W-61/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.6-20260428-045924
1
0
Fork 0
Code Issues Pull Requests Actions Projects Releases Wiki Activity
Files
main
llama-3-8b-base-new-dpo-hh-…/train.log
ModelHub XC d0e9947175 初始化项目，由ModelHub XC社区提供模型 
Model: W-61/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.6-20260428-045924
Source: Original Platform
2026-05-20 08:46:52 +08:00

1290 lines
1.4 MiB
Raw Permalink Blame History

2026-04-28 12:31:33 - 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 12:31:33 - 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 12:31:33 - 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-0.6-20260428-045924-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-0.6-20260428-045924,
hub_model_revision=main,
hub_private_repo=None,
hub_strategy=HubStrategy.EVERY_SAVE,
hub_token=<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-0.6/runs/Apr28_12-31-33_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-0.6-20260428-045924/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-0.6-20260428-045924,
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=<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-0.6-20260428-045924,
s_star=0.6,
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 12:31:33 - 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: wandb version 0.26.1 is available! To upgrade, please run:
wandb: $ pip install wandb --upgrade
wandb: Tracking run with wandb version 0.17.5
wandb: Run data is saved locally in /workspace/llama3-hh-new-dpo-hyperparamter-sweep/wandb/wandb/run-20260428_123134-9mk62etu
wandb: Run `wandb offline` to turn off syncing.
wandb: Syncing run llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.6-20260428-045924
wandb: ⭐️ View project at https://wandb.ai/can-not-fand-northeastern-university/llama3-hh-new-dpo-hyperparamter-sweep
wandb: 🚀 View run at https://wandb.ai/can-not-fand-northeastern-university/llama3-hh-new-dpo-hyperparamter-sweep/runs/9mk62etu
2026-04-28 12:31:35 - INFO - __main__ - New-DPO parameters: beta=0.1, q_target=0.45, s_star=0.6, eta=0.1
2026-04-28 12:31:35 - INFO - __main__ - Using persistent HF datasets cache at /workspace/llama3-hh-new-dpo-hyperparamter-sweep/hf/datasets
Normalizing raw HH preferences (train): 0%| | 0/43598 [00:00<?, ? examples/s] Normalizing raw HH preferences (train): 0%| | 0/43598 [00:00<?, ? examples/s] Normalizing raw HH preferences (train): 4%|██████▊ | 1722/43598 [00:00<00:02, 17136.10 examples/s] Normalizing raw HH preferences (train): 0%| | 0/43598 [00:00<?, ? examples/s] Normalizing raw HH preferences (train): 4%|██████▋ | 1684/43598 [00:00<00:02, 16757.31 examples/s] Normalizing raw HH preferences (train): 4%|██████▌ | 1669/43598 [00:00<00:02, 16611.76 examples/s] Normalizing raw HH preferences (train): 10%|████████████████▊ | 4251/43598 [00:00<00:02, 16943.48 examples/s] Normalizing raw HH preferences (train): 10%|████████████████▍ | 4170/43598 [00:00<00:02, 16628.48 examples/s] Normalizing raw HH preferences (train): 8%|█████████████▏ | 3342/43598 [00:00<00:02, 16674.63 examples/s] Normalizing raw HH preferences (train): 14%|███████████████████████▋ | 6000/43598 [00:00<00:02, 16994.59 examples/s] Normalizing raw HH preferences (train): 14%|███████████████████████▋ | 6000/43598 [00:00<00:02, 16780.80 examples/s] Normalizing raw HH preferences (train): 18%|███████████████████████████████▌ | 8000/43598 [00:00<00:02, 17175.63 examples/s] Normalizing raw HH preferences (train): 14%|███████████████████████▋ | 6000/43598 [00:00<00:02, 16747.52 examples/s] Normalizing raw HH preferences (train): 18%|██████████████████████████████▊ | 7826/43598 [00:00<00:02, 17299.89 examples/s] Normalizing raw HH preferences (train): 18%|██████████████████████████████▉ | 7843/43598 [00:00<00:02, 17314.86 examples/s] Normalizing raw HH preferences (train): 23%|███████████████████████████████████████▏ | 10000/43598 [00:00<00:01, 17280.33 examples/s] Normalizing raw HH preferences (train): 23%|████████████████████████████████████████ | 10207/43598 [00:00<00:02, 16681.63 examples/s] Normalizing raw HH preferences (train): 28%|███████████████████████████████████████████████ | 12000/43598 [00:00<00:01, 17405.01 examples/s] Normalizing raw HH preferences (train): 24%|████████████████████████████████████████▌ | 10343/43598 [00:00<00:01, 17035.31 examples/s] Normalizing raw HH preferences (train): 28%|███████████████████████████████████████████████ | 12000/43598 [00:00<00:01, 16815.93 examples/s] Normalizing raw HH preferences (train): 33%|███████████████████████████████████████████████████████▊ | 14243/43598 [00:00<00:02, 12024.61 examples/s] Normalizing raw HH preferences (train): 29%|█████████████████████████████████████████████████▎ | 12578/43598 [00:00<00:02, 11899.75 examples/s] Normalizing raw HH preferences (train): 33%|███████████████████████████████████████████████████████▋ | 14208/43598 [00:01<00:02, 11438.88 examples/s] Normalizing raw HH preferences (train): 37%|██████████████████████████████████████████████████████████████▊ | 16000/43598 [00:01<00:02, 13115.92 examples/s] Normalizing raw HH preferences (train): 33%|███████████████████████████████████████████████████████▋ | 14203/43598 [00:01<00:02, 12802.93 examples/s] Normalizing raw HH preferences (train): 37%|██████████████████████████████████████████████████████████████▊ | 16000/43598 [00:01<00:02, 12557.90 examples/s] Normalizing raw HH preferences (train): 41%|█████████████████████████████████████████████████████████████████████▉ | 17834/43598 [00:01<00:01, 14324.80 examples/s] Normalizing raw HH preferences (train): 37%|██████████████████████████████████████████████████████████████▊ | 16000/43598 [00:01<00:02, 13750.70 examples/s]2026-04-28 12:31:38 - WARNING - __main__ - Dropped 237 non-canonical HH preference examples from split `train` before normalization (126 x HH preprocessing expects exactly one final assistant response in chosen/rejected suffixes., 111 x HH chosen/rejected transcripts must each contain a divergent assistant response.).
Normalizing raw HH preferences (train): 0%| | 0/43598 [00:00<?, ? examples/s] Normalizing raw HH preferences (train): 41%|█████████████████████████████████████████████████████████████████████▊ | 17807/43598 [00:01<00:01, 13791.78 examples/s] Normalizing raw HH preferences (train): 45%|████████████████████████████████████████████████████████████████████████████▌ | 19516/43598 [00:01<00:01, 14943.10 examples/s] Normalizing raw HH preferences (train): 41%|█████████████████████████████████████████████████████████████████████▋ | 17763/43598 [00:01<00:01, 14692.66 examples/s] Normalizing raw HH preferences (train): 4%|██████▊ | 1735/43598 [00:00<00:02, 17280.47 examples/s] Normalizing raw HH preferences (train): 45%|████████████████████████████████████████████████████████████████████████████▎ | 19467/43598 [00:01<00:01, 14471.60 examples/s] Normalizing raw HH preferences (train): 49%|███████████████████████████████████████████████████████████████████████████████████▏ | 21212/43598 [00:01<00:01, 15468.50 examples/s] Normalizing raw HH preferences (train): 44%|████████████████████████████████████████████████████████████████████████████ | 19401/43598 [00:01<00:01, 15127.64 examples/s] Normalizing raw HH preferences (train): 48%|██████████████████████████████████████████████████████████████████████████████████▉ | 21145/43598 [00:01<00:01, 15064.38 examples/s] Normalizing raw HH preferences (train): 53%|██████████████████████████████████████████████████████████████████████████████████████████▏ | 23000/43598 [00:01<00:01, 15959.17 examples/s] Normalizing raw HH preferences (train): 10%|████████████████▊ | 4266/43598 [00:00<00:02, 16998.31 examples/s] Normalizing raw HH preferences (train): 48%|██████████████████████████████████████████████████████████████████████████████████▋ | 21080/43598 [00:01<00:01, 15571.60 examples/s] Normalizing raw HH preferences (train): 53%|██████████████████████████████████████████████████████████████████████████████████████████▏ | 22990/43598 [00:01<00:01, 15910.80 examples/s] Normalizing raw HH preferences (train): 57%|██████████████████████████████████████████████████████████████████████████████████████████████████ | 24991/43598 [00:01<00:01, 16736.79 examples/s] Normalizing raw HH preferences (train): 14%|███████████████████████▋ | 6000/43598 [00:00<00:02, 16990.21 examples/s] Normalizing raw HH preferences (train): 53%|██████████████████████████████████████████████████████████████████████████████████████████ | 22958/43598 [00:01<00:01, 16223.12 examples/s] Normalizing raw HH preferences (train): 57%|████████████████████████████████████████████████████████████████████████████████████████████████▊ | 24675/43598 [00:01<00:01, 16168.16 examples/s] Normalizing raw HH preferences (train): 18%|███████████████████████████████ | 7861/43598 [00:00<00:02, 17567.61 examples/s] Normalizing raw HH preferences (train): 57%|████████████████████████████████████████████████████████████████████████████████████████████████▋ | 24654/43598 [00:01<00:01, 16426.80 examples/s] Normalizing raw HH preferences (train): 63%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 27512/43598 [00:01<00:00, 16759.38 examples/s] Normalizing raw HH preferences (train): 62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 27098/43598 [00:01<00:01, 16161.32 examples/s] Normalizing raw HH preferences (train): 62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 27165/43598 [00:01<00:00, 16542.04 examples/s] Normalizing raw HH preferences (train): 69%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 30071/43598 [00:01<00:00, 16859.64 examples/s] Normalizing raw HH preferences (train): 67%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 29000/43598 [00:01<00:00, 16449.11 examples/s] Normalizing raw HH preferences (train): 23%|███████████████████████████████████████▏ | 9924/43598 [00:00<00:02, 12276.84 examples/s] Normalizing raw HH preferences (train): 67%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 29000/43598 [00:01<00:00, 16700.95 examples/s] Normalizing raw HH preferences (train): 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 31993/43598 [00:02<00:00, 17287.39 examples/s] Normalizing raw HH preferences (train): 71%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 31000/43598 [00:02<00:00, 16732.98 examples/s] Normalizing raw HH preferences (train): 27%|█████████████████████████████████████████████▍ | 11590/43598 [00:00<00:02, 13335.18 examples/s] Normalizing raw HH preferences (train): 71%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 31000/43598 [00:01<00:00, 16944.93 examples/s] Normalizing raw HH preferences (train): 79%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 34506/43598 [00:02<00:00, 17100.18 examples/s] Normalizing raw HH preferences (train): 75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 32846/43598 [00:02<00:00, 17192.54 examples/s] Normalizing raw HH preferences (train): 30%|████████████████████████████████████████████████████ | 13286/43598 [00:00<00:02, 14264.73 examples/s] Normalizing raw HH preferences (train): 75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 32764/43598 [00:02<00:00, 17130.97 examples/s] Normalizing raw HH preferences (train): 34%|██████████████████████████████████████████████████████████▊ | 15000/43598 [00:01<00:01, 14845.01 examples/s] Normalizing raw HH preferences (train): 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 35280/43598 [00:02<00:00, 16832.72 examples/s] Normalizing raw HH preferences (train): 85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 37000/43598 [00:02<00:00, 16754.08 examples/s] Normalizing raw HH preferences (train): 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 35197/43598 [00:02<00:00, 16794.75 examples/s] Normalizing raw HH preferences (train): 39%|██████████████████████████████████████████████████████████████████▋ | 16999/43598 [00:01<00:01, 15913.96 examples/s] Normalizing raw HH preferences (train): 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 38832/43598 [00:02<00:00, 17121.73 examples/s] Normalizing raw HH preferences (train): 85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 37000/43598 [00:02<00:00, 16704.91 examples/s] Normalizing raw HH preferences (train): 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 38840/43598 [00:02<00:00, 17147.99 examples/s] Normalizing raw HH preferences (train): 86%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 37671/43598 [00:02<00:00, 16352.45 examples/s] Normalizing raw HH preferences (train): 45%|████████████████████████████████████████████████████████████████████████████▌ | 19519/43598 [00:01<00:01, 16233.15 examples/s] Normalizing raw HH preferences (train): 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 41362/43598 [00:02<00:00, 17034.11 examples/s] Normalizing raw HH preferences (train): 49%|███████████████████████████████████████████████████████████████████████████████████▏ | 21209/43598 [00:01<00:01, 16401.17 examples/s] Normalizing raw HH preferences (train): 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 41356/43598 [00:02<00:00, 17007.28 examples/s] Normalizing raw HH preferences (train): 92%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 40000/43598 [00:02<00:00, 16057.99 examples/s] Normalizing raw HH preferences (train): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 43598/43598 [00:02<00:00, 16970.22 examples/s] Normalizing raw HH preferences (train): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 43598/43598 [00:02<00:00, 16154.82 examples/s]
Normalizing raw HH preferences (train): 53%|██████████████████████████████████████████████████████████████████████████████████████████▏ | 23000/43598 [00:01<00:01, 16609.08 examples/s] Normalizing raw HH preferences (train): 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 41761/43598 [00:02<00:00, 16422.92 examples/s] Normalizing raw HH preferences (train): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 43598/43598 [00:02<00:00, 16949.20 examples/s] Normalizing raw HH preferences (train): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 43598/43598 [00:02<00:00, 15861.34 examples/s]
Normalizing raw HH preferences (train): 57%|██████████████████████████████████████████████████████████████████████████████████████████████████ | 24991/43598 [00:01<00:01, 17174.43 examples/s] Normalizing raw HH preferences (train): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 43598/43598 [00:02<00:00, 16178.22 examples/s] Normalizing raw HH preferences (train): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 43598/43598 [00:02<00:00, 15738.86 examples/s]
Normalizing raw HH preferences (train): 63%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 27509/43598 [00:01<00:00, 17030.20 examples/s] Normalizing raw HH preferences (train): 69%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 30007/43598 [00:01<00:00, 16897.52 examples/s]/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(
[WARNING|logging.py:328] 2026-04-28 12:31:40,877 >> 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<?, ?it/s] Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 7/7 [00:00<00:00, 1487.79it/s]
Loading checkpoint shards: 0%| | 0/7 [00:00<?, ?it/s] Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 7/7 [00:00<00:00, 1429.97it/s]
[WARNING|trainer.py:821] 2026-04-28 12:31:40,955 >> Trainer.tokenizer is now deprecated. You should use `Trainer.processing_class = processing_class` instead.
Normalizing raw HH preferences (train): 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 31978/43598 [00:01<00:00, 17303.68 examples/s]/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(
[WARNING|logging.py:328] 2026-04-28 12:31:40,996 >> 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<?, ?it/s] Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 7/7 [00:00<00:00, 1476.13it/s]
Loading checkpoint shards: 0%| | 0/7 [00:00<?, ?it/s] Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 7/7 [00:00<00:00, 1448.60it/s]
[WARNING|trainer.py:821] 2026-04-28 12:31:41,076 >> 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(
[WARNING|logging.py:328] 2026-04-28 12:31:41,089 >> 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')`.
Normalizing raw HH preferences (train): 79%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 34485/43598 [00:02<00:00, 17098.89 examples/s] Loading checkpoint shards: 0%| | 0/7 [00:00<?, ?it/s] Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 7/7 [00:00<00:00, 1485.31it/s]
Loading checkpoint shards: 0%| | 0/7 [00:00<?, ?it/s] Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 7/7 [00:00<00:00, 1415.97it/s]
[WARNING|trainer.py:821] 2026-04-28 12:31:41,170 >> Trainer.tokenizer is now deprecated. You should use `Trainer.processing_class = processing_class` instead.
Normalizing raw HH preferences (train): 85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 37003/43598 [00:02<00:00, 16993.58 examples/s] Normalizing raw HH preferences (train): 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 38845/43598 [00:02<00:00, 17330.02 examples/s] Normalizing raw HH preferences (train): 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 41374/43598 [00:02<00:00, 17167.77 examples/s] Normalizing raw HH preferences (train): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 43598/43598 [00:02<00:00, 17079.86 examples/s] Normalizing raw HH preferences (train): 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 43598/43598 [00:02<00:00, 16309.06 examples/s]
2026-04-28 12:31:41 - INFO - __main__ - Training on the following splits: ['train : 43598']
[INFO|tokenization_utils_base.py:2058] 2026-04-28 12:31:41,650 >> loading file tokenizer.json
[INFO|tokenization_utils_base.py:2058] 2026-04-28 12:31:41,650 >> loading file tokenizer.model
[INFO|tokenization_utils_base.py:2058] 2026-04-28 12:31:41,650 >> loading file added_tokens.json
[INFO|tokenization_utils_base.py:2058] 2026-04-28 12:31:41,650 >> loading file special_tokens_map.json
[INFO|tokenization_utils_base.py:2058] 2026-04-28 12:31:41,650 >> loading file tokenizer_config.json
[INFO|tokenization_utils_base.py:2058] 2026-04-28 12:31:41,650 >> loading file chat_template.jinja
[INFO|tokenization_utils_base.py:2323] 2026-04-28 12:31:42,015 >> Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
2026-04-28 12:31:42 - 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 12:31:42,118 >> 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 12:31:42,119 >> 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 12:31:42,125 >> 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 12:31:42,125 >> Instantiating LlamaForCausalLM model under default dtype torch.bfloat16.
[WARNING|logging.py:328] 2026-04-28 12:31:42,126 >> 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 12:31:42,127 >> Generate config GenerationConfig {
"bos_token_id": 128000,
"eos_token_id": 128001,
"use_cache": false
}
Loading checkpoint shards: 0%| | 0/7 [00:00<?, ?it/s] Loading checkpoint shards: 14%|████████████████████████████▊ | 1/7 [00:01<00:10, 1.72s/it] Loading checkpoint shards: 29%|█████████████████████████████████████████████████████████▋ | 2/7 [00:03<00:08, 1.71s/it] Loading checkpoint shards: 43%|██████████████████████████████████████████████████████████████████████████████████████▌ | 3/7 [00:05<00:07, 1.76s/it] Loading checkpoint shards: 57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 4/7 [00:07<00:05, 1.79s/it] Loading checkpoint shards: 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 5/7 [00:08<00:03, 1.76s/it] Loading checkpoint shards: 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 6/7 [00:10<00:01, 1.78s/it] Loading checkpoint shards: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 7/7 [00:11<00:00, 1.51s/it] Loading checkpoint shards: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 7/7 [00:11<00:00, 1.65s/it]
[INFO|modeling_utils.py:4926] 2026-04-28 12:31:53,709 >> All model checkpoint weights were used when initializing LlamaForCausalLM.
[INFO|modeling_utils.py:4934] 2026-04-28 12:31:53,709 >> 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 12:31:53,711 >> 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 12:31:53,711 >> 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 12:31:53,712 >> 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 12:31:53,712 >> 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 12:31:53,713 >> 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 12:31:53,714 >> Instantiating LlamaForCausalLM model under default dtype torch.bfloat16.
[INFO|configuration_utils.py:1142] 2026-04-28 12:31:53,716 >> Generate config GenerationConfig {
"bos_token_id": 128000,
"eos_token_id": 128001,
"use_cache": false
}
Loading checkpoint shards: 0%| | 0/7 [00:00<?, ?it/s] Loading checkpoint shards: 14%|████████████████████████████▊ | 1/7 [00:01<00:10, 1.69s/it] Loading checkpoint shards: 29%|█████████████████████████████████████████████████████████▋ | 2/7 [00:03<00:08, 1.67s/it] Loading checkpoint shards: 43%|██████████████████████████████████████████████████████████████████████████████████████▌ | 3/7 [00:05<00:06, 1.72s/it] Loading checkpoint shards: 57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 4/7 [00:06<00:05, 1.76s/it] Loading checkpoint shards: 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 5/7 [00:08<00:03, 1.76s/it] Loading checkpoint shards: 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 6/7 [00:10<00:01, 1.78s/it] Loading checkpoint shards: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 7/7 [00:11<00:00, 1.52s/it] Loading checkpoint shards: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 7/7 [00:11<00:00, 1.64s/it]
[INFO|modeling_utils.py:4926] 2026-04-28 12:32:05,443 >> All model checkpoint weights were used when initializing LlamaForCausalLM.
[INFO|modeling_utils.py:4934] 2026-04-28 12:32:05,443 >> 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 12:32:05,445 >> 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 12:32:05,446 >> 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 12:32:05,447 >> Trainer.tokenizer is now deprecated. You should use `Trainer.processing_class = processing_class` instead.
[WARNING|trainer.py:816] 2026-04-28 12:32:05,447 >> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead.
[WARNING|trainer.py:816] 2026-04-28 12:32:05,456 >> 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 12:32:07,162 >> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead.
[WARNING|trainer.py:816] 2026-04-28 12:32:07,162 >> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead.
[WARNING|trainer.py:816] 2026-04-28 12:32:07,162 >> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead.
[WARNING|trainer.py:816] 2026-04-28 12:32:07,177 >> Trainer.tokenizer is now deprecated. You should use Trainer.processing_class instead.
[WARNING|trainer.py:816] 2026-04-28 12:32:07,177 >> 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__(
/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 12:32:07,179 >> 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 12:32:07,570 >> 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 12:32:14,566 >> ***** Running training *****
[INFO|trainer.py:2415] 2026-04-28 12:32:14,566 >> Num examples = 43,598
[INFO|trainer.py:2416] 2026-04-28 12:32:14,566 >> Num Epochs = 1
[INFO|trainer.py:2417] 2026-04-28 12:32:14,566 >> Instantaneous batch size per device = 8
[INFO|trainer.py:2420] 2026-04-28 12:32:14,566 >> Total train batch size (w. parallel, distributed & accumulation) = 64
[INFO|trainer.py:2421] 2026-04-28 12:32:14,566 >> Gradient Accumulation steps = 2
[INFO|trainer.py:2422] 2026-04-28 12:32:14,566 >> Total optimization steps = 681
[INFO|trainer.py:2423] 2026-04-28 12:32:14,567 >> Number of trainable parameters = 2,007,565,312
[INFO|integration_utils.py:831] 2026-04-28 12:32:14,568 >> Automatic Weights & Biases logging enabled, to disable set os.environ["WANDB_DISABLED"] = "true"
0%| | 0/681 [00:00<?, ?it/s][WARNING|modeling_utils.py:1713] 2026-04-28 12:32:16,124 >> 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 12:32:16,131 >> 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 12:32:16,135 >> 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 12:32:16,145 >> Could not estimate the number of tokens of the input, floating-point operations will not be computed
0%|▎ | 1/681 [00:02<30:46, 2.71s/it] {'loss': 1.389, 'grad_norm': 83.53045654296875, '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<30:46, 2.71s/it] 0%|▋ | 2/681 [00:05<29:03, 2.57s/it] {'loss': 1.3932, 'grad_norm': 72.22181701660156, '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<29:03, 2.57s/it] 0%|█ | 3/681 [00:07<28:51, 2.55s/it] {'loss': 1.3872, 'grad_norm': 71.05252838134766, 'learning_rate': 1.4492753623188406e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5001506805419922, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.006016969680786133, 'margin_dpo/margin_mean': -0.006016522645950317, 'margin_dpo/margin_std': 0.34941720962524414, 'logps/chosen': -60.97613525390625, 'logps/rejected': -68.66111755371094, 'logps/ref_chosen': -60.981597900390625, 'logps/ref_rejected': -68.67259216308594, 'KL/chosen_KL_mean': 0.005462646484375, 'KL/rejected_KL_mean': 0.011478424072265625, 'KL/mean': 0.008471250534057617, 'KL/std': 0.2345641404390335, 'logits/chosen': -0.48156821727752686, 'logits/rejected': -0.4421899914741516, 'epoch': 0.0}
0%|█ | 3/681 [00:07<28:51, 2.55s/it] 1%|█▎ | 4/681 [00:10<29:19, 2.60s/it] {'loss': 1.3954, 'grad_norm': 72.06624603271484, 'learning_rate': 2.1739130434782606e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5022112131118774, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.08848562836647034, 'margin_dpo/margin_mean': -0.08848586678504944, 'margin_dpo/margin_std': 0.3339208662509918, 'logps/chosen': -56.80026626586914, 'logps/rejected': -86.5911865234375, 'logps/ref_chosen': -56.7677116394043, 'logps/ref_rejected': -86.64710998535156, 'KL/chosen_KL_mean': -0.03255462646484375, 'KL/rejected_KL_mean': 0.055927276611328125, 'KL/mean': 0.011689022183418274, 'KL/std': 0.2458762526512146, 'logits/chosen': -0.46879148483276367, 'logits/rejected': -0.4411749243736267, 'epoch': 0.01}
1%|█▎ | 4/681 [00:10<29:19, 2.60s/it] 1%|█▋ | 5/681 [00:12<29:03, 2.58s/it] {'loss': 1.383, 'grad_norm': 89.50914764404297, 'learning_rate': 2.898550724637681e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4991059899330139, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.035768210887908936, 'margin_dpo/margin_mean': 0.03576841950416565, 'margin_dpo/margin_std': 0.3583017587661743, 'logps/chosen': -53.8175163269043, 'logps/rejected': -84.14309692382812, 'logps/ref_chosen': -53.859375, 'logps/ref_rejected': -84.14918518066406, 'KL/chosen_KL_mean': 0.041858673095703125, 'KL/rejected_KL_mean': 0.0060882568359375, 'KL/mean': 0.02397400140762329, 'KL/std': 0.26151031255722046, 'logits/chosen': -0.5147285461425781, 'logits/rejected': -0.471005380153656, 'epoch': 0.01}
1%|█▋ | 5/681 [00:12<29:03, 2.58s/it] 1%|██ | 6/681 [00:15<27:30, 2.45s/it] {'loss': 1.3874, 'grad_norm': 91.98088073730469, 'learning_rate': 3.6231884057971014e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5001715421676636, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.006822705268859863, 'margin_dpo/margin_mean': -0.006822347640991211, 'margin_dpo/margin_std': 0.4276465177536011, 'logps/chosen': -63.042945861816406, 'logps/rejected': -92.67398834228516, 'logps/ref_chosen': -63.007484436035156, 'logps/ref_rejected': -92.64534759521484, 'KL/chosen_KL_mean': -0.03546333312988281, 'KL/rejected_KL_mean': -0.0286407470703125, 'KL/mean': -0.032052695751190186, 'KL/std': 0.3007926642894745, 'logits/chosen': -0.5223523378372192, 'logits/rejected': -0.48172158002853394, 'epoch': 0.01}
1%|██ | 6/681 [00:15<27:30, 2.45s/it] 1%|██▎ | 7/681 [00:17<26:53, 2.39s/it] {'loss': 1.3829, 'grad_norm': 82.00981903076172, 'learning_rate': 4.347826086956521e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4989830255508423, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.0407429039478302, 'margin_dpo/margin_mean': 0.04074329137802124, 'margin_dpo/margin_std': 0.5175560712814331, 'logps/chosen': -57.765838623046875, 'logps/rejected': -103.95235443115234, 'logps/ref_chosen': -57.774818420410156, 'logps/ref_rejected': -103.92059326171875, 'KL/chosen_KL_mean': 0.00897979736328125, 'KL/rejected_KL_mean': -0.03176116943359375, 'KL/mean': -0.011391326785087585, 'KL/std': 0.3294689655303955, 'logits/chosen': -0.5042591691017151, 'logits/rejected': -0.47041141986846924, 'epoch': 0.01}
1%|██▎ | 7/681 [00:17<26:53, 2.39s/it] 1%|██▋ | 8/681 [00:19<26:41, 2.38s/it] {'loss': 1.3886, 'grad_norm': 78.8486099243164, 'learning_rate': 5.0724637681159424e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5004963278770447, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.019877761602401733, 'margin_dpo/margin_mean': -0.019877701997756958, 'margin_dpo/margin_std': 0.34278473258018494, 'logps/chosen': -58.717552185058594, 'logps/rejected': -79.2930679321289, 'logps/ref_chosen': -58.716033935546875, 'logps/ref_rejected': -79.3114242553711, 'KL/chosen_KL_mean': -0.00151824951171875, 'KL/rejected_KL_mean': 0.0183563232421875, 'KL/mean': 0.008417114615440369, 'KL/std': 0.2529047727584839, 'logits/chosen': -0.4955812096595764, 'logits/rejected': -0.4683501720428467, 'epoch': 0.01}
1%|██▋ | 8/681 [00:19<26:41, 2.38s/it] 1%|███ | 9/681 [00:22<27:13, 2.43s/it] {'loss': 1.39, 'grad_norm': 85.40772247314453, 'learning_rate': 5.797101449275362e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5008052587509155, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.03221386671066284, 'margin_dpo/margin_mean': -0.032214969396591187, 'margin_dpo/margin_std': 0.4174457788467407, 'logps/chosen': -69.85711669921875, 'logps/rejected': -99.56071472167969, 'logps/ref_chosen': -69.8668441772461, 'logps/ref_rejected': -99.6026611328125, 'KL/chosen_KL_mean': 0.009731292724609375, 'KL/rejected_KL_mean': 0.0419464111328125, 'KL/mean': 0.02583947777748108, 'KL/std': 0.3126106262207031, 'logits/chosen': -0.5120226740837097, 'logits/rejected': -0.4663524627685547, 'epoch': 0.01}
1%|███ | 9/681 [00:22<27:13, 2.43s/it] 1%|███▎ | 10/681 [00:24<27:18, 2.44s/it] {'loss': 1.386, 'grad_norm': 70.78611755371094, 'learning_rate': 6.521739130434782e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49986132979393005, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.0055475980043411255, 'margin_dpo/margin_mean': 0.005548357963562012, 'margin_dpo/margin_std': 0.2920377254486084, 'logps/chosen': -48.3381233215332, 'logps/rejected': -80.35804748535156, 'logps/ref_chosen': -48.35768508911133, 'logps/ref_rejected': -80.37206268310547, 'KL/chosen_KL_mean': 0.019561767578125, 'KL/rejected_KL_mean': 0.01401519775390625, 'KL/mean': 0.016787193715572357, 'KL/std': 0.22859910130500793, 'logits/chosen': -0.4891882538795471, 'logits/rejected': -0.44570988416671753, 'epoch': 0.01}
1%|███▎ | 10/681 [00:24<27:18, 2.44s/it] 2%|███▋ | 11/681 [00:27<28:11, 2.53s/it] {'loss': 1.3847, 'grad_norm': 68.14494323730469, 'learning_rate': 7.246376811594203e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49951374530792236, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.019462406635284424, 'margin_dpo/margin_mean': 0.01946243643760681, 'margin_dpo/margin_std': 0.38668665289878845, 'logps/chosen': -53.00474548339844, 'logps/rejected': -87.78773498535156, 'logps/ref_chosen': -53.01685333251953, 'logps/ref_rejected': -87.78038024902344, 'KL/chosen_KL_mean': 0.012109756469726562, 'KL/rejected_KL_mean': -0.00736236572265625, 'KL/mean': 0.002375006675720215, 'KL/std': 0.2516428828239441, 'logits/chosen': -0.4490339756011963, 'logits/rejected': -0.4234827160835266, 'epoch': 0.02}
2%|███▋ | 11/681 [00:27<28:11, 2.53s/it] 2%|███▉ | 12/681 [00:30<28:20, 2.54s/it] {'loss': 1.3918, 'grad_norm': 89.79679107666016, 'learning_rate': 7.971014492753623e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5012508630752563, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.05004730820655823, 'margin_dpo/margin_mean': -0.05004820227622986, 'margin_dpo/margin_std': 0.43947750329971313, 'logps/chosen': -61.81404495239258, 'logps/rejected': -104.81682586669922, 'logps/ref_chosen': -61.80543518066406, 'logps/ref_rejected': -104.8582763671875, 'KL/chosen_KL_mean': -0.008607864379882812, 'KL/rejected_KL_mean': 0.041446685791015625, 'KL/mean': 0.016416624188423157, 'KL/std': 0.3268115222454071, 'logits/chosen': -0.5429999828338623, 'logits/rejected': -0.5069589614868164, 'epoch': 0.02}
2%|███▉ | 12/681 [00:30<28:20, 2.54s/it] 2%|████▎ | 13/681 [00:32<28:45, 2.58s/it] {'loss': 1.3818, 'grad_norm': 78.82386016845703, 'learning_rate': 8.695652173913042e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49878764152526855, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.04851400852203369, 'margin_dpo/margin_mean': 0.0485135018825531, 'margin_dpo/margin_std': 0.37014269828796387, 'logps/chosen': -64.23363494873047, 'logps/rejected': -87.22486877441406, 'logps/ref_chosen': -64.2603530883789, 'logps/ref_rejected': -87.20307922363281, 'KL/chosen_KL_mean': 0.026720046997070312, 'KL/rejected_KL_mean': -0.021785736083984375, 'KL/mean': 0.002465367317199707, 'KL/std': 0.26591062545776367, 'logits/chosen': -0.4669307470321655, 'logits/rejected': -0.4377588927745819, 'epoch': 0.02}
2%|████▎ | 13/681 [00:32<28:45, 2.58s/it] 2%|████▋ | 14/681 [00:35<28:25, 2.56s/it] {'loss': 1.3876, 'grad_norm': 85.25773620605469, 'learning_rate': 9.420289855072464e-08, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.500230610370636, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.00926673412322998, 'margin_dpo/margin_mean': -0.00926661491394043, 'margin_dpo/margin_std': 0.39651691913604736, 'logps/chosen': -58.129432678222656, 'logps/rejected': -104.0570297241211, 'logps/ref_chosen': -58.11021041870117, 'logps/ref_rejected': -104.04708099365234, 'KL/chosen_KL_mean': -0.019222259521484375, 'KL/rejected_KL_mean': -0.00994873046875, 'KL/mean': -0.014583319425582886, 'KL/std': 0.2809370756149292, 'logits/chosen': -0.43502137064933777, 'logits/rejected': -0.3942975103855133, 'epoch': 0.02}
2%|████▋ | 14/681 [00:35<28:25, 2.56s/it] 2%|████▉ | 15/681 [00:37<28:18, 2.55s/it] {'loss': 1.3851, 'grad_norm': 64.12519073486328, 'learning_rate': 1.0144927536231885e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49960604310035706, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.015737533569335938, 'margin_dpo/margin_mean': 0.015737563371658325, 'margin_dpo/margin_std': 0.3705330491065979, 'logps/chosen': -56.99074935913086, 'logps/rejected': -80.84822082519531, 'logps/ref_chosen': -56.96691131591797, 'logps/ref_rejected': -80.80863952636719, 'KL/chosen_KL_mean': -0.023839950561523438, 'KL/rejected_KL_mean': -0.039577484130859375, 'KL/mean': -0.03170686960220337, 'KL/std': 0.2464873492717743, 'logits/chosen': -0.4756002724170685, 'logits/rejected': -0.4559728801250458, 'epoch': 0.02}
2%|████▉ | 15/681 [00:37<28:18, 2.55s/it] 2%|█████▎ | 16/681 [00:40<28:02, 2.53s/it] {'loss': 1.3836, 'grad_norm': 84.03563690185547, 'learning_rate': 1.0869565217391303e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4992336332798004, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.030667126178741455, 'margin_dpo/margin_mean': 0.030666619539260864, 'margin_dpo/margin_std': 0.3938596844673157, 'logps/chosen': -61.758277893066406, 'logps/rejected': -84.41851806640625, 'logps/ref_chosen': -61.739891052246094, 'logps/ref_rejected': -84.36947631835938, 'KL/chosen_KL_mean': -0.018383026123046875, 'KL/rejected_KL_mean': -0.04904937744140625, 'KL/mean': -0.03371742367744446, 'KL/std': 0.2746584713459015, 'logits/chosen': -0.5321472883224487, 'logits/rejected': -0.4919458329677582, 'epoch': 0.02}
2%|█████▎ | 16/681 [00:40<28:02, 2.53s/it] 2%|█████▋ | 17/681 [00:42<27:43, 2.51s/it] {'loss': 1.3859, 'grad_norm': 79.06344604492188, 'learning_rate': 1.1594202898550725e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49978873133659363, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.00841444730758667, 'margin_dpo/margin_mean': 0.008414477109909058, 'margin_dpo/margin_std': 0.41055363416671753, 'logps/chosen': -67.71443176269531, 'logps/rejected': -85.39116668701172, 'logps/ref_chosen': -67.71033477783203, 'logps/ref_rejected': -85.37865447998047, 'KL/chosen_KL_mean': -0.004093170166015625, 'KL/rejected_KL_mean': -0.01251220703125, 'KL/mean': -0.00830143690109253, 'KL/std': 0.27522557973861694, 'logits/chosen': -0.49493852257728577, 'logits/rejected': -0.45694345235824585, 'epoch': 0.02}
2%|█████▋ | 17/681 [00:42<27:43, 2.51s/it] 3%|█████▉ | 18/681 [00:45<27:37, 2.50s/it] {'loss': 1.3878, 'grad_norm': 82.40819549560547, 'learning_rate': 1.2318840579710146e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.5002602934837341, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': -0.010453850030899048, 'margin_dpo/margin_mean': -0.010454446077346802, 'margin_dpo/margin_std': 0.4250386953353882, 'logps/chosen': -47.77239227294922, 'logps/rejected': -75.49473571777344, 'logps/ref_chosen': -47.7394905090332, 'logps/ref_rejected': -75.4722900390625, 'KL/chosen_KL_mean': -0.032901763916015625, 'KL/rejected_KL_mean': -0.0224456787109375, 'KL/mean': -0.02767445147037506, 'KL/std': 0.2769307494163513, 'logits/chosen': -0.48359060287475586, 'logits/rejected': -0.427044153213501, 'epoch': 0.03}
3%|█████▉ | 18/681 [00:45<27:37, 2.50s/it] 3%|██████▎ | 19/681 [00:47<27:45, 2.52s/it] {'loss': 1.3757, 'grad_norm': 73.24119567871094, 'learning_rate': 1.3043478260869563e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4972538352012634, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.10988301038742065, 'margin_dpo/margin_mean': 0.10988333821296692, 'margin_dpo/margin_std': 0.3672480881214142, 'logps/chosen': -70.16853332519531, 'logps/rejected': -89.83065795898438, 'logps/ref_chosen': -70.20536041259766, 'logps/ref_rejected': -89.7575912475586, 'KL/chosen_KL_mean': 0.036823272705078125, 'KL/rejected_KL_mean': -0.07306671142578125, 'KL/mean': -0.018123507499694824, 'KL/std': 0.252922385931015, 'logits/chosen': -0.47332119941711426, 'logits/rejected': -0.4219907522201538, 'epoch': 0.03}
3%|██████▎ | 19/681 [00:47<27:45, 2.52s/it] 3%|██████▋ | 20/681 [00:50<27:43, 2.52s/it] {'loss': 1.3798, 'grad_norm': 73.5529556274414, 'learning_rate': 1.3768115942028986e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49827927350997925, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.06885161995887756, 'margin_dpo/margin_mean': 0.06885164976119995, 'margin_dpo/margin_std': 0.3669779896736145, 'logps/chosen': -50.833892822265625, 'logps/rejected': -78.9228515625, 'logps/ref_chosen': -50.80324172973633, 'logps/ref_rejected': -78.82334899902344, 'KL/chosen_KL_mean': -0.030652999877929688, 'KL/rejected_KL_mean': -0.0995025634765625, 'KL/mean': -0.0650777667760849, 'KL/std': 0.2643129825592041, 'logits/chosen': -0.5481554269790649, 'logits/rejected': -0.4914012551307678, 'epoch': 0.03}
3%|██████▋ | 20/681 [00:50<27:43, 2.52s/it] 3%|██████▉ | 21/681 [00:52<27:34, 2.51s/it] {'loss': 1.3767, 'grad_norm': 77.5016860961914, 'learning_rate': 1.4492753623188405e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49751463532447815, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.09943097829818726, 'margin_dpo/margin_mean': 0.09943100810050964, 'margin_dpo/margin_std': 0.37303319573402405, 'logps/chosen': -50.06216812133789, 'logps/rejected': -77.96737670898438, 'logps/ref_chosen': -50.063018798828125, 'logps/ref_rejected': -77.86878967285156, 'KL/chosen_KL_mean': 0.0008487701416015625, 'KL/rejected_KL_mean': -0.09858322143554688, 'KL/mean': -0.04886701703071594, 'KL/std': 0.29678937792778015, 'logits/chosen': -0.49147945642471313, 'logits/rejected': -0.4672367572784424, 'epoch': 0.03}
3%|██████▉ | 21/681 [00:52<27:34, 2.51s/it] 3%|███████▎ | 22/681 [00:55<27:33, 2.51s/it] {'loss': 1.3673, 'grad_norm': 84.59005737304688, 'learning_rate': 1.5217391304347825e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4951126277446747, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.1955808401107788, 'margin_dpo/margin_mean': 0.19558033347129822, 'margin_dpo/margin_std': 0.42738014459609985, 'logps/chosen': -59.01184844970703, 'logps/rejected': -97.65445709228516, 'logps/ref_chosen': -59.05763626098633, 'logps/ref_rejected': -97.50466918945312, 'KL/chosen_KL_mean': 0.045787811279296875, 'KL/rejected_KL_mean': -0.14978408813476562, 'KL/mean': -0.051998257637023926, 'KL/std': 0.30449533462524414, 'logits/chosen': -0.49251508712768555, 'logits/rejected': -0.44915539026260376, 'epoch': 0.03}
3%|███████▎ | 22/681 [00:55<27:33, 2.51s/it] 3%|███████▋ | 23/681 [00:58<28:47, 2.63s/it] {'loss': 1.3635, 'grad_norm': 80.18136596679688, 'learning_rate': 1.5942028985507245e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49415063858032227, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.23416772484779358, 'margin_dpo/margin_mean': 0.23416772484779358, 'margin_dpo/margin_std': 0.4289299249649048, 'logps/chosen': -60.019371032714844, 'logps/rejected': -81.31539916992188, 'logps/ref_chosen': -60.07769775390625, 'logps/ref_rejected': -81.13955688476562, 'KL/chosen_KL_mean': 0.058322906494140625, 'KL/rejected_KL_mean': -0.17584228515625, 'KL/mean': -0.0587589293718338, 'KL/std': 0.31453025341033936, 'logits/chosen': -0.49351799488067627, 'logits/rejected': -0.4712684154510498, 'epoch': 0.03}
3%|███████▋ | 23/681 [00:58<28:47, 2.63s/it] 4%|███████▉ | 24/681 [01:00<28:48, 2.63s/it] {'loss': 1.3644, 'grad_norm': 82.01287841796875, 'learning_rate': 1.6666666666666665e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49440497159957886, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.2238883376121521, 'margin_dpo/margin_mean': 0.22388812899589539, 'margin_dpo/margin_std': 0.3889973759651184, 'logps/chosen': -44.272621154785156, 'logps/rejected': -99.3306884765625, 'logps/ref_chosen': -44.29103469848633, 'logps/ref_rejected': -99.12521362304688, 'KL/chosen_KL_mean': 0.018413543701171875, 'KL/rejected_KL_mean': -0.20547866821289062, 'KL/mean': -0.09353002905845642, 'KL/std': 0.3055531978607178, 'logits/chosen': -0.5203529596328735, 'logits/rejected': -0.5036816000938416, 'epoch': 0.04}
4%|███████▉ | 24/681 [01:00<28:48, 2.63s/it] 4%|████████▎ | 25/681 [01:03<28:50, 2.64s/it] {'loss': 1.362, 'grad_norm': 73.92852020263672, 'learning_rate': 1.7391304347826085e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.49376434087753296, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.2496315836906433, 'margin_dpo/margin_mean': 0.24963170289993286, 'margin_dpo/margin_std': 0.44056153297424316, 'logps/chosen': -52.534461975097656, 'logps/rejected': -89.5892333984375, 'logps/ref_chosen': -52.537052154541016, 'logps/ref_rejected': -89.34219360351562, 'KL/chosen_KL_mean': 0.0025882720947265625, 'KL/rejected_KL_mean': -0.247039794921875, 'KL/mean': -0.12222906947135925, 'KL/std': 0.3658377528190613, 'logits/chosen': -0.4850538969039917, 'logits/rejected': -0.4546140432357788, 'epoch': 0.04}
4%|████████▎ | 25/681 [01:03<28:50, 2.64s/it] 4%|████████▋ | 26/681 [01:05<27:28, 2.52s/it] {'loss': 1.3465, 'grad_norm': 87.61016082763672, 'learning_rate': 1.8115942028985507e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.48977863788604736, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.40927183628082275, 'margin_dpo/margin_mean': 0.4092727303504944, 'margin_dpo/margin_std': 0.5137361288070679, 'logps/chosen': -53.8396110534668, 'logps/rejected': -103.685791015625, 'logps/ref_chosen': -53.92280578613281, 'logps/ref_rejected': -103.35971069335938, 'KL/chosen_KL_mean': 0.08319664001464844, 'KL/rejected_KL_mean': -0.32607269287109375, 'KL/mean': -0.12143772840499878, 'KL/std': 0.41855013370513916, 'logits/chosen': -0.5254790782928467, 'logits/rejected': -0.4935619533061981, 'epoch': 0.04}
4%|████████▋ | 26/681 [01:05<27:28, 2.52s/it] 4%|████████▉ | 27/681 [01:08<27:13, 2.50s/it] {'loss': 1.3433, 'grad_norm': 93.73269653320312, 'learning_rate': 1.8840579710144927e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4889661371707916, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.4418245851993561, 'margin_dpo/margin_mean': 0.4418243169784546, 'margin_dpo/margin_std': 0.5311126708984375, 'logps/chosen': -42.770599365234375, 'logps/rejected': -99.03810119628906, 'logps/ref_chosen': -42.898529052734375, 'logps/ref_rejected': -98.72419738769531, 'KL/chosen_KL_mean': 0.1279277801513672, 'KL/rejected_KL_mean': -0.3138999938964844, 'KL/mean': -0.09298427402973175, 'KL/std': 0.4433329701423645, 'logits/chosen': -0.5290693640708923, 'logits/rejected': -0.4929000735282898, 'epoch': 0.04}
4%|████████▉ | 27/681 [01:08<27:13, 2.50s/it] 4%|█████████▎ | 28/681 [01:10<27:21, 2.51s/it] {'loss': 1.3538, 'grad_norm': 75.1212158203125, 'learning_rate': 1.9565217391304347e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4915998578071594, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.33634987473487854, 'margin_dpo/margin_mean': 0.33634981513023376, 'margin_dpo/margin_std': 0.5798689126968384, 'logps/chosen': -60.530147552490234, 'logps/rejected': -91.71112060546875, 'logps/ref_chosen': -60.55650329589844, 'logps/ref_rejected': -91.40111541748047, 'KL/chosen_KL_mean': 0.026353836059570312, 'KL/rejected_KL_mean': -0.3100013732910156, 'KL/mean': -0.14182431995868683, 'KL/std': 0.40777623653411865, 'logits/chosen': -0.5229371786117554, 'logits/rejected': -0.4693087339401245, 'epoch': 0.04}
