, 'margin_dpo/margin_mean': 373.80975341796875, 'margin_dpo/margin_std': 621.3948364257812, 'logps/chosen': -722.4158935546875, 'logps/rejected': -1118.217529296875, 'logps/ref_chosen': -61.76960372924805, 'logps/ref_rejected': -83.76141357421875, 'KL/chosen_KL_mean': -660.646240234375, 'KL/rejected_KL_mean': -1034.4560546875, 'KL/mean': -847.5511474609375, 'KL/std': 619.6279296875, 'logits/chosen': -0.9370777606964111, 'logits/rejected': -0.9447219371795654, 'epoch': 0.77} 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 523/681 [22:03<07:01, 2.67s/it] 77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 524/681 [22:06<06:56, 2.65s/it] {'loss': 1.1197, 'grad_norm': 40.177085876464844, 'learning_rate': 7.781828926091535e-08, 'fcm_dpo/beta': 0.0009336816146969795, 'fcm_dpo/q_t': 0.4117085337638855, 'fcm_dpo/delta': -0.02515629678964615, 'fcm_dpo/margin': 400.2103271484375, 'margin_dpo/margin_mean': 400.2103576660156, 'margin_dpo/margin_std': 576.9923095703125, 'logps/chosen': -727.8583374023438, 'logps/rejected': -1131.298583984375, 'logps/ref_chosen': -78.0720443725586, 'logps/ref_rejected': -81.30198669433594, 'KL/chosen_KL_mean': -649.7862548828125, 'KL/rejected_KL_mean': -1049.99658203125, 'KL/mean': -849.8914794921875, 'KL/std': 567.035888671875, 'logits/chosen': -0.9887799024581909, 'logits/rejected': -0.9843355417251587, 'epoch': 0.77} 77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 524/681 [22:06<06:56, 2.65s/it] 77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 525/681 [22:08<06:56, 2.67s/it] {'loss': 1.0598, 'grad_norm': 28.977869033813477, 'learning_rate': 7.689012058193384e-08, 'fcm_dpo/beta': 0.0009176610037684441, 'fcm_dpo/q_t': 0.3969133496284485, 'fcm_dpo/delta': -0.11192645132541656, 'fcm_dpo/margin': 496.9869384765625, 'margin_dpo/margin_mean': 496.9869384765625, 'margin_dpo/margin_std': 639.2304077148438, 'logps/chosen': -704.664306640625, 'logps/rejected': -1250.876220703125, 'logps/ref_chosen': -50.827857971191406, 'logps/ref_rejected': -100.05294036865234, 'KL/chosen_KL_mean': -653.83642578125, 'KL/rejected_KL_mean': -1150.8232421875, 'KL/mean': -902.3298950195312, 'KL/std': 586.9584350585938, 'logits/chosen': -0.9288259744644165, 'logits/rejected': -0.9718555212020874, 'epoch': 0.77} 77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 525/681 [22:08<06:56, 2.67s/it] 77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 526/681 [22:11<06:47, 2.63s/it] {'loss': 1.0858, 'grad_norm': 27.308345794677734, 'learning_rate': 7.596651350926836e-08, 'fcm_dpo/beta': 0.0009070096421055496, 'fcm_dpo/q_t': 0.4001006484031677, 'fcm_dpo/delta': -0.08758525550365448, 'fcm_dpo/margin': 478.34161376953125, 'margin_dpo/margin_mean': 478.34161376953125, 'margin_dpo/margin_std': 668.8135986328125, 'logps/chosen': -770.7706298828125, 'logps/rejected': -1272.25439453125, 'logps/ref_chosen': -63.167236328125, 'logps/ref_rejected': -86.30934143066406, 'KL/chosen_KL_mean': -707.6033935546875, 'KL/rejected_KL_mean': -1185.945068359375, 'KL/mean': -946.774169921875, 'KL/std': 587.451171875, 'logits/chosen': -0.9423408508300781, 'logits/rejected': -0.943749189376831, 'epoch': 0.77} 77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 526/681 [22:11<06:47, 2.63s/it] 77%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 527/681 [22:13<06:40, 2.60s/it] {'loss': 1.1639, 'grad_norm': 39.842193603515625, 'learning_rate': 7.504749238082414e-08, 'fcm_dpo/beta': 0.0009061114978976548, 'fcm_dpo/q_t': 0.43042802810668945, 'fcm_dpo/delta': 0.05550983548164368, 'fcm_dpo/margin': 326.85565185546875, 'margin_dpo/margin_mean': 326.85565185546875, 'margin_dpo/margin_std': 512.5347900390625, 'logps/chosen': -828.623046875, 'logps/rejected': -1162.692626953125, 'logps/ref_chosen': -71.12867736816406, 'logps/ref_rejected': -78.3425521850586, 'KL/chosen_KL_mean': -757.494384765625, 'KL/rejected_KL_mean': -1084.3499755859375, 'KL/mean': -920.9222412109375, 'KL/std': 633.6776123046875, 'logits/chosen': -1.1526522636413574, 'logits/rejected': -1.125427007675171, 'epoch': 0.77} 77%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 527/681 [22:13<06:40, 2.60s/it] 78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 528/681 [22:16<06:41, 2.63s/it] {'loss': 1.1581, 'grad_norm': 42.25053024291992, 'learning_rate': 7.413308141366254e-08, 'fcm_dpo/beta': 0.0009081118041649461, 'fcm_dpo/q_t': 0.42053911089897156, 'fcm_dpo/delta': -0.00923129916191101, 'fcm_dpo/margin': 395.18408203125, 'margin_dpo/margin_mean': 395.18408203125, 'margin_dpo/margin_std': 718.8801879882812, 'logps/chosen': -834.8621826171875, 'logps/rejected': -1255.866943359375, 'logps/ref_chosen': -68.0894546508789, 'logps/ref_rejected': -93.91006469726562, 'KL/chosen_KL_mean': -766.772705078125, 'KL/rejected_KL_mean': -1161.956787109375, 'KL/mean': -964.36474609375, 'KL/std': 593.4571533203125, 'logits/chosen': -1.0484631061553955, 'logits/rejected': -1.0378153324127197, 'epoch': 0.78} 78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 528/681 [22:16<06:41, 2.63s/it] 78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 529/681 [22:19<06:41, 2.64s/it] {'loss': 1.245, 'grad_norm': 51.59579086303711, 'learning_rate': 7.322330470336313e-08, 'fcm_dpo/beta': 0.0009093580883927643, 'fcm_dpo/q_t': 0.43876832723617554, 'fcm_dpo/delta': 0.004190761595964432, 'fcm_dpo/margin': 293.7265319824219, 'margin_dpo/margin_mean': 293.7265319824219, 'margin_dpo/margin_std': 738.239990234375, 'logps/chosen': -969.6466064453125, 'logps/rejected': -1297.00732421875, 'logps/ref_chosen': -55.57495880126953, 'logps/ref_rejected': -89.20909118652344, 'KL/chosen_KL_mean': -914.0716552734375, 'KL/rejected_KL_mean': -1207.7982177734375, 'KL/mean': -1060.9349365234375, 'KL/std': 576.7805786132812, 'logits/chosen': -1.104278326034546, 'logits/rejected': -1.1218066215515137, 'epoch': 0.78} 78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 529/681 [22:19<06:41, 2.64s/it] 78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 530/681 [22:22<06:52, 2.73s/it] {'loss': 1.1613, 'grad_norm': 49.076507568359375, 'learning_rate': 7.231818622338822e-08, 'fcm_dpo/beta': 0.000902860308997333, 'fcm_dpo/q_t': 0.41204962134361267, 'fcm_dpo/delta': -0.058281224220991135, 'fcm_dpo/margin': 449.6322021484375, 'margin_dpo/margin_mean': 449.6322021484375, 'margin_dpo/margin_std': 891.6737060546875, 'logps/chosen': -837.0130615234375, 'logps/rejected': -1326.328369140625, 'logps/ref_chosen': -47.601417541503906, 'logps/ref_rejected': -87.2845230102539, 'KL/chosen_KL_mean': -789.41162109375, 'KL/rejected_KL_mean': -1239.0438232421875, 'KL/mean': -1014.2277221679688, 'KL/std': 690.6798095703125, 'logits/chosen': -0.9682959318161011, 'logits/rejected': -0.9685269594192505, 'epoch': 0.78} 78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 530/681 [22:22<06:52, 2.73s/it] 78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 531/681 [22:24<06:24, 2.56s/it] {'loss': 1.1536, 'grad_norm': 49.02323913574219, 'learning_rate': 7.141774982445147e-08, 'fcm_dpo/beta': 0.000901082472410053, 'fcm_dpo/q_t': 0.42149466276168823, 'fcm_dpo/delta': 0.0020340122282505035, 'fcm_dpo/margin': 386.13177490234375, 'margin_dpo/margin_mean': 386.1317443847656, 'margin_dpo/margin_std': 673.9454956054688, 'logps/chosen': -915.2272338867188, 'logps/rejected': -1316.718994140625, 'logps/ref_chosen': -55.246063232421875, 'logps/ref_rejected': -70.60598754882812, 'KL/chosen_KL_mean': -859.981201171875, 'KL/rejected_KL_mean': -1246.1129150390625, 'KL/mean': -1053.0469970703125, 'KL/std': 698.8087158203125, 'logits/chosen': -1.0975751876831055, 'logits/rejected': -1.0849671363830566, 'epoch': 0.78} 78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 531/681 [22:24<06:24, 2.56s/it] 78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 532/681 [22:27<06:28, 2.60s/it] {'loss': 1.1835, 'grad_norm': 81.9896469116211, 'learning_rate': 7.052201923388953e-08, 'fcm_dpo/beta': 0.0008910692995414138, 'fcm_dpo/q_t': 0.4186711609363556, 'fcm_dpo/delta': -0.01589033380150795, 'fcm_dpo/margin': 408.8604431152344, 'margin_dpo/margin_mean': 408.8604736328125, 'margin_dpo/margin_std': 825.3141479492188, 'logps/chosen': -947.2880859375, 'logps/rejected': -1372.453857421875, 'logps/ref_chosen': -70.28601837158203, 'logps/ref_rejected': -86.5913314819336, 'KL/chosen_KL_mean': -877.0020751953125, 'KL/rejected_KL_mean': -1285.862548828125, 'KL/mean': -1081.432373046875, 'KL/std': 670.0946044921875, 'logits/chosen': -1.0430657863616943, 'logits/rejected': -1.0236797332763672, 'epoch': 0.78} 78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 532/681 [22:27<06:28, 2.60s/it] 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 533/681 [22:29<06:22, 2.58s/it] {'loss': 1.232, 'grad_norm': 35.946956634521484, 'learning_rate': 6.963101805503646e-08, 'fcm_dpo/beta': 0.0008952566422522068, 'fcm_dpo/q_t': 0.4408678412437439, 'fcm_dpo/delta': -0.012017594650387764, 'fcm_dpo/margin': 292.827392578125, 'margin_dpo/margin_mean': 292.827392578125, 'margin_dpo/margin_std': 690.3145141601562, 'logps/chosen': -874.9058837890625, 'logps/rejected': -1179.46630859375, 'logps/ref_chosen': -64.8551025390625, 'logps/ref_rejected': -76.58805847167969, 'KL/chosen_KL_mean': -810.05078125, 'KL/rejected_KL_mean': -1102.878173828125, 'KL/mean': -956.464599609375, 'KL/std': 583.2452392578125, 'logits/chosen': -1.065936803817749, 'logits/rejected': -1.0475103855133057, 'epoch': 0.78} 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 533/681 [22:29<06:22, 2.58s/it] 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 534/681 [22:32<06:20, 2.59s/it] {'loss': 1.1406, 'grad_norm': 40.804595947265625, 'learning_rate': 6.874476976660184e-08, 'fcm_dpo/beta': 0.0008851932943798602, 'fcm_dpo/q_t': 0.41717272996902466, 'fcm_dpo/delta': -0.020383629947900772, 'fcm_dpo/margin': 416.30340576171875, 'margin_dpo/margin_mean': 416.30340576171875, 'margin_dpo/margin_std': 685.5845947265625, 'logps/chosen': -885.295166015625, 'logps/rejected': -1320.022705078125, 'logps/ref_chosen': -60.119388580322266, 'logps/ref_rejected': -78.54347229003906, 'KL/chosen_KL_mean': -825.17578125, 'KL/rejected_KL_mean': -1241.479248046875, 'KL/mean': -1033.3275146484375, 'KL/std': 642.9903564453125, 'logits/chosen': -1.0429396629333496, 'logits/rejected': -1.0457737445831299, 'epoch': 0.78} 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 534/681 [22:32<06:20, 2.59s/it] 79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 535/681 [22:34<06:18, 2.59s/it] {'loss': 1.0916, 'grad_norm': 24.909685134887695, 'learning_rate': 6.786329772205246e-08, 'fcm_dpo/beta': 0.000885907094925642, 'fcm_dpo/q_t': 0.40550702810287476, 'fcm_dpo/delta': -0.07328834384679794, 'fcm_dpo/margin': 474.0699462890625, 'margin_dpo/margin_mean': 474.0699462890625, 'margin_dpo/margin_std': 659.700927734375, 'logps/chosen': -761.666259765625, 'logps/rejected': -1277.713623046875, 'logps/ref_chosen': -54.330238342285156, 'logps/ref_rejected': -96.30763244628906, 'KL/chosen_KL_mean': -707.3360595703125, 'KL/rejected_KL_mean': -1181.406005859375, 'KL/mean': -944.3709716796875, 'KL/std': 619.294189453125, 'logits/chosen': -0.9549378752708435, 'logits/rejected': -0.9660934209823608, 'epoch': 0.79} 79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 535/681 [22:34<06:18, 2.59s/it] 79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 536/681 [22:37<06:16, 2.59s/it] {'loss': 1.0688, 'grad_norm': 28.304698944091797, 'learning_rate': 6.698662514899638e-08, 'fcm_dpo/beta': 0.0008606475312262774, 'fcm_dpo/q_t': 0.39692431688308716, 'fcm_dpo/delta': -0.13862332701683044, 'fcm_dpo/margin': 560.1160278320312, 'margin_dpo/margin_mean': 560.115966796875, 'margin_dpo/margin_std': 843.6351318359375, 'logps/chosen': -675.8912963867188, 'logps/rejected': -1278.024658203125, 'logps/ref_chosen': -47.08053207397461, 'logps/ref_rejected': -89.09783935546875, 'KL/chosen_KL_mean': -628.810791015625, 'KL/rejected_KL_mean': -1188.9267578125, 'KL/mean': -908.8687744140625, 'KL/std': 691.511962890625, 'logits/chosen': -0.9188047051429749, 'logits/rejected': -0.9584248065948486, 'epoch': 0.79} 79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 536/681 [22:37<06:16, 2.59s/it] 79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 537/681 [22:39<06:11, 2.58s/it] {'loss': 1.1769, 'grad_norm': 43.84196090698242, 'learning_rate': 6.611477514857114e-08, 'fcm_dpo/beta': 0.0008501795819029212, 'fcm_dpo/q_t': 0.42610064148902893, 'fcm_dpo/delta': -0.04009390249848366, 'fcm_dpo/margin': 373.17919921875, 'margin_dpo/margin_mean': 373.17919921875, 'margin_dpo/margin_std': 682.537841796875, 'logps/chosen': -710.4468994140625, 'logps/rejected': -1096.3170166015625, 'logps/ref_chosen': -57.747467041015625, 'logps/ref_rejected': -70.43838500976562, 'KL/chosen_KL_mean': -652.699462890625, 'KL/rejected_KL_mean': -1025.878662109375, 'KL/mean': -839.2890625, 'KL/std': 556.4027099609375, 'logits/chosen': -1.0005278587341309, 'logits/rejected': -0.9875226020812988, 'epoch': 0.79} 79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 537/681 [22:39<06:11, 2.58s/it] 79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 538/681 [22:42<06:11, 2.60s/it] {'loss': 1.1207, 'grad_norm': 31.94780158996582, 'learning_rate': 6.524777069483525e-08, 'fcm_dpo/beta': 0.0008414477342739701, 'fcm_dpo/q_t': 0.4152023196220398, 'fcm_dpo/delta': -0.02124924398958683, 'fcm_dpo/margin': 439.9615478515625, 'margin_dpo/margin_mean': 439.9615478515625, 'margin_dpo/margin_std': 652.1756591796875, 'logps/chosen': -876.15771484375, 'logps/rejected': -1333.931396484375, 'logps/ref_chosen': -66.41594696044922, 'logps/ref_rejected': -84.22808837890625, 'KL/chosen_KL_mean': -809.7417602539062, 'KL/rejected_KL_mean': -1249.703369140625, 'KL/mean': -1029.7225341796875, 'KL/std': 651.2928466796875, 'logits/chosen': -1.0291862487792969, 'logits/rejected': -1.023388147354126, 'epoch': 0.79} 79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 538/681 [22:42<06:11, 2.60s/it] 79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 539/681 [22:45<06:14, 2.64s/it] {'loss': 1.133, 'grad_norm': 27.017549514770508, 'learning_rate': 6.438563463416221e-08, 'fcm_dpo/beta': 0.000846359645947814, 'fcm_dpo/q_t': 0.42187222838401794, 'fcm_dpo/delta': 0.009787611663341522, 'fcm_dpo/margin': 402.2161865234375, 'margin_dpo/margin_mean': 402.2161865234375, 'margin_dpo/margin_std': 587.4945068359375, 'logps/chosen': -734.5853881835938, 'logps/rejected': -1170.16259765625, 'logps/ref_chosen': -58.492855072021484, 'logps/ref_rejected': -91.85395050048828, 'KL/chosen_KL_mean': -676.092529296875, 'KL/rejected_KL_mean': -1078.3087158203125, 'KL/mean': -877.2006225585938, 'KL/std': 510.26898193359375, 'logits/chosen': -1.0366239547729492, 'logits/rejected': -1.0354104042053223, 'epoch': 0.79} 79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 539/681 [22:45<06:14, 2.64s/it] 79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 540/681 [22:47<06:09, 2.62s/it] {'loss': 1.0855, 'grad_norm': 33.840572357177734, 'learning_rate': 6.352838968463919e-08, 'fcm_dpo/beta': 0.0008355865720659494, 'fcm_dpo/q_t': 0.40245524048805237, 'fcm_dpo/delta': -0.1000160276889801, 'fcm_dpo/margin': 533.3228149414062, 'margin_dpo/margin_mean': 533.3228149414062, 'margin_dpo/margin_std': 773.7269287109375, 'logps/chosen': -737.489990234375, 'logps/rejected': -1323.7603759765625, 'logps/ref_chosen': -63.482513427734375, 'logps/ref_rejected': -116.42999267578125, 'KL/chosen_KL_mean': -674.0075073242188, 'KL/rejected_KL_mean': -1207.330322265625, 'KL/mean': -940.6689453125, 'KL/std': 633.3556518554688, 'logits/chosen': -0.9341703653335571, 'logits/rejected': -0.9644461870193481, 'epoch': 0.79} 79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 540/681 [22:47<06:09, 2.62s/it] 79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 541/681 [22:50<05:59, 2.57s/it] {'loss': 1.2617, 'grad_norm': 48.75702667236328, 'learning_rate': 6.267605843546767e-08, 'fcm_dpo/beta': 0.0008294563158415258, 'fcm_dpo/q_t': 0.4516167938709259, 'fcm_dpo/delta': 0.008179640397429466, 'fcm_dpo/margin': 253.2011260986328, 'margin_dpo/margin_mean': 253.2011260986328, 'margin_dpo/margin_std': 658.490478515625, 'logps/chosen': -868.956787109375, 'logps/rejected': -1147.1513671875, 'logps/ref_chosen': -78.28036499023438, 'logps/ref_rejected': -103.273681640625, 'KL/chosen_KL_mean': -790.6764526367188, 'KL/rejected_KL_mean': -1043.877685546875, 'KL/mean': -917.277099609375, 'KL/std': 539.9120483398438, 'logits/chosen': -1.0939087867736816, 'logits/rejected': -1.086462378501892, 'epoch': 0.79} 79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 541/681 [22:50<05:59, 2.57s/it] 80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 542/681 [22:53<06:04, 2.62s/it] {'loss': 1.0974, 'grad_norm': 48.96900939941406, 'learning_rate': 6.182866334636888e-08, 'fcm_dpo/beta': 0.0008145465981215239, 'fcm_dpo/q_t': 0.4053560495376587, 'fcm_dpo/delta': -0.07008374482393265, 'fcm_dpo/margin': 510.0878601074219, 'margin_dpo/margin_mean': 510.08782958984375, 'margin_dpo/margin_std': 724.8299560546875, 'logps/chosen': -716.1189575195312, 'logps/rejected': -1265.197021484375, 'logps/ref_chosen': -57.48497009277344, 'logps/ref_rejected': -96.47506713867188, 'KL/chosen_KL_mean': -658.6339721679688, 'KL/rejected_KL_mean': -1168.721923828125, 'KL/mean': -913.677978515625, 'KL/std': 608.7216186523438, 'logits/chosen': -1.0721611976623535, 'logits/rejected': -1.1146684885025024, 'epoch': 0.8} 80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 542/681 [22:53<06:04, 2.62s/it] 80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 543/681 [22:55<05:59, 2.60s/it] {'loss': 1.2106, 'grad_norm': 36.86077117919922, 'learning_rate': 6.098622674699147e-08, 'fcm_dpo/beta': 0.0008209783118218184, 'fcm_dpo/q_t': 0.4371965527534485, 'fcm_dpo/delta': 0.0423150472342968, 'fcm_dpo/margin': 376.3399353027344, 'margin_dpo/margin_mean': 376.33990478515625, 'margin_dpo/margin_std': 861.6043701171875, 'logps/chosen': -802.438720703125, 'logps/rejected': -1223.760009765625, 'logps/ref_chosen': -60.61750793457031, 'logps/ref_rejected': -105.59896850585938, 'KL/chosen_KL_mean': -741.8212280273438, 'KL/rejected_KL_mean': -1118.1610107421875, 'KL/mean': -929.9910888671875, 'KL/std': 717.8450317382812, 'logits/chosen': -0.9811362028121948, 'logits/rejected': -1.0160373449325562, 'epoch': 0.8} 80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 543/681 [22:55<05:59, 2.60s/it] 80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 544/681 [22:58<05:54, 2.59s/it] {'loss': 1.1376, 'grad_norm': 35.00315475463867, 'learning_rate': 6.01487708363232e-08, 'fcm_dpo/beta': 0.0008243329357355833, 'fcm_dpo/q_t': 0.41962099075317383, 'fcm_dpo/delta': 0.0004746345803141594, 'fcm_dpo/margin': 424.0183410644531, 'margin_dpo/margin_mean': 424.01837158203125, 'margin_dpo/margin_std': 667.390380859375, 'logps/chosen': -806.648193359375, 'logps/rejected': -1271.97900390625, 'logps/ref_chosen': -59.642303466796875, 'logps/ref_rejected': -100.95469665527344, 'KL/chosen_KL_mean': -747.0059204101562, 'KL/rejected_KL_mean': -1171.0242919921875, 'KL/mean': -959.01513671875, 'KL/std': 579.2896728515625, 'logits/chosen': -1.0107485055923462, 'logits/rejected': -1.0369402170181274, 'epoch': 0.8} 80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 544/681 [22:58<05:54, 2.59s/it] 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 545/681 [23:00<05:47, 2.56s/it] {'loss': 1.0858, 'grad_norm': 38.147010803222656, 'learning_rate': 