4%|█████████▎ | 28/681 [01:10<27:21, 2.51s/it] 4%|█████████▌ | 29/681 [01:12<26:19, 2.42s/it] {'loss': 1.3334, 'grad_norm': 90.61625671386719, 'learning_rate': 2.028985507246377e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.48638832569122314, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.5451391339302063, 'margin_dpo/margin_mean': 0.5451398491859436, 'margin_dpo/margin_std': 0.6029021739959717, 'logps/chosen': -57.72539520263672, 'logps/rejected': -97.85710144042969, 'logps/ref_chosen': -57.80778503417969, 'logps/ref_rejected': -97.39434814453125, 'KL/chosen_KL_mean': 0.08238792419433594, 'KL/rejected_KL_mean': -0.4627494812011719, 'KL/mean': -0.1901816427707672, 'KL/std': 0.5029264092445374, 'logits/chosen': -0.5645961761474609, 'logits/rejected': -0.5192388296127319, 'epoch': 0.04}
4%|█████████▌ | 29/681 [01:12<26:19, 2.42s/it] 4%|█████████▉ | 30/681 [01:15<26:56, 2.48s/it] {'loss': 1.3194, 'grad_norm': 87.55204010009766, 'learning_rate': 2.1014492753623187e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.48277321457862854, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.6901483535766602, 'margin_dpo/margin_mean': 0.6901484727859497, 'margin_dpo/margin_std': 0.5979875326156616, 'logps/chosen': -52.440673828125, 'logps/rejected': -99.04265594482422, 'logps/ref_chosen': -52.577369689941406, 'logps/ref_rejected': -98.48920440673828, 'KL/chosen_KL_mean': 0.13669967651367188, 'KL/rejected_KL_mean': -0.5534515380859375, 'KL/mean': -0.20837418735027313, 'KL/std': 0.5482817888259888, 'logits/chosen': -0.49230870604515076, 'logits/rejected': -0.4614727795124054, 'epoch': 0.04}
4%|█████████▉ | 30/681 [01:15<26:56, 2.48s/it] 5%|██████████▎ | 31/681 [01:18<27:24, 2.53s/it] {'loss': 1.3411, 'grad_norm': 68.1603012084961, 'learning_rate': 2.1739130434782607e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.48832568526268005, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.46777844429016113, 'margin_dpo/margin_mean': 0.4677784740924835, 'margin_dpo/margin_std': 0.6523255109786987, 'logps/chosen': -63.71404266357422, 'logps/rejected': -73.26890563964844, 'logps/ref_chosen': -63.806922912597656, 'logps/ref_rejected': -72.89400482177734, 'KL/chosen_KL_mean': 0.09287834167480469, 'KL/rejected_KL_mean': -0.3749046325683594, 'KL/mean': -0.14101067185401917, 'KL/std': 0.5449085235595703, 'logits/chosen': -0.49934709072113037, 'logits/rejected': -0.4538087844848633, 'epoch': 0.05}
5%|██████████▎ | 31/681 [01:18<27:24, 2.53s/it] 5%|██████████▌ | 32/681 [01:20<27:59, 2.59s/it] {'loss': 1.3113, 'grad_norm': 81.92281341552734, 'learning_rate': 2.2463768115942027e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.48040735721588135, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.786858856678009, 'margin_dpo/margin_mean': 0.7868585586547852, 'margin_dpo/margin_std': 0.9216699600219727, 'logps/chosen': -62.532135009765625, 'logps/rejected': -89.89697265625, 'logps/ref_chosen': -62.739524841308594, 'logps/ref_rejected': -89.3175048828125, 'KL/chosen_KL_mean': 0.20739173889160156, 'KL/rejected_KL_mean': -0.5794715881347656, 'KL/mean': -0.186039000749588, 'KL/std': 0.7225437164306641, 'logits/chosen': -0.49706003069877625, 'logits/rejected': -0.4546694755554199, 'epoch': 0.05}
5%|██████████▌ | 32/681 [01:20<27:59, 2.59s/it] 5%|██████████▉ | 33/681 [01:23<27:16, 2.53s/it] {'loss': 1.332, 'grad_norm': 72.56104278564453, 'learning_rate': 2.318840579710145e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4859866797924042, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.5613725781440735, 'margin_dpo/margin_mean': 0.5613729953765869, 'margin_dpo/margin_std': 0.6500346660614014, 'logps/chosen': -53.17023849487305, 'logps/rejected': -88.35577392578125, 'logps/ref_chosen': -53.26097106933594, 'logps/ref_rejected': -87.8851318359375, 'KL/chosen_KL_mean': 0.09073448181152344, 'KL/rejected_KL_mean': -0.47064208984375, 'KL/mean': -0.189952552318573, 'KL/std': 0.574708104133606, 'logits/chosen': -0.48183947801589966, 'logits/rejected': -0.45549333095550537, 'epoch': 0.05}
5%|██████████▉ | 33/681 [01:23<27:16, 2.53s/it] 5%|███████████▎ | 34/681 [01:25<27:21, 2.54s/it] {'loss': 1.3101, 'grad_norm': 77.36227416992188, 'learning_rate': 2.391304347826087e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4800262153148651, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 0.8018748760223389, 'margin_dpo/margin_mean': 0.801874041557312, 'margin_dpo/margin_std': 0.9598724842071533, 'logps/chosen': -50.74214553833008, 'logps/rejected': -102.64854431152344, 'logps/ref_chosen': -50.81732940673828, 'logps/ref_rejected': -101.92184448242188, 'KL/chosen_KL_mean': 0.07518196105957031, 'KL/rejected_KL_mean': -0.7266960144042969, 'KL/mean': -0.32575562596321106, 'KL/std': 0.7734376192092896, 'logits/chosen': -0.4970749318599701, 'logits/rejected': -0.47958844900131226, 'epoch': 0.05}
5%|███████████▎ | 34/681 [01:25<27:21, 2.54s/it] 5%|███████████▌ | 35/681 [01:28<27:44, 2.58s/it] {'loss': 1.2735, 'grad_norm': 82.61671447753906, 'learning_rate': 2.463768115942029e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.47035083174705505, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.1925348043441772, 'margin_dpo/margin_mean': 1.1925346851348877, 'margin_dpo/margin_std': 1.0775500535964966, 'logps/chosen': -50.884857177734375, 'logps/rejected': -107.87733459472656, 'logps/ref_chosen': -51.02449035644531, 'logps/ref_rejected': -106.82443237304688, 'KL/chosen_KL_mean': 0.1396312713623047, 'KL/rejected_KL_mean': -1.0529060363769531, 'KL/mean': -0.4566376209259033, 'KL/std': 0.9779422283172607, 'logits/chosen': -0.5158413648605347, 'logits/rejected': -0.47896769642829895, 'epoch': 0.05}
5%|███████████▌ | 35/681 [01:28<27:44, 2.58s/it] 5%|███████████▉ | 36/681 [01:31<27:47, 2.59s/it] {'loss': 1.281, 'grad_norm': 72.85025787353516, 'learning_rate': 2.536231884057971e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.472078800201416, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.1229325532913208, 'margin_dpo/margin_mean': 1.1229320764541626, 'margin_dpo/margin_std': 1.2045643329620361, 'logps/chosen': -51.97772979736328, 'logps/rejected': -87.14979553222656, 'logps/ref_chosen': -51.991493225097656, 'logps/ref_rejected': -86.0406265258789, 'KL/chosen_KL_mean': 0.013763427734375, 'KL/rejected_KL_mean': -1.1091690063476562, 'KL/mean': -0.5477051734924316, 'KL/std': 1.0905871391296387, 'logits/chosen': -0.5630701184272766, 'logits/rejected': -0.5269886255264282, 'epoch': 0.05}
5%|███████████▉ | 36/681 [01:31<27:47, 2.59s/it] 5%|████████████▎ | 37/681 [01:33<27:50, 2.59s/it] {'loss': 1.2919, 'grad_norm': 61.76152038574219, 'learning_rate': 2.6086956521739126e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4748191237449646, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.014506220817566, 'margin_dpo/margin_mean': 1.0145056247711182, 'margin_dpo/margin_std': 1.287419080734253, 'logps/chosen': -62.81520080566406, 'logps/rejected': -78.91767883300781, 'logps/ref_chosen': -62.807106018066406, 'logps/ref_rejected': -77.89507293701172, 'KL/chosen_KL_mean': -0.00809478759765625, 'KL/rejected_KL_mean': -1.0226058959960938, 'KL/mean': -0.5153483152389526, 'KL/std': 1.0523146390914917, 'logits/chosen': -0.5344172120094299, 'logits/rejected': -0.49267613887786865, 'epoch': 0.05}
5%|████████████▎ | 37/681 [01:33<27:50, 2.59s/it] 6%|████████████▌ | 38/681 [01:35<26:32, 2.48s/it] {'loss': 1.2556, 'grad_norm': 68.95872497558594, 'learning_rate': 2.681159420289855e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4646208882331848, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.4370999336242676, 'margin_dpo/margin_mean': 1.4370996952056885, 'margin_dpo/margin_std': 1.7722265720367432, 'logps/chosen': -48.214759826660156, 'logps/rejected': -99.17378234863281, 'logps/ref_chosen': -48.39051818847656, 'logps/ref_rejected': -97.91244506835938, 'KL/chosen_KL_mean': 0.17576217651367188, 'KL/rejected_KL_mean': -1.2613372802734375, 'KL/mean': -0.5427882671356201, 'KL/std': 1.4168626070022583, 'logits/chosen': -0.5328177809715271, 'logits/rejected': -0.5000877976417542, 'epoch': 0.06}
6%|████████████▌ | 38/681 [01:35<26:32, 2.48s/it] 6%|████████████▉ | 39/681 [01:38<26:32, 2.48s/it] {'loss': 1.2301, 'grad_norm': 72.92730712890625, 'learning_rate': 2.753623188405797e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.4582422375679016, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.6833879947662354, 'margin_dpo/margin_mean': 1.683387279510498, 'margin_dpo/margin_std': 1.413730502128601, 'logps/chosen': -50.668487548828125, 'logps/rejected': -80.17091369628906, 'logps/ref_chosen': -50.75047302246094, 'logps/ref_rejected': -78.56951141357422, 'KL/chosen_KL_mean': 0.08198738098144531, 'KL/rejected_KL_mean': -1.6013984680175781, 'KL/mean': -0.7597079277038574, 'KL/std': 1.309003472328186, 'logits/chosen': -0.539905846118927, 'logits/rejected': -0.49894577264785767, 'epoch': 0.06}
6%|████████████▉ | 39/681 [01:38<26:32, 2.48s/it] 6%|█████████████▎ | 40/681 [01:41<27:02, 2.53s/it] {'loss': 1.2421, 'grad_norm': 60.406272888183594, 'learning_rate': 2.8260869565217386e-07, 'fcm_dpo/beta': 0.10000000149011612, 'fcm_dpo/q_t': 0.46117883920669556, 'fcm_dpo/delta': 0.0, 'fcm_dpo/margin': 1.5715957880020142, 'margin_dpo/margin_mean': 1.5715968608856201, 'margin_dpo/margin_std': 1.6131068468093872, 'logps/chosen': -57.74489974975586, 'logps/rejected': -75.63150024414062, 'logps/ref_chosen': -57.985069274902344, 'logps/ref_rejected': -74.3000717163086, 'KL/chosen_KL_mean': 0.24016761779785156, 'KL/rejected_KL_mean': -1.3314285278320312, 'KL/mean': -0.545630693435669, 'KL/std': 1.3814085721969604, 'logits/chosen': -0.5031940937042236, 'logits/rejected': -0.47205477952957153, 'epoch': 0.06}
6%|█████████████▎ | 40/681 [01:41<27:02, 2.53s/it] 6%|█████████████▌ | 41/681 [01:43<26:53, 2.52s/it] {'loss': 1.2044, 'grad_norm': 69.02500915527344, 'learning_rate': 2.898550724637681e-07, 'fcm_dpo/beta': 0.10199292004108429, 'fcm_dpo/q_t': 0.4510888457298279, 'fcm_dpo/delta': 0.1954224854707718, 'fcm_dpo/margin': 1.9906086921691895, 'margin_dpo/margin_mean': 1.9906091690063477, 'margin_dpo/margin_std': 2.014521837234497, 'logps/chosen': -62.65713119506836, 'logps/rejected': -98.97544860839844, 'logps/ref_chosen': -62.69581604003906, 'logps/ref_rejected': -97.02352905273438, 'KL/chosen_KL_mean': 0.038684844970703125, 'KL/rejected_KL_mean': -1.9519233703613281, 'KL/mean': -0.956620454788208, 'KL/std': 1.903930425643921, 'logits/chosen': -0.5088913440704346, 'logits/rejected': -0.47061896324157715, 'epoch': 0.06}
6%|█████████████▌ | 41/681 [01:43<26:53, 2.52s/it] 6%|█████████████▉ | 42/681 [01:46<26:46, 2.51s/it] {'loss': 1.1385, 'grad_norm': 84.8261947631836, 'learning_rate': 2.971014492753623e-07, 'fcm_dpo/beta': 0.1092967838048935, 'fcm_dpo/q_t': 0.4330694079399109, 'fcm_dpo/delta': 0.32513314485549927, 'fcm_dpo/margin': 2.5956621170043945, 'margin_dpo/margin_mean': 2.5956621170043945, 'margin_dpo/margin_std': 2.356515407562256, 'logps/chosen': -58.76008987426758, 'logps/rejected': -112.29769897460938, 'logps/ref_chosen': -58.966426849365234, 'logps/ref_rejected': -109.90837097167969, 'KL/chosen_KL_mean': 0.20633697509765625, 'KL/rejected_KL_mean': -2.389324188232422, 'KL/mean': -1.0914945602416992, 'KL/std': 2.13301944732666, 'logits/chosen': -0.5458312630653381, 'logits/rejected': -0.49941253662109375, 'epoch': 0.06}
6%|█████████████▉ | 42/681 [01:46<26:46, 2.51s/it] 6%|██████████████▎ | 43/681 [01:48<26:51, 2.53s/it] {'loss': 1.129, 'grad_norm': 80.33716583251953, 'learning_rate': 3.043478260869565e-07, 'fcm_dpo/beta': 0.11624425649642944, 'fcm_dpo/q_t': 0.4308740496635437, 'fcm_dpo/delta': 0.3174755573272705, 'fcm_dpo/margin': 2.5129733085632324, 'margin_dpo/margin_mean': 2.5129730701446533, 'margin_dpo/margin_std': 1.9879181385040283, 'logps/chosen': -53.606422424316406, 'logps/rejected': -98.44358825683594, 'logps/ref_chosen': -54.15599822998047, 'logps/ref_rejected': -96.48019409179688, 'KL/chosen_KL_mean': 0.5495738983154297, 'KL/rejected_KL_mean': -1.9634017944335938, 'KL/mean': -0.7069127559661865, 'KL/std': 1.8634235858917236, 'logits/chosen': -0.5390653610229492, 'logits/rejected': -0.5141108632087708, 'epoch': 0.06}
6%|██████████████▎ | 43/681 [01:48<26:51, 2.53s/it] 6%|██████████████▌ | 44/681 [01:51<26:51, 2.53s/it] {'loss': 1.0872, 'grad_norm': 91.2223129272461, 'learning_rate': 3.115942028985507e-07, 'fcm_dpo/beta': 0.1229436844587326, 'fcm_dpo/q_t': 0.4178880453109741, 'fcm_dpo/delta': 0.2615148425102234, 'fcm_dpo/margin': 2.827385425567627, 'margin_dpo/margin_mean': 2.827385902404785, 'margin_dpo/margin_std': 2.2556262016296387, 'logps/chosen': -49.85948944091797, 'logps/rejected': -111.39213562011719, 'logps/ref_chosen': -50.07849884033203, 'logps/ref_rejected': -108.78376007080078, 'KL/chosen_KL_mean': 0.2190093994140625, 'KL/rejected_KL_mean': -2.608379364013672, 'KL/mean': -1.1946829557418823, 'KL/std': 2.2951462268829346, 'logits/chosen': -0.44505244493484497, 'logits/rejected': -0.42579957842826843, 'epoch': 0.06}
6%|██████████████▌ | 44/681 [01:51<26:51, 2.53s/it] 7%|██████████████▉ | 45/681 [01:53<26:57, 2.54s/it] {'loss': 1.1358, 'grad_norm': 74.77536010742188, 'learning_rate': 3.188405797101449e-07, 'fcm_dpo/beta': 0.130710631608963, 'fcm_dpo/q_t': 0.43017762899398804, 'fcm_dpo/delta': 0.3077217638492584, 'fcm_dpo/margin': 2.302053928375244, 'margin_dpo/margin_mean': 2.302053451538086, 'margin_dpo/margin_std': 2.5962462425231934, 'logps/chosen': -48.25531005859375, 'logps/rejected': -80.078857421875, 'logps/ref_chosen': -48.4149284362793, 'logps/ref_rejected': -77.93643188476562, 'KL/chosen_KL_mean': 0.1596202850341797, 'KL/rejected_KL_mean': -2.1424331665039062, 'KL/mean': -0.9914059042930603, 'KL/std': 2.0859012603759766, 'logits/chosen': -0.489723801612854, 'logits/rejected': -0.4772561490535736, 'epoch': 0.07}
7%|██████████████▉ | 45/681 [01:53<26:57, 2.54s/it] 7%|███████████████▎ | 46/681 [01:56<27:17, 2.58s/it] {'loss': 1.0677, 'grad_norm': 87.37943267822266, 'learning_rate': 3.260869565217391e-07, 'fcm_dpo/beta': 0.1369568109512329, 'fcm_dpo/q_t': 0.4084067940711975, 'fcm_dpo/delta': 0.20972974598407745, 'fcm_dpo/margin': 2.9075417518615723, 'margin_dpo/margin_mean': 2.9075417518615723, 'margin_dpo/margin_std': 3.0763049125671387, 'logps/chosen': -55.81406784057617, 'logps/rejected': -98.37477111816406, 'logps/ref_chosen': -55.999427795410156, 'logps/ref_rejected': -95.652587890625, 'KL/chosen_KL_mean': 0.18535804748535156, 'KL/rejected_KL_mean': -2.722187042236328, 'KL/mean': -1.268411636352539, 'KL/std': 2.5633392333984375, 'logits/chosen': -0.5191621780395508, 'logits/rejected': -0.4675208628177643, 'epoch': 0.07}
7%|███████████████▎ | 46/681 [01:56<27:17, 2.58s/it] 7%|███████████████▌ | 47/681 [01:58<27:15, 2.58s/it] {'loss': 1.0467, 'grad_norm': 83.57400512695312, 'learning_rate': 3.333333333333333e-07, 'fcm_dpo/beta': 0.1426984965801239, 'fcm_dpo/q_t': 0.4023776650428772, 'fcm_dpo/delta': 0.1863730251789093, 'fcm_dpo/margin': 2.94534969329834, 'margin_dpo/margin_mean': 2.945349931716919, 'margin_dpo/margin_std': 2.759472370147705, 'logps/chosen': -57.547035217285156, 'logps/rejected': -97.24551391601562, 'logps/ref_chosen': -57.92607879638672, 'logps/ref_rejected': -94.67920684814453, 'KL/chosen_KL_mean': 0.3790416717529297, 'KL/rejected_KL_mean': -2.5663070678710938, 'KL/mean': -1.0936341285705566, 'KL/std': 2.5994389057159424, 'logits/chosen': -0.572807788848877, 'logits/rejected': -0.5201467871665955, 'epoch': 0.07}
7%|███████████████▌ | 47/681 [01:59<27:15, 2.58s/it] 7%|███████████████▉ | 48/681 [02:01<27:45, 2.63s/it] {'loss': 1.03, 'grad_norm': 93.96417999267578, 'learning_rate': 3.4057971014492755e-07, 'fcm_dpo/beta': 0.14606741070747375, 'fcm_dpo/q_t': 0.39447665214538574, 'fcm_dpo/delta': 0.14858855307102203, 'fcm_dpo/margin': 3.1388156414031982, 'margin_dpo/margin_mean': 3.1388158798217773, 'margin_dpo/margin_std': 2.966205596923828, 'logps/chosen': -57.13231658935547, 'logps/rejected': -91.09965515136719, 'logps/ref_chosen': -57.188072204589844, 'logps/ref_rejected': -88.0166015625, 'KL/chosen_KL_mean': 0.055755615234375, 'KL/rejected_KL_mean': -3.083057403564453, 'KL/mean': -1.5136513710021973, 'KL/std': 2.7071356773376465, 'logits/chosen': -0.5753400325775146, 'logits/rejected': -0.51603102684021, 'epoch': 0.07}
7%|███████████████▉ | 48/681 [02:01<27:45, 2.63s/it] 7%|████████████████▎ | 49/681 [02:04<27:23, 2.60s/it] {'loss': 0.9725, 'grad_norm': 97.30853271484375, 'learning_rate': 3.478260869565217e-07, 'fcm_dpo/beta': 0.14929595589637756, 'fcm_dpo/q_t': 0.3742704391479492, 'fcm_dpo/delta': 0.03374991938471794, 'fcm_dpo/margin': 3.8007659912109375, 'margin_dpo/margin_mean': 3.800764799118042, 'margin_dpo/margin_std': 3.881669759750366, 'logps/chosen': -61.36851119995117, 'logps/rejected': -87.2514877319336, 'logps/ref_chosen': -61.685272216796875, 'logps/ref_rejected': -83.76747131347656, 'KL/chosen_KL_mean': 0.3167591094970703, 'KL/rejected_KL_mean': -3.4840126037597656, 'KL/mean': -1.5836272239685059, 'KL/std': 3.3755598068237305, 'logits/chosen': -0.558617115020752, 'logits/rejected': -0.5012648105621338, 'epoch': 0.07}
7%|████████████████▎ | 49/681 [02:04<27:23, 2.60s/it] 7%|████████████████▌ | 50/681 [02:06<27:27, 2.61s/it] {'loss': 0.9436, 'grad_norm': 80.24071502685547, 'learning_rate': 3.5507246376811595e-07, 'fcm_dpo/beta': 0.148372083902359, 'fcm_dpo/q_t': 0.36416471004486084, 'fcm_dpo/delta': -0.010192867368459702, 'fcm_dpo/margin': 4.108177185058594, 'margin_dpo/margin_mean': 4.108177185058594, 'margin_dpo/margin_std': 4.009483337402344, 'logps/chosen': -58.91465759277344, 'logps/rejected': -100.65684509277344, 'logps/ref_chosen': -58.72413635253906, 'logps/ref_rejected': -96.35814666748047, 'KL/chosen_KL_mean': -0.190521240234375, 'KL/rejected_KL_mean': -4.298698425292969, 'KL/mean': -2.244612216949463, 'KL/std': 3.501471757888794, 'logits/chosen': -0.5547747611999512, 'logits/rejected': -0.5192065834999084, 'epoch': 0.07}
7%|████████████████▌ | 50/681 [02:06<27:27, 2.61s/it] 7%|████████████████▉ | 51/681 [02:09<27:29, 2.62s/it] {'loss': 0.9931, 'grad_norm': 65.57543182373047, 'learning_rate': 3.6231884057971015e-07, 'fcm_dpo/beta': 0.14748243987560272, 'fcm_dpo/q_t': 0.3747638463973999, 'fcm_dpo/delta': 0.0006546974182128906, 'fcm_dpo/margin': 4.058258056640625, 'margin_dpo/margin_mean': 4.058258056640625, 'margin_dpo/margin_std': 5.099086761474609, 'logps/chosen': -61.62532043457031, 'logps/rejected': -80.3119125366211, 'logps/ref_chosen': -61.3736686706543, 'logps/ref_rejected': -76.00199890136719, 'KL/chosen_KL_mean': -0.25165367126464844, 'KL/rejected_KL_mean': -4.309909820556641, 'KL/mean': -2.280780553817749, 'KL/std': 4.161914825439453, 'logits/chosen': -0.4971970319747925, 'logits/rejected': -0.46293967962265015, 'epoch': 0.07}
7%|████████████████▉ | 51/681 [02:09<27:29, 2.62s/it] 8%|█████████████████▎ | 52/681 [02:11<26:48, 2.56s/it] {'loss': 0.7956, 'grad_norm': 67.91552734375, 'learning_rate': 3.695652173913043e-07, 'fcm_dpo/beta': 0.14197938144207, 'fcm_dpo/q_t': 0.31120362877845764, 'fcm_dpo/delta': -0.2979382872581482, 'fcm_dpo/margin': 6.139850616455078, 'margin_dpo/margin_mean': 6.139851093292236, 'margin_dpo/margin_std': 5.022448539733887, 'logps/chosen': -51.94292449951172, 'logps/rejected': -85.7193374633789, 'logps/ref_chosen': -52.33735656738281, 'logps/ref_rejected': -79.97391510009766, 'KL/chosen_KL_mean': 0.39443016052246094, 'KL/rejected_KL_mean': -5.74542236328125, 'KL/mean': -2.67549467086792, 'KL/std': 4.730856418609619, 'logits/chosen': -0.5659775733947754, 'logits/rejected': -0.5114268660545349, 'epoch': 0.08}
8%|█████████████████▎ | 52/681 [02:11<26:48, 2.56s/it] 8%|█████████████████▌ | 53/681 [02:14<26:44, 2.56s/it] {'loss': 0.8631, 'grad_norm': 73.4737777709961, 'learning_rate': 3.7681159420289855e-07, 'fcm_dpo/beta': 0.1361648589372635, 'fcm_dpo/q_t': 0.33245524764060974, 'fcm_dpo/delta': -0.2531626522541046, 'fcm_dpo/margin': 6.113650321960449, 'margin_dpo/margin_mean': 6.113650321960449, 'margin_dpo/margin_std': 6.09869909286499, 'logps/chosen': -53.52792739868164, 'logps/rejected': -98.11051940917969, 'logps/ref_chosen': -53.31465148925781, 'logps/ref_rejected': -91.78359985351562, 'KL/chosen_KL_mean': -0.21327590942382812, 'KL/rejected_KL_mean': -6.326923370361328, 'KL/mean': -3.2701005935668945, 'KL/std': 5.305433750152588, 'logits/chosen': -0.624061107635498, 'logits/rejected': -0.602851152420044, 'epoch': 0.08}
8%|█████████████████▌ | 53/681 [02:14<26:44, 2.56s/it] 8%|█████████████████▉ | 54/681 [02:16<26:08, 2.50s/it] {'loss': 0.8973, 'grad_norm': 85.72852325439453, 'learning_rate': 3.8405797101449274e-07, 'fcm_dpo/beta': 0.13124755024909973, 'fcm_dpo/q_t': 0.34891366958618164, 'fcm_dpo/delta': -0.10268934071063995, 'fcm_dpo/margin': 5.300374507904053, 'margin_dpo/margin_mean': 5.300373554229736, 'margin_dpo/margin_std': 5.095399856567383, 'logps/chosen': -51.07637405395508, 'logps/rejected': -97.40348052978516, 'logps/ref_chosen': -50.68865966796875, 'logps/ref_rejected': -91.71539306640625, 'KL/chosen_KL_mean': -0.3877124786376953, 'KL/rejected_KL_mean': -5.688087463378906, 'KL/mean': -3.0379018783569336, 'KL/std': 5.028870582580566, 'logits/chosen': -0.5880300402641296, 'logits/rejected': -0.5344229340553284, 'epoch': 0.08}
8%|█████████████████▉ | 54/681 [02:16<26:08, 2.50s/it] 8%|██████████████████▎ | 55/681 [02:19<25:09, 2.41s/it] {'loss': 0.8932, 'grad_norm': 62.58566665649414, 'learning_rate': 3.9130434782608694e-07, 'fcm_dpo/beta': 0.1264149248600006, 'fcm_dpo/q_t': 0.3340168595314026, 'fcm_dpo/delta': -0.2333047091960907, 'fcm_dpo/margin': 6.445924758911133, 'margin_dpo/margin_mean': 6.445924282073975, 'margin_dpo/margin_std': 7.250290393829346, 'logps/chosen': -63.474979400634766, 'logps/rejected': -96.29917907714844, 'logps/ref_chosen': -62.615234375, 'logps/ref_rejected': -88.99349975585938, 'KL/chosen_KL_mean': -0.8597450256347656, 'KL/rejected_KL_mean': -7.305671691894531, 'KL/mean': -4.082709312438965, 'KL/std': 6.084364891052246, 'logits/chosen': -0.6331645250320435, 'logits/rejected': -0.5696378350257874, 'epoch': 0.08}
8%|██████████████████▎ | 55/681 [02:19<25:09, 2.41s/it] 8%|██████████████████▌ | 56/681 [02:21<25:37, 2.46s/it] {'loss': 0.9333, 'grad_norm': 53.345699310302734, 'learning_rate': 3.9855072463768114e-07, 'fcm_dpo/beta': 0.12174921482801437, 'fcm_dpo/q_t': 0.34848877787590027, 'fcm_dpo/delta': -0.14878109097480774, 'fcm_dpo/margin': 6.060969352722168, 'margin_dpo/margin_mean': 6.060969352722168, 'margin_dpo/margin_std': 7.159629821777344, 'logps/chosen': -58.54757308959961, 'logps/rejected': -100.85025024414062, 'logps/ref_chosen': -57.9327278137207, 'logps/ref_rejected': -94.1744384765625, 'KL/chosen_KL_mean': -0.6148452758789062, 'KL/rejected_KL_mean': -6.675815582275391, 'KL/mean': -3.645325183868408, 'KL/std': 5.935892105102539, 'logits/chosen': -0.6277638077735901, 'logits/rejected': -0.5859877467155457, 'epoch': 0.08}
8%|██████████████████▌ | 56/681 [02:21<25:37, 2.46s/it] 8%|██████████████████▉ | 57/681 [02:24<25:45, 2.48s/it] {'loss': 0.8653, 'grad_norm': 58.79522705078125, 'learning_rate': 4.057971014492754e-07, 'fcm_dpo/beta': 0.11769460141658783, 'fcm_dpo/q_t': 0.3292352259159088, 'fcm_dpo/delta': -0.21182167530059814, 'fcm_dpo/margin': 6.7585954666137695, 'margin_dpo/margin_mean': 6.758594512939453, 'margin_dpo/margin_std': 6.491828918457031, 'logps/chosen': -71.17214965820312, 'logps/rejected': -103.00091552734375, 'logps/ref_chosen': -70.49528503417969, 'logps/ref_rejected': -95.56546020507812, 'KL/chosen_KL_mean': -0.6768627166748047, 'KL/rejected_KL_mean': -7.435459136962891, 'KL/mean': -4.056164741516113, 'KL/std': 5.846469879150391, 'logits/chosen': -0.5582081079483032, 'logits/rejected': -0.5293355584144592, 'epoch': 0.08}
8%|██████████████████▉ | 57/681 [02:24<25:45, 2.48s/it] 9%|███████████████████▏ | 58/681 [02:26<26:08, 2.52s/it] {'loss': 0.866, 'grad_norm': 63.110389709472656, 'learning_rate': 4.1304347826086954e-07, 'fcm_dpo/beta': 0.1118813008069992, 'fcm_dpo/q_t': 0.3279980421066284, 'fcm_dpo/delta': -0.26413968205451965, 'fcm_dpo/margin': 7.531491279602051, 'margin_dpo/margin_mean': 7.531492233276367, 'margin_dpo/margin_std': 7.889359474182129, 'logps/chosen': -63.026390075683594, 'logps/rejected': -93.042236328125, 'logps/ref_chosen': -62.13294219970703, 'logps/ref_rejected': -84.61729431152344, 'KL/chosen_KL_mean': -0.8934497833251953, 'KL/rejected_KL_mean': -8.424942016601562, 'KL/mean': -4.659195899963379, 'KL/std': 6.606472969055176, 'logits/chosen': -0.5848720073699951, 'logits/rejected': -0.5079290270805359, 'epoch': 0.09}
9%|███████████████████▏ | 58/681 [02:26<26:08, 2.52s/it] 9%|███████████████████▌ | 59/681 [02:29<26:13, 2.53s/it] {'loss': 0.8604, 'grad_norm': 57.96199417114258, 'learning_rate': 4.2028985507246374e-07, 'fcm_dpo/beta': 0.10428714752197266, 'fcm_dpo/q_t': 0.32600656151771545, 'fcm_dpo/delta': -0.2687758505344391, 'fcm_dpo/margin': 8.06463623046875, 'margin_dpo/margin_mean': 8.06463623046875, 'margin_dpo/margin_std': 8.19699478149414, 'logps/chosen': -53.30032730102539, 'logps/rejected': -98.31764221191406, 'logps/ref_chosen': -51.932525634765625, 'logps/ref_rejected': -88.88520050048828, 'KL/chosen_KL_mean': -1.3678016662597656, 'KL/rejected_KL_mean': -9.432437896728516, 'KL/mean': -5.400118827819824, 'KL/std': 7.086496353149414, 'logits/chosen': -0.6462990641593933, 'logits/rejected': -0.6072210073471069, 'epoch': 0.09}
9%|███████████████████▌ | 59/681 [02:29<26:13, 2.53s/it] 9%|███████████████████▉ | 60/681 [02:31<26:08, 2.53s/it] {'loss': 0.9437, 'grad_norm': 63.67633819580078, 'learning_rate': 4.2753623188405794e-07, 'fcm_dpo/beta': 0.10224273800849915, 'fcm_dpo/q_t': 0.3513771891593933, 'fcm_dpo/delta': -0.08416806906461716, 'fcm_dpo/margin': 6.6286468505859375, 'margin_dpo/margin_mean': 6.628647327423096, 'margin_dpo/margin_std': 7.337241172790527, 'logps/chosen': -63.303375244140625, 'logps/rejected': -94.38323974609375, 'logps/ref_chosen': -60.94218826293945, 'logps/ref_rejected': -85.39340209960938, 'KL/chosen_KL_mean': -2.3611888885498047, 'KL/rejected_KL_mean': -8.98984146118164, 'KL/mean': -5.6755170822143555, 'KL/std': 6.482183456420898, 'logits/chosen': -0.6272934675216675, 'logits/rejected': -0.5685904026031494, 'epoch': 0.09}
9%|███████████████████▉ | 60/681 [02:31<26:08, 2.53s/it] 9%|████████████████████▏ | 61/681 [02:34<26:17, 2.55s/it] {'loss': 0.932, 'grad_norm': 52.498374938964844, 'learning_rate': 4.3478260869565214e-07, 'fcm_dpo/beta': 0.09854944050312042, 'fcm_dpo/q_t': 0.34666797518730164, 'fcm_dpo/delta': -0.21653008460998535, 'fcm_dpo/margin': 8.09569263458252, 'margin_dpo/margin_mean': 8.09569263458252, 'margin_dpo/margin_std': 10.857327461242676, 'logps/chosen': -61.86198425292969, 'logps/rejected': -99.17665100097656, 'logps/ref_chosen': -60.633522033691406, 'logps/ref_rejected': -89.85249328613281, 'KL/chosen_KL_mean': -1.2284622192382812, 'KL/rejected_KL_mean': -9.324153900146484, 'KL/mean': -5.276307106018066, 'KL/std': 8.781950950622559, 'logits/chosen': -0.6087511777877808, 'logits/rejected': -0.5745435953140259, 'epoch': 0.09}
9%|████████████████████▏ | 61/681 [02:34<26:17, 2.55s/it] 9%|████████████████████▌ | 62/681 [02:37<26:49, 2.60s/it] {'loss': 0.9989, 'grad_norm': 54.56527328491211, 'learning_rate': 4.420289855072464e-07, 'fcm_dpo/beta': 0.09849489480257034, 'fcm_dpo/q_t': 0.3739616572856903, 'fcm_dpo/delta': 0.003545548766851425, 'fcm_dpo/margin': 6.052072525024414, 'margin_dpo/margin_mean': 6.0520734786987305, 'margin_dpo/margin_std': 7.649867057800293, 'logps/chosen': -57.62969970703125, 'logps/rejected': -83.09719848632812, 'logps/ref_chosen': -56.15077209472656, 'logps/ref_rejected': -75.56619262695312, 'KL/chosen_KL_mean': -1.4789257049560547, 'KL/rejected_KL_mean': -7.530998229980469, 'KL/mean': -4.5049614906311035, 'KL/std': 6.338289260864258, 'logits/chosen': -0.599959135055542, 'logits/rejected': -0.5654937028884888, 'epoch': 0.09}
9%|████████████████████▌ | 62/681 [02:37<26:49, 2.60s/it] 9%|████████████████████▉ | 63/681 [02:39<26:33, 2.58s/it] {'loss': 0.8904, 'grad_norm': 53.68877029418945, 'learning_rate': 4.4927536231884053e-07, 'fcm_dpo/beta': 0.09453290700912476, 'fcm_dpo/q_t': 0.33432888984680176, 'fcm_dpo/delta': -0.1908508688211441, 'fcm_dpo/margin': 8.183499336242676, 'margin_dpo/margin_mean': 8.183499336242676, 'margin_dpo/margin_std': 8.431988716125488, 'logps/chosen': -75.49798583984375, 'logps/rejected': -108.14415740966797, 'logps/ref_chosen': -73.14739227294922, 'logps/ref_rejected': -97.61006164550781, 'KL/chosen_KL_mean': -2.350595474243164, 'KL/rejected_KL_mean': -10.534095764160156, 'KL/mean': -6.442344665527344, 'KL/std': 8.069721221923828, 'logits/chosen': -0.5888009667396545, 'logits/rejected': -0.54296875, 'epoch': 0.09}
9%|████████████████████▉ | 63/681 [02:39<26:33, 2.58s/it] 9%|█████████████████████▏ | 64/681 [02:42<26:00, 2.53s/it] {'loss': 0.8827, 'grad_norm': 48.1386604309082, 'learning_rate': 4.5652173913043473e-07, 'fcm_dpo/beta': 0.08936040103435516, 'fcm_dpo/q_t': 0.3278955817222595, 'fcm_dpo/delta': -0.27669695019721985, 'fcm_dpo/margin': 9.47470474243164, 'margin_dpo/margin_mean': 9.474705696105957, 'margin_dpo/margin_std': 10.625345230102539, 'logps/chosen': -54.823272705078125, 'logps/rejected': -103.82958984375, 'logps/ref_chosen': -53.998600006103516, 'logps/ref_rejected': -93.53019714355469, 'KL/chosen_KL_mean': -0.8246746063232422, 'KL/rejected_KL_mean': -10.299385070800781, 'KL/mean': -5.562028884887695, 'KL/std': 8.699195861816406, 'logits/chosen': -0.6068239212036133, 'logits/rejected': -0.5758517980575562, 'epoch': 0.09}
9%|█████████████████████▏ | 64/681 [02:42<26:00, 2.53s/it] 10%|█████████████████████▌ | 65/681 [02:44<26:03, 2.54s/it] {'loss': 0.8965, 'grad_norm': 48.928260803222656, 'learning_rate': 4.63768115942029e-07, 'fcm_dpo/beta': 0.08559057116508484, 'fcm_dpo/q_t': 0.32906752824783325, 'fcm_dpo/delta': -0.23870998620986938, 'fcm_dpo/margin': 9.545220375061035, 'margin_dpo/margin_mean': 9.545220375061035, 'margin_dpo/margin_std': 10.546151161193848, 'logps/chosen': -67.69806671142578, 'logps/rejected': -122.35374450683594, 'logps/ref_chosen': -64.83599853515625, 'logps/ref_rejected': -109.94645690917969, 'KL/chosen_KL_mean': -2.8620662689208984, 'KL/rejected_KL_mean': -12.40728759765625, 'KL/mean': -7.634676456451416, 'KL/std': 9.632073402404785, 'logits/chosen': -0.6721543073654175, 'logits/rejected': -0.6587865352630615, 'epoch': 0.1}
10%|█████████████████████▌ | 65/681 [02:44<26:03, 2.54s/it] 10%|█████████████████████▉ | 66/681 [02:47<26:15, 2.56s/it] {'loss': 0.9293, 'grad_norm': 44.452362060546875, 'learning_rate': 4.7101449275362313e-07, 'fcm_dpo/beta': 0.08258344233036041, 'fcm_dpo/q_t': 0.3503197431564331, 'fcm_dpo/delta': -0.140939399600029, 'fcm_dpo/margin': 8.815117835998535, 'margin_dpo/margin_mean': 8.815117835998535, 'margin_dpo/margin_std': 10.418359756469727, 'logps/chosen': -54.08172607421875, 'logps/rejected': -87.08963012695312, 'logps/ref_chosen': -51.44352722167969, 'logps/ref_rejected': -75.63629913330078, 'KL/chosen_KL_mean': -2.6382007598876953, 'KL/rejected_KL_mean': -11.453327178955078, 'KL/mean': -7.045764923095703, 'KL/std': 8.719606399536133, 'logits/chosen': -0.643731415271759, 'logits/rejected': -0.6108591556549072, 'epoch': 0.1}
10%|█████████████████████▉ | 66/681 [02:47<26:15, 2.56s/it] 10%|██████████████████████▏ | 67/681 [02:49<25:12, 2.46s/it] {'loss': 0.9241, 'grad_norm': 45.32052993774414, 'learning_rate': 4.782608695652174e-07, 'fcm_dpo/beta': 0.08128023147583008, 'fcm_dpo/q_t': 0.34918996691703796, 'fcm_dpo/delta': -0.13966575264930725, 'fcm_dpo/margin': 8.977474212646484, 'margin_dpo/margin_mean': 8.977474212646484, 'margin_dpo/margin_std': 10.422260284423828, 'logps/chosen': -61.59788513183594, 'logps/rejected': -84.0218505859375, 'logps/ref_chosen': -59.34080505371094, 'logps/ref_rejected': -72.78728485107422, 'KL/chosen_KL_mean': -2.257081985473633, 'KL/rejected_KL_mean': -11.234561920166016, 'KL/mean': -6.745819568634033, 'KL/std': 8.64494514465332, 'logits/chosen': -0.5956306457519531, 'logits/rejected': -0.5529816150665283, 'epoch': 0.1}
10%|██████████████████████▏ | 67/681 [02:49<25:12, 2.46s/it] 10%|██████████████████████▌ | 68/681 [02:51<24:52, 2.43s/it] {'loss': 0.9212, 'grad_norm': 44.582000732421875, 'learning_rate': 4.855072463768116e-07, 'fcm_dpo/beta': 0.07975387573242188, 'fcm_dpo/q_t': 0.35352686047554016, 'fcm_dpo/delta': -0.0808192640542984, 'fcm_dpo/margin': 8.468461036682129, 'margin_dpo/margin_mean': 8.468460083007812, 'margin_dpo/margin_std': 8.639623641967773, 'logps/chosen': -67.79899597167969, 'logps/rejected': -88.26887512207031, 'logps/ref_chosen': -65.2058334350586, 'logps/ref_rejected': -77.20724487304688, 'KL/chosen_KL_mean': -2.5931625366210938, 'KL/rejected_KL_mean': -11.061626434326172, 'KL/mean': -6.827396869659424, 'KL/std': 7.735515594482422, 'logits/chosen': -0.6226571202278137, 'logits/rejected': -0.561948299407959, 'epoch': 0.1}
10%|██████████████████████▌ | 68/681 [02:51<24:52, 2.43s/it] 10%|██████████████████████▉ | 69/681 [02:54<25:42, 2.52s/it] {'loss': 0.8677, 'grad_norm': 46.04783248901367, 'learning_rate': 4.927536231884058e-07, 'fcm_dpo/beta': 0.0765557736158371, 'fcm_dpo/q_t': 0.3356069326400757, 'fcm_dpo/delta': -0.1888705939054489, 'fcm_dpo/margin': 10.094490051269531, 'margin_dpo/margin_mean': 10.094490051269531, 'margin_dpo/margin_std': 9.814105987548828, 'logps/chosen': -62.81254577636719, 'logps/rejected': -116.4766616821289, 'logps/ref_chosen': -59.81924057006836, 'logps/ref_rejected': -103.38886260986328, 'KL/chosen_KL_mean': -2.993305206298828, 'KL/rejected_KL_mean': -13.087799072265625, 'KL/mean': -8.040552139282227, 'KL/std': 8.982470512390137, 'logits/chosen': -0.6112051010131836, 'logits/rejected': -0.5872414708137512, 'epoch': 0.1}
10%|██████████████████████▉ | 69/681 [02:54<25:42, 2.52s/it] 10%|███████████████████████▏ | 70/681 [02:57<25:21, 2.49s/it] {'loss': 0.8775, 'grad_norm': 47.22788619995117, 'learning_rate': 5e-07, 'fcm_dpo/beta': 0.07400006055831909, 'fcm_dpo/q_t': 0.333512544631958, 'fcm_dpo/delta': -0.22565913200378418, 'fcm_dpo/margin': 10.918074607849121, 'margin_dpo/margin_mean': 10.918075561523438, 'margin_dpo/margin_std': 11.484182357788086, 'logps/chosen': -66.19792175292969, 'logps/rejected': -106.24613952636719, 'logps/ref_chosen': -61.930641174316406, 'logps/ref_rejected': -91.06078338623047, 'KL/chosen_KL_mean': -4.267280578613281, 'KL/rejected_KL_mean': -15.185356140136719, 'KL/mean': -9.726320266723633, 'KL/std': 10.843002319335938, 'logits/chosen': -0.5941894054412842, 'logits/rejected': -0.5576547384262085, 'epoch': 0.1}
10%|███████████████████████▏ | 70/681 [02:57<25:21, 2.49s/it] 10%|███████████████████████▌ | 71/681 [02:59<25:27, 2.50s/it] {'loss': 0.8321, 'grad_norm': 43.44234085083008, 'learning_rate': 4.999967061337492e-07, 'fcm_dpo/beta': 0.06955009698867798, 'fcm_dpo/q_t': 0.3210626244544983, 'fcm_dpo/delta': -0.2970452606678009, 'fcm_dpo/margin': 12.51431941986084, 'margin_dpo/margin_mean': 12.514318466186523, 'margin_dpo/margin_std': 12.17391586303711, 'logps/chosen': -65.49203491210938, 'logps/rejected': -113.59264373779297, 'logps/ref_chosen': -61.750335693359375, 'logps/ref_rejected': -97.33662414550781, 'KL/chosen_KL_mean': -3.74169921875, 'KL/rejected_KL_mean': -16.256023406982422, 'KL/mean': -9.998859405517578, 'KL/std': 11.078489303588867, 'logits/chosen': -0.650926947593689, 'logits/rejected': -0.6100718975067139, 'epoch': 0.1}
10%|███████████████████████▌ | 71/681 [02:59<25:27, 2.50s/it] 11%|███████████████████████▉ | 72/681 [03:02<25:53, 2.55s/it] {'loss': 0.8452, 'grad_norm': 41.92863845825195, 'learning_rate': 4.999868246217933e-07, 'fcm_dpo/beta': 0.06550109386444092, 'fcm_dpo/q_t': 0.3196568489074707, 'fcm_dpo/delta': -0.29585161805152893, 'fcm_dpo/margin': 13.267606735229492, 'margin_dpo/margin_mean': 13.267606735229492, 'margin_dpo/margin_std': 13.469938278198242, 'logps/chosen': -70.24674224853516, 'logps/rejected': -112.7479248046875, 'logps/ref_chosen': -66.05341339111328, 'logps/ref_rejected': -95.2869873046875, 'KL/chosen_KL_mean': -4.193330764770508, 'KL/rejected_KL_mean': -17.460933685302734, 'KL/mean': -10.827133178710938, 'KL/std': 11.770431518554688, 'logits/chosen': -0.6538947224617004, 'logits/rejected': -0.6185261011123657, 'epoch': 0.11}
11%|███████████████████████▉ | 72/681 [03:02<25:53, 2.55s/it] 11%|████████████████████████▏ | 73/681 [03:04<26:26, 2.61s/it] {'loss': 0.9801, 'grad_norm': 44.58890914916992, 'learning_rate': 4.999703557245192e-07, 'fcm_dpo/beta': 0.06218613684177399, 'fcm_dpo/q_t': 0.34885895252227783, 'fcm_dpo/delta': -0.23374077677726746, 'fcm_dpo/margin': 13.075565338134766, 'margin_dpo/margin_mean': 13.075567245483398, 'margin_dpo/margin_std': 18.78510093688965, 'logps/chosen': -72.13137817382812, 'logps/rejected': -109.40681457519531, 'logps/ref_chosen': -66.25627136230469, 'logps/ref_rejected': -90.45613098144531, 'KL/chosen_KL_mean': -5.87510871887207, 'KL/rejected_KL_mean': -18.95067596435547, 'KL/mean': -12.412891387939453, 'KL/std': 15.22187614440918, 'logits/chosen': -0.7102031707763672, 'logits/rejected': -0.6709054708480835, 'epoch': 0.11}
11%|████████████████████████▏ | 73/681 [03:04<26:26, 2.61s/it] 11%|████████████████████████▌ | 74/681 [03:07<26:02, 2.57s/it] {'loss': 0.9438, 'grad_norm': 45.11907958984375, 'learning_rate': 4.999472998758977e-07, 'fcm_dpo/beta': 0.05924233794212341, 'fcm_dpo/q_t': 0.34124910831451416, 'fcm_dpo/delta': -0.254236102104187, 'fcm_dpo/margin': 14.042078971862793, 'margin_dpo/margin_mean': 14.042078971862793, 'margin_dpo/margin_std': 20.558794021606445, 'logps/chosen': -59.793846130371094, 'logps/rejected': -116.35798645019531, 'logps/ref_chosen': -53.42488098144531, 'logps/ref_rejected': -95.94693756103516, 'KL/chosen_KL_mean': -6.368963241577148, 'KL/rejected_KL_mean': -20.41104507446289, 'KL/mean': -13.39000129699707, 'KL/std': 16.742469787597656, 'logits/chosen': -0.6220693588256836, 'logits/rejected': -0.6105754375457764, 'epoch': 0.11}
11%|████████████████████████▌ | 74/681 [03:07<26:02, 2.57s/it] 11%|████████████████████████▉ | 75/681 [03:10<26:09, 2.59s/it] {'loss': 0.7679, 'grad_norm': 37.021820068359375, 'learning_rate': 4.999176576834721e-07, 'fcm_dpo/beta': 0.054628752171993256, 'fcm_dpo/q_t': 0.29074186086654663, 'fcm_dpo/delta': -0.5433024764060974, 'fcm_dpo/margin': 19.895397186279297, 'margin_dpo/margin_mean': 19.89539337158203, 'margin_dpo/margin_std': 19.379716873168945, 'logps/chosen': -58.007869720458984, 'logps/rejected': -137.2955780029297, 'logps/ref_chosen': -51.861663818359375, 'logps/ref_rejected': -111.25398254394531, 'KL/chosen_KL_mean': -6.146207809448242, 'KL/rejected_KL_mean': -26.041595458984375, 'KL/mean': -16.09390640258789, 'KL/std': 17.39598846435547, 'logits/chosen': -0.6639382839202881, 'logits/rejected': -0.6543130278587341, 'epoch': 0.11}
11%|████████████████████████▉ | 75/681 [03:10<26:09, 2.59s/it] 11%|█████████████████████████▏ | 76/681 [03:12<25:59, 2.58s/it] {'loss': 0.9489, 'grad_norm': 38.93886184692383, 'learning_rate': 4.998814299283415e-07, 'fcm_dpo/beta': 0.052014850080013275, 'fcm_dpo/q_t': 0.35272541642189026, 'fcm_dpo/delta': -0.08468005061149597, 'fcm_dpo/margin': 13.053292274475098, 'margin_dpo/margin_mean': 13.053293228149414, 'margin_dpo/margin_std': 15.290666580200195, 'logps/chosen': -60.90103530883789, 'logps/rejected': -98.9049072265625, 'logps/ref_chosen': -53.26603698730469, 'logps/ref_rejected': -78.21662902832031, 'KL/chosen_KL_mean': -7.63499641418457, 'KL/rejected_KL_mean': -20.688282012939453, 'KL/mean': -14.161641120910645, 'KL/std': 14.173757553100586, 'logits/chosen': -0.6819676160812378, 'logits/rejected': -0.6378015279769897, 'epoch': 0.11}
11%|█████████████████████████▏ | 76/681 [03:12<25:59, 2.58s/it] 11%|█████████████████████████▌ | 77/681 [03:14<24:52, 2.47s/it] {'loss': 0.8181, 'grad_norm': 41.4220085144043, 'learning_rate': 4.998386175651409e-07, 'fcm_dpo/beta': 0.04801391810178757, 'fcm_dpo/q_t': 0.2982975244522095, 'fcm_dpo/delta': -0.4500316083431244, 'fcm_dpo/margin': 20.825393676757812, 'margin_dpo/margin_mean': 20.825393676757812, 'margin_dpo/margin_std': 21.279712677001953, 'logps/chosen': -64.88626098632812, 'logps/rejected': -121.38859558105469, 'logps/ref_chosen': -58.0966796875, 'logps/ref_rejected': -93.77361297607422, 'KL/chosen_KL_mean': -6.789583206176758, 'KL/rejected_KL_mean': -27.614978790283203, 'KL/mean': -17.20227813720703, 'KL/std': 19.542203903198242, 'logits/chosen': -0.6983308792114258, 'logits/rejected': -0.6599130034446716, 'epoch': 0.11}
11%|█████████████████████████▌ | 77/681 [03:14<24:52, 2.47s/it] 11%|█████████████████████████▉ | 78/681 [03:17<25:17, 2.52s/it] {'loss': 0.9114, 'grad_norm': 37.519630432128906, 'learning_rate': 4.997892217220159e-07, 'fcm_dpo/beta': 0.046391915529966354, 'fcm_dpo/q_t': 0.3436902165412903, 'fcm_dpo/delta': -0.1590861678123474, 'fcm_dpo/margin': 16.11220932006836, 'margin_dpo/margin_mean': 16.11220932006836, 'margin_dpo/margin_std': 17.67829132080078, 'logps/chosen': -62.482933044433594, 'logps/rejected': -107.91572570800781, 'logps/ref_chosen': -55.61378479003906, 'logps/ref_rejected': -84.93436431884766, 'KL/chosen_KL_mean': -6.869146347045898, 'KL/rejected_KL_mean': -22.98135757446289, 'KL/mean': -14.925251007080078, 'KL/std': 15.62789535522461, 'logits/chosen': -0.626217782497406, 'logits/rejected': -0.5986917018890381, 'epoch': 0.11}
11%|█████████████████████████▉ | 78/681 [03:17<25:17, 2.52s/it] 12%|██████████████████████████▏ | 79/681 [03:20<25:31, 2.54s/it] {'loss': 0.9323, 'grad_norm': 31.86760711669922, 'learning_rate': 4.997332437005931e-07, 'fcm_dpo/beta': 0.04444153979420662, 'fcm_dpo/q_t': 0.34644412994384766, 'fcm_dpo/delta': -0.20273572206497192, 'fcm_dpo/margin': 17.70077133178711, 'margin_dpo/margin_mean': 17.70077133178711, 'margin_dpo/margin_std': 21.962387084960938, 'logps/chosen': -62.55664825439453, 'logps/rejected': -112.45449829101562, 'logps/ref_chosen': -55.45048522949219, 'logps/ref_rejected': -87.64756774902344, 'KL/chosen_KL_mean': -7.106161117553711, 'KL/rejected_KL_mean': -24.806934356689453, 'KL/mean': -15.956548690795898, 'KL/std': 18.00418472290039, 'logits/chosen': -0.6549201011657715, 'logits/rejected': -0.6240353584289551, 'epoch': 0.12}
12%|██████████████████████████▏ | 79/681 [03:20<25:31, 2.54s/it] 12%|██████████████████████████▌ | 80/681 [03:22<25:26, 2.54s/it] {'loss': 0.9841, 'grad_norm': 34.424556732177734, 'learning_rate': 4.996706849759452e-07, 'fcm_dpo/beta': 0.04288051277399063, 'fcm_dpo/q_t': 0.3639146089553833, 'fcm_dpo/delta': -0.10531558841466904, 'fcm_dpo/margin': 16.206974029541016, 'margin_dpo/margin_mean': 16.206972122192383, 'margin_dpo/margin_std': 21.44426727294922, 'logps/chosen': -68.33415985107422, 'logps/rejected': -113.56935119628906, 'logps/ref_chosen': -58.519290924072266, 'logps/ref_rejected': -87.54750061035156, 'KL/chosen_KL_mean': -9.814868927001953, 'KL/rejected_KL_mean': -26.021846771240234, 'KL/mean': -17.918357849121094, 'KL/std': 18.628982543945312, 'logits/chosen': -0.7375781536102295, 'logits/rejected': -0.6945966482162476, 'epoch': 0.12}
12%|██████████████████████████▌ | 80/681 [03:22<25:26, 2.54s/it] 12%|██████████████████████████▉ | 81/681 [03:25<25:48, 2.58s/it] {'loss': 0.8724, 'grad_norm': 36.16831970214844, 'learning_rate': 4.996015471965529e-07, 'fcm_dpo/beta': 0.040648169815540314, 'fcm_dpo/q_t': 0.32367393374443054, 'fcm_dpo/delta': -0.3407384157180786, 'fcm_dpo/margin': 22.292972564697266, 'margin_dpo/margin_mean': 22.292970657348633, 'margin_dpo/margin_std': 26.23095703125, 'logps/chosen': -75.20599365234375, 'logps/rejected': -160.71279907226562, 'logps/ref_chosen': -66.44886779785156, 'logps/ref_rejected': -129.66270446777344, 'KL/chosen_KL_mean': -8.757122039794922, 'KL/rejected_KL_mean': -31.050094604492188, 'KL/mean': -19.903606414794922, 'KL/std': 22.16201400756836, 'logits/chosen': -0.7065067887306213, 'logits/rejected': -0.6750401258468628, 'epoch': 0.12}
12%|██████████████████████████▉ | 81/681 [03:25<25:48, 2.58s/it] 12%|███████████████████████████▏ | 82/681 [03:27<25:17, 2.53s/it] {'loss': 1.0379, 'grad_norm': 42.08027648925781, 'learning_rate': 4.995258321842611e-07, 'fcm_dpo/beta': 0.040023863315582275, 'fcm_dpo/q_t': 0.3610876798629761, 'fcm_dpo/delta': -0.12649241089820862, 'fcm_dpo/margin': 17.882349014282227, 'margin_dpo/margin_mean': 17.882349014282227, 'margin_dpo/margin_std': 27.845230102539062, 'logps/chosen': -63.24494934082031, 'logps/rejected': -119.63816833496094, 'logps/ref_chosen': -52.232383728027344, 'logps/ref_rejected': -90.74325561523438, 'KL/chosen_KL_mean': -11.012563705444336, 'KL/rejected_KL_mean': -28.894912719726562, 'KL/mean': -19.953739166259766, 'KL/std': 20.361019134521484, 'logits/chosen': -0.6327459812164307, 'logits/rejected': -0.6187605261802673, 'epoch': 0.12}
12%|███████████████████████████▏ | 82/681 [03:27<25:17, 2.53s/it] 12%|███████████████████████████▌ | 83/681 [03:30<24:43, 2.48s/it] {'loss': 0.9206, 'grad_norm': 33.69918441772461, 'learning_rate': 4.994435419342304e-07, 'fcm_dpo/beta': 0.03790491446852684, 'fcm_dpo/q_t': 0.3407338559627533, 'fcm_dpo/delta': -0.20823806524276733, 'fcm_dpo/margin': 20.861011505126953, 'margin_dpo/margin_mean': 20.861011505126953, 'margin_dpo/margin_std': 24.786806106567383, 'logps/chosen': -67.05203247070312, 'logps/rejected': -135.80154418945312, 'logps/ref_chosen': -55.82738494873047, 'logps/ref_rejected': -103.71589660644531, 'KL/chosen_KL_mean': -11.224641799926758, 'KL/rejected_KL_mean': -32.08565139770508, 'KL/mean': -21.655147552490234, 'KL/std': 21.140281677246094, 'logits/chosen': -0.6975592374801636, 'logits/rejected': -0.65975022315979, 'epoch': 0.12}
12%|███████████████████████████▌ | 83/681 [03:30<24:43, 2.48s/it] 12%|███████████████████████████▉ | 84/681 [03:32<25:27, 2.56s/it] {'loss': 0.9251, 'grad_norm': 32.24285125732422, 'learning_rate': 4.993546786148857e-07, 'fcm_dpo/beta': 0.03682379424571991, 'fcm_dpo/q_t': 0.35048460960388184, 'fcm_dpo/delta': -0.08598282188177109, 'fcm_dpo/margin': 18.40575408935547, 'margin_dpo/margin_mean': 18.40575408935547, 'margin_dpo/margin_std': 18.526391983032227, 'logps/chosen': -77.26675415039062, 'logps/rejected': -115.79493713378906, 'logps/ref_chosen': -67.1761703491211, 'logps/ref_rejected': -87.29859924316406, 'KL/chosen_KL_mean': -10.090581893920898, 'KL/rejected_KL_mean': -28.496337890625, 'KL/mean': -19.29345703125, 'KL/std': 18.165950775146484, 'logits/chosen': -0.6537163257598877, 'logits/rejected': -0.6145398616790771, 'epoch': 0.12}
12%|███████████████████████████▉ | 84/681 [03:32<25:27, 2.56s/it] 12%|████████████████████████████▏ | 85/681 [03:35<25:52, 2.61s/it] {'loss': 0.961, 'grad_norm': 33.3864860534668, 'learning_rate': 4.992592445678582e-07, 'fcm_dpo/beta': 0.03684117645025253, 'fcm_dpo/q_t': 0.35741060972213745, 'fcm_dpo/delta': -0.09671901166439056, 'fcm_dpo/margin': 18.703161239624023, 'margin_dpo/margin_mean': 18.703161239624023, 'margin_dpo/margin_std': 22.245079040527344, 'logps/chosen': -69.04795837402344, 'logps/rejected': -107.98330688476562, 'logps/ref_chosen': -58.4066162109375, 'logps/ref_rejected': -78.63880157470703, 'KL/chosen_KL_mean': -10.64134407043457, 'KL/rejected_KL_mean': -29.344505310058594, 'KL/mean': -19.9929256439209, 'KL/std': 18.70035171508789, 'logits/chosen': -0.6444880366325378, 'logits/rejected': -0.6126257181167603, 'epoch': 0.12}
12%|████████████████████████████▏ | 85/681 [03:35<25:52, 2.61s/it] 13%|████████████████████████████▌ | 86/681 [03:38<26:24, 2.66s/it] {'loss': 1.0575, 'grad_norm': 39.88727569580078, 'learning_rate': 4.991572423079235e-07, 'fcm_dpo/beta': 0.035842716693878174, 'fcm_dpo/q_t': 0.37169545888900757, 'fcm_dpo/delta': -0.11968203634023666, 'fcm_dpo/margin': 19.8429012298584, 'margin_dpo/margin_mean': 19.84290313720703, 'margin_dpo/margin_std': 33.51190948486328, 'logps/chosen': -69.85284423828125, 'logps/rejected': -121.679931640625, 'logps/ref_chosen': -56.13746643066406, 'logps/ref_rejected': -88.12165069580078, 'KL/chosen_KL_mean': -13.715383529663086, 'KL/rejected_KL_mean': -33.55827713012695, 'KL/mean': -23.63683319091797, 'KL/std': 24.58064079284668, 'logits/chosen': -0.7000675201416016, 'logits/rejected': -0.6864509582519531, 'epoch': 0.13}
13%|████████████████████████████▌ | 86/681 [03:38<26:24, 2.66s/it] 13%|████████████████████████████▊ | 87/681 [03:40<26:11, 2.65s/it] {'loss': 0.9558, 'grad_norm': 32.262451171875, 'learning_rate': 4.990486745229364e-07, 'fcm_dpo/beta': 0.03418724611401558, 'fcm_dpo/q_t': 0.3427821099758148, 'fcm_dpo/delta': -0.1955638974905014, 'fcm_dpo/margin': 22.763172149658203, 'margin_dpo/margin_mean': 22.763172149658203, 'margin_dpo/margin_std': 29.336151123046875, 'logps/chosen': -69.05616760253906, 'logps/rejected': -131.65081787109375, 'logps/ref_chosen': -55.63609313964844, 'logps/ref_rejected': -95.46757507324219, 'KL/chosen_KL_mean': -13.420072555541992, 'KL/rejected_KL_mean': -36.183231353759766, 'KL/mean': -24.801658630371094, 'KL/std': 24.48314094543457, 'logits/chosen': -0.717382550239563, 'logits/rejected': -0.6887001991271973, 'epoch': 0.13}
13%|████████████████████████████▊ | 87/681 [03:40<26:11, 2.65s/it] 13%|█████████████████████████████▏ | 88/681 [03:43<26:04, 2.64s/it] {'loss': 1.0699, 'grad_norm': 35.017784118652344, 'learning_rate': 4.989335440737586e-07, 'fcm_dpo/beta': 0.03394782915711403, 'fcm_dpo/q_t': 0.38290032744407654, 'fcm_dpo/delta': 0.02017107605934143, 'fcm_dpo/margin': 17.092395782470703, 'margin_dpo/margin_mean': 17.092395782470703, 'margin_dpo/margin_std': 25.96027374267578, 'logps/chosen': -90.6633071899414, 'logps/rejected': -140.79306030273438, 'logps/ref_chosen': -73.67115020751953, 'logps/ref_rejected': -106.70849609375, 'KL/chosen_KL_mean': -16.992156982421875, 'KL/rejected_KL_mean': -34.08455276489258, 'KL/mean': -25.538352966308594, 'KL/std': 25.105436325073242, 'logits/chosen': -0.6727230548858643, 'logits/rejected': -0.6630773544311523, 'epoch': 0.13}
13%|█████████████████████████████▏ | 88/681 [03:43<26:04, 2.64s/it] 13%|█████████████████████████████▌ | 89/681 [03:45<25:28, 2.58s/it] {'loss': 0.9665, 'grad_norm': 30.411449432373047, 'learning_rate': 4.988118539941847e-07, 'fcm_dpo/beta': 0.03413812071084976, 'fcm_dpo/q_t': 0.3627317547798157, 'fcm_dpo/delta': -0.05540309473872185, 'fcm_dpo/margin': 19.081357955932617, 'margin_dpo/margin_mean': 19.081357955932617, 'margin_dpo/margin_std': 23.584978103637695, 'logps/chosen': -70.69584655761719, 'logps/rejected': -111.23583984375, 'logps/ref_chosen': -60.624916076660156, 'logps/ref_rejected': -82.08354949951172, 'KL/chosen_KL_mean': -10.070928573608398, 'KL/rejected_KL_mean': -29.15229034423828, 'KL/mean': -19.611610412597656, 'KL/std': 21.15941619873047, 'logits/chosen': -0.7250231504440308, 'logits/rejected': -0.6905418634414673, 'epoch': 0.13}
13%|█████████████████████████████▌ | 89/681 [03:46<25:28, 2.58s/it] 13%|█████████████████████████████▊ | 90/681 [03:48<24:55, 2.53s/it] {'loss': 0.9752, 'grad_norm': 32.33899688720703, 'learning_rate': 4.986836074908615e-07, 'fcm_dpo/beta': 0.033040180802345276, 'fcm_dpo/q_t': 0.3497656285762787, 'fcm_dpo/delta': -0.24225689470767975, 'fcm_dpo/margin': 24.887874603271484, 'margin_dpo/margin_mean': 24.887874603271484, 'margin_dpo/margin_std': 35.06592559814453, 'logps/chosen': -66.60647583007812, 'logps/rejected': -149.75375366210938, 'logps/ref_chosen': -53.285308837890625, 'logps/ref_rejected': -111.54470825195312, 'KL/chosen_KL_mean': -13.3211669921875, 'KL/rejected_KL_mean': -38.20904541015625, 'KL/mean': -25.765104293823242, 'KL/std': 28.377769470214844, 'logits/chosen': -0.6367080807685852, 'logits/rejected': -0.6447947025299072, 'epoch': 0.13}
13%|█████████████████████████████▊ | 90/681 [03:48<24:55, 2.53s/it] 13%|██████████████████████████████▏ | 91/681 [03:50<25:04, 2.55s/it] {'loss': 0.9899, 'grad_norm': 32.23942184448242, 'learning_rate': 4.985488079432037e-07, 'fcm_dpo/beta': 0.031911782920360565, 'fcm_dpo/q_t': 0.36154645681381226, 'fcm_dpo/delta': -0.10237793624401093, 'fcm_dpo/margin': 21.786531448364258, 'margin_dpo/margin_mean': 21.786529541015625, 'margin_dpo/margin_std': 29.604764938354492, 'logps/chosen': -75.1829605102539, 'logps/rejected': -123.04048156738281, 'logps/ref_chosen': -61.802955627441406, 'logps/ref_rejected': -87.87395477294922, 'KL/chosen_KL_mean': -13.380002975463867, 'KL/rejected_KL_mean': -35.16653060913086, 'KL/mean': -24.273265838623047, 'KL/std': 23.42182159423828, 'logits/chosen': -0.6827590465545654, 'logits/rejected': -0.6465390920639038, 'epoch': 0.13}
13%|██████████████████████████████▏ | 91/681 [03:51<25:04, 2.55s/it] 14%|██████████████████████████████▌ | 92/681 [03:53<24:46, 2.52s/it] {'loss': 0.9868, 'grad_norm': 29.07423210144043, 'learning_rate': 4.984074589033043e-07, 'fcm_dpo/beta': 0.03140295296907425, 'fcm_dpo/q_t': 0.3629786968231201, 'fcm_dpo/delta': -0.08418678492307663, 'fcm_dpo/margin': 21.594253540039062, 'margin_dpo/margin_mean': 21.594255447387695, 'margin_dpo/margin_std': 28.674663543701172, 'logps/chosen': -63.837867736816406, 'logps/rejected': -111.67253112792969, 'logps/ref_chosen': -51.640769958496094, 'logps/ref_rejected': -77.88117980957031, 'KL/chosen_KL_mean': -12.197099685668945, 'KL/rejected_KL_mean': -33.791351318359375, 'KL/mean': -22.994224548339844, 'KL/std': 23.79822540283203, 'logits/chosen': -0.7315187454223633, 'logits/rejected': -0.7085036635398865, 'epoch': 0.14}
14%|██████████████████████████████▌ | 92/681 [03:53<24:46, 2.52s/it] 14%|██████████████████████████████▊ | 93/681 [03:55<23:32, 2.40s/it] {'loss': 0.9479, 'grad_norm': 29.083242416381836, 'learning_rate': 4.982595640958425e-07, 'fcm_dpo/beta': 0.03072137013077736, 'fcm_dpo/q_t': 0.35937225818634033, 'fcm_dpo/delta': -0.07413841784000397, 'fcm_dpo/margin': 21.782629013061523, 'margin_dpo/margin_mean': 21.78262710571289, 'margin_dpo/margin_std': 25.83187484741211, 'logps/chosen': -66.10832214355469, 'logps/rejected': -112.5224609375, 'logps/ref_chosen': -52.529239654541016, 'logps/ref_rejected': -77.16075134277344, 'KL/chosen_KL_mean': -13.579082489013672, 'KL/rejected_KL_mean': -35.36171340942383, 'KL/mean': -24.47039794921875, 'KL/std': 22.706327438354492, 'logits/chosen': -0.7480611801147461, 'logits/rejected': -0.6964054107666016, 'epoch': 0.14}
14%|██████████████████████████████▊ | 93/681 [03:55<23:32, 2.40s/it] 14%|███████████████████████████████▏ | 94/681 [03:58<24:23, 2.49s/it] {'loss': 0.9147, 'grad_norm': 29.175193786621094, 'learning_rate': 4.98105127417984e-07, 'fcm_dpo/beta': 0.0297713503241539, 'fcm_dpo/q_t': 0.34696894884109497, 'fcm_dpo/delta': -0.13794076442718506, 'fcm_dpo/margin': 24.390003204345703, 'margin_dpo/margin_mean': 24.390003204345703, 'margin_dpo/margin_std': 26.14815902709961, 'logps/chosen': -75.86817169189453, 'logps/rejected': -138.6345977783203, 'logps/ref_chosen': -61.22261047363281, 'logps/ref_rejected': -99.59902954101562, 'KL/chosen_KL_mean': -14.645559310913086, 'KL/rejected_KL_mean': -39.03556442260742, 'KL/mean': -26.840560913085938, 'KL/std': 25.22960090637207, 'logits/chosen': -0.6889959573745728, 'logits/rejected': -0.6704879999160767, 'epoch': 0.14}
14%|███████████████████████████████▏ | 94/681 [03:58<24:23, 2.49s/it] 14%|███████████████████████████████▌ | 95/681 [04:00<24:08, 2.47s/it] {'loss': 0.9965, 'grad_norm': 27.53291130065918, 'learning_rate': 4.979441529392784e-07, 'fcm_dpo/beta': 0.02971818298101425, 'fcm_dpo/q_t': 0.3717486560344696, 'fcm_dpo/delta': 0.013067739084362984, 'fcm_dpo/margin': 19.769285202026367, 'margin_dpo/margin_mean': 19.769287109375, 'margin_dpo/margin_std': 24.190692901611328, 'logps/chosen': -65.96888732910156, 'logps/rejected': -109.09487915039062, 'logps/ref_chosen': -52.523643493652344, 'logps/ref_rejected': -75.8803482055664, 'KL/chosen_KL_mean': -13.445240020751953, 'KL/rejected_KL_mean': -33.21453094482422, 'KL/mean': -23.329883575439453, 'KL/std': 23.115684509277344, 'logits/chosen': -0.7019277215003967, 'logits/rejected': -0.670516848564148, 'epoch': 0.14}
14%|███████████████████████████████▌ | 95/681 [04:00<24:08, 2.47s/it] 14%|███████████████████████████████▊ | 96/681 [04:03<24:14, 2.49s/it] {'loss': 0.8982, 'grad_norm': 27.511608123779297, 'learning_rate': 4.977766449015534e-07, 'fcm_dpo/beta': 0.02879452332854271, 'fcm_dpo/q_t': 0.34164929389953613, 'fcm_dpo/delta': -0.18552882969379425, 'fcm_dpo/margin': 26.69058609008789, 'margin_dpo/margin_mean': 26.69058609008789, 'margin_dpo/margin_std': 29.720775604248047, 'logps/chosen': -74.80194854736328, 'logps/rejected': -135.93157958984375, 'logps/ref_chosen': -62.15697479248047, 'logps/ref_rejected': -96.59601593017578, 'KL/chosen_KL_mean': -12.644975662231445, 'KL/rejected_KL_mean': -39.33556365966797, 'KL/mean': -25.990266799926758, 'KL/std': 27.345867156982422, 'logits/chosen': -0.6968206167221069, 'logits/rejected': -0.6622928977012634, 'epoch': 0.14}
14%|███████████████████████████████▊ | 96/681 [04:03<24:14, 2.49s/it] 14%|████████████████████████████████▏ | 97/681 [04:05<24:25, 2.51s/it] {'loss': 0.9686, 'grad_norm': 29.625926971435547, 'learning_rate': 4.976026077188012e-07, 'fcm_dpo/beta': 0.029009651392698288, 'fcm_dpo/q_t': 0.36493146419525146, 'fcm_dpo/delta': -0.014466457068920135, 'fcm_dpo/margin': 21.07657241821289, 'margin_dpo/margin_mean': 21.07657241821289, 'margin_dpo/margin_std': 22.399307250976562, 'logps/chosen': -68.58414459228516, 'logps/rejected': -111.97909545898438, 'logps/ref_chosen': -54.646366119384766, 'logps/ref_rejected': -76.96475219726562, 'KL/chosen_KL_mean': -13.93777847290039, 'KL/rejected_KL_mean': -35.014347076416016, 'KL/mean': -24.47606086730957, 'KL/std': 22.49617576599121, 'logits/chosen': -0.6640722751617432, 'logits/rejected': -0.6175036430358887, 'epoch': 0.14}
14%|████████████████████████████████▏ | 97/681 [04:05<24:25, 2.51s/it] 14%|████████████████████████████████▌ | 98/681 [04:08<24:25, 2.51s/it] {'loss': 0.9787, 'grad_norm': 30.168066024780273, 'learning_rate': 4.974220459770639e-07, 'fcm_dpo/beta': 0.02829306200146675, 'fcm_dpo/q_t': 0.3552480638027191, 'fcm_dpo/delta': -0.07892265915870667, 'fcm_dpo/margin': 23.802349090576172, 'margin_dpo/margin_mean': 23.802349090576172, 'margin_dpo/margin_std': 29.942073822021484, 'logps/chosen': -82.03546905517578, 'logps/rejected': -137.106689453125, 'logps/ref_chosen': -65.25862884521484, 'logps/ref_rejected': -96.5274887084961, 'KL/chosen_KL_mean': -16.776840209960938, 'KL/rejected_KL_mean': -40.579193115234375, 'KL/mean': -28.678016662597656, 'KL/std': 25.27958106994629, 'logits/chosen': -0.7093369960784912, 'logits/rejected': -0.6912350654602051, 'epoch': 0.14}
14%|████████████████████████████████▌ | 98/681 [04:08<24:25, 2.51s/it] 15%|████████████████████████████████▊ | 99/681 [04:10<23:27, 2.42s/it] {'loss': 0.9118, 'grad_norm': 26.520252227783203, 'learning_rate': 4.972349644343108e-07, 'fcm_dpo/beta': 0.02736222743988037, 'fcm_dpo/q_t': 0.34526270627975464, 'fcm_dpo/delta': -0.18900561332702637, 'fcm_dpo/margin': 28.275592803955078, 'margin_dpo/margin_mean': 28.27559471130371, 'margin_dpo/margin_std': 33.97766876220703, 'logps/chosen': -59.294673919677734, 'logps/rejected': -128.36972045898438, 'logps/ref_chosen': -45.638484954833984, 'logps/ref_rejected': -86.43793487548828, 'KL/chosen_KL_mean': -13.65618896484375, 'KL/rejected_KL_mean': -41.93178176879883, 'KL/mean': -27.793987274169922, 'KL/std': 27.672199249267578, 'logits/chosen': -0.6868008375167847, 'logits/rejected': -0.6845619678497314, 'epoch': 0.15}
15%|████████████████████████████████▊ | 99/681 [04:10<23:27, 2.42s/it] 15%|█████████████████████████████████ | 100/681 [04:13<23:57, 2.47s/it] {'loss': 1.0995, 'grad_norm': 30.725154876708984, 'learning_rate': 4.970413680203148e-07, 'fcm_dpo/beta': 0.027774441987276077, 'fcm_dpo/q_t': 0.3959774374961853, 'fcm_dpo/delta': 0.11583902686834335, 'fcm_dpo/margin': 17.603078842163086, 'margin_dpo/margin_mean': 17.603078842163086, 'margin_dpo/margin_std': 28.475990295410156, 'logps/chosen': -72.6775894165039, 'logps/rejected': -106.74689483642578, 'logps/ref_chosen': -57.59397888183594, 'logps/ref_rejected': -74.06021118164062, 'KL/chosen_KL_mean': -15.083608627319336, 'KL/rejected_KL_mean': -32.686683654785156, 'KL/mean': -23.885147094726562, 'KL/std': 22.15597915649414, 'logits/chosen': -0.6721187829971313, 'logits/rejected': -0.6277564167976379, 'epoch': 0.15}
15%|█████████████████████████████████ | 100/681 [04:13<23:57, 2.47s/it] 15%|█████████████████████████████████▎ | 101/681 [04:15<23:43, 2.45s/it] {'loss': 1.0559, 'grad_norm': 30.959144592285156, 'learning_rate': 4.968412618365215e-07, 'fcm_dpo/beta': 0.027704566717147827, 'fcm_dpo/q_t': 0.3846778869628906, 'fcm_dpo/delta': 0.02101181074976921, 'fcm_dpo/margin': 20.912822723388672, 'margin_dpo/margin_mean': 20.912824630737305, 'margin_dpo/margin_std': 32.27412414550781, 'logps/chosen': -80.04259490966797, 'logps/rejected': -122.49625396728516, 'logps/ref_chosen': -61.64885330200195, 'logps/ref_rejected': -83.18968200683594, 'KL/chosen_KL_mean': -18.393741607666016, 'KL/rejected_KL_mean': -39.30656814575195, 'KL/mean': -28.85015869140625, 'KL/std': 26.651226043701172, 'logits/chosen': -0.6894014477729797, 'logits/rejected': -0.6551156640052795, 'epoch': 0.15}
15%|█████████████████████████████████▎ | 101/681 [04:15<23:43, 2.45s/it] 15%|█████████████████████████████████▋ | 102/681 [04:17<23:31, 2.44s/it] {'loss': 1.1497, 'grad_norm': 36.441226959228516, 'learning_rate': 4.966346511559149e-07, 'fcm_dpo/beta': 0.028836820274591446, 'fcm_dpo/q_t': 0.40718287229537964, 'fcm_dpo/delta': 0.15318328142166138, 'fcm_dpo/margin': 15.63076114654541, 'margin_dpo/margin_mean': 15.630760192871094, 'margin_dpo/margin_std': 29.49494171142578, 'logps/chosen': -84.37522888183594, 'logps/rejected': -104.11418151855469, 'logps/ref_chosen': -64.0788803100586, 'logps/ref_rejected': -68.18707275390625, 'KL/chosen_KL_mean': -20.296354293823242, 'KL/rejected_KL_mean': -35.92710876464844, 'KL/mean': -28.111732482910156, 'KL/std': 25.370466232299805, 'logits/chosen': -0.693681538105011, 'logits/rejected': -0.6452783942222595, 'epoch': 0.15}
15%|█████████████████████████████████▋ | 102/681 [04:17<23:31, 2.44s/it] 15%|██████████████████████████████████ | 103/681 [04:20<23:08, 2.40s/it] {'loss': 0.8684, 'grad_norm': 28.2922306060791, 'learning_rate': 4.964215414228785e-07, 'fcm_dpo/beta': 0.027667928487062454, 'fcm_dpo/q_t': 0.3302461504936218, 'fcm_dpo/delta': -0.2534938454627991, 'fcm_dpo/margin': 30.058866500854492, 'margin_dpo/margin_mean': 30.058866500854492, 'margin_dpo/margin_std': 32.256858825683594, 'logps/chosen': -76.26438903808594, 'logps/rejected': -138.5966796875, 'logps/ref_chosen': -61.299278259277344, 'logps/ref_rejected': -93.57270812988281, 'KL/chosen_KL_mean': -14.965106964111328, 'KL/rejected_KL_mean': -45.02397537231445, 'KL/mean': -29.99454116821289, 'KL/std': 27.774456024169922, 'logits/chosen': -0.7033284902572632, 'logits/rejected': -0.6691305637359619, 'epoch': 0.15}
15%|██████████████████████████████████ | 103/681 [04:20<23:08, 2.40s/it] 15%|██████████████████████████████████▎ | 104/681 [04:22<22:30, 2.34s/it] {'loss': 0.9505, 'grad_norm': 28.383094787597656, 'learning_rate': 4.96201938253052e-07, 'fcm_dpo/beta': 0.02675759233534336, 'fcm_dpo/q_t': 0.351858913898468, 'fcm_dpo/delta': -0.17523446679115295, 'fcm_dpo/margin': 28.485132217407227, 'margin_dpo/margin_mean': 28.48513412475586, 'margin_dpo/margin_std': 36.80478286743164, 'logps/chosen': -71.30004119873047, 'logps/rejected': -134.97711181640625, 'logps/ref_chosen': -54.372772216796875, 'logps/ref_rejected': -89.5647201538086, 'KL/chosen_KL_mean': -16.92726707458496, 'KL/rejected_KL_mean': -45.412391662597656, 'KL/mean': -31.169830322265625, 'KL/std': 30.842205047607422, 'logits/chosen': -0.7101203203201294, 'logits/rejected': -0.674048662185669, 'epoch': 0.15}
15%|██████████████████████████████████▎ | 104/681 [04:22<22:30, 2.34s/it] 15%|██████████████████████████████████▋ | 105/681 [04:25<23:12, 2.42s/it] {'loss': 0.7563, 'grad_norm': 26.41094207763672, 'learning_rate': 4.959758474331832e-07, 'fcm_dpo/beta': 0.024829303845763206, 'fcm_dpo/q_t': 0.29163897037506104, 'fcm_dpo/delta': -0.430313378572464, 'fcm_dpo/margin': 39.792884826660156, 'margin_dpo/margin_mean': 39.792884826660156, 'margin_dpo/margin_std': 33.252655029296875, 'logps/chosen': -69.98313903808594, 'logps/rejected': -153.110595703125, 'logps/ref_chosen': -54.638946533203125, 'logps/ref_rejected': -97.97351837158203, 'KL/chosen_KL_mean': -15.344198226928711, 'KL/rejected_KL_mean': -55.1370849609375, 'KL/mean': -35.240638732910156, 'KL/std': 30.727638244628906, 'logits/chosen': -0.7010092735290527, 'logits/rejected': -0.6739363074302673, 'epoch': 0.15}
15%|██████████████████████████████████▋ | 105/681 [04:25<23:12, 2.42s/it] 16%|███████████████████████████████████ | 106/681 [04:27<23:16, 2.43s/it] {'loss': 0.9716, 'grad_norm': 25.191970825195312, 'learning_rate': 4.957432749209755e-07, 'fcm_dpo/beta': 0.024186331778764725, 'fcm_dpo/q_t': 0.3670313358306885, 'fcm_dpo/delta': -0.008649196475744247, 'fcm_dpo/margin': 25.14108657836914, 'margin_dpo/margin_mean': 25.14108657836914, 'margin_dpo/margin_std': 28.393421173095703, 'logps/chosen': -72.07618713378906, 'logps/rejected': -127.6090087890625, 'logps/ref_chosen': -54.83289337158203, 'logps/ref_rejected': -85.22461700439453, 'KL/chosen_KL_mean': -17.2432918548584, 'KL/rejected_KL_mean': -42.3843879699707, 'KL/mean': -29.813838958740234, 'KL/std': 26.08827781677246, 'logits/chosen': -0.6583723425865173, 'logits/rejected': -0.6192843317985535, 'epoch': 0.16}
16%|███████████████████████████████████ | 106/681 [04:27<23:16, 2.43s/it] 16%|███████████████████████████████████▎ | 107/681 [04:30<23:44, 2.48s/it] {'loss': 0.9564, 'grad_norm': 26.355724334716797, 'learning_rate': 4.955042268449307e-07, 'fcm_dpo/beta': 0.023814622312784195, 'fcm_dpo/q_t': 0.35584813356399536, 'fcm_dpo/delta': -0.07891468703746796, 'fcm_dpo/margin': 28.251924514770508, 'margin_dpo/margin_mean': 28.25192642211914, 'margin_dpo/margin_std': 32.80548858642578, 'logps/chosen': -90.55132293701172, 'logps/rejected': -143.83494567871094, 'logps/ref_chosen': -69.70780944824219, 'logps/ref_rejected': -94.73950958251953, 'KL/chosen_KL_mean': -20.843509674072266, 'KL/rejected_KL_mean': -49.095436096191406, 'KL/mean': -34.96947479248047, 'KL/std': 31.35101890563965, 'logits/chosen': -0.7115845680236816, 'logits/rejected': -0.6630497574806213, 'epoch': 0.16}
16%|███████████████████████████████████▎ | 107/681 [04:30<23:44, 2.48s/it] 16%|███████████████████████████████████▋ | 108/681 [04:32<23:27, 2.46s/it] {'loss': 0.975, 'grad_norm': 26.53054428100586, 'learning_rate': 4.952587095041881e-07, 'fcm_dpo/beta': 0.02327515184879303, 'fcm_dpo/q_t': 0.35573819279670715, 'fcm_dpo/delta': -0.1576060950756073, 'fcm_dpo/margin': 32.04291915893555, 'margin_dpo/margin_mean': 32.04291534423828, 'margin_dpo/margin_std': 43.38271713256836, 'logps/chosen': -75.17704772949219, 'logps/rejected': -147.00608825683594, 'logps/ref_chosen': -56.0098876953125, 'logps/ref_rejected': -95.79601287841797, 'KL/chosen_KL_mean': -19.167158126831055, 'KL/rejected_KL_mean': -51.21007537841797, 'KL/mean': -35.18861770629883, 'KL/std': 33.77876281738281, 'logits/chosen': -0.702393651008606, 'logits/rejected': -0.673580527305603, 'epoch': 0.16}
16%|███████████████████████████████████▋ | 108/681 [04:32<23:27, 2.46s/it] 16%|████████████████████████████████████ | 109/681 [04:35<24:50, 2.61s/it] {'loss': 0.8894, 'grad_norm': 26.37941551208496, 'learning_rate': 4.95006729368358e-07, 'fcm_dpo/beta': 0.022326169535517693, 'fcm_dpo/q_t': 0.3348275423049927, 'fcm_dpo/delta': -0.2031365931034088, 'fcm_dpo/margin': 35.21482849121094, 'margin_dpo/margin_mean': 35.21482849121094, 'margin_dpo/margin_std': 37.05272674560547, 'logps/chosen': -80.26142883300781, 'logps/rejected': -151.27650451660156, 'logps/ref_chosen': -62.88549041748047, 'logps/ref_rejected': -98.68573760986328, 'KL/chosen_KL_mean': -17.375944137573242, 'KL/rejected_KL_mean': -52.59076690673828, 'KL/mean': -34.98335647583008, 'KL/std': 33.18781280517578, 'logits/chosen': -0.6269769668579102, 'logits/rejected': -0.6036471128463745, 'epoch': 0.16}
16%|████████████████████████████████████ | 109/681 [04:35<24:50, 2.61s/it] 16%|████████████████████████████████████▎ | 110/681 [04:38<24:54, 2.62s/it] {'loss': 0.9673, 'grad_norm': 24.21642303466797, 'learning_rate': 4.947482930773511e-07, 'fcm_dpo/beta': 0.02154034934937954, 'fcm_dpo/q_t': 0.35664719343185425, 'fcm_dpo/delta': -0.10045865923166275, 'fcm_dpo/margin': 31.958560943603516, 'margin_dpo/margin_mean': 31.958560943603516, 'margin_dpo/margin_std': 38.652034759521484, 'logps/chosen': -76.04888916015625, 'logps/rejected': -129.0037841796875, 'logps/ref_chosen': -58.753684997558594, 'logps/ref_rejected': -79.75001525878906, 'KL/chosen_KL_mean': -17.29520034790039, 'KL/rejected_KL_mean': -49.253761291503906, 'KL/mean': -33.274478912353516, 'KL/std': 32.64356231689453, 'logits/chosen': -0.6421069502830505, 'logits/rejected': -0.6008081436157227, 'epoch': 0.16}
16%|████████████████████████████████████▎ | 110/681 [04:38<24:54, 2.62s/it] 16%|████████████████████████████████████▋ | 111/681 [04:40<24:29, 2.58s/it] {'loss': 0.9544, 'grad_norm': 26.77528953552246, 'learning_rate': 4.944834074412042e-07, 'fcm_dpo/beta': 0.021102361381053925, 'fcm_dpo/q_t': 0.34861353039741516, 'fcm_dpo/delta': -0.15377238392829895, 'fcm_dpo/margin': 35.09562683105469, 'margin_dpo/margin_mean': 35.09562683105469, 'margin_dpo/margin_std': 43.51227569580078, 'logps/chosen': -89.29158020019531, 'logps/rejected': -154.19195556640625, 'logps/ref_chosen': -68.62410736083984, 'logps/ref_rejected': -98.42886352539062, 'KL/chosen_KL_mean': -20.667470932006836, 'KL/rejected_KL_mean': -55.763092041015625, 'KL/mean': -38.21528625488281, 'KL/std': 36.594356536865234, 'logits/chosen': -0.6729174852371216, 'logits/rejected': -0.6483257412910461, 'epoch': 0.16}
16%|████████████████████████████████████▋ | 111/681 [04:40<24:29, 2.58s/it] 16%|█████████████████████████████████████ | 112/681 [04:42<23:28, 2.48s/it] {'loss': 1.0555, 'grad_norm': 24.64253807067871, 'learning_rate': 4.942120794399002e-07, 'fcm_dpo/beta': 0.021312057971954346, 'fcm_dpo/q_t': 0.39253005385398865, 'fcm_dpo/delta': 0.11160361021757126, 'fcm_dpo/margin': 23.175251007080078, 'margin_dpo/margin_mean': 23.175251007080078, 'margin_dpo/margin_std': 31.359512329101562, 'logps/chosen': -69.5224609375, 'logps/rejected': -107.22250366210938, 'logps/ref_chosen': -50.24964141845703, 'logps/ref_rejected': -64.77442932128906, 'KL/chosen_KL_mean': -19.272823333740234, 'KL/rejected_KL_mean': -42.44807434082031, 'KL/mean': -30.860448837280273, 'KL/std': 26.632038116455078, 'logits/chosen': -0.6570972204208374, 'logits/rejected': -0.6123785972595215, 'epoch': 0.16}
16%|█████████████████████████████████████ | 112/681 [04:42<23:28, 2.48s/it] 17%|█████████████████████████████████████▎ | 113/681 [04:45<23:51, 2.52s/it] {'loss': 0.9954, 'grad_norm': 25.575990676879883, 'learning_rate': 4.939343162231841e-07, 'fcm_dpo/beta': 0.021701056510210037, 'fcm_dpo/q_t': 0.3771820068359375, 'fcm_dpo/delta': 0.047093942761421204, 'fcm_dpo/margin': 25.598800659179688, 'margin_dpo/margin_mean': 25.598800659179688, 'margin_dpo/margin_std': 29.07805633544922, 'logps/chosen': -89.71745300292969, 'logps/rejected': -126.57200622558594, 'logps/ref_chosen': -66.71295166015625, 'logps/ref_rejected': -77.96870422363281, 'KL/chosen_KL_mean': -23.004501342773438, 'KL/rejected_KL_mean': -48.603302001953125, 'KL/mean': -35.80390167236328, 'KL/std': 26.217470169067383, 'logits/chosen': -0.6328074336051941, 'logits/rejected': -0.5849325060844421, 'epoch': 0.17}
17%|█████████████████████████████████████▎ | 113/681 [04:45<23:51, 2.52s/it] 17%|█████████████████████████████████████▋ | 114/681 [04:47<23:38, 2.50s/it] {'loss': 0.8997, 'grad_norm': 25.883995056152344, 'learning_rate': 4.936501251103751e-07, 'fcm_dpo/beta': 0.0208163820207119, 'fcm_dpo/q_t': 0.3389107584953308, 'fcm_dpo/delta': -0.23869842290878296, 'fcm_dpo/margin': 39.19293212890625, 'margin_dpo/margin_mean': 39.19293212890625, 'margin_dpo/margin_std': 47.87086486816406, 'logps/chosen': -78.81643676757812, 'logps/rejected': -147.3339385986328, 'logps/ref_chosen': -57.78507995605469, 'logps/ref_rejected': -87.10966491699219, 'KL/chosen_KL_mean': -21.031354904174805, 'KL/rejected_KL_mean': -60.22427749633789, 'KL/mean': -40.62781524658203, 'KL/std': 40.04113006591797, 'logits/chosen': -0.6460467576980591, 'logits/rejected': -0.6084377765655518, 'epoch': 0.17}
17%|█████████████████████████████████████▋ | 114/681 [04:47<23:38, 2.50s/it] 17%|█████████████████████████████████████▉ | 115/681 [04:50<23:58, 2.54s/it] {'loss': 1.0936, 'grad_norm': 34.74506378173828, 'learning_rate': 4.933595135901732e-07, 'fcm_dpo/beta': 0.020900558680295944, 'fcm_dpo/q_t': 0.38739147782325745, 'fcm_dpo/delta': 0.028054876253008842, 'fcm_dpo/margin': 27.425457000732422, 'margin_dpo/margin_mean': 27.425457000732422, 'margin_dpo/margin_std': 48.14727783203125, 'logps/chosen': -93.73316955566406, 'logps/rejected': -154.14151000976562, 'logps/ref_chosen': -65.5826416015625, 'logps/ref_rejected': -98.56552124023438, 'KL/chosen_KL_mean': -28.150527954101562, 'KL/rejected_KL_mean': -55.57598876953125, 'KL/mean': -41.863258361816406, 'KL/std': 37.38142395019531, 'logits/chosen': -0.6769613027572632, 'logits/rejected': -0.6487143635749817, 'epoch': 0.17}
17%|█████████████████████████████████████▉ | 115/681 [04:50<23:58, 2.54s/it] 17%|██████████████████████████████████████▎ | 116/681 [04:52<23:21, 2.48s/it] {'loss': 0.9682, 'grad_norm': 28.000104904174805, 'learning_rate': 4.930624893204624e-07, 'fcm_dpo/beta': 0.020909134298563004, 'fcm_dpo/q_t': 0.36827123165130615, 'fcm_dpo/delta': -0.015174690634012222, 'fcm_dpo/margin': 29.35871124267578, 'margin_dpo/margin_mean': 29.35871124267578, 'margin_dpo/margin_std': 33.837371826171875, 'logps/chosen': -72.66461944580078, 'logps/rejected': -131.14486694335938, 'logps/ref_chosen': -51.40031433105469, 'logps/ref_rejected': -80.5218505859375, 'KL/chosen_KL_mean': -21.264305114746094, 'KL/rejected_KL_mean': -50.623023986816406, 'KL/mean': -35.94366455078125, 'KL/std': 31.68724822998047, 'logits/chosen': -0.6615927815437317, 'logits/rejected': -0.6435688734054565, 'epoch': 0.17}
17%|██████████████████████████████████████▎ | 116/681 [04:52<23:21, 2.48s/it] 17%|██████████████████████████████████████▋ | 117/681 [04:55<23:06, 2.46s/it] {'loss': 1.0458, 'grad_norm': 33.21882247924805, 'learning_rate': 4.927590601281083e-07, 'fcm_dpo/beta': 0.02097507193684578, 'fcm_dpo/q_t': 0.38448774814605713, 'fcm_dpo/delta': 0.059497952461242676, 'fcm_dpo/margin': 25.923280715942383, 'margin_dpo/margin_mean': 25.92327880859375, 'margin_dpo/margin_std': 37.46910858154297, 'logps/chosen': -95.39195251464844, 'logps/rejected': -118.6008071899414, 'logps/ref_chosen': -69.29840850830078, 'logps/ref_rejected': -66.583984375, 'KL/chosen_KL_mean': -26.09354019165039, 'KL/rejected_KL_mean': -52.01681900024414, 'KL/mean': -39.05518341064453, 'KL/std': 33.70083236694336, 'logits/chosen': -0.6220806837081909, 'logits/rejected': -0.5811136960983276, 'epoch': 0.17}
17%|██████████████████████████████████████▋ | 117/681 [04:55<23:06, 2.46s/it] 17%|██████████████████████████████████████▉ | 118/681 [04:57<23:07, 2.47s/it] {'loss': 0.9783, 'grad_norm': 27.60127830505371, 'learning_rate': 4.924492340087524e-07, 'fcm_dpo/beta': 0.021029407158493996, 'fcm_dpo/q_t': 0.370626300573349, 'fcm_dpo/delta': -0.007240705192089081, 'fcm_dpo/margin': 28.854822158813477, 'margin_dpo/margin_mean': 28.854822158813477, 'margin_dpo/margin_std': 34.29177474975586, 'logps/chosen': -77.71449279785156, 'logps/rejected': -126.5973892211914, 'logps/ref_chosen': -55.6409797668457, 'logps/ref_rejected': -75.66905975341797, 'KL/chosen_KL_mean': -22.07351303100586, 'KL/rejected_KL_mean': -50.92832946777344, 'KL/mean': -36.50092315673828, 'KL/std': 30.597415924072266, 'logits/chosen': -0.6917950510978699, 'logits/rejected': -0.6692517995834351, 'epoch': 0.17}
17%|██████████████████████████████████████▉ | 118/681 [04:57<23:07, 2.47s/it] 17%|███████████████████████████████████████▎ | 119/681 [05:00<23:45, 2.54s/it] {'loss': 1.0194, 'grad_norm': 28.45378875732422, 'learning_rate': 4.92133019126601e-07, 'fcm_dpo/beta': 0.020852331072092056, 'fcm_dpo/q_t': 0.37676042318344116, 'fcm_dpo/delta': -0.0024533867835998535, 'fcm_dpo/margin': 28.834829330444336, 'margin_dpo/margin_mean': 28.834827423095703, 'margin_dpo/margin_std': 40.16496658325195, 'logps/chosen': -102.40261840820312, 'logps/rejected': -160.70452880859375, 'logps/ref_chosen': -73.51019287109375, 'logps/ref_rejected': -102.977294921875, 'KL/chosen_KL_mean': -28.89242172241211, 'KL/rejected_KL_mean': -57.72724533081055, 'KL/mean': -43.309837341308594, 'KL/std': 33.70098114013672, 'logits/chosen': -0.6722303628921509, 'logits/rejected': -0.6554035544395447, 'epoch': 0.17}
17%|███████████████████████████████████████▎ | 119/681 [05:00<23:45, 2.54s/it] 18%|███████████████████████████████████████▋ | 120/681 [05:03<24:13, 2.59s/it] {'loss': 0.9, 'grad_norm': 26.843433380126953, 'learning_rate': 4.918104238142103e-07, 'fcm_dpo/beta': 0.02034316398203373, 'fcm_dpo/q_t': 0.33687207102775574, 'fcm_dpo/delta': -0.21045231819152832, 'fcm_dpo/margin': 39.01069259643555, 'margin_dpo/margin_mean': 39.01068878173828, 'margin_dpo/margin_std': 43.660438537597656, 'logps/chosen': -107.07133483886719, 'logps/rejected': -177.32493591308594, 'logps/ref_chosen': -76.78083801269531, 'logps/ref_rejected': -108.02374267578125, 'KL/chosen_KL_mean': -30.290496826171875, 'KL/rejected_KL_mean': -69.30119323730469, 'KL/mean': -49.79584884643555, 'KL/std': 42.012657165527344, 'logits/chosen': -0.6685041189193726, 'logits/rejected': -0.6314491033554077, 'epoch': 0.18}
18%|███████████████████████████████████████▋ | 120/681 [05:03<24:13, 2.59s/it] 18%|███████████████████████████████████████▉ | 121/681 [05:05<23:52, 2.56s/it] {'loss': 0.9071, 'grad_norm': 26.77589988708496, 'learning_rate': 4.91481456572267e-07, 'fcm_dpo/beta': 0.019261084496974945, 'fcm_dpo/q_t': 0.334938645362854, 'fcm_dpo/delta': -0.2588822841644287, 'fcm_dpo/margin': 43.356327056884766, 'margin_dpo/margin_mean': 43.35633087158203, 'margin_dpo/margin_std': 51.60829162597656, 'logps/chosen': -90.91264343261719, 'logps/rejected': -182.47364807128906, 'logps/ref_chosen': -61.789894104003906, 'logps/ref_rejected': -109.99456787109375, 'KL/chosen_KL_mean': -29.122751235961914, 'KL/rejected_KL_mean': -72.47908020019531, 'KL/mean': -50.80091857910156, 'KL/std': 41.654624938964844, 'logits/chosen': -0.6290786266326904, 'logits/rejected': -0.6210762858390808, 'epoch': 0.18}
18%|███████████████████████████████████████▉ | 121/681 [05:05<23:52, 2.56s/it] 18%|████████████████████████████████████████▎ | 122/681 [05:07<23:04, 2.48s/it] {'loss': 0.785, 'grad_norm': 27.174243927001953, 'learning_rate': 4.911461260693638e-07, 'fcm_dpo/beta': 0.018020082265138626, 'fcm_dpo/q_t': 0.3011833429336548, 'fcm_dpo/delta': -0.40099939703941345, 'fcm_dpo/margin': 53.40232849121094, 'margin_dpo/margin_mean': 53.40232849121094, 'margin_dpo/margin_std': 48.34116744995117, 'logps/chosen': -73.84333038330078, 'logps/rejected': -187.05764770507812, 'logps/ref_chosen': -46.9022102355957, 'logps/ref_rejected': -106.71418762207031, 'KL/chosen_KL_mean': -26.941118240356445, 'KL/rejected_KL_mean': -80.34346008300781, 'KL/mean': -53.64228057861328, 'KL/std': 47.90687561035156, 'logits/chosen': -0.6133723258972168, 'logits/rejected': -0.6250221729278564, 'epoch': 0.18}
18%|████████████████████████████████████████▎ | 122/681 [05:07<23:04, 2.48s/it] 18%|████████████████████████████████████████▋ | 123/681 [05:10<23:41, 2.55s/it] {'loss': 1.0436, 'grad_norm': 26.237045288085938, 'learning_rate': 4.908044411417711e-07, 'fcm_dpo/beta': 0.01748839020729065, 'fcm_dpo/q_t': 0.37540945410728455, 'fcm_dpo/delta': -0.0243561789393425, 'fcm_dpo/margin': 35.575958251953125, 'margin_dpo/margin_mean': 35.575958251953125, 'margin_dpo/margin_std': 54.298728942871094, 'logps/chosen': -90.19166564941406, 'logps/rejected': -152.20437622070312, 'logps/ref_chosen': -61.33863830566406, 'logps/ref_rejected': -87.775390625, 'KL/chosen_KL_mean': -28.8530216217041, 'KL/rejected_KL_mean': -64.42898559570312, 'KL/mean': -46.64100646972656, 'KL/std': 41.192108154296875, 'logits/chosen': -0.6377385258674622, 'logits/rejected': -0.6154704093933105, 'epoch': 0.18}
18%|████████████████████████████████████████▋ | 123/681 [05:10<23:41, 2.55s/it] 18%|████████████████████████████████████████▉ | 124/681 [05:13<23:34, 2.54s/it] {'loss': 0.9419, 'grad_norm': 29.16954231262207, 'learning_rate': 4.904564107932048e-07, 'fcm_dpo/beta': 0.01679907739162445, 'fcm_dpo/q_t': 0.3425573408603668, 'fcm_dpo/delta': -0.27494901418685913, 'fcm_dpo/margin': 50.62015151977539, 'margin_dpo/margin_mean': 50.62015151977539, 'margin_dpo/margin_std': 68.21569061279297, 'logps/chosen': -103.386474609375, 'logps/rejected': -200.13885498046875, 'logps/ref_chosen': -71.44833374023438, 'logps/ref_rejected': -117.58056640625, 'KL/chosen_KL_mean': -31.93813705444336, 'KL/rejected_KL_mean': -82.55829620361328, 'KL/mean': -57.24821472167969, 'KL/std': 54.470890045166016, 'logits/chosen': -0.6193432807922363, 'logits/rejected': -0.6179369688034058, 'epoch': 0.18}
18%|████████████████████████████████████████▉ | 124/681 [05:13<23:34, 2.54s/it] 18%|█████████████████████████████████████████▎ | 125/681 [05:15<23:18, 2.52s/it] {'loss': 0.925, 'grad_norm': 23.99207878112793, 'learning_rate': 4.90102044194588e-07, 'fcm_dpo/beta': 0.016263190656900406, 'fcm_dpo/q_t': 0.34715038537979126, 'fcm_dpo/delta': -0.16389188170433044, 'fcm_dpo/margin': 46.228824615478516, 'margin_dpo/margin_mean': 46.22882080078125, 'margin_dpo/margin_std': 53.9525032043457, 'logps/chosen': -76.30085754394531, 'logps/rejected': -156.38134765625, 'logps/ref_chosen': -50.136940002441406, 'logps/ref_rejected': -83.98861694335938, 'KL/chosen_KL_mean': -26.163921356201172, 'KL/rejected_KL_mean': -72.39274597167969, 'KL/mean': -49.2783317565918, 'KL/std': 45.21812438964844, 'logits/chosen': -0.5740602016448975, 'logits/rejected': -0.5690337419509888, 'epoch': 0.18}
18%|█████████████████████████████████████████▎ | 125/681 [05:15<23:18, 2.52s/it] 19%|█████████████████████████████████████████▋ | 126/681 [05:18<23:38, 2.56s/it] {'loss': 0.9567, 'grad_norm': 25.790943145751953, 'learning_rate': 4.897413506838102e-07, 'fcm_dpo/beta': 0.01587202399969101, 'fcm_dpo/q_t': 0.35897907614707947, 'fcm_dpo/delta': -0.07921052724123001, 'fcm_dpo/margin': 42.44661331176758, 'margin_dpo/margin_mean': 42.44661331176758, 'margin_dpo/margin_std': 50.80341339111328, 'logps/chosen': -84.52001190185547, 'logps/rejected': -169.4293212890625, 'logps/ref_chosen': -55.66706848144531, 'logps/ref_rejected': -98.1297607421875, 'KL/chosen_KL_mean': -28.852941513061523, 'KL/rejected_KL_mean': -71.29955291748047, 'KL/mean': -50.07624816894531, 'KL/std': 41.17491912841797, 'logits/chosen': -0.5833499431610107, 'logits/rejected': -0.5680674314498901, 'epoch': 0.19}
19%|█████████████████████████████████████████▋ | 126/681 [05:18<23:38, 2.56s/it] 19%|█████████████████████████████████████████▉ | 127/681 [05:20<23:47, 2.58s/it] {'loss': 1.0353, 'grad_norm': 26.187414169311523, 'learning_rate': 4.89374339765481e-07, 'fcm_dpo/beta': 0.01601826772093773, 'fcm_dpo/q_t': 0.3830415606498718, 'fcm_dpo/delta': 0.0715877041220665, 'fcm_dpo/margin': 33.21990203857422, 'margin_dpo/margin_mean': 33.21990203857422, 'margin_dpo/margin_std': 43.94744873046875, 'logps/chosen': -84.08538818359375, 'logps/rejected': -137.54638671875, 'logps/ref_chosen': -56.55467987060547, 'logps/ref_rejected': -76.7957763671875, 'KL/chosen_KL_mean': -27.53070831298828, 'KL/rejected_KL_mean': -60.750614166259766, 'KL/mean': -44.140663146972656, 'KL/std': 35.858009338378906, 'logits/chosen': -0.600145697593689, 'logits/rejected': -0.5759819746017456, 'epoch': 0.19}
19%|█████████████████████████████████████████▉ | 127/681 [05:20<23:47, 2.58s/it] 19%|██████████████████████████████████████████▎ | 128/681 [05:23<23:59, 2.60s/it] {'loss': 1.0628, 'grad_norm': 38.06498718261719, 'learning_rate': 4.890010211106795e-07, 'fcm_dpo/beta': 0.01624487154185772, 'fcm_dpo/q_t': 0.38386672735214233, 'fcm_dpo/delta': 0.04389987140893936, 'fcm_dpo/margin': 34.341407775878906, 'margin_dpo/margin_mean': 34.341407775878906, 'margin_dpo/margin_std': 52.57948303222656, 'logps/chosen': -88.2669677734375, 'logps/rejected': -140.9263916015625, 'logps/ref_chosen': -58.12095642089844, 'logps/ref_rejected': -76.43896484375, 'KL/chosen_KL_mean': -30.146015167236328, 'KL/rejected_KL_mean': -64.4874267578125, 'KL/mean': -47.31671905517578, 'KL/std': 43.29245376586914, 'logits/chosen': -0.6183241605758667, 'logits/rejected': -0.589686393737793, 'epoch': 0.19}
19%|██████████████████████████████████████████▎ | 128/681 [05:23<23:59, 2.60s/it] 19%|██████████████████████████████████████████▌ | 129/681 [05:26<23:47, 2.59s/it] {'loss': 1.0666, 'grad_norm': 28.041536331176758, 'learning_rate': 4.88621404556699e-07, 'fcm_dpo/beta': 0.01625596359372139, 'fcm_dpo/q_t': 0.3834758400917053, 'fcm_dpo/delta': 0.010706906206905842, 'fcm_dpo/margin': 36.28490447998047, 'margin_dpo/margin_mean': 36.28490447998047, 'margin_dpo/margin_std': 59.076148986816406, 'logps/chosen': -104.46271514892578, 'logps/rejected': -170.47344970703125, 'logps/ref_chosen': -66.91637420654297, 'logps/ref_rejected': -96.6422119140625, 'KL/chosen_KL_mean': -37.54634094238281, 'KL/rejected_KL_mean': -73.83124542236328, 'KL/mean': -55.68879318237305, 'KL/std': 46.2327880859375, 'logits/chosen': -0.5989828705787659, 'logits/rejected': -0.581794261932373, 'epoch': 0.19}
19%|██████████████████████████████████████████▌ | 129/681 [05:26<23:47, 2.59s/it] 19%|██████████████████████████████████████████▉ | 130/681 [05:28<23:10, 2.52s/it] {'loss': 0.8967, 'grad_norm': 22.134960174560547, 'learning_rate': 4.882355001067891e-07, 'fcm_dpo/beta': 0.015807852149009705, 'fcm_dpo/q_t': 0.3301834464073181, 'fcm_dpo/delta': -0.27608606219291687, 'fcm_dpo/margin': 53.92461013793945, 'margin_dpo/margin_mean': 53.92461013793945, 'margin_dpo/margin_std': 59.920475006103516, 'logps/chosen': -72.73410034179688, 'logps/rejected': -164.7735137939453, 'logps/ref_chosen': -44.66685104370117, 'logps/ref_rejected': -82.78165435791016, 'KL/chosen_KL_mean': -28.067245483398438, 'KL/rejected_KL_mean': -81.99185943603516, 'KL/mean': -55.02955627441406, 'KL/std': 50.90562438964844, 'logits/chosen': -0.5740154981613159, 'logits/rejected': -0.5684762597084045, 'epoch': 0.19}
19%|██████████████████████████████████████████▉ | 130/681 [05:28<23:10, 2.52s/it] 19%|███████████████████████████████████████████▎ | 131/681 [05:30<23:03, 2.51s/it] {'loss': 0.8857, 'grad_norm': 26.255428314208984, 'learning_rate': 4.878433179298909e-07, 'fcm_dpo/beta': 0.014925356954336166, 'fcm_dpo/q_t': 0.33481913805007935, 'fcm_dpo/delta': -0.18314488232135773, 'fcm_dpo/margin': 51.501625061035156, 'margin_dpo/margin_mean': 51.501625061035156, 'margin_dpo/margin_std': 52.060943603515625, 'logps/chosen': -68.50990295410156, 'logps/rejected': -163.5309600830078, 'logps/ref_chosen': -44.924591064453125, 'logps/ref_rejected': -88.44401550292969, 'KL/chosen_KL_mean': -23.585315704345703, 'KL/rejected_KL_mean': -75.08694458007812, 'KL/mean': -49.33613204956055, 'KL/std': 47.14921951293945, 'logits/chosen': -0.593375563621521, 'logits/rejected': -0.5982913970947266, 'epoch': 0.19}
19%|███████████████████████████████████████████▎ | 131/681 [05:31<23:03, 2.51s/it] 19%|███████████████████████████████████████████▌ | 132/681 [05:33<23:08, 2.53s/it] {'loss': 0.9932, 'grad_norm': 25.4652156829834, 'learning_rate': 4.874448683603694e-07, 'fcm_dpo/beta': 0.014653876423835754, 'fcm_dpo/q_t': 0.3683886229991913, 'fcm_dpo/delta': -0.05542517825961113, 'fcm_dpo/margin': 44.46385955810547, 'margin_dpo/margin_mean': 44.46385955810547, 'margin_dpo/margin_std': 61.32796096801758, 'logps/chosen': -91.594482421875, 'logps/rejected': -164.9494171142578, 'logps/ref_chosen': -59.00108337402344, 'logps/ref_rejected': -87.89215087890625, 'KL/chosen_KL_mean': -32.59339141845703, 'KL/rejected_KL_mean': -77.05726623535156, 'KL/mean': -54.82532501220703, 'KL/std': 48.68935012817383, 'logits/chosen': -0.6186190843582153, 'logits/rejected': -0.6089913249015808, 'epoch': 0.19}
19%|███████████████████████████████████████████▌ | 132/681 [05:33<23:08, 2.53s/it] 20%|███████████████████████████████████████████▉ | 133/681 [05:36<23:20, 2.56s/it] {'loss': 1.0264, 'grad_norm': 27.35451316833496, 'learning_rate': 4.870401618977415e-07, 'fcm_dpo/beta': 0.01467297226190567, 'fcm_dpo/q_t': 0.38113081455230713, 'fcm_dpo/delta': 0.023506367579102516, 'fcm_dpo/margin': 39.3804931640625, 'margin_dpo/margin_mean': 39.3804931640625, 'margin_dpo/margin_std': 55.648597717285156, 'logps/chosen': -104.75468444824219, 'logps/rejected': -173.8642578125, 'logps/ref_chosen': -66.60449981689453, 'logps/ref_rejected': -96.33355712890625, 'KL/chosen_KL_mean': -38.15018844604492, 'KL/rejected_KL_mean': -77.53068542480469, 'KL/mean': -57.84043502807617, 'KL/std': 44.931976318359375, 'logits/chosen': -0.6102226972579956, 'logits/rejected': -0.5947215557098389, 'epoch': 0.2}
20%|███████████████████████████████████████████▉ | 133/681 [05:36<23:20, 2.56s/it] 20%|████████████████████████████████████████████▎ | 134/681 [05:38<22:42, 2.49s/it] {'loss': 0.9561, 'grad_norm': 23.86644744873047, 'learning_rate': 4.866292092063986e-07, 'fcm_dpo/beta': 0.014689350500702858, 'fcm_dpo/q_t': 0.3648633360862732, 'fcm_dpo/delta': -0.038860246539115906, 'fcm_dpo/margin': 43.31299591064453, 'margin_dpo/margin_mean': 43.31299591064453, 'margin_dpo/margin_std': 49.729827880859375, 'logps/chosen': -82.31319427490234, 'logps/rejected': -161.21145629882812, 'logps/ref_chosen': -52.06925582885742, 'logps/ref_rejected': -87.6545181274414, 'KL/chosen_KL_mean': -30.243938446044922, 'KL/rejected_KL_mean': -73.55693054199219, 'KL/mean': -51.90043640136719, 'KL/std': 44.689247131347656, 'logits/chosen': -0.5801087617874146, 'logits/rejected': -0.5580745935440063, 'epoch': 0.2}
20%|████████████████████████████████████████████▎ | 134/681 [05:38<22:42, 2.49s/it] 20%|████████████████████████████████████████████▌ | 135/681 [05:40<22:26, 2.47s/it] {'loss': 0.9125, 'grad_norm': 25.872745513916016, 'learning_rate': 4.862120211153265e-07, 'fcm_dpo/beta': 0.014142518863081932, 'fcm_dpo/q_t': 0.3403737545013428, 'fcm_dpo/delta': -0.217301607131958, 'fcm_dpo/margin': 56.56169509887695, 'margin_dpo/margin_mean': 56.56169891357422, 'margin_dpo/margin_std': 66.48002624511719, 'logps/chosen': -85.192138671875, 'logps/rejected': -207.3797149658203, 'logps/ref_chosen': -50.353858947753906, 'logps/ref_rejected': -115.97975158691406, 'KL/chosen_KL_mean': -34.838279724121094, 'KL/rejected_KL_mean': -91.39996337890625, 'KL/mean': -63.11912536621094, 'KL/std': 56.09346008300781, 'logits/chosen': -0.5608731508255005, 'logits/rejected': -0.5899795293807983, 'epoch': 0.2}