5.9316317682106294e-08, 'fcm_dpo/beta': 0.0008170028449967504, 'fcm_dpo/q_t': 0.4060240387916565, 'fcm_dpo/delta': -0.06372885406017303, 'fcm_dpo/margin': 503.17724609375, 'margin_dpo/margin_mean': 503.17724609375, 'margin_dpo/margin_std': 667.4920043945312, 'logps/chosen': -746.0858154296875, 'logps/rejected': -1277.5224609375, 'logps/ref_chosen': -67.64859771728516, 'logps/ref_rejected': -95.90800476074219, 'KL/chosen_KL_mean': -678.4371948242188, 'KL/rejected_KL_mean': -1181.614501953125, 'KL/mean': -930.0258178710938, 'KL/std': 583.45068359375, 'logits/chosen': -0.9224939346313477, 'logits/rejected': -0.9622963666915894, 'epoch': 0.8} 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 545/681 [23:00<05:47, 2.56s/it] 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 546/681 [23:03<05:44, 2.55s/it] {'loss': 1.1939, 'grad_norm': 28.25826644897461, 'learning_rate': 5.848888922025552e-08, 'fcm_dpo/beta': 0.0008259355090558529, 'fcm_dpo/q_t': 0.43779951333999634, 'fcm_dpo/delta': 0.09142404794692993, 'fcm_dpo/margin': 315.9256591796875, 'margin_dpo/margin_mean': 315.9256591796875, 'margin_dpo/margin_std': 555.3873291015625, 'logps/chosen': -711.1397705078125, 'logps/rejected': -1058.1875, 'logps/ref_chosen': -50.744232177734375, 'logps/ref_rejected': -81.86622619628906, 'KL/chosen_KL_mean': -660.3955688476562, 'KL/rejected_KL_mean': -976.3211669921875, 'KL/mean': -818.3583984375, 'KL/std': 512.590087890625, 'logits/chosen': -0.990828275680542, 'logits/rejected': -0.9813590049743652, 'epoch': 0.8} 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 546/681 [23:03<05:44, 2.55s/it] 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 547/681 [23:05<05:49, 2.61s/it] {'loss': 1.1249, 'grad_norm': 42.50648498535156, 'learning_rate': 5.7666507254280265e-08, 'fcm_dpo/beta': 0.0008292993879877031, 'fcm_dpo/q_t': 0.4169241786003113, 'fcm_dpo/delta': -0.014224422164261341, 'fcm_dpo/margin': 438.5212707519531, 'margin_dpo/margin_mean': 438.5212707519531, 'margin_dpo/margin_std': 658.936279296875, 'logps/chosen': -729.2216796875, 'logps/rejected': -1184.816650390625, 'logps/ref_chosen': -73.6877212524414, 'logps/ref_rejected': -90.76136779785156, 'KL/chosen_KL_mean': -655.533935546875, 'KL/rejected_KL_mean': -1094.05517578125, 'KL/mean': -874.7945556640625, 'KL/std': 580.2192993164062, 'logits/chosen': -0.9036662578582764, 'logits/rejected': -0.9190746545791626, 'epoch': 0.8} 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 547/681 [23:06<05:49, 2.61s/it] 80%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 548/681 [23:08<05:41, 2.57s/it] {'loss': 1.1561, 'grad_norm': 23.98332977294922, 'learning_rate': 5.684919345471029e-08, 'fcm_dpo/beta': 0.0008297248277813196, 'fcm_dpo/q_t': 0.427689790725708, 'fcm_dpo/delta': 0.02127872034907341, 'fcm_dpo/margin': 397.02783203125, 'margin_dpo/margin_mean': 397.0278625488281, 'margin_dpo/margin_std': 693.2183837890625, 'logps/chosen': -763.584228515625, 'logps/rejected': -1189.483642578125, 'logps/ref_chosen': -65.24634552001953, 'logps/ref_rejected': -94.11807250976562, 'KL/chosen_KL_mean': -698.337890625, 'KL/rejected_KL_mean': -1095.3656005859375, 'KL/mean': -896.851806640625, 'KL/std': 622.6420288085938, 'logits/chosen': -1.0400688648223877, 'logits/rejected': -1.0478882789611816, 'epoch': 0.8} 80%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 548/681 [23:08<05:41, 2.57s/it] 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 549/681 [23:10<05:35, 2.54s/it] {'loss': 1.2187, 'grad_norm': 49.45306396484375, 'learning_rate': 5.603696935852426e-08, 'fcm_dpo/beta': 0.0008309698896482587, 'fcm_dpo/q_t': 0.4423815608024597, 'fcm_dpo/delta': 0.0033192974515259266, 'fcm_dpo/margin': 301.388427734375, 'margin_dpo/margin_mean': 301.388427734375, 'margin_dpo/margin_std': 629.03125, 'logps/chosen': -788.1915283203125, 'logps/rejected': -1114.2779541015625, 'logps/ref_chosen': -49.21235656738281, 'logps/ref_rejected': -73.91031646728516, 'KL/chosen_KL_mean': -738.9791870117188, 'KL/rejected_KL_mean': -1040.36767578125, 'KL/mean': -889.6734008789062, 'KL/std': 521.7401733398438, 'logits/chosen': -1.0476170778274536, 'logits/rejected': -1.0386322736740112, 'epoch': 0.81} 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 549/681 [23:10<05:35, 2.54s/it] 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 550/681 [23:13<05:35, 2.56s/it] {'loss': 1.164, 'grad_norm': 34.70016098022461, 'learning_rate': 5.5229856368582376e-08, 'fcm_dpo/beta': 0.0008367022383026779, 'fcm_dpo/q_t': 0.42964881658554077, 'fcm_dpo/delta': 0.04913487285375595, 'fcm_dpo/margin': 361.39056396484375, 'margin_dpo/margin_mean': 361.3905334472656, 'margin_dpo/margin_std': 592.5504150390625, 'logps/chosen': -782.3829345703125, 'logps/rejected': -1182.09228515625, 'logps/ref_chosen': -56.80695343017578, 'logps/ref_rejected': -95.12580871582031, 'KL/chosen_KL_mean': -725.575927734375, 'KL/rejected_KL_mean': -1086.966552734375, 'KL/mean': -906.271240234375, 'KL/std': 568.6636962890625, 'logits/chosen': -0.9834055304527283, 'logits/rejected': -1.0090551376342773, 'epoch': 0.81} 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 550/681 [23:13<05:35, 2.56s/it] 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 551/681 [23:15<05:27, 2.52s/it] {'loss': 1.0182, 'grad_norm': 45.9125862121582, 'learning_rate': 5.4427875753062734e-08, 'fcm_dpo/beta': 0.0008201512973755598, 'fcm_dpo/q_t': 0.38655346632003784, 'fcm_dpo/delta': -0.14753000438213348, 'fcm_dpo/margin': 597.544921875, 'margin_dpo/margin_mean': 597.544921875, 'margin_dpo/margin_std': 639.778564453125, 'logps/chosen': -691.0135498046875, 'logps/rejected': -1341.1248779296875, 'logps/ref_chosen': -59.10633087158203, 'logps/ref_rejected': -111.67280578613281, 'KL/chosen_KL_mean': -631.9072265625, 'KL/rejected_KL_mean': -1229.4521484375, 'KL/mean': -930.6796875, 'KL/std': 619.4073486328125, 'logits/chosen': -0.9045864343643188, 'logits/rejected': -0.9689292907714844, 'epoch': 0.81} 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 551/681 [23:15<05:27, 2.52s/it] 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 552/681 [23:18<05:15, 2.45s/it] {'loss': 1.016, 'grad_norm': 56.078468322753906, 'learning_rate': 5.363104864490034e-08, 'fcm_dpo/beta': 0.0007834373391233385, 'fcm_dpo/q_t': 0.3815649747848511, 'fcm_dpo/delta': -0.20374326407909393, 'fcm_dpo/margin': 688.369384765625, 'margin_dpo/margin_mean': 688.369384765625, 'margin_dpo/margin_std': 843.5326538085938, 'logps/chosen': -684.7250366210938, 'logps/rejected': -1415.302001953125, 'logps/ref_chosen': -62.35459899902344, 'logps/ref_rejected': -104.56210327148438, 'KL/chosen_KL_mean': -622.3704223632812, 'KL/rejected_KL_mean': -1310.73974609375, 'KL/mean': -966.5551147460938, 'KL/std': 730.783203125, 'logits/chosen': -1.027387022972107, 'logits/rejected': -1.0806533098220825, 'epoch': 0.81} 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 552/681 [23:18<05:15, 2.45s/it] 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 553/681 [23:20<05:18, 2.49s/it] {'loss': 1.1954, 'grad_norm': 29.118030548095703, 'learning_rate': 5.2839396041230415e-08, 'fcm_dpo/beta': 0.0007897895993664861, 'fcm_dpo/q_t': 0.4390897750854492, 'fcm_dpo/delta': 0.07819828391075134, 'fcm_dpo/margin': 346.944091796875, 'margin_dpo/margin_mean': 346.944091796875, 'margin_dpo/margin_std': 672.8452758789062, 'logps/chosen': -786.5067138671875, 'logps/rejected': -1163.2890625, 'logps/ref_chosen': -68.25881958007812, 'logps/ref_rejected': -98.0971450805664, 'KL/chosen_KL_mean': -718.2479248046875, 'KL/rejected_KL_mean': -1065.19189453125, 'KL/mean': -891.719970703125, 'KL/std': 602.6245727539062, 'logits/chosen': -0.9896628856658936, 'logits/rejected': -0.9859640598297119, 'epoch': 0.81} 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 553/681 [23:20<05:18, 2.49s/it] 81%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 554/681 [23:23<05:28, 2.58s/it] {'loss': 1.1836, 'grad_norm': 130.93975830078125, 'learning_rate': 5.205293880283551e-08, 'fcm_dpo/beta': 0.000800039735622704, 'fcm_dpo/q_t': 0.41944724321365356, 'fcm_dpo/delta': -0.00511806458234787, 'fcm_dpo/margin': 442.40008544921875, 'margin_dpo/margin_mean': 442.40008544921875, 'margin_dpo/margin_std': 893.775634765625, 'logps/chosen': -829.6281127929688, 'logps/rejected': -1293.86328125, 'logps/ref_chosen': -67.94767761230469, 'logps/ref_rejected': -89.78272247314453, 'KL/chosen_KL_mean': -761.680419921875, 'KL/rejected_KL_mean': -1204.08056640625, 'KL/mean': -982.8804931640625, 'KL/std': 681.6918334960938, 'logits/chosen': -0.9642994403839111, 'logits/rejected': -0.9368813037872314, 'epoch': 0.81} 81%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 554/681 [23:23<05:28, 2.58s/it] 81%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 555/681 [23:26<05:18, 2.53s/it] {'loss': 1.0837, 'grad_norm': 35.379878997802734, 'learning_rate': 5.127169765359515e-08, 'fcm_dpo/beta': 0.0007814068230800331, 'fcm_dpo/q_t': 0.3991040587425232, 'fcm_dpo/delta': -0.120139941573143, 'fcm_dpo/margin': 594.6982421875, 'margin_dpo/margin_mean': 594.6982421875, 'margin_dpo/margin_std': 901.941162109375, 'logps/chosen': -804.979248046875, 'logps/rejected': -1454.826416015625, 'logps/ref_chosen': -53.33049011230469, 'logps/ref_rejected': -108.47937774658203, 'KL/chosen_KL_mean': -751.6488037109375, 'KL/rejected_KL_mean': -1346.3470458984375, 'KL/mean': -1048.9979248046875, 'KL/std': 696.0157470703125, 'logits/chosen': -1.0353598594665527, 'logits/rejected': -1.1041009426116943, 'epoch': 0.81} 81%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 555/681 [23:26<05:18, 2.53s/it] 82%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 556/681 [23:28<05:21, 2.57s/it] {'loss': 1.1816, 'grad_norm': 30.330717086791992, 'learning_rate': 5.049569317994012e-08, 'fcm_dpo/beta': 0.0007855216972529888, 'fcm_dpo/q_t': 0.43837928771972656, 'fcm_dpo/delta': 0.0895049199461937, 'fcm_dpo/margin': 334.6279296875, 'margin_dpo/margin_mean': 334.6279296875, 'margin_dpo/margin_std': 526.4218139648438, 'logps/chosen': -801.2833862304688, 'logps/rejected': -1178.607177734375, 'logps/ref_chosen': -58.64447021484375, 'logps/ref_rejected': -101.34040832519531, 'KL/chosen_KL_mean': -742.638916015625, 'KL/rejected_KL_mean': -1077.2667236328125, 'KL/mean': -909.952880859375, 'KL/std': 527.5067138671875, 'logits/chosen': -1.0571699142456055, 'logits/rejected': -1.0535497665405273, 'epoch': 0.82} 82%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 556/681 [23:28<05:21, 2.57s/it] 82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 557/681 [23:31<05:20, 2.58s/it] {'loss': 1.1255, 'grad_norm': 44.83199691772461, 'learning_rate': 4.9724945830310144e-08, 'fcm_dpo/beta': 0.000781252165324986, 'fcm_dpo/q_t': 0.4107533097267151, 'fcm_dpo/delta': -0.049805186688899994, 'fcm_dpo/margin': 508.87274169921875, 'margin_dpo/margin_mean': 508.8727722167969, 'margin_dpo/margin_std': 828.09326171875, 'logps/chosen': -891.444580078125, 'logps/rejected': -1442.4163818359375, 'logps/ref_chosen': -67.84066009521484, 'logps/ref_rejected': -109.93965911865234, 'KL/chosen_KL_mean': -823.6038818359375, 'KL/rejected_KL_mean': -1332.476806640625, 'KL/mean': -1078.040283203125, 'KL/std': 743.6300048828125, 'logits/chosen': -1.0895347595214844, 'logits/rejected': -1.1284986734390259, 'epoch': 0.82} 82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 557/681 [23:31<05:20, 2.58s/it] 82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 558/681 [23:33<05:14, 2.56s/it] {'loss': 1.0166, 'grad_norm': 27.58951187133789, 'learning_rate': 4.8959475914614554e-08, 'fcm_dpo/beta': 0.0007613534107804298, 'fcm_dpo/q_t': 0.37840861082077026, 'fcm_dpo/delta': -0.18066798150539398, 'fcm_dpo/margin': 684.81201171875, 'margin_dpo/margin_mean': 684.81201171875, 'margin_dpo/margin_std': 793.9622802734375, 'logps/chosen': -826.1600341796875, 'logps/rejected': -1550.7647705078125, 'logps/ref_chosen': -62.36824035644531, 'logps/ref_rejected': -102.16102600097656, 'KL/chosen_KL_mean': -763.7918090820312, 'KL/rejected_KL_mean': -1448.603759765625, 'KL/mean': -1106.19775390625, 'KL/std': 703.3863525390625, 'logits/chosen': -1.1353588104248047, 'logits/rejected': -1.158677577972412, 'epoch': 0.82} 82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 558/681 [23:33<05:14, 2.56s/it] 82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 559/681 [23:36<05:11, 2.56s/it] {'loss': 1.0946, 'grad_norm': 31.313798904418945, 'learning_rate': 4.8199303603697614e-08, 'fcm_dpo/beta': 0.0007472336874343455, 'fcm_dpo/q_t': 0.4061052203178406, 'fcm_dpo/delta': -0.07184131443500519, 'fcm_dpo/margin': 560.5865478515625, 'margin_dpo/margin_mean': 560.5865478515625, 'margin_dpo/margin_std': 811.6783447265625, 'logps/chosen': -928.2860717773438, 'logps/rejected': -1521.5626220703125, 'logps/ref_chosen': -60.752323150634766, 'logps/ref_rejected': -93.44229125976562, 'KL/chosen_KL_mean': -867.53369140625, 'KL/rejected_KL_mean': -1428.120361328125, 'KL/mean': -1147.8270263671875, 'KL/std': 725.3985595703125, 'logits/chosen': -1.2728649377822876, 'logits/rejected': -1.2823593616485596, 'epoch': 0.82} 82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 559/681 [23:36<05:11, 2.56s/it] 82%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 560/681 [23:39<05:16, 2.61s/it] {'loss': 1.1833, 'grad_norm': 36.68315505981445, 'learning_rate': 4.7444448928806615e-08, 'fcm_dpo/beta': 0.000741536554414779, 'fcm_dpo/q_t': 0.4339349865913391, 'fcm_dpo/delta': -0.008997570723295212, 'fcm_dpo/margin': 386.3043212890625, 'margin_dpo/margin_mean': 386.3043212890625, 'margin_dpo/margin_std': 689.2628173828125, 'logps/chosen': -852.2815551757812, 'logps/rejected': -1260.4732666015625, 'logps/ref_chosen': -58.10382080078125, 'logps/ref_rejected': -79.99122619628906, 'KL/chosen_KL_mean': -794.177734375, 'KL/rejected_KL_mean': -1180.4820556640625, 'KL/mean': -987.329833984375, 'KL/std': 631.4752197265625, 'logits/chosen': -0.9954744577407837, 'logits/rejected': -0.9756410121917725, 'epoch': 0.82} 82%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 560/681 [23:39<05:16, 2.61s/it] 82%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 561/681 [23:41<05:07, 2.57s/it] {'loss': 1.2324, 'grad_norm': 40.61189651489258, 'learning_rate': 4.669493178106432e-08, 'fcm_dpo/beta': 0.0007538319332525134, 'fcm_dpo/q_t': 0.43946483731269836, 'fcm_dpo/delta': 0.09177450835704803, 'fcm_dpo/margin': 345.19769287109375, 'margin_dpo/margin_mean': 345.19769287109375, 'margin_dpo/margin_std': 824.038330078125, 'logps/chosen': -969.6044311523438, 'logps/rejected': -1362.957763671875, 'logps/ref_chosen': -50.912879943847656, 'logps/ref_rejected': -99.06856536865234, 'KL/chosen_KL_mean': -918.6915283203125, 'KL/rejected_KL_mean': -1263.8892822265625, 'KL/mean': -1091.2904052734375, 'KL/std': 642.873291015625, 'logits/chosen': -1.1234174966812134, 'logits/rejected': -1.147684097290039, 'epoch': 0.82} 82%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 561/681 [23:41<05:07, 2.57s/it] 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 562/681 [23:44<05:08, 2.59s/it] {'loss': 1.1201, 'grad_norm': 37.721954345703125, 'learning_rate': 4.5950771910944596e-08, 'fcm_dpo/beta': 0.0007471415447071195, 'fcm_dpo/q_t': 0.4142550826072693, 'fcm_dpo/delta': -0.03312261030077934, 'fcm_dpo/margin': 509.93084716796875, 'margin_dpo/margin_mean': 509.93084716796875, 'margin_dpo/margin_std': 781.1636962890625, 'logps/chosen': -901.411865234375, 'logps/rejected': -1448.4208984375, 'logps/ref_chosen': -59.46440124511719, 'logps/ref_rejected': -96.54266357421875, 'KL/chosen_KL_mean': -841.947509765625, 'KL/rejected_KL_mean': -1351.8782958984375, 'KL/mean': -1096.912841796875, 'KL/std': 714.989990234375, 'logits/chosen': -1.1088937520980835, 'logits/rejected': -1.1244970560073853, 'epoch': 0.83} 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 562/681 [23:44<05:08, 2.59s/it] 83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 563/681 [23:46<04:56, 2.51s/it] {'loss': 1.2732, 'grad_norm': 60.61211013793945, 'learning_rate': 4.521198892775202e-08, 'fcm_dpo/beta': 0.00074770423816517, 'fcm_dpo/q_t': 0.43725377321243286, 'fcm_dpo/delta': -0.0345328263938427, 'fcm_dpo/margin': 328.5767822265625, 'margin_dpo/margin_mean': 328.5767822265625, 'margin_dpo/margin_std': 918.204345703125, 'logps/chosen': -1026.4732666015625, 'logps/rejected': -1389.009521484375, 'logps/ref_chosen': -60.60819625854492, 'logps/ref_rejected': -94.56770324707031, 'KL/chosen_KL_mean': -965.8650512695312, 'KL/rejected_KL_mean': -1294.44189453125, 'KL/mean': -1130.153564453125, 'KL/std': 774.4320068359375, 'logits/chosen': -1.101536512374878, 'logits/rejected': -1.1053555011749268, 'epoch': 0.83} 83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 563/681 [23:46<04:56, 2.51s/it] 83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 564/681 [23:48<04:51, 2.49s/it] {'loss': 1.1292, 'grad_norm': 39.77863693237305, 'learning_rate': 4.447860229910544e-08, 'fcm_dpo/beta': 0.0007467868272215128, 'fcm_dpo/q_t': 0.42049744725227356, 'fcm_dpo/delta': 0.0017370246350765228, 'fcm_dpo/margin': 466.32293701171875, 'margin_dpo/margin_mean': 466.32293701171875, 'margin_dpo/margin_std': 674.2352294921875, 'logps/chosen': -913.8397827148438, 'logps/rejected': -1399.132568359375, 'logps/ref_chosen': -74.26837921142578, 'logps/ref_rejected': -93.23818969726562, 'KL/chosen_KL_mean': -839.5714111328125, 'KL/rejected_KL_mean': -1305.894287109375, 'KL/mean': -1072.73291015625, 'KL/std': 678.1080322265625, 'logits/chosen': -1.1387296915054321, 'logits/rejected': -1.1342732906341553, 'epoch': 0.83} 83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 564/681 [23:49<04:51, 2.49s/it] 83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 565/681 [23:51<04:53, 2.53s/it] {'loss': 1.1859, 'grad_norm': 58.753501892089844, 'learning_rate': 4.375063135042445e-08, 'fcm_dpo/beta': 0.0007455106824636459, 'fcm_dpo/q_t': 0.424316942691803, 'fcm_dpo/delta': -0.002605642657727003, 'fcm_dpo/margin': 472.84234619140625, 'margin_dpo/margin_mean': 472.84234619140625, 'margin_dpo/margin_std': 984.09130859375, 'logps/chosen': -972.0601806640625, 'logps/rejected': -1461.6614990234375, 'logps/ref_chosen': -69.0199203491211, 'logps/ref_rejected': -85.7789306640625, 'KL/chosen_KL_mean': -903.0402221679688, 'KL/rejected_KL_mean': -1375.882568359375, 'KL/mean': -1139.46142578125, 'KL/std': 793.594482421875, 'logits/chosen': -1.083191156387329, 'logits/rejected': -1.084733486175537, 'epoch': 0.83} 83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 565/681 [23:51<04:53, 2.53s/it] 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 566/681 [23:54<05:02, 2.63s/it] {'loss': 1.1391, 'grad_norm': 30.277292251586914, 'learning_rate': 4.3028095264420525e-08, 'fcm_dpo/beta': 0.0007446268573403358, 'fcm_dpo/q_t': 0.41205883026123047, 'fcm_dpo/delta': -0.04210010543465614, 'fcm_dpo/margin': 523.8090209960938, 'margin_dpo/margin_mean': 523.8089599609375, 'margin_dpo/margin_std': 888.4176025390625, 'logps/chosen': -917.7032470703125, 'logps/rejected': -1478.8363037109375, 'logps/ref_chosen': -66.5453109741211, 'logps/ref_rejected': -103.86932373046875, 'KL/chosen_KL_mean': -851.157958984375, 'KL/rejected_KL_mean': -1374.967041015625, 'KL/mean': -1113.0625, 'KL/std': 766.4264526367188, 'logits/chosen': -1.0920714139938354, 'logits/rejected': -1.1179513931274414, 'epoch': 0.83} 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 566/681 [23:54<05:02, 2.63s/it] 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 567/681 [23:56<04:52, 2.57s/it] {'loss': 1.1507, 'grad_norm': 25.824920654296875, 'learning_rate': 4.231101308059165e-08, 'fcm_dpo/beta': 0.0007430259138345718, 'fcm_dpo/q_t': 0.42830806970596313, 'fcm_dpo/delta': 0.04861754924058914, 'fcm_dpo/margin': 407.6325378417969, 'margin_dpo/margin_mean': 407.632568359375, 'margin_dpo/margin_std': 579.9044189453125, 'logps/chosen': -850.6773681640625, 'logps/rejected': -1290.822509765625, 'logps/ref_chosen': -52.85829544067383, 'logps/ref_rejected': -85.37095642089844, 'KL/chosen_KL_mean': -797.819091796875, 'KL/rejected_KL_mean': -1205.4515380859375, 'KL/mean': -1001.6353759765625, 'KL/std': 539.5685424804688, 'logits/chosen': -1.213765263557434, 'logits/rejected': -1.21918523311615, 'epoch': 0.83} 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 567/681 [23:56<04:52, 2.57s/it] 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 568/681 [23:59<04:43, 2.51s/it] {'loss': 1.0805, 'grad_norm': 27.453920364379883, 'learning_rate': 4.1599403694720145e-08, 'fcm_dpo/beta': 0.0007391650578938425, 'fcm_dpo/q_t': 0.40518689155578613, 'fcm_dpo/delta': -0.05833129584789276, 'fcm_dpo/margin': 549.1774291992188, 'margin_dpo/margin_mean': 549.1774291992188, 'margin_dpo/margin_std': 684.4533081054688, 'logps/chosen': -819.984130859375, 'logps/rejected': -1413.0615234375, 'logps/ref_chosen': -45.1923828125, 'logps/ref_rejected': -89.09236907958984, 'KL/chosen_KL_mean': -774.791748046875, 'KL/rejected_KL_mean': -1323.96923828125, 'KL/mean': -1049.3804931640625, 'KL/std': 630.48486328125, 'logits/chosen': -1.0664093494415283, 'logits/rejected': -1.1100949048995972, 'epoch': 0.83} 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 568/681 [23:59<04:43, 2.51s/it] 84%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 569/681 [24:01<04:44, 2.54s/it] {'loss': 1.1831, 'grad_norm': 42.93728256225586, 'learning_rate': 4.089328585837512e-08, 'fcm_dpo/beta': 0.0007340764277614653, 'fcm_dpo/q_t': 0.42503905296325684, 'fcm_dpo/delta': -0.04408378154039383, 'fcm_dpo/margin': 440.1204833984375, 'margin_dpo/margin_mean': 440.1204833984375, 'margin_dpo/margin_std': 843.69482421875, 'logps/chosen': -933.8448486328125, 'logps/rejected': -1389.3480224609375, 'logps/ref_chosen': -63.72056198120117, 'logps/ref_rejected': -79.10325622558594, 'KL/chosen_KL_mean': -870.124267578125, 'KL/rejected_KL_mean': -1310.244873046875, 'KL/mean': -1090.1845703125, 'KL/std': 802.5746459960938, 'logits/chosen': -1.109398365020752, 'logits/rejected': -1.1187589168548584, 'epoch': 0.84} 84%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 569/681 [24:01<04:44, 2.54s/it] 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 570/681 [24:04<04:43, 2.55s/it] {'loss': 1.1709, 'grad_norm': 29.369874954223633, 'learning_rate': 4.019267817841834e-08, 'fcm_dpo/beta': 0.0007354548433795571, 'fcm_dpo/q_t': 0.43151092529296875, 'fcm_dpo/delta': 0.05156288668513298, 'fcm_dpo/margin': 407.93182373046875, 'margin_dpo/margin_mean': 407.9317932128906, 'margin_dpo/margin_std': 689.3609619140625, 'logps/chosen': -848.3983764648438, 'logps/rejected': -1276.8575439453125, 'logps/ref_chosen': -61.61454391479492, 'logps/ref_rejected': -82.14186096191406, 'KL/chosen_KL_mean': -786.7838134765625, 'KL/rejected_KL_mean': -1194.715576171875, 'KL/mean': -990.749755859375, 'KL/std': 626.913818359375, 'logits/chosen': -1.1785709857940674, 'logits/rejected': -1.1703860759735107, 'epoch': 0.84} 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 570/681 [24:04<04:43, 2.55s/it] 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 571/681 [24:07<04:42, 2.57s/it] {'loss': 1.1453, 'grad_norm': 41.169490814208984, 'learning_rate': 3.9497599116513705e-08, 'fcm_dpo/beta': 0.0007371066603809595, 'fcm_dpo/q_t': 0.41918835043907166, 'fcm_dpo/delta': -0.0039865849539637566, 'fcm_dpo/margin': 480.00323486328125, 'margin_dpo/margin_mean': 480.0032653808594, 'margin_dpo/margin_std': 803.4883422851562, 'logps/chosen': -868.0824584960938, 'logps/rejected': -1386.3685302734375, 'logps/ref_chosen': -53.05406188964844, 'logps/ref_rejected': -91.33682250976562, 'KL/chosen_KL_mean': -815.0283813476562, 'KL/rejected_KL_mean': -1295.03173828125, 'KL/mean': -1055.030029296875, 'KL/std': 642.4834594726562, 'logits/chosen': -1.0355522632598877, 'logits/rejected': -1.0509165525436401, 'epoch': 0.84} 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 571/681 [24:07<04:42, 2.57s/it] 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 572/681 [24:09<04:33, 2.51s/it] {'loss': 1.1474, 'grad_norm': 32.44576644897461, 'learning_rate': 3.880806698864086e-08, 'fcm_dpo/beta': 0.0007338828290812671, 'fcm_dpo/q_t': 0.41840416193008423, 'fcm_dpo/delta': -0.022855721414089203, 'fcm_dpo/margin': 506.73992919921875, 'margin_dpo/margin_mean': 506.73992919921875, 'margin_dpo/margin_std': 905.3984985351562, 'logps/chosen': -885.3232421875, 'logps/rejected': -1427.160888671875, 'logps/ref_chosen': -48.45928955078125, 'logps/ref_rejected': -83.55703735351562, 'KL/chosen_KL_mean': -836.864013671875, 'KL/rejected_KL_mean': -1343.603759765625, 'KL/mean': -1090.23388671875, 'KL/std': 737.3343505859375, 'logits/chosen': -1.0318219661712646, 'logits/rejected': -1.06544828414917, 'epoch': 0.84} 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 572/681 [24:09<04:33, 2.51s/it] 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 573/681 [24:11<04:21, 2.42s/it] {'loss': 1.1386, 'grad_norm': 25.155153274536133, 'learning_rate': 3.812409996461275e-08, 'fcm_dpo/beta': 0.0007377726724371314, 'fcm_dpo/q_t': 0.42565691471099854, 'fcm_dpo/delta': 0.02684948407113552, 'fcm_dpo/margin': 439.1636962890625, 'margin_dpo/margin_mean': 439.1636657714844, 'margin_dpo/margin_std': 636.15185546875, 'logps/chosen': -840.3292236328125, 'logps/rejected': -1313.1953125, 'logps/ref_chosen': -51.62262725830078, 'logps/ref_rejected': -85.32499694824219, 'KL/chosen_KL_mean': -788.7066040039062, 'KL/rejected_KL_mean': -1227.870361328125, 'KL/mean': -1008.2884521484375, 'KL/std': 634.485107421875, 'logits/chosen': -1.1160049438476562, 'logits/rejected': -1.1299877166748047, 'epoch': 0.84} 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 573/681 [24:11<04:21, 2.42s/it] 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 574/681 [24:14<04:28, 2.50s/it] {'loss': 1.1183, 'grad_norm': 30.116424560546875, 'learning_rate': 3.74457160675965e-08, 'fcm_dpo/beta': 0.0007384730270132422, 'fcm_dpo/q_t': 0.416146457195282, 'fcm_dpo/delta': -0.011282573454082012, 'fcm_dpo/margin': 488.62188720703125, 'margin_dpo/margin_mean': 488.62188720703125, 'margin_dpo/margin_std': 683.5946044921875, 'logps/chosen': -766.7066650390625, 'logps/rejected': -1297.090576171875, 'logps/ref_chosen': -51.04446029663086, 'logps/ref_rejected': -92.80640411376953, 'KL/chosen_KL_mean': -715.6622314453125, 'KL/rejected_KL_mean': -1204.2841796875, 'KL/mean': -959.97314453125, 'KL/std': 584.0929565429688, 'logits/chosen': -1.0976953506469727, 'logits/rejected': -1.1268978118896484, 'epoch': 0.84} 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 574/681 [24:14<04:28, 2.50s/it] 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 575/681 [24:16<04:29, 2.54s/it] {'loss': 1.1713, 'grad_norm': 35.20523452758789, 'learning_rate': 3.677293317363864e-08, 'fcm_dpo/beta': 0.0007295336690731347, 'fcm_dpo/q_t': 0.4261569082736969, 'fcm_dpo/delta': -0.049235548824071884, 'fcm_dpo/margin': 435.5752258300781, 'margin_dpo/margin_mean': 435.57525634765625, 'margin_dpo/margin_std': 770.2555541992188, 'logps/chosen': -851.678955078125, 'logps/rejected': -1310.850341796875, 'logps/ref_chosen': -71.7901382446289, 'logps/ref_rejected': -95.38619995117188, 'KL/chosen_KL_mean': -779.8887939453125, 'KL/rejected_KL_mean': -1215.464111328125, 'KL/mean': -997.6763916015625, 'KL/std': 598.38037109375, 'logits/chosen': -0.9492102861404419, 'logits/rejected': -0.9579809904098511, 'epoch': 0.84} 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 575/681 [24:16<04:29, 2.54s/it] 85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 576/681 [24:19<04:25, 2.53s/it] {'loss': 1.211, 'grad_norm': 32.09224319458008, 'learning_rate': 3.6105769011194224e-08, 'fcm_dpo/beta': 0.0007330116932280362, 'fcm_dpo/q_t': 0.4433874785900116, 'fcm_dpo/delta': 0.023780547082424164, 'fcm_dpo/margin': 330.26385498046875, 'margin_dpo/margin_mean': 330.2638854980469, 'margin_dpo/margin_std': 628.616943359375, 'logps/chosen': -811.02880859375, 'logps/rejected': -1187.783935546875, 'logps/ref_chosen': -54.262962341308594, 'logps/ref_rejected': -100.75428009033203, 'KL/chosen_KL_mean': -756.765869140625, 'KL/rejected_KL_mean': -1087.0296630859375, 'KL/mean': -921.8978271484375, 'KL/std': 545.06005859375, 'logits/chosen': -1.070650339126587, 'logits/rejected': -1.1040256023406982, 'epoch': 0.85} 85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 576/681 [24:19<04:25, 2.53s/it] 85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 577/681 [24:21<04:20, 2.50s/it] {'loss': 1.1501, 'grad_norm': 25.360074996948242, 'learning_rate': 3.5444241160659304e-08, 'fcm_dpo/beta': 0.0007347659557126462, 'fcm_dpo/q_t': 0.424075722694397, 'fcm_dpo/delta': 0.022340623661875725, 'fcm_dpo/margin': 446.939453125, 'margin_dpo/margin_mean': 446.93951416015625, 'margin_dpo/margin_std': 677.6488037109375, 'logps/chosen': -731.2778930664062, 'logps/rejected': -1200.3782958984375, 'logps/ref_chosen': -61.909706115722656, 'logps/ref_rejected': -84.07069396972656, 'KL/chosen_KL_mean': -669.3681640625, 'KL/rejected_KL_mean': -1116.3076171875, 'KL/mean': -892.837890625, 'KL/std': 621.8170776367188, 'logits/chosen': -1.0318996906280518, 'logits/rejected': -1.0215978622436523, 'epoch': 0.85} 85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 577/681 [24:21<04:20, 2.50s/it] 85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 578/681 [24:24<04:20, 2.53s/it] {'loss': 1.1143, 'grad_norm': 46.754920959472656, 'learning_rate': 3.478836705390808e-08, 'fcm_dpo/beta': 0.000733315828256309, 'fcm_dpo/q_t': 0.41781163215637207, 'fcm_dpo/delta': -1.9393861293792725e-05, 'fcm_dpo/margin': 476.8681335449219, 'margin_dpo/margin_mean': 476.8681335449219, 'margin_dpo/margin_std': 598.9371337890625, 'logps/chosen': -691.2577514648438, 'logps/rejected': -1202.2984619140625, 'logps/ref_chosen': -49.26368713378906, 'logps/ref_rejected': -83.4362564086914, 'KL/chosen_KL_mean': -641.9940185546875, 'KL/rejected_KL_mean': -1118.8621826171875, 'KL/mean': -880.4281005859375, 'KL/std': 590.3482055664062, 'logits/chosen': -0.9348374605178833, 'logits/rejected': -0.9725053310394287, 'epoch': 0.85} 85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 578/681 [24:24<04:20, 2.53s/it] 85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 579/681 [24:27<04:23, 2.58s/it] {'loss': 1.2467, 'grad_norm': 50.663330078125, 'learning_rate': 3.41381639738331e-08, 'fcm_dpo/beta': 0.0007440147455781698, 'fcm_dpo/q_t': 0.4504472315311432, 'fcm_dpo/delta': 0.052174538373947144, 'fcm_dpo/margin': 282.68194580078125, 'margin_dpo/margin_mean': 282.68194580078125, 'margin_dpo/margin_std': 665.921142578125, 'logps/chosen': -811.10009765625, 'logps/rejected': -1129.683837890625, 'logps/ref_chosen': -58.88581848144531, 'logps/ref_rejected': -94.78762817382812, 'KL/chosen_KL_mean': -752.2142333984375, 'KL/rejected_KL_mean': -1034.8961181640625, 'KL/mean': -893.55517578125, 'KL/std': 593.69775390625, 'logits/chosen': -0.9605880975723267, 'logits/rejected': -0.964146077632904, 'epoch': 0.85} 85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 579/681 [24:27<04:23, 2.58s/it] 85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 580/681 [24:29<04:20, 2.58s/it] {'loss': 1.0934, 'grad_norm': 40.2070426940918, 'learning_rate': 3.349364905389032e-08, 'fcm_dpo/beta': 0.0007361972820945084, 'fcm_dpo/q_t': 0.4098510146141052, 'fcm_dpo/delta': -0.05270449444651604, 'fcm_dpo/margin': 543.7584228515625, 'margin_dpo/margin_mean': 543.7584228515625, 'margin_dpo/margin_std': 754.7635498046875, 'logps/chosen': -573.7894287109375, 'logps/rejected': -1150.5994873046875, 'logps/ref_chosen': -48.70683670043945, 'logps/ref_rejected': -81.7583999633789, 'KL/chosen_KL_mean': -525.0825805664062, 'KL/rejected_KL_mean': -1068.841064453125, 'KL/mean': -796.9617919921875, 'KL/std': 658.41455078125, 'logits/chosen': -0.8550982475280762, 'logits/rejected': -0.8935449719429016, 'epoch': 0.85} 85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 580/681 [24:29<04:20, 2.58s/it] 85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 581/681 [24:32<04:13, 2.54s/it] {'loss': 1.1788, 'grad_norm': 25.00486946105957, 'learning_rate': 3.285483927764726e-08, 'fcm_dpo/beta': 0.0007442636415362358, 'fcm_dpo/q_t': 0.434751033782959, 'fcm_dpo/delta': 0.06579051911830902, 'fcm_dpo/margin': 384.27520751953125, 'margin_dpo/margin_mean': 384.27520751953125, 'margin_dpo/margin_std': 675.5390625, 'logps/chosen': -792.150146484375, 'logps/rejected': -1205.938720703125, 'logps/ref_chosen': -62.22235107421875, 'logps/ref_rejected': -91.73568725585938, 'KL/chosen_KL_mean': -729.9277954101562, 'KL/rejected_KL_mean': -1114.202880859375, 'KL/mean': -922.0654296875, 'KL/std': 613.97216796875, 'logits/chosen': -1.0764214992523193, 'logits/rejected': -1.0914995670318604, 'epoch': 0.85} 85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 581/681 [24:32<04:13, 2.54s/it] 85%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 582/681 [24:34<04:12, 2.55s/it] {'loss': 1.1596, 'grad_norm': 27.108118057250977, 'learning_rate': 3.222175147833556e-08, 'fcm_dpo/beta': 0.0007423992501571774, 'fcm_dpo/q_t': 0.4290406405925751, 'fcm_dpo/delta': -0.04802374914288521, 'fcm_dpo/margin': 401.8086242675781, 'margin_dpo/margin_mean': 401.80865478515625, 'margin_dpo/margin_std': 577.4631958007812, 'logps/chosen': -716.2213134765625, 'logps/rejected': -1169.870849609375, 'logps/ref_chosen': -58.228660583496094, 'logps/ref_rejected': -110.06959533691406, 'KL/chosen_KL_mean': -657.9926147460938, 'KL/rejected_KL_mean': -1059.80126953125, 'KL/mean': -858.8969116210938, 'KL/std': 526.9097290039062, 'logits/chosen': -0.9977607727050781, 'logits/rejected': -1.0202760696411133, 'epoch': 0.85} 85%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 582/681 [24:34<04:12, 2.55s/it] 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 583/681 [24:37<04:13, 2.59s/it] {'loss': 1.2716, 'grad_norm': 39.618011474609375, 'learning_rate': 3.159440233840763e-08, 'fcm_dpo/beta': 0.0007386098150163889, 'fcm_dpo/q_t': 0.45400410890579224, 'fcm_dpo/delta': -0.0015174677828326821, 'fcm_dpo/margin': 269.1192626953125, 'margin_dpo/margin_mean': 269.1192626953125, 'margin_dpo/margin_std': 726.809814453125, 'logps/chosen': -805.8173828125, 'logps/rejected': -1106.477783203125, 'logps/ref_chosen': -56.86286163330078, 'logps/ref_rejected': -88.4039306640625, 'KL/chosen_KL_mean': -748.9545288085938, 'KL/rejected_KL_mean': -1018.0738525390625, 'KL/mean': -883.51416015625, 'KL/std': 600.503662109375, 'logits/chosen': -0.953858494758606, 'logits/rejected': -0.9514139890670776, 'epoch': 0.86} 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 583/681 [24:37<04:13, 2.59s/it] 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 584/681 [24:39<04:05, 2.54s/it] {'loss': 1.0841, 'grad_norm': 33.2059326171875, 'learning_rate': 3.0972808389096635e-08, 'fcm_dpo/beta': 0.0007337032584473491, 'fcm_dpo/q_t': 0.40848594903945923, 'fcm_dpo/delta': -0.0488472580909729, 'fcm_dpo/margin': 540.9948120117188, 'margin_dpo/margin_mean': 540.9948120117188, 'margin_dpo/margin_std': 661.6787109375, 'logps/chosen': -707.3009033203125, 'logps/rejected': -1289.0311279296875, 'logps/ref_chosen': -56.90068054199219, 'logps/ref_rejected': -97.63606262207031, 'KL/chosen_KL_mean': -650.4002075195312, 'KL/rejected_KL_mean': -1191.39501953125, 'KL/mean': -920.8975830078125, 'KL/std': 627.6343383789062, 'logits/chosen': -0.9727611541748047, 'logits/rejected': -0.9878000020980835, 'epoch': 0.86} 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 584/681 [24:39<04:05, 2.54s/it] 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 585/681 [24:42<04:00, 2.51s/it] {'loss': 1.1445, 'grad_norm': 28.804832458496094, 'learning_rate': 3.035698600998121e-08, 'fcm_dpo/beta': 0.0007283834274858236, 'fcm_dpo/q_t': 0.4175519645214081, 'fcm_dpo/delta': -0.009564774110913277, 'fcm_dpo/margin': 492.93756103515625, 'margin_dpo/margin_mean': 492.93756103515625, 'margin_dpo/margin_std': 832.9927978515625, 'logps/chosen': -816.4652099609375, 'logps/rejected': -1332.598388671875, 'logps/ref_chosen': -60.973968505859375, 'logps/ref_rejected': -84.16952514648438, 'KL/chosen_KL_mean': -755.4912109375, 'KL/rejected_KL_mean': -1248.4288330078125, 'KL/mean': -1001.9600219726562, 'KL/std': 691.0889892578125, 'logits/chosen': -1.0524985790252686, 'logits/rejected': -1.0806963443756104, 'epoch': 0.86} 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 585/681 [24:42<04:00, 2.51s/it] 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 586/681 [24:44<03:57, 2.50s/it] {'loss': 1.2212, 'grad_norm': 31.14897918701172, 'learning_rate': 2.974695142855388e-08, 'fcm_dpo/beta': 0.0007359388982877135, 'fcm_dpo/q_t': 0.4438827335834503, 'fcm_dpo/delta': 0.04029836505651474, 'fcm_dpo/margin': 326.46331787109375, 'margin_dpo/margin_mean': 326.46331787109375, 'margin_dpo/margin_std': 682.7779541015625, 'logps/chosen': -867.804443359375, 'logps/rejected': -1229.2147216796875, 'logps/ref_chosen': -56.85559844970703, 'logps/ref_rejected': -91.80261993408203, 'KL/chosen_KL_mean': -810.9488525390625, 'KL/rejected_KL_mean': -1137.412109375, 'KL/mean': -974.180419921875, 'KL/std': 624.2877197265625, 'logits/chosen': -1.0293405055999756, 'logits/rejected': -1.0565171241760254, 'epoch': 0.86} 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 586/681 [24:44<03:57, 2.50s/it] 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 587/681 [24:47<03:59, 2.54s/it] {'loss': 1.1398, 'grad_norm': 35.817604064941406, 'learning_rate': 2.9142720719793122e-08, 'fcm_dpo/beta': 0.0007399095338769257, 'fcm_dpo/q_t': 0.42297637462615967, 'fcm_dpo/delta': 0.02138981781899929, 'fcm_dpo/margin': 444.885009765625, 'margin_dpo/margin_mean': 444.885009765625, 'margin_dpo/margin_std': 656.8631591796875, 'logps/chosen': -621.6473388671875, 'logps/rejected': -1104.464599609375, 'logps/ref_chosen': -44.69159698486328, 'logps/ref_rejected': -82.62385559082031, 'KL/chosen_KL_mean': -576.955810546875, 'KL/rejected_KL_mean': -1021.8407592773438, 'KL/mean': -799.3982543945312, 'KL/std': 647.3914794921875, 'logits/chosen': -1.0655786991119385, 'logits/rejected': -1.0954036712646484, 'epoch': 0.86} 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 587/681 [24:47<03:59, 2.54s/it] 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 588/681 [24:49<03:49, 2.46s/it] {'loss': 1.1757, 'grad_norm': 28.395036697387695, 'learning_rate': 2.8544309805740018e-08, 'fcm_dpo/beta': 0.0007451215060427785, 'fcm_dpo/q_t': 0.4341343939304352, 'fcm_dpo/delta': 0.07268988341093063, 'fcm_dpo/margin': 374.9537353515625, 'margin_dpo/margin_mean': 374.9537353515625, 'margin_dpo/margin_std': 601.4207763671875, 'logps/chosen': -813.8897094726562, 'logps/rejected': -1245.9183349609375, 'logps/ref_chosen': -50.29494857788086, 'logps/ref_rejected': -107.36988067626953, 'KL/chosen_KL_mean': -763.5947265625, 'KL/rejected_KL_mean': -1138.5484619140625, 'KL/mean': -951.0715942382812, 'KL/std': 554.4877319335938, 'logits/chosen': -1.0229034423828125, 'logits/rejected': -1.052525281906128, 'epoch': 0.86} 