20%|████████████████████████████████████████████▌ | 135/681 [05:40<22:26, 2.47s/it] 20%|████████████████████████████████████████████▉ | 136/681 [05:43<23:02, 2.54s/it] {'loss': 1.0684, 'grad_norm': 27.28200340270996, 'learning_rate': 4.857886086178193e-07, 'fcm_dpo/beta': 0.013983258977532387, 'fcm_dpo/q_t': 0.3942437171936035, 'fcm_dpo/delta': 0.05406992509961128, 'fcm_dpo/margin': 39.19361877441406, 'margin_dpo/margin_mean': 39.19361877441406, 'margin_dpo/margin_std': 62.954200744628906, 'logps/chosen': -105.73243713378906, 'logps/rejected': -176.17477416992188, 'logps/ref_chosen': -65.072509765625, 'logps/ref_rejected': -96.32122802734375, 'KL/chosen_KL_mean': -40.65992736816406, 'KL/rejected_KL_mean': -79.85354614257812, 'KL/mean': -60.256736755371094, 'KL/std': 50.378326416015625, 'logits/chosen': -0.5846861600875854, 'logits/rejected': -0.5700664520263672, 'epoch': 0.2}
20%|████████████████████████████████████████████▉ | 136/681 [05:43<23:02, 2.54s/it] 20%|█████████████████████████████████████████████▎ | 137/681 [05:46<22:57, 2.53s/it] {'loss': 0.9457, 'grad_norm': 24.049076080322266, 'learning_rate': 4.853589828711902e-07, 'fcm_dpo/beta': 0.013596372678875923, 'fcm_dpo/q_t': 0.3448226749897003, 'fcm_dpo/delta': -0.24686267971992493, 'fcm_dpo/margin': 60.739707946777344, 'margin_dpo/margin_mean': 60.739707946777344, 'margin_dpo/margin_std': 81.2965087890625, 'logps/chosen': -89.72652435302734, 'logps/rejected': -215.5708770751953, 'logps/ref_chosen': -48.759117126464844, 'logps/ref_rejected': -113.86376953125, 'KL/chosen_KL_mean': -40.9674072265625, 'KL/rejected_KL_mean': -101.70710754394531, 'KL/mean': -71.33726501464844, 'KL/std': 68.98532104492188, 'logits/chosen': -0.4880056381225586, 'logits/rejected': -0.5109074115753174, 'epoch': 0.2}
20%|█████████████████████████████████████████████▎ | 137/681 [05:46<22:57, 2.53s/it] 20%|█████████████████████████████████████████████▌ | 138/681 [05:48<22:17, 2.46s/it] {'loss': 0.9767, 'grad_norm': 25.93773651123047, 'learning_rate': 4.849231551964771e-07, 'fcm_dpo/beta': 0.013456525281071663, 'fcm_dpo/q_t': 0.36690467596054077, 'fcm_dpo/delta': -0.015391625463962555, 'fcm_dpo/margin': 45.65510559082031, 'margin_dpo/margin_mean': 45.65510559082031, 'margin_dpo/margin_std': 53.583351135253906, 'logps/chosen': -103.09119415283203, 'logps/rejected': -181.42359924316406, 'logps/ref_chosen': -60.519649505615234, 'logps/ref_rejected': -93.19694519042969, 'KL/chosen_KL_mean': -42.5715446472168, 'KL/rejected_KL_mean': -88.22665405273438, 'KL/mean': -65.39909362792969, 'KL/std': 52.00640106201172, 'logits/chosen': -0.5287716388702393, 'logits/rejected': -0.5146108269691467, 'epoch': 0.2}
20%|█████████████████████████████████████████████▌ | 138/681 [05:48<22:17, 2.46s/it] 20%|█████████████████████████████████████████████▉ | 139/681 [05:50<21:58, 2.43s/it] {'loss': 0.9066, 'grad_norm': 23.08481788635254, 'learning_rate': 4.844811370781446e-07, 'fcm_dpo/beta': 0.01313326321542263, 'fcm_dpo/q_t': 0.34398433566093445, 'fcm_dpo/delta': -0.15800537168979645, 'fcm_dpo/margin': 56.83647537231445, 'margin_dpo/margin_mean': 56.83647537231445, 'margin_dpo/margin_std': 62.40201187133789, 'logps/chosen': -80.85960388183594, 'logps/rejected': -170.5326690673828, 'logps/ref_chosen': -46.89138412475586, 'logps/ref_rejected': -79.72798156738281, 'KL/chosen_KL_mean': -33.96821594238281, 'KL/rejected_KL_mean': -90.8046875, 'KL/mean': -62.38645553588867, 'KL/std': 50.296024322509766, 'logits/chosen': -0.5441822409629822, 'logits/rejected': -0.529821515083313, 'epoch': 0.2}
20%|█████████████████████████████████████████████▉ | 139/681 [05:50<21:58, 2.43s/it] 21%|██████████████████████████████████████████████▎ | 140/681 [05:53<21:45, 2.41s/it] {'loss': 0.9784, 'grad_norm': 25.392820358276367, 'learning_rate': 4.840329401637809e-07, 'fcm_dpo/beta': 0.012833508662879467, 'fcm_dpo/q_t': 0.36246025562286377, 'fcm_dpo/delta': -0.07425808161497116, 'fcm_dpo/margin': 52.140464782714844, 'margin_dpo/margin_mean': 52.14046096801758, 'margin_dpo/margin_std': 67.23936462402344, 'logps/chosen': -100.40834045410156, 'logps/rejected': -176.8582000732422, 'logps/ref_chosen': -58.97471618652344, 'logps/ref_rejected': -83.28410339355469, 'KL/chosen_KL_mean': -41.433631896972656, 'KL/rejected_KL_mean': -93.5740966796875, 'KL/mean': -67.50386047363281, 'KL/std': 57.14271545410156, 'logits/chosen': -0.5448036193847656, 'logits/rejected': -0.528033971786499, 'epoch': 0.21}
21%|██████████████████████████████████████████████▎ | 140/681 [05:53<21:45, 2.41s/it] 21%|██████████████████████████████████████████████▌ | 141/681 [05:55<22:13, 2.47s/it] {'loss': 0.9952, 'grad_norm': 28.14995765686035, 'learning_rate': 4.83578576263792e-07, 'fcm_dpo/beta': 0.01274183951318264, 'fcm_dpo/q_t': 0.3641555905342102, 'fcm_dpo/delta': -0.03779372200369835, 'fcm_dpo/margin': 49.86785888671875, 'margin_dpo/margin_mean': 49.867855072021484, 'margin_dpo/margin_std': 65.07711029052734, 'logps/chosen': -118.87383270263672, 'logps/rejected': -191.85829162597656, 'logps/ref_chosen': -75.07566833496094, 'logps/ref_rejected': -98.1922607421875, 'KL/chosen_KL_mean': -43.79816818237305, 'KL/rejected_KL_mean': -93.66603088378906, 'KL/mean': -68.73210144042969, 'KL/std': 57.7413330078125, 'logits/chosen': -0.5279260277748108, 'logits/rejected': -0.5093116164207458, 'epoch': 0.21}
21%|██████████████████████████████████████████████▌ | 141/681 [05:55<22:13, 2.47s/it] 21%|██████████████████████████████████████████████▉ | 142/681 [05:58<22:56, 2.55s/it] {'loss': 0.9933, 'grad_norm': 28.82069206237793, 'learning_rate': 4.83118057351089e-07, 'fcm_dpo/beta': 0.012545912526547909, 'fcm_dpo/q_t': 0.35846227407455444, 'fcm_dpo/delta': -0.12489978969097137, 'fcm_dpo/margin': 57.069786071777344, 'margin_dpo/margin_mean': 57.069786071777344, 'margin_dpo/margin_std': 77.73387145996094, 'logps/chosen': -105.78617095947266, 'logps/rejected': -199.41024780273438, 'logps/ref_chosen': -58.027931213378906, 'logps/ref_rejected': -94.58222961425781, 'KL/chosen_KL_mean': -47.75823974609375, 'KL/rejected_KL_mean': -104.82803344726562, 'KL/mean': -76.29313659667969, 'KL/std': 66.47343444824219, 'logits/chosen': -0.48032519221305847, 'logits/rejected': -0.4738243818283081, 'epoch': 0.21}
21%|██████████████████████████████████████████████▉ | 142/681 [05:58<22:56, 2.55s/it] 21%|███████████████████████████████████████████████▏ | 143/681 [06:01<23:21, 2.60s/it] {'loss': 1.1336, 'grad_norm': 31.163190841674805, 'learning_rate': 4.826513955607734e-07, 'fcm_dpo/beta': 0.01261083036661148, 'fcm_dpo/q_t': 0.4072745442390442, 'fcm_dpo/delta': 0.147918239235878, 'fcm_dpo/margin': 36.405601501464844, 'margin_dpo/margin_mean': 36.40559768676758, 'margin_dpo/margin_std': 67.0206527709961, 'logps/chosen': -109.57360076904297, 'logps/rejected': -167.38232421875, 'logps/ref_chosen': -57.59645080566406, 'logps/ref_rejected': -78.99957275390625, 'KL/chosen_KL_mean': -51.977149963378906, 'KL/rejected_KL_mean': -88.38274383544922, 'KL/mean': -70.17994689941406, 'KL/std': 59.076881408691406, 'logits/chosen': -0.4900055229663849, 'logits/rejected': -0.47338736057281494, 'epoch': 0.21}
21%|███████████████████████████████████████████████▏ | 143/681 [06:01<23:21, 2.60s/it] 21%|███████████████████████████████████████████████▌ | 144/681 [06:03<23:30, 2.63s/it] {'loss': 0.9885, 'grad_norm': 25.04686164855957, 'learning_rate': 4.821786031898176e-07, 'fcm_dpo/beta': 0.012746628373861313, 'fcm_dpo/q_t': 0.3711130619049072, 'fcm_dpo/delta': -0.0005554920062422752, 'fcm_dpo/margin': 47.109256744384766, 'margin_dpo/margin_mean': 47.109256744384766, 'margin_dpo/margin_std': 57.16564178466797, 'logps/chosen': -103.04859924316406, 'logps/rejected': -172.2517547607422, 'logps/ref_chosen': -59.90636444091797, 'logps/ref_rejected': -82.00025939941406, 'KL/chosen_KL_mean': -43.142234802246094, 'KL/rejected_KL_mean': -90.25149536132812, 'KL/mean': -66.69685363769531, 'KL/std': 49.121246337890625, 'logits/chosen': -0.49619781970977783, 'logits/rejected': -0.46890437602996826, 'epoch': 0.21}
21%|███████████████████████████████████████████████▌ | 144/681 [06:03<23:30, 2.63s/it] 21%|███████████████████████████████████████████████▉ | 145/681 [06:06<23:08, 2.59s/it] {'loss': 0.9823, 'grad_norm': 30.272216796875, 'learning_rate': 4.816996926967401e-07, 'fcm_dpo/beta': 0.012686775997281075, 'fcm_dpo/q_t': 0.366777628660202, 'fcm_dpo/delta': -0.03260120004415512, 'fcm_dpo/margin': 49.695777893066406, 'margin_dpo/margin_mean': 49.695777893066406, 'margin_dpo/margin_std': 61.764617919921875, 'logps/chosen': -101.55833435058594, 'logps/rejected': -172.51976013183594, 'logps/ref_chosen': -56.60066604614258, 'logps/ref_rejected': -77.86631774902344, 'KL/chosen_KL_mean': -44.95766830444336, 'KL/rejected_KL_mean': -94.6534423828125, 'KL/mean': -69.80555725097656, 'KL/std': 52.95355224609375, 'logits/chosen': -0.4978819489479065, 'logits/rejected': -0.4692661762237549, 'epoch': 0.21}
21%|███████████████████████████████████████████████▉ | 145/681 [06:06<23:08, 2.59s/it] 21%|████████████████████████████████████████████████▏ | 146/681 [06:08<22:56, 2.57s/it] {'loss': 1.104, 'grad_norm': 38.18339920043945, 'learning_rate': 4.812146767012779e-07, 'fcm_dpo/beta': 0.012825988233089447, 'fcm_dpo/q_t': 0.3929356038570404, 'fcm_dpo/delta': 0.1022133007645607, 'fcm_dpo/margin': 39.218162536621094, 'margin_dpo/margin_mean': 39.21815872192383, 'margin_dpo/margin_std': 65.34715270996094, 'logps/chosen': -127.41000366210938, 'logps/rejected': -182.33050537109375, 'logps/ref_chosen': -66.00045013427734, 'logps/ref_rejected': -81.70278930664062, 'KL/chosen_KL_mean': -61.40955352783203, 'KL/rejected_KL_mean': -100.6277084350586, 'KL/mean': -81.01863098144531, 'KL/std': 55.258060455322266, 'logits/chosen': -0.47510290145874023, 'logits/rejected': -0.43386411666870117, 'epoch': 0.21}
21%|████████████████████████████████████████████████▏ | 146/681 [06:09<22:56, 2.57s/it] 22%|████████████████████████████████████████████████▌ | 147/681 [06:11<22:56, 2.58s/it] {'loss': 0.981, 'grad_norm': 26.46401023864746, 'learning_rate': 4.807235679840536e-07, 'fcm_dpo/beta': 0.012739801779389381, 'fcm_dpo/q_t': 0.3615683317184448, 'fcm_dpo/delta': -0.08569633960723877, 'fcm_dpo/margin': 53.331939697265625, 'margin_dpo/margin_mean': 53.33194351196289, 'margin_dpo/margin_std': 70.01872253417969, 'logps/chosen': -98.26547241210938, 'logps/rejected': -169.58255004882812, 'logps/ref_chosen': -53.405487060546875, 'logps/ref_rejected': -71.39060974121094, 'KL/chosen_KL_mean': -44.859989166259766, 'KL/rejected_KL_mean': -98.19192504882812, 'KL/mean': -71.52595520019531, 'KL/std': 57.56193923950195, 'logits/chosen': -0.5343322157859802, 'logits/rejected': -0.506342887878418, 'epoch': 0.22}
22%|████████████████████████████████████████████████▌ | 147/681 [06:11<22:56, 2.58s/it] 22%|████████████████████████████████████████████████▉ | 148/681 [06:14<22:44, 2.56s/it] {'loss': 1.0362, 'grad_norm': 25.624500274658203, 'learning_rate': 4.802263794862384e-07, 'fcm_dpo/beta': 0.012961819767951965, 'fcm_dpo/q_t': 0.38501986861228943, 'fcm_dpo/delta': 0.041104190051555634, 'fcm_dpo/margin': 43.0260009765625, 'margin_dpo/margin_mean': 43.0260009765625, 'margin_dpo/margin_std': 57.388648986816406, 'logps/chosen': -108.56227111816406, 'logps/rejected': -189.74502563476562, 'logps/ref_chosen': -64.93708038330078, 'logps/ref_rejected': -103.09384155273438, 'KL/chosen_KL_mean': -43.625186920166016, 'KL/rejected_KL_mean': -86.65118408203125, 'KL/mean': -65.13818359375, 'KL/std': 54.32254409790039, 'logits/chosen': -0.576453447341919, 'logits/rejected': -0.5655009746551514, 'epoch': 0.22}
22%|████████████████████████████████████████████████▉ | 148/681 [06:14<22:44, 2.56s/it] 22%|█████████████████████████████████████████████████▏ | 149/681 [06:16<22:57, 2.59s/it] {'loss': 0.9406, 'grad_norm': 24.742643356323242, 'learning_rate': 4.797231243092118e-07, 'fcm_dpo/beta': 0.012527845799922943, 'fcm_dpo/q_t': 0.3537212610244751, 'fcm_dpo/delta': -0.09101234376430511, 'fcm_dpo/margin': 54.43341827392578, 'margin_dpo/margin_mean': 54.43341827392578, 'margin_dpo/margin_std': 59.89306640625, 'logps/chosen': -101.14338684082031, 'logps/rejected': -196.41778564453125, 'logps/ref_chosen': -58.47376251220703, 'logps/ref_rejected': -99.31474304199219, 'KL/chosen_KL_mean': -42.669620513916016, 'KL/rejected_KL_mean': -97.10304260253906, 'KL/mean': -69.8863296508789, 'KL/std': 51.52314758300781, 'logits/chosen': -0.573143720626831, 'logits/rejected': -0.5531454086303711, 'epoch': 0.22}
22%|█████████████████████████████████████████████████▏ | 149/681 [06:16<22:57, 2.59s/it] 22%|█████████████████████████████████████████████████▌ | 150/681 [06:19<22:56, 2.59s/it] {'loss': 0.9937, 'grad_norm': 25.004823684692383, 'learning_rate': 4.792138157142157e-07, 'fcm_dpo/beta': 0.012382544577121735, 'fcm_dpo/q_t': 0.3726668953895569, 'fcm_dpo/delta': -0.04652421921491623, 'fcm_dpo/margin': 51.77086639404297, 'margin_dpo/margin_mean': 51.77086639404297, 'margin_dpo/margin_std': 70.93170166015625, 'logps/chosen': -83.9607162475586, 'logps/rejected': -173.3733673095703, 'logps/ref_chosen': -45.705810546875, 'logps/ref_rejected': -83.34759521484375, 'KL/chosen_KL_mean': -38.254905700683594, 'KL/rejected_KL_mean': -90.02577209472656, 'KL/mean': -64.14033508300781, 'KL/std': 60.019920349121094, 'logits/chosen': -0.5525408983230591, 'logits/rejected': -0.552293062210083, 'epoch': 0.22}
22%|█████████████████████████████████████████████████▌ | 150/681 [06:19<22:56, 2.59s/it] 22%|█████████████████████████████████████████████████▉ | 151/681 [06:21<22:20, 2.53s/it] {'loss': 0.9414, 'grad_norm': 28.739370346069336, 'learning_rate': 4.786984671220053e-07, 'fcm_dpo/beta': 0.01235053688287735, 'fcm_dpo/q_t': 0.3555821180343628, 'fcm_dpo/delta': -0.07504402846097946, 'fcm_dpo/margin': 54.25311279296875, 'margin_dpo/margin_mean': 54.253116607666016, 'margin_dpo/margin_std': 60.01045227050781, 'logps/chosen': -115.721435546875, 'logps/rejected': -199.86752319335938, 'logps/ref_chosen': -70.57083129882812, 'logps/ref_rejected': -100.46382141113281, 'KL/chosen_KL_mean': -45.150596618652344, 'KL/rejected_KL_mean': -99.40371704101562, 'KL/mean': -72.27715301513672, 'KL/std': 56.025184631347656, 'logits/chosen': -0.6167875528335571, 'logits/rejected': -0.5834023952484131, 'epoch': 0.22}
22%|█████████████████████████████████████████████████▉ | 151/681 [06:21<22:20, 2.53s/it] 22%|██████████████████████████████████████████████████▏ | 152/681 [06:24<22:42, 2.58s/it] {'loss': 0.9203, 'grad_norm': 25.344608306884766, 'learning_rate': 4.78177092112495e-07, 'fcm_dpo/beta': 0.012059513479471207, 'fcm_dpo/q_t': 0.34607693552970886, 'fcm_dpo/delta': -0.1588035672903061, 'fcm_dpo/margin': 61.960693359375, 'margin_dpo/margin_mean': 61.960697174072266, 'margin_dpo/margin_std': 69.24900817871094, 'logps/chosen': -99.57441711425781, 'logps/rejected': -207.5111846923828, 'logps/ref_chosen': -60.16438674926758, 'logps/ref_rejected': -106.14045715332031, 'KL/chosen_KL_mean': -39.41002655029297, 'KL/rejected_KL_mean': -101.3707275390625, 'KL/mean': -70.39037322998047, 'KL/std': 57.81626892089844, 'logits/chosen': -0.5937477350234985, 'logits/rejected': -0.5869547128677368, 'epoch': 0.22}
22%|██████████████████████████████████████████████████▏ | 152/681 [06:24<22:42, 2.58s/it] 22%|██████████████████████████████████████████████████▌ | 153/681 [06:26<22:38, 2.57s/it] {'loss': 1.0002, 'grad_norm': 21.027040481567383, 'learning_rate': 4.776497044244016e-07, 'fcm_dpo/beta': 0.011878933757543564, 'fcm_dpo/q_t': 0.3712490499019623, 'fcm_dpo/delta': -0.03354384005069733, 'fcm_dpo/margin': 53.152137756347656, 'margin_dpo/margin_mean': 53.15213394165039, 'margin_dpo/margin_std': 72.83201599121094, 'logps/chosen': -95.88851928710938, 'logps/rejected': -178.3812255859375, 'logps/ref_chosen': -56.315277099609375, 'logps/ref_rejected': -85.65583801269531, 'KL/chosen_KL_mean': -39.57324981689453, 'KL/rejected_KL_mean': -92.72538757324219, 'KL/mean': -66.1493148803711, 'KL/std': 60.61945724487305, 'logits/chosen': -0.5531604290008545, 'logits/rejected': -0.5418503284454346, 'epoch': 0.22}
22%|██████████████████████████████████████████████████▌ | 153/681 [06:27<22:38, 2.57s/it] 23%|██████████████████████████████████████████████████▉ | 154/681 [06:29<22:52, 2.61s/it] {'loss': 1.0311, 'grad_norm': 25.586259841918945, 'learning_rate': 4.771163179548808e-07, 'fcm_dpo/beta': 0.011858733370900154, 'fcm_dpo/q_t': 0.3730657696723938, 'fcm_dpo/delta': -0.027097493410110474, 'fcm_dpo/margin': 52.684425354003906, 'margin_dpo/margin_mean': 52.684425354003906, 'margin_dpo/margin_std': 75.66905212402344, 'logps/chosen': -109.98181915283203, 'logps/rejected': -204.16786193847656, 'logps/ref_chosen': -62.74256896972656, 'logps/ref_rejected': -104.24420166015625, 'KL/chosen_KL_mean': -47.23925018310547, 'KL/rejected_KL_mean': -99.92366027832031, 'KL/mean': -73.58146667480469, 'KL/std': 61.87311553955078, 'logits/chosen': -0.5674915313720703, 'logits/rejected': -0.5634927153587341, 'epoch': 0.23}
23%|██████████████████████████████████████████████████▉ | 154/681 [06:29<22:52, 2.61s/it] 23%|███████████████████████████████████████████████████▏ | 155/681 [06:32<22:45, 2.60s/it] {'loss': 0.987, 'grad_norm': 23.913837432861328, 'learning_rate': 4.7657694675916247e-07, 'fcm_dpo/beta': 0.01174941286444664, 'fcm_dpo/q_t': 0.3663828372955322, 'fcm_dpo/delta': -0.038324981927871704, 'fcm_dpo/margin': 54.1041259765625, 'margin_dpo/margin_mean': 54.1041259765625, 'margin_dpo/margin_std': 69.77940368652344, 'logps/chosen': -102.8927001953125, 'logps/rejected': -173.83584594726562, 'logps/ref_chosen': -60.65318298339844, 'logps/ref_rejected': -77.49220275878906, 'KL/chosen_KL_mean': -42.23951721191406, 'KL/rejected_KL_mean': -96.34364318847656, 'KL/mean': -69.29158020019531, 'KL/std': 58.670745849609375, 'logits/chosen': -0.5925284624099731, 'logits/rejected': -0.5683289766311646, 'epoch': 0.23}
23%|███████████████████████████████████████████████████▏ | 155/681 [06:32<22:45, 2.60s/it] 23%|███████████████████████████████████████████████████▌ | 156/681 [06:34<22:41, 2.59s/it] {'loss': 1.2218, 'grad_norm': 38.676578521728516, 'learning_rate': 4.7603160505017893e-07, 'fcm_dpo/beta': 0.012031801044940948, 'fcm_dpo/q_t': 0.4158884882926941, 'fcm_dpo/delta': 0.20871999859809875, 'fcm_dpo/margin': 33.23129653930664, 'margin_dpo/margin_mean': 33.231300354003906, 'margin_dpo/margin_std': 78.52706909179688, 'logps/chosen': -128.9558868408203, 'logps/rejected': -169.86460876464844, 'logps/ref_chosen': -69.49188232421875, 'logps/ref_rejected': -77.16929626464844, 'KL/chosen_KL_mean': -59.46400833129883, 'KL/rejected_KL_mean': -92.6953125, 'KL/mean': -76.07966613769531, 'KL/std': 58.8329963684082, 'logits/chosen': -0.5450568199157715, 'logits/rejected': -0.5246114134788513, 'epoch': 0.23}
23%|███████████████████████████████████████████████████▌ | 156/681 [06:34<22:41, 2.59s/it] 23%|███████████████████████████████████████████████████▊ | 157/681 [06:37<22:15, 2.55s/it] {'loss': 0.9174, 'grad_norm': 27.57537078857422, 'learning_rate': 4.7548030719819154e-07, 'fcm_dpo/beta': 0.011773204430937767, 'fcm_dpo/q_t': 0.33803147077560425, 'fcm_dpo/delta': -0.18050672113895416, 'fcm_dpo/margin': 64.95243072509766, 'margin_dpo/margin_mean': 64.95243072509766, 'margin_dpo/margin_std': 71.71643829345703, 'logps/chosen': -115.90470886230469, 'logps/rejected': -227.13507080078125, 'logps/ref_chosen': -61.368438720703125, 'logps/ref_rejected': -107.64636993408203, 'KL/chosen_KL_mean': -54.536277770996094, 'KL/rejected_KL_mean': -119.48870849609375, 'KL/mean': -87.01248168945312, 'KL/std': 64.35616302490234, 'logits/chosen': -0.5271573662757874, 'logits/rejected': -0.5269450545310974, 'epoch': 0.23}
23%|███████████████████████████████████████████████████▊ | 157/681 [06:37<22:15, 2.55s/it] 23%|████████████████████████████████████████████████████▏ | 158/681 [06:39<22:19, 2.56s/it] {'loss': 0.9705, 'grad_norm': 23.633398056030273, 'learning_rate': 4.7492306773041136e-07, 'fcm_dpo/beta': 0.011422505602240562, 'fcm_dpo/q_t': 0.3564373850822449, 'fcm_dpo/delta': -0.18662995100021362, 'fcm_dpo/margin': 67.6043930053711, 'margin_dpo/margin_mean': 67.6043930053711, 'margin_dpo/margin_std': 95.4510498046875, 'logps/chosen': -110.54490661621094, 'logps/rejected': -234.23106384277344, 'logps/ref_chosen': -57.612918853759766, 'logps/ref_rejected': -113.6946792602539, 'KL/chosen_KL_mean': -52.93199157714844, 'KL/rejected_KL_mean': -120.53638458251953, 'KL/mean': -86.73419189453125, 'KL/std': 80.6708984375, 'logits/chosen': -0.4981531500816345, 'logits/rejected': -0.5083768367767334, 'epoch': 0.23}
23%|████████████████████████████████████████████████████▏ | 158/681 [06:39<22:19, 2.56s/it] 23%|████████████████████████████████████████████████████▌ | 159/681 [06:42<22:28, 2.58s/it] {'loss': 1.0649, 'grad_norm': 29.66965103149414, 'learning_rate': 4.743599013306165e-07, 'fcm_dpo/beta': 0.011444485746324062, 'fcm_dpo/q_t': 0.3848469853401184, 'fcm_dpo/delta': 0.04176339507102966, 'fcm_dpo/margin': 48.913368225097656, 'margin_dpo/margin_mean': 48.91337203979492, 'margin_dpo/margin_std': 75.9297866821289, 'logps/chosen': -141.75772094726562, 'logps/rejected': -198.00946044921875, 'logps/ref_chosen': -81.56034851074219, 'logps/ref_rejected': -88.89871215820312, 'KL/chosen_KL_mean': -60.19736862182617, 'KL/rejected_KL_mean': -109.11074829101562, 'KL/mean': -84.65406036376953, 'KL/std': 69.81906127929688, 'logits/chosen': -0.5534458160400391, 'logits/rejected': -0.5163393020629883, 'epoch': 0.23}
23%|████████████████████████████████████████████████████▌ | 159/681 [06:42<22:28, 2.58s/it] 23%|████████████████████████████████████████████████████▊ | 160/681 [06:44<22:05, 2.54s/it] {'loss': 1.0045, 'grad_norm': 25.340007781982422, 'learning_rate': 4.737908228387656e-07, 'fcm_dpo/beta': 0.011158831417560577, 'fcm_dpo/q_t': 0.3646489977836609, 'fcm_dpo/delta': -0.117271289229393, 'fcm_dpo/margin': 63.452239990234375, 'margin_dpo/margin_mean': 63.452239990234375, 'margin_dpo/margin_std': 92.37104797363281, 'logps/chosen': -125.91168975830078, 'logps/rejected': -220.85086059570312, 'logps/ref_chosen': -65.73088073730469, 'logps/ref_rejected': -97.21781921386719, 'KL/chosen_KL_mean': -60.180809020996094, 'KL/rejected_KL_mean': -123.63304901123047, 'KL/mean': -91.90692901611328, 'KL/std': 74.26970672607422, 'logits/chosen': -0.517310380935669, 'logits/rejected': -0.5013754963874817, 'epoch': 0.23}
23%|████████████████████████████████████████████████████▊ | 160/681 [06:44<22:05, 2.54s/it] 24%|█████████████████████████████████████████████████████▏ | 161/681 [06:47<21:14, 2.45s/it] {'loss': 1.008, 'grad_norm': 25.082792282104492, 'learning_rate': 4.7321584725060594e-07, 'fcm_dpo/beta': 0.011109799146652222, 'fcm_dpo/q_t': 0.37251612544059753, 'fcm_dpo/delta': -0.024999581277370453, 'fcm_dpo/margin': 56.11690902709961, 'margin_dpo/margin_mean': 56.116912841796875, 'margin_dpo/margin_std': 76.4130859375, 'logps/chosen': -104.97789001464844, 'logps/rejected': -192.08926391601562, 'logps/ref_chosen': -52.43647003173828, 'logps/ref_rejected': -83.43095397949219, 'KL/chosen_KL_mean': -52.541419982910156, 'KL/rejected_KL_mean': -108.6583251953125, 'KL/mean': -80.59986877441406, 'KL/std': 60.95550537109375, 'logits/chosen': -0.5304283499717712, 'logits/rejected': -0.5198980569839478, 'epoch': 0.24}
24%|█████████████████████████████████████████████████████▏ | 161/681 [06:47<21:14, 2.45s/it] 24%|█████████████████████████████████████████████████████▌ | 162/681 [06:49<21:55, 2.53s/it] {'loss': 1.0083, 'grad_norm': 23.26062774658203, 'learning_rate': 4.7263498971727905e-07, 'fcm_dpo/beta': 0.010901303961873055, 'fcm_dpo/q_t': 0.37162917852401733, 'fcm_dpo/delta': -0.0365702286362648, 'fcm_dpo/margin': 57.910675048828125, 'margin_dpo/margin_mean': 57.910675048828125, 'margin_dpo/margin_std': 78.99287414550781, 'logps/chosen': -111.75401306152344, 'logps/rejected': -196.44467163085938, 'logps/ref_chosen': -62.6105842590332, 'logps/ref_rejected': -89.39057922363281, 'KL/chosen_KL_mean': -49.14342498779297, 'KL/rejected_KL_mean': -107.05409240722656, 'KL/mean': -78.0987548828125, 'KL/std': 68.20083618164062, 'logits/chosen': -0.558234453201294, 'logits/rejected': -0.5330092906951904, 'epoch': 0.24}
24%|█████████████████████████████████████████████████████▌ | 162/681 [06:49<21:55, 2.53s/it] 24%|█████████████████████████████████████████████████████▊ | 163/681 [06:52<21:48, 2.53s/it] {'loss': 1.0072, 'grad_norm': 23.7772159576416, 'learning_rate': 4.720482655449212e-07, 'fcm_dpo/beta': 0.010996324941515923, 'fcm_dpo/q_t': 0.3742431700229645, 'fcm_dpo/delta': -0.010656844824552536, 'fcm_dpo/margin': 55.473487854003906, 'margin_dpo/margin_mean': 55.473487854003906, 'margin_dpo/margin_std': 74.86231231689453, 'logps/chosen': -109.41087341308594, 'logps/rejected': -185.28094482421875, 'logps/ref_chosen': -55.021629333496094, 'logps/ref_rejected': -75.418212890625, 'KL/chosen_KL_mean': -54.389244079589844, 'KL/rejected_KL_mean': -109.86273193359375, 'KL/mean': -82.12598419189453, 'KL/std': 63.845420837402344, 'logits/chosen': -0.5061922073364258, 'logits/rejected': -0.4807218313217163, 'epoch': 0.24}
24%|█████████████████████████████████████████████████████▊ | 163/681 [06:52<21:48, 2.53s/it] 24%|██████████████████████████████████████████████████████▏ | 164/681 [06:54<21:37, 2.51s/it] {'loss': 0.9313, 'grad_norm': 25.257909774780273, 'learning_rate': 4.714556901942599e-07, 'fcm_dpo/beta': 0.010697158053517342, 'fcm_dpo/q_t': 0.3510741591453552, 'fcm_dpo/delta': -0.1133529394865036, 'fcm_dpo/margin': 65.68278503417969, 'margin_dpo/margin_mean': 65.68278503417969, 'margin_dpo/margin_std': 73.34828186035156, 'logps/chosen': -106.20919036865234, 'logps/rejected': -195.91592407226562, 'logps/ref_chosen': -55.64066696166992, 'logps/ref_rejected': -79.66463470458984, 'KL/chosen_KL_mean': -50.56852340698242, 'KL/rejected_KL_mean': -116.25129699707031, 'KL/mean': -83.409912109375, 'KL/std': 64.22931671142578, 'logits/chosen': -0.5137403011322021, 'logits/rejected': -0.49089929461479187, 'epoch': 0.24}
24%|██████████████████████████████████████████████████████▏ | 164/681 [06:54<21:37, 2.51s/it] 24%|██████████████████████████████████████████████████████▌ | 165/681 [06:57<21:37, 2.51s/it] {'loss': 1.0939, 'grad_norm': 41.1522102355957, 'learning_rate': 4.708572792802069e-07, 'fcm_dpo/beta': 0.010933227837085724, 'fcm_dpo/q_t': 0.39930182695388794, 'fcm_dpo/delta': 0.134904682636261, 'fcm_dpo/margin': 43.13774108886719, 'margin_dpo/margin_mean': 43.13773727416992, 'margin_dpo/margin_std': 67.83528137207031, 'logps/chosen': -116.99729919433594, 'logps/rejected': -172.49496459960938, 'logps/ref_chosen': -61.310691833496094, 'logps/ref_rejected': -73.67060852050781, 'KL/chosen_KL_mean': -55.686607360839844, 'KL/rejected_KL_mean': -98.82435607910156, 'KL/mean': -77.25547790527344, 'KL/std': 53.64445877075195, 'logits/chosen': -0.5242682695388794, 'logits/rejected': -0.4860084056854248, 'epoch': 0.24}
24%|██████████████████████████████████████████████████████▌ | 165/681 [06:57<21:37, 2.51s/it] 24%|██████████████████████████████████████████████████████▊ | 166/681 [06:59<20:46, 2.42s/it] {'loss': 0.9196, 'grad_norm': 22.230655670166016, 'learning_rate': 4.702530485714461e-07, 'fcm_dpo/beta': 0.01057855598628521, 'fcm_dpo/q_t': 0.34610509872436523, 'fcm_dpo/delta': -0.23768538236618042, 'fcm_dpo/margin': 77.13528442382812, 'margin_dpo/margin_mean': 77.13528442382812, 'margin_dpo/margin_std': 98.92354583740234, 'logps/chosen': -101.97265625, 'logps/rejected': -226.219482421875, 'logps/ref_chosen': -50.98360061645508, 'logps/ref_rejected': -98.09512329101562, 'KL/chosen_KL_mean': -50.98905944824219, 'KL/rejected_KL_mean': -128.12435913085938, 'KL/mean': -89.55670166015625, 'KL/std': 79.5724868774414, 'logits/chosen': -0.47835230827331543, 'logits/rejected': -0.4880477488040924, 'epoch': 0.24}
24%|██████████████████████████████████████████████████████▊ | 166/681 [06:59<20:46, 2.42s/it] 25%|███████████████████████████████████████████████████████▏ | 167/681 [07:02<21:10, 2.47s/it] {'loss': 0.8571, 'grad_norm': 22.403348922729492, 'learning_rate': 4.6964301399001877e-07, 'fcm_dpo/beta': 0.010119207203388214, 'fcm_dpo/q_t': 0.32515865564346313, 'fcm_dpo/delta': -0.25405317544937134, 'fcm_dpo/margin': 82.27918243408203, 'margin_dpo/margin_mean': 82.27918243408203, 'margin_dpo/margin_std': 81.84159851074219, 'logps/chosen': -101.9583740234375, 'logps/rejected': -229.84388732910156, 'logps/ref_chosen': -50.424095153808594, 'logps/ref_rejected': -96.03042602539062, 'KL/chosen_KL_mean': -51.534278869628906, 'KL/rejected_KL_mean': -133.81346130371094, 'KL/mean': -92.67387390136719, 'KL/std': 73.3492202758789, 'logits/chosen': -0.4624894857406616, 'logits/rejected': -0.46389204263687134, 'epoch': 0.25}
25%|███████████████████████████████████████████████████████▏ | 167/681 [07:02<21:10, 2.47s/it] 25%|███████████████████████████████████████████████████████▌ | 168/681 [07:04<21:23, 2.50s/it] {'loss': 0.9749, 'grad_norm': 24.072589874267578, 'learning_rate': 4.690271916109034e-07, 'fcm_dpo/beta': 0.009935762733221054, 'fcm_dpo/q_t': 0.3682708144187927, 'fcm_dpo/delta': -0.02493857778608799, 'fcm_dpo/margin': 62.724021911621094, 'margin_dpo/margin_mean': 62.72401809692383, 'margin_dpo/margin_std': 75.86625671386719, 'logps/chosen': -106.7298583984375, 'logps/rejected': -195.29959106445312, 'logps/ref_chosen': -49.462825775146484, 'logps/ref_rejected': -75.30855560302734, 'KL/chosen_KL_mean': -57.26702880859375, 'KL/rejected_KL_mean': -119.99104309082031, 'KL/mean': -88.62904357910156, 'KL/std': 69.72494506835938, 'logits/chosen': -0.43985286355018616, 'logits/rejected': -0.4221440851688385, 'epoch': 0.25}
25%|███████████████████████████████████████████████████████▌ | 168/681 [07:04<21:23, 2.50s/it] 25%|███████████████████████████████████████████████████████▊ | 169/681 [07:07<21:57, 2.57s/it] {'loss': 1.0869, 'grad_norm': 27.592586517333984, 'learning_rate': 4.6840559766159235e-07, 'fcm_dpo/beta': 0.009921474382281303, 'fcm_dpo/q_t': 0.39203399419784546, 'fcm_dpo/delta': 0.04828646779060364, 'fcm_dpo/margin': 55.73221969604492, 'margin_dpo/margin_mean': 55.73221969604492, 'margin_dpo/margin_std': 94.890380859375, 'logps/chosen': -117.146728515625, 'logps/rejected': -196.42124938964844, 'logps/ref_chosen': -59.803443908691406, 'logps/ref_rejected': -83.34574890136719, 'KL/chosen_KL_mean': -57.34328842163086, 'KL/rejected_KL_mean': -113.07550048828125, 'KL/mean': -85.20939636230469, 'KL/std': 70.55574035644531, 'logits/chosen': -0.4907569885253906, 'logits/rejected': -0.47010350227355957, 'epoch': 0.25}
25%|███████████████████████████████████████████████████████▊ | 169/681 [07:07<21:57, 2.57s/it] 25%|████████████████████████████████████████████████████████▏ | 170/681 [07:10<22:43, 2.67s/it] {'loss': 0.9609, 'grad_norm': 24.34227752685547, 'learning_rate': 4.6777824852166437e-07, 'fcm_dpo/beta': 0.009865409694612026, 'fcm_dpo/q_t': 0.35786378383636475, 'fcm_dpo/delta': -0.06916055083274841, 'fcm_dpo/margin': 67.19849395751953, 'margin_dpo/margin_mean': 67.19850158691406, 'margin_dpo/margin_std': 77.97476196289062, 'logps/chosen': -102.07533264160156, 'logps/rejected': -195.71939086914062, 'logps/ref_chosen': -49.471771240234375, 'logps/ref_rejected': -75.91734313964844, 'KL/chosen_KL_mean': -52.603553771972656, 'KL/rejected_KL_mean': -119.80204772949219, 'KL/mean': -86.20280456542969, 'KL/std': 66.4590835571289, 'logits/chosen': -0.44147998094558716, 'logits/rejected': -0.42527681589126587, 'epoch': 0.25}
25%|████████████████████████████████████████████████████████▏ | 170/681 [07:10<22:43, 2.67s/it] 25%|████████████████████████████████████████████████████████▍ | 171/681 [07:12<21:45, 2.56s/it] {'loss': 1.086, 'grad_norm': 31.270261764526367, 'learning_rate': 4.6714516072235273e-07, 'fcm_dpo/beta': 0.009982212446630001, 'fcm_dpo/q_t': 0.39181768894195557, 'fcm_dpo/delta': 0.05546961724758148, 'fcm_dpo/margin': 54.856719970703125, 'margin_dpo/margin_mean': 54.856719970703125, 'margin_dpo/margin_std': 93.97332000732422, 'logps/chosen': -159.86033630371094, 'logps/rejected': -239.599853515625, 'logps/ref_chosen': -84.49931335449219, 'logps/ref_rejected': -109.38209533691406, 'KL/chosen_KL_mean': -75.36102294921875, 'KL/rejected_KL_mean': -130.21774291992188, 'KL/mean': -102.78938293457031, 'KL/std': 74.64979553222656, 'logits/chosen': -0.474338173866272, 'logits/rejected': -0.4445253014564514, 'epoch': 0.25}
25%|████████████████████████████████████████████████████████▍ | 171/681 [07:12<21:45, 2.56s/it] 25%|████████████████████████████████████████████████████████▊ | 172/681 [07:15<21:25, 2.52s/it] {'loss': 1.0455, 'grad_norm': 28.78266143798828, 'learning_rate': 4.6650635094610966e-07, 'fcm_dpo/beta': 0.010037798434495926, 'fcm_dpo/q_t': 0.38131678104400635, 'fcm_dpo/delta': 0.030263658612966537, 'fcm_dpo/margin': 56.927268981933594, 'margin_dpo/margin_mean': 56.927268981933594, 'margin_dpo/margin_std': 84.20733642578125, 'logps/chosen': -139.29241943359375, 'logps/rejected': -213.00244140625, 'logps/ref_chosen': -68.65391540527344, 'logps/ref_rejected': -85.43667602539062, 'KL/chosen_KL_mean': -70.63848876953125, 'KL/rejected_KL_mean': -127.56576538085938, 'KL/mean': -99.10212707519531, 'KL/std': 74.89137268066406, 'logits/chosen': -0.4877288341522217, 'logits/rejected': -0.4573853611946106, 'epoch': 0.25}
25%|████████████████████████████████████████████████████████▊ | 172/681 [07:15<21:25, 2.52s/it] 25%|█████████████████████████████████████████████████████████▏ | 173/681 [07:17<21:11, 2.50s/it] {'loss': 1.0014, 'grad_norm': 27.97823715209961, 'learning_rate': 4.6586183602616687e-07, 'fcm_dpo/beta': 0.010144222527742386, 'fcm_dpo/q_t': 0.3754703402519226, 'fcm_dpo/delta': 0.016874615103006363, 'fcm_dpo/margin': 57.541648864746094, 'margin_dpo/margin_mean': 57.541656494140625, 'margin_dpo/margin_std': 72.86973571777344, 'logps/chosen': -126.53384399414062, 'logps/rejected': -199.70855712890625, 'logps/ref_chosen': -63.050880432128906, 'logps/ref_rejected': -78.68392181396484, 'KL/chosen_KL_mean': -63.48297119140625, 'KL/rejected_KL_mean': -121.02462768554688, 'KL/mean': -92.25379943847656, 'KL/std': 69.28123474121094, 'logits/chosen': -0.5130044221878052, 'logits/rejected': -0.4780956208705902, 'epoch': 0.25}
25%|█████████████████████████████████████████████████████████▏ | 173/681 [07:17<21:11, 2.50s/it] 26%|█████████████████████████████████████████████████████████▍ | 174/681 [07:20<21:12, 2.51s/it] {'loss': 0.9974, 'grad_norm': 32.727054595947266, 'learning_rate': 4.652116329460919e-07, 'fcm_dpo/beta': 0.010098971426486969, 'fcm_dpo/q_t': 0.3680018186569214, 'fcm_dpo/delta': -0.061310555785894394, 'fcm_dpo/margin': 65.01167297363281, 'margin_dpo/margin_mean': 65.01167297363281, 'margin_dpo/margin_std': 87.49495697021484, 'logps/chosen': -115.84243774414062, 'logps/rejected': -229.40234375, 'logps/ref_chosen': -53.36296844482422, 'logps/ref_rejected': -101.91120910644531, 'KL/chosen_KL_mean': -62.479461669921875, 'KL/rejected_KL_mean': -127.49114990234375, 'KL/mean': -94.98529815673828, 'KL/std': 76.12448120117188, 'logits/chosen': -0.39561927318573, 'logits/rejected': -0.4122796058654785, 'epoch': 0.26}
26%|█████████████████████████████████████████████████████████▍ | 174/681 [07:20<21:12, 2.51s/it] 26%|█████████████████████████████████████████████████████████▊ | 175/681 [07:22<21:24, 2.54s/it] {'loss': 0.8333, 'grad_norm': 28.917924880981445, 'learning_rate': 4.645557588393406e-07, 'fcm_dpo/beta': 0.00956171564757824, 'fcm_dpo/q_t': 0.3200307786464691, 'fcm_dpo/delta': -0.2823520302772522, 'fcm_dpo/margin': 89.68624877929688, 'margin_dpo/margin_mean': 89.68624877929688, 'margin_dpo/margin_std': 85.16973876953125, 'logps/chosen': -105.20429992675781, 'logps/rejected': -238.97857666015625, 'logps/ref_chosen': -45.417762756347656, 'logps/ref_rejected': -89.50579833984375, 'KL/chosen_KL_mean': -59.786537170410156, 'KL/rejected_KL_mean': -149.4727783203125, 'KL/mean': -104.62965393066406, 'KL/std': 82.91730499267578, 'logits/chosen': -0.37511971592903137, 'logits/rejected': -0.3597720265388489, 'epoch': 0.26}
26%|█████████████████████████████████████████████████████████▊ | 175/681 [07:22<21:24, 2.54s/it] 26%|██████████████████████████████████████████████████████████▏ | 176/681 [07:24<20:42, 2.46s/it] {'loss': 0.9499, 'grad_norm': 26.62580108642578, 'learning_rate': 4.638942309888058e-07, 'fcm_dpo/beta': 0.009335162118077278, 'fcm_dpo/q_t': 0.359141081571579, 'fcm_dpo/delta': -0.09436807036399841, 'fcm_dpo/margin': 73.69662475585938, 'margin_dpo/margin_mean': 73.69662475585938, 'margin_dpo/margin_std': 88.63804626464844, 'logps/chosen': -112.42021942138672, 'logps/rejected': -231.22296142578125, 'logps/ref_chosen': -50.452842712402344, 'logps/ref_rejected': -95.5589599609375, 'KL/chosen_KL_mean': -61.96738052368164, 'KL/rejected_KL_mean': -135.66400146484375, 'KL/mean': -98.81568908691406, 'KL/std': 77.03422546386719, 'logits/chosen': -0.3945273756980896, 'logits/rejected': -0.4108158349990845, 'epoch': 0.26}
26%|██████████████████████████████████████████████████████████▏ | 176/681 [07:25<20:42, 2.46s/it] 26%|██████████████████████████████████████████████████████████▍ | 177/681 [07:27<20:58, 2.50s/it] {'loss': 0.9515, 'grad_norm': 31.329692840576172, 'learning_rate': 4.6322706682636137e-07, 'fcm_dpo/beta': 0.009182149544358253, 'fcm_dpo/q_t': 0.35946571826934814, 'fcm_dpo/delta': -0.0872758999466896, 'fcm_dpo/margin': 74.20231628417969, 'margin_dpo/margin_mean': 74.20231628417969, 'margin_dpo/margin_std': 89.37190246582031, 'logps/chosen': -131.27337646484375, 'logps/rejected': -240.1530303955078, 'logps/ref_chosen': -61.216468811035156, 'logps/ref_rejected': -95.89378356933594, 'KL/chosen_KL_mean': -70.05691528320312, 'KL/rejected_KL_mean': -144.25924682617188, 'KL/mean': -107.1580810546875, 'KL/std': 84.10592651367188, 'logits/chosen': -0.4482751488685608, 'logits/rejected': -0.43557900190353394, 'epoch': 0.26}
26%|██████████████████████████████████████████████████████████▍ | 177/681 [07:27<20:58, 2.50s/it] 26%|██████████████████████████████████████████████████████████▊ | 178/681 [07:30<20:47, 2.48s/it] {'loss': 0.9021, 'grad_norm': 30.99517250061035, 'learning_rate': 4.6255428393240354e-07, 'fcm_dpo/beta': 0.008733097463846207, 'fcm_dpo/q_t': 0.33788061141967773, 'fcm_dpo/delta': -0.2405625581741333, 'fcm_dpo/margin': 93.76814270019531, 'margin_dpo/margin_mean': 93.76814270019531, 'margin_dpo/margin_std': 111.62127685546875, 'logps/chosen': -137.79029846191406, 'logps/rejected': -278.65899658203125, 'logps/ref_chosen': -58.26478958129883, 'logps/ref_rejected': -105.3653335571289, 'KL/chosen_KL_mean': -79.5255126953125, 'KL/rejected_KL_mean': -173.29364013671875, 'KL/mean': -126.40957641601562, 'KL/std': 102.68285369873047, 'logits/chosen': -0.3406079411506653, 'logits/rejected': -0.33698827028274536, 'epoch': 0.26}
26%|██████████████████████████████████████████████████████████▊ | 178/681 [07:30<20:47, 2.48s/it] 26%|███████████████████████████████████████████████████████████▏ | 179/681 [07:32<21:20, 2.55s/it] {'loss': 1.0429, 'grad_norm': 46.0558967590332, 'learning_rate': 4.6187590003538724e-07, 'fcm_dpo/beta': 0.008614875376224518, 'fcm_dpo/q_t': 0.3753349483013153, 'fcm_dpo/delta': -0.006374705582857132, 'fcm_dpo/margin': 70.25543975830078, 'margin_dpo/margin_mean': 70.25544738769531, 'margin_dpo/margin_std': 103.2009506225586, 'logps/chosen': -139.4290771484375, 'logps/rejected': -239.15402221679688, 'logps/ref_chosen': -61.05832290649414, 'logps/ref_rejected': -90.52782440185547, 'KL/chosen_KL_mean': -78.37075805664062, 'KL/rejected_KL_mean': -148.62620544433594, 'KL/mean': -113.49848175048828, 'KL/std': 84.50762176513672, 'logits/chosen': -0.3983387351036072, 'logits/rejected': -0.4007897973060608, 'epoch': 0.26}
26%|███████████████████████████████████████████████████████████▏ | 179/681 [07:32<21:20, 2.55s/it] 26%|███████████████████████████████████████████████████████████▍ | 180/681 [07:35<20:52, 2.50s/it] {'loss': 0.9246, 'grad_norm': 30.963035583496094, 'learning_rate': 4.611919330113591e-07, 'fcm_dpo/beta': 0.008477364666759968, 'fcm_dpo/q_t': 0.34660762548446655, 'fcm_dpo/delta': -0.12914864718914032, 'fcm_dpo/margin': 84.86116027832031, 'margin_dpo/margin_mean': 84.86116027832031, 'margin_dpo/margin_std': 93.85812377929688, 'logps/chosen': -118.98519897460938, 'logps/rejected': -247.71546936035156, 'logps/ref_chosen': -54.34272003173828, 'logps/ref_rejected': -98.21183776855469, 'KL/chosen_KL_mean': -64.6424789428711, 'KL/rejected_KL_mean': -149.50363159179688, 'KL/mean': -107.07305908203125, 'KL/std': 76.90628814697266, 'logits/chosen': -0.4074268341064453, 'logits/rejected': -0.39785900712013245, 'epoch': 0.26}
26%|███████████████████████████████████████████████████████████▍ | 180/681 [07:35<20:52, 2.50s/it] 27%|███████████████████████████████████████████████████████████▊ | 181/681 [07:37<21:00, 2.52s/it] {'loss': 1.0924, 'grad_norm': 25.58306884765625, 'learning_rate': 4.605024008834863e-07, 'fcm_dpo/beta': 0.008647149428725243, 'fcm_dpo/q_t': 0.40024834871292114, 'fcm_dpo/delta': 0.14334514737129211, 'fcm_dpo/margin': 53.52298355102539, 'margin_dpo/margin_mean': 53.522987365722656, 'margin_dpo/margin_std': 83.47067260742188, 'logps/chosen': -109.56281280517578, 'logps/rejected': -169.7415008544922, 'logps/ref_chosen': -55.000457763671875, 'logps/ref_rejected': -61.656166076660156, 'KL/chosen_KL_mean': -54.562355041503906, 'KL/rejected_KL_mean': -108.08533477783203, 'KL/mean': -81.32383728027344, 'KL/std': 67.28744506835938, 'logits/chosen': -0.4212300181388855, 'logits/rejected': -0.3890141248703003, 'epoch': 0.27}
27%|███████████████████████████████████████████████████████████▊ | 181/681 [07:37<21:00, 2.52s/it] 27%|████████████████████████████████████████████████████████████▏ | 182/681 [07:40<21:29, 2.58s/it] {'loss': 0.9288, 'grad_norm': 26.283775329589844, 'learning_rate': 4.598073218215817e-07, 'fcm_dpo/beta': 0.008451974019408226, 'fcm_dpo/q_t': 0.34340500831604004, 'fcm_dpo/delta': -0.15216702222824097, 'fcm_dpo/margin': 87.5167236328125, 'margin_dpo/margin_mean': 87.5167236328125, 'margin_dpo/margin_std': 99.29764556884766, 'logps/chosen': -93.68931579589844, 'logps/rejected': -229.61978149414062, 'logps/ref_chosen': -41.107852935791016, 'logps/ref_rejected': -89.5215835571289, 'KL/chosen_KL_mean': -52.58146286010742, 'KL/rejected_KL_mean': -140.09820556640625, 'KL/mean': -96.33982849121094, 'KL/std': 83.19712829589844, 'logits/chosen': -0.3738093972206116, 'logits/rejected': -0.37705719470977783, 'epoch': 0.27}
27%|████████████████████████████████████████████████████████████▏ | 182/681 [07:40<21:29, 2.58s/it] 27%|████████████████████████████████████████████████████████████▍ | 183/681 [07:42<20:42, 2.50s/it] {'loss': 1.0949, 'grad_norm': 24.674793243408203, 'learning_rate': 4.5910671414162484e-07, 'fcm_dpo/beta': 0.008357454091310501, 'fcm_dpo/q_t': 0.4033220410346985, 'fcm_dpo/delta': -0.04225583001971245, 'fcm_dpo/margin': 52.05022430419922, 'margin_dpo/margin_mean': 52.05022430419922, 'margin_dpo/margin_std': 72.7845458984375, 'logps/chosen': -134.80633544921875, 'logps/rejected': -205.3077392578125, 'logps/ref_chosen': -57.52456283569336, 'logps/ref_rejected': -75.97572326660156, 'KL/chosen_KL_mean': -77.28178405761719, 'KL/rejected_KL_mean': -129.33200073242188, 'KL/mean': -103.30689239501953, 'KL/std': 65.52974700927734, 'logits/chosen': -0.4310709238052368, 'logits/rejected': -0.41038137674331665, 'epoch': 0.27}
27%|████████████████████████████████████████████████████████████▍ | 183/681 [07:42<20:42, 2.50s/it] 27%|████████████████████████████████████████████████████████████▊ | 184/681 [07:45<21:09, 2.56s/it] {'loss': 1.0882, 'grad_norm': 22.63802719116211, 'learning_rate': 4.5840059630527985e-07, 'fcm_dpo/beta': 0.008609607815742493, 'fcm_dpo/q_t': 0.4034864604473114, 'fcm_dpo/delta': 0.1524200290441513, 'fcm_dpo/margin': 52.55569076538086, 'margin_dpo/margin_mean': 52.55569076538086, 'margin_dpo/margin_std': 78.50408935546875, 'logps/chosen': -121.24307250976562, 'logps/rejected': -191.8878631591797, 'logps/ref_chosen': -58.544952392578125, 'logps/ref_rejected': -76.63406372070312, 'KL/chosen_KL_mean': -62.69811248779297, 'KL/rejected_KL_mean': -115.25379943847656, 'KL/mean': -88.97595977783203, 'KL/std': 63.688819885253906, 'logits/chosen': -0.4859800934791565, 'logits/rejected': -0.47371089458465576, 'epoch': 0.27}
27%|████████████████████████████████████████████████████████████▊ | 184/681 [07:45<21:09, 2.56s/it] 27%|█████████████████████████████████████████████████████████████ | 185/681 [07:47<20:51, 2.52s/it] {'loss': 1.1605, 'grad_norm': 29.499311447143555, 'learning_rate': 4.5768898691940836e-07, 'fcm_dpo/beta': 0.008895106613636017, 'fcm_dpo/q_t': 0.42065635323524475, 'fcm_dpo/delta': 0.21872034668922424, 'fcm_dpo/margin': 43.84027862548828, 'margin_dpo/margin_mean': 43.84028244018555, 'margin_dpo/margin_std': 86.58267211914062, 'logps/chosen': -131.79745483398438, 'logps/rejected': -187.37448120117188, 'logps/ref_chosen': -62.025848388671875, 'logps/ref_rejected': -73.7625961303711, 'KL/chosen_KL_mean': -69.77159881591797, 'KL/rejected_KL_mean': -113.61188507080078, 'KL/mean': -91.69174194335938, 'KL/std': 73.44252014160156, 'logits/chosen': -0.44560521841049194, 'logits/rejected': -0.4125337302684784, 'epoch': 0.27}