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 588/681 [24:49<03:49, 2.46s/it] 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 589/681 [24:52<03:45, 2.45s/it] {'loss': 1.1029, 'grad_norm': 36.19021224975586, 'learning_rate': 2.7951734455078786e-08, 'fcm_dpo/beta': 0.000747905985917896, 'fcm_dpo/q_t': 0.4127042889595032, 'fcm_dpo/delta': -0.025782965123653412, 'fcm_dpo/margin': 501.15802001953125, 'margin_dpo/margin_mean': 501.1579895019531, 'margin_dpo/margin_std': 657.3384399414062, 'logps/chosen': -825.0740356445312, 'logps/rejected': -1377.95751953125, 'logps/ref_chosen': -59.929908752441406, 'logps/ref_rejected': -111.65534973144531, 'KL/chosen_KL_mean': -765.1441650390625, 'KL/rejected_KL_mean': -1266.30224609375, 'KL/mean': -1015.72314453125, 'KL/std': 625.617431640625, 'logits/chosen': -1.0197863578796387, 'logits/rejected': -1.0424385070800781, 'epoch': 0.86} 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 589/681 [24:52<03:45, 2.45s/it] 87%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 590/681 [24:54<03:41, 2.43s/it] {'loss': 1.109, 'grad_norm': 20.466495513916016, 'learning_rate': 2.736501028272095e-08, 'fcm_dpo/beta': 0.000742416363209486, 'fcm_dpo/q_t': 0.41454923152923584, 'fcm_dpo/delta': -0.02587101422250271, 'fcm_dpo/margin': 504.91082763671875, 'margin_dpo/margin_mean': 504.91082763671875, 'margin_dpo/margin_std': 708.3488159179688, 'logps/chosen': -723.7637939453125, 'logps/rejected': -1278.927734375, 'logps/ref_chosen': -55.80979537963867, 'logps/ref_rejected': -106.06282043457031, 'KL/chosen_KL_mean': -667.9539794921875, 'KL/rejected_KL_mean': -1172.86474609375, 'KL/mean': -920.4093627929688, 'KL/std': 630.0244140625, 'logits/chosen': -1.0065345764160156, 'logits/rejected': -1.039345145225525, 'epoch': 0.87} 87%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 590/681 [24:54<03:41, 2.43s/it] 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 591/681 [24:56<03:31, 2.35s/it] {'loss': 1.1284, 'grad_norm': 29.069992065429688, 'learning_rate': 2.678415274939408e-08, 'fcm_dpo/beta': 0.0007421453483402729, 'fcm_dpo/q_t': 0.41778093576431274, 'fcm_dpo/delta': -0.0017371654976159334, 'fcm_dpo/margin': 473.86370849609375, 'margin_dpo/margin_mean': 473.86370849609375, 'margin_dpo/margin_std': 696.78857421875, 'logps/chosen': -775.8948974609375, 'logps/rejected': -1277.3043212890625, 'logps/ref_chosen': -56.24061965942383, 'logps/ref_rejected': -83.78629302978516, 'KL/chosen_KL_mean': -719.654296875, 'KL/rejected_KL_mean': -1193.51806640625, 'KL/mean': -956.586181640625, 'KL/std': 603.654052734375, 'logits/chosen': -1.1044466495513916, 'logits/rejected': -1.1089308261871338, 'epoch': 0.87} 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 591/681 [24:56<03:31, 2.35s/it] 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 592/681 [24:59<03:33, 2.40s/it] {'loss': 1.1963, 'grad_norm': 39.19664764404297, 'learning_rate': 2.6209177161234442e-08, 'fcm_dpo/beta': 0.0007462240173481405, 'fcm_dpo/q_t': 0.4289587736129761, 'fcm_dpo/delta': 0.04169132187962532, 'fcm_dpo/margin': 414.90814208984375, 'margin_dpo/margin_mean': 414.90814208984375, 'margin_dpo/margin_std': 837.1720581054688, 'logps/chosen': -827.3953247070312, 'logps/rejected': -1270.0960693359375, 'logps/ref_chosen': -47.94025421142578, 'logps/ref_rejected': -75.73287963867188, 'KL/chosen_KL_mean': -779.455078125, 'KL/rejected_KL_mean': -1194.3631591796875, 'KL/mean': -986.9091186523438, 'KL/std': 615.1773681640625, 'logits/chosen': -1.0807688236236572, 'logits/rejected': -1.090897560119629, 'epoch': 0.87} 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 592/681 [24:59<03:33, 2.40s/it] 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 593/681 [25:01<03:36, 2.46s/it] {'loss': 1.239, 'grad_norm': 45.363460540771484, 'learning_rate': 2.564009866938349e-08, 'fcm_dpo/beta': 0.0007523976382799447, 'fcm_dpo/q_t': 0.4463445246219635, 'fcm_dpo/delta': 0.028210198506712914, 'fcm_dpo/margin': 310.814697265625, 'margin_dpo/margin_mean': 310.814697265625, 'margin_dpo/margin_std': 729.053955078125, 'logps/chosen': -811.8116455078125, 'logps/rejected': -1134.8436279296875, 'logps/ref_chosen': -48.690757751464844, 'logps/ref_rejected': -60.90800094604492, 'KL/chosen_KL_mean': -763.120849609375, 'KL/rejected_KL_mean': -1073.9356689453125, 'KL/mean': -918.5281982421875, 'KL/std': 664.6796264648438, 'logits/chosen': -0.9572064280509949, 'logits/rejected': -0.9502384662628174, 'epoch': 0.87} 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 593/681 [25:01<03:36, 2.46s/it] 87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 594/681 [25:04<03:33, 2.45s/it] {'loss': 1.1734, 'grad_norm': 32.1541633605957, 'learning_rate': 2.5076932269588708e-08, 'fcm_dpo/beta': 0.0007495468016713858, 'fcm_dpo/q_t': 0.429071843624115, 'fcm_dpo/delta': -0.03803475201129913, 'fcm_dpo/margin': 407.953125, 'margin_dpo/margin_mean': 407.953125, 'margin_dpo/margin_std': 699.8004150390625, 'logps/chosen': -786.1826171875, 'logps/rejected': -1225.300537109375, 'logps/ref_chosen': -54.93488693237305, 'logps/ref_rejected': -86.09967803955078, 'KL/chosen_KL_mean': -731.2477416992188, 'KL/rejected_KL_mean': -1139.2008056640625, 'KL/mean': -935.2242431640625, 'KL/std': 653.4246215820312, 'logits/chosen': -1.05826735496521, 'logits/rejected': -1.0492217540740967, 'epoch': 0.87} 87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 594/681 [25:04<03:33, 2.45s/it] 87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 595/681 [25:06<03:33, 2.48s/it] {'loss': 1.1206, 'grad_norm': 51.79603958129883, 'learning_rate': 2.451969280180849e-08, 'fcm_dpo/beta': 0.0007444015936926007, 'fcm_dpo/q_t': 0.4190996289253235, 'fcm_dpo/delta': -0.00904869381338358, 'fcm_dpo/margin': 481.7968444824219, 'margin_dpo/margin_mean': 481.7968444824219, 'margin_dpo/margin_std': 694.1858520507812, 'logps/chosen': -724.1181030273438, 'logps/rejected': -1237.121826171875, 'logps/ref_chosen': -49.4204216003418, 'logps/ref_rejected': -80.62731170654297, 'KL/chosen_KL_mean': -674.6976928710938, 'KL/rejected_KL_mean': -1156.4945068359375, 'KL/mean': -915.5961303710938, 'KL/std': 617.6531982421875, 'logits/chosen': -1.0517390966415405, 'logits/rejected': -1.0796115398406982, 'epoch': 0.87} 87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 595/681 [25:06<03:33, 2.48s/it] 88%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 596/681 [25:09<03:33, 2.51s/it] {'loss': 1.2571, 'grad_norm': 73.0402603149414, 'learning_rate': 2.396839494982103e-08, 'fcm_dpo/beta': 0.0007497658370994031, 'fcm_dpo/q_t': 0.4523196518421173, 'fcm_dpo/delta': 0.05895322561264038, 'fcm_dpo/margin': 283.5798645019531, 'margin_dpo/margin_mean': 283.5798645019531, 'margin_dpo/margin_std': 738.8785400390625, 'logps/chosen': -875.6898803710938, 'logps/rejected': -1179.569091796875, 'logps/ref_chosen': -59.791683197021484, 'logps/ref_rejected': -80.09111785888672, 'KL/chosen_KL_mean': -815.898193359375, 'KL/rejected_KL_mean': -1099.47802734375, 'KL/mean': -957.6881103515625, 'KL/std': 608.5431518554688, 'logits/chosen': -1.0392305850982666, 'logits/rejected': -1.003946304321289, 'epoch': 0.88} 88%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 596/681 [25:09<03:33, 2.51s/it] 88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 597/681 [25:11<03:31, 2.52s/it] {'loss': 1.0919, 'grad_norm': 26.4957218170166, 'learning_rate': 2.3423053240837514e-08, 'fcm_dpo/beta': 0.000738929957151413, 'fcm_dpo/q_t': 0.405043363571167, 'fcm_dpo/delta': -0.0748884379863739, 'fcm_dpo/margin': 567.561767578125, 'margin_dpo/margin_mean': 567.561767578125, 'margin_dpo/margin_std': 766.98095703125, 'logps/chosen': -811.2745361328125, 'logps/rejected': -1422.269287109375, 'logps/ref_chosen': -57.26078796386719, 'logps/ref_rejected': -100.6937255859375, 'KL/chosen_KL_mean': -754.0137939453125, 'KL/rejected_KL_mean': -1321.5755615234375, 'KL/mean': -1037.7945556640625, 'KL/std': 707.1693725585938, 'logits/chosen': -0.9764111042022705, 'logits/rejected': -1.030094861984253, 'epoch': 0.88} 88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 597/681 [25:11<03:31, 2.52s/it] 88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 598/681 [25:14<03:25, 2.47s/it] {'loss': 1.1504, 'grad_norm': 28.324201583862305, 'learning_rate': 2.2883682045119062e-08, 'fcm_dpo/beta': 0.0007343441247940063, 'fcm_dpo/q_t': 0.42271342873573303, 'fcm_dpo/delta': -0.058417148888111115, 'fcm_dpo/margin': 448.888427734375, 'margin_dpo/margin_mean': 448.888427734375, 'margin_dpo/margin_std': 702.4248657226562, 'logps/chosen': -801.5079345703125, 'logps/rejected': -1287.32177734375, 'logps/ref_chosen': -52.51850509643555, 'logps/ref_rejected': -89.44385528564453, 'KL/chosen_KL_mean': -748.9894409179688, 'KL/rejected_KL_mean': -1197.8779296875, 'KL/mean': -973.43359375, 'KL/std': 626.2220458984375, 'logits/chosen': -1.1111347675323486, 'logits/rejected': -1.1283093690872192, 'epoch': 0.88} 88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 598/681 [25:14<03:25, 2.47s/it] 88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 599/681 [25:17<03:32, 2.59s/it] {'loss': 1.1817, 'grad_norm': 35.090877532958984, 'learning_rate': 2.2350295575598367e-08, 'fcm_dpo/beta': 0.0007289372151717544, 'fcm_dpo/q_t': 0.43398356437683105, 'fcm_dpo/delta': -0.03695056587457657, 'fcm_dpo/margin': 369.37945556640625, 'margin_dpo/margin_mean': 369.3795166015625, 'margin_dpo/margin_std': 569.4313354492188, 'logps/chosen': -825.9324951171875, 'logps/rejected': -1228.48779296875, 'logps/ref_chosen': -49.802677154541016, 'logps/ref_rejected': -82.978515625, 'KL/chosen_KL_mean': -776.1297607421875, 'KL/rejected_KL_mean': -1145.50927734375, 'KL/mean': -960.819580078125, 'KL/std': 598.0007934570312, 'logits/chosen': -1.0137587785720825, 'logits/rejected': -1.0232412815093994, 'epoch': 0.88} 88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 599/681 [25:17<03:32, 2.59s/it] 88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 600/681 [25:19<03:32, 2.63s/it] {'loss': 1.2098, 'grad_norm': 28.268569946289062, 'learning_rate': 2.1822907887504932e-08, 'fcm_dpo/beta': 0.0007366039790213108, 'fcm_dpo/q_t': 0.4391680657863617, 'fcm_dpo/delta': 0.08046019077301025, 'fcm_dpo/margin': 368.991943359375, 'margin_dpo/margin_mean': 368.991943359375, 'margin_dpo/margin_std': 782.9544677734375, 'logps/chosen': -910.4564208984375, 'logps/rejected': -1298.469970703125, 'logps/ref_chosen': -66.43487548828125, 'logps/ref_rejected': -85.45649719238281, 'KL/chosen_KL_mean': -844.0216064453125, 'KL/rejected_KL_mean': -1213.0135498046875, 'KL/mean': -1028.517578125, 'KL/std': 647.4127197265625, 'logits/chosen': -1.1482144594192505, 'logits/rejected': -1.1489068269729614, 'epoch': 0.88} 88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 600/681 [25:19<03:32, 2.63s/it] 88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 601/681 [25:22<03:23, 2.55s/it] {'loss': 1.1316, 'grad_norm': 33.074012756347656, 'learning_rate': 2.1301532877994742e-08, 'fcm_dpo/beta': 0.0007413103012368083, 'fcm_dpo/q_t': 0.42060860991477966, 'fcm_dpo/delta': 0.012507637962698936, 'fcm_dpo/margin': 455.8194274902344, 'margin_dpo/margin_mean': 455.81939697265625, 'margin_dpo/margin_std': 648.2555541992188, 'logps/chosen': -886.1773681640625, 'logps/rejected': -1377.5540771484375, 'logps/ref_chosen': -59.13361358642578, 'logps/ref_rejected': -94.69093322753906, 'KL/chosen_KL_mean': -827.043701171875, 'KL/rejected_KL_mean': -1282.863037109375, 'KL/mean': -1054.9534912109375, 'KL/std': 646.4471435546875, 'logits/chosen': -1.059302568435669, 'logits/rejected': -1.0803344249725342, 'epoch': 0.88} 88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 601/681 [25:22<03:23, 2.55s/it] 88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 602/681 [25:24<03:20, 2.53s/it] {'loss': 1.0572, 'grad_norm': 68.0593032836914, 'learning_rate': 2.0786184285784298e-08, 'fcm_dpo/beta': 0.0007364454213529825, 'fcm_dpo/q_t': 0.3994067311286926, 'fcm_dpo/delta': -0.09336760640144348, 'fcm_dpo/margin': 596.3326416015625, 'margin_dpo/margin_mean': 596.3326416015625, 'margin_dpo/margin_std': 703.1005859375, 'logps/chosen': -624.1859130859375, 'logps/rejected': -1259.593505859375, 'logps/ref_chosen': -48.59352111816406, 'logps/ref_rejected': -87.6685562133789, 'KL/chosen_KL_mean': -575.5924072265625, 'KL/rejected_KL_mean': -1171.925048828125, 'KL/mean': -873.7586669921875, 'KL/std': 629.0206298828125, 'logits/chosen': -1.0809543132781982, 'logits/rejected': -1.1263089179992676, 'epoch': 0.88} 88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 602/681 [25:24<03:20, 2.53s/it] 89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 603/681 [25:27<03:13, 2.48s/it] {'loss': 1.1244, 'grad_norm': 37.625732421875, 'learning_rate': 2.0276875690788204e-08, 'fcm_dpo/beta': 0.0007258434779942036, 'fcm_dpo/q_t': 0.41643890738487244, 'fcm_dpo/delta': -0.024222414940595627, 'fcm_dpo/margin': 514.296630859375, 'margin_dpo/margin_mean': 514.2965698242188, 'margin_dpo/margin_std': 806.4513549804688, 'logps/chosen': -808.8655395507812, 'logps/rejected': -1353.0731201171875, 'logps/ref_chosen': -70.41461944580078, 'logps/ref_rejected': -100.32559967041016, 'KL/chosen_KL_mean': -738.450927734375, 'KL/rejected_KL_mean': -1252.74755859375, 'KL/mean': -995.5992431640625, 'KL/std': 682.3411865234375, 'logits/chosen': -1.057875156402588, 'logits/rejected': -1.049300193786621, 'epoch': 0.89} 89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 603/681 [25:27<03:13, 2.48s/it] 89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 604/681 [25:29<03:18, 2.58s/it] {'loss': 1.098, 'grad_norm': 36.53494644165039, 'learning_rate': 1.977362051376158e-08, 'fcm_dpo/beta': 0.0007178003434091806, 'fcm_dpo/q_t': 0.406802773475647, 'fcm_dpo/delta': -0.0707206279039383, 'fcm_dpo/margin': 582.013916015625, 'margin_dpo/margin_mean': 582.0138549804688, 'margin_dpo/margin_std': 858.50927734375, 'logps/chosen': -767.4888305664062, 'logps/rejected': -1394.8990478515625, 'logps/ref_chosen': -46.45808029174805, 'logps/ref_rejected': -91.8544921875, 'KL/chosen_KL_mean': -721.03076171875, 'KL/rejected_KL_mean': -1303.0445556640625, 'KL/mean': -1012.0377197265625, 'KL/std': 684.166015625, 'logits/chosen': -1.0587637424468994, 'logits/rejected': -1.1084504127502441, 'epoch': 0.89} 89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 604/681 [25:29<03:18, 2.58s/it] 89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 605/681 [25:32<03:17, 2.60s/it] {'loss': 1.1786, 'grad_norm': 26.453216552734375, 'learning_rate': 1.9276432015946446e-08, 'fcm_dpo/beta': 0.0007192428456619382, 'fcm_dpo/q_t': 0.43355774879455566, 'fcm_dpo/delta': 0.055984023958444595, 'fcm_dpo/margin': 411.09173583984375, 'margin_dpo/margin_mean': 411.09173583984375, 'margin_dpo/margin_std': 747.6804809570312, 'logps/chosen': -822.4681396484375, 'logps/rejected': -1269.615478515625, 'logps/ref_chosen': -66.24933624267578, 'logps/ref_rejected': -102.30496978759766, 'KL/chosen_KL_mean': -756.2188720703125, 'KL/rejected_KL_mean': -1167.310546875, 'KL/mean': -961.7646484375, 'KL/std': 611.2559814453125, 'logits/chosen': -1.0269505977630615, 'logits/rejected': -1.0451889038085938, 'epoch': 0.89} 89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 605/681 [25:32<03:17, 2.60s/it] 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 606/681 [25:34<03:10, 2.54s/it] {'loss': 1.1365, 'grad_norm': 27.061796188354492, 'learning_rate': 1.8785323298722093e-08, 'fcm_dpo/beta': 0.0007271652575582266, 'fcm_dpo/q_t': 0.4236467778682709, 'fcm_dpo/delta': 0.017948858439922333, 'fcm_dpo/margin': 457.1866760253906, 'margin_dpo/margin_mean': 457.1866760253906, 'margin_dpo/margin_std': 670.32568359375, 'logps/chosen': -796.445068359375, 'logps/rejected': -1297.18408203125, 'logps/ref_chosen': -54.819122314453125, 'logps/ref_rejected': -98.37146759033203, 'KL/chosen_KL_mean': -741.6259765625, 'KL/rejected_KL_mean': -1198.8126220703125, 'KL/mean': -970.2193603515625, 'KL/std': 623.1279296875, 'logits/chosen': -1.0122807025909424, 'logits/rejected': -1.0320955514907837, 'epoch': 0.89} 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 606/681 [25:34<03:10, 2.54s/it] 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 607/681 [25:37<03:09, 2.57s/it] {'loss': 1.191, 'grad_norm': 24.40001106262207, 'learning_rate': 1.8300307303259904e-08, 'fcm_dpo/beta': 0.0007356663700193167, 'fcm_dpo/q_t': 0.43587759137153625, 'fcm_dpo/delta': 0.0717119500041008, 'fcm_dpo/margin': 380.5422668457031, 'margin_dpo/margin_mean': 380.542236328125, 'margin_dpo/margin_std': 708.0584106445312, 'logps/chosen': -853.070068359375, 'logps/rejected': -1255.305419921875, 'logps/ref_chosen': -58.08403778076172, 'logps/ref_rejected': -79.777099609375, 'KL/chosen_KL_mean': -794.986083984375, 'KL/rejected_KL_mean': -1175.5283203125, 'KL/mean': -985.2572021484375, 'KL/std': 660.7117919921875, 'logits/chosen': -1.0124876499176025, 'logits/rejected': -1.0030550956726074, 'epoch': 0.89} 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 607/681 [25:37<03:09, 2.57s/it] 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 608/681 [25:39<03:02, 2.51s/it] {'loss': 1.133, 'grad_norm': 26.049560546875, 'learning_rate': 1.7821396810182437e-08, 'fcm_dpo/beta': 0.0007404502248391509, 'fcm_dpo/q_t': 0.4227282702922821, 'fcm_dpo/delta': 0.02115270122885704, 'fcm_dpo/margin': 444.8311767578125, 'margin_dpo/margin_mean': 444.8311767578125, 'margin_dpo/margin_std': 611.6470947265625, 'logps/chosen': -770.0567626953125, 'logps/rejected': -1252.21044921875, 'logps/ref_chosen': -57.450836181640625, 'logps/ref_rejected': -94.77339172363281, 'KL/chosen_KL_mean': -712.60595703125, 'KL/rejected_KL_mean': -1157.4371337890625, 'KL/mean': -935.021484375, 'KL/std': 576.3223876953125, 'logits/chosen': -1.084040880203247, 'logits/rejected': -1.1021060943603516, 'epoch': 0.89} 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 608/681 [25:39<03:02, 2.51s/it] 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 609/681 [25:42<02:55, 2.44s/it] {'loss': 1.104, 'grad_norm': 27.387683868408203, 'learning_rate': 1.7348604439226617e-08, 'fcm_dpo/beta': 0.0007308817002922297, 'fcm_dpo/q_t': 0.408769428730011, 'fcm_dpo/delta': -0.0770505964756012, 'fcm_dpo/margin': 579.810791015625, 'margin_dpo/margin_mean': 579.810791015625, 'margin_dpo/margin_std': 940.2999877929688, 'logps/chosen': -770.7513427734375, 'logps/rejected': -1380.57275390625, 'logps/ref_chosen': -58.805355072021484, 'logps/ref_rejected': -88.81600952148438, 'KL/chosen_KL_mean': -711.9459228515625, 'KL/rejected_KL_mean': -1291.7567138671875, 'KL/mean': -1001.8514404296875, 'KL/std': 775.0626220703125, 'logits/chosen': -1.1206148862838745, 'logits/rejected': -1.1497302055358887, 'epoch': 0.89} 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 609/681 [25:42<02:55, 2.44s/it] 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 610/681 [25:44<02:50, 2.40s/it] {'loss': 1.2023, 'grad_norm': 45.32019805908203, 'learning_rate': 1.6881942648911074e-08, 'fcm_dpo/beta': 0.0007388823432847857, 'fcm_dpo/q_t': 0.43797656893730164, 'fcm_dpo/delta': 0.08757883310317993, 'fcm_dpo/margin': 358.044677734375, 'margin_dpo/margin_mean': 358.044677734375, 'margin_dpo/margin_std': 698.3663330078125, 'logps/chosen': -782.228515625, 'logps/rejected': -1157.9835205078125, 'logps/ref_chosen': -65.69503784179688, 'logps/ref_rejected': -83.40538787841797, 'KL/chosen_KL_mean': -716.533447265625, 'KL/rejected_KL_mean': -1074.578125, 'KL/mean': -895.5557861328125, 'KL/std': 590.9163818359375, 'logits/chosen': -0.9885549545288086, 'logits/rejected': -0.9654494524002075, 'epoch': 0.9} 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 610/681 [25:44<02:50, 2.40s/it] 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 611/681 [25:46<02:47, 2.39s/it] {'loss': 1.0823, 'grad_norm': 31.054868698120117, 'learning_rate': 1.6421423736208e-08, 'fcm_dpo/beta': 0.0007288827328011394, 'fcm_dpo/q_t': 0.4007767140865326, 'fcm_dpo/delta': -0.10581991076469421, 'fcm_dpo/margin': 618.7051391601562, 'margin_dpo/margin_mean': 618.7051391601562, 'margin_dpo/margin_std': 904.1781616210938, 'logps/chosen': -802.3839111328125, 'logps/rejected': -1454.820556640625, 'logps/ref_chosen': -52.59946823120117, 'logps/ref_rejected': -86.33099365234375, 'KL/chosen_KL_mean': -749.7844848632812, 'KL/rejected_KL_mean': -1368.4896240234375, 'KL/mean': -1059.1370849609375, 'KL/std': 790.021728515625, 'logits/chosen': -1.0566998720169067, 'logits/rejected': -1.1077455282211304, 'epoch': 0.9} 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 611/681 [25:46<02:47, 2.39s/it] 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 612/681 [25:49<02:43, 2.36s/it] {'loss': 1.1473, 'grad_norm': 33.46781539916992, 'learning_rate': 1.5967059836219042e-08, 'fcm_dpo/beta': 0.0007307927589863539, 'fcm_dpo/q_t': 0.42509013414382935, 'fcm_dpo/delta': 0.02587536908686161, 'fcm_dpo/margin': 444.236083984375, 'margin_dpo/margin_mean': 444.23602294921875, 'margin_dpo/margin_std': 683.746337890625, 'logps/chosen': -871.4140625, 'logps/rejected': -1344.638916015625, 'logps/ref_chosen': -59.32372283935547, 'logps/ref_rejected': -88.31239318847656, 'KL/chosen_KL_mean': -812.09033203125, 'KL/rejected_KL_mean': -1256.326416015625, 'KL/mean': -1034.2083740234375, 'KL/std': 622.982177734375, 'logits/chosen': -1.0426099300384521, 'logits/rejected': -1.0452769994735718, 'epoch': 0.9} 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 612/681 [25:49<02:43, 2.36s/it] 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 613/681 [25:51<02:42, 2.40s/it] {'loss': 1.0944, 'grad_norm': 33.90407180786133, 'learning_rate': 1.551886292185553e-08, 'fcm_dpo/beta': 0.0007219946710392833, 'fcm_dpo/q_t': 0.40862947702407837, 'fcm_dpo/delta': -0.045596893876791, 'fcm_dpo/margin': 544.9688110351562, 'margin_dpo/margin_mean': 544.9688110351562, 'margin_dpo/margin_std': 720.446044921875, 'logps/chosen': -780.663818359375, 'logps/rejected': -1371.01025390625, 'logps/ref_chosen': -59.72996520996094, 'logps/ref_rejected': -105.10752868652344, 'KL/chosen_KL_mean': -720.933837890625, 'KL/rejected_KL_mean': -1265.902587890625, 'KL/mean': -993.418212890625, 'KL/std': 689.9868774414062, 'logits/chosen': -1.073573112487793, 'logits/rejected': -1.12931227684021, 'epoch': 0.9} 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 613/681 [25:51<02:42, 2.40s/it] 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 614/681 [25:54<02:42, 2.42s/it] {'loss': 1.1008, 'grad_norm': 38.53693771362305, 'learning_rate': 1.507684480352292e-08, 'fcm_dpo/beta': 0.0007176370127126575, 'fcm_dpo/q_t': 0.40819481015205383, 'fcm_dpo/delta': -0.05566265806555748, 'fcm_dpo/margin': 562.1969604492188, 'margin_dpo/margin_mean': 562.1968994140625, 'margin_dpo/margin_std': 811.7864379882812, 'logps/chosen': -831.1434326171875, 'logps/rejected': -1445.080810546875, 'logps/ref_chosen': -52.93898010253906, 'logps/ref_rejected': -104.67938232421875, 'KL/chosen_KL_mean': -778.2044677734375, 'KL/rejected_KL_mean': -1340.4013671875, 'KL/mean': -1059.3028564453125, 'KL/std': 686.830078125, 'logits/chosen': -1.0261731147766113, 'logits/rejected': -1.1077706813812256, 'epoch': 0.9} 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 614/681 [25:54<02:42, 2.42s/it] 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 615/681 [25:56<02:45, 2.51s/it] {'loss': 1.15, 'grad_norm': 28.220327377319336, 'learning_rate': 1.4641017128809801e-08, 'fcm_dpo/beta': 0.0007183545967563987, 'fcm_dpo/q_t': 0.4231938123703003, 'fcm_dpo/delta': 0.016210701316595078, 'fcm_dpo/margin': 465.13641357421875, 'margin_dpo/margin_mean': 465.13641357421875, 'margin_dpo/margin_std': 769.0079956054688, 'logps/chosen': -794.1406860351562, 'logps/rejected': -1288.6373291015625, 'logps/ref_chosen': -65.81727600097656, 'logps/ref_rejected': -95.17749786376953, 'KL/chosen_KL_mean': -728.3233642578125, 'KL/rejected_KL_mean': -1193.4598388671875, 'KL/mean': -960.8916015625, 'KL/std': 708.7926025390625, 'logits/chosen': -1.0408499240875244, 'logits/rejected': -1.0693387985229492, 'epoch': 0.9} 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 615/681 [25:56<02:45, 2.51s/it] 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 616/681 [25:59<02:47, 2.57s/it] {'loss': 1.1912, 'grad_norm': 35.82476043701172, 'learning_rate': 1.4211391382180637e-08, 'fcm_dpo/beta': 0.0007266043685376644, 'fcm_dpo/q_t': 0.4374980330467224, 'fcm_dpo/delta': 0.08268511295318604, 'fcm_dpo/margin': 370.8167419433594, 'margin_dpo/margin_mean': 370.8167724609375, 'margin_dpo/margin_std': 663.240234375, 'logps/chosen': -929.0549926757812, 'logps/rejected': -1309.439453125, 'logps/ref_chosen': -65.13285827636719, 'logps/ref_rejected': -74.70050048828125, 'KL/chosen_KL_mean': -863.922119140625, 'KL/rejected_KL_mean': -1234.73876953125, 'KL/mean': -1049.33056640625, 'KL/std': 591.33251953125, 'logits/chosen': -1.0865511894226074, 'logits/rejected': -1.0711218118667603, 'epoch': 0.9} 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 616/681 [25:59<02:47, 2.57s/it] 91%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 617/681 [26:02<02:45, 2.58s/it] {'loss': 1.2642, 'grad_norm': 50.21003723144531, 'learning_rate': 1.378797888467345e-08, 'fcm_dpo/beta': 0.0007288898341357708, 'fcm_dpo/q_t': 0.4547814726829529, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 268.1123046875, 'margin_dpo/margin_mean': 268.1123046875, 'margin_dpo/margin_std': 707.6526489257812, 'logps/chosen': -903.3557739257812, 'logps/rejected': -1172.6966552734375, 'logps/ref_chosen': -63.005550384521484, 'logps/ref_rejected': -64.234130859375, 'KL/chosen_KL_mean': -840.3502197265625, 'KL/rejected_KL_mean': -1108.4625244140625, 'KL/mean': -974.4063720703125, 'KL/std': 581.7191772460938, 'logits/chosen': -1.0201683044433594, 'logits/rejected': -0.9916302561759949, 'epoch': 0.91} 91%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 617/681 [26:02<02:45, 2.58s/it] 91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 618/681 [26:04<02:43, 2.59s/it] {'loss': 1.1236, 'grad_norm': 38.26071548461914, 'learning_rate': 1.3370790793601371e-08, 'fcm_dpo/beta': 0.0007248672191053629, 'fcm_dpo/q_t': 0.4056781530380249, 'fcm_dpo/delta': -0.07764283567667007, 'fcm_dpo/margin': 585.065673828125, 'margin_dpo/margin_mean': 585.065673828125, 'margin_dpo/margin_std': 982.0968017578125, 'logps/chosen': -927.0708618164062, 'logps/rejected': -1537.1884765625, 'logps/ref_chosen': -67.10134887695312, 'logps/ref_rejected': -92.15340423583984, 'KL/chosen_KL_mean': -859.969482421875, 'KL/rejected_KL_mean': -1445.03515625, 'KL/mean': -1152.5023193359375, 'KL/std': 750.560791015625, 'logits/chosen': -1.059650182723999, 'logits/rejected': -1.103996753692627, 'epoch': 0.91} 91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 618/681 [26:04<02:43, 2.59s/it] 91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 619/681 [26:07<02:40, 2.58s/it] {'loss': 1.2044, 'grad_norm': 46.859371185302734, 'learning_rate': 1.2959838102258535e-08, 'fcm_dpo/beta': 0.0007212937925942242, 'fcm_dpo/q_t': 0.4321790337562561, 'fcm_dpo/delta': 0.03125857189297676, 'fcm_dpo/margin': 443.2675476074219, 'margin_dpo/margin_mean': 443.2675476074219, 'margin_dpo/margin_std': 974.4349365234375, 'logps/chosen': -912.5774536132812, 'logps/rejected': -1393.0521240234375, 'logps/ref_chosen': -55.978233337402344, 'logps/ref_rejected': -93.1854019165039, 'KL/chosen_KL_mean': -856.5992431640625, 'KL/rejected_KL_mean': -1299.86669921875, 'KL/mean': -1078.2330322265625, 'KL/std': 716.7399291992188, 'logits/chosen': -1.0055409669876099, 'logits/rejected': -1.019460916519165, 'epoch': 0.91} 91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 619/681 [26:07<02:40, 2.58s/it] 91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 620/681 [26:09<02:36, 2.56s/it] {'loss': 1.1738, 'grad_norm': 33.33245086669922, 'learning_rate': 1.2555131639630567e-08, 'fcm_dpo/beta': 0.0007255082600750029, 'fcm_dpo/q_t': 0.4310418963432312, 'fcm_dpo/delta': 0.051843997091054916, 'fcm_dpo/margin': 413.05419921875, 'margin_dpo/margin_mean': 413.05419921875, 'margin_dpo/margin_std': 718.75439453125, 'logps/chosen': -842.2337646484375, 'logps/rejected': -1273.9012451171875, 'logps/ref_chosen': -59.79750061035156, 'logps/ref_rejected': -78.41075134277344, 'KL/chosen_KL_mean': -782.436279296875, 'KL/rejected_KL_mean': -1195.490478515625, 'KL/mean': -988.9633178710938, 'KL/std': 634.9549560546875, 'logits/chosen': -1.0578522682189941, 'logits/rejected': -1.0688400268554688, 'epoch': 0.91} 91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 620/681 [26:09<02:36, 2.56s/it] 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 621/681 [26:12<02:33, 2.57s/it] {'loss': 1.0704, 'grad_norm': 33.19838333129883, 'learning_rate': 1.2156682070109086e-08, 'fcm_dpo/beta': 0.0007223983411677182, 'fcm_dpo/q_t': 0.3942115306854248, 'fcm_dpo/delta': -0.11662234365940094, 'fcm_dpo/margin': 638.1920166015625, 'margin_dpo/margin_mean': 638.1920166015625, 'margin_dpo/margin_std': 859.8441772460938, 'logps/chosen': -828.8825073242188, 'logps/rejected': -1501.51025390625, 'logps/ref_chosen': -53.93375778198242, 'logps/ref_rejected': -88.36951446533203, 'KL/chosen_KL_mean': -774.94873046875, 'KL/rejected_KL_mean': -1413.1407470703125, 'KL/mean': -1094.044677734375, 'KL/std': 769.3406982421875, 'logits/chosen': -1.1112885475158691, 'logits/rejected': -1.1674792766571045, 'epoch': 0.91} 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 621/681 [26:12<02:33, 2.57s/it] 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 622/681 [26:14<02:30, 2.54s/it] {'loss': 1.1662, 'grad_norm': 34.48857116699219, 'learning_rate': 1.1764499893210878e-08, 'fcm_dpo/beta': 0.0007141625974327326, 'fcm_dpo/q_t': 0.4296455979347229, 'fcm_dpo/delta': 0.04117283225059509, 'fcm_dpo/margin': 433.9416809082031, 'margin_dpo/margin_mean': 433.9416809082031, 'margin_dpo/margin_std': 747.2349853515625, 'logps/chosen': -810.43505859375, 'logps/rejected': -1269.609619140625, 'logps/ref_chosen': -60.28582000732422, 'logps/ref_rejected': -85.51873779296875, 'KL/chosen_KL_mean': -750.149169921875, 'KL/rejected_KL_mean': -1184.0909423828125, 'KL/mean': -967.1200561523438, 'KL/std': 593.5496826171875, 'logits/chosen': -0.9647907018661499, 'logits/rejected': -0.9519217014312744, 'epoch': 0.91} 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 622/681 [26:14<02:30, 2.54s/it] 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 623/681 [26:17<02:20, 2.42s/it] {'loss': 1.2308, 'grad_norm': 42.85483932495117, 'learning_rate': 1.1378595443300998e-08, 'fcm_dpo/beta': 0.0007311557419598103, 'fcm_dpo/q_t': 0.446946382522583, 'fcm_dpo/delta': 0.11611227691173553, 'fcm_dpo/margin': 323.68511962890625, 'margin_dpo/margin_mean': 323.68511962890625, 'margin_dpo/margin_std': 731.9136962890625, 'logps/chosen': -885.065673828125, 'logps/rejected': -1229.6768798828125, 'logps/ref_chosen': -64.1569595336914, 'logps/ref_rejected': -85.08304595947266, 'KL/chosen_KL_mean': -820.90869140625, 'KL/rejected_KL_mean': -1144.5938720703125, 'KL/mean': -982.7512817382812, 'KL/std': 598.2750244140625, 'logits/chosen': -1.119500756263733, 'logits/rejected': -1.1187694072723389, 'epoch': 0.91} 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 623/681 [26:17<02:20, 2.42s/it] 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 624/681 [26:19<02:20, 2.47s/it] {'loss': 1.0894, 'grad_norm': 38.01239776611328, 'learning_rate': 1.0998978889320582e-08, 'fcm_dpo/beta': 0.0007304972968995571, 'fcm_dpo/q_t': 0.4065777659416199, 'fcm_dpo/delta': -0.047577153891325, 'fcm_dpo/margin': 541.6821899414062, 'margin_dpo/margin_mean': 541.6821899414062, 'margin_dpo/margin_std': 687.8084716796875, 'logps/chosen': -893.5079345703125, 'logps/rejected': -1460.403564453125, 'logps/ref_chosen': -71.91862487792969, 'logps/ref_rejected': -97.13203430175781, 'KL/chosen_KL_mean': -821.5892944335938, 'KL/rejected_KL_mean': -1363.271484375, 'KL/mean': -1092.430419921875, 'KL/std': 638.8692016601562, 'logits/chosen': -1.1294810771942139, 'logits/rejected': -1.137779951095581, 'epoch': 0.92} 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 624/681 [26:19<02:20, 2.47s/it] 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 625/681 [26:22<02:19, 2.49s/it] {'loss': 1.0431, 'grad_norm': 39.902103424072266, 'learning_rate': 1.0625660234518913e-08, 'fcm_dpo/beta': 0.0007204815046861768, 'fcm_dpo/q_t': 0.39741039276123047, 'fcm_dpo/delta': -0.09379212558269501, 'fcm_dpo/margin': 610.380859375, 'margin_dpo/margin_mean': 610.3807983398438, 'margin_dpo/margin_std': 639.5909423828125, 'logps/chosen': -799.8494873046875, 'logps/rejected': -1437.978515625, 'logps/ref_chosen': -58.342071533203125, 'logps/ref_rejected': -86.09038543701172, 'KL/chosen_KL_mean': -741.5074462890625, 'KL/rejected_KL_mean': -1351.88818359375, 'KL/mean': -1046.6978759765625, 'KL/std': 684.56396484375, 'logits/chosen': -1.004154920578003, 'logits/rejected': -1.0372995138168335, 'epoch': 0.92} 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 625/681 [26:22<02:19, 2.49s/it] 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 626/681 [26:24<02:22, 2.58s/it] {'loss': 1.2212, 'grad_norm': 44.423484802246094, 'learning_rate': 1.0258649316189721e-08, 'fcm_dpo/beta': 0.0007251551141962409, 'fcm_dpo/q_t': 0.439464807510376, 'fcm_dpo/delta': 0.09746433794498444, 'fcm_dpo/margin': 351.75341796875, 'margin_dpo/margin_mean': 351.75341796875, 'margin_dpo/margin_std': 743.8319702148438, 'logps/chosen': -1015.9278564453125, 'logps/rejected': -1391.7574462890625, 'logps/ref_chosen': -75.11260986328125, 'logps/ref_rejected': -99.188720703125, 'KL/chosen_KL_mean': -940.815185546875, 'KL/rejected_KL_mean': -1292.5687255859375, 'KL/mean': -1116.69189453125, 'KL/std': 766.899169921875, 'logits/chosen': -0.9951568841934204, 'logits/rejected': -0.9892057776451111, 'epoch': 0.92} 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 626/681 [26:25<02:22, 2.58s/it] 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 627/681 [26:27<02:21, 2.62s/it] {'loss': 1.0784, 'grad_norm': 29.196271896362305, 'learning_rate': 9.897955805412e-09, 'fcm_dpo/beta': 0.0007200604304671288, 'fcm_dpo/q_t': 0.40084049105644226, 'fcm_dpo/delta': -0.12902742624282837, 'fcm_dpo/margin': 656.75390625, 'margin_dpo/margin_mean': 656.7538452148438, 'margin_dpo/margin_std': 977.4828491210938, 'logps/chosen': -703.134521484375, 'logps/rejected': -1418.8997802734375, 'logps/ref_chosen': -47.74314880371094, 'logps/ref_rejected': -106.75448608398438, 'KL/chosen_KL_mean': -655.391357421875, 'KL/rejected_KL_mean': -1312.145263671875, 'KL/mean': -983.7683715820312, 'KL/std': 831.3623046875, 'logits/chosen': -0.9449664354324341, 'logits/rejected': -1.0268559455871582, 'epoch': 0.92} 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 627/681 [26:27<02:21, 2.62s/it] 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 628/681 [26:30<02:17, 2.60s/it] {'loss': 1.1425, 'grad_norm': 30.30500602722168, 'learning_rate': 9.543589206795238e-09, 'fcm_dpo/beta': 0.0007095912005752325, 'fcm_dpo/q_t': 0.4203591048717499, 'fcm_dpo/delta': -0.0005148975178599358, 'fcm_dpo/margin': 493.88702392578125, 'margin_dpo/margin_mean': 493.88702392578125, 'margin_dpo/margin_std': 802.3726196289062, 'logps/chosen': -913.9365844726562, 'logps/rejected': -1449.1954345703125, 'logps/ref_chosen': -60.182945251464844, 'logps/ref_rejected': -101.55467224121094, 'KL/chosen_KL_mean': -853.753662109375, 'KL/rejected_KL_mean': -1347.640869140625, 'KL/mean': -1100.697265625, 'KL/std': 691.8834228515625, 'logits/chosen': -1.106518268585205, 'logits/rejected': -1.131546139717102, 'epoch': 0.92} 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 628/681 [26:30<02:17, 2.60s/it] 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 629/681 [26:32<02:14, 2.59s/it] {'loss': 1.1358, 'grad_norm': 34.061126708984375, 'learning_rate': 9.19555885822887e-09, 'fcm_dpo/beta': 0.0007125267293304205, 'fcm_dpo/q_t': 0.42130935192108154, 'fcm_dpo/delta': 0.015744555741548538, 'fcm_dpo/margin': 469.839111328125, 'margin_dpo/margin_mean': 469.839111328125, 'margin_dpo/margin_std': 684.5360107421875, 'logps/chosen': -905.2109375, 'logps/rejected': -1402.490234375, 'logps/ref_chosen': -64.21354675292969, 'logps/ref_rejected': -91.65367126464844, 'KL/chosen_KL_mean': -840.9974365234375, 'KL/rejected_KL_mean': -1310.8365478515625, 'KL/mean': -1075.9169921875, 'KL/std': 669.786376953125, 'logits/chosen': -1.0905547142028809, 'logits/rejected': -1.110518455505371, 'epoch': 0.92} 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 629/681 [26:32<02:14, 2.59s/it] 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 630/681 [26:35<02:12, 2.60s/it] {'loss': 1.2901, 'grad_norm': 44.93278503417969, 'learning_rate': 8.85387393063622e-09, 'fcm_dpo/beta': 0.000715771981049329, 'fcm_dpo/q_t': 0.46173208951950073, 'fcm_dpo/delta': 0.04146602377295494, 'fcm_dpo/margin': 254.6964874267578, 'margin_dpo/margin_mean': 254.6964874267578, 'margin_dpo/margin_std': 802.978271484375, 'logps/chosen': -792.0366821289062, 'logps/rejected': -1071.04052734375, 'logps/ref_chosen': -59.29100036621094, 'logps/ref_rejected': -83.59829711914062, 'KL/chosen_KL_mean': -732.7456665039062, 'KL/rejected_KL_mean': -987.442138671875, 'KL/mean': -860.0938720703125, 'KL/std': 659.4423828125, 'logits/chosen': -1.049222469329834, 'logits/rejected': -1.0251140594482422, 'epoch': 0.93} 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 630/681 [26:35<02:12, 2.60s/it] 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 631/681 [26:37<02:07, 2.56s/it] {'loss': 1.174, 'grad_norm': 31.293115615844727, 'learning_rate': 8.518543427732949e-09, 'fcm_dpo/beta': 0.0007242325227707624, 'fcm_dpo/q_t': 0.4278268814086914, 'fcm_dpo/delta': 0.041726578027009964, 'fcm_dpo/margin': 427.30865478515625, 'margin_dpo/margin_mean': 427.3086242675781, 'margin_dpo/margin_std': 762.1250610351562, 'logps/chosen': -956.7327880859375, 'logps/rejected': -1405.539306640625, 'logps/ref_chosen': -59.45360565185547, 'logps/ref_rejected': -80.95156860351562, 'KL/chosen_KL_mean': -897.2791748046875, 'KL/rejected_KL_mean': -1324.5877685546875, 'KL/mean': -1110.93359375, 'KL/std': 662.3657836914062, 'logits/chosen': -1.1521632671356201, 'logits/rejected': -1.1659929752349854, 'epoch': 0.93} 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 631/681 [26:37<02:07, 2.56s/it] 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 632/681 [26:40<02:01, 2.47s/it] {'loss': 1.1786, 'grad_norm': 37.82929229736328, 'learning_rate': 8.189576185789637e-09, 'fcm_dpo/beta': 0.0007272514048963785, 'fcm_dpo/q_t': 0.4296777546405792, 'fcm_dpo/delta': 0.04772178828716278, 'fcm_dpo/margin': 417.49993896484375, 'margin_dpo/margin_mean': 417.49993896484375, 'margin_dpo/margin_std': 755.839111328125, 'logps/chosen': -848.45556640625, 'logps/rejected': -1290.7640380859375, 'logps/ref_chosen': -61.35155487060547, 'logps/ref_rejected': -86.16017150878906, 'KL/chosen_KL_mean': -787.10400390625, 'KL/rejected_KL_mean': -1204.6038818359375, 'KL/mean': -995.85400390625, 