27%|█████████████████████████████████████████████████████████████ | 185/681 [07:47<20:51, 2.52s/it] 27%|█████████████████████████████████████████████████████████████▍ | 186/681 [07:50<20:46, 2.52s/it] {'loss': 0.9155, 'grad_norm': 45.29069900512695, 'learning_rate': 4.5697190473557947e-07, 'fcm_dpo/beta': 0.008828350342810154, 'fcm_dpo/q_t': 0.3488392233848572, 'fcm_dpo/delta': -0.11845053732395172, 'fcm_dpo/margin': 80.3966293334961, 'margin_dpo/margin_mean': 80.3966293334961, 'margin_dpo/margin_std': 85.997802734375, 'logps/chosen': -134.3719482421875, 'logps/rejected': -233.487548828125, 'logps/ref_chosen': -69.35346984863281, 'logps/ref_rejected': -88.07244873046875, 'KL/chosen_KL_mean': -65.01848602294922, 'KL/rejected_KL_mean': -145.41510009765625, 'KL/mean': -105.216796875, 'KL/std': 78.28663635253906, 'logits/chosen': -0.4784323573112488, 'logits/rejected': -0.4480966329574585, 'epoch': 0.27}
27%|█████████████████████████████████████████████████████████████▍ | 186/681 [07:50<20:46, 2.52s/it] 27%|█████████████████████████████████████████████████████████████▊ | 187/681 [07:52<20:09, 2.45s/it] {'loss': 1.0072, 'grad_norm': 32.4824333190918, 'learning_rate': 4.5624936864957555e-07, 'fcm_dpo/beta': 0.008884964510798454, 'fcm_dpo/q_t': 0.37641221284866333, 'fcm_dpo/delta': 0.023186173290014267, 'fcm_dpo/margin': 64.93951416015625, 'margin_dpo/margin_mean': 64.93951416015625, 'margin_dpo/margin_std': 81.59025573730469, 'logps/chosen': -118.19121551513672, 'logps/rejected': -212.34336853027344, 'logps/ref_chosen': -52.7564582824707, 'logps/ref_rejected': -81.96910095214844, 'KL/chosen_KL_mean': -65.43475341796875, 'KL/rejected_KL_mean': -130.374267578125, 'KL/mean': -97.90451049804688, 'KL/std': 74.2392578125, 'logits/chosen': -0.4087640047073364, 'logits/rejected': -0.40301185846328735, 'epoch': 0.27}
27%|█████████████████████████████████████████████████████████████▊ | 187/681 [07:52<20:09, 2.45s/it] 28%|██████████████████████████████████████████████████████████████ | 188/681 [07:55<20:17, 2.47s/it] {'loss': 0.931, 'grad_norm': 38.476314544677734, 'learning_rate': 4.5552139770089454e-07, 'fcm_dpo/beta': 0.00868306215852499, 'fcm_dpo/q_t': 0.3520312011241913, 'fcm_dpo/delta': -0.11944706737995148, 'fcm_dpo/margin': 81.88630676269531, 'margin_dpo/margin_mean': 81.88630676269531, 'margin_dpo/margin_std': 93.60944366455078, 'logps/chosen': -110.27580261230469, 'logps/rejected': -232.28704833984375, 'logps/ref_chosen': -49.415489196777344, 'logps/ref_rejected': -89.54043579101562, 'KL/chosen_KL_mean': -60.860313415527344, 'KL/rejected_KL_mean': -142.7466278076172, 'KL/mean': -101.803466796875, 'KL/std': 85.30118560791016, 'logits/chosen': -0.3950979709625244, 'logits/rejected': -0.3972102999687195, 'epoch': 0.28}
28%|██████████████████████████████████████████████████████████████ | 188/681 [07:55<20:17, 2.47s/it] 28%|██████████████████████████████████████████████████████████████▍ | 189/681 [07:57<20:02, 2.44s/it] {'loss': 1.0404, 'grad_norm': 40.60920715332031, 'learning_rate': 4.5478801107224794e-07, 'fcm_dpo/beta': 0.008646276779472828, 'fcm_dpo/q_t': 0.3808944523334503, 'fcm_dpo/delta': 0.011217039078474045, 'fcm_dpo/margin': 68.16957092285156, 'margin_dpo/margin_mean': 68.16957092285156, 'margin_dpo/margin_std': 103.68344116210938, 'logps/chosen': -128.40011596679688, 'logps/rejected': -216.33807373046875, 'logps/ref_chosen': -52.39896011352539, 'logps/ref_rejected': -72.16735076904297, 'KL/chosen_KL_mean': -76.00115203857422, 'KL/rejected_KL_mean': -144.17071533203125, 'KL/mean': -110.0859375, 'KL/std': 86.78269958496094, 'logits/chosen': -0.3444288372993469, 'logits/rejected': -0.31729966402053833, 'epoch': 0.28}
28%|██████████████████████████████████████████████████████████████▍ | 189/681 [07:57<20:02, 2.44s/it] 28%|██████████████████████████████████████████████████████████████▊ | 190/681 [07:59<19:26, 2.37s/it] {'loss': 1.0056, 'grad_norm': 29.772865295410156, 'learning_rate': 4.5404922808905543e-07, 'fcm_dpo/beta': 0.00864358339458704, 'fcm_dpo/q_t': 0.363553524017334, 'fcm_dpo/delta': -0.08245991170406342, 'fcm_dpo/margin': 78.08657836914062, 'margin_dpo/margin_mean': 78.08657836914062, 'margin_dpo/margin_std': 105.72311401367188, 'logps/chosen': -145.4722900390625, 'logps/rejected': -261.4263610839844, 'logps/ref_chosen': -64.68305969238281, 'logps/ref_rejected': -102.55052185058594, 'KL/chosen_KL_mean': -80.78923034667969, 'KL/rejected_KL_mean': -158.87582397460938, 'KL/mean': -119.83253479003906, 'KL/std': 91.08761596679688, 'logits/chosen': -0.37341126799583435, 'logits/rejected': -0.3552435636520386, 'epoch': 0.28}
28%|██████████████████████████████████████████████████████████████▊ | 190/681 [07:59<19:26, 2.37s/it] 28%|███████████████████████████████████████████████████████████████ | 191/681 [08:02<20:14, 2.48s/it] {'loss': 0.8322, 'grad_norm': 24.53072166442871, 'learning_rate': 4.5330506821893565e-07, 'fcm_dpo/beta': 0.00801704078912735, 'fcm_dpo/q_t': 0.31671005487442017, 'fcm_dpo/delta': -0.35801875591278076, 'fcm_dpo/margin': 115.05926513671875, 'margin_dpo/margin_mean': 115.05926513671875, 'margin_dpo/margin_std': 121.57363891601562, 'logps/chosen': -142.14215087890625, 'logps/rejected': -298.68218994140625, 'logps/ref_chosen': -68.65887451171875, 'logps/ref_rejected': -110.1396713256836, 'KL/chosen_KL_mean': -73.4832763671875, 'KL/rejected_KL_mean': -188.54254150390625, 'KL/mean': -131.01290893554688, 'KL/std': 110.68049621582031, 'logits/chosen': -0.3887477517127991, 'logits/rejected': -0.367370069026947, 'epoch': 0.28}
28%|███████████████████████████████████████████████████████████████ | 191/681 [08:02<20:14, 2.48s/it] 28%|███████████████████████████████████████████████████████████████▍ | 192/681 [08:04<20:08, 2.47s/it] {'loss': 1.0261, 'grad_norm': 34.51486587524414, 'learning_rate': 4.5255555107119336e-07, 'fcm_dpo/beta': 0.007918072864413261, 'fcm_dpo/q_t': 0.37564581632614136, 'fcm_dpo/delta': -0.016324058175086975, 'fcm_dpo/margin': 77.69488525390625, 'margin_dpo/margin_mean': 77.69488525390625, 'margin_dpo/margin_std': 112.80885314941406, 'logps/chosen': -166.124755859375, 'logps/rejected': -277.4140625, 'logps/ref_chosen': -69.72691345214844, 'logps/ref_rejected': -103.32135009765625, 'KL/chosen_KL_mean': -96.39784240722656, 'KL/rejected_KL_mean': -174.09271240234375, 'KL/mean': -135.2452850341797, 'KL/std': 93.46896362304688, 'logits/chosen': -0.3592721223831177, 'logits/rejected': -0.3580414652824402, 'epoch': 0.28}
28%|███████████████████████████████████████████████████████████████▍ | 192/681 [08:04<20:08, 2.47s/it] 28%|███████████████████████████████████████████████████████████████▊ | 193/681 [08:07<19:49, 2.44s/it] {'loss': 1.2039, 'grad_norm': 41.52101135253906, 'learning_rate': 4.5180069639630236e-07, 'fcm_dpo/beta': 0.008208666928112507, 'fcm_dpo/q_t': 0.41593098640441895, 'fcm_dpo/delta': 0.22873592376708984, 'fcm_dpo/margin': 46.047760009765625, 'margin_dpo/margin_mean': 46.047752380371094, 'margin_dpo/margin_std': 102.21097564697266, 'logps/chosen': -156.2335968017578, 'logps/rejected': -218.4984130859375, 'logps/ref_chosen': -60.19049835205078, 'logps/ref_rejected': -76.40755462646484, 'KL/chosen_KL_mean': -96.04309844970703, 'KL/rejected_KL_mean': -142.09085083007812, 'KL/mean': -119.06697845458984, 'KL/std': 81.4603271484375, 'logits/chosen': -0.3570171892642975, 'logits/rejected': -0.3406020402908325, 'epoch': 0.28}
28%|███████████████████████████████████████████████████████████████▊ | 193/681 [08:07<19:49, 2.44s/it] 28%|████████████████████████████████████████████████████████████████ | 194/681 [08:09<19:27, 2.40s/it] {'loss': 0.9584, 'grad_norm': 23.641489028930664, 'learning_rate': 4.510405240853854e-07, 'fcm_dpo/beta': 0.008216527290642262, 'fcm_dpo/q_t': 0.3653014004230499, 'fcm_dpo/delta': -0.0133447777479887, 'fcm_dpo/margin': 74.52330017089844, 'margin_dpo/margin_mean': 74.52330017089844, 'margin_dpo/margin_std': 78.96966552734375, 'logps/chosen': -98.79583740234375, 'logps/rejected': -196.16354370117188, 'logps/ref_chosen': -37.84037399291992, 'logps/ref_rejected': -60.684783935546875, 'KL/chosen_KL_mean': -60.95546340942383, 'KL/rejected_KL_mean': -135.478759765625, 'KL/mean': -98.21711730957031, 'KL/std': 73.04765319824219, 'logits/chosen': -0.2709447145462036, 'logits/rejected': -0.25166115164756775, 'epoch': 0.28}
28%|████████████████████████████████████████████████████████████████ | 194/681 [08:09<19:27, 2.40s/it] 29%|████████████████████████████████████████████████████████████████▍ | 195/681 [08:12<20:12, 2.49s/it] {'loss': 0.9628, 'grad_norm': 39.76923751831055, 'learning_rate': 4.5027505416968985e-07, 'fcm_dpo/beta': 0.008178764954209328, 'fcm_dpo/q_t': 0.364003449678421, 'fcm_dpo/delta': -0.03618188574910164, 'fcm_dpo/margin': 77.49275207519531, 'margin_dpo/margin_mean': 77.49275970458984, 'margin_dpo/margin_std': 89.49713134765625, 'logps/chosen': -152.10894775390625, 'logps/rejected': -271.4810791015625, 'logps/ref_chosen': -54.891571044921875, 'logps/ref_rejected': -96.77095794677734, 'KL/chosen_KL_mean': -97.21737670898438, 'KL/rejected_KL_mean': -174.71014404296875, 'KL/mean': -135.9637451171875, 'KL/std': 88.60956573486328, 'logits/chosen': -0.30619484186172485, 'logits/rejected': -0.32382965087890625, 'epoch': 0.29}
29%|████████████████████████████████████████████████████████████████▍ | 195/681 [08:12<20:12, 2.49s/it] 29%|████████████████████████████████████████████████████████████████▊ | 196/681 [08:14<20:14, 2.50s/it] {'loss': 0.9507, 'grad_norm': 26.536027908325195, 'learning_rate': 4.495043068200599e-07, 'fcm_dpo/beta': 0.007992200553417206, 'fcm_dpo/q_t': 0.3538973927497864, 'fcm_dpo/delta': -0.11618456244468689, 'fcm_dpo/margin': 88.43630981445312, 'margin_dpo/margin_mean': 88.43630981445312, 'margin_dpo/margin_std': 104.88288879394531, 'logps/chosen': -126.94401550292969, 'logps/rejected': -238.18804931640625, 'logps/ref_chosen': -53.245243072509766, 'logps/ref_rejected': -76.05294799804688, 'KL/chosen_KL_mean': -73.69876861572266, 'KL/rejected_KL_mean': -162.13510131835938, 'KL/mean': -117.91693115234375, 'KL/std': 90.82259368896484, 'logits/chosen': -0.30888891220092773, 'logits/rejected': -0.2882790267467499, 'epoch': 0.29}
29%|████████████████████████████████████████████████████████████████▊ | 196/681 [08:14<20:14, 2.50s/it] 29%|█████████████████████████████████████████████████████████████████ | 197/681 [08:17<20:22, 2.53s/it] {'loss': 1.0066, 'grad_norm': 36.907161712646484, 'learning_rate': 4.4872830234640493e-07, 'fcm_dpo/beta': 0.008061784319579601, 'fcm_dpo/q_t': 0.38000333309173584, 'fcm_dpo/delta': 0.04404710605740547, 'fcm_dpo/margin': 69.23564147949219, 'margin_dpo/margin_mean': 69.23564147949219, 'margin_dpo/margin_std': 85.80416870117188, 'logps/chosen': -133.63128662109375, 'logps/rejected': -219.65548706054688, 'logps/ref_chosen': -60.42033386230469, 'logps/ref_rejected': -77.20890808105469, 'KL/chosen_KL_mean': -73.21094512939453, 'KL/rejected_KL_mean': -142.44659423828125, 'KL/mean': -107.82876586914062, 'KL/std': 76.45281982421875, 'logits/chosen': -0.3162170648574829, 'logits/rejected': -0.30719810724258423, 'epoch': 0.29}
29%|█████████████████████████████████████████████████████████████████ | 197/681 [08:17<20:22, 2.53s/it] 29%|█████████████████████████████████████████████████████████████████▍ | 198/681 [08:19<20:26, 2.54s/it] {'loss': 0.9638, 'grad_norm': 34.34934997558594, 'learning_rate': 4.479470611971645e-07, 'fcm_dpo/beta': 0.007981689646840096, 'fcm_dpo/q_t': 0.3630481958389282, 'fcm_dpo/delta': -0.07969578355550766, 'fcm_dpo/margin': 84.49227142333984, 'margin_dpo/margin_mean': 84.49227905273438, 'margin_dpo/margin_std': 108.89409637451172, 'logps/chosen': -134.70919799804688, 'logps/rejected': -261.40850830078125, 'logps/ref_chosen': -55.03618621826172, 'logps/ref_rejected': -97.24325561523438, 'KL/chosen_KL_mean': -79.67300415039062, 'KL/rejected_KL_mean': -164.16526794433594, 'KL/mean': -121.91914367675781, 'KL/std': 94.43048095703125, 'logits/chosen': -0.37920045852661133, 'logits/rejected': -0.3809783458709717, 'epoch': 0.29}
29%|█████████████████████████████████████████████████████████████████▍ | 198/681 [08:20<20:26, 2.54s/it] 29%|█████████████████████████████████████████████████████████████████▋ | 199/681 [08:22<20:50, 2.59s/it] {'loss': 0.9872, 'grad_norm': 36.976749420166016, 'learning_rate': 4.471606039587695e-07, 'fcm_dpo/beta': 0.007828679867088795, 'fcm_dpo/q_t': 0.3655822277069092, 'fcm_dpo/delta': -0.03976024314761162, 'fcm_dpo/margin': 81.23789978027344, 'margin_dpo/margin_mean': 81.23789978027344, 'margin_dpo/margin_std': 101.51104736328125, 'logps/chosen': -134.98678588867188, 'logps/rejected': -244.04408264160156, 'logps/ref_chosen': -56.828826904296875, 'logps/ref_rejected': -84.64820861816406, 'KL/chosen_KL_mean': -78.15796661376953, 'KL/rejected_KL_mean': -159.3958740234375, 'KL/mean': -118.77691650390625, 'KL/std': 84.8035659790039, 'logits/chosen': -0.37588804960250854, 'logits/rejected': -0.3604142963886261, 'epoch': 0.29}
29%|█████████████████████████████████████████████████████████████████▋ | 199/681 [08:22<20:50, 2.59s/it] 29%|██████████████████████████████████████████████████████████████████ | 200/681 [08:25<20:47, 2.59s/it] {'loss': 0.9835, 'grad_norm': 26.900110244750977, 'learning_rate': 4.4636895135509966e-07, 'fcm_dpo/beta': 0.007761807180941105, 'fcm_dpo/q_t': 0.36326026916503906, 'fcm_dpo/delta': -0.06572169065475464, 'fcm_dpo/margin': 85.14102172851562, 'margin_dpo/margin_mean': 85.14102172851562, 'margin_dpo/margin_std': 110.77159118652344, 'logps/chosen': -126.31241607666016, 'logps/rejected': -238.99481201171875, 'logps/ref_chosen': -53.06706237792969, 'logps/ref_rejected': -80.60843658447266, 'KL/chosen_KL_mean': -73.245361328125, 'KL/rejected_KL_mean': -158.38636779785156, 'KL/mean': -115.81585693359375, 'KL/std': 91.43511199951172, 'logits/chosen': -0.31254661083221436, 'logits/rejected': -0.28698211908340454, 'epoch': 0.29}
29%|██████████████████████████████████████████████████████████████████ | 200/681 [08:25<20:47, 2.59s/it] 30%|██████████████████████████████████████████████████████████████████▍ | 201/681 [08:27<20:44, 2.59s/it] {'loss': 0.9746, 'grad_norm': 35.565452575683594, 'learning_rate': 4.455721242469372e-07, 'fcm_dpo/beta': 0.007710574194788933, 'fcm_dpo/q_t': 0.3624987304210663, 'fcm_dpo/delta': -0.05437050759792328, 'fcm_dpo/margin': 84.41168212890625, 'margin_dpo/margin_mean': 84.41168212890625, 'margin_dpo/margin_std': 104.68900299072266, 'logps/chosen': -150.56707763671875, 'logps/rejected': -274.384765625, 'logps/ref_chosen': -75.4022216796875, 'logps/ref_rejected': -114.80821990966797, 'KL/chosen_KL_mean': -75.16486358642578, 'KL/rejected_KL_mean': -159.57656860351562, 'KL/mean': -117.37071228027344, 'KL/std': 93.2561264038086, 'logits/chosen': -0.3871253728866577, 'logits/rejected': -0.38020139932632446, 'epoch': 0.3}
30%|██████████████████████████████████████████████████████████████████▍ | 201/681 [08:27<20:44, 2.59s/it] 30%|██████████████████████████████████████████████████████████████████▋ | 202/681 [08:30<20:40, 2.59s/it] {'loss': 1.1165, 'grad_norm': 25.21083641052246, 'learning_rate': 4.4477014363141755e-07, 'fcm_dpo/beta': 0.007871449925005436, 'fcm_dpo/q_t': 0.40400004386901855, 'fcm_dpo/delta': 0.14974863827228546, 'fcm_dpo/margin': 58.01996612548828, 'margin_dpo/margin_mean': 58.01996994018555, 'margin_dpo/margin_std': 99.46681213378906, 'logps/chosen': -130.27581787109375, 'logps/rejected': -225.1794891357422, 'logps/ref_chosen': -50.101318359375, 'logps/ref_rejected': -86.98503112792969, 'KL/chosen_KL_mean': -80.17449951171875, 'KL/rejected_KL_mean': -138.1944580078125, 'KL/mean': -109.18447875976562, 'KL/std': 79.37278747558594, 'logits/chosen': -0.3736286163330078, 'logits/rejected': -0.38233280181884766, 'epoch': 0.3}
30%|██████████████████████████████████████████████████████████████████▋ | 202/681 [08:30<20:40, 2.59s/it] 30%|███████████████████████████████████████████████████████████████████ | 203/681 [08:33<20:48, 2.61s/it] {'loss': 0.988, 'grad_norm': 31.61592674255371, 'learning_rate': 4.439630306414758e-07, 'fcm_dpo/beta': 0.00793900154531002, 'fcm_dpo/q_t': 0.37443578243255615, 'fcm_dpo/delta': 0.028627078980207443, 'fcm_dpo/margin': 72.17743682861328, 'margin_dpo/margin_mean': 72.17742919921875, 'margin_dpo/margin_std': 83.06932067871094, 'logps/chosen': -137.89028930664062, 'logps/rejected': -235.35400390625, 'logps/ref_chosen': -60.60969543457031, 'logps/ref_rejected': -85.89596557617188, 'KL/chosen_KL_mean': -77.28059387207031, 'KL/rejected_KL_mean': -149.45802307128906, 'KL/mean': -113.36930847167969, 'KL/std': 80.0845947265625, 'logits/chosen': -0.3838493227958679, 'logits/rejected': -0.3709094524383545, 'epoch': 0.3}
30%|███████████████████████████████████████████████████████████████████ | 203/681 [08:33<20:48, 2.61s/it] 30%|███████████████████████████████████████████████████████████████████▍ | 204/681 [08:35<20:58, 2.64s/it] {'loss': 1.0543, 'grad_norm': 36.763545989990234, 'learning_rate': 4.431508065452897e-07, 'fcm_dpo/beta': 0.008036996237933636, 'fcm_dpo/q_t': 0.38982903957366943, 'fcm_dpo/delta': 0.06246567517518997, 'fcm_dpo/margin': 67.30076599121094, 'margin_dpo/margin_mean': 67.30077362060547, 'margin_dpo/margin_std': 101.38398742675781, 'logps/chosen': -167.6135711669922, 'logps/rejected': -242.44529724121094, 'logps/ref_chosen': -80.16496276855469, 'logps/ref_rejected': -87.69590759277344, 'KL/chosen_KL_mean': -87.4486083984375, 'KL/rejected_KL_mean': -154.7493896484375, 'KL/mean': -121.0989990234375, 'KL/std': 89.3180160522461, 'logits/chosen': -0.4234277009963989, 'logits/rejected': -0.37935611605644226, 'epoch': 0.3}
30%|███████████████████████████████████████████████████████████████████▍ | 204/681 [08:35<20:58, 2.64s/it] 30%|███████████████████████████████████████████████████████████████████▋ | 205/681 [08:38<20:56, 2.64s/it] {'loss': 0.97, 'grad_norm': 26.64239501953125, 'learning_rate': 4.4233349274571974e-07, 'fcm_dpo/beta': 0.007870245724916458, 'fcm_dpo/q_t': 0.3547505736351013, 'fcm_dpo/delta': -0.08928148448467255, 'fcm_dpo/margin': 86.41572570800781, 'margin_dpo/margin_mean': 86.41572570800781, 'margin_dpo/margin_std': 102.72451782226562, 'logps/chosen': -147.3728790283203, 'logps/rejected': -259.5289306640625, 'logps/ref_chosen': -59.384735107421875, 'logps/ref_rejected': -85.12505340576172, 'KL/chosen_KL_mean': -87.98814392089844, 'KL/rejected_KL_mean': -174.40386962890625, 'KL/mean': -131.1959991455078, 'KL/std': 93.3107681274414, 'logits/chosen': -0.3537455201148987, 'logits/rejected': -0.32149383425712585, 'epoch': 0.3}
30%|███████████████████████████████████████████████████████████████████▋ | 205/681 [08:38<20:56, 2.64s/it] 30%|████████████████████████████████████████████████████████████████████ | 206/681 [08:40<19:55, 2.52s/it] {'loss': 0.9163, 'grad_norm': 33.7529411315918, 'learning_rate': 4.415111107797445e-07, 'fcm_dpo/beta': 0.007727504707872868, 'fcm_dpo/q_t': 0.34409236907958984, 'fcm_dpo/delta': -0.13269372284412384, 'fcm_dpo/margin': 93.4464111328125, 'margin_dpo/margin_mean': 93.4464111328125, 'margin_dpo/margin_std': 99.09393310546875, 'logps/chosen': -128.97299194335938, 'logps/rejected': -274.40838623046875, 'logps/ref_chosen': -46.964500427246094, 'logps/ref_rejected': -98.9534912109375, 'KL/chosen_KL_mean': -82.00848388671875, 'KL/rejected_KL_mean': -175.4549102783203, 'KL/mean': -128.731689453125, 'KL/std': 89.94499969482422, 'logits/chosen': -0.2978416681289673, 'logits/rejected': -0.301300585269928, 'epoch': 0.3}
30%|████████████████████████████████████████████████████████████████████ | 206/681 [08:40<19:55, 2.52s/it] 30%|████████████████████████████████████████████████████████████████████▍ | 207/681 [08:43<20:03, 2.54s/it] {'loss': 0.8712, 'grad_norm': 30.658599853515625, 'learning_rate': 4.4068368231789365e-07, 'fcm_dpo/beta': 0.007452533580362797, 'fcm_dpo/q_t': 0.3324313163757324, 'fcm_dpo/delta': -0.24242129921913147, 'fcm_dpo/margin': 110.40510559082031, 'margin_dpo/margin_mean': 110.40510559082031, 'margin_dpo/margin_std': 117.73478698730469, 'logps/chosen': -124.32632446289062, 'logps/rejected': -263.12298583984375, 'logps/ref_chosen': -56.05625915527344, 'logps/ref_rejected': -84.44779968261719, 'KL/chosen_KL_mean': -68.27006530761719, 'KL/rejected_KL_mean': -178.6751708984375, 'KL/mean': -123.47262573242188, 'KL/std': 102.2544937133789, 'logits/chosen': -0.41197437047958374, 'logits/rejected': -0.38378313183784485, 'epoch': 0.3}
30%|████████████████████████████████████████████████████████████████████▍ | 207/681 [08:43<20:03, 2.54s/it] 31%|████████████████████████████████████████████████████████████████████▋ | 208/681 [08:45<20:11, 2.56s/it] {'loss': 1.0085, 'grad_norm': 30.297536849975586, 'learning_rate': 4.398512291636768e-07, 'fcm_dpo/beta': 0.007310114800930023, 'fcm_dpo/q_t': 0.3686535358428955, 'fcm_dpo/delta': -0.01752464845776558, 'fcm_dpo/margin': 84.30902862548828, 'margin_dpo/margin_mean': 84.30902099609375, 'margin_dpo/margin_std': 112.68521118164062, 'logps/chosen': -174.09413146972656, 'logps/rejected': -285.6224365234375, 'logps/ref_chosen': -67.06761169433594, 'logps/ref_rejected': -94.28689575195312, 'KL/chosen_KL_mean': -107.02651977539062, 'KL/rejected_KL_mean': -191.33555603027344, 'KL/mean': -149.1810302734375, 'KL/std': 95.59660339355469, 'logits/chosen': -0.4279463291168213, 'logits/rejected': -0.4104871153831482, 'epoch': 0.31}
31%|████████████████████████████████████████████████████████████████████▋ | 208/681 [08:45<20:11, 2.56s/it] 31%|█████████████████████████████████████████████████████████████████████ | 209/681 [08:48<19:33, 2.49s/it] {'loss': 1.0439, 'grad_norm': 33.76628112792969, 'learning_rate': 4.3901377325300857e-07, 'fcm_dpo/beta': 0.007376100867986679, 'fcm_dpo/q_t': 0.3826533555984497, 'fcm_dpo/delta': 0.05680035427212715, 'fcm_dpo/margin': 74.06808471679688, 'margin_dpo/margin_mean': 74.06808471679688, 'margin_dpo/margin_std': 102.1053466796875, 'logps/chosen': -144.85922241210938, 'logps/rejected': -243.6871337890625, 'logps/ref_chosen': -56.18169403076172, 'logps/ref_rejected': -80.94152069091797, 'KL/chosen_KL_mean': -88.67752838134766, 'KL/rejected_KL_mean': -162.74560546875, 'KL/mean': -125.71156311035156, 'KL/std': 82.72760009765625, 'logits/chosen': -0.32765740156173706, 'logits/rejected': -0.31723886728286743, 'epoch': 0.31}
31%|█████████████████████████████████████████████████████████████████████ | 209/681 [08:48<19:33, 2.49s/it] 31%|█████████████████████████████████████████████████████████████████████▍ | 210/681 [08:50<19:24, 2.47s/it] {'loss': 0.9779, 'grad_norm': 23.638490676879883, 'learning_rate': 4.381713366536311e-07, 'fcm_dpo/beta': 0.007408691570162773, 'fcm_dpo/q_t': 0.36823898553848267, 'fcm_dpo/delta': -0.02034676820039749, 'fcm_dpo/margin': 83.53620910644531, 'margin_dpo/margin_mean': 83.53620910644531, 'margin_dpo/margin_std': 99.59040832519531, 'logps/chosen': -125.21817016601562, 'logps/rejected': -239.06417846679688, 'logps/ref_chosen': -46.371822357177734, 'logps/ref_rejected': -76.68162536621094, 'KL/chosen_KL_mean': -78.84635162353516, 'KL/rejected_KL_mean': -162.382568359375, 'KL/mean': -120.61445617675781, 'KL/std': 84.26818084716797, 'logits/chosen': -0.37462446093559265, 'logits/rejected': -0.3626801073551178, 'epoch': 0.31}
31%|█████████████████████████████████████████████████████████████████████▍ | 210/681 [08:50<19:24, 2.47s/it] 31%|█████████████████████████████████████████████████████████████████████▋ | 211/681 [08:52<18:56, 2.42s/it] {'loss': 1.0473, 'grad_norm': 33.154632568359375, 'learning_rate': 4.373239415645323e-07, 'fcm_dpo/beta': 0.007433430291712284, 'fcm_dpo/q_t': 0.3872218728065491, 'fcm_dpo/delta': 0.05135497450828552, 'fcm_dpo/margin': 74.18527221679688, 'margin_dpo/margin_mean': 74.18527221679688, 'margin_dpo/margin_std': 107.32933044433594, 'logps/chosen': -190.73257446289062, 'logps/rejected': -272.80645751953125, 'logps/ref_chosen': -78.93235778808594, 'logps/ref_rejected': -86.82098388671875, 'KL/chosen_KL_mean': -111.80021667480469, 'KL/rejected_KL_mean': -185.98548889160156, 'KL/mean': -148.89285278320312, 'KL/std': 93.49342346191406, 'logits/chosen': -0.3995612859725952, 'logits/rejected': -0.35311049222946167, 'epoch': 0.31}
31%|█████████████████████████████████████████████████████████████████████▋ | 211/681 [08:53<18:56, 2.42s/it] 31%|██████████████████████████████████████████████████████████████████████ | 212/681 [08:55<19:10, 2.45s/it] {'loss': 0.9363, 'grad_norm': 25.711772918701172, 'learning_rate': 4.3647161031536086e-07, 'fcm_dpo/beta': 0.0071998536586761475, 'fcm_dpo/q_t': 0.3455570936203003, 'fcm_dpo/delta': -0.1594788283109665, 'fcm_dpo/margin': 103.32747650146484, 'margin_dpo/margin_mean': 103.32748413085938, 'margin_dpo/margin_std': 115.93907165527344, 'logps/chosen': -149.470947265625, 'logps/rejected': -297.6592712402344, 'logps/ref_chosen': -58.19701385498047, 'logps/ref_rejected': -103.05785369873047, 'KL/chosen_KL_mean': -91.27392578125, 'KL/rejected_KL_mean': -194.60140991210938, 'KL/mean': -142.9376678466797, 'KL/std': 105.95874786376953, 'logits/chosen': -0.3940684497356415, 'logits/rejected': -0.38088148832321167, 'epoch': 0.31}
31%|██████████████████████████████████████████████████████████████████████ | 212/681 [08:55<19:10, 2.45s/it] 31%|██████████████████████████████████████████████████████████████████████▎ | 213/681 [08:58<19:24, 2.49s/it] {'loss': 0.932, 'grad_norm': 25.290956497192383, 'learning_rate': 4.3561436536583774e-07, 'fcm_dpo/beta': 0.007048967760056257, 'fcm_dpo/q_t': 0.3497133255004883, 'fcm_dpo/delta': -0.1195511743426323, 'fcm_dpo/margin': 100.69718933105469, 'margin_dpo/margin_mean': 100.69718933105469, 'margin_dpo/margin_std': 112.16920471191406, 'logps/chosen': -152.58969116210938, 'logps/rejected': -279.6888732910156, 'logps/ref_chosen': -67.51271057128906, 'logps/ref_rejected': -93.91471862792969, 'KL/chosen_KL_mean': -85.07697296142578, 'KL/rejected_KL_mean': -185.774169921875, 'KL/mean': -135.42556762695312, 'KL/std': 94.00886535644531, 'logits/chosen': -0.4311680793762207, 'logits/rejected': -0.40246063470840454, 'epoch': 0.31}
31%|██████████████████████████████████████████████████████████████████████▎ | 213/681 [08:58<19:24, 2.49s/it] 31%|██████████████████████████████████████████████████████████████████████▋ | 214/681 [09:00<18:49, 2.42s/it] {'loss': 1.0027, 'grad_norm': 25.744068145751953, 'learning_rate': 4.3475222930516473e-07, 'fcm_dpo/beta': 0.007053151726722717, 'fcm_dpo/q_t': 0.3740694224834442, 'fcm_dpo/delta': 0.0001654941588640213, 'fcm_dpo/margin': 85.04305267333984, 'margin_dpo/margin_mean': 85.04305267333984, 'margin_dpo/margin_std': 110.74486541748047, 'logps/chosen': -121.19945526123047, 'logps/rejected': -242.155029296875, 'logps/ref_chosen': -41.604888916015625, 'logps/ref_rejected': -77.51741027832031, 'KL/chosen_KL_mean': -79.59456634521484, 'KL/rejected_KL_mean': -164.63760375976562, 'KL/mean': -122.1160888671875, 'KL/std': 92.99964141845703, 'logits/chosen': -0.3269927501678467, 'logits/rejected': -0.3326476812362671, 'epoch': 0.31}
31%|██████████████████████████████████████████████████████████████████████▋ | 214/681 [09:00<18:49, 2.42s/it] 32%|███████████████████████████████████████████████████████████████████████ | 215/681 [09:02<19:19, 2.49s/it] {'loss': 0.952, 'grad_norm': 24.02394676208496, 'learning_rate': 4.3388522485142885e-07, 'fcm_dpo/beta': 0.00696907751262188, 'fcm_dpo/q_t': 0.3617004156112671, 'fcm_dpo/delta': -0.04566160961985588, 'fcm_dpo/margin': 92.1527099609375, 'margin_dpo/margin_mean': 92.1527099609375, 'margin_dpo/margin_std': 101.48160552978516, 'logps/chosen': -141.17263793945312, 'logps/rejected': -270.0107421875, 'logps/ref_chosen': -53.279266357421875, 'logps/ref_rejected': -89.96464538574219, 'KL/chosen_KL_mean': -87.89337921142578, 'KL/rejected_KL_mean': -180.04608154296875, 'KL/mean': -133.9697265625, 'KL/std': 94.43704986572266, 'logits/chosen': -0.38371890783309937, 'logits/rejected': -0.37113693356513977, 'epoch': 0.32}
32%|███████████████████████████████████████████████████████████████████████ | 215/681 [09:03<19:19, 2.49s/it] 32%|███████████████████████████████████████████████████████████████████████▎ | 216/681 [09:05<20:00, 2.58s/it] {'loss': 0.9808, 'grad_norm': 28.196399688720703, 'learning_rate': 4.330133748510036e-07, 'fcm_dpo/beta': 0.006948217749595642, 'fcm_dpo/q_t': 0.3621007204055786, 'fcm_dpo/delta': -0.05834150314331055, 'fcm_dpo/margin': 94.18919372558594, 'margin_dpo/margin_mean': 94.18919372558594, 'margin_dpo/margin_std': 117.94938659667969, 'logps/chosen': -139.056640625, 'logps/rejected': -261.5569763183594, 'logps/ref_chosen': -48.887794494628906, 'logps/ref_rejected': -77.19892883300781, 'KL/chosen_KL_mean': -90.16885375976562, 'KL/rejected_KL_mean': -184.3580322265625, 'KL/mean': -137.26345825195312, 'KL/std': 98.0830078125, 'logits/chosen': -0.3626401722431183, 'logits/rejected': -0.3418535888195038, 'epoch': 0.32}
32%|███████████████████████████████████████████████████████████████████████▎ | 216/681 [09:05<20:00, 2.58s/it] 32%|███████████████████████████████████████████████████████████████████████▋ | 217/681 [09:08<20:08, 2.60s/it] {'loss': 0.8898, 'grad_norm': 26.604341506958008, 'learning_rate': 4.3213670227794757e-07, 'fcm_dpo/beta': 0.006740123499184847, 'fcm_dpo/q_t': 0.34184032678604126, 'fcm_dpo/delta': -0.14794251322746277, 'fcm_dpo/margin': 109.31074523925781, 'margin_dpo/margin_mean': 109.31074523925781, 'margin_dpo/margin_std': 108.24614715576172, 'logps/chosen': -135.76751708984375, 'logps/rejected': -295.311279296875, 'logps/ref_chosen': -49.845306396484375, 'logps/ref_rejected': -100.07832336425781, 'KL/chosen_KL_mean': -85.92221069335938, 'KL/rejected_KL_mean': -195.23297119140625, 'KL/mean': -140.5775909423828, 'KL/std': 98.9375, 'logits/chosen': -0.38057175278663635, 'logits/rejected': -0.3720359802246094, 'epoch': 0.32}
32%|███████████████████████████████████████████████████████████████████████▋ | 217/681 [09:08<20:08, 2.60s/it] 32%|████████████████████████████████████████████████████████████████████████ | 218/681 [09:11<20:13, 2.62s/it] {'loss': 1.013, 'grad_norm': 25.266830444335938, 'learning_rate': 4.3125523023339815e-07, 'fcm_dpo/beta': 0.006721228361129761, 'fcm_dpo/q_t': 0.3787044286727905, 'fcm_dpo/delta': 0.028160104528069496, 'fcm_dpo/margin': 85.32112121582031, 'margin_dpo/margin_mean': 85.32111358642578, 'margin_dpo/margin_std': 111.08908081054688, 'logps/chosen': -149.5937957763672, 'logps/rejected': -264.18463134765625, 'logps/ref_chosen': -58.576683044433594, 'logps/ref_rejected': -87.84639739990234, 'KL/chosen_KL_mean': -91.01712036132812, 'KL/rejected_KL_mean': -176.33822631835938, 'KL/mean': -133.67767333984375, 'KL/std': 96.31378173828125, 'logits/chosen': -0.3943113088607788, 'logits/rejected': -0.3831697702407837, 'epoch': 0.32}
32%|████████████████████████████████████████████████████████████████████████ | 218/681 [09:11<20:13, 2.62s/it] 32%|████████████████████████████████████████████████████████████████████████▎ | 219/681 [09:13<20:11, 2.62s/it] {'loss': 1.0774, 'grad_norm': 32.34254837036133, 'learning_rate': 4.303689819449636e-07, 'fcm_dpo/beta': 0.006872829049825668, 'fcm_dpo/q_t': 0.39309147000312805, 'fcm_dpo/delta': 0.09711559116840363, 'fcm_dpo/margin': 73.72673034667969, 'margin_dpo/margin_mean': 73.72672271728516, 'margin_dpo/margin_std': 113.96924591064453, 'logps/chosen': -158.3750762939453, 'logps/rejected': -256.848388671875, 'logps/ref_chosen': -61.083858489990234, 'logps/ref_rejected': -85.83042907714844, 'KL/chosen_KL_mean': -97.29121398925781, 'KL/rejected_KL_mean': -171.01795959472656, 'KL/mean': -134.1545867919922, 'KL/std': 95.68677520751953, 'logits/chosen': -0.40911221504211426, 'logits/rejected': -0.39490410685539246, 'epoch': 0.32}
32%|████████████████████████████████████████████████████████████████████████▎ | 219/681 [09:13<20:11, 2.62s/it] 32%|████████████████████████████████████████████████████████████████████████▋ | 220/681 [09:16<19:58, 2.60s/it] {'loss': 1.0597, 'grad_norm': 29.4495792388916, 'learning_rate': 4.2947798076611047e-07, 'fcm_dpo/beta': 0.0069946423172950745, 'fcm_dpo/q_t': 0.3969554305076599, 'fcm_dpo/delta': 0.15089839696884155, 'fcm_dpo/margin': 65.22700500488281, 'margin_dpo/margin_mean': 65.22700500488281, 'margin_dpo/margin_std': 81.71757507324219, 'logps/chosen': -178.8700408935547, 'logps/rejected': -261.75128173828125, 'logps/ref_chosen': -70.03128051757812, 'logps/ref_rejected': -87.68551635742188, 'KL/chosen_KL_mean': -108.83876037597656, 'KL/rejected_KL_mean': -174.06576538085938, 'KL/mean': -141.4522705078125, 'KL/std': 83.62852478027344, 'logits/chosen': -0.36126798391342163, 'logits/rejected': -0.3342619836330414, 'epoch': 0.32}
32%|████████████████████████████████████████████████████████████████████████▋ | 220/681 [09:16<19:58, 2.60s/it] 32%|█████████████████████████████████████████████████████████████████████████ | 221/681 [09:18<19:41, 2.57s/it] {'loss': 0.8278, 'grad_norm': 27.303133010864258, 'learning_rate': 4.285822501755485e-07, 'fcm_dpo/beta': 0.006814577616751194, 'fcm_dpo/q_t': 0.31600338220596313, 'fcm_dpo/delta': -0.2858082056045532, 'fcm_dpo/margin': 126.47894287109375, 'margin_dpo/margin_mean': 126.47894287109375, 'margin_dpo/margin_std': 113.42835235595703, 'logps/chosen': -157.08811950683594, 'logps/rejected': -337.8800354003906, 'logps/ref_chosen': -52.15470886230469, 'logps/ref_rejected': -106.46768188476562, 'KL/chosen_KL_mean': -104.93341064453125, 'KL/rejected_KL_mean': -231.412353515625, 'KL/mean': -168.17288208007812, 'KL/std': 114.50070190429688, 'logits/chosen': -0.3072892427444458, 'logits/rejected': -0.3136233985424042, 'epoch': 0.32}
32%|█████████████████████████████████████████████████████████████████████████ | 221/681 [09:18<19:41, 2.57s/it] 33%|█████████████████████████████████████████████████████████████████████████▎ | 222/681 [09:21<19:39, 2.57s/it] {'loss': 0.9491, 'grad_norm': 26.641202926635742, 'learning_rate': 4.276818137766118e-07, 'fcm_dpo/beta': 0.006643012166023254, 'fcm_dpo/q_t': 0.3570266366004944, 'fcm_dpo/delta': -0.07343975454568863, 'fcm_dpo/margin': 100.6266860961914, 'margin_dpo/margin_mean': 100.62669372558594, 'margin_dpo/margin_std': 114.24676513671875, 'logps/chosen': -172.5582275390625, 'logps/rejected': -312.2149658203125, 'logps/ref_chosen': -60.971099853515625, 'logps/ref_rejected': -100.00115203857422, 'KL/chosen_KL_mean': -111.58712768554688, 'KL/rejected_KL_mean': -212.21380615234375, 'KL/mean': -161.90048217773438, 'KL/std': 104.57847595214844, 'logits/chosen': -0.3581978380680084, 'logits/rejected': -0.35092827677726746, 'epoch': 0.33}
33%|█████████████████████████████████████████████████████████████████████████▎ | 222/681 [09:21<19:39, 2.57s/it] 33%|█████████████████████████████████████████████████████████████████████████▋ | 223/681 [09:23<18:44, 2.45s/it] {'loss': 1.0796, 'grad_norm': 34.42216110229492, 'learning_rate': 4.2677669529663686e-07, 'fcm_dpo/beta': 0.006629304029047489, 'fcm_dpo/q_t': 0.3846175968647003, 'fcm_dpo/delta': 0.05136383697390556, 'fcm_dpo/margin': 83.19085693359375, 'margin_dpo/margin_mean': 83.19085693359375, 'margin_dpo/margin_std': 133.55804443359375, 'logps/chosen': -177.54464721679688, 'logps/rejected': -290.91998291015625, 'logps/ref_chosen': -52.64057540893555, 'logps/ref_rejected': -82.82502746582031, 'KL/chosen_KL_mean': -124.90408325195312, 'KL/rejected_KL_mean': -208.09494018554688, 'KL/mean': -166.49951171875, 'KL/std': 102.77069091796875, 'logits/chosen': -0.2642633616924286, 'logits/rejected': -0.2505979537963867, 'epoch': 0.33}
33%|█████████████████████████████████████████████████████████████████████████▋ | 223/681 [09:23<18:44, 2.45s/it] 33%|██████████████████████████████████████████████████████████████████████████ | 224/681 [09:25<17:51, 2.34s/it] {'loss': 0.9971, 'grad_norm': 32.1656379699707, 'learning_rate': 4.2586691858633747e-07, 'fcm_dpo/beta': 0.00653444230556488, 'fcm_dpo/q_t': 0.3666822910308838, 'fcm_dpo/delta': -0.05396012216806412, 'fcm_dpo/margin': 99.12886047363281, 'margin_dpo/margin_mean': 99.12886047363281, 'margin_dpo/margin_std': 130.4289093017578, 'logps/chosen': -154.73388671875, 'logps/rejected': -282.3838195800781, 'logps/ref_chosen': -48.59541320800781, 'logps/ref_rejected': -77.11648559570312, 'KL/chosen_KL_mean': -106.13848876953125, 'KL/rejected_KL_mean': -205.267333984375, 'KL/mean': -155.70291137695312, 'KL/std': 114.56405639648438, 'logits/chosen': -0.3053729236125946, 'logits/rejected': -0.2811660170555115, 'epoch': 0.33}
33%|██████████████████████████████████████████████████████████████████████████ | 224/681 [09:25<17:51, 2.34s/it] 33%|██████████████████████████████████████████████████████████████████████████▎ | 225/681 [09:27<17:36, 2.32s/it] {'loss': 0.9082, 'grad_norm': 26.66506576538086, 'learning_rate': 4.249525076191759e-07, 'fcm_dpo/beta': 0.0063905296847224236, 'fcm_dpo/q_t': 0.3378020226955414, 'fcm_dpo/delta': -0.1968863606452942, 'fcm_dpo/margin': 122.26055145263672, 'margin_dpo/margin_mean': 122.26055908203125, 'margin_dpo/margin_std': 137.30938720703125, 'logps/chosen': -181.3697509765625, 'logps/rejected': -345.53277587890625, 'logps/ref_chosen': -58.000465393066406, 'logps/ref_rejected': -99.90291595458984, 'KL/chosen_KL_mean': -123.36929321289062, 'KL/rejected_KL_mean': -245.62985229492188, 'KL/mean': -184.49957275390625, 'KL/std': 116.01712036132812, 'logits/chosen': -0.3074514865875244, 'logits/rejected': -0.29252761602401733, 'epoch': 0.33}
33%|██████████████████████████████████████████████████████████████████████████▎ | 225/681 [09:27<17:36, 2.32s/it] 33%|██████████████████████████████████████████████████████████████████████████▋ | 226/681 [09:30<18:14, 2.41s/it] {'loss': 1.0141, 'grad_norm': 28.65200424194336, 'learning_rate': 4.2403348649073167e-07, 'fcm_dpo/beta': 0.006260153837502003, 'fcm_dpo/q_t': 0.3756735324859619, 'fcm_dpo/delta': -0.009051397442817688, 'fcm_dpo/margin': 96.87930297851562, 'margin_dpo/margin_mean': 96.8792953491211, 'margin_dpo/margin_std': 130.05320739746094, 'logps/chosen': -162.73651123046875, 'logps/rejected': -279.4047546386719, 'logps/ref_chosen': -58.898799896240234, 'logps/ref_rejected': -78.68775939941406, 'KL/chosen_KL_mean': -103.83770751953125, 'KL/rejected_KL_mean': -200.7169952392578, 'KL/mean': -152.27734375, 'KL/std': 113.7965087890625, 'logits/chosen': -0.36528223752975464, 'logits/rejected': -0.319438099861145, 'epoch': 0.33}
33%|██████████████████████████████████████████████████████████████████████████▋ | 226/681 [09:30<18:14, 2.41s/it] 33%|███████████████████████████████████████████████████████████████████████████ | 227/681 [09:32<18:00, 2.38s/it] {'loss': 0.9195, 'grad_norm': 27.082639694213867, 'learning_rate': 4.2310987941806615e-07, 'fcm_dpo/beta': 0.00614282488822937, 'fcm_dpo/q_t': 0.34268540143966675, 'fcm_dpo/delta': -0.15122447907924652, 'fcm_dpo/margin': 120.22454833984375, 'margin_dpo/margin_mean': 120.22454071044922, 'margin_dpo/margin_std': 133.86708068847656, 'logps/chosen': -178.51556396484375, 'logps/rejected': -339.0802917480469, 'logps/ref_chosen': -59.072181701660156, 'logps/ref_rejected': -99.41236877441406, 'KL/chosen_KL_mean': -119.4433822631836, 'KL/rejected_KL_mean': -239.66790771484375, 'KL/mean': -179.55564880371094, 'KL/std': 128.799560546875, 'logits/chosen': -0.3717705011367798, 'logits/rejected': -0.3560107946395874, 'epoch': 0.33}
33%|███████████████████████████████████████████████████████████████████████████ | 227/681 [09:32<18:00, 2.38s/it] 33%|███████████████████████████████████████████████████████████████████████████▎ | 228/681 [09:35<19:05, 2.53s/it] {'loss': 1.0517, 'grad_norm': 28.64656639099121, 'learning_rate': 4.2218171073908463e-07, 'fcm_dpo/beta': 0.006209590472280979, 'fcm_dpo/q_t': 0.3857218027114868, 'fcm_dpo/delta': 0.07499590516090393, 'fcm_dpo/margin': 85.1617660522461, 'margin_dpo/margin_mean': 85.16175842285156, 'margin_dpo/margin_std': 121.01702880859375, 'logps/chosen': -184.41592407226562, 'logps/rejected': -294.73516845703125, 'logps/ref_chosen': -65.89128875732422, 'logps/ref_rejected': -91.04875183105469, 'KL/chosen_KL_mean': -118.5246353149414, 'KL/rejected_KL_mean': -203.6864013671875, 'KL/mean': -161.10549926757812, 'KL/std': 101.31814575195312, 'logits/chosen': -0.341421902179718, 'logits/rejected': -0.3204922080039978, 'epoch': 0.33}
33%|███████████████████████████████████████████████████████████████████████████▎ | 228/681 [09:35<19:05, 2.53s/it] 34%|███████████████████████████████████████████████████████████████████████████▋ | 229/681 [09:38<18:55, 2.51s/it] {'loss': 1.0048, 'grad_norm': 37.25086212158203, 'learning_rate': 4.212490049118951e-07, 'fcm_dpo/beta': 0.0062302835285663605, 'fcm_dpo/q_t': 0.3707517385482788, 'fcm_dpo/delta': 0.0024202782660722733, 'fcm_dpo/margin': 95.9371337890625, 'margin_dpo/margin_mean': 95.9371337890625, 'margin_dpo/margin_std': 123.97903442382812, 'logps/chosen': -188.8634033203125, 'logps/rejected': -298.62158203125, 'logps/ref_chosen': -70.70637512207031, 'logps/ref_rejected': -84.52741241455078, 'KL/chosen_KL_mean': -118.15702819824219, 'KL/rejected_KL_mean': -214.09417724609375, 'KL/mean': -166.1256103515625, 'KL/std': 117.42403411865234, 'logits/chosen': -0.429348349571228, 'logits/rejected': -0.3982895612716675, 'epoch': 0.34}
34%|███████████████████████████████████████████████████████████████████████████▋ | 229/681 [09:38<18:55, 2.51s/it] 34%|███████████████████████████████████████████████████████████████████████████▉ | 230/681 [09:40<18:32, 2.47s/it] {'loss': 0.8676, 'grad_norm': 27.93840789794922, 'learning_rate': 4.203117865141635e-07, 'fcm_dpo/beta': 0.006020332686603069, 'fcm_dpo/q_t': 0.329476922750473, 'fcm_dpo/delta': -0.20701435208320618, 'fcm_dpo/margin': 131.19886779785156, 'margin_dpo/margin_mean': 131.19886779785156, 'margin_dpo/margin_std': 126.60467529296875, 'logps/chosen': -138.7928466796875, 'logps/rejected': -316.3316345214844, 'logps/ref_chosen': -39.282005310058594, 'logps/ref_rejected': -85.62191009521484, 'KL/chosen_KL_mean': -99.5108413696289, 'KL/rejected_KL_mean': -230.70973205566406, 'KL/mean': -165.11029052734375, 'KL/std': 114.2197265625, 'logits/chosen': -0.30312156677246094, 'logits/rejected': -0.3039769232273102, 'epoch': 0.34}
34%|███████████████████████████████████████████████████████████████████████████▉ | 230/681 [09:40<18:32, 2.47s/it] 34%|████████████████████████████████████████████████████████████████████████████▎ | 231/681 [09:43<18:47, 2.50s/it] {'loss': 1.0012, 'grad_norm': 25.212106704711914, 'learning_rate': 4.1937008024246625e-07, 'fcm_dpo/beta': 0.0060048759914934635, 'fcm_dpo/q_t': 0.3795621991157532, 'fcm_dpo/delta': 0.04279271513223648, 'fcm_dpo/margin': 93.19451904296875, 'margin_dpo/margin_mean': 93.19451904296875, 'margin_dpo/margin_std': 112.45889282226562, 'logps/chosen': -169.38070678710938, 'logps/rejected': -273.42266845703125, 'logps/ref_chosen': -63.27644348144531, 'logps/ref_rejected': -74.1239013671875, 'KL/chosen_KL_mean': -106.10425567626953, 'KL/rejected_KL_mean': -199.2987823486328, 'KL/mean': -152.70152282714844, 'KL/std': 99.24888610839844, 'logits/chosen': -0.3727571964263916, 'logits/rejected': -0.3431502878665924, 'epoch': 0.34}
34%|████████████████████████████████████████████████████████████████████████████▎ | 231/681 [09:43<18:47, 2.50s/it] 34%|████████████████████████████████████████████████████████████████████████████▋ | 232/681 [09:45<19:16, 2.57s/it] {'loss': 1.0879, 'grad_norm': 30.511877059936523, 'learning_rate': 4.1842391091163933e-07, 'fcm_dpo/beta': 0.00612263148650527, 'fcm_dpo/q_t': 0.40193843841552734, 'fcm_dpo/delta': 0.13074421882629395, 'fcm_dpo/margin': 77.69046020507812, 'margin_dpo/margin_mean': 77.69046020507812, 'margin_dpo/margin_std': 122.96861267089844, 'logps/chosen': -198.59759521484375, 'logps/rejected': -289.516357421875, 'logps/ref_chosen': -70.74876403808594, 'logps/ref_rejected': -83.97706604003906, 'KL/chosen_KL_mean': -127.84883117675781, 'KL/rejected_KL_mean': -205.539306640625, 'KL/mean': -166.69406127929688, 'KL/std': 115.06063079833984, 'logits/chosen': -0.36269646883010864, 'logits/rejected': -0.3345995545387268, 'epoch': 0.34}
34%|████████████████████████████████████████████████████████████████████████████▋ | 232/681 [09:45<19:16, 2.57s/it] 34%|████████████████████████████████████████████████████████████████████████████▉ | 233/681 [09:48<19:33, 2.62s/it] {'loss': 0.9802, 'grad_norm': 28.278724670410156, 'learning_rate': 4.174733034541245e-07, 'fcm_dpo/beta': 0.00608062744140625, 'fcm_dpo/q_t': 0.35880354046821594, 'fcm_dpo/delta': -0.12016229331493378, 'fcm_dpo/margin': 117.0398178100586, 'margin_dpo/margin_mean': 117.03982543945312, 'margin_dpo/margin_std': 156.60491943359375, 'logps/chosen': -169.16384887695312, 'logps/rejected': -338.80084228515625, 'logps/ref_chosen': -54.8829345703125, 'logps/ref_rejected': -107.4800796508789, 'KL/chosen_KL_mean': -114.28092193603516, 'KL/rejected_KL_mean': -231.32073974609375, 'KL/mean': -172.80084228515625, 'KL/std': 122.1634292602539, 'logits/chosen': -0.36172106862068176, 'logits/rejected': -0.35902953147888184, 'epoch': 0.34}
34%|████████████████████████████████████████████████████████████████████████████▉ | 233/681 [09:48<19:33, 2.62s/it] 34%|█████████████████████████████████████████████████████████████████████████████▎ | 234/681 [09:51<19:36, 2.63s/it] {'loss': 0.9089, 'grad_norm': 32.83196258544922, 'learning_rate': 4.165182829193126e-07, 'fcm_dpo/beta': 0.005883757025003433, 'fcm_dpo/q_t': 0.3470458388328552, 'fcm_dpo/delta': -0.11559145152568817, 'fcm_dpo/margin': 119.81584167480469, 'margin_dpo/margin_mean': 119.81584167480469, 'margin_dpo/margin_std': 118.8182601928711, 'logps/chosen': -153.71957397460938, 'logps/rejected': -329.447509765625, 'logps/ref_chosen': -44.094520568847656, 'logps/ref_rejected': -100.00663757324219, 'KL/chosen_KL_mean': -109.62505340576172, 'KL/rejected_KL_mean': -229.44088745117188, 'KL/mean': -169.53298950195312, 'KL/std': 108.41551208496094, 'logits/chosen': -0.3249679505825043, 'logits/rejected': -0.34966325759887695, 'epoch': 0.34}
34%|█████████████████████████████████████████████████████████████████████████████▎ | 234/681 [09:51<19:36, 2.63s/it] 35%|█████████████████████████████████████████████████████████████████████████████▋ | 235/681 [09:53<19:02, 2.56s/it] {'loss': 1.091, 'grad_norm': 31.084489822387695, 'learning_rate': 4.1555887447288255e-07, 'fcm_dpo/beta': 0.0060426220297813416, 'fcm_dpo/q_t': 0.3996395468711853, 'fcm_dpo/delta': 0.14138734340667725, 'fcm_dpo/margin': 76.89950561523438, 'margin_dpo/margin_mean': 76.89950561523438, 'margin_dpo/margin_std': 118.74656677246094, 'logps/chosen': -195.26724243164062, 'logps/rejected': -300.32391357421875, 'logps/ref_chosen': -62.237911224365234, 'logps/ref_rejected': -90.39506530761719, 'KL/chosen_KL_mean': -133.02932739257812, 'KL/rejected_KL_mean': -209.9288330078125, 'KL/mean': -171.4790802001953, 'KL/std': 100.35975646972656, 'logits/chosen': -0.3844982385635376, 'logits/rejected': -0.3582857847213745, 'epoch': 0.35}
35%|█████████████████████████████████████████████████████████████████████████████▋ | 235/681 [09:53<19:02, 2.56s/it] 35%|█████████████████████████████████████████████████████████████████████████████▉ | 236/681 [09:56<19:15, 2.60s/it] {'loss': 0.8859, 'grad_norm': 53.81458282470703, 'learning_rate': 4.1459510339613946e-07, 'fcm_dpo/beta': 0.005965487100183964, 'fcm_dpo/q_t': 0.3438200056552887, 'fcm_dpo/delta': -0.11610803753137589, 'fcm_dpo/margin': 118.66070556640625, 'margin_dpo/margin_mean': 118.66070556640625, 'margin_dpo/margin_std': 106.65434265136719, 'logps/chosen': -150.61563110351562, 'logps/rejected': -323.44659423828125, 'logps/ref_chosen': -49.34136199951172, 'logps/ref_rejected': -103.51162719726562, 'KL/chosen_KL_mean': -101.2742691040039, 'KL/rejected_KL_mean': -219.93495178222656, 'KL/mean': -160.6046142578125, 'KL/std': 109.5830078125, 'logits/chosen': -0.34388887882232666, 'logits/rejected': -0.343508780002594, 'epoch': 0.35}
35%|█████████████████████████████████████████████████████████████████████████████▉ | 236/681 [09:56<19:15, 2.60s/it] 35%|██████████████████████████████████████████████████████████████████████████████▎ | 237/681 [09:58<19:14, 2.60s/it] {'loss': 1.0053, 'grad_norm': 31.343692779541016, 'learning_rate': 4.136269950853473e-07, 'fcm_dpo/beta': 0.005949076730757952, 'fcm_dpo/q_t': 0.375545471906662, 'fcm_dpo/delta': 0.02000635676085949, 'fcm_dpo/margin': 97.68803405761719, 'margin_dpo/margin_mean': 97.68803405761719, 'margin_dpo/margin_std': 124.87786102294922, 'logps/chosen': -183.7686309814453, 'logps/rejected': -322.06890869140625, 'logps/ref_chosen': -54.168121337890625, 'logps/ref_rejected': -94.78036499023438, 'KL/chosen_KL_mean': -129.6005096435547, 'KL/rejected_KL_mean': -227.28854370117188, 'KL/mean': -178.44451904296875, 'KL/std': 110.91409301757812, 'logits/chosen': -0.37188029289245605, 'logits/rejected': -0.3660114109516144, 'epoch': 0.35}
35%|██████████████████████████████████████████████████████████████████████████████▎ | 237/681 [09:58<19:14, 2.60s/it] 35%|██████████████████████████████████████████████████████████████████████████████▋ | 238/681 [10:01<19:26, 2.63s/it] {'loss': 1.0085, 'grad_norm': 30.291465759277344, 'learning_rate': 4.126545750510605e-07, 'fcm_dpo/beta': 0.0059417979791760445, 'fcm_dpo/q_t': 0.38020047545433044, 'fcm_dpo/delta': 0.030809972435235977, 'fcm_dpo/margin': 95.97439575195312, 'margin_dpo/margin_mean': 95.97439575195312, 'margin_dpo/margin_std': 122.57579803466797, 'logps/chosen': -176.50796508789062, 'logps/rejected': -307.92718505859375, 'logps/ref_chosen': -53.973121643066406, 'logps/ref_rejected': -89.41795349121094, 'KL/chosen_KL_mean': -122.53483581542969, 'KL/rejected_KL_mean': -218.50924682617188, 'KL/mean': -170.52203369140625, 'KL/std': 109.5223388671875, 'logits/chosen': -0.3097473084926605, 'logits/rejected': -0.32641398906707764, 'epoch': 0.35}
35%|██████████████████████████████████████████████████████████████████████████████▋ | 238/681 [10:01<19:26, 2.63s/it] 35%|██████████████████████████████████████████████████████████████████████████████▉ | 239/681 [10:03<18:41, 2.54s/it] {'loss': 0.956, 'grad_norm': 29.275442123413086, 'learning_rate': 4.116778689174514e-07, 'fcm_dpo/beta': 0.005896158050745726, 'fcm_dpo/q_t': 0.3612305223941803, 'fcm_dpo/delta': -0.03850953280925751, 'fcm_dpo/margin': 107.46563720703125, 'margin_dpo/margin_mean': 107.46563720703125, 'margin_dpo/margin_std': 112.2184066772461, 'logps/chosen': -185.9142303466797, 'logps/rejected': -328.875, 'logps/ref_chosen': -58.09782409667969, 'logps/ref_rejected': -93.59294128417969, 'KL/chosen_KL_mean': -127.81640625, 'KL/rejected_KL_mean': -235.28204345703125, 'KL/mean': -181.54922485351562, 'KL/std': 105.47319030761719, 'logits/chosen': -0.37939566373825073, 'logits/rejected': -0.35941123962402344, 'epoch': 0.35}
35%|██████████████████████████████████████████████████████████████████████████████▉ | 239/681 [10:03<18:41, 2.54s/it] 35%|███████████████████████████████████████████████████████████████████████████████▎ | 240/681 [10:06<19:15, 2.62s/it] {'loss': 1.0254, 'grad_norm': 31.070173263549805, 'learning_rate': 4.106969024216348e-07, 'fcm_dpo/beta': 0.0059347134083509445, 'fcm_dpo/q_t': 0.375244140625, 'fcm_dpo/delta': 0.017533771693706512, 'fcm_dpo/margin': 98.26687622070312, 'margin_dpo/margin_mean': 98.26687622070312, 'margin_dpo/margin_std': 132.5979461669922, 'logps/chosen': -196.13815307617188, 'logps/rejected': -307.9090576171875, 'logps/ref_chosen': -60.6144905090332, 'logps/ref_rejected': -74.1185302734375, 'KL/chosen_KL_mean': -135.52365112304688, 'KL/rejected_KL_mean': -233.79051208496094, 'KL/mean': -184.65708923339844, 'KL/std': 117.26210021972656, 'logits/chosen': -0.39801493287086487, 'logits/rejected': -0.3753182888031006, 'epoch': 0.35}
35%|███████████████████████████████████████████████████████████████████████████████▎ | 240/681 [10:06<19:15, 2.62s/it] 35%|███████████████████████████████████████████████████████████████████████████████▋ | 241/681 [10:09<18:48, 2.56s/it] {'loss': 0.868, 'grad_norm': 27.744733810424805, 'learning_rate': 4.097117014129903e-07, 'fcm_dpo/beta': 0.0057678730227053165, 'fcm_dpo/q_t': 0.32945752143859863, 'fcm_dpo/delta': -0.25139251351356506, 'fcm_dpo/margin': 144.08193969726562, 'margin_dpo/margin_mean': 144.08193969726562, 'margin_dpo/margin_std': 149.8402862548828, 'logps/chosen': -178.87159729003906, 'logps/rejected': -344.92333984375, 'logps/ref_chosen': -66.091064453125, 'logps/ref_rejected': -88.06088256835938, 'KL/chosen_KL_mean': -112.78053283691406, 'KL/rejected_KL_mean': -256.8624572753906, 'KL/mean': -184.82150268554688, 'KL/std': 130.12432861328125, 'logits/chosen': -0.3929935097694397, 'logits/rejected': -0.3609086275100708, 'epoch': 0.35}
35%|███████████████████████████████████████████████████████████████████████████████▋ | 241/681 [10:09<18:48, 2.56s/it] 36%|███████████████████████████████████████████████████████████████████████████████▉ | 242/681 [10:11<18:24, 2.52s/it] {'loss': 0.9994, 'grad_norm': 31.787302017211914, 'learning_rate': 4.087222918524807e-07, 'fcm_dpo/beta': 0.005721289664506912, 'fcm_dpo/q_t': 0.37682145833969116, 'fcm_dpo/delta': 0.018697984516620636, 'fcm_dpo/margin': 101.67058563232422, 'margin_dpo/margin_mean': 101.67058563232422, 'margin_dpo/margin_std': 127.51887512207031, 'logps/chosen': -200.3529052734375, 'logps/rejected': -317.5198974609375, 'logps/ref_chosen': -67.86392974853516, 'logps/ref_rejected': -83.36033630371094, 'KL/chosen_KL_mean': -132.4889678955078, 'KL/rejected_KL_mean': -234.15956115722656, 'KL/mean': -183.32427978515625, 'KL/std': 108.88883209228516, 'logits/chosen': -0.3101498782634735, 'logits/rejected': -0.28199779987335205, 'epoch': 0.36}
36%|███████████████████████████████████████████████████████████████████████████████▉ | 242/681 [10:11<18:24, 2.52s/it] 36%|████████████████████████████████████████████████████████████████████████████████▎ | 243/681 [10:14<18:19, 2.51s/it] {'loss': 0.9149, 'grad_norm': 28.22019386291504, 'learning_rate': 4.07728699811968e-07, 'fcm_dpo/beta': 0.005583652760833502, 'fcm_dpo/q_t': 0.34753698110580444, 'fcm_dpo/delta': -0.11946261674165726, 'fcm_dpo/margin': 127.27645874023438, 'margin_dpo/margin_mean': 127.27645874023438, 'margin_dpo/margin_std': 135.2490692138672, 'logps/chosen': -199.41064453125, 'logps/rejected': -339.9384765625, 'logps/ref_chosen': -63.0842399597168, 'logps/ref_rejected': -76.33563232421875, 'KL/chosen_KL_mean': -136.32640075683594, 'KL/rejected_KL_mean': -263.60284423828125, 'KL/mean': -199.96463012695312, 'KL/std': 127.57650756835938, 'logits/chosen': -0.34900963306427, 'logits/rejected': -0.30996784567832947, 'epoch': 0.36}
36%|████████████████████████████████████████████████████████████████████████████████▎ | 243/681 [10:14<18:19, 2.51s/it] 36%|████████████████████████████████████████████████████████████████████████████████▌ | 244/681 [10:16<18:16, 2.51s/it] {'loss': 0.9053, 'grad_norm': 28.444786071777344, 'learning_rate': 4.067309514735267e-07, 'fcm_dpo/beta': 0.005457896739244461, 'fcm_dpo/q_t': 0.3478250503540039, 'fcm_dpo/delta': -0.10516402870416641, 'fcm_dpo/margin': 127.77027893066406, 'margin_dpo/margin_mean': 127.77027893066406, 'margin_dpo/margin_std': 123.44183349609375, 'logps/chosen': -180.05648803710938, 'logps/rejected': -341.5780029296875, 'logps/ref_chosen': -61.140689849853516, 'logps/ref_rejected': -94.89193725585938, 'KL/chosen_KL_mean': -118.91580200195312, 'KL/rejected_KL_mean': -246.68606567382812, 'KL/mean': -182.80093383789062, 'KL/std': 122.1882553100586, 'logits/chosen': -0.3960545063018799, 'logits/rejected': -0.38508033752441406, 'epoch': 0.36}
36%|████████████████████████████████████████████████████████████████████████████████▌ | 244/681 [10:16<18:16, 2.51s/it] 36%|████████████████████████████████████████████████████████████████████████████████▉ | 245/681 [10:19<18:43, 2.58s/it] {'loss': 1.0227, 'grad_norm': 35.028076171875, 'learning_rate': 4.057290731287531e-07, 'fcm_dpo/beta': 0.005388730205595493, 'fcm_dpo/q_t': 0.37794744968414307, 'fcm_dpo/delta': 0.016096577048301697, 'fcm_dpo/margin': 107.97443389892578, 'margin_dpo/margin_mean': 107.97442626953125, 'margin_dpo/margin_std': 140.54739379882812, 'logps/chosen': -205.77223205566406, 'logps/rejected': -334.12445068359375, 'logps/ref_chosen': -67.26228332519531, 'logps/ref_rejected': -87.64010620117188, 'KL/chosen_KL_mean': -138.50994873046875, 'KL/rejected_KL_mean': -246.48435974121094, 'KL/mean': -192.49716186523438, 'KL/std': 126.490966796875, 'logits/chosen': -0.3952246308326721, 'logits/rejected': -0.3585037589073181, 'epoch': 0.36}
36%|████████████████████████████████████████████████████████████████████████████████▉ | 245/681 [10:19<18:43, 2.58s/it] 36%|█████████████████████████████████████████████████████████████████████████████████▎ | 246/681 [10:21<18:36, 2.57s/it] {'loss': 1.0199, 'grad_norm': 29.635494232177734, 'learning_rate': 4.047230911780736e-07, 'fcm_dpo/beta': 0.005461765453219414, 'fcm_dpo/q_t': 0.38011878728866577, 'fcm_dpo/delta': 0.020096484571695328, 'fcm_dpo/margin': 106.36576843261719, 'margin_dpo/margin_mean': 106.36577606201172, 'margin_dpo/margin_std': 147.59591674804688, 'logps/chosen': -204.46591186523438, 'logps/rejected': -328.4810791015625, 'logps/ref_chosen': -66.69696807861328, 'logps/ref_rejected': -84.34634399414062, 'KL/chosen_KL_mean': -137.76895141601562, 'KL/rejected_KL_mean': -244.13473510742188, 'KL/mean': -190.95184326171875, 'KL/std': 136.04083251953125, 'logits/chosen': -0.435746431350708, 'logits/rejected': -0.39667433500289917, 'epoch': 0.36}
36%|█████████████████████████████████████████████████████████████████████████████████▎ | 246/681 [10:21<18:36, 2.57s/it] 36%|█████████████████████████████████████████████████████████████████████████████████▌ | 247/681 [10:24<18:23, 2.54s/it] {'loss': 0.8796, 'grad_norm': 28.352855682373047, 'learning_rate': 4.0371303213004814e-07, 'fcm_dpo/beta': 0.005285009741783142, 'fcm_dpo/q_t': 0.33097344636917114, 'fcm_dpo/delta': -0.22588995099067688, 'fcm_dpo/margin': 152.63217163085938, 'margin_dpo/margin_mean': 152.63217163085938, 'margin_dpo/margin_std': 158.52627563476562, 'logps/chosen': -216.77484130859375, 'logps/rejected': -419.09490966796875, 'logps/ref_chosen': -56.6053466796875, 'logps/ref_rejected': -106.29326629638672, 'KL/chosen_KL_mean': -160.16949462890625, 'KL/rejected_KL_mean': -312.8016357421875, 'KL/mean': -236.48556518554688, 'KL/std': 146.5531005859375, 'logits/chosen': -0.33019566535949707, 'logits/rejected': -0.32581812143325806, 'epoch': 0.36}
36%|█████████████████████████████████████████████████████████████████████████████████▌ | 247/681 [10:24<18:23, 2.54s/it] 36%|█████████████████████████████████████████████████████████████████████████████████▉ | 248/681 [10:26<18:17, 2.54s/it] {'loss': 0.9061, 'grad_norm': 27.992929458618164, 'learning_rate': 4.0269892260067197e-07, 'fcm_dpo/beta': 0.005172984674572945, 'fcm_dpo/q_t': 0.35197725892066956, 'fcm_dpo/delta': -0.06324533373117447, 'fcm_dpo/margin': 127.30779266357422, 'margin_dpo/margin_mean': 127.30780029296875, 'margin_dpo/margin_std': 110.89936065673828, 'logps/chosen': -176.29867553710938, 'logps/rejected': -351.42010498046875, 'logps/ref_chosen': -44.043216705322266, 'logps/ref_rejected': -91.85687255859375, 'KL/chosen_KL_mean': -132.25546264648438, 'KL/rejected_KL_mean': -259.563232421875, 'KL/mean': -195.9093475341797, 'KL/std': 114.66520690917969, 'logits/chosen': -0.2862531840801239, 'logits/rejected': -0.3005514442920685, 'epoch': 0.36}
36%|█████████████████████████████████████████████████████████████████████████████████▉ | 248/681 [10:26<18:17, 2.54s/it] 37%|██████████████████████████████████████████████████████████████████████████████████▎ | 249/681 [10:29<17:53, 2.49s/it] {'loss': 1.1397, 'grad_norm': 51.56828689575195, 'learning_rate': 4.0168078931267426e-07, 'fcm_dpo/beta': 0.005322196986526251, 'fcm_dpo/q_t': 0.41161924600601196, 'fcm_dpo/delta': 0.19497928023338318, 'fcm_dpo/margin': 77.65301513671875, 'margin_dpo/margin_mean': 77.65301513671875, 'margin_dpo/margin_std': 138.77806091308594, 'logps/chosen': -229.0443115234375, 'logps/rejected': -324.7230529785156, 'logps/ref_chosen': -62.442352294921875, 'logps/ref_rejected': -80.46806335449219, 'KL/chosen_KL_mean': -166.60195922851562, 'KL/rejected_KL_mean': -244.25498962402344, 'KL/mean': -205.42848205566406, 'KL/std': 119.43587493896484, 'logits/chosen': -0.3465873897075653, 'logits/rejected': -0.3201597332954407, 'epoch': 0.37}
37%|██████████████████████████████████████████████████████████████████████████████████▎ | 249/681 [10:29<17:53, 2.49s/it] 37%|██████████████████████████████████████████████████████████████████████████████████▌ | 250/681 [10:31<17:36, 2.45s/it] {'loss': 0.8909, 'grad_norm': 33.41306686401367, 'learning_rate': 4.006586590948141e-07, 'fcm_dpo/beta': 0.00533396378159523, 'fcm_dpo/q_t': 0.3453088402748108, 'fcm_dpo/delta': -0.09259707480669022, 'fcm_dpo/margin': 128.6509246826172, 'margin_dpo/margin_mean': 128.65093994140625, 'margin_dpo/margin_std': 108.00267028808594, 'logps/chosen': -204.37857055664062, 'logps/rejected': -341.2646484375, 'logps/ref_chosen': -65.63668823242188, 'logps/ref_rejected': -73.87184143066406, 'KL/chosen_KL_mean': -138.74188232421875, 'KL/rejected_KL_mean': -267.392822265625, 'KL/mean': -203.06735229492188, 'KL/std': 113.97850799560547, 'logits/chosen': -0.36225104331970215, 'logits/rejected': -0.30230361223220825, 'epoch': 0.37}
37%|██████████████████████████████████████████████████████████████████████████████████▌ | 250/681 [10:31<17:36, 2.45s/it] 37%|██████████████████████████████████████████████████████████████████████████████████▉ | 251/681 [10:33<17:24, 2.43s/it] {'loss': 1.0693, 'grad_norm': 37.79524230957031, 'learning_rate': 3.9963255888117325e-07, 'fcm_dpo/beta': 0.005347033031284809, 'fcm_dpo/q_t': 0.3936960697174072, 'fcm_dpo/delta': 0.11265549063682556, 'fcm_dpo/margin': 92.19364929199219, 'margin_dpo/margin_mean': 92.19364929199219, 'margin_dpo/margin_std': 132.09817504882812, 'logps/chosen': -215.568359375, 'logps/rejected': -328.24273681640625, 'logps/ref_chosen': -57.182716369628906, 'logps/ref_rejected': -77.66343688964844, 'KL/chosen_KL_mean': -158.38565063476562, 'KL/rejected_KL_mean': -250.5792999267578, 'KL/mean': -204.48248291015625, 'KL/std': 123.70230865478516, 'logits/chosen': -0.3297956585884094, 'logits/rejected': -0.2962522506713867, 'epoch': 0.37}
37%|██████████████████████████████████████████████████████████████████████████████████▉ | 251/681 [10:34<17:24, 2.43s/it] 37%|███████████████████████████████████████████████████████████████████████████████████▎ | 252/681 [10:36<17:47, 2.49s/it] {'loss': 0.9052, 'grad_norm': 37.648616790771484, 'learning_rate': 3.9860251571044666e-07, 'fcm_dpo/beta': 0.0053227427415549755, 'fcm_dpo/q_t': 0.3476342558860779, 'fcm_dpo/delta': -0.06582003831863403, 'fcm_dpo/margin': 124.10884857177734, 'margin_dpo/margin_mean': 124.10885620117188, 'margin_dpo/margin_std': 104.44979858398438, 'logps/chosen': -219.51519775390625, 'logps/rejected': -356.6964111328125, 'logps/ref_chosen': -71.68563842773438, 'logps/ref_rejected': -84.75799560546875, 'KL/chosen_KL_mean': -147.82955932617188, 'KL/rejected_KL_mean': -271.93841552734375, 'KL/mean': -209.88397216796875, 'KL/std': 110.409423828125, 'logits/chosen': -0.400113046169281, 'logits/rejected': -0.35774457454681396, 'epoch': 0.37}
37%|███████████████████████████████████████████████████████████████████████████████████▎ | 252/681 [10:36<17:47, 2.49s/it] 37%|███████████████████████████████████████████████████████████████████████████████████▌ | 253/681 [10:39<18:13, 2.56s/it] {'loss': 0.9802, 'grad_norm': 27.87826156616211, 'learning_rate': 3.9756855672522986e-07, 'fcm_dpo/beta': 0.0053567951545119286, 'fcm_dpo/q_t': 0.363253116607666, 'fcm_dpo/delta': -0.026659101247787476, 'fcm_dpo/margin': 116.45875549316406, 'margin_dpo/margin_mean': 116.45875549316406, 'margin_dpo/margin_std': 135.98696899414062, 'logps/chosen': -208.02392578125, 'logps/rejected': -354.05126953125, 'logps/ref_chosen': -69.1339340209961, 'logps/ref_rejected': -98.70252990722656, 'KL/chosen_KL_mean': -138.88999938964844, 'KL/rejected_KL_mean': -255.34872436523438, 'KL/mean': -197.119384765625, 'KL/std': 123.3410415649414, 'logits/chosen': -0.40176594257354736, 'logits/rejected': -0.39333128929138184, 'epoch': 0.37}
37%|███████████████████████████████████████████████████████████████████████████████████▌ | 253/681 [10:39<18:13, 2.56s/it] 37%|███████████████████████████████████████████████████████████████████████████████████▉ | 254/681 [10:41<18:24, 2.59s/it] {'loss': 1.0514, 'grad_norm': 33.61005401611328, 'learning_rate': 3.965307091713037e-07, 'fcm_dpo/beta': 0.005327022634446621, 'fcm_dpo/q_t': 0.38545000553131104, 'fcm_dpo/delta': 0.03627510741353035, 'fcm_dpo/margin': 106.2114486694336, 'margin_dpo/margin_mean': 106.2114486694336, 'margin_dpo/margin_std': 162.00204467773438, 'logps/chosen': -206.75845336914062, 'logps/rejected': -349.1225280761719, 'logps/ref_chosen': -54.154998779296875, 'logps/ref_rejected': -90.30764770507812, 'KL/chosen_KL_mean': -152.60345458984375, 'KL/rejected_KL_mean': -258.81488037109375, 'KL/mean': -205.70919799804688, 'KL/std': 130.95278930664062, 'logits/chosen': -0.36970311403274536, 'logits/rejected': -0.34940820932388306, 'epoch': 0.37}
37%|███████████████████████████████████████████████████████████████████████████████████▉ | 254/681 [10:42<18:24, 2.59s/it] 37%|████████████████████████████████████████████████████████████████████████████████████▎ | 255/681 [10:44<17:59, 2.53s/it] {'loss': 1.0188, 'grad_norm': 33.642147064208984, 'learning_rate': 3.954890003969163e-07, 'fcm_dpo/beta': 0.005308132618665695, 'fcm_dpo/q_t': 0.3695012331008911, 'fcm_dpo/delta': -0.012290194630622864, 'fcm_dpo/margin': 115.11470031738281, 'margin_dpo/margin_mean': 115.11470031738281, 'margin_dpo/margin_std': 155.90023803710938, 'logps/chosen': -218.0743408203125, 'logps/rejected': -366.2559509277344, 'logps/ref_chosen': -57.14167022705078, 'logps/ref_rejected': -90.2085952758789, 'KL/chosen_KL_mean': -160.9326629638672, 'KL/rejected_KL_mean': -276.04736328125, 'KL/mean': -218.49002075195312, 'KL/std': 123.29544067382812, 'logits/chosen': -0.3102189004421234, 'logits/rejected': -0.29994723200798035, 'epoch': 0.37}
37%|████████████████████████████████████████████████████████████████████████████████████▎ | 255/681 [10:44<17:59, 2.53s/it] 38%|████████████████████████████████████████████████████████████████████████████████████▌ | 256/681 [10:46<17:59, 2.54s/it] {'loss': 0.9552, 'grad_norm': 27.436307907104492, 'learning_rate': 3.944434578520628e-07, 'fcm_dpo/beta': 0.005278502590954304, 'fcm_dpo/q_t': 0.3590846061706543, 'fcm_dpo/delta': -0.06288222968578339, 'fcm_dpo/margin': 124.79176330566406, 'margin_dpo/margin_mean': 124.79176330566406, 'margin_dpo/margin_std': 144.03121948242188, 'logps/chosen': -191.32293701171875, 'logps/rejected': -353.51416015625, 'logps/ref_chosen': -55.163490295410156, 'logps/ref_rejected': -92.56291961669922, 'KL/chosen_KL_mean': -136.15945434570312, 'KL/rejected_KL_mean': -260.95123291015625, 'KL/mean': -198.55532836914062, 'KL/std': 132.63465881347656, 'logits/chosen': -0.3149402439594269, 'logits/rejected': -0.31964755058288574, 'epoch': 0.38}
38%|████████████████████████████████████████████████████████████████████████████████████▌ | 256/681 [10:46<17:59, 2.54s/it] 38%|████████████████████████████████████████████████████████████████████████████████████▉ | 257/681 [10:49<18:08, 2.57s/it] {'loss': 0.9663, 'grad_norm': 24.21261215209961, 'learning_rate': 3.933941090877615e-07, 'fcm_dpo/beta': 0.005159501917660236, 'fcm_dpo/q_t': 0.3610895276069641, 'fcm_dpo/delta': -0.06364969164133072, 'fcm_dpo/margin': 127.27938842773438, 'margin_dpo/margin_mean': 127.27938079833984, 'margin_dpo/margin_std': 146.71469116210938, 'logps/chosen': -183.94007873535156, 'logps/rejected': -341.33367919921875, 'logps/ref_chosen': -49.42369842529297, 'logps/ref_rejected': -79.53791809082031, 'KL/chosen_KL_mean': -134.51638793945312, 'KL/rejected_KL_mean': -261.7957763671875, 'KL/mean': -198.1560821533203, 'KL/std': 134.36761474609375, 'logits/chosen': -0.3304322063922882, 'logits/rejected': -0.315920352935791, 'epoch': 0.38}
38%|████████████████████████████████████████████████████████████████████████████████████▉ | 257/681 [10:49<18:08, 2.57s/it] 38%|█████████████████████████████████████████████████████████████████████████████████████▏ | 258/681 [10:51<17:23, 2.47s/it] {'loss': 1.011, 'grad_norm': 32.14767837524414, 'learning_rate': 3.923409817553284e-07, 'fcm_dpo/beta': 0.005203454755246639, 'fcm_dpo/q_t': 0.36778342723846436, 'fcm_dpo/delta': -0.004211133345961571, 'fcm_dpo/margin': 116.05656433105469, 'margin_dpo/margin_mean': 116.05655670166016, 'margin_dpo/margin_std': 153.79214477539062, 'logps/chosen': -222.51025390625, 'logps/rejected': -375.17279052734375, 'logps/ref_chosen': -59.384124755859375, 'logps/ref_rejected': -95.99010467529297, 'KL/chosen_KL_mean': -163.12612915039062, 'KL/rejected_KL_mean': -279.1827087402344, 'KL/mean': -221.1544189453125, 'KL/std': 131.205810546875, 'logits/chosen': -0.3151804804801941, 'logits/rejected': -0.3099510669708252, 'epoch': 0.38}
38%|█████████████████████████████████████████████████████████████████████████████████████▏ | 258/681 [10:51<17:23, 2.47s/it] 38%|█████████████████████████████████████████████████████████████████████████████████████▌ | 259/681 [10:54<17:25, 2.48s/it] {'loss': 1.029, 'grad_norm': 33.134132385253906, 'learning_rate': 3.9128410360564793e-07, 'fcm_dpo/beta': 0.005203312262892723, 'fcm_dpo/q_t': 0.3811434507369995, 'fcm_dpo/delta': 0.04370558261871338, 'fcm_dpo/margin': 107.34245300292969, 'margin_dpo/margin_mean': 107.34245300292969, 'margin_dpo/margin_std': 143.66549682617188, 'logps/chosen': -208.17507934570312, 'logps/rejected': -351.880859375, 'logps/ref_chosen': -52.828346252441406, 'logps/ref_rejected': -89.191650390625, 'KL/chosen_KL_mean': -155.34674072265625, 'KL/rejected_KL_mean': -262.689208984375, 'KL/mean': -209.0179443359375, 'KL/std': 128.54270935058594, 'logits/chosen': -0.3546004295349121, 'logits/rejected': -0.34873515367507935, 'epoch': 0.38}
38%|█████████████████████████████████████████████████████████████████████████████████████▌ | 259/681 [10:54<17:25, 2.48s/it] 38%|█████████████████████████████████████████████████████████████████████████████████████▉ | 260/681 [10:56<17:44, 2.53s/it] {'loss': 0.9306, 'grad_norm': 36.58110809326172, 'learning_rate': 3.9022350248844246e-07, 'fcm_dpo/beta': 0.0051955776289105415, 'fcm_dpo/q_t': 0.35594630241394043, 'fcm_dpo/delta': -0.08258084207773209, 'fcm_dpo/margin': 130.30010986328125, 'margin_dpo/margin_mean': 130.30010986328125, 'margin_dpo/margin_std': 141.76504516601562, 'logps/chosen': -205.5931396484375, 'logps/rejected': -383.56536865234375, 'logps/ref_chosen': -47.41767501831055, 'logps/ref_rejected': -95.08978271484375, 'KL/chosen_KL_mean': -158.1754608154297, 'KL/rejected_KL_mean': -288.4755859375, 'KL/mean': -223.32553100585938, 'KL/std': 132.26785278320312, 'logits/chosen': -0.35714462399482727, 'logits/rejected': -0.37431600689888, 'epoch': 0.38}
38%|█████████████████████████████████████████████████████████████████████████████████████▉ | 260/681 [10:57<17:44, 2.53s/it] 38%|██████████████████████████████████████████████████████████████████████████████████████▏ | 261/681 [10:59<16:59, 2.43s/it] {'loss': 0.9621, 'grad_norm': 27.698970794677734, 'learning_rate': 3.891592063515376e-07, 'fcm_dpo/beta': 0.0050858622416853905, 'fcm_dpo/q_t': 0.35856717824935913, 'fcm_dpo/delta': -0.07112769782543182, 'fcm_dpo/margin': 130.97378540039062, 'margin_dpo/margin_mean': 130.97378540039062, 'margin_dpo/margin_std': 156.89776611328125, 'logps/chosen': -210.15585327148438, 'logps/rejected': -376.61322021484375, 'logps/ref_chosen': -53.03137969970703, 'logps/ref_rejected': -88.51494598388672, 'KL/chosen_KL_mean': -157.12448120117188, 'KL/rejected_KL_mean': -288.0982666015625, 'KL/mean': -222.61135864257812, 'KL/std': 143.23435974121094, 'logits/chosen': -0.29012176394462585, 'logits/rejected': -0.28605788946151733, 'epoch': 0.38}
38%|██████████████████████████████████████████████████████████████████████████████████████▏ | 261/681 [10:59<16:59, 2.43s/it] 38%|██████████████████████████████████████████████████████████████████████████████████████▌ | 262/681 [11:01<16:45, 2.40s/it] {'loss': 1.006, 'grad_norm': 34.91385269165039, 'learning_rate': 3.880912432401264e-07, 'fcm_dpo/beta': 0.005139559973031282, 'fcm_dpo/q_t': 0.37805455923080444, 'fcm_dpo/delta': 0.056251220405101776, 'fcm_dpo/margin': 106.31602478027344, 'margin_dpo/margin_mean': 106.31602478027344, 'margin_dpo/margin_std': 125.04685974121094, 'logps/chosen': -243.56732177734375, 'logps/rejected': -376.6817626953125, 'logps/ref_chosen': -59.620140075683594, 'logps/ref_rejected': -86.41853332519531, 'KL/chosen_KL_mean': -183.9471893310547, 'KL/rejected_KL_mean': -290.2632141113281, 'KL/mean': -237.10520935058594, 'KL/std': 129.7595977783203, 'logits/chosen': -0.30783891677856445, 'logits/rejected': -0.2801397144794464, 'epoch': 0.38}
38%|██████████████████████████████████████████████████████████████████████████████████████▌ | 262/681 [11:01<16:45, 2.40s/it] 39%|██████████████████████████████████████████████████████████████████████████████████████▉ | 263/681 [11:03<16:44, 2.40s/it] {'loss': 0.8908, 'grad_norm': 33.830772399902344, 'learning_rate': 3.870196412960302e-07, 'fcm_dpo/beta': 0.004983935505151749, 'fcm_dpo/q_t': 0.3373766243457794, 'fcm_dpo/delta': -0.1672009825706482, 'fcm_dpo/margin': 151.12103271484375, 'margin_dpo/margin_mean': 151.12103271484375, 'margin_dpo/margin_std': 150.3436737060547, 'logps/chosen': -220.9005126953125, 'logps/rejected': -409.45782470703125, 'logps/ref_chosen': -59.42094421386719, 'logps/ref_rejected': -96.85720825195312, 'KL/chosen_KL_mean': -161.4795684814453, 'KL/rejected_KL_mean': -312.6006164550781, 'KL/mean': -237.04010009765625, 'KL/std': 147.77047729492188, 'logits/chosen': -0.32824864983558655, 'logits/rejected': -0.3004014492034912, 'epoch': 0.39}
39%|██████████████████████████████████████████████████████████████████████████████████████▉ | 263/681 [11:03<16:44, 2.40s/it] 39%|███████████████████████████████████████████████████████████████████████████████████████▏ | 264/681 [11:06<17:21, 2.50s/it] {'loss': 0.9644, 'grad_norm': 42.70479965209961, 'learning_rate': 3.8594442875695665e-07, 'fcm_dpo/beta': 0.004899903200566769, 'fcm_dpo/q_t': 0.36273515224456787, 'fcm_dpo/delta': -0.039829034358263016, 'fcm_dpo/margin': 129.75526428222656, 'margin_dpo/margin_mean': 129.75526428222656, 'margin_dpo/margin_std': 146.71963500976562, 'logps/chosen': -231.0057373046875, 'logps/rejected': -391.8951416015625, 'logps/ref_chosen': -62.722084045410156, 'logps/ref_rejected': -93.85620880126953, 'KL/chosen_KL_mean': -168.28366088867188, 'KL/rejected_KL_mean': -298.0389404296875, 'KL/mean': -233.16128540039062, 'KL/std': 135.82254028320312, 'logits/chosen': -0.3502691388130188, 'logits/rejected': -0.3348994255065918, 'epoch': 0.39}
39%|███████████████████████████████████████████████████████████████████████████████████████▏ | 264/681 [11:06<17:21, 2.50s/it] 39%|███████████████████████████████████████████████████████████████████████████████████████▌ | 265/681 [11:09<17:33, 2.53s/it] {'loss': 1.0244, 'grad_norm': 50.1806640625, 'learning_rate': 3.848656339557562e-07, 'fcm_dpo/beta': 0.004912365227937698, 'fcm_dpo/q_t': 0.3726310729980469, 'fcm_dpo/delta': -0.02011740952730179, 'fcm_dpo/margin': 125.98097229003906, 'margin_dpo/margin_mean': 125.98097229003906, 'margin_dpo/margin_std': 181.39669799804688, 'logps/chosen': -254.96124267578125, 'logps/rejected': -406.9913330078125, 'logps/ref_chosen': -61.971466064453125, 'logps/ref_rejected': -88.02059936523438, 'KL/chosen_KL_mean': -192.98976135253906, 'KL/rejected_KL_mean': -318.9707336425781, 'KL/mean': -255.98023986816406, 'KL/std': 158.42835998535156, 'logits/chosen': -0.296209454536438, 'logits/rejected': -0.2759173512458801, 'epoch': 0.39}
39%|███████████████████████████████████████████████████████████████████████████████████████▌ | 265/681 [11:09<17:33, 2.53s/it] 39%|███████████████████████████████████████████████████████████████████████████████████████▉ | 266/681 [11:11<17:23, 2.51s/it] {'loss': 1.023, 'grad_norm': 70.57123565673828, 'learning_rate': 3.8378328531967507e-07, 'fcm_dpo/beta': 0.004933970049023628, 'fcm_dpo/q_t': 0.38008320331573486, 'fcm_dpo/delta': 0.037373997271060944, 'fcm_dpo/margin': 114.46128845214844, 'margin_dpo/margin_mean': 114.46128845214844, 'margin_dpo/margin_std': 153.71603393554688, 'logps/chosen': -261.75408935546875, 'logps/rejected': -377.08697509765625, 'logps/ref_chosen': -67.09967041015625, 'logps/ref_rejected': -67.97122192382812, 'KL/chosen_KL_mean': -194.6544189453125, 'KL/rejected_KL_mean': -309.11572265625, 'KL/mean': -251.88507080078125, 'KL/std': 138.04885864257812, 'logits/chosen': -0.3517489731311798, 'logits/rejected': -0.30076098442077637, 'epoch': 0.39}
39%|███████████████████████████████████████████████████████████████████████████████████████▉ | 266/681 [11:11<17:23, 2.51s/it] 39%|████████████████████████████████████████████████████████████████████████████████████████▏ | 267/681 [11:14<17:24, 2.52s/it] {'loss': 0.9583, 'grad_norm': 42.1270866394043, 'learning_rate': 3.8269741136960646e-07, 'fcm_dpo/beta': 0.004893749952316284, 'fcm_dpo/q_t': 0.3612437844276428, 'fcm_dpo/delta': -0.042935848236083984, 'fcm_dpo/margin': 130.7141876220703, 'margin_dpo/margin_mean': 130.7141876220703, 'margin_dpo/margin_std': 149.27880859375, 'logps/chosen': -242.8670196533203, 'logps/rejected': -394.7789001464844, 'logps/ref_chosen': -68.97075653076172, 'logps/ref_rejected': -90.16844940185547, 'KL/chosen_KL_mean': -173.89627075195312, 'KL/rejected_KL_mean': -304.6104736328125, 'KL/mean': -239.25335693359375, 'KL/std': 140.8577117919922, 'logits/chosen': -0.3716611862182617, 'logits/rejected': -0.3366485834121704, 'epoch': 0.39}
39%|████████████████████████████████████████████████████████████████████████████████████████▏ | 267/681 [11:14<17:24, 2.52s/it] 39%|████████████████████████████████████████████████████████████████████████████████████████▌ | 268/681 [11:16<17:20, 2.52s/it] {'loss': 1.013, 'grad_norm': 51.12944030761719, 'learning_rate': 3.8160804071933894e-07, 'fcm_dpo/beta': 0.0048946812748909, 'fcm_dpo/q_t': 0.37580710649490356, 'fcm_dpo/delta': 0.0171101912856102, 'fcm_dpo/margin': 119.2303466796875, 'margin_dpo/margin_mean': 119.23035430908203, 'margin_dpo/margin_std': 158.47544860839844, 'logps/chosen': -243.4984588623047, 'logps/rejected': -408.4761047363281, 'logps/ref_chosen': -55.90031051635742, 'logps/ref_rejected': -101.64763641357422, 'KL/chosen_KL_mean': -187.59814453125, 'KL/rejected_KL_mean': -306.8284912109375, 'KL/mean': -247.2133026123047, 'KL/std': 137.6021728515625, 'logits/chosen': -0.33014756441116333, 'logits/rejected': -0.3356664776802063, 'epoch': 0.39}
39%|████████████████████████████████████████████████████████████████████████████████████████▌ | 268/681 [11:16<17:20, 2.52s/it] 40%|████████████████████████████████████████████████████████████████████████████████████████▉ | 269/681 [11:19<17:10, 2.50s/it] {'loss': 0.9475, 'grad_norm': 49.681697845458984, 'learning_rate': 3.8051520207480204e-07, 'fcm_dpo/beta': 0.004824942909181118, 'fcm_dpo/q_t': 0.3482123017311096, 'fcm_dpo/delta': -0.13438718020915985, 'fcm_dpo/margin': 150.1961669921875, 'margin_dpo/margin_mean': 150.1961669921875, 'margin_dpo/margin_std': 180.4862060546875, 'logps/chosen': -265.67718505859375, 'logps/rejected': -453.18316650390625, 'logps/ref_chosen': -70.03955841064453, 'logps/ref_rejected': -107.34937286376953, 'KL/chosen_KL_mean': -195.63763427734375, 'KL/rejected_KL_mean': -345.8337707519531, 'KL/mean': -270.7357177734375, 'KL/std': 144.40830993652344, 'logits/chosen': -0.3526710271835327, 'logits/rejected': -0.3315295875072479, 'epoch': 0.4}
40%|████████████████████████████████████████████████████████████████████████████████████████▉ | 269/681 [11:19<17:10, 2.50s/it] 40%|█████████████████████████████████████████████████████████████████████████████████████████▏ | 270/681 [11:21<17:27, 2.55s/it] {'loss': 1.0533, 'grad_norm': 43.752685546875, 'learning_rate': 3.794189242333106e-07, 'fcm_dpo/beta': 0.004866244271397591, 'fcm_dpo/q_t': 0.3885307013988495, 'fcm_dpo/delta': 0.08436901122331619, 'fcm_dpo/margin': 106.76312255859375, 'margin_dpo/margin_mean': 106.76312255859375, 'margin_dpo/margin_std': 152.41429138183594, 'logps/chosen': -230.86502075195312, 'logps/rejected': -378.0233154296875, 'logps/ref_chosen': -69.53347778320312, 'logps/ref_rejected': -109.92864990234375, 'KL/chosen_KL_mean': -161.33154296875, 'KL/rejected_KL_mean': -268.09466552734375, 'KL/mean': -214.71310424804688, 'KL/std': 127.00556945800781, 'logits/chosen': -0.40687400102615356, 'logits/rejected': -0.39889097213745117, 'epoch': 0.4}
40%|█████████████████████████████████████████████████████████████████████████████████████████▏ | 270/681 [11:21<17:27, 2.55s/it] 40%|█████████████████████████████████████████████████████████████████████████████████████████▌ | 271/681 [11:24<17:06, 2.50s/it] {'loss': 0.928, 'grad_norm': 47.08015441894531, 'learning_rate': 3.7831923608280514e-07, 'fcm_dpo/beta': 0.004813849925994873, 'fcm_dpo/q_t': 0.35645002126693726, 'fcm_dpo/delta': -0.06460542976856232, 'fcm_dpo/margin': 137.1262664794922, 'margin_dpo/margin_mean': 137.12625122070312, 'margin_dpo/margin_std': 139.766845703125, 'logps/chosen': -208.675537109375, 'logps/rejected': -381.5510559082031, 'logps/ref_chosen': -56.76456832885742, 'logps/ref_rejected': -92.51383972167969, 'KL/chosen_KL_mean': -151.91098022460938, 'KL/rejected_KL_mean': -289.0372314453125, 'KL/mean': -220.47409057617188, 'KL/std': 125.91470336914062, 'logits/chosen': -0.35235631465911865, 'logits/rejected': -0.3299439549446106, 'epoch': 0.4}
40%|█████████████████████████████████████████████████████████████████████████████████████████▌ | 271/681 [11:24<17:06, 2.50s/it] 40%|█████████████████████████████████████████████████████████████████████████████████████████▊ | 272/681 [11:26<17:29, 2.56s/it] {'loss': 0.887, 'grad_norm': 32.44465637207031, 'learning_rate': 3.772161666010912e-07, 'fcm_dpo/beta': 0.0047242045402526855, 'fcm_dpo/q_t': 0.33737969398498535, 'fcm_dpo/delta': -0.15615960955619812, 'fcm_dpo/margin': 157.64654541015625, 'margin_dpo/margin_mean': 157.64654541015625, 'margin_dpo/margin_std': 150.65261840820312, 'logps/chosen': -194.76275634765625, 'logps/rejected': -408.4549560546875, 'logps/ref_chosen': -49.497154235839844, 'logps/ref_rejected': -105.54279327392578, 'KL/chosen_KL_mean': -145.26559448242188, 'KL/rejected_KL_mean': -302.9121398925781, 'KL/mean': -224.08888244628906, 'KL/std': 143.8643341064453, 'logits/chosen': -0.2578373849391937, 'logits/rejected': -0.2683930993080139, 'epoch': 0.4}
40%|█████████████████████████████████████████████████████████████████████████████████████████▊ | 272/681 [11:27<17:29, 2.56s/it] 40%|██████████████████████████████████████████████████████████████████████████████████████████▏ | 273/681 [11:29<17:04, 2.51s/it] {'loss': 0.9037, 'grad_norm': 32.86962890625, 'learning_rate': 3.761097448550755e-07, 'fcm_dpo/beta': 0.004546883516013622, 'fcm_dpo/q_t': 0.3450300097465515, 'fcm_dpo/delta': -0.12521019577980042, 'fcm_dpo/margin': 157.20660400390625, 'margin_dpo/margin_mean': 157.20660400390625, 'margin_dpo/margin_std': 155.94619750976562, 'logps/chosen': -225.1906280517578, 'logps/rejected': -411.92041015625, 'logps/ref_chosen': -62.97539520263672, 'logps/ref_rejected': -92.49858093261719, 'KL/chosen_KL_mean': -162.21524047851562, 'KL/rejected_KL_mean': -319.42181396484375, 'KL/mean': -240.81851196289062, 'KL/std': 143.83770751953125, 'logits/chosen': -0.24868756532669067, 'logits/rejected': -0.22487762570381165, 'epoch': 0.4}
40%|██████████████████████████████████████████████████████████████████████████████████████████▏ | 273/681 [11:29<17:04, 2.51s/it] 40%|██████████████████████████████████████████████████████████████████████████████████████████▌ | 274/681 [11:31<16:45, 2.47s/it] {'loss': 0.9973, 'grad_norm': 30.814266204833984, 'learning_rate': 3.75e-07, 'fcm_dpo/beta': 0.004573243670165539, 'fcm_dpo/q_t': 0.3751099109649658, 'fcm_dpo/delta': 0.028473064303398132, 'fcm_dpo/margin': 125.30329895019531, 'margin_dpo/margin_mean': 125.30329895019531, 'margin_dpo/margin_std': 149.56805419921875, 'logps/chosen': -251.9892120361328, 'logps/rejected': -398.9578857421875, 'logps/ref_chosen': -55.66770935058594, 'logps/ref_rejected': -77.33308410644531, 'KL/chosen_KL_mean': -196.32150268554688, 'KL/rejected_KL_mean': -321.6247863769531, 'KL/mean': -258.97314453125, 'KL/std': 132.172607421875, 'logits/chosen': -0.20171430706977844, 'logits/rejected': -0.17888331413269043, 'epoch': 0.4}
40%|██████████████████████████████████████████████████████████████████████████████████████████▌ | 274/681 [11:31<16:45, 2.47s/it] 40%|██████████████████████████████████████████████████████████████████████████████████████████▊ | 275/681 [11:34<17:06, 2.53s/it] {'loss': 0.9936, 'grad_norm': 31.915740966796875, 'learning_rate': 3.738869612786737e-07, 'fcm_dpo/beta': 0.004592282697558403, 'fcm_dpo/q_t': 0.3714136481285095, 'fcm_dpo/delta': 0.006736889481544495, 'fcm_dpo/margin': 129.2164306640625, 'margin_dpo/margin_mean': 129.2164306640625, 'margin_dpo/margin_std': 156.31121826171875, 'logps/chosen': -208.91793823242188, 'logps/rejected': -382.8433532714844, 'logps/ref_chosen': -48.594703674316406, 'logps/ref_rejected': -93.30369567871094, 'KL/chosen_KL_mean': -160.3232421875, 'KL/rejected_KL_mean': -289.5396423339844, 'KL/mean': -224.93145751953125, 'KL/std': 137.5757293701172, 'logits/chosen': -0.24127767980098724, 'logits/rejected': -0.24517418444156647, 'epoch': 0.4}
40%|██████████████████████████████████████████████████████████████████████████████████████████▊ | 275/681 [11:34<17:06, 2.53s/it] 41%|███████████████████████████████████████████████████████████████████████████████████████████▏ | 276/681 [11:36<17:00, 2.52s/it] {'loss': 0.9767, 'grad_norm': 43.11882019042969, 'learning_rate': 3.7277065802070204e-07, 'fcm_dpo/beta': 0.004539749585092068, 'fcm_dpo/q_t': 0.3661036193370819, 'fcm_dpo/delta': -0.03416518494486809, 'fcm_dpo/margin': 139.14837646484375, 'margin_dpo/margin_mean': 139.14837646484375, 'margin_dpo/margin_std': 169.36935424804688, 'logps/chosen': -226.560302734375, 'logps/rejected': -379.4969482421875, 'logps/ref_chosen': -56.57740783691406, 'logps/ref_rejected': -70.36566925048828, 'KL/chosen_KL_mean': -169.98287963867188, 'KL/rejected_KL_mean': -309.13128662109375, 'KL/mean': -239.55706787109375, 'KL/std': 143.59283447265625, 'logits/chosen': -0.20103147625923157, 'logits/rejected': -0.16864368319511414, 'epoch': 0.41}
41%|███████████████████████████████████████████████████████████████████████████████████████████▏ | 276/681 [11:36<17:00, 2.52s/it] 41%|███████████████████████████████████████████████████████████████████████████████████████████▌ | 277/681 [11:39<16:39, 2.47s/it] {'loss': 0.9812, 'grad_norm': 28.27198600769043, 'learning_rate': 3.71651119641714e-07, 'fcm_dpo/beta': 0.00454034935683012, 'fcm_dpo/q_t': 0.36654841899871826, 'fcm_dpo/delta': -0.027219116687774658, 'fcm_dpo/margin': 137.7528076171875, 'margin_dpo/margin_mean': 137.75279235839844, 'margin_dpo/margin_std': 167.303466796875, 'logps/chosen': -252.471923828125, 'logps/rejected': -426.8344421386719, 'logps/ref_chosen': -56.27156066894531, 'logps/ref_rejected': -92.88127136230469, 'KL/chosen_KL_mean': -196.20037841796875, 'KL/rejected_KL_mean': -333.95318603515625, 'KL/mean': -265.0767822265625, 'KL/std': 145.370361328125, 'logits/chosen': -0.24094077944755554, 'logits/rejected': -0.22313499450683594, 'epoch': 0.41}
41%|███████████████████████████████████████████████████████████████████████████████████████████▌ | 277/681 [11:39<16:39, 2.47s/it] 41%|███████████████████████████████████████████████████████████████████████████████████████████▊ | 278/681 [11:41<16:58, 2.53s/it] {'loss': 0.9259, 'grad_norm': 30.330961227416992, 'learning_rate': 3.705283756425872e-07, 'fcm_dpo/beta': 0.0044339424930512905, 'fcm_dpo/q_t': 0.35188618302345276, 'fcm_dpo/delta': -0.10485933721065521, 'fcm_dpo/margin': 157.15870666503906, 'margin_dpo/margin_mean': 157.15870666503906, 'margin_dpo/margin_std': 170.03701782226562, 'logps/chosen': -232.53904724121094, 'logps/rejected': -428.0093994140625, 'logps/ref_chosen': -52.94194030761719, 'logps/ref_rejected': -91.25357818603516, 'KL/chosen_KL_mean': -179.59710693359375, 'KL/rejected_KL_mean': -336.755859375, 'KL/mean': -258.1764831542969, 'KL/std': 155.92442321777344, 'logits/chosen': -0.22939492762088776, 'logits/rejected': -0.23291751742362976, 'epoch': 0.41}
41%|███████████████████████████████████████████████████████████████████████████████████████████▊ | 278/681 [11:41<16:58, 2.53s/it] 41%|████████████████████████████████████████████████████████████████████████████████████████████▏ | 279/681 [11:44<16:54, 2.52s/it] {'loss': 0.9524, 'grad_norm': 41.30632781982422, 'learning_rate': 3.6940245560867e-07, 'fcm_dpo/beta': 0.004311530850827694, 'fcm_dpo/q_t': 0.35239866375923157, 'fcm_dpo/delta': -0.12133017182350159, 'fcm_dpo/margin': 164.7407989501953, 'margin_dpo/margin_mean': 164.74078369140625, 'margin_dpo/margin_std': 197.61314392089844, 'logps/chosen': -258.76226806640625, 'logps/rejected': -462.71319580078125, 'logps/ref_chosen': -48.641319274902344, 'logps/ref_rejected': -87.8514404296875, 'KL/chosen_KL_mean': -210.1209716796875, 'KL/rejected_KL_mean': -374.86175537109375, 'KL/mean': -292.4913635253906, 'KL/std': 166.24716186523438, 'logits/chosen': -0.15318737924098969, 'logits/rejected': -0.14796026051044464, 'epoch': 0.41}
41%|████████████████████████████████████████████████████████████████████████████████████████████▏ | 279/681 [11:44<16:54, 2.52s/it] 41%|████████████████████████████████████████████████████████████████████████████████████████████▌ | 280/681 [11:47<17:01, 2.55s/it] {'loss': 0.8986, 'grad_norm': 37.26974105834961, 'learning_rate': 3.6827338920900253e-07, 'fcm_dpo/beta': 0.004249866120517254, 'fcm_dpo/q_t': 0.344473659992218, 'fcm_dpo/delta': -0.10631021857261658, 'fcm_dpo/margin': 164.41880798339844, 'margin_dpo/margin_mean': 164.41880798339844, 'margin_dpo/margin_std': 152.754150390625, 'logps/chosen': -266.7597351074219, 'logps/rejected': -471.0002746582031, 'logps/ref_chosen': -58.797122955322266, 'logps/ref_rejected': -98.61885070800781, 'KL/chosen_KL_mean': -207.96261596679688, 'KL/rejected_KL_mean': -372.38140869140625, 'KL/mean': -290.1720275878906, 'KL/std': 149.49325561523438, 'logits/chosen': -0.20403394103050232, 'logits/rejected': -0.20414140820503235, 'epoch': 0.41}