'KL/std': 610.8785400390625, 'logits/chosen': -1.1057119369506836, 'logits/rejected': -1.1097162961959839, 'epoch': 0.93} 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 632/681 [26:40<02:01, 2.47s/it] 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 633/681 [26:42<01:58, 2.46s/it] {'loss': 1.2351, 'grad_norm': 37.137454986572266, 'learning_rate': 7.866980873399015e-09, 'fcm_dpo/beta': 0.0007348891813308001, 'fcm_dpo/q_t': 0.44790202379226685, 'fcm_dpo/delta': 0.043210797011852264, 'fcm_dpo/margin': 303.47796630859375, 'margin_dpo/margin_mean': 303.4779968261719, 'margin_dpo/margin_std': 675.3363037109375, 'logps/chosen': -933.1270751953125, 'logps/rejected': -1270.910888671875, 'logps/ref_chosen': -57.27816390991211, 'logps/ref_rejected': -91.58395385742188, 'KL/chosen_KL_mean': -875.8489379882812, 'KL/rejected_KL_mean': -1179.326904296875, 'KL/mean': -1027.587890625, 'KL/std': 598.5611572265625, 'logits/chosen': -1.1341545581817627, 'logits/rejected': -1.1472094058990479, 'epoch': 0.93} 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 633/681 [26:42<01:58, 2.46s/it] 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 634/681 [26:45<01:57, 2.50s/it] {'loss': 1.2542, 'grad_norm': 27.810382843017578, 'learning_rate': 7.550765991247654e-09, 'fcm_dpo/beta': 0.0007380647002719343, 'fcm_dpo/q_t': 0.4533958435058594, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 275.1812744140625, 'margin_dpo/margin_mean': 275.1812744140625, 'margin_dpo/margin_std': 683.193115234375, 'logps/chosen': -1026.6917724609375, 'logps/rejected': -1342.379638671875, 'logps/ref_chosen': -66.61896514892578, 'logps/ref_rejected': -107.12564849853516, 'KL/chosen_KL_mean': -960.07275390625, 'KL/rejected_KL_mean': -1235.254150390625, 'KL/mean': -1097.663330078125, 'KL/std': 704.655517578125, 'logits/chosen': -1.0175862312316895, 'logits/rejected': -1.0139384269714355, 'epoch': 0.93} 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 634/681 [26:45<01:57, 2.50s/it] 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 635/681 [26:47<01:54, 2.49s/it] {'loss': 1.1961, 'grad_norm': 46.93721008300781, 'learning_rate': 7.240939871891699e-09, 'fcm_dpo/beta': 0.0007452410645782948, 'fcm_dpo/q_t': 0.4358566403388977, 'fcm_dpo/delta': 0.06136660277843475, 'fcm_dpo/margin': 389.6451721191406, 'margin_dpo/margin_mean': 389.64520263671875, 'margin_dpo/margin_std': 794.4766235351562, 'logps/chosen': -929.4236450195312, 'logps/rejected': -1327.61376953125, 'logps/ref_chosen': -73.95551300048828, 'logps/ref_rejected': -82.50045776367188, 'KL/chosen_KL_mean': -855.4681396484375, 'KL/rejected_KL_mean': -1245.11328125, 'KL/mean': -1050.290771484375, 'KL/std': 766.2486572265625, 'logits/chosen': -1.081568717956543, 'logits/rejected': -1.064734697341919, 'epoch': 0.93} 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 635/681 [26:47<01:54, 2.49s/it] 93%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 636/681 [26:50<01:55, 2.58s/it] {'loss': 1.1335, 'grad_norm': 27.554264068603516, 'learning_rate': 6.937510679537628e-09, 'fcm_dpo/beta': 0.0007509600836783648, 'fcm_dpo/q_t': 0.42060697078704834, 'fcm_dpo/delta': -0.00671178475022316, 'fcm_dpo/margin': 473.79107666015625, 'margin_dpo/margin_mean': 473.79107666015625, 'margin_dpo/margin_std': 754.580810546875, 'logps/chosen': -843.6314697265625, 'logps/rejected': -1339.7724609375, 'logps/ref_chosen': -59.628910064697266, 'logps/ref_rejected': -81.97883605957031, 'KL/chosen_KL_mean': -784.0025634765625, 'KL/rejected_KL_mean': -1257.793701171875, 'KL/mean': -1020.8980712890625, 'KL/std': 716.466064453125, 'logits/chosen': -0.9968219995498657, 'logits/rejected': -0.9979686141014099, 'epoch': 0.93} 93%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 636/681 [26:50<01:55, 2.58s/it] 94%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 637/681 [26:52<01:52, 2.56s/it] {'loss': 1.0945, 'grad_norm': 25.79489517211914, 'learning_rate': 6.640486409826785e-09, 'fcm_dpo/beta': 0.0007367645157501101, 'fcm_dpo/q_t': 0.4083985686302185, 'fcm_dpo/delta': -0.05750354379415512, 'fcm_dpo/margin': 549.1782836914062, 'margin_dpo/margin_mean': 549.1782836914062, 'margin_dpo/margin_std': 762.412841796875, 'logps/chosen': -829.1279907226562, 'logps/rejected': -1427.0587158203125, 'logps/ref_chosen': -49.652687072753906, 'logps/ref_rejected': -98.40513610839844, 'KL/chosen_KL_mean': -779.475341796875, 'KL/rejected_KL_mean': -1328.653564453125, 'KL/mean': -1054.064453125, 'KL/std': 737.46728515625, 'logits/chosen': -1.1218140125274658, 'logits/rejected': -1.1801137924194336, 'epoch': 0.94} 94%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 637/681 [26:52<01:52, 2.56s/it] 94%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 638/681 [26:55<01:53, 2.63s/it] {'loss': 1.1841, 'grad_norm': 34.85166931152344, 'learning_rate': 6.349874889624962e-09, 'fcm_dpo/beta': 0.0007319189608097076, 'fcm_dpo/q_t': 0.4225819408893585, 'fcm_dpo/delta': -0.07822597026824951, 'fcm_dpo/margin': 429.8195495605469, 'margin_dpo/margin_mean': 429.8195495605469, 'margin_dpo/margin_std': 802.29248046875, 'logps/chosen': -820.14306640625, 'logps/rejected': -1271.107421875, 'logps/ref_chosen': -58.156639099121094, 'logps/ref_rejected': -79.3014907836914, 'KL/chosen_KL_mean': -761.9863891601562, 'KL/rejected_KL_mean': -1191.8060302734375, 'KL/mean': -976.8961791992188, 'KL/std': 677.3199462890625, 'logits/chosen': -0.981365978717804, 'logits/rejected': -0.9689379334449768, 'epoch': 0.94} 94%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 638/681 [26:55<01:53, 2.63s/it] 94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 639/681 [26:58<01:50, 2.64s/it] {'loss': 1.3672, 'grad_norm': 120.29761505126953, 'learning_rate': 6.065683776815933e-09, 'fcm_dpo/beta': 0.0007261935388669372, 'fcm_dpo/q_t': 0.47418278455734253, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 156.26809692382812, 'margin_dpo/margin_mean': 156.26809692382812, 'margin_dpo/margin_std': 847.606201171875, 'logps/chosen': -1145.8983154296875, 'logps/rejected': -1304.1181640625, 'logps/ref_chosen': -72.32319641113281, 'logps/ref_rejected': -74.2749252319336, 'KL/chosen_KL_mean': -1073.5750732421875, 'KL/rejected_KL_mean': -1229.84326171875, 'KL/mean': -1151.7091064453125, 'KL/std': 669.1240844726562, 'logits/chosen': -0.9551519155502319, 'logits/rejected': -0.8928138017654419, 'epoch': 0.94} 94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 639/681 [26:58<01:50, 2.64s/it] 94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 640/681 [27:01<01:47, 2.63s/it] {'loss': 1.0819, 'grad_norm': 35.442649841308594, 'learning_rate': 5.7879205600998296e-09, 'fcm_dpo/beta': 0.0007176444632932544, 'fcm_dpo/q_t': 0.40179121494293213, 'fcm_dpo/delta': -0.10362177342176437, 'fcm_dpo/margin': 625.7607421875, 'margin_dpo/margin_mean': 625.7606201171875, 'margin_dpo/margin_std': 917.645751953125, 'logps/chosen': -852.056884765625, 'logps/rejected': -1530.283447265625, 'logps/ref_chosen': -56.13436508178711, 'logps/ref_rejected': -108.60014343261719, 'KL/chosen_KL_mean': -795.9225463867188, 'KL/rejected_KL_mean': -1421.683349609375, 'KL/mean': -1108.8028564453125, 'KL/std': 764.7296752929688, 'logits/chosen': -0.9908477663993835, 'logits/rejected': -1.0309135913848877, 'epoch': 0.94} 94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 640/681 [27:01<01:47, 2.63s/it] 94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 641/681 [27:03<01:44, 2.61s/it] {'loss': 1.1919, 'grad_norm': 29.970199584960938, 'learning_rate': 5.516592558795746e-09, 'fcm_dpo/beta': 0.000714754918590188, 'fcm_dpo/q_t': 0.43139177560806274, 'fcm_dpo/delta': 0.04476023092865944, 'fcm_dpo/margin': 428.99371337890625, 'margin_dpo/margin_mean': 428.99371337890625, 'margin_dpo/margin_std': 868.6700439453125, 'logps/chosen': -982.5596313476562, 'logps/rejected': -1433.548828125, 'logps/ref_chosen': -64.99689483642578, 'logps/ref_rejected': -86.99232482910156, 'KL/chosen_KL_mean': -917.562744140625, 'KL/rejected_KL_mean': -1346.556396484375, 'KL/mean': -1132.0595703125, 'KL/std': 655.5465087890625, 'logits/chosen': -1.057366132736206, 'logits/rejected': -1.0727591514587402, 'epoch': 0.94} 94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 641/681 [27:03<01:44, 2.61s/it] 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 642/681 [27:06<01:40, 2.58s/it] {'loss': 1.1715, 'grad_norm': 37.84080505371094, 'learning_rate': 5.251706922648868e-09, 'fcm_dpo/beta': 0.0007182994158938527, 'fcm_dpo/q_t': 0.42391371726989746, 'fcm_dpo/delta': -0.01912054233253002, 'fcm_dpo/margin': 512.6249389648438, 'margin_dpo/margin_mean': 512.625, 'margin_dpo/margin_std': 1061.2357177734375, 'logps/chosen': -945.8941650390625, 'logps/rejected': -1503.0718994140625, 'logps/ref_chosen': -65.68924713134766, 'logps/ref_rejected': -110.24205017089844, 'KL/chosen_KL_mean': -880.2049560546875, 'KL/rejected_KL_mean': -1392.829833984375, 'KL/mean': -1136.517333984375, 'KL/std': 870.1756591796875, 'logits/chosen': -0.9898715019226074, 'logits/rejected': -1.0340471267700195, 'epoch': 0.94} 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 642/681 [27:06<01:40, 2.58s/it] 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 643/681 [27:08<01:39, 2.61s/it] {'loss': 1.1891, 'grad_norm': 34.36274719238281, 'learning_rate': 4.993270631642038e-09, 'fcm_dpo/beta': 0.0007112710736691952, 'fcm_dpo/q_t': 0.43726229667663574, 'fcm_dpo/delta': -0.025832796469330788, 'fcm_dpo/margin': 374.35943603515625, 'margin_dpo/margin_mean': 374.3594665527344, 'margin_dpo/margin_std': 623.792724609375, 'logps/chosen': -848.3587036132812, 'logps/rejected': -1258.236572265625, 'logps/ref_chosen': -51.94999694824219, 'logps/ref_rejected': -87.46833801269531, 'KL/chosen_KL_mean': -796.40869140625, 'KL/rejected_KL_mean': -1170.7681884765625, 'KL/mean': -983.58837890625, 'KL/std': 615.07666015625, 'logits/chosen': -1.1126079559326172, 'logits/rejected': -1.1123908758163452, 'epoch': 0.94} 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 643/681 [27:08<01:39, 2.61s/it] 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 644/681 [27:11<01:36, 2.60s/it] {'loss': 1.2172, 'grad_norm': 47.92481231689453, 'learning_rate': 4.741290495811873e-09, 'fcm_dpo/beta': 0.0007180780521593988, 'fcm_dpo/q_t': 0.43679407238960266, 'fcm_dpo/delta': 0.0694977343082428, 'fcm_dpo/margin': 393.4239807128906, 'margin_dpo/margin_mean': 393.4239501953125, 'margin_dpo/margin_std': 875.6864013671875, 'logps/chosen': -849.1109619140625, 'logps/rejected': -1270.654052734375, 'logps/ref_chosen': -59.017662048339844, 'logps/ref_rejected': -87.13668823242188, 'KL/chosen_KL_mean': -790.0933227539062, 'KL/rejected_KL_mean': -1183.517333984375, 'KL/mean': -986.8052978515625, 'KL/std': 741.110107421875, 'logits/chosen': -1.0378338098526, 'logits/rejected': -1.0484693050384521, 'epoch': 0.95} 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 644/681 [27:11<01:36, 2.60s/it] 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 645/681 [27:13<01:33, 2.61s/it] {'loss': 1.3404, 'grad_norm': 86.09916687011719, 'learning_rate': 4.495773155069299e-09, 'fcm_dpo/beta': 0.0007212264463305473, 'fcm_dpo/q_t': 0.47089576721191406, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 178.04962158203125, 'margin_dpo/margin_mean': 178.04962158203125, 'margin_dpo/margin_std': 762.8621826171875, 'logps/chosen': -879.1529541015625, 'logps/rejected': -1099.1072998046875, 'logps/ref_chosen': -55.87602233886719, 'logps/ref_rejected': -97.78080749511719, 'KL/chosen_KL_mean': -823.27685546875, 'KL/rejected_KL_mean': -1001.3265380859375, 'KL/mean': -912.3017578125, 'KL/std': 572.473876953125, 'logits/chosen': -1.0229761600494385, 'logits/rejected': -1.0112075805664062, 'epoch': 0.95} 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 645/681 [27:13<01:33, 2.61s/it] 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 646/681 [27:16<01:29, 2.55s/it] {'loss': 1.2275, 'grad_norm': 55.66950225830078, 'learning_rate': 4.256725079024553e-09, 'fcm_dpo/beta': 0.0007259917329065502, 'fcm_dpo/q_t': 0.4461080729961395, 'fcm_dpo/delta': 0.032927513122558594, 'fcm_dpo/margin': 321.35107421875, 'margin_dpo/margin_mean': 321.3511047363281, 'margin_dpo/margin_std': 680.1424560546875, 'logps/chosen': -842.2841796875, 'logps/rejected': -1179.865234375, 'logps/ref_chosen': -61.275787353515625, 'logps/ref_rejected': -77.50580596923828, 'KL/chosen_KL_mean': -781.0083618164062, 'KL/rejected_KL_mean': -1102.3594970703125, 'KL/mean': -941.683837890625, 'KL/std': 565.9122924804688, 'logits/chosen': -1.0636550188064575, 'logits/rejected': -1.0476542711257935, 'epoch': 0.95} 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 646/681 [27:16<01:29, 2.55s/it] 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 647/681 [27:19<01:27, 2.58s/it] {'loss': 1.1548, 'grad_norm': 27.29217529296875, 'learning_rate': 4.024152566816791e-09, 'fcm_dpo/beta': 0.0007311520748771727, 'fcm_dpo/q_t': 0.4280046820640564, 'fcm_dpo/delta': 0.04510268568992615, 'fcm_dpo/margin': 418.8743896484375, 'margin_dpo/margin_mean': 418.8743896484375, 'margin_dpo/margin_std': 625.203857421875, 'logps/chosen': -735.2469482421875, 'logps/rejected': -1192.788330078125, 'logps/ref_chosen': -54.8524169921875, 'logps/ref_rejected': -93.5194091796875, 'KL/chosen_KL_mean': -680.39453125, 'KL/rejected_KL_mean': -1099.26904296875, 'KL/mean': -889.831787109375, 'KL/std': 623.091796875, 'logits/chosen': -0.9219083786010742, 'logits/rejected': -0.95496666431427, 'epoch': 0.95} 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 647/681 [27:19<01:27, 2.58s/it] 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 648/681 [27:21<01:22, 2.51s/it] {'loss': 1.0815, 'grad_norm': 25.925161361694336, 'learning_rate': 3.798061746947995e-09, 'fcm_dpo/beta': 0.0007215134100988507, 'fcm_dpo/q_t': 0.4019627571105957, 'fcm_dpo/delta': -0.10175478458404541, 'fcm_dpo/margin': 619.80419921875, 'margin_dpo/margin_mean': 619.80419921875, 'margin_dpo/margin_std': 915.1447143554688, 'logps/chosen': -790.7897338867188, 'logps/rejected': -1455.13525390625, 'logps/ref_chosen': -54.17146682739258, 'logps/ref_rejected': -98.7127914428711, 'KL/chosen_KL_mean': -736.6182861328125, 'KL/rejected_KL_mean': -1356.42236328125, 'KL/mean': -1046.520263671875, 'KL/std': 752.701904296875, 'logits/chosen': -1.08555269241333, 'logits/rejected': -1.1510529518127441, 'epoch': 0.95} 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 648/681 [27:21<01:22, 2.51s/it] 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 649/681 [27:24<01:22, 2.58s/it] {'loss': 1.2587, 'grad_norm': 27.51808738708496, 'learning_rate': 3.5784585771215235e-09, 'fcm_dpo/beta': 0.0007213630015030503, 'fcm_dpo/q_t': 0.4535311460494995, 'fcm_dpo/delta': 0.04922113195061684, 'fcm_dpo/margin': 294.419677734375, 'margin_dpo/margin_mean': 294.4196472167969, 'margin_dpo/margin_std': 746.974853515625, 'logps/chosen': -846.8512573242188, 'logps/rejected': -1158.86767578125, 'logps/ref_chosen': -62.480350494384766, 'logps/ref_rejected': -80.07717895507812, 'KL/chosen_KL_mean': -784.3709106445312, 'KL/rejected_KL_mean': -1078.79052734375, 'KL/mean': -931.5806884765625, 'KL/std': 599.5159301757812, 'logits/chosen': -1.1117441654205322, 'logits/rejected': -1.1074135303497314, 'epoch': 0.95} 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 649/681 [27:24<01:22, 2.58s/it] 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 650/681 [27:26<01:20, 2.59s/it] {'loss': 1.175, 'grad_norm': 36.681617736816406, 'learning_rate': 3.3653488440851253e-09, 'fcm_dpo/beta': 0.0007260285783559084, 'fcm_dpo/q_t': 0.4258856177330017, 'fcm_dpo/delta': 0.021617352962493896, 'fcm_dpo/margin': 453.2508544921875, 'margin_dpo/margin_mean': 453.2508544921875, 'margin_dpo/margin_std': 861.7562255859375, 'logps/chosen': -894.2857666015625, 'logps/rejected': -1389.708740234375, 'logps/ref_chosen': -56.09281921386719, 'logps/ref_rejected': -98.26483917236328, 'KL/chosen_KL_mean': -838.1929931640625, 'KL/rejected_KL_mean': -1291.44384765625, 'KL/mean': -1064.818359375, 'KL/std': 749.1234130859375, 'logits/chosen': -1.0278213024139404, 'logits/rejected': -1.050445795059204, 'epoch': 0.95} 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 650/681 [27:26<01:20, 2.59s/it] 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 651/681 [27:29<01:17, 2.57s/it] {'loss': 1.055, 'grad_norm': 39.13344955444336, 'learning_rate': 3.158738163478475e-09, 'fcm_dpo/beta': 0.0007174712372943759, 'fcm_dpo/q_t': 0.39922603964805603, 'fcm_dpo/delta': -0.09204652160406113, 'fcm_dpo/margin': 610.3588256835938, 'margin_dpo/margin_mean': 610.3587646484375, 'margin_dpo/margin_std': 714.5980224609375, 'logps/chosen': -593.104736328125, 'logps/rejected': -1259.99609375, 'logps/ref_chosen': -43.42544937133789, 'logps/ref_rejected': -99.95791625976562, 'KL/chosen_KL_mean': -549.6793212890625, 'KL/rejected_KL_mean': -1160.0380859375, 'KL/mean': -854.8587036132812, 'KL/std': 682.4044799804688, 'logits/chosen': -1.0335227251052856, 'logits/rejected': -1.0952156782150269, 'epoch': 0.96} 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 651/681 [27:29<01:17, 2.57s/it] 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 652/681 [27:31<01:14, 2.57s/it] {'loss': 1.1698, 'grad_norm': 38.71635818481445, 'learning_rate': 2.9586319796851555e-09, 'fcm_dpo/beta': 0.0007186533184722066, 'fcm_dpo/q_t': 0.42639029026031494, 'fcm_dpo/delta': 0.0274675115942955, 'fcm_dpo/margin': 449.94110107421875, 'margin_dpo/margin_mean': 449.941162109375, 'margin_dpo/margin_std': 828.396240234375, 'logps/chosen': -770.7603759765625, 'logps/rejected': -1269.8924560546875, 'logps/ref_chosen': -62.57680892944336, 'logps/ref_rejected': -111.76779174804688, 'KL/chosen_KL_mean': -708.1835327148438, 'KL/rejected_KL_mean': -1158.1246337890625, 'KL/mean': -933.1541137695312, 'KL/std': 705.0360107421875, 'logits/chosen': -1.0511879920959473, 'logits/rejected': -1.0809803009033203, 'epoch': 0.96} 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 652/681 [27:31<01:14, 2.57s/it] 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 653/681 [27:34<01:11, 2.54s/it] {'loss': 1.1733, 'grad_norm': 38.670223236083984, 'learning_rate': 2.7650355656892166e-09, 'fcm_dpo/beta': 0.0007236155215650797, 'fcm_dpo/q_t': 0.4294109344482422, 'fcm_dpo/delta': 0.03713195025920868, 'fcm_dpo/margin': 433.8730773925781, 'margin_dpo/margin_mean': 433.8730773925781, 'margin_dpo/margin_std': 794.478271484375, 'logps/chosen': -932.16162109375, 'logps/rejected': -1408.17138671875, 'logps/ref_chosen': -61.11295700073242, 'logps/ref_rejected': -103.24960327148438, 'KL/chosen_KL_mean': -871.048583984375, 'KL/rejected_KL_mean': -1304.921630859375, 'KL/mean': -1087.985107421875, 'KL/std': 736.3079833984375, 'logits/chosen': -1.1091747283935547, 'logits/rejected': -1.138980746269226, 'epoch': 0.96} 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 653/681 [27:34<01:11, 2.54s/it] 96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 654/681 [27:36<01:08, 2.55s/it] {'loss': 1.1781, 'grad_norm': 37.371498107910156, 'learning_rate': 2.577954022936174e-09, 'fcm_dpo/beta': 0.0007300974684767425, 'fcm_dpo/q_t': 0.4334927797317505, 'fcm_dpo/delta': 0.05611284077167511, 'fcm_dpo/margin': 404.8092041015625, 'margin_dpo/margin_mean': 404.8092346191406, 'margin_dpo/margin_std': 726.0567626953125, 'logps/chosen': -841.6719970703125, 'logps/rejected': -1283.5269775390625, 'logps/ref_chosen': -61.7281379699707, 'logps/ref_rejected': -98.7738037109375, 'KL/chosen_KL_mean': -779.94384765625, 