41%|████████████████████████████████████████████████████████████████████████████████████████████▌ | 280/681 [11:47<17:01, 2.55s/it] 41%|████████████████████████████████████████████████████████████████████████████████████████████▊ | 281/681 [11:49<16:59, 2.55s/it] {'loss': 0.9455, 'grad_norm': 25.87759780883789, 'learning_rate': 3.6714120619553435e-07, 'fcm_dpo/beta': 0.0042279912158846855, 'fcm_dpo/q_t': 0.3564120829105377, 'fcm_dpo/delta': -0.03527888283133507, 'fcm_dpo/margin': 149.66888427734375, 'margin_dpo/margin_mean': 149.66888427734375, 'margin_dpo/margin_std': 152.3994140625, 'logps/chosen': -247.30758666992188, 'logps/rejected': -422.3705139160156, 'logps/ref_chosen': -55.488521575927734, 'logps/ref_rejected': -80.88258361816406, 'KL/chosen_KL_mean': -191.81907653808594, 'KL/rejected_KL_mean': -341.4879455566406, 'KL/mean': -266.65350341796875, 'KL/std': 148.75167846679688, 'logits/chosen': -0.24658602476119995, 'logits/rejected': -0.21498368680477142, 'epoch': 0.41}
41%|████████████████████████████████████████████████████████████████████████████████████████████▊ | 281/681 [11:49<16:59, 2.55s/it] 41%|█████████████████████████████████████████████████████████████████████████████████████████████▏ | 282/681 [11:52<16:52, 2.54s/it] {'loss': 1.0432, 'grad_norm': 30.09254264831543, 'learning_rate': 3.660059364023408e-07, 'fcm_dpo/beta': 0.004283766262233257, 'fcm_dpo/q_t': 0.3909056484699249, 'fcm_dpo/delta': 0.09086461365222931, 'fcm_dpo/margin': 119.65745544433594, 'margin_dpo/margin_mean': 119.65745544433594, 'margin_dpo/margin_std': 165.5845947265625, 'logps/chosen': -284.437255859375, 'logps/rejected': -426.37554931640625, 'logps/ref_chosen': -73.07014465332031, 'logps/ref_rejected': -95.35098266601562, 'KL/chosen_KL_mean': -211.36709594726562, 'KL/rejected_KL_mean': -331.0245666503906, 'KL/mean': -271.1958312988281, 'KL/std': 149.73577880859375, 'logits/chosen': -0.3243488073348999, 'logits/rejected': -0.2936389446258545, 'epoch': 0.41}
41%|█████████████████████████████████████████████████████████████████████████████████████████████▏ | 282/681 [11:52<16:52, 2.54s/it] 42%|█████████████████████████████████████████████████████████████████████████████████████████████▌ | 283/681 [11:54<16:47, 2.53s/it] {'loss': 0.8956, 'grad_norm': 37.20414352416992, 'learning_rate': 3.6486760974483685e-07, 'fcm_dpo/beta': 0.00421607680618763, 'fcm_dpo/q_t': 0.3422727584838867, 'fcm_dpo/delta': -0.1259281188249588, 'fcm_dpo/margin': 170.07720947265625, 'margin_dpo/margin_mean': 170.0771942138672, 'margin_dpo/margin_std': 161.67559814453125, 'logps/chosen': -280.27093505859375, 'logps/rejected': -485.43621826171875, 'logps/ref_chosen': -61.89844512939453, 'logps/ref_rejected': -96.98655700683594, 'KL/chosen_KL_mean': -218.3724822998047, 'KL/rejected_KL_mean': -388.4496765136719, 'KL/mean': -303.41107177734375, 'KL/std': 176.44088745117188, 'logits/chosen': -0.2760939598083496, 'logits/rejected': -0.2752807140350342, 'epoch': 0.42}
42%|█████████████████████████████████████████████████████████████████████████████████████████████▌ | 283/681 [11:54<16:47, 2.53s/it] 42%|█████████████████████████████████████████████████████████████████████████████████████████████▊ | 284/681 [11:57<17:07, 2.59s/it] {'loss': 0.9167, 'grad_norm': 34.00525665283203, 'learning_rate': 3.6372625621898863e-07, 'fcm_dpo/beta': 0.004120776429772377, 'fcm_dpo/q_t': 0.354042112827301, 'fcm_dpo/delta': -0.06740535795688629, 'fcm_dpo/margin': 160.81692504882812, 'margin_dpo/margin_mean': 160.81690979003906, 'margin_dpo/margin_std': 155.95025634765625, 'logps/chosen': -264.163330078125, 'logps/rejected': -460.013916015625, 'logps/ref_chosen': -58.4355354309082, 'logps/ref_rejected': -93.46926879882812, 'KL/chosen_KL_mean': -205.727783203125, 'KL/rejected_KL_mean': -366.544677734375, 'KL/mean': -286.13623046875, 'KL/std': 164.99278259277344, 'logits/chosen': -0.30698153376579285, 'logits/rejected': -0.29135367274284363, 'epoch': 0.42}
42%|█████████████████████████████████████████████████████████████████████████████████████████████▊ | 284/681 [11:57<17:07, 2.59s/it] 42%|██████████████████████████████████████████████████████████████████████████████████████████████▏ | 285/681 [11:59<17:00, 2.58s/it] {'loss': 0.9642, 'grad_norm': 33.62853240966797, 'learning_rate': 3.625819059005228e-07, 'fcm_dpo/beta': 0.004147817380726337, 'fcm_dpo/q_t': 0.3656592071056366, 'fcm_dpo/delta': 0.004539430141448975, 'fcm_dpo/margin': 143.38699340820312, 'margin_dpo/margin_mean': 143.38699340820312, 'margin_dpo/margin_std': 145.22735595703125, 'logps/chosen': -292.16552734375, 'logps/rejected': -468.4471435546875, 'logps/ref_chosen': -66.23219299316406, 'logps/ref_rejected': -99.1268310546875, 'KL/chosen_KL_mean': -225.933349609375, 'KL/rejected_KL_mean': -369.3203430175781, 'KL/mean': -297.6268310546875, 'KL/std': 143.97120666503906, 'logits/chosen': -0.31773972511291504, 'logits/rejected': -0.29628488421440125, 'epoch': 0.42}
42%|██████████████████████████████████████████████████████████████████████████████████████████████▏ | 285/681 [11:59<17:00, 2.58s/it] 42%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 286/681 [12:02<16:47, 2.55s/it] {'loss': 0.9458, 'grad_norm': 33.56089401245117, 'learning_rate': 3.614345889441346e-07, 'fcm_dpo/beta': 0.004099573008716106, 'fcm_dpo/q_t': 0.35888007283210754, 'fcm_dpo/delta': -0.04428183659911156, 'fcm_dpo/margin': 156.46908569335938, 'margin_dpo/margin_mean': 156.46908569335938, 'margin_dpo/margin_std': 165.3804473876953, 'logps/chosen': -296.0242919921875, 'logps/rejected': -468.13079833984375, 'logps/ref_chosen': -72.95100402832031, 'logps/ref_rejected': -88.58845520019531, 'KL/chosen_KL_mean': -223.07327270507812, 'KL/rejected_KL_mean': -379.5423583984375, 'KL/mean': -301.30780029296875, 'KL/std': 160.04953002929688, 'logits/chosen': -0.33965709805488586, 'logits/rejected': -0.3160383403301239, 'epoch': 0.42}
42%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 286/681 [12:02<16:47, 2.55s/it] 42%|██████████████████████████████████████████████████████████████████████████████████████████████▊ | 287/681 [12:04<16:07, 2.46s/it] {'loss': 1.0022, 'grad_norm': 31.039735794067383, 'learning_rate': 3.6028433558269275e-07, 'fcm_dpo/beta': 0.004122943617403507, 'fcm_dpo/q_t': 0.37875235080718994, 'fcm_dpo/delta': 0.050321612507104874, 'fcm_dpo/margin': 133.9483642578125, 'margin_dpo/margin_mean': 133.9483642578125, 'margin_dpo/margin_std': 158.88485717773438, 'logps/chosen': -274.035888671875, 'logps/rejected': -424.13916015625, 'logps/ref_chosen': -61.54115295410156, 'logps/ref_rejected': -77.69607543945312, 'KL/chosen_KL_mean': -212.49472045898438, 'KL/rejected_KL_mean': -346.4430847167969, 'KL/mean': -279.4689025878906, 'KL/std': 141.6124267578125, 'logits/chosen': -0.27376627922058105, 'logits/rejected': -0.24279624223709106, 'epoch': 0.42}
42%|██████████████████████████████████████████████████████████████████████████████████████████████▊ | 287/681 [12:04<16:07, 2.46s/it] 42%|███████████████████████████████████████████████████████████████████████████████████████████████▏ | 288/681 [12:07<16:15, 2.48s/it] {'loss': 0.9207, 'grad_norm': 33.70338439941406, 'learning_rate': 3.5913117612644327e-07, 'fcm_dpo/beta': 0.004055471159517765, 'fcm_dpo/q_t': 0.35538947582244873, 'fcm_dpo/delta': -0.045400090515613556, 'fcm_dpo/margin': 157.82249450683594, 'margin_dpo/margin_mean': 157.82249450683594, 'margin_dpo/margin_std': 135.26321411132812, 'logps/chosen': -268.9776916503906, 'logps/rejected': -457.47467041015625, 'logps/ref_chosen': -56.661224365234375, 'logps/ref_rejected': -87.33570098876953, 'KL/chosen_KL_mean': -212.31646728515625, 'KL/rejected_KL_mean': -370.1389465332031, 'KL/mean': -291.22772216796875, 'KL/std': 140.23904418945312, 'logits/chosen': -0.2510570287704468, 'logits/rejected': -0.22578854858875275, 'epoch': 0.42}
42%|███████████████████████████████████████████████████████████████████████████████████████████████▏ | 288/681 [12:07<16:15, 2.48s/it] 42%|███████████████████████████████████████████████████████████████████████████████████████████████▍ | 289/681 [12:09<16:15, 2.49s/it] {'loss': 0.895, 'grad_norm': 35.93254470825195, 'learning_rate': 3.5797514096221024e-07, 'fcm_dpo/beta': 0.004019693471491337, 'fcm_dpo/q_t': 0.34370124340057373, 'fcm_dpo/delta': -0.13327071070671082, 'fcm_dpo/margin': 180.06893920898438, 'margin_dpo/margin_mean': 180.06893920898438, 'margin_dpo/margin_std': 175.3511199951172, 'logps/chosen': -247.9376220703125, 'logps/rejected': -470.4188232421875, 'logps/ref_chosen': -45.23039245605469, 'logps/ref_rejected': -87.64266967773438, 'KL/chosen_KL_mean': -202.70721435546875, 'KL/rejected_KL_mean': -382.77618408203125, 'KL/mean': -292.74169921875, 'KL/std': 160.28533935546875, 'logits/chosen': -0.22897642850875854, 'logits/rejected': -0.22270119190216064, 'epoch': 0.42}
42%|███████████████████████████████████████████████████████████████████████████████████████████████▍ | 289/681 [12:09<16:15, 2.49s/it] 43%|███████████████████████████████████████████████████████████████████████████████████████████████▊ | 290/681 [12:12<16:29, 2.53s/it] {'loss': 0.9275, 'grad_norm': 30.228456497192383, 'learning_rate': 3.568162605525952e-07, 'fcm_dpo/beta': 0.0039045047014951706, 'fcm_dpo/q_t': 0.3510878384113312, 'fcm_dpo/delta': -0.11048676073551178, 'fcm_dpo/margin': 179.86923217773438, 'margin_dpo/margin_mean': 179.8692169189453, 'margin_dpo/margin_std': 199.00949096679688, 'logps/chosen': -277.3110046386719, 'logps/rejected': -518.4172973632812, 'logps/ref_chosen': -55.47149658203125, 'logps/ref_rejected': -116.70857238769531, 'KL/chosen_KL_mean': -221.83950805664062, 'KL/rejected_KL_mean': -401.7087097167969, 'KL/mean': -311.77410888671875, 'KL/std': 171.25790405273438, 'logits/chosen': -0.23565331101417542, 'logits/rejected': -0.2550272047519684, 'epoch': 0.43}
43%|███████████████████████████████████████████████████████████████████████████████████████████████▊ | 290/681 [12:12<16:29, 2.53s/it] 43%|████████████████████████████████████████████████████████████████████████████████████████████████▏ | 291/681 [12:14<16:29, 2.54s/it] {'loss': 0.9366, 'grad_norm': 35.74508285522461, 'learning_rate': 3.5565456543517485e-07, 'fcm_dpo/beta': 0.0038851494900882244, 'fcm_dpo/q_t': 0.3551742136478424, 'fcm_dpo/delta': -0.05720999464392662, 'fcm_dpo/margin': 168.0792236328125, 'margin_dpo/margin_mean': 168.0792236328125, 'margin_dpo/margin_std': 169.25894165039062, 'logps/chosen': -256.9078369140625, 'logps/rejected': -451.0237731933594, 'logps/ref_chosen': -63.26036834716797, 'logps/ref_rejected': -89.29708862304688, 'KL/chosen_KL_mean': -193.6474609375, 'KL/rejected_KL_mean': -361.7266845703125, 'KL/mean': -277.68707275390625, 'KL/std': 148.0182342529297, 'logits/chosen': -0.2522128224372864, 'logits/rejected': -0.23240351676940918, 'epoch': 0.43}
43%|████████████████████████████████████████████████████████████████████████████████████████████████▏ | 291/681 [12:14<16:29, 2.54s/it] 43%|████████████████████████████████████████████████████████████████████████████████████████████████▍ | 292/681 [12:17<16:08, 2.49s/it] {'loss': 0.9602, 'grad_norm': 32.436161041259766, 'learning_rate': 3.5449008622169583e-07, 'fcm_dpo/beta': 0.0038274754770100117, 'fcm_dpo/q_t': 0.3559858202934265, 'fcm_dpo/delta': -0.07006621360778809, 'fcm_dpo/margin': 173.81346130371094, 'margin_dpo/margin_mean': 173.81346130371094, 'margin_dpo/margin_std': 203.7884521484375, 'logps/chosen': -275.648681640625, 'logps/rejected': -485.5050048828125, 'logps/ref_chosen': -53.91852951049805, 'logps/ref_rejected': -89.96138000488281, 'KL/chosen_KL_mean': -221.73016357421875, 'KL/rejected_KL_mean': -395.54364013671875, 'KL/mean': -308.63690185546875, 'KL/std': 176.73696899414062, 'logits/chosen': -0.2682231068611145, 'logits/rejected': -0.2508416175842285, 'epoch': 0.43}
43%|████████████████████████████████████████████████████████████████████████████████████████████████▍ | 292/681 [12:17<16:08, 2.49s/it] 43%|████████████████████████████████████████████████████████████████████████████████████████████████▊ | 293/681 [12:19<16:21, 2.53s/it] {'loss': 1.06, 'grad_norm': 56.570411682128906, 'learning_rate': 3.5332285359726846e-07, 'fcm_dpo/beta': 0.003851910587400198, 'fcm_dpo/q_t': 0.3895997405052185, 'fcm_dpo/delta': 0.07950392365455627, 'fcm_dpo/margin': 136.1015625, 'margin_dpo/margin_mean': 136.1015625, 'margin_dpo/margin_std': 200.80953979492188, 'logps/chosen': -284.3146057128906, 'logps/rejected': -437.892578125, 'logps/ref_chosen': -60.376033782958984, 'logps/ref_rejected': -77.85244750976562, 'KL/chosen_KL_mean': -223.93856811523438, 'KL/rejected_KL_mean': -360.0401611328125, 'KL/mean': -291.9893798828125, 'KL/std': 172.38546752929688, 'logits/chosen': -0.252549946308136, 'logits/rejected': -0.2343285083770752, 'epoch': 0.43}
43%|████████████████████████████████████████████████████████████████████████████████████████████████▊ | 293/681 [12:19<16:21, 2.53s/it] 43%|█████████████████████████████████████████████████████████████████████████████████████████████████▏ | 294/681 [12:22<16:05, 2.50s/it] {'loss': 0.9956, 'grad_norm': 28.52789306640625, 'learning_rate': 3.5215289831955786e-07, 'fcm_dpo/beta': 0.0038465007673949003, 'fcm_dpo/q_t': 0.3744083046913147, 'fcm_dpo/delta': 0.00786316767334938, 'fcm_dpo/margin': 154.00424194335938, 'margin_dpo/margin_mean': 154.00424194335938, 'margin_dpo/margin_std': 191.2259521484375, 'logps/chosen': -257.37359619140625, 'logps/rejected': -445.18731689453125, 'logps/ref_chosen': -48.0875358581543, 'logps/ref_rejected': -81.89698791503906, 'KL/chosen_KL_mean': -209.2860565185547, 'KL/rejected_KL_mean': -363.29034423828125, 'KL/mean': -286.2882080078125, 'KL/std': 161.61154174804688, 'logits/chosen': -0.2322460114955902, 'logits/rejected': -0.2340223789215088, 'epoch': 0.43}
43%|█████████████████████████████████████████████████████████████████████████████████████████████████▏ | 294/681 [12:22<16:05, 2.50s/it] 43%|█████████████████████████████████████████████████████████████████████████████████████████████████▍ | 295/681 [12:24<15:52, 2.47s/it] {'loss': 0.9876, 'grad_norm': 39.77217102050781, 'learning_rate': 3.509802512179737e-07, 'fcm_dpo/beta': 0.0038494551554322243, 'fcm_dpo/q_t': 0.3673200011253357, 'fcm_dpo/delta': -0.021829120814800262, 'fcm_dpo/margin': 161.1851043701172, 'margin_dpo/margin_mean': 161.1851043701172, 'margin_dpo/margin_std': 198.60641479492188, 'logps/chosen': -308.8072509765625, 'logps/rejected': -507.5240173339844, 'logps/ref_chosen': -49.92467498779297, 'logps/ref_rejected': -87.45632934570312, 'KL/chosen_KL_mean': -258.8825988769531, 'KL/rejected_KL_mean': -420.06768798828125, 'KL/mean': -339.47515869140625, 'KL/std': 173.15040588378906, 'logits/chosen': -0.23391102254390717, 'logits/rejected': -0.23292535543441772, 'epoch': 0.43}
43%|█████████████████████████████████████████████████████████████████████████████████████████████████▍ | 295/681 [12:24<15:52, 2.47s/it] 43%|█████████████████████████████████████████████████████████████████████████████████████████████████▊ | 296/681 [12:27<15:45, 2.46s/it] {'loss': 1.1433, 'grad_norm': 50.97820281982422, 'learning_rate': 3.498049431928577e-07, 'fcm_dpo/beta': 0.0038994797505438328, 'fcm_dpo/q_t': 0.4025155305862427, 'fcm_dpo/delta': 0.14787380397319794, 'fcm_dpo/margin': 117.64984893798828, 'margin_dpo/margin_mean': 117.64985656738281, 'margin_dpo/margin_std': 216.04696655273438, 'logps/chosen': -378.79229736328125, 'logps/rejected': -524.0399780273438, 'logps/ref_chosen': -65.49124145507812, 'logps/ref_rejected': -93.08908081054688, 'KL/chosen_KL_mean': -313.30108642578125, 'KL/rejected_KL_mean': -430.9508972167969, 'KL/mean': -372.1259765625, 'KL/std': 170.87611389160156, 'logits/chosen': -0.24989140033721924, 'logits/rejected': -0.22922003269195557, 'epoch': 0.43}
43%|█████████████████████████████████████████████████████████████████████████████████████████████████▊ | 296/681 [12:27<15:45, 2.46s/it] 44%|██████████████████████████████████████████████████████████████████████████████████████████████████▏ | 297/681 [12:29<15:52, 2.48s/it] {'loss': 1.0296, 'grad_norm': 54.83102035522461, 'learning_rate': 3.486270052146694e-07, 'fcm_dpo/beta': 0.003996062092483044, 'fcm_dpo/q_t': 0.3847334086894989, 'fcm_dpo/delta': 0.0757208988070488, 'fcm_dpo/margin': 132.21539306640625, 'margin_dpo/margin_mean': 132.21539306640625, 'margin_dpo/margin_std': 169.85586547851562, 'logps/chosen': -339.60595703125, 'logps/rejected': -510.48291015625, 'logps/ref_chosen': -56.476951599121094, 'logps/ref_rejected': -95.1385498046875, 'KL/chosen_KL_mean': -283.12896728515625, 'KL/rejected_KL_mean': -415.3443603515625, 'KL/mean': -349.2366943359375, 'KL/std': 166.49322509765625, 'logits/chosen': -0.26566392183303833, 'logits/rejected': -0.26453983783721924, 'epoch': 0.44}
44%|██████████████████████████████████████████████████████████████████████████████████████████████████▏ | 297/681 [12:29<15:52, 2.48s/it] 44%|██████████████████████████████████████████████████████████████████████████████████████████████████▍ | 298/681 [12:32<16:03, 2.52s/it] {'loss': 0.9668, 'grad_norm': 42.96636199951172, 'learning_rate': 3.474464683231698e-07, 'fcm_dpo/beta': 0.003973445855081081, 'fcm_dpo/q_t': 0.3568301498889923, 'fcm_dpo/delta': -0.11797946691513062, 'fcm_dpo/margin': 178.59158325195312, 'margin_dpo/margin_mean': 178.59158325195312, 'margin_dpo/margin_std': 231.4388427734375, 'logps/chosen': -348.71392822265625, 'logps/rejected': -576.6425170898438, 'logps/ref_chosen': -67.32516479492188, 'logps/ref_rejected': -116.66217041015625, 'KL/chosen_KL_mean': -281.3887634277344, 'KL/rejected_KL_mean': -459.9803466796875, 'KL/mean': -370.6845703125, 'KL/std': 206.78038024902344, 'logits/chosen': -0.28307509422302246, 'logits/rejected': -0.29904448986053467, 'epoch': 0.44}
44%|██████████████████████████████████████████████████████████████████████████████████████████████████▍ | 298/681 [12:32<16:03, 2.52s/it] 44%|██████████████████████████████████████████████████████████████████████████████████████████████████▊ | 299/681 [12:34<16:03, 2.52s/it] {'loss': 0.9887, 'grad_norm': 46.92436599731445, 'learning_rate': 3.462633636266041e-07, 'fcm_dpo/beta': 0.003940481226891279, 'fcm_dpo/q_t': 0.36903831362724304, 'fcm_dpo/delta': -0.026556983590126038, 'fcm_dpo/margin': 158.36965942382812, 'margin_dpo/margin_mean': 158.36965942382812, 'margin_dpo/margin_std': 197.46868896484375, 'logps/chosen': -287.42596435546875, 'logps/rejected': -481.1617736816406, 'logps/ref_chosen': -48.96209716796875, 'logps/ref_rejected': -84.32823944091797, 'KL/chosen_KL_mean': -238.4638671875, 'KL/rejected_KL_mean': -396.83355712890625, 'KL/mean': -317.648681640625, 'KL/std': 160.91534423828125, 'logits/chosen': -0.2980954051017761, 'logits/rejected': -0.29550328850746155, 'epoch': 0.44}
44%|██████████████████████████████████████████████████████████████████████████████████████████████████▊ | 299/681 [12:34<16:03, 2.52s/it] 44%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 300/681 [12:37<16:11, 2.55s/it] {'loss': 0.9796, 'grad_norm': 68.64498901367188, 'learning_rate': 3.4507772230088147e-07, 'fcm_dpo/beta': 0.003873254172503948, 'fcm_dpo/q_t': 0.35567396879196167, 'fcm_dpo/delta': -0.08483842015266418, 'fcm_dpo/margin': 175.32608032226562, 'margin_dpo/margin_mean': 175.32608032226562, 'margin_dpo/margin_std': 219.65176391601562, 'logps/chosen': -348.93817138671875, 'logps/rejected': -561.1570434570312, 'logps/ref_chosen': -59.07371139526367, 'logps/ref_rejected': -95.9664535522461, 'KL/chosen_KL_mean': -289.8644714355469, 'KL/rejected_KL_mean': -465.1905822753906, 'KL/mean': -377.52752685546875, 'KL/std': 186.0885772705078, 'logits/chosen': -0.33588019013404846, 'logits/rejected': -0.3351149260997772, 'epoch': 0.44}
44%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 300/681 [12:37<16:11, 2.55s/it] 44%|███████████████████████████████████████████████████████████████████████████████████████████████████▍ | 301/681 [12:39<15:35, 2.46s/it] {'loss': 0.9283, 'grad_norm': 34.75926208496094, 'learning_rate': 3.4388957558875316e-07, 'fcm_dpo/beta': 0.003773224074393511, 'fcm_dpo/q_t': 0.35407012701034546, 'fcm_dpo/delta': -0.09107614308595657, 'fcm_dpo/margin': 181.31588745117188, 'margin_dpo/margin_mean': 181.31588745117188, 'margin_dpo/margin_std': 196.02264404296875, 'logps/chosen': -289.8036804199219, 'logps/rejected': -506.2237548828125, 'logps/ref_chosen': -57.249366760253906, 'logps/ref_rejected': -92.35354614257812, 'KL/chosen_KL_mean': -232.5543212890625, 'KL/rejected_KL_mean': -413.87017822265625, 'KL/mean': -323.2122802734375, 'KL/std': 169.872314453125, 'logits/chosen': -0.36688753962516785, 'logits/rejected': -0.35920974612236023, 'epoch': 0.44}
44%|███████████████████████████████████████████████████████████████████████████████████████████████████▍ | 301/681 [12:39<15:35, 2.46s/it] 44%|███████████████████████████████████████████████████████████████████████████████████████████████████▊ | 302/681 [12:42<16:06, 2.55s/it] {'loss': 1.0113, 'grad_norm': 42.13399124145508, 'learning_rate': 3.426989547989902e-07, 'fcm_dpo/beta': 0.003789176233112812, 'fcm_dpo/q_t': 0.3816894292831421, 'fcm_dpo/delta': 0.05980518087744713, 'fcm_dpo/margin': 143.39251708984375, 'margin_dpo/margin_mean': 143.39251708984375, 'margin_dpo/margin_std': 174.07632446289062, 'logps/chosen': -257.0566711425781, 'logps/rejected': -446.4775390625, 'logps/ref_chosen': -51.197994232177734, 'logps/ref_rejected': -97.22636413574219, 'KL/chosen_KL_mean': -205.85867309570312, 'KL/rejected_KL_mean': -349.2511901855469, 'KL/mean': -277.554931640625, 'KL/std': 149.74615478515625, 'logits/chosen': -0.33960092067718506, 'logits/rejected': -0.34297773241996765, 'epoch': 0.44}
44%|███████████████████████████████████████████████████████████████████████████████████████████████████▊ | 302/681 [12:42<16:06, 2.55s/it] 44%|████████████████████████████████████████████████████████████████████████████████████████████████████ | 303/681 [12:45<16:35, 2.63s/it] {'loss': 1.024, 'grad_norm': 28.319339752197266, 'learning_rate': 3.4150589130555773e-07, 'fcm_dpo/beta': 0.003840233199298382, 'fcm_dpo/q_t': 0.38291749358177185, 'fcm_dpo/delta': 0.05843983590602875, 'fcm_dpo/margin': 141.8554229736328, 'margin_dpo/margin_mean': 141.8554229736328, 'margin_dpo/margin_std': 182.29901123046875, 'logps/chosen': -270.4065856933594, 'logps/rejected': -432.49346923828125, 'logps/ref_chosen': -66.71394348144531, 'logps/ref_rejected': -86.94542694091797, 'KL/chosen_KL_mean': -203.69264221191406, 'KL/rejected_KL_mean': -345.54803466796875, 'KL/mean': -274.620361328125, 'KL/std': 154.19125366210938, 'logits/chosen': -0.3495972156524658, 'logits/rejected': -0.32658839225769043, 'epoch': 0.44}
44%|████████████████████████████████████████████████████████████████████████████████████████████████████ | 303/681 [12:45<16:35, 2.63s/it] 45%|████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 304/681 [12:47<16:44, 2.66s/it] {'loss': 0.9386, 'grad_norm': 38.128318786621094, 'learning_rate': 3.403104165467883e-07, 'fcm_dpo/beta': 0.0038858032785356045, 'fcm_dpo/q_t': 0.3638036251068115, 'fcm_dpo/delta': 0.007453545928001404, 'fcm_dpo/margin': 152.46266174316406, 'margin_dpo/margin_mean': 152.46266174316406, 'margin_dpo/margin_std': 127.14396667480469, 'logps/chosen': -255.78250122070312, 'logps/rejected': -426.7665100097656, 'logps/ref_chosen': -71.95069885253906, 'logps/ref_rejected': -90.47203063964844, 'KL/chosen_KL_mean': -183.831787109375, 'KL/rejected_KL_mean': -336.29449462890625, 'KL/mean': -260.0631408691406, 'KL/std': 149.16224670410156, 'logits/chosen': -0.35835734009742737, 'logits/rejected': -0.3397323191165924, 'epoch': 0.45}
45%|████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 304/681 [12:48<16:44, 2.66s/it] 45%|████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 305/681 [12:50<16:39, 2.66s/it] {'loss': 1.0194, 'grad_norm': 33.18399429321289, 'learning_rate': 3.391125620245535e-07, 'fcm_dpo/beta': 0.0038762034382671118, 'fcm_dpo/q_t': 0.38321030139923096, 'fcm_dpo/delta': 0.057699479162693024, 'fcm_dpo/margin': 140.60446166992188, 'margin_dpo/margin_mean': 140.60446166992188, 'margin_dpo/margin_std': 178.82345581054688, 'logps/chosen': -263.38983154296875, 'logps/rejected': -429.95367431640625, 'logps/ref_chosen': -66.79523468017578, 'logps/ref_rejected': -92.75459289550781, 'KL/chosen_KL_mean': -196.5946044921875, 'KL/rejected_KL_mean': -337.1990661621094, 'KL/mean': -266.8968505859375, 'KL/std': 168.6895294189453, 'logits/chosen': -0.4135547876358032, 'logits/rejected': -0.39013415575027466, 'epoch': 0.45}
45%|████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 305/681 [12:50<16:39, 2.66s/it] 45%|█████████████████████████████████████████████████████████████████████████████████████████████████████ | 306/681 [12:53<16:34, 2.65s/it] {'loss': 0.9885, 'grad_norm': 36.105377197265625, 'learning_rate': 3.3791235930343417e-07, 'fcm_dpo/beta': 0.003947091288864613, 'fcm_dpo/q_t': 0.3768806457519531, 'fcm_dpo/delta': 0.04913228377699852, 'fcm_dpo/margin': 140.22119140625, 'margin_dpo/margin_mean': 140.22119140625, 'margin_dpo/margin_std': 153.94952392578125, 'logps/chosen': -260.85955810546875, 'logps/rejected': -416.55609130859375, 'logps/ref_chosen': -69.68389892578125, 'logps/ref_rejected': -85.15919494628906, 'KL/chosen_KL_mean': -191.17567443847656, 'KL/rejected_KL_mean': -331.3968811035156, 'KL/mean': -261.2862548828125, 'KL/std': 145.12747192382812, 'logits/chosen': -0.3358730971813202, 'logits/rejected': -0.3046911358833313, 'epoch': 0.45}
45%|█████████████████████████████████████████████████████████████████████████████████████████████████████ | 306/681 [12:53<16:34, 2.65s/it] 45%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 307/681 [12:56<16:45, 2.69s/it] {'loss': 1.0056, 'grad_norm': 32.03385543823242, 'learning_rate': 3.367098400098881e-07, 'fcm_dpo/beta': 0.003968643955886364, 'fcm_dpo/q_t': 0.3784691095352173, 'fcm_dpo/delta': 0.05507875978946686, 'fcm_dpo/margin': 138.04812622070312, 'margin_dpo/margin_mean': 138.04812622070312, 'margin_dpo/margin_std': 162.10498046875, 'logps/chosen': -258.45269775390625, 'logps/rejected': -413.3077392578125, 'logps/ref_chosen': -70.16542053222656, 'logps/ref_rejected': -86.97230529785156, 'KL/chosen_KL_mean': -188.28726196289062, 'KL/rejected_KL_mean': -326.3354187011719, 'KL/mean': -257.31134033203125, 'KL/std': 135.5795440673828, 'logits/chosen': -0.32129788398742676, 'logits/rejected': -0.2991190254688263, 'epoch': 0.45}
45%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 307/681 [12:56<16:45, 2.69s/it] 45%|█████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 308/681 [12:58<16:24, 2.64s/it] {'loss': 0.925, 'grad_norm': 35.78176498413086, 'learning_rate': 3.355050358314172e-07, 'fcm_dpo/beta': 0.003971360623836517, 'fcm_dpo/q_t': 0.3555334508419037, 'fcm_dpo/delta': -0.045369479805231094, 'fcm_dpo/margin': 161.77755737304688, 'margin_dpo/margin_mean': 161.77755737304688, 'margin_dpo/margin_std': 149.737060546875, 'logps/chosen': -247.09271240234375, 'logps/rejected': -432.99749755859375, 'logps/ref_chosen': -55.2449951171875, 'logps/ref_rejected': -79.37226104736328, 'KL/chosen_KL_mean': -191.8477020263672, 'KL/rejected_KL_mean': -353.625244140625, 'KL/mean': -272.7364807128906, 'KL/std': 156.09765625, 'logits/chosen': -0.2915213704109192, 'logits/rejected': -0.27434253692626953, 'epoch': 0.45}
45%|█████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 308/681 [12:58<16:24, 2.64s/it] 45%|██████████████████████████████████████████████████████████████████████████████████████████████████████ | 309/681 [13:01<16:24, 2.65s/it] {'loss': 0.9609, 'grad_norm': 42.15934371948242, 'learning_rate': 3.3429797851573183e-07, 'fcm_dpo/beta': 0.003971335478127003, 'fcm_dpo/q_t': 0.36207816004753113, 'fcm_dpo/delta': -0.027225781232118607, 'fcm_dpo/margin': 157.3013916015625, 'margin_dpo/margin_mean': 157.3013916015625, 'margin_dpo/margin_std': 168.75686645507812, 'logps/chosen': -245.0928497314453, 'logps/rejected': -435.77587890625, 'logps/ref_chosen': -48.959083557128906, 'logps/ref_rejected': -82.34072875976562, 'KL/chosen_KL_mean': -196.13375854492188, 'KL/rejected_KL_mean': -353.4351501464844, 'KL/mean': -274.7844543457031, 'KL/std': 161.90078735351562, 'logits/chosen': -0.24967613816261292, 'logits/rejected': -0.23184144496917725, 'epoch': 0.45}
45%|██████████████████████████████████████████████████████████████████████████████████████████████████████ | 309/681 [13:01<16:24, 2.65s/it] 46%|██████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 310/681 [13:03<16:17, 2.64s/it] {'loss': 0.9709, 'grad_norm': 30.770174026489258, 'learning_rate': 3.3308869986991487e-07, 'fcm_dpo/beta': 0.003982918336987495, 'fcm_dpo/q_t': 0.37264642119407654, 'fcm_dpo/delta': 0.041870638728141785, 'fcm_dpo/margin': 140.52569580078125, 'margin_dpo/margin_mean': 140.5256805419922, 'margin_dpo/margin_std': 134.17430114746094, 'logps/chosen': -289.5614929199219, 'logps/rejected': -447.27569580078125, 'logps/ref_chosen': -62.74177932739258, 'logps/ref_rejected': -79.9302978515625, 'KL/chosen_KL_mean': -226.8197021484375, 'KL/rejected_KL_mean': -367.34539794921875, 'KL/mean': -297.0825500488281, 'KL/std': 135.09078979492188, 'logits/chosen': -0.2896626591682434, 'logits/rejected': -0.269090861082077, 'epoch': 0.46}
46%|██████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 310/681 [13:03<16:17, 2.64s/it] 46%|██████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 311/681 [13:06<15:50, 2.57s/it] {'loss': 0.9463, 'grad_norm': 30.53249168395996, 'learning_rate': 3.3187723175958346e-07, 'fcm_dpo/beta': 0.003919628448784351, 'fcm_dpo/q_t': 0.35694873332977295, 'fcm_dpo/delta': -0.08050680160522461, 'fcm_dpo/margin': 172.20819091796875, 'margin_dpo/margin_mean': 172.20819091796875, 'margin_dpo/margin_std': 196.930908203125, 'logps/chosen': -290.57891845703125, 'logps/rejected': -487.19732666015625, 'logps/ref_chosen': -53.02798080444336, 'logps/ref_rejected': -77.43820190429688, 'KL/chosen_KL_mean': -237.55093383789062, 'KL/rejected_KL_mean': -409.75909423828125, 'KL/mean': -323.655029296875, 'KL/std': 188.87551879882812, 'logits/chosen': -0.2591084837913513, 'logits/rejected': -0.23077183961868286, 'epoch': 0.46}
46%|██████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 311/681 [13:06<15:50, 2.57s/it] 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████ | 312/681 [13:08<15:14, 2.48s/it] {'loss': 0.9595, 'grad_norm': 28.854969024658203, 'learning_rate': 3.306636061080487e-07, 'fcm_dpo/beta': 0.0039051049388945103, 'fcm_dpo/q_t': 0.3627866506576538, 'fcm_dpo/delta': -0.03364739567041397, 'fcm_dpo/margin': 161.65122985839844, 'margin_dpo/margin_mean': 161.65122985839844, 'margin_dpo/margin_std': 180.9955291748047, 'logps/chosen': -274.7677001953125, 'logps/rejected': -462.81951904296875, 'logps/ref_chosen': -49.39221954345703, 'logps/ref_rejected': -75.79280853271484, 'KL/chosen_KL_mean': -225.37548828125, 'KL/rejected_KL_mean': -387.0267333984375, 'KL/mean': -306.20111083984375, 'KL/std': 156.8494873046875, 'logits/chosen': -0.21233907341957092, 'logits/rejected': -0.1948060244321823, 'epoch': 0.46}
46%|███████████████████████████████████████████████████████████████████████████████████████████████████████ | 312/681 [13:08<15:14, 2.48s/it] 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 313/681 [13:10<14:55, 2.43s/it] {'loss': 1.0032, 'grad_norm': 31.07817840576172, 'learning_rate': 3.2944785489547537e-07, 'fcm_dpo/beta': 0.003926842473447323, 'fcm_dpo/q_t': 0.37196066975593567, 'fcm_dpo/delta': 0.012592583894729614, 'fcm_dpo/margin': 149.25611877441406, 'margin_dpo/margin_mean': 149.25611877441406, 'margin_dpo/margin_std': 180.0426025390625, 'logps/chosen': -267.72406005859375, 'logps/rejected': -453.233642578125, 'logps/ref_chosen': -50.152740478515625, 'logps/ref_rejected': -86.40620422363281, 'KL/chosen_KL_mean': -217.57130432128906, 'KL/rejected_KL_mean': -366.8274230957031, 'KL/mean': -292.1993713378906, 'KL/std': 167.15887451171875, 'logits/chosen': -0.2286556363105774, 'logits/rejected': -0.21922114491462708, 'epoch': 0.46}
46%|███████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 313/681 [13:10<14:55, 2.43s/it] 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 314/681 [13:13<15:13, 2.49s/it] {'loss': 1.0292, 'grad_norm': 28.8031063079834, 'learning_rate': 3.2823001015803857e-07, 'fcm_dpo/beta': 0.0038912883028388023, 'fcm_dpo/q_t': 0.3799631595611572, 'fcm_dpo/delta': 0.037969741970300674, 'fcm_dpo/margin': 144.88632202148438, 'margin_dpo/margin_mean': 144.88632202148438, 'margin_dpo/margin_std': 196.08563232421875, 'logps/chosen': -288.4906005859375, 'logps/rejected': -473.7358703613281, 'logps/ref_chosen': -57.237579345703125, 'logps/ref_rejected': -97.5965347290039, 'KL/chosen_KL_mean': -231.25299072265625, 'KL/rejected_KL_mean': -376.13934326171875, 'KL/mean': -303.6961669921875, 'KL/std': 162.85194396972656, 'logits/chosen': -0.2824794054031372, 'logits/rejected': -0.2783099412918091, 'epoch': 0.46}
46%|███████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 314/681 [13:13<15:13, 2.49s/it] 46%|████████████████████████████████████████████████████████████████████████████████████████████████████████ | 315/681 [13:16<15:23, 2.52s/it] {'loss': 1.0149, 'grad_norm': 31.880666732788086, 'learning_rate': 3.270101039870797e-07, 'fcm_dpo/beta': 0.003959797788411379, 'fcm_dpo/q_t': 0.3835921585559845, 'fcm_dpo/delta': 0.07279416173696518, 'fcm_dpo/margin': 134.12594604492188, 'margin_dpo/margin_mean': 134.12594604492188, 'margin_dpo/margin_std': 161.80035400390625, 'logps/chosen': -263.6900329589844, 'logps/rejected': -434.42724609375, 'logps/ref_chosen': -49.06958770751953, 'logps/ref_rejected': -85.68087768554688, 'KL/chosen_KL_mean': -214.62045288085938, 'KL/rejected_KL_mean': -348.7463684082031, 'KL/mean': -281.68341064453125, 'KL/std': 144.15219116210938, 'logits/chosen': -0.21176955103874207, 'logits/rejected': -0.2100306749343872, 'epoch': 0.46}
46%|████████████████████████████████████████████████████████████████████████████████████████████████████████ | 315/681 [13:16<15:23, 2.52s/it] 46%|████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 316/681 [13:18<15:23, 2.53s/it] {'loss': 0.9142, 'grad_norm': 28.535741806030273, 'learning_rate': 3.2578816852826086e-07, 'fcm_dpo/beta': 0.003884736681357026, 'fcm_dpo/q_t': 0.3494938015937805, 'fcm_dpo/delta': -0.10999269783496857, 'fcm_dpo/margin': 180.32540893554688, 'margin_dpo/margin_mean': 180.32537841796875, 'margin_dpo/margin_std': 184.67803955078125, 'logps/chosen': -263.3209228515625, 'logps/rejected': -490.66705322265625, 'logps/ref_chosen': -54.26074981689453, 'logps/ref_rejected': -101.2814712524414, 'KL/chosen_KL_mean': -209.0601806640625, 'KL/rejected_KL_mean': -389.3855895996094, 'KL/mean': -299.2228698730469, 'KL/std': 170.9292755126953, 'logits/chosen': -0.26677030324935913, 'logits/rejected': -0.26802217960357666, 'epoch': 0.46}
46%|████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 316/681 [13:18<15:23, 2.53s/it] 47%|████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 317/681 [13:21<15:24, 2.54s/it] {'loss': 0.8564, 'grad_norm': 34.809513092041016, 'learning_rate': 3.2456423598071783e-07, 'fcm_dpo/beta': 0.003802879247814417, 'fcm_dpo/q_t': 0.33107978105545044, 'fcm_dpo/delta': -0.18046119809150696, 'fcm_dpo/margin': 201.68270874023438, 'margin_dpo/margin_mean': 201.68270874023438, 'margin_dpo/margin_std': 172.046630859375, 'logps/chosen': -267.96771240234375, 'logps/rejected': -514.2552490234375, 'logps/ref_chosen': -56.094207763671875, 'logps/ref_rejected': -100.69905090332031, 'KL/chosen_KL_mean': -211.87350463867188, 'KL/rejected_KL_mean': -413.55621337890625, 'KL/mean': -312.7148742675781, 'KL/std': 158.79638671875, 'logits/chosen': -0.2909989356994629, 'logits/rejected': -0.2732127904891968, 'epoch': 0.47}
47%|████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 317/681 [13:21<15:24, 2.54s/it] 47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████ | 318/681 [13:23<15:06, 2.50s/it] {'loss': 0.9384, 'grad_norm': 42.407188415527344, 'learning_rate': 3.233383385962115e-07, 'fcm_dpo/beta': 0.0037494138814508915, 'fcm_dpo/q_t': 0.3590587377548218, 'fcm_dpo/delta': -0.03965116664767265, 'fcm_dpo/margin': 169.85116577148438, 'margin_dpo/margin_mean': 169.85116577148438, 'margin_dpo/margin_std': 169.72088623046875, 'logps/chosen': -287.11309814453125, 'logps/rejected': -475.0827941894531, 'logps/ref_chosen': -64.64569854736328, 'logps/ref_rejected': -82.76425170898438, 'KL/chosen_KL_mean': -222.46737670898438, 'KL/rejected_KL_mean': -392.31854248046875, 'KL/mean': -307.3929443359375, 'KL/std': 165.178466796875, 'logits/chosen': -0.33724579215049744, 'logits/rejected': -0.29957932233810425, 'epoch': 0.47}
47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████ | 318/681 [13:23<15:06, 2.50s/it] 47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 319/681 [13:26<15:19, 2.54s/it] {'loss': 0.9315, 'grad_norm': 32.69434356689453, 'learning_rate': 3.2211050867827805e-07, 'fcm_dpo/beta': 0.0036879051476716995, 'fcm_dpo/q_t': 0.35390669107437134, 'fcm_dpo/delta': -0.06540600210428238, 'fcm_dpo/margin': 179.2588653564453, 'margin_dpo/margin_mean': 179.2588653564453, 'margin_dpo/margin_std': 184.39210510253906, 'logps/chosen': -260.3841552734375, 'logps/rejected': -504.165771484375, 'logps/ref_chosen': -49.383758544921875, 'logps/ref_rejected': -113.90650939941406, 'KL/chosen_KL_mean': -211.00039672851562, 'KL/rejected_KL_mean': -390.25927734375, 'KL/mean': -300.62982177734375, 'KL/std': 175.908447265625, 'logits/chosen': -0.3109878599643707, 'logits/rejected': -0.32243919372558594, 'epoch': 0.47}
47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 319/681 [13:26<15:19, 2.54s/it] 47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 320/681 [13:28<15:25, 2.56s/it] {'loss': 0.885, 'grad_norm': 39.133209228515625, 'learning_rate': 3.208807785813777e-07, 'fcm_dpo/beta': 0.00358652719296515, 'fcm_dpo/q_t': 0.34120750427246094, 'fcm_dpo/delta': -0.14159169793128967, 'fcm_dpo/margin': 203.7012481689453, 'margin_dpo/margin_mean': 203.7012481689453, 'margin_dpo/margin_std': 195.3154754638672, 'logps/chosen': -277.5270080566406, 'logps/rejected': -519.3905639648438, 'logps/ref_chosen': -59.50489044189453, 'logps/ref_rejected': -97.66717529296875, 'KL/chosen_KL_mean': -218.02212524414062, 'KL/rejected_KL_mean': -421.723388671875, 'KL/mean': -319.87274169921875, 'KL/std': 188.8252716064453, 'logits/chosen': -0.3372478485107422, 'logits/rejected': -0.3382689356803894, 'epoch': 0.47}
47%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 320/681 [13:28<15:25, 2.56s/it] 47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████ | 321/681 [13:31<15:11, 2.53s/it] {'loss': 0.9866, 'grad_norm': 37.3625602722168, 'learning_rate': 3.1964918071004217e-07, 'fcm_dpo/beta': 0.003527258988469839, 'fcm_dpo/q_t': 0.36594638228416443, 'fcm_dpo/delta': -0.023772604763507843, 'fcm_dpo/margin': 175.90151977539062, 'margin_dpo/margin_mean': 175.90151977539062, 'margin_dpo/margin_std': 210.58360290527344, 'logps/chosen': -328.69189453125, 'logps/rejected': -534.685791015625, 'logps/ref_chosen': -61.548683166503906, 'logps/ref_rejected': -91.64103698730469, 'KL/chosen_KL_mean': -267.1432189941406, 'KL/rejected_KL_mean': -443.04473876953125, 'KL/mean': -355.0939636230469, 'KL/std': 195.75750732421875, 'logits/chosen': -0.24784182012081146, 'logits/rejected': -0.2329789102077484, 'epoch': 0.47}
47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████ | 321/681 [13:31<15:11, 2.53s/it] 47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 322/681 [13:33<15:16, 2.55s/it] {'loss': 0.9219, 'grad_norm': 30.657041549682617, 'learning_rate': 3.184157475180207e-07, 'fcm_dpo/beta': 0.0034964876249432564, 'fcm_dpo/q_t': 0.35272741317749023, 'fcm_dpo/delta': -0.0737525001168251, 'fcm_dpo/margin': 190.9874267578125, 'margin_dpo/margin_mean': 190.9874267578125, 'margin_dpo/margin_std': 186.6202392578125, 'logps/chosen': -295.4075927734375, 'logps/rejected': -524.8549194335938, 'logps/ref_chosen': -57.29003143310547, 'logps/ref_rejected': -95.74992370605469, 'KL/chosen_KL_mean': -238.1175537109375, 'KL/rejected_KL_mean': -429.10498046875, 'KL/mean': -333.6112365722656, 'KL/std': 175.85693359375, 'logits/chosen': -0.25116193294525146, 'logits/rejected': -0.2432917356491089, 'epoch': 0.47}
47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 322/681 [13:33<15:16, 2.55s/it] 47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 323/681 [13:36<15:21, 2.57s/it] {'loss': 0.9909, 'grad_norm': 45.26333999633789, 'learning_rate': 3.171805115074251e-07, 'fcm_dpo/beta': 0.0035015689209103584, 'fcm_dpo/q_t': 0.3708209693431854, 'fcm_dpo/delta': 0.012137187644839287, 'fcm_dpo/margin': 168.06741333007812, 'margin_dpo/margin_mean': 168.06741333007812, 'margin_dpo/margin_std': 194.92874145507812, 'logps/chosen': -305.76971435546875, 'logps/rejected': -497.6650695800781, 'logps/ref_chosen': -51.23395919799805, 'logps/ref_rejected': -75.06192016601562, 'KL/chosen_KL_mean': -254.53573608398438, 'KL/rejected_KL_mean': -422.6031494140625, 'KL/mean': -338.5694580078125, 'KL/std': 179.4539794921875, 'logits/chosen': -0.2965390086174011, 'logits/rejected': -0.28871312737464905, 'epoch': 0.47}
47%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 323/681 [13:36<15:21, 2.57s/it] 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████ | 324/681 [13:38<15:02, 2.53s/it] {'loss': 0.9936, 'grad_norm': 60.69253921508789, 'learning_rate': 3.1594350522787295e-07, 'fcm_dpo/beta': 0.0035341251641511917, 'fcm_dpo/q_t': 0.36752551794052124, 'fcm_dpo/delta': -0.02536836266517639, 'fcm_dpo/margin': 176.02175903320312, 'margin_dpo/margin_mean': 176.02174377441406, 'margin_dpo/margin_std': 213.7113037109375, 'logps/chosen': -352.17449951171875, 'logps/rejected': -549.53857421875, 'logps/ref_chosen': -65.13516998291016, 'logps/ref_rejected': -86.47750854492188, 'KL/chosen_KL_mean': -287.0393371582031, 'KL/rejected_KL_mean': -463.06109619140625, 'KL/mean': -375.05023193359375, 'KL/std': 190.91993713378906, 'logits/chosen': -0.33062124252319336, 'logits/rejected': -0.30674198269844055, 'epoch': 0.48}
48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████ | 324/681 [13:38<15:02, 2.53s/it] 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 325/681 [13:41<15:33, 2.62s/it] {'loss': 1.0244, 'grad_norm': 40.104759216308594, 'learning_rate': 3.147047612756302e-07, 'fcm_dpo/beta': 0.0035609256010502577, 'fcm_dpo/q_t': 0.3865123689174652, 'fcm_dpo/delta': 0.10635978728532791, 'fcm_dpo/margin': 139.97329711914062, 'margin_dpo/margin_mean': 139.9733123779297, 'margin_dpo/margin_std': 153.7855682373047, 'logps/chosen': -278.41290283203125, 'logps/rejected': -432.2565612792969, 'logps/ref_chosen': -56.215599060058594, 'logps/ref_rejected': -70.08592987060547, 'KL/chosen_KL_mean': -222.19732666015625, 'KL/rejected_KL_mean': -362.170654296875, 'KL/mean': -292.1839904785156, 'KL/std': 164.73373413085938, 'logits/chosen': -0.4175834059715271, 'logits/rejected': -0.38348710536956787, 'epoch': 0.48}
48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 325/681 [13:41<15:33, 2.62s/it] 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 326/681 [13:44<15:55, 2.69s/it] {'loss': 1.0483, 'grad_norm': 97.73371887207031, 'learning_rate': 3.134643122927519e-07, 'fcm_dpo/beta': 0.003642299212515354, 'fcm_dpo/q_t': 0.3980899453163147, 'fcm_dpo/delta': 0.16157841682434082, 'fcm_dpo/margin': 122.43121337890625, 'margin_dpo/margin_mean': 122.43121337890625, 'margin_dpo/margin_std': 134.76637268066406, 'logps/chosen': -300.0323486328125, 'logps/rejected': -429.58538818359375, 'logps/ref_chosen': -72.72496032714844, 'logps/ref_rejected': -79.8467788696289, 'KL/chosen_KL_mean': -227.307373046875, 'KL/rejected_KL_mean': -349.73858642578125, 'KL/mean': -288.5229797363281, 'KL/std': 146.83538818359375, 'logits/chosen': -0.43311089277267456, 'logits/rejected': -0.4014735519886017, 'epoch': 0.48}
48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 326/681 [13:44<15:55, 2.69s/it] 48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 327/681 [13:47<15:56, 2.70s/it] {'loss': 0.9114, 'grad_norm': 76.8426742553711, 'learning_rate': 3.1222219096622264e-07, 'fcm_dpo/beta': 0.0036406731233000755, 'fcm_dpo/q_t': 0.35203319787979126, 'fcm_dpo/delta': -0.05855613946914673, 'fcm_dpo/margin': 179.7021026611328, 'margin_dpo/margin_mean': 179.70211791992188, 'margin_dpo/margin_std': 158.681396484375, 'logps/chosen': -261.0470886230469, 'logps/rejected': -483.5485534667969, 'logps/ref_chosen': -69.13441467285156, 'logps/ref_rejected': -111.93377685546875, 'KL/chosen_KL_mean': -191.91265869140625, 'KL/rejected_KL_mean': -371.6147766113281, 'KL/mean': -281.76373291015625, 'KL/std': 153.0264434814453, 'logits/chosen': -0.42004019021987915, 'logits/rejected': -0.4010508954524994, 'epoch': 0.48}
48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 327/681 [13:47<15:56, 2.70s/it] 48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 328/681 [13:49<15:42, 2.67s/it] {'loss': 0.9576, 'grad_norm': 50.387611389160156, 'learning_rate': 3.1097843002709427e-07, 'fcm_dpo/beta': 0.0036455639638006687, 'fcm_dpo/q_t': 0.36496418714523315, 'fcm_dpo/delta': -0.0153718963265419, 'fcm_dpo/margin': 168.5095672607422, 'margin_dpo/margin_mean': 168.50958251953125, 'margin_dpo/margin_std': 179.7239990234375, 'logps/chosen': -280.57342529296875, 'logps/rejected': -480.25079345703125, 'logps/ref_chosen': -59.68719482421875, 'logps/ref_rejected': -90.85499572753906, 'KL/chosen_KL_mean': -220.88621520996094, 'KL/rejected_KL_mean': -389.39581298828125, 'KL/mean': -305.1409912109375, 'KL/std': 167.1742401123047, 'logits/chosen': -0.36130693554878235, 'logits/rejected': -0.356844037771225, 'epoch': 0.48}