'KL/rejected_KL_mean': -1184.753173828125, 'KL/mean': -982.3485107421875, 'KL/std': 596.6171875, 'logits/chosen': -1.0734694004058838, 'logits/rejected': -1.092237949371338, 'epoch': 0.96} 96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 654/681 [27:36<01:08, 2.55s/it] 96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 655/681 [27:39<01:05, 2.52s/it] {'loss': 1.166, 'grad_norm': 30.014909744262695, 'learning_rate': 2.397392281198729e-09, 'fcm_dpo/beta': 0.0007367508951574564, 'fcm_dpo/q_t': 0.4289171099662781, 'fcm_dpo/delta': 0.03962551802396774, 'fcm_dpo/margin': 422.9373779296875, 'margin_dpo/margin_mean': 422.9373779296875, 'margin_dpo/margin_std': 725.2291259765625, 'logps/chosen': -773.984375, 'logps/rejected': -1245.63671875, 'logps/ref_chosen': -49.576812744140625, 'logps/ref_rejected': -98.29183197021484, 'KL/chosen_KL_mean': -724.4075317382812, 'KL/rejected_KL_mean': -1147.344970703125, 'KL/mean': -935.876220703125, 'KL/std': 602.5899658203125, 'logits/chosen': -1.055437684059143, 'logits/rejected': -1.1015443801879883, 'epoch': 0.96} 96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 655/681 [27:39<01:05, 2.52s/it] 96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 656/681 [27:42<01:04, 2.58s/it] {'loss': 1.0025, 'grad_norm': 68.15776824951172, 'learning_rate': 2.223355098446622e-09, 'fcm_dpo/beta': 0.0007195958169177175, 'fcm_dpo/q_t': 0.3803486227989197, 'fcm_dpo/delta': -0.1939731240272522, 'fcm_dpo/margin': 742.10302734375, 'margin_dpo/margin_mean': 742.10302734375, 'margin_dpo/margin_std': 839.2947998046875, 'logps/chosen': -831.75830078125, 'logps/rejected': -1634.986572265625, 'logps/ref_chosen': -52.54943084716797, 'logps/ref_rejected': -113.67464447021484, 'KL/chosen_KL_mean': -779.2088623046875, 'KL/rejected_KL_mean': -1521.31201171875, 'KL/mean': -1150.2603759765625, 'KL/std': 814.0103759765625, 'logits/chosen': -0.9589822888374329, 'logits/rejected': -1.0362895727157593, 'epoch': 0.96} 96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 656/681 [27:42<01:04, 2.58s/it] 96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 657/681 [27:44<00:59, 2.47s/it] {'loss': 1.0879, 'grad_norm': 41.26325225830078, 'learning_rate': 2.055847060721566e-09, 'fcm_dpo/beta': 0.00070092489477247, 'fcm_dpo/q_t': 0.4036826491355896, 'fcm_dpo/delta': -0.07597053050994873, 'fcm_dpo/margin': 602.922119140625, 'margin_dpo/margin_mean': 602.922119140625, 'margin_dpo/margin_std': 850.9063720703125, 'logps/chosen': -781.7461547851562, 'logps/rejected': -1435.882568359375, 'logps/ref_chosen': -46.700538635253906, 'logps/ref_rejected': -97.91487121582031, 'KL/chosen_KL_mean': -735.045654296875, 'KL/rejected_KL_mean': -1337.9677734375, 'KL/mean': -1036.506591796875, 'KL/std': 803.0293579101562, 'logits/chosen': -1.0972576141357422, 'logits/rejected': -1.155198335647583, 'epoch': 0.96} 96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 657/681 [27:44<00:59, 2.47s/it] 97%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 658/681 [27:46<00:55, 2.43s/it] {'loss': 1.1446, 'grad_norm': 35.22886276245117, 'learning_rate': 1.8948725820160662e-09, 'fcm_dpo/beta': 0.0006991151021793485, 'fcm_dpo/q_t': 0.42443007230758667, 'fcm_dpo/delta': 0.02827742137014866, 'fcm_dpo/margin': 461.10272216796875, 'margin_dpo/margin_mean': 461.10272216796875, 'margin_dpo/margin_std': 672.0286865234375, 'logps/chosen': -829.9449462890625, 'logps/rejected': -1326.02880859375, 'logps/ref_chosen': -60.95820999145508, 'logps/ref_rejected': -95.93949127197266, 'KL/chosen_KL_mean': -768.9866943359375, 'KL/rejected_KL_mean': -1230.08935546875, 'KL/mean': -999.5380249023438, 'KL/std': 592.4909057617188, 'logits/chosen': -1.0550436973571777, 'logits/rejected': -1.0875539779663086, 'epoch': 0.97} 97%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 658/681 [27:46<00:55, 2.43s/it] 97%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 659/681 [27:49<00:55, 2.51s/it] {'loss': 1.1443, 'grad_norm': 35.09855270385742, 'learning_rate': 1.7404359041573723e-09, 'fcm_dpo/beta': 0.0007049725973047316, 'fcm_dpo/q_t': 0.4260675311088562, 'fcm_dpo/delta': 0.0305656585842371, 'fcm_dpo/margin': 454.4694519042969, 'margin_dpo/margin_mean': 454.469482421875, 'margin_dpo/margin_std': 673.2275390625, 'logps/chosen': -791.1419067382812, 'logps/rejected': -1256.33935546875, 'logps/ref_chosen': -76.74298095703125, 'logps/ref_rejected': -87.4709701538086, 'KL/chosen_KL_mean': -714.39892578125, 'KL/rejected_KL_mean': -1168.868408203125, 'KL/mean': -941.6336059570312, 'KL/std': 622.14306640625, 'logits/chosen': -0.985196053981781, 'logits/rejected': -0.9553881883621216, 'epoch': 0.97} 97%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 659/681 [27:49<00:55, 2.51s/it] 97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 660/681 [27:51<00:51, 2.48s/it] {'loss': 1.0847, 'grad_norm': 43.428226470947266, 'learning_rate': 1.592541096695571e-09, 'fcm_dpo/beta': 0.0007018651231192052, 'fcm_dpo/q_t': 0.4052135944366455, 'fcm_dpo/delta': -0.0636008009314537, 'fcm_dpo/margin': 585.63037109375, 'margin_dpo/margin_mean': 585.63037109375, 'margin_dpo/margin_std': 770.469970703125, 'logps/chosen': -801.5162963867188, 'logps/rejected': -1404.058837890625, 'logps/ref_chosen': -59.04788589477539, 'logps/ref_rejected': -75.96005249023438, 'KL/chosen_KL_mean': -742.4683837890625, 'KL/rejected_KL_mean': -1328.0987548828125, 'KL/mean': -1035.2835693359375, 'KL/std': 711.6279296875, 'logits/chosen': -1.0797405242919922, 'logits/rejected': -1.1055940389633179, 'epoch': 0.97} 97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 660/681 [27:51<00:51, 2.48s/it] 97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 661/681 [27:53<00:47, 2.38s/it] {'loss': 1.112, 'grad_norm': 36.02547836303711, 'learning_rate': 1.4511920567963908e-09, 'fcm_dpo/beta': 0.0006977942539379001, 'fcm_dpo/q_t': 0.4161611795425415, 'fcm_dpo/delta': -0.03203122317790985, 'fcm_dpo/margin': 545.5327758789062, 'margin_dpo/margin_mean': 545.5327758789062, 'margin_dpo/margin_std': 835.273681640625, 'logps/chosen': -713.9181518554688, 'logps/rejected': -1294.7825927734375, 'logps/ref_chosen': -50.673973083496094, 'logps/ref_rejected': -86.00569152832031, 'KL/chosen_KL_mean': -663.244140625, 'KL/rejected_KL_mean': -1208.77685546875, 'KL/mean': -936.0105590820312, 'KL/std': 813.6663818359375, 'logits/chosen': -1.0755589008331299, 'logits/rejected': -1.100312352180481, 'epoch': 0.97} 97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 661/681 [27:53<00:47, 2.38s/it] 97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 662/681 [27:56<00:48, 2.55s/it] {'loss': 1.1959, 'grad_norm': 26.648513793945312, 'learning_rate': 1.3163925091384532e-09, 'fcm_dpo/beta': 0.0007006356026977301, 'fcm_dpo/q_t': 0.4345260560512543, 'fcm_dpo/delta': 0.06537885963916779, 'fcm_dpo/margin': 408.9425048828125, 'margin_dpo/margin_mean': 408.9425048828125, 'margin_dpo/margin_std': 810.3031005859375, 'logps/chosen': -847.20556640625, 'logps/rejected': -1275.94287109375, 'logps/ref_chosen': -69.26106262207031, 'logps/ref_rejected': -89.05593872070312, 'KL/chosen_KL_mean': -777.9444580078125, 'KL/rejected_KL_mean': -1186.886962890625, 'KL/mean': -982.4157104492188, 'KL/std': 655.0043334960938, 'logits/chosen': -1.0024073123931885, 'logits/rejected': -1.0070304870605469, 'epoch': 0.97} 97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 662/681 [27:56<00:48, 2.55s/it] 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 663/681 [27:59<00:47, 2.64s/it] {'loss': 1.1439, 'grad_norm': 25.236740112304688, 'learning_rate': 1.1881460058152382e-09, 'fcm_dpo/beta': 0.000701136770658195, 'fcm_dpo/q_t': 0.42002010345458984, 'fcm_dpo/delta': -0.009660286828875542, 'fcm_dpo/margin': 512.3773193359375, 'margin_dpo/margin_mean': 512.3772583007812, 'margin_dpo/margin_std': 886.00927734375, 'logps/chosen': -799.17724609375, 'logps/rejected': -1360.60107421875, 'logps/ref_chosen': -64.87890625, 'logps/ref_rejected': -113.92536926269531, 'KL/chosen_KL_mean': -734.29833984375, 'KL/rejected_KL_mean': -1246.6756591796875, 'KL/mean': -990.4869995117188, 'KL/std': 746.890625, 'logits/chosen': -1.055614709854126, 'logits/rejected': -1.0850775241851807, 'epoch': 0.97} 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 663/681 [27:59<00:47, 2.64s/it] 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 664/681 [28:02<00:44, 2.63s/it] {'loss': 1.1093, 'grad_norm': 27.388290405273438, 'learning_rate': 1.066455926241383e-09, 'fcm_dpo/beta': 0.0006953716510906816, 'fcm_dpo/q_t': 0.41181105375289917, 'fcm_dpo/delta': -0.04308585077524185, 'fcm_dpo/margin': 562.4410400390625, 'margin_dpo/margin_mean': 562.4410400390625, 'margin_dpo/margin_std': 830.4803466796875, 'logps/chosen': -868.0142211914062, 'logps/rejected': -1475.088623046875, 'logps/ref_chosen': -60.88847351074219, 'logps/ref_rejected': -105.521728515625, 'KL/chosen_KL_mean': -807.125732421875, 'KL/rejected_KL_mean': -1369.56689453125, 'KL/mean': -1088.34619140625, 'KL/std': 771.4961547851562, 'logits/chosen': -1.0791889429092407, 'logits/rejected': -1.1189603805541992, 'epoch': 0.98} 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 664/681 [28:02<00:44, 2.63s/it] 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 665/681 [28:04<00:40, 2.55s/it] {'loss': 1.1244, 'grad_norm': 50.124088287353516, 'learning_rate': 9.513254770636137e-10, 'fcm_dpo/beta': 0.0006976306904107332, 'fcm_dpo/q_t': 0.42177683115005493, 'fcm_dpo/delta': 0.017594607546925545, 'fcm_dpo/margin': 477.3204345703125, 'margin_dpo/margin_mean': 477.3204345703125, 'margin_dpo/margin_std': 607.7765502929688, 'logps/chosen': -745.8190307617188, 'logps/rejected': -1247.384033203125, 'logps/ref_chosen': -60.56413269042969, 'logps/ref_rejected': -84.80882263183594, 'KL/chosen_KL_mean': -685.2548828125, 'KL/rejected_KL_mean': -1162.5753173828125, 'KL/mean': -923.9151000976562, 'KL/std': 609.5552368164062, 'logits/chosen': -1.1326605081558228, 'logits/rejected': -1.160711646080017, 'epoch': 0.98} 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 665/681 [28:04<00:40, 2.55s/it] 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 666/681 [28:07<00:39, 2.61s/it] {'loss': 1.1399, 'grad_norm': 30.830541610717773, 'learning_rate': 8.427576920763956e-10, 'fcm_dpo/beta': 0.0006999197648838162, 'fcm_dpo/q_t': 0.4240819215774536, 'fcm_dpo/delta': 0.019781440496444702, 'fcm_dpo/margin': 472.7351379394531, 'margin_dpo/margin_mean': 472.73516845703125, 'margin_dpo/margin_std': 689.4872436523438, 'logps/chosen': -787.1927490234375, 'logps/rejected': -1291.3995361328125, 'logps/ref_chosen': -64.41996002197266, 'logps/ref_rejected': -95.8916244506836, 'KL/chosen_KL_mean': -722.7728271484375, 'KL/rejected_KL_mean': -1195.5078125, 'KL/mean': -959.1403198242188, 'KL/std': 615.6036376953125, 'logits/chosen': -0.9478716254234314, 'logits/rejected': -0.9615623950958252, 'epoch': 0.98} 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 666/681 [28:07<00:39, 2.61s/it] 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 667/681 [28:09<00:36, 2.61s/it] {'loss': 1.1057, 'grad_norm': 36.62522506713867, 'learning_rate': 7.407554321417764e-10, 'fcm_dpo/beta': 0.0006951624527573586, 'fcm_dpo/q_t': 0.4112476706504822, 'fcm_dpo/delta': -0.037639595568180084, 'fcm_dpo/margin': 555.1390380859375, 'margin_dpo/margin_mean': 555.1390380859375, 'margin_dpo/margin_std': 778.8447875976562, 'logps/chosen': -928.4303588867188, 'logps/rejected': -1502.1279296875, 'logps/ref_chosen': -69.27702331542969, 'logps/ref_rejected': -87.83549499511719, 'KL/chosen_KL_mean': -859.1533203125, 'KL/rejected_KL_mean': -1414.29248046875, 'KL/mean': -1136.722900390625, 'KL/std': 699.344482421875, 'logits/chosen': -0.9919800758361816, 'logits/rejected': -0.995948076248169, 'epoch': 0.98} 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 667/681 [28:10<00:36, 2.61s/it] 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 668/681 [28:12<00:34, 2.62s/it] {'loss': 1.2243, 'grad_norm': 48.40626525878906, 'learning_rate': 6.453213851142225e-10, 'fcm_dpo/beta': 0.0006961192702874541, 'fcm_dpo/q_t': 0.4404904246330261, 'fcm_dpo/delta': 0.003592910710722208, 'fcm_dpo/margin': 384.0690002441406, 'margin_dpo/margin_mean': 384.0690002441406, 'margin_dpo/margin_std': 874.9485473632812, 'logps/chosen': -962.9453125, 'logps/rejected': -1378.1494140625, 'logps/ref_chosen': -72.60400390625, 'logps/ref_rejected': -103.73905944824219, 'KL/chosen_KL_mean': -890.34130859375, 'KL/rejected_KL_mean': -1274.4102783203125, 'KL/mean': -1082.375732421875, 'KL/std': 727.134765625, 'logits/chosen': -1.0494754314422607, 'logits/rejected': -1.0595271587371826, 'epoch': 0.98} 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 668/681 [28:12<00:34, 2.62s/it] 98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 669/681 [28:15<00:31, 2.64s/it] {'loss': 1.101, 'grad_norm': 26.838964462280273, 'learning_rate': 5.564580657695939e-10, 'fcm_dpo/beta': 0.000693183159455657, 'fcm_dpo/q_t': 0.4098045825958252, 'fcm_dpo/delta': -0.04167580232024193, 'fcm_dpo/margin': 562.7136840820312, 'margin_dpo/margin_mean': 562.7137451171875, 'margin_dpo/margin_std': 774.2056884765625, 'logps/chosen': -725.7578125, 'logps/rejected': -1320.279541015625, 'logps/ref_chosen': -46.116416931152344, 'logps/ref_rejected': -77.92434692382812, 'KL/chosen_KL_mean': -679.6414184570312, 'KL/rejected_KL_mean': -1242.3551025390625, 'KL/mean': -960.998291015625, 'KL/std': 686.39013671875, 'logits/chosen': -1.047389268875122, 'logits/rejected': -1.0622926950454712, 'epoch': 0.98} 98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 669/681 [28:15<00:31, 2.64s/it] 98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 670/681 [28:17<00:28, 2.63s/it] {'loss': 1.1056, 'grad_norm': 25.038528442382812, 'learning_rate': 4.741678157389739e-10, 'fcm_dpo/beta': 0.0006895088008604944, 'fcm_dpo/q_t': 0.41115692257881165, 'fcm_dpo/delta': -0.03472786396741867, 'fcm_dpo/margin': 555.849853515625, 'margin_dpo/margin_mean': 555.849853515625, 'margin_dpo/margin_std': 760.0970458984375, 'logps/chosen': -712.2504272460938, 'logps/rejected': -1302.695068359375, 'logps/ref_chosen': -62.34575271606445, 'logps/ref_rejected': -96.9405517578125, 'KL/chosen_KL_mean': -649.9046630859375, 'KL/rejected_KL_mean': -1205.754638671875, 'KL/mean': -927.82958984375, 'KL/std': 644.1104736328125, 'logits/chosen': -0.946910560131073, 'logits/rejected': -0.9696442484855652, 'epoch': 0.98} 98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 670/681 [28:17<00:28, 2.63s/it] 99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 671/681 [28:20<00:25, 2.54s/it] {'loss': 1.1821, 'grad_norm': 30.275554656982422, 'learning_rate': 3.9845280344705245e-10, 'fcm_dpo/beta': 0.0006929665105417371, 'fcm_dpo/q_t': 0.4280014634132385, 'fcm_dpo/delta': 0.044294700026512146, 'fcm_dpo/margin': 442.4765625, 'margin_dpo/margin_mean': 442.4765625, 'margin_dpo/margin_std': 831.6336669921875, 'logps/chosen': -892.8157958984375, 'logps/rejected': -1371.111572265625, 'logps/ref_chosen': -48.00010681152344, 'logps/ref_rejected': -83.81932067871094, 'KL/chosen_KL_mean': -844.815673828125, 'KL/rejected_KL_mean': -1287.292236328125, 'KL/mean': -1066.053955078125, 'KL/std': 671.5584716796875, 'logits/chosen': -1.0639939308166504, 'logits/rejected': -1.0980405807495117, 'epoch': 0.99} 99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 671/681 [28:20<00:25, 2.54s/it] 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 672/681 [28:22<00:22, 2.53s/it] {'loss': 1.1798, 'grad_norm': 48.789405822753906, 'learning_rate': 3.293150240547549e-10, 'fcm_dpo/beta': 0.0006937608122825623, 'fcm_dpo/q_t': 0.4287392497062683, 'fcm_dpo/delta': 0.0343257300555706, 'fcm_dpo/margin': 456.5320129394531, 'margin_dpo/margin_mean': 456.5320129394531, 'margin_dpo/margin_std': 864.0927124023438, 'logps/chosen': -979.968505859375, 'logps/rejected': -1471.057373046875, 'logps/ref_chosen': -58.58328628540039, 'logps/ref_rejected': -93.14015197753906, 'KL/chosen_KL_mean': -921.38525390625, 'KL/rejected_KL_mean': -1377.9171142578125, 'KL/mean': -1149.651123046875, 'KL/std': 785.9630737304688, 'logits/chosen': -1.1506716012954712, 'logits/rejected': -1.1607093811035156, 'epoch': 0.99} 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 672/681 [28:22<00:22, 2.53s/it] 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 673/681 [28:25<00:19, 2.46s/it] {'loss': 1.1744, 'grad_norm': 23.517154693603516, 'learning_rate': 2.6675629940689504e-10, 'fcm_dpo/beta': 0.0007023122161626816, 'fcm_dpo/q_t': 0.4328360855579376, 'fcm_dpo/delta': 0.05732039362192154, 'fcm_dpo/margin': 419.1728210449219, 'margin_dpo/margin_mean': 419.1728515625, 'margin_dpo/margin_std': 737.906982421875, 'logps/chosen': -856.7362060546875, 'logps/rejected': -1314.4820556640625, 'logps/ref_chosen': -46.72320556640625, 'logps/ref_rejected': -85.29623413085938, 'KL/chosen_KL_mean': -810.012939453125, 'KL/rejected_KL_mean': -1229.185791015625, 'KL/mean': -1019.599365234375, 'KL/std': 655.4266357421875, 'logits/chosen': -1.093796968460083, 'logits/rejected': -1.101298451423645, 'epoch': 0.99} 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 673/681 [28:25<00:19, 2.46s/it] 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 674/681 [28:27<00:17, 2.57s/it] {'loss': 1.1079, 'grad_norm': 31.608436584472656, 'learning_rate': 2.1077827798404725e-10, 'fcm_dpo/beta': 0.0007032062858343124, 'fcm_dpo/q_t': 0.4136511981487274, 'fcm_dpo/delta': -0.033593274652957916, 'fcm_dpo/margin': 543.5691528320312, 'margin_dpo/margin_mean': 543.5691528320312, 'margin_dpo/margin_std': 769.9119873046875, 'logps/chosen': -714.25, 'logps/rejected': -1282.41943359375, 'logps/ref_chosen': -45.445526123046875, 'logps/ref_rejected': -70.04593658447266, 'KL/chosen_KL_mean': -668.804443359375, 'KL/rejected_KL_mean': -1212.37353515625, 'KL/mean': -940.5889892578125, 'KL/std': 636.3111572265625, 'logits/chosen': -0.9837385416030884, 'logits/rejected': -1.0068650245666504, 'epoch': 0.99} 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 674/681 [28:27<00:17, 2.57s/it] 99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 675/681 [28:30<00:15, 2.53s/it] {'loss': 1.1111, 'grad_norm': 27.629240036010742, 'learning_rate': 1.6138243485910863e-10, 'fcm_dpo/beta': 0.0006924683111719787, 'fcm_dpo/q_t': 0.4143555462360382, 'fcm_dpo/delta': -0.0319318063557148, 'fcm_dpo/margin': 548.4915771484375, 'margin_dpo/margin_mean': 548.4916381835938, 'margin_dpo/margin_std': 764.034912109375, 'logps/chosen': -801.5743408203125, 'logps/rejected': -1379.981689453125, 'logps/ref_chosen': -44.17628479003906, 'logps/ref_rejected': -74.09197998046875, 'KL/chosen_KL_mean': -757.3980712890625, 'KL/rejected_KL_mean': -1305.8896484375, 'KL/mean': -1031.643798828125, 'KL/std': 698.0523681640625, 'logits/chosen': -1.0433604717254639, 'logits/rejected': -1.0594494342803955, 'epoch': 0.99} 99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 675/681 [28:30<00:15, 2.53s/it] 99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 676/681 [28:32<00:12, 2.55s/it] {'loss': 1.109, 'grad_norm': 33.126529693603516, 'learning_rate': 1.1857007165852472e-10, 'fcm_dpo/beta': 0.0006945295608602464, 'fcm_dpo/q_t': 0.4144228398799896, 'fcm_dpo/delta': -0.02236580289900303, 'fcm_dpo/margin': 534.9030151367188, 'margin_dpo/margin_mean': 534.9030151367188, 'margin_dpo/margin_std': 720.2886352539062, 'logps/chosen': -903.74658203125, 'logps/rejected': -1455.60986328125, 'logps/ref_chosen': -71.39852905273438, 'logps/ref_rejected': -88.3587646484375, 'KL/chosen_KL_mean': -832.3480834960938, 'KL/rejected_KL_mean': -1367.2510986328125, 'KL/mean': -1099.799560546875, 'KL/std': 692.36865234375, 'logits/chosen': -1.004886269569397, 'logits/rejected': -1.0242345333099365, 'epoch': 0.99} 99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 676/681 [28:32<00:12, 2.55s/it] 99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 677/681 [28:35<00:09, 2.48s/it] {'loss': 1.1378, 'grad_norm': 35.2880859375, 'learning_rate': 8.23423165278725e-11, 'fcm_dpo/beta': 0.0006902614841237664, 'fcm_dpo/q_t': 0.4213380217552185, 'fcm_dpo/delta': -0.012368248775601387, 'fcm_dpo/margin': 524.25390625, 'margin_dpo/margin_mean': 524.25390625, 'margin_dpo/margin_std': 882.9517822265625, 'logps/chosen': -883.2833862304688, 'logps/rejected': -1429.2364501953125, 'logps/ref_chosen': -56.527435302734375, 'logps/ref_rejected': -78.22654724121094, 'KL/chosen_KL_mean': -826.7559814453125, 'KL/rejected_KL_mean': -1351.010009765625, 'KL/mean': -1088.8828125, 'KL/std': 718.5059204101562, 'logits/chosen': -1.128098487854004, 'logits/rejected': -1.131150722503662, 'epoch': 0.99} 99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 677/681 [28:35<00:09, 2.48s/it] 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 678/681 [28:37<00:07, 2.45s/it] {'loss': 1.0853, 'grad_norm': 32.831016540527344, 'learning_rate': 5.270012410216185e-11, 'fcm_dpo/beta': 0.0006847955519333482, 'fcm_dpo/q_t': 0.40213915705680847, 'fcm_dpo/delta': -0.08993227779865265, 'fcm_dpo/margin': 636.6580810546875, 'margin_dpo/margin_mean': 636.6580200195312, 'margin_dpo/margin_std': 912.1826171875, 'logps/chosen': -727.5949096679688, 'logps/rejected': -1398.72314453125, 'logps/ref_chosen': -46.13447570800781, 'logps/ref_rejected': -80.60462951660156, 'KL/chosen_KL_mean': -681.46044921875, 'KL/rejected_KL_mean': -1318.118408203125, 'KL/mean': -999.7894287109375, 'KL/std': 790.3182983398438, 'logits/chosen': -1.0311408042907715, 'logits/rejected': -1.0793263912200928, 'epoch': 1.0} 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 678/681 [28:37<00:07, 2.45s/it] 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎| 679/681 [28:40<00:05, 2.54s/it] {'loss': 1.1832, 'grad_norm': 32.56108093261719, 'learning_rate': 2.9644275480772416e-11, 'fcm_dpo/beta': 0.000684911385178566, 'fcm_dpo/q_t': 0.43571871519088745, 'fcm_dpo/delta': 0.07099346816539764, 'fcm_dpo/margin': 410.34954833984375, 'margin_dpo/margin_mean': 410.3495178222656, 'margin_dpo/margin_std': 727.0447387695312, 'logps/chosen': -848.5069580078125, 'logps/rejected': -1285.15966796875, 'logps/ref_chosen': -50.294921875, 'logps/ref_rejected': -76.59813690185547, 'KL/chosen_KL_mean': -798.2120361328125, 'KL/rejected_KL_mean': -1208.5615234375, 'KL/mean': -1003.3867797851562, 'KL/std': 617.0496826171875, 'logits/chosen': -1.0531508922576904, 'logits/rejected': -1.048056960105896, 'epoch': 1.0} 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎| 679/681 [28:40<00:05, 2.54s/it] 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋| 680/681 [28:42<00:02, 2.54s/it] {'loss': 1.1149, 'grad_norm': 40.93464660644531, 'learning_rate': 1.31753782067201e-11, 'fcm_dpo/beta': 0.0006806158926337957, 'fcm_dpo/q_t': 0.4099177122116089, 'fcm_dpo/delta': -0.04249640554189682, 'fcm_dpo/margin': 573.349365234375, 'margin_dpo/margin_mean': 573.349365234375, 'margin_dpo/margin_std': 864.7239990234375, 'logps/chosen': -889.4732055664062, 'logps/rejected': -1498.291748046875, 'logps/ref_chosen': -76.91569519042969, 'logps/ref_rejected': -112.384765625, 'KL/chosen_KL_mean': -812.5574951171875, 'KL/rejected_KL_mean': -1385.906982421875, 'KL/mean': -1099.232177734375, 'KL/std': 805.0675659179688, 'logits/chosen': -1.0480668544769287, 'logits/rejected': -1.0822138786315918, 'epoch': 1.0} 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋| 680/681 [28:42<00:02, 2.54s/it] 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 681/681 [28:45<00:00, 2.53s/it] {'loss': 1.1847, 'grad_norm': 40.8109130859375, 'learning_rate': 3.2938662507808745e-12, 'fcm_dpo/beta': 0.0006794101791456342, 'fcm_dpo/q_t': 0.4326745867729187, 'fcm_dpo/delta': -0.042327266186475754, 'fcm_dpo/margin': 432.8468933105469, 'margin_dpo/margin_mean': 432.84686279296875, 'margin_dpo/margin_std': 766.4469604492188, 'logps/chosen': -880.03369140625, 'logps/rejected': -1340.481201171875, 'logps/ref_chosen': -60.957279205322266, 'logps/ref_rejected': -88.55797576904297, 'KL/chosen_KL_mean': -819.076416015625, 'KL/rejected_KL_mean': -1251.92333984375, 'KL/mean': -1035.499755859375, 'KL/std': 668.314697265625, 'logits/chosen': -1.1136659383773804, 'logits/rejected': -1.1350388526916504, 'epoch': 1.0} 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 681/681 [28:45<00:00, 2.53s/it][INFO|trainer.py:2681] 2026-04-28 11:59:28,920 >> Training completed. Do not forget to share your model on huggingface.co/models =) {'train_runtime': 1725.4575, 'train_samples_per_second': 25.268, 'train_steps_per_second': 0.395, 'train_loss': 1.1324475014612363, 'epoch': 1.0} 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 681/681 [28:45<00:00, 2.53s/it] 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 681/681 [28:45<00:00, 2.53s/it] ***** train metrics ***** epoch = 1.0 total_flos = 0GF train_loss = 1.1324 train_runtime = 0:28:45.45 train_samples = 43598 train_samples_per_second = 25.268 train_steps_per_second = 0.395 2026-04-28 11:59:28 - INFO - __main__ - *** Training complete *** 2026-04-28 11:59:28 - INFO - __main__ - *** Save model *** [INFO|configuration_utils.py:419] 2026-04-28 12:00:01,796 >> Configuration saved in /workspace/llama3-hh-new-dpo-hyperparamter-sweep/outputs/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924/config.json [INFO|configuration_utils.py:911] 2026-04-28 12:00:01,796 >> Configuration saved in /workspace/llama3-hh-new-dpo-hyperparamter-sweep/outputs/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924/generation_config.json [INFO|modeling_utils.py:3580] 2026-04-28 12:00:23,687 >> The model is bigger than the maximum size per checkpoint (5GB) and is going to be split in 7 checkpoint shards. You can find where each parameters has been saved in the index located at /workspace/llama3-hh-new-dpo-hyperparamter-sweep/outputs/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924/model.safetensors.index.json. [INFO|tokenization_utils_base.py:2510] 2026-04-28 12:00:23,690 >> tokenizer config file saved in /workspace/llama3-hh-new-dpo-hyperparamter-sweep/outputs/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924/tokenizer_config.json [INFO|tokenization_utils_base.py:2519] 2026-04-28 12:00:23,690 >> Special tokens file saved in /workspace/llama3-hh-new-dpo-hyperparamter-sweep/outputs/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924/special_tokens_map.json 2026-04-28 12:00:23 - INFO - __main__ - Saved HF-compatible model artifacts to /workspace/llama3-hh-new-dpo-hyperparamter-sweep/outputs/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924 [INFO|modelcard.py:450] 2026-04-28 12:00:25,872 >> Dropping the following result as it does not have all the necessary fields: {'dataset': {'name': 'Anthropic/hh-rlhf', 'type': 'Anthropic/hh-rlhf'}} [INFO|configuration_utils.py:419] 2026-04-28 12:00:25,874 >> Configuration saved in /workspace/llama3-hh-new-dpo-hyperparamter-sweep/outputs/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924/config.json 2026-04-28 12:00:25 - INFO - __main__ - Pushing to hub... 2026-04-28 12:00:25 - WARNING - __main__ - Skipping margin dataset upload: Repo id must use alphanumeric chars or '-', '_', '.', '--' and '..' are forbidden, '-' and '.' cannot start or end the name, max length is 96: 'W-61/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924-margin-log'. 2026-04-28 12:00:25 - WARNING - __main__ - Skipping margin dataset upload: Repo id must use alphanumeric chars or '-', '_', '.', '--' and '..' are forbidden, '-' and '.' cannot start or end the name, max length is 96: 'W-61/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924-margin-log'. 2026-04-28 12:00:25 - WARNING - __main__ - Skipping margin dataset upload: Repo id must use alphanumeric chars or '-', '_', '.', '--' and '..' are forbidden, '-' and '.' cannot start or end the name, max length is 96: 'W-61/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924-margin-log'. 2026-04-28 12:00:26 - INFO - __main__ - Uploading validated model artifacts from /workspace/llama3-hh-new-dpo-hyperparamter-sweep/outputs/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924 to W-61/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924 Traceback (most recent call last): File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/utils/_http.py", line 409, in hf_raise_for_status response.raise_for_status() File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/requests/models.py", line 1026, in raise_for_status raise HTTPError(http_error_msg, response=self) requests.exceptions.HTTPError: 400 Client Error: Bad Request for url: https://huggingface.co/api/validate-yaml The above exception was the direct cause of the following exception: Traceback (most recent call last): File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/hf_api.py", line 9565, in _validate_yaml hf_raise_for_status(response) File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/utils/_http.py", line 465, in hf_raise_for_status raise _format(BadRequestError, message, response) from e huggingface_hub.errors.BadRequestError: (Request ID: Root=1-69f0a15a-3b5a55034109133f694e31f5;1529a2b2-1770-4d37-b5a5-04355c8d5740) Bad request: "base_model" with value "/workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200" is not valid. Use a model id from https://hf.co/models. The above exception was the direct cause of the following exception: Traceback (most recent call last): File "/workspace/dynamic-dpo-v4/scripts/run_new_dpo.py", line 60, in main() File "/workspace/dynamic-dpo-v4/scripts/run_new_dpo.py", line 48, in main finalize_training( File "/workspace/dynamic-dpo-v4/utils/runtime.py", line 544, in finalize_training push_prevalidated_hf_artifacts( File "/workspace/dynamic-dpo-v4/utils/checkpoint_io.py", line 199, in push_prevalidated_hf_artifacts return upload_folder( ^^^^^^^^^^^^^^ File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/utils/_validators.py", line 114, in _inner_fn return fn(*args, **kwargs) ^^^^^^^^^^^^^^^^^^^ File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/hf_api.py", line 1624, in _inner return fn(self, *args, **kwargs) ^^^^^^^^^^^^^^^^^^^^^^^^^ File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/hf_api.py", line 4915, in upload_folder add_operations = self._prepare_upload_folder_additions( ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/hf_api.py", line 9504, in _prepare_upload_folder_additions self._validate_yaml( File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/hf_api.py", line 9569, in _validate_yaml raise ValueError(f"Invalid metadata in README.md.\n{message}") from e ValueError: Invalid metadata in README.md. - "base_model" with value "/workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200" is not valid. Use a model id from https://hf.co/models. [rank0]: Traceback (most recent call last): [rank0]: File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/utils/_http.py", line 409, in hf_raise_for_status [rank0]: response.raise_for_status() [rank0]: File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/requests/models.py", line 1026, in raise_for_status [rank0]: raise HTTPError(http_error_msg, response=self) [rank0]: requests.exceptions.HTTPError: 400 Client Error: Bad Request for url: https://huggingface.co/api/validate-yaml [rank0]: The above exception was the direct cause of the following exception: [rank0]: Traceback (most recent call last): [rank0]: File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/hf_api.py", line 9565, in _validate_yaml [rank0]: hf_raise_for_status(response) [rank0]: File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/utils/_http.py", line 465, in hf_raise_for_status [rank0]: raise _format(BadRequestError, message, response) from e [rank0]: huggingface_hub.errors.BadRequestError: (Request ID: Root=1-69f0a15a-3b5a55034109133f694e31f5;1529a2b2-1770-4d37-b5a5-04355c8d5740) [rank0]: Bad request: [rank0]: "base_model" with value "/workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200" is not valid. Use a model id from https://hf.co/models. [rank0]: The above exception was the direct cause of the following exception: [rank0]: Traceback (most recent call last): [rank0]: File "/workspace/dynamic-dpo-v4/scripts/run_new_dpo.py", line 60, in [rank0]: main() [rank0]: File "/workspace/dynamic-dpo-v4/scripts/run_new_dpo.py", line 48, in main [rank0]: finalize_training( [rank0]: File "/workspace/dynamic-dpo-v4/utils/runtime.py", line 544, in finalize_training [rank0]: push_prevalidated_hf_artifacts( [rank0]: File "/workspace/dynamic-dpo-v4/utils/checkpoint_io.py", line 199, in push_prevalidated_hf_artifacts [rank0]: return upload_folder( [rank0]: ^^^^^^^^^^^^^^ [rank0]: File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/utils/_validators.py", line 114, in _inner_fn [rank0]: return fn(*args, **kwargs) [rank0]: ^^^^^^^^^^^^^^^^^^^ [rank0]: File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/hf_api.py", line 1624, in _inner [rank0]: return fn(self, *args, **kwargs) [rank0]: ^^^^^^^^^^^^^^^^^^^^^^^^^ [rank0]: File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/hf_api.py", line 4915, in upload_folder [rank0]: add_operations = self._prepare_upload_folder_additions( [rank0]: ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ [rank0]: File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/hf_api.py", line 9504, in _prepare_upload_folder_additions [rank0]: self._validate_yaml( [rank0]: File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/huggingface_hub/hf_api.py", line 9569, in _validate_yaml [rank0]: raise ValueError(f"Invalid metadata in README.md.\n{message}") from e [rank0]: ValueError: Invalid metadata in README.md. [rank0]: - "base_model" with value "/workspace/llama3-hh-new-dpo-hyperparamter-sweep/base_models/llama-3-8b-base-sft-hh-helpful-4xh200" is not valid. Use a model id from https://hf.co/models. wandb: - 0.029 MB of 0.029 MB uploaded wandb: \ 0.029 MB of 0.029 MB uploaded wandb: | 0.029 MB of 0.029 MB uploaded wandb: / 0.029 MB of 0.833 MB uploaded wandb: - 0.029 MB of 0.834 MB uploaded wandb: \ 0.834 MB of 0.834 MB uploaded wandb: | 0.834 MB of 0.834 MB uploaded wandb: wandb: Run history: wandb: train/KL/chosen_KL_mean ████████▇▇▇▇▆▆▆▆▆▅▅▆▅▆▅▅▅▅▄▂▂▃▃▃▃▂▁▂▁▁▁▁ wandb: train/KL/mean ████████▇▇▇▇▇▆▆▆▆▅▆▆▅▅▅▅▅▅▄▂▃▃▃▂▂▂▂▂▁▁▁▁ wandb: train/KL/rejected_KL_mean ████████▇▇▇▇▇▇▆▆▆▆▆▆▆▅▅▅▅▅▄▃▃▃▄▃▂▃▃▃▂▁▁▂ wandb: train/KL/std ▁▁▁▁▁▁▁▂▂▂▂▂▂▂▂▃▃▃▃▃▃▃▃▃▄▄▅▆▆▆▅▇▇▆▆▆▆███ wandb: train/epoch ▁▁▁▂▂▂▂▂▂▃▃▃▃▃▄▄▄▄▄▄▅▅▅▅▅▅▆▆▆▆▆▇▇▇▇▇▇███ wandb: train/fcm_dpo/beta ███▇▄▂▂▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁ wandb: train/fcm_dpo/delta ▇▇▇▄▁▆▄▇▇▅▅▇▆█▆▆▅▆▇▆▇▄█▄▅▅▅▆▇▆▇▄▃▇▇▇▆▅▃▆ wandb: train/fcm_dpo/margin ▁▁▁▁▁▁▁▁▂▂▂▂▂▂▃▃▃▂▃▃▃▄▃▄▄▄▅▅▅▅▄▆▇▄▅▅▆▇█▆ wandb: train/fcm_dpo/q_t ██▆▂▁▄▃▄▄▃▃▄▄▅▃▄▃▅▄▄▅▃▅▃▃▃▃▄▄▄▄▃▂▅▅▄▃▃▂▄ wandb: train/global_step ▁▁▁▁▂▂▂▂▂▃▃▃▃▃▃▄▄▄▄▄▅▅▅▅▅▅▆▆▆▆▆▇▇▇▇▇▇███ wandb: train/grad_norm ▇█▅▄▃▂▁▂▁▁▁▁▂▁▂▁▂▂▂▂▂▄▂▁▂▃▃▂▂▃▃▂▅▃▃▂▃▃▆▃ wandb: train/learning_rate ▂▃▅▇██████▇▇▇▇▇▆▆▆▆▅▅▅▄▄▄▄▃▃▃▂▂▂▂▂▁▁▁▁▁▁ wandb: train/logits/chosen ▆▆▆▅▅▅▅▆▇████▇▇▇▇▇▇▇▇▇▆▆▆▆▄▂▂▃▃▃▂▁▁▁▁▂▂▂ wandb: train/logits/rejected ▆▆▆▆▅▅▅▇▇████▇▇▇▇▇▇▇▇▇▇▆▆▆▄▃▂▃▃▂▁▁▁▁▁▂▂▁ wandb: train/logps/chosen ███████▇▇▇▇▇▆▆▆▆▅▅▅▅▅▆▅▅▅▅▄▂▂▃▃▃▃▂▂▂▁▁▂▁ wandb: train/logps/ref_chosen ▅█▆▆▄▃▆▆▅▄▇▃▄▃█▅▅▄▇▅▃█▇▅▅▃▆▁▇▅▃▇▅▆▇▆▃▆▆▂ wandb: train/logps/ref_rejected ▇▄█▅▅▃▆█▇▄▅▃▅▆▅▅▄▅█▅█▄▆▃▅▄▃▁▆▃▄▆▃▄█▅▄▂▂▂ wandb: train/logps/rejected ████████▇▇▇▇▇▇▆▆▆▆▆▆▆▅▅▅▅▅▄▃▃▃▄▃▂▃▃▃▂▁▁▂ wandb: train/loss ██▆▂▁▄▃▄▄▄▃▄▄▅▃▄▃▅▄▃▅▂▄▂▃▃▂▄▄▃▄▃▂▅▅▄▃▃▂▄ wandb: train/margin_dpo/margin_mean ▁▁▁▁▁▁▁▁▂▂▂▂▂▂▃▃▃▂▃▃▃▄▃▄▄▄▅▅▅▅▄▆▇▄▅▅▆▇█▆ wandb: train/margin_dpo/margin_std ▁▁▁▁▁▁▁▂▂▂▂▂▂▂▂▃▃▃▃▃▃▃▃▃▃▃▄▆▅▆▅▇▇▆▇▆▆█▇█ wandb: wandb: Run summary: wandb: total_flos 0.0 wandb: train/KL/chosen_KL_mean -819.07642 wandb: train/KL/mean -1035.49976 wandb: train/KL/rejected_KL_mean -1251.92334 wandb: train/KL/std 668.3147 wandb: train/epoch 1.0 wandb: train/fcm_dpo/beta 0.00068 wandb: train/fcm_dpo/delta -0.04233 wandb: train/fcm_dpo/margin 432.84689 wandb: train/fcm_dpo/q_t 0.43267 wandb: train/global_step 681 wandb: train/grad_norm 40.81091 wandb: train/learning_rate 0.0 wandb: train/logits/chosen -1.11367 wandb: train/logits/rejected -1.13504 wandb: train/logps/chosen -880.03369 wandb: train/logps/ref_chosen -60.95728 wandb: train/logps/ref_rejected -88.55798 wandb: train/logps/rejected -1340.4812 wandb: train/loss 1.1847 wandb: train/margin_dpo/margin_mean 432.84686 wandb: train/margin_dpo/margin_std 766.44696 wandb: train_loss 1.13245 wandb: train_runtime 1725.4575 wandb: train_samples_per_second 25.268 wandb: train_steps_per_second 0.395 wandb: wandb: 🚀 View run llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.35-20260428-045924 at: https://wandb.ai/can-not-fand-northeastern-university/llama3-hh-new-dpo-hyperparamter-sweep/runs/ignhsdxq wandb: ⭐️ View project at: https://wandb.ai/can-not-fand-northeastern-university/llama3-hh-new-dpo-hyperparamter-sweep wandb: Synced 5 W&B file(s), 0 media file(s), 0 artifact file(s) and 0 other file(s) wandb: Find logs at: /workspace/llama3-hh-new-dpo-hyperparamter-sweep/wandb/wandb/run-20260428_111947-ignhsdxq/logs wandb: WARNING The new W&B backend becomes opt-out in version 0.18.0; try it out with `wandb.require("core")`! See https://wandb.me/wandb-core for more information. E0428 12:00:38.533000 124986322155328 torch/distributed/elastic/multiprocessing/api.py:826] failed (exitcode: 1) local_rank: 0 (pid: 20559) of binary: /workspace/dynamic-dpo-v4/.venv/bin/python Traceback (most recent call last): File "/workspace/dynamic-dpo-v4/.venv/bin/accelerate", line 10, in sys.exit(main()) ^^^^^^ File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/accelerate/commands/accelerate_cli.py", line 48, in main args.func(args) File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/accelerate/commands/launch.py", line 1161, in launch_command multi_gpu_launcher(args) File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/accelerate/commands/launch.py", line 799, in multi_gpu_launcher distrib_run.run(args) File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/torch/distributed/run.py", line 870, in run elastic_launch( File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/torch/distributed/launcher/api.py", line 132, in __call__ return launch_agent(self._config, self._entrypoint, list(args)) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/workspace/dynamic-dpo-v4/.venv/lib/python3.11/site-packages/torch/distributed/launcher/api.py", line 263, in launch_agent raise ChildFailedError( torch.distributed.elastic.multiprocessing.errors.ChildFailedError: ============================================================ scripts/run_new_dpo.py FAILED ------------------------------------------------------------ Failures: ------------------------------------------------------------ Root Cause (first observed failure): [0]: time : 2026-04-28_12:00:38 host : 99813efb0d41 rank : 0 (local_rank: 0) exitcode : 1 (pid: 20559) error_file: traceback : To enable traceback see: https://pytorch.org/docs/stable/elastic/errors.html ============================================================