48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 328/681 [13:49<15:42, 2.67s/it] 48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 329/681 [13:52<15:17, 2.61s/it] {'loss': 0.9456, 'grad_norm': 41.062164306640625, 'learning_rate': 3.0973306224962437e-07, 'fcm_dpo/beta': 0.0035698702558875084, 'fcm_dpo/q_t': 0.3539862036705017, 'fcm_dpo/delta': -0.07857734709978104, 'fcm_dpo/margin': 188.3123779296875, 'margin_dpo/margin_mean': 188.3123779296875, 'margin_dpo/margin_std': 205.26202392578125, 'logps/chosen': -326.48828125, 'logps/rejected': -550.2521362304688, 'logps/ref_chosen': -65.2461929321289, 'logps/ref_rejected': -100.69770812988281, 'KL/chosen_KL_mean': -261.2420654296875, 'KL/rejected_KL_mean': -449.554443359375, 'KL/mean': -355.39825439453125, 'KL/std': 193.32135009765625, 'logits/chosen': -0.30240148305892944, 'logits/rejected': -0.28401780128479004, 'epoch': 0.48}
48%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 329/681 [13:52<15:17, 2.61s/it] 48%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 330/681 [13:55<15:18, 2.62s/it] {'loss': 0.9249, 'grad_norm': 36.57366180419922, 'learning_rate': 3.084861204504122e-07, 'fcm_dpo/beta': 0.0035359621979296207, 'fcm_dpo/q_t': 0.35228052735328674, 'fcm_dpo/delta': -0.07942727208137512, 'fcm_dpo/margin': 190.64404296875, 'margin_dpo/margin_mean': 190.64404296875, 'margin_dpo/margin_std': 194.9326171875, 'logps/chosen': -285.80804443359375, 'logps/rejected': -516.33056640625, 'logps/ref_chosen': -46.998348236083984, 'logps/ref_rejected': -86.87684631347656, 'KL/chosen_KL_mean': -238.8096923828125, 'KL/rejected_KL_mean': -429.4537353515625, 'KL/mean': -334.1317138671875, 'KL/std': 185.2899932861328, 'logits/chosen': -0.2722437083721161, 'logits/rejected': -0.2734411656856537, 'epoch': 0.48}
48%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 330/681 [13:55<15:18, 2.62s/it] 49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 331/681 [13:57<15:04, 2.58s/it] {'loss': 0.8685, 'grad_norm': 31.007814407348633, 'learning_rate': 3.072376374875335e-07, 'fcm_dpo/beta': 0.0034583178348839283, 'fcm_dpo/q_t': 0.3417421579360962, 'fcm_dpo/delta': -0.10915699601173401, 'fcm_dpo/margin': 202.7960662841797, 'margin_dpo/margin_mean': 202.79608154296875, 'margin_dpo/margin_std': 159.70310974121094, 'logps/chosen': -297.848388671875, 'logps/rejected': -539.1356201171875, 'logps/ref_chosen': -50.52424621582031, 'logps/ref_rejected': -89.01544189453125, 'KL/chosen_KL_mean': -247.3241424560547, 'KL/rejected_KL_mean': -450.1202087402344, 'KL/mean': -348.72216796875, 'KL/std': 162.57382202148438, 'logits/chosen': -0.28995606303215027, 'logits/rejected': -0.2785801291465759, 'epoch': 0.49}
49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 331/681 [13:57<15:04, 2.58s/it] 49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 332/681 [13:59<14:40, 2.52s/it] {'loss': 1.0331, 'grad_norm': 32.820167541503906, 'learning_rate': 3.059876462596758e-07, 'fcm_dpo/beta': 0.0035032229498028755, 'fcm_dpo/q_t': 0.3903195858001709, 'fcm_dpo/delta': 0.11057021468877792, 'fcm_dpo/margin': 141.2431640625, 'margin_dpo/margin_mean': 141.2431640625, 'margin_dpo/margin_std': 171.75302124023438, 'logps/chosen': -307.083251953125, 'logps/rejected': -475.6312561035156, 'logps/ref_chosen': -49.18028259277344, 'logps/ref_rejected': -76.48515319824219, 'KL/chosen_KL_mean': -257.9029541015625, 'KL/rejected_KL_mean': -399.1461181640625, 'KL/mean': -328.5245361328125, 'KL/std': 160.31040954589844, 'logits/chosen': -0.2842913269996643, 'logits/rejected': -0.2671872079372406, 'epoch': 0.49}
49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 332/681 [13:59<14:40, 2.52s/it] 49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 333/681 [14:02<14:19, 2.47s/it] {'loss': 0.9694, 'grad_norm': 31.546472549438477, 'learning_rate': 3.0473617970527015e-07, 'fcm_dpo/beta': 0.0034516784362494946, 'fcm_dpo/q_t': 0.3593972325325012, 'fcm_dpo/delta': -0.07118657231330872, 'fcm_dpo/margin': 192.4368438720703, 'margin_dpo/margin_mean': 192.4368438720703, 'margin_dpo/margin_std': 227.80015563964844, 'logps/chosen': -330.026611328125, 'logps/rejected': -553.7518310546875, 'logps/ref_chosen': -63.75574493408203, 'logps/ref_rejected': -95.04411315917969, 'KL/chosen_KL_mean': -266.2708740234375, 'KL/rejected_KL_mean': -458.70770263671875, 'KL/mean': -362.4892883300781, 'KL/std': 196.3417205810547, 'logits/chosen': -0.3376733660697937, 'logits/rejected': -0.3297434449195862, 'epoch': 0.49}
49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 333/681 [14:02<14:19, 2.47s/it] 49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 334/681 [14:04<14:13, 2.46s/it] {'loss': 1.0197, 'grad_norm': 32.53291702270508, 'learning_rate': 3.034832708016243e-07, 'fcm_dpo/beta': 0.003475816920399666, 'fcm_dpo/q_t': 0.37404435873031616, 'fcm_dpo/delta': 0.009836681187152863, 'fcm_dpo/margin': 169.95828247070312, 'margin_dpo/margin_mean': 169.95828247070312, 'margin_dpo/margin_std': 226.54742431640625, 'logps/chosen': -324.29998779296875, 'logps/rejected': -522.595458984375, 'logps/ref_chosen': -66.97975158691406, 'logps/ref_rejected': -95.31692504882812, 'KL/chosen_KL_mean': -257.32025146484375, 'KL/rejected_KL_mean': -427.2785339355469, 'KL/mean': -342.2994079589844, 'KL/std': 210.2903289794922, 'logits/chosen': -0.34100693464279175, 'logits/rejected': -0.3352089822292328, 'epoch': 0.49}
49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 334/681 [14:04<14:13, 2.46s/it] 49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 335/681 [14:07<14:18, 2.48s/it] {'loss': 1.0745, 'grad_norm': 35.099327087402344, 'learning_rate': 3.022289525640531e-07, 'fcm_dpo/beta': 0.003556094830855727, 'fcm_dpo/q_t': 0.3937795162200928, 'fcm_dpo/delta': 0.10423801094293594, 'fcm_dpo/margin': 140.425048828125, 'margin_dpo/margin_mean': 140.42503356933594, 'margin_dpo/margin_std': 208.7427978515625, 'logps/chosen': -340.19732666015625, 'logps/rejected': -505.69757080078125, 'logps/ref_chosen': -62.54248046875, 'logps/ref_rejected': -87.61770629882812, 'KL/chosen_KL_mean': -277.65484619140625, 'KL/rejected_KL_mean': -418.07989501953125, 'KL/mean': -347.86737060546875, 'KL/std': 192.76744079589844, 'logits/chosen': -0.3291531801223755, 'logits/rejected': -0.30552738904953003, 'epoch': 0.49}
49%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 335/681 [14:07<14:18, 2.48s/it] 49%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 336/681 [14:09<14:21, 2.50s/it] {'loss': 0.9443, 'grad_norm': 39.19478988647461, 'learning_rate': 3.009732580450086e-07, 'fcm_dpo/beta': 0.0034887937363237143, 'fcm_dpo/q_t': 0.3478022813796997, 'fcm_dpo/delta': -0.14215481281280518, 'fcm_dpo/margin': 209.80746459960938, 'margin_dpo/margin_mean': 209.80746459960938, 'margin_dpo/margin_std': 250.23760986328125, 'logps/chosen': -328.3396301269531, 'logps/rejected': -588.0201416015625, 'logps/ref_chosen': -54.53115463256836, 'logps/ref_rejected': -104.40424346923828, 'KL/chosen_KL_mean': -273.8084716796875, 'KL/rejected_KL_mean': -483.6159362792969, 'KL/mean': -378.71221923828125, 'KL/std': 216.06427001953125, 'logits/chosen': -0.2858356833457947, 'logits/rejected': -0.2808038294315338, 'epoch': 0.49}
49%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 336/681 [14:09<14:21, 2.50s/it] 49%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 337/681 [14:12<14:22, 2.51s/it] {'loss': 0.9114, 'grad_norm': 31.037416458129883, 'learning_rate': 2.9971622033320914e-07, 'fcm_dpo/beta': 0.0033786194398999214, 'fcm_dpo/q_t': 0.3457186818122864, 'fcm_dpo/delta': -0.12059810012578964, 'fcm_dpo/margin': 210.56581115722656, 'margin_dpo/margin_mean': 210.56582641601562, 'margin_dpo/margin_std': 216.82025146484375, 'logps/chosen': -325.1514892578125, 'logps/rejected': -572.315673828125, 'logps/ref_chosen': -65.12869262695312, 'logps/ref_rejected': -101.72701263427734, 'KL/chosen_KL_mean': -260.0228271484375, 'KL/rejected_KL_mean': -470.5886535644531, 'KL/mean': -365.30572509765625, 'KL/std': 188.71812438964844, 'logits/chosen': -0.32298046350479126, 'logits/rejected': -0.31106552481651306, 'epoch': 0.49}
49%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 337/681 [14:12<14:22, 2.51s/it] 50%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 338/681 [14:14<14:24, 2.52s/it] {'loss': 0.903, 'grad_norm': 24.489032745361328, 'learning_rate': 2.984578725527675e-07, 'fcm_dpo/beta': 0.0033198068849742413, 'fcm_dpo/q_t': 0.3477078080177307, 'fcm_dpo/delta': -0.09342671185731888, 'fcm_dpo/margin': 206.91650390625, 'margin_dpo/margin_mean': 206.91650390625, 'margin_dpo/margin_std': 193.48056030273438, 'logps/chosen': -293.73211669921875, 'logps/rejected': -531.29443359375, 'logps/ref_chosen': -58.422706604003906, 'logps/ref_rejected': -89.06854248046875, 'KL/chosen_KL_mean': -235.30941772460938, 'KL/rejected_KL_mean': -442.22589111328125, 'KL/mean': -338.76763916015625, 'KL/std': 185.00656127929688, 'logits/chosen': -0.3218623399734497, 'logits/rejected': -0.3046104311943054, 'epoch': 0.5}
50%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 338/681 [14:14<14:24, 2.52s/it] 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 339/681 [14:17<13:55, 2.44s/it] {'loss': 0.9294, 'grad_norm': 30.845415115356445, 'learning_rate': 2.9719824786231796e-07, 'fcm_dpo/beta': 0.0033112098462879658, 'fcm_dpo/q_t': 0.35589170455932617, 'fcm_dpo/delta': -0.05422411859035492, 'fcm_dpo/margin': 196.14407348632812, 'margin_dpo/margin_mean': 196.14405822753906, 'margin_dpo/margin_std': 184.70452880859375, 'logps/chosen': -303.406982421875, 'logps/rejected': -543.4666748046875, 'logps/ref_chosen': -59.99531555175781, 'logps/ref_rejected': -103.9109115600586, 'KL/chosen_KL_mean': -243.41168212890625, 'KL/rejected_KL_mean': -439.55572509765625, 'KL/mean': -341.48370361328125, 'KL/std': 187.0668182373047, 'logits/chosen': -0.3370082378387451, 'logits/rejected': -0.319965124130249, 'epoch': 0.5}
50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 339/681 [14:17<13:55, 2.44s/it] 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 340/681 [14:19<14:02, 2.47s/it] {'loss': 1.0038, 'grad_norm': 31.456979751586914, 'learning_rate': 2.959373794541426e-07, 'fcm_dpo/beta': 0.0032777278684079647, 'fcm_dpo/q_t': 0.3767394423484802, 'fcm_dpo/delta': 0.04154527932405472, 'fcm_dpo/margin': 171.03878784179688, 'margin_dpo/margin_mean': 171.03880310058594, 'margin_dpo/margin_std': 205.11837768554688, 'logps/chosen': -305.88848876953125, 'logps/rejected': -497.2043151855469, 'logps/ref_chosen': -52.83022689819336, 'logps/ref_rejected': -73.10723114013672, 'KL/chosen_KL_mean': -253.0582733154297, 'KL/rejected_KL_mean': -424.0970764160156, 'KL/mean': -338.5776672363281, 'KL/std': 172.04385375976562, 'logits/chosen': -0.2925490736961365, 'logits/rejected': -0.2660925090312958, 'epoch': 0.5}
50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 340/681 [14:19<14:02, 2.47s/it] 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 341/681 [14:21<13:38, 2.41s/it] {'loss': 0.9414, 'grad_norm': 28.23163414001465, 'learning_rate': 2.946753005532965e-07, 'fcm_dpo/beta': 0.0032605028245598078, 'fcm_dpo/q_t': 0.3590165972709656, 'fcm_dpo/delta': -0.044312167912721634, 'fcm_dpo/margin': 196.53485107421875, 'margin_dpo/margin_mean': 196.53485107421875, 'margin_dpo/margin_std': 200.83834838867188, 'logps/chosen': -287.7933044433594, 'logps/rejected': -538.23828125, 'logps/ref_chosen': -47.899803161621094, 'logps/ref_rejected': -101.80987548828125, 'KL/chosen_KL_mean': -239.89349365234375, 'KL/rejected_KL_mean': -436.4283752441406, 'KL/mean': -338.16094970703125, 'KL/std': 192.15057373046875, 'logits/chosen': -0.3014819920063019, 'logits/rejected': -0.3003576397895813, 'epoch': 0.5}
50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 341/681 [14:21<13:38, 2.41s/it] 50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 342/681 [14:24<13:58, 2.47s/it] {'loss': 0.9814, 'grad_norm': 30.998788833618164, 'learning_rate': 2.934120444167326e-07, 'fcm_dpo/beta': 0.003291256260126829, 'fcm_dpo/q_t': 0.37189486622810364, 'fcm_dpo/delta': 0.015661388635635376, 'fcm_dpo/margin': 177.68490600585938, 'margin_dpo/margin_mean': 177.68490600585938, 'margin_dpo/margin_std': 202.3661346435547, 'logps/chosen': -303.4356689453125, 'logps/rejected': -501.7135314941406, 'logps/ref_chosen': -71.99664306640625, 'logps/ref_rejected': -92.58959197998047, 'KL/chosen_KL_mean': -231.43902587890625, 'KL/rejected_KL_mean': -409.12396240234375, 'KL/mean': -320.281494140625, 'KL/std': 177.18858337402344, 'logits/chosen': -0.3793361783027649, 'logits/rejected': -0.3527992367744446, 'epoch': 0.5}
50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 342/681 [14:24<13:58, 2.47s/it] 50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 343/681 [14:26<13:40, 2.43s/it] {'loss': 0.8905, 'grad_norm': 26.33404541015625, 'learning_rate': 2.9214764433242476e-07, 'fcm_dpo/beta': 0.003243247512727976, 'fcm_dpo/q_t': 0.34845924377441406, 'fcm_dpo/delta': -0.06622415781021118, 'fcm_dpo/margin': 204.034912109375, 'margin_dpo/margin_mean': 204.034912109375, 'margin_dpo/margin_std': 156.75799560546875, 'logps/chosen': -271.40252685546875, 'logps/rejected': -532.0732421875, 'logps/ref_chosen': -54.405616760253906, 'logps/ref_rejected': -111.04142761230469, 'KL/chosen_KL_mean': -216.99691772460938, 'KL/rejected_KL_mean': -421.0318603515625, 'KL/mean': -319.0143737792969, 'KL/std': 176.3646240234375, 'logits/chosen': -0.3428516685962677, 'logits/rejected': -0.33821433782577515, 'epoch': 0.5}
50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 343/681 [14:26<13:40, 2.43s/it] 51%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 344/681 [14:29<13:37, 2.43s/it] {'loss': 0.9615, 'grad_norm': 28.670440673828125, 'learning_rate': 2.9088213361849126e-07, 'fcm_dpo/beta': 0.0032703643664717674, 'fcm_dpo/q_t': 0.368649423122406, 'fcm_dpo/delta': 0.0030049607157707214, 'fcm_dpo/margin': 181.99720764160156, 'margin_dpo/margin_mean': 181.99722290039062, 'margin_dpo/margin_std': 180.90835571289062, 'logps/chosen': -277.722412109375, 'logps/rejected': -496.3782958984375, 'logps/ref_chosen': -53.96466827392578, 'logps/ref_rejected': -90.62336730957031, 'KL/chosen_KL_mean': -223.7577362060547, 'KL/rejected_KL_mean': -405.75494384765625, 'KL/mean': -314.75634765625, 'KL/std': 187.5274658203125, 'logits/chosen': -0.3114033341407776, 'logits/rejected': -0.30788958072662354, 'epoch': 0.51}
51%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 344/681 [14:29<13:37, 2.43s/it] 51%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 345/681 [14:31<13:59, 2.50s/it] {'loss': 0.9431, 'grad_norm': 26.28773307800293, 'learning_rate': 2.896155456223163e-07, 'fcm_dpo/beta': 0.003236721269786358, 'fcm_dpo/q_t': 0.36065876483917236, 'fcm_dpo/delta': -0.028028050437569618, 'fcm_dpo/margin': 193.43739318847656, 'margin_dpo/margin_mean': 193.4373779296875, 'margin_dpo/margin_std': 194.0311279296875, 'logps/chosen': -322.6221923828125, 'logps/rejected': -553.8642578125, 'logps/ref_chosen': -61.685699462890625, 'logps/ref_rejected': -99.49041748046875, 'KL/chosen_KL_mean': -260.9364929199219, 'KL/rejected_KL_mean': -454.3738708496094, 'KL/mean': -357.65521240234375, 'KL/std': 182.0768280029297, 'logits/chosen': -0.3865722715854645, 'logits/rejected': -0.3776073455810547, 'epoch': 0.51}
51%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 345/681 [14:31<13:59, 2.50s/it] 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 346/681 [14:34<13:51, 2.48s/it] {'loss': 0.9668, 'grad_norm': 28.077381134033203, 'learning_rate': 2.883479137196714e-07, 'fcm_dpo/beta': 0.0032219619024544954, 'fcm_dpo/q_t': 0.36650973558425903, 'fcm_dpo/delta': 0.006633494049310684, 'fcm_dpo/margin': 184.28521728515625, 'margin_dpo/margin_mean': 184.2852325439453, 'margin_dpo/margin_std': 194.44482421875, 'logps/chosen': -330.5419616699219, 'logps/rejected': -536.9862060546875, 'logps/ref_chosen': -55.256263732910156, 'logps/ref_rejected': -77.41532135009766, 'KL/chosen_KL_mean': -275.28570556640625, 'KL/rejected_KL_mean': -459.5709228515625, 'KL/mean': -367.4283142089844, 'KL/std': 181.28677368164062, 'logits/chosen': -0.28504517674446106, 'logits/rejected': -0.26838934421539307, 'epoch': 0.51}
51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 346/681 [14:34<13:51, 2.48s/it] 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 347/681 [14:36<13:14, 2.38s/it] {'loss': 0.9798, 'grad_norm': 33.92915344238281, 'learning_rate': 2.8707927131383614e-07, 'fcm_dpo/beta': 0.003218740224838257, 'fcm_dpo/q_t': 0.36761733889579773, 'fcm_dpo/delta': -0.0016976585611701012, 'fcm_dpo/margin': 186.89035034179688, 'margin_dpo/margin_mean': 186.89035034179688, 'margin_dpo/margin_std': 215.3690948486328, 'logps/chosen': -332.8128662109375, 'logps/rejected': -554.4920654296875, 'logps/ref_chosen': -57.56623840332031, 'logps/ref_rejected': -92.35509490966797, 'KL/chosen_KL_mean': -275.24664306640625, 'KL/rejected_KL_mean': -462.136962890625, 'KL/mean': -368.6918029785156, 'KL/std': 192.2908935546875, 'logits/chosen': -0.3068666458129883, 'logits/rejected': -0.29829931259155273, 'epoch': 0.51}
51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 347/681 [14:36<13:14, 2.38s/it] 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 348/681 [14:38<13:06, 2.36s/it] {'loss': 1.0161, 'grad_norm': 32.93280029296875, 'learning_rate': 2.858096518347179e-07, 'fcm_dpo/beta': 0.0032317445147782564, 'fcm_dpo/q_t': 0.38319721817970276, 'fcm_dpo/delta': 0.07428452372550964, 'fcm_dpo/margin': 163.6405029296875, 'margin_dpo/margin_mean': 163.6405029296875, 'margin_dpo/margin_std': 189.34259033203125, 'logps/chosen': -313.4449462890625, 'logps/rejected': -509.9061279296875, 'logps/ref_chosen': -56.31770324707031, 'logps/ref_rejected': -89.13836669921875, 'KL/chosen_KL_mean': -257.12725830078125, 'KL/rejected_KL_mean': -420.76776123046875, 'KL/mean': -338.947509765625, 'KL/std': 172.65524291992188, 'logits/chosen': -0.32959896326065063, 'logits/rejected': -0.3305675983428955, 'epoch': 0.51}
51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 348/681 [14:38<13:06, 2.36s/it] 51%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 349/681 [14:41<13:37, 2.46s/it] {'loss': 1.0122, 'grad_norm': 31.353382110595703, 'learning_rate': 2.845390887379706e-07, 'fcm_dpo/beta': 0.003299848409369588, 'fcm_dpo/q_t': 0.37589964270591736, 'fcm_dpo/delta': 0.018306627869606018, 'fcm_dpo/margin': 176.36451721191406, 'margin_dpo/margin_mean': 176.36453247070312, 'margin_dpo/margin_std': 228.71560668945312, 'logps/chosen': -308.72052001953125, 'logps/rejected': -524.564697265625, 'logps/ref_chosen': -58.025516510009766, 'logps/ref_rejected': -97.50515747070312, 'KL/chosen_KL_mean': -250.6950225830078, 'KL/rejected_KL_mean': -427.0595703125, 'KL/mean': -338.8772888183594, 'KL/std': 188.6269989013672, 'logits/chosen': -0.3009885549545288, 'logits/rejected': -0.29971545934677124, 'epoch': 0.51}
51%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 349/681 [14:41<13:37, 2.46s/it] 51%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 350/681 [14:44<14:00, 2.54s/it] {'loss': 0.9877, 'grad_norm': 37.09315490722656, 'learning_rate': 2.8326761550411346e-07, 'fcm_dpo/beta': 0.003264723112806678, 'fcm_dpo/q_t': 0.36623501777648926, 'fcm_dpo/delta': -0.004455354064702988, 'fcm_dpo/margin': 184.90638732910156, 'margin_dpo/margin_mean': 184.90638732910156, 'margin_dpo/margin_std': 219.01071166992188, 'logps/chosen': -329.12969970703125, 'logps/rejected': -539.5772705078125, 'logps/ref_chosen': -64.33049011230469, 'logps/ref_rejected': -89.87164306640625, 'KL/chosen_KL_mean': -264.7991943359375, 'KL/rejected_KL_mean': -449.7055969238281, 'KL/mean': -357.25238037109375, 'KL/std': 182.74017333984375, 'logits/chosen': -0.3165681064128876, 'logits/rejected': -0.3130089044570923, 'epoch': 0.51}
51%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 350/681 [14:44<14:00, 2.54s/it] 52%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 351/681 [14:46<13:57, 2.54s/it] {'loss': 0.9455, 'grad_norm': 29.696882247924805, 'learning_rate': 2.819952656376487e-07, 'fcm_dpo/beta': 0.0032329908572137356, 'fcm_dpo/q_t': 0.35413599014282227, 'fcm_dpo/delta': -0.09850767254829407, 'fcm_dpo/margin': 213.9486083984375, 'margin_dpo/margin_mean': 213.9486083984375, 'margin_dpo/margin_std': 248.4587860107422, 'logps/chosen': -319.6763000488281, 'logps/rejected': -574.5181884765625, 'logps/ref_chosen': -60.6721305847168, 'logps/ref_rejected': -101.5654296875, 'KL/chosen_KL_mean': -259.0041809082031, 'KL/rejected_KL_mean': -472.9527587890625, 'KL/mean': -365.97845458984375, 'KL/std': 220.5889892578125, 'logits/chosen': -0.33023127913475037, 'logits/rejected': -0.32282835245132446, 'epoch': 0.52}
52%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 351/681 [14:46<13:57, 2.54s/it] 52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 352/681 [14:49<13:57, 2.55s/it] {'loss': 1.1023, 'grad_norm': 48.864864349365234, 'learning_rate': 2.8072207266617854e-07, 'fcm_dpo/beta': 0.003274778835475445, 'fcm_dpo/q_t': 0.40359771251678467, 'fcm_dpo/delta': 0.15839095413684845, 'fcm_dpo/margin': 137.09182739257812, 'margin_dpo/margin_mean': 137.09185791015625, 'margin_dpo/margin_std': 214.62515258789062, 'logps/chosen': -391.4759521484375, 'logps/rejected': -534.2662963867188, 'logps/ref_chosen': -70.9434585571289, 'logps/ref_rejected': -76.6419677734375, 'KL/chosen_KL_mean': -320.5325012207031, 'KL/rejected_KL_mean': -457.62432861328125, 'KL/mean': -389.07843017578125, 'KL/std': 198.59683227539062, 'logits/chosen': -0.32900527119636536, 'logits/rejected': -0.2986646890640259, 'epoch': 0.52}
52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 352/681 [14:49<13:57, 2.55s/it] 52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 353/681 [14:51<13:55, 2.55s/it] {'loss': 1.0047, 'grad_norm': 32.291099548339844, 'learning_rate': 2.794480701395219e-07, 'fcm_dpo/beta': 0.0032949901651591063, 'fcm_dpo/q_t': 0.37244531512260437, 'fcm_dpo/delta': -0.0030858218669891357, 'fcm_dpo/margin': 182.6687469482422, 'margin_dpo/margin_mean': 182.6687469482422, 'margin_dpo/margin_std': 233.64218139648438, 'logps/chosen': -363.505859375, 'logps/rejected': -568.1148071289062, 'logps/ref_chosen': -58.39533996582031, 'logps/ref_rejected': -80.33553314208984, 'KL/chosen_KL_mean': -305.11053466796875, 'KL/rejected_KL_mean': -487.7792663574219, 'KL/mean': -396.4449157714844, 'KL/std': 209.36056518554688, 'logits/chosen': -0.3360978960990906, 'logits/rejected': -0.3211211562156677, 'epoch': 0.52}
52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 353/681 [14:51<13:55, 2.55s/it] 52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 354/681 [14:54<14:06, 2.59s/it] {'loss': 0.9156, 'grad_norm': 31.09943199157715, 'learning_rate': 2.781732916288303e-07, 'fcm_dpo/beta': 0.0032818112522363663, 'fcm_dpo/q_t': 0.35361698269844055, 'fcm_dpo/delta': -0.061426229774951935, 'fcm_dpo/margin': 200.26036071777344, 'margin_dpo/margin_mean': 200.26036071777344, 'margin_dpo/margin_std': 186.870361328125, 'logps/chosen': -322.9903564453125, 'logps/rejected': -552.2052612304688, 'logps/ref_chosen': -59.80299377441406, 'logps/ref_rejected': -88.75750732421875, 'KL/chosen_KL_mean': -263.1873779296875, 'KL/rejected_KL_mean': -463.44775390625, 'KL/mean': -363.31756591796875, 'KL/std': 189.3446044921875, 'logits/chosen': -0.3072470426559448, 'logits/rejected': -0.28870946168899536, 'epoch': 0.52}
52%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 354/681 [14:54<14:06, 2.59s/it] 52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 355/681 [14:56<13:42, 2.52s/it] {'loss': 0.9324, 'grad_norm': 65.14305114746094, 'learning_rate': 2.7689777072570284e-07, 'fcm_dpo/beta': 0.003239832818508148, 'fcm_dpo/q_t': 0.3572244644165039, 'fcm_dpo/delta': -0.04776415228843689, 'fcm_dpo/margin': 198.8072509765625, 'margin_dpo/margin_mean': 198.8072509765625, 'margin_dpo/margin_std': 195.83514404296875, 'logps/chosen': -314.14593505859375, 'logps/rejected': -541.2307739257812, 'logps/ref_chosen': -54.12849807739258, 'logps/ref_rejected': -82.40606689453125, 'KL/chosen_KL_mean': -260.0174560546875, 'KL/rejected_KL_mean': -458.82470703125, 'KL/mean': -359.42108154296875, 'KL/std': 202.15090942382812, 'logits/chosen': -0.3648909032344818, 'logits/rejected': -0.3481696844100952, 'epoch': 0.52}
52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 355/681 [14:57<13:42, 2.52s/it] 52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 356/681 [14:59<14:00, 2.58s/it] {'loss': 1.1781, 'grad_norm': 51.611122131347656, 'learning_rate': 2.7562154104130176e-07, 'fcm_dpo/beta': 0.0032497502397745848, 'fcm_dpo/q_t': 0.4173041582107544, 'fcm_dpo/delta': 0.010602913796901703, 'fcm_dpo/margin': 121.14266967773438, 'margin_dpo/margin_mean': 121.1426773071289, 'margin_dpo/margin_std': 243.44647216796875, 'logps/chosen': -367.0338134765625, 'logps/rejected': -499.4019775390625, 'logps/ref_chosen': -64.6738052368164, 'logps/ref_rejected': -75.89926147460938, 'KL/chosen_KL_mean': -302.3600158691406, 'KL/rejected_KL_mean': -423.502685546875, 'KL/mean': -362.93133544921875, 'KL/std': 202.94854736328125, 'logits/chosen': -0.36508941650390625, 'logits/rejected': -0.3437308669090271, 'epoch': 0.52}
52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 356/681 [14:59<14:00, 2.58s/it] 52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 357/681 [15:02<14:04, 2.61s/it] {'loss': 0.9803, 'grad_norm': 43.36853790283203, 'learning_rate': 2.7434463620546594e-07, 'fcm_dpo/beta': 0.00324799632653594, 'fcm_dpo/q_t': 0.37204235792160034, 'fcm_dpo/delta': 0.024136211723089218, 'fcm_dpo/margin': 177.60125732421875, 'margin_dpo/margin_mean': 177.60125732421875, 'margin_dpo/margin_std': 193.69900512695312, 'logps/chosen': -323.5948486328125, 'logps/rejected': -535.3114624023438, 'logps/ref_chosen': -52.725799560546875, 'logps/ref_rejected': -86.84115600585938, 'KL/chosen_KL_mean': -270.8690185546875, 'KL/rejected_KL_mean': -448.47027587890625, 'KL/mean': -359.669677734375, 'KL/std': 197.69229125976562, 'logits/chosen': -0.34672385454177856, 'logits/rejected': -0.329520046710968, 'epoch': 0.52}
52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 357/681 [15:02<14:04, 2.61s/it] 53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 358/681 [15:05<14:19, 2.66s/it] {'loss': 1.0165, 'grad_norm': 41.24159622192383, 'learning_rate': 2.730670898658255e-07, 'fcm_dpo/beta': 0.0033094545360654593, 'fcm_dpo/q_t': 0.38529354333877563, 'fcm_dpo/delta': 0.07786554843187332, 'fcm_dpo/margin': 158.9888458251953, 'margin_dpo/margin_mean': 158.98886108398438, 'margin_dpo/margin_std': 194.11642456054688, 'logps/chosen': -300.3245849609375, 'logps/rejected': -484.48126220703125, 'logps/ref_chosen': -63.20543670654297, 'logps/ref_rejected': -88.373291015625, 'KL/chosen_KL_mean': -237.119140625, 'KL/rejected_KL_mean': -396.10797119140625, 'KL/mean': -316.61358642578125, 'KL/std': 183.86444091796875, 'logits/chosen': -0.41370850801467896, 'logits/rejected': -0.39462339878082275, 'epoch': 0.53}
53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 358/681 [15:05<14:19, 2.66s/it] 53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 359/681 [15:07<14:05, 2.63s/it] {'loss': 0.9582, 'grad_norm': 44.32215118408203, 'learning_rate': 2.717889356869146e-07, 'fcm_dpo/beta': 0.003295338712632656, 'fcm_dpo/q_t': 0.3640950322151184, 'fcm_dpo/delta': -0.03663625195622444, 'fcm_dpo/margin': 192.44036865234375, 'margin_dpo/margin_mean': 192.44036865234375, 'margin_dpo/margin_std': 213.06277465820312, 'logps/chosen': -323.70819091796875, 'logps/rejected': -541.9520263671875, 'logps/ref_chosen': -56.370216369628906, 'logps/ref_rejected': -82.17375183105469, 'KL/chosen_KL_mean': -267.33795166015625, 'KL/rejected_KL_mean': -459.7783203125, 'KL/mean': -363.5581359863281, 'KL/std': 186.1640625, 'logits/chosen': -0.31459060311317444, 'logits/rejected': -0.29139894247055054, 'epoch': 0.53}
53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 359/681 [15:07<14:05, 2.63s/it] 53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 360/681 [15:10<13:49, 2.58s/it] {'loss': 1.0097, 'grad_norm': 44.88187026977539, 'learning_rate': 2.7051020734928443e-07, 'fcm_dpo/beta': 0.003354067215695977, 'fcm_dpo/q_t': 0.3858073949813843, 'fcm_dpo/delta': 0.09945917874574661, 'fcm_dpo/margin': 150.61538696289062, 'margin_dpo/margin_mean': 150.61537170410156, 'margin_dpo/margin_std': 158.94903564453125, 'logps/chosen': -302.78131103515625, 'logps/rejected': -471.77520751953125, 'logps/ref_chosen': -51.460384368896484, 'logps/ref_rejected': -69.83892059326172, 'KL/chosen_KL_mean': -251.32090759277344, 'KL/rejected_KL_mean': -401.936279296875, 'KL/mean': -326.62860107421875, 'KL/std': 158.09228515625, 'logits/chosen': -0.29673099517822266, 'logits/rejected': -0.2805573344230652, 'epoch': 0.53}
53%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 360/681 [15:10<13:49, 2.58s/it] 53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 361/681 [15:12<13:55, 2.61s/it] {'loss': 1.033, 'grad_norm': 38.67572784423828, 'learning_rate': 2.6923093854861593e-07, 'fcm_dpo/beta': 0.0034134057350456715, 'fcm_dpo/q_t': 0.38437366485595703, 'fcm_dpo/delta': 0.07235899567604065, 'fcm_dpo/margin': 155.50885009765625, 'margin_dpo/margin_mean': 155.5088348388672, 'margin_dpo/margin_std': 203.7720947265625, 'logps/chosen': -318.7331848144531, 'logps/rejected': -511.14178466796875, 'logps/ref_chosen': -53.86951446533203, 'logps/ref_rejected': -90.7692642211914, 'KL/chosen_KL_mean': -264.8636474609375, 'KL/rejected_KL_mean': -420.37249755859375, 'KL/mean': -342.61810302734375, 'KL/std': 187.45339965820312, 'logits/chosen': -0.33011433482170105, 'logits/rejected': -0.3226510286331177, 'epoch': 0.53}
53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 361/681 [15:12<13:55, 2.61s/it] 53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 362/681 [15:15<13:48, 2.60s/it] {'loss': 0.8578, 'grad_norm': 38.8252067565918, 'learning_rate': 2.679511629948319e-07, 'fcm_dpo/beta': 0.003302750177681446, 'fcm_dpo/q_t': 0.33344629406929016, 'fcm_dpo/delta': -0.17932967841625214, 'fcm_dpo/margin': 231.33099365234375, 'margin_dpo/margin_mean': 231.33099365234375, 'margin_dpo/margin_std': 206.98098754882812, 'logps/chosen': -288.84002685546875, 'logps/rejected': -567.1138916015625, 'logps/ref_chosen': -58.639060974121094, 'logps/ref_rejected': -105.58195495605469, 'KL/chosen_KL_mean': -230.20098876953125, 'KL/rejected_KL_mean': -461.5319519042969, 'KL/mean': -345.866455078125, 'KL/std': 199.43051147460938, 'logits/chosen': -0.35263383388519287, 'logits/rejected': -0.35993361473083496, 'epoch': 0.53}
53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 362/681 [15:15<13:48, 2.60s/it] 53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 363/681 [15:17<13:15, 2.50s/it] {'loss': 0.8495, 'grad_norm': 29.219369888305664, 'learning_rate': 2.6667091441120816e-07, 'fcm_dpo/beta': 0.0032095485366880894, 'fcm_dpo/q_t': 0.32998448610305786, 'fcm_dpo/delta': -0.18762367963790894, 'fcm_dpo/margin': 240.97897338867188, 'margin_dpo/margin_mean': 240.97897338867188, 'margin_dpo/margin_std': 207.41574096679688, 'logps/chosen': -251.73675537109375, 'logps/rejected': -522.852294921875, 'logps/ref_chosen': -44.558380126953125, 'logps/ref_rejected': -74.69496154785156, 'KL/chosen_KL_mean': -207.17837524414062, 'KL/rejected_KL_mean': -448.1573486328125, 'KL/mean': -327.6678466796875, 'KL/std': 196.34474182128906, 'logits/chosen': -0.3258933126926422, 'logits/rejected': -0.30995145440101624, 'epoch': 0.53}
53%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 363/681 [15:17<13:15, 2.50s/it] 53%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 364/681 [15:20<13:17, 2.52s/it] {'loss': 0.991, 'grad_norm': 30.076086044311523, 'learning_rate': 2.6539022653348575e-07, 'fcm_dpo/beta': 0.003198642283678055, 'fcm_dpo/q_t': 0.3736268877983093, 'fcm_dpo/delta': 0.02565312758088112, 'fcm_dpo/margin': 179.81556701660156, 'margin_dpo/margin_mean': 179.8155517578125, 'margin_dpo/margin_std': 207.90798950195312, 'logps/chosen': -270.2096862792969, 'logps/rejected': -492.5263671875, 'logps/ref_chosen': -48.894622802734375, 'logps/ref_rejected': -91.395751953125, 'KL/chosen_KL_mean': -221.3150634765625, 'KL/rejected_KL_mean': -401.130615234375, 'KL/mean': -311.22283935546875, 'KL/std': 186.37693786621094, 'logits/chosen': -0.35051482915878296, 'logits/rejected': -0.35855984687805176, 'epoch': 0.53}
53%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 364/681 [15:20<13:17, 2.52s/it] 54%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 365/681 [15:22<13:24, 2.55s/it] {'loss': 0.9823, 'grad_norm': 30.558664321899414, 'learning_rate': 2.641091331089811e-07, 'fcm_dpo/beta': 0.0031994380988180637, 'fcm_dpo/q_t': 0.37520602345466614, 'fcm_dpo/delta': 0.023408135399222374, 'fcm_dpo/margin': 180.63186645507812, 'margin_dpo/margin_mean': 180.63186645507812, 'margin_dpo/margin_std': 208.0732421875, 'logps/chosen': -285.3697814941406, 'logps/rejected': -507.2105407714844, 'logps/ref_chosen': -51.49274444580078, 'logps/ref_rejected': -92.70166778564453, 'KL/chosen_KL_mean': -233.87704467773438, 'KL/rejected_KL_mean': -414.5088806152344, 'KL/mean': -324.1929626464844, 'KL/std': 203.30694580078125, 'logits/chosen': -0.34205323457717896, 'logits/rejected': -0.34964728355407715, 'epoch': 0.54}
54%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 365/681 [15:22<13:24, 2.55s/it] 54%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 366/681 [15:25<13:23, 2.55s/it] {'loss': 0.9941, 'grad_norm': 33.09766387939453, 'learning_rate': 2.6282766789569736e-07, 'fcm_dpo/beta': 0.003188899951055646, 'fcm_dpo/q_t': 0.37210413813591003, 'fcm_dpo/delta': 0.010924622416496277, 'fcm_dpo/margin': 184.76480102539062, 'margin_dpo/margin_mean': 184.76478576660156, 'margin_dpo/margin_std': 221.24745178222656, 'logps/chosen': -267.1252746582031, 'logps/rejected': -490.47991943359375, 'logps/ref_chosen': -44.7205696105957, 'logps/ref_rejected': -83.31040954589844, 'KL/chosen_KL_mean': -222.40472412109375, 'KL/rejected_KL_mean': -407.1695251464844, 'KL/mean': -314.787109375, 'KL/std': 194.21192932128906, 'logits/chosen': -0.3388650715351105, 'logits/rejected': -0.35057055950164795, 'epoch': 0.54}
54%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 366/681 [15:25<13:23, 2.55s/it] 54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 367/681 [15:28<13:37, 2.60s/it] {'loss': 1.014, 'grad_norm': 27.49794578552246, 'learning_rate': 2.615458646614349e-07, 'fcm_dpo/beta': 0.0032505434937775135, 'fcm_dpo/q_t': 0.3836424946784973, 'fcm_dpo/delta': 0.08631440252065659, 'fcm_dpo/margin': 159.39840698242188, 'margin_dpo/margin_mean': 159.39840698242188, 'margin_dpo/margin_std': 182.224609375, 'logps/chosen': -282.53472900390625, 'logps/rejected': -460.2790222167969, 'logps/ref_chosen': -58.405418395996094, 'logps/ref_rejected': -76.75132751464844, 'KL/chosen_KL_mean': -224.12933349609375, 'KL/rejected_KL_mean': -383.5277099609375, 'KL/mean': -303.8285217285156, 'KL/std': 173.01712036132812, 'logits/chosen': -0.3360174894332886, 'logits/rejected': -0.3131776452064514, 'epoch': 0.54}
54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 367/681 [15:28<13:37, 2.60s/it] 54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 368/681 [15:30<13:33, 2.60s/it] {'loss': 0.8467, 'grad_norm': 42.817474365234375, 'learning_rate': 2.6026375718290083e-07, 'fcm_dpo/beta': 0.003197380807250738, 'fcm_dpo/q_t': 0.3323744535446167, 'fcm_dpo/delta': -0.14732971787452698, 'fcm_dpo/margin': 230.37936401367188, 'margin_dpo/margin_mean': 230.3793487548828, 'margin_dpo/margin_std': 171.62734985351562, 'logps/chosen': -261.69500732421875, 'logps/rejected': -546.1771240234375, 'logps/ref_chosen': -44.452518463134766, 'logps/ref_rejected': -98.55526733398438, 'KL/chosen_KL_mean': -217.24249267578125, 'KL/rejected_KL_mean': -447.62188720703125, 'KL/mean': -332.43218994140625, 'KL/std': 193.49945068359375, 'logits/chosen': -0.3793472945690155, 'logits/rejected': -0.38116952776908875, 'epoch': 0.54}
54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 368/681 [15:30<13:33, 2.60s/it] 54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 369/681 [15:33<13:36, 2.62s/it] {'loss': 1.0634, 'grad_norm': 40.823333740234375, 'learning_rate': 2.589813792448196e-07, 'fcm_dpo/beta': 0.003244384191930294, 'fcm_dpo/q_t': 0.3942197859287262, 'fcm_dpo/delta': 0.1265307366847992, 'fcm_dpo/margin': 147.50119018554688, 'margin_dpo/margin_mean': 147.50119018554688, 'margin_dpo/margin_std': 202.70083618164062, 'logps/chosen': -330.77349853515625, 'logps/rejected': -498.18896484375, 'logps/ref_chosen': -71.38150024414062, 'logps/ref_rejected': -91.29582214355469, 'KL/chosen_KL_mean': -259.3919982910156, 'KL/rejected_KL_mean': -406.8931579589844, 'KL/mean': -333.142578125, 'KL/std': 190.53173828125, 'logits/chosen': -0.36486881971359253, 'logits/rejected': -0.3441947400569916, 'epoch': 0.54}
54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 369/681 [15:33<13:36, 2.62s/it] 54%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 370/681 [15:36<13:42, 2.64s/it] {'loss': 1.1158, 'grad_norm': 44.87315368652344, 'learning_rate': 2.5769876463904263e-07, 'fcm_dpo/beta': 0.003352168947458267, 'fcm_dpo/q_t': 0.4083307981491089, 'fcm_dpo/delta': 0.1902626007795334, 'fcm_dpo/margin': 124.42868041992188, 'margin_dpo/margin_mean': 124.42868041992188, 'margin_dpo/margin_std': 199.98040771484375, 'logps/chosen': -356.0389404296875, 'logps/rejected': -506.1199035644531, 'logps/ref_chosen': -71.60749816894531, 'logps/ref_rejected': -97.25978088378906, 'KL/chosen_KL_mean': -284.43145751953125, 'KL/rejected_KL_mean': -408.860107421875, 'KL/mean': -346.6457824707031, 'KL/std': 187.88595581054688, 'logits/chosen': -0.3443584144115448, 'logits/rejected': -0.3377593457698822, 'epoch': 0.54}
54%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 370/681 [15:36<13:42, 2.64s/it] 54%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 371/681 [15:38<13:41, 2.65s/it] {'loss': 0.9792, 'grad_norm': 34.15528869628906, 'learning_rate': 2.5641594716365744e-07, 'fcm_dpo/beta': 0.0033790075685828924, 'fcm_dpo/q_t': 0.3653963804244995, 'fcm_dpo/delta': -0.0212722048163414, 'fcm_dpo/margin': 183.4083709716797, 'margin_dpo/margin_mean': 183.40835571289062, 'margin_dpo/margin_std': 217.07089233398438, 'logps/chosen': -340.63165283203125, 'logps/rejected': -553.7977294921875, 'logps/ref_chosen': -69.41448974609375, 'logps/ref_rejected': -99.17217254638672, 'KL/chosen_KL_mean': -271.2171630859375, 'KL/rejected_KL_mean': -454.6255187988281, 'KL/mean': -362.92132568359375, 'KL/std': 199.44146728515625, 'logits/chosen': -0.3939722180366516, 'logits/rejected': -0.38019344210624695, 'epoch': 0.54}
54%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 371/681 [15:38<13:41, 2.65s/it] 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 372/681 [15:41<13:03, 2.54s/it] {'loss': 0.9314, 'grad_norm': 30.624921798706055, 'learning_rate': 2.551329606220976e-07, 'fcm_dpo/beta': 0.0032852408476173878, 'fcm_dpo/q_t': 0.34957951307296753, 'fcm_dpo/delta': -0.13072502613067627, 'fcm_dpo/margin': 219.33583068847656, 'margin_dpo/margin_mean': 219.33583068847656, 'margin_dpo/margin_std': 252.03981018066406, 'logps/chosen': -325.11224365234375, 'logps/rejected': -561.1695556640625, 'logps/ref_chosen': -61.8179931640625, 'logps/ref_rejected': -78.53948974609375, 'KL/chosen_KL_mean': -263.29425048828125, 'KL/rejected_KL_mean': -482.63006591796875, 'KL/mean': -372.962158203125, 'KL/std': 229.61434936523438, 'logits/chosen': -0.35687190294265747, 'logits/rejected': -0.3293916583061218, 'epoch': 0.55}
55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 372/681 [15:41<13:03, 2.54s/it] 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 373/681 [15:43<12:53, 2.51s/it] {'loss': 0.915, 'grad_norm': 37.03703689575195, 'learning_rate': 2.538498388222517e-07, 'fcm_dpo/beta': 0.0032459371723234653, 'fcm_dpo/q_t': 0.3463241159915924, 'fcm_dpo/delta': -0.11214579641819, 'fcm_dpo/margin': 216.87083435058594, 'margin_dpo/margin_mean': 216.87081909179688, 'margin_dpo/margin_std': 215.33447265625, 'logps/chosen': -348.44256591796875, 'logps/rejected': -587.055908203125, 'logps/ref_chosen': -64.21713256835938, 'logps/ref_rejected': -85.95960998535156, 'KL/chosen_KL_mean': -284.2254333496094, 'KL/rejected_KL_mean': -501.09625244140625, 'KL/mean': -392.66082763671875, 'KL/std': 223.63372802734375, 'logits/chosen': -0.33413344621658325, 'logits/rejected': -0.30599355697631836, 'epoch': 0.55}
55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 373/681 [15:43<12:53, 2.51s/it] 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 374/681 [15:46<13:20, 2.61s/it] {'loss': 1.0093, 'grad_norm': 40.62038040161133, 'learning_rate': 2.525666155755725e-07, 'fcm_dpo/beta': 0.003183186985552311, 'fcm_dpo/q_t': 0.37585270404815674, 'fcm_dpo/delta': 0.0031774193048477173, 'fcm_dpo/margin': 187.29074096679688, 'margin_dpo/margin_mean': 187.29074096679688, 'margin_dpo/margin_std': 246.7799530029297, 'logps/chosen': -325.215087890625, 'logps/rejected': -535.495849609375, 'logps/ref_chosen': -70.65018463134766, 'logps/ref_rejected': -93.64016723632812, 'KL/chosen_KL_mean': -254.56488037109375, 'KL/rejected_KL_mean': -441.85565185546875, 'KL/mean': -348.21026611328125, 'KL/std': 231.42327880859375, 'logits/chosen': -0.42012012004852295, 'logits/rejected': -0.39598315954208374, 'epoch': 0.55}
55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 374/681 [15:46<13:20, 2.61s/it] 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 375/681 [15:49<13:29, 2.64s/it] {'loss': 1.0195, 'grad_norm': 48.257781982421875, 'learning_rate': 2.512833246961859e-07, 'fcm_dpo/beta': 0.003183454740792513, 'fcm_dpo/q_t': 0.3734520375728607, 'fcm_dpo/delta': 0.015603147447109222, 'fcm_dpo/margin': 183.40240478515625, 'margin_dpo/margin_mean': 183.40240478515625, 'margin_dpo/margin_std': 237.6729736328125, 'logps/chosen': -339.2387390136719, 'logps/rejected': -551.4992065429688, 'logps/ref_chosen': -60.080223083496094, 'logps/ref_rejected': -88.93830871582031, 'KL/chosen_KL_mean': -279.15850830078125, 'KL/rejected_KL_mean': -462.5609130859375, 'KL/mean': -370.8597412109375, 'KL/std': 203.83473205566406, 'logits/chosen': -0.35360097885131836, 'logits/rejected': -0.35042452812194824, 'epoch': 0.55}
55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 375/681 [15:49<13:29, 2.64s/it] 55%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 376/681 [15:51<13:29, 2.66s/it] {'loss': 0.9354, 'grad_norm': 33.554718017578125, 'learning_rate': 2.5e-07, 'fcm_dpo/beta': 0.003158073639497161, 'fcm_dpo/q_t': 0.34953978657722473, 'fcm_dpo/delta': -0.1110667809844017, 'fcm_dpo/margin': 222.63026428222656, 'margin_dpo/margin_mean': 222.63027954101562, 'margin_dpo/margin_std': 249.431396484375, 'logps/chosen': -326.3419189453125, 'logps/rejected': -591.8385009765625, 'logps/ref_chosen': -62.660308837890625, 'logps/ref_rejected': -105.52660369873047, 'KL/chosen_KL_mean': -263.6816101074219, 'KL/rejected_KL_mean': -486.3118896484375, 'KL/mean': -374.9967346191406, 'KL/std': 214.6494140625, 'logits/chosen': -0.35632210969924927, 'logits/rejected': -0.3426344394683838, 'epoch': 0.55}
55%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 376/681 [15:51<13:29, 2.66s/it] 55%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 377/681 [15:54<13:11, 2.60s/it] {'loss': 0.9483, 'grad_norm': 32.23828125, 'learning_rate': 2.487166753038141e-07, 'fcm_dpo/beta': 0.0031269832979887724, 'fcm_dpo/q_t': 0.358760267496109, 'fcm_dpo/delta': -0.052792586386203766, 'fcm_dpo/margin': 207.66793823242188, 'margin_dpo/margin_mean': 207.66793823242188, 'margin_dpo/margin_std': 225.5984649658203, 'logps/chosen': -334.07586669921875, 'logps/rejected': -585.9684448242188, 'logps/ref_chosen': -54.478736877441406, 'logps/ref_rejected': -98.70335388183594, 'KL/chosen_KL_mean': -279.59716796875, 'KL/rejected_KL_mean': -487.26507568359375, 'KL/mean': -383.43109130859375, 'KL/std': 221.8564910888672, 'logits/chosen': -0.28237342834472656, 'logits/rejected': -0.276389479637146, 'epoch': 0.55}
55%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 377/681 [15:54<13:11, 2.60s/it] 56%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 378/681 [15:56<12:27, 2.47s/it] {'loss': 0.8968, 'grad_norm': 32.43430709838867, 'learning_rate': 2.4743338442442754e-07, 'fcm_dpo/beta': 0.0030510034412145615, 'fcm_dpo/q_t': 0.3426278829574585, 'fcm_dpo/delta': -0.1129959374666214, 'fcm_dpo/margin': 230.93800354003906, 'margin_dpo/margin_mean': 230.93800354003906, 'margin_dpo/margin_std': 214.55853271484375, 'logps/chosen': -309.424072265625, 'logps/rejected': -583.3884887695312, 'logps/ref_chosen': -45.02053451538086, 'logps/ref_rejected': -88.0469741821289, 'KL/chosen_KL_mean': -264.40350341796875, 'KL/rejected_KL_mean': -495.34149169921875, 'KL/mean': -379.8725280761719, 'KL/std': 208.23890686035156, 'logits/chosen': -0.28662872314453125, 'logits/rejected': -0.29121625423431396, 'epoch': 0.56}
56%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 378/681 [15:56<12:27, 2.47s/it] 56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 379/681 [15:58<12:21, 2.46s/it] {'loss': 0.9596, 'grad_norm': 41.569034576416016, 'learning_rate': 2.461501611777483e-07, 'fcm_dpo/beta': 0.003007414285093546, 'fcm_dpo/q_t': 0.3615230917930603, 'fcm_dpo/delta': -0.04499698057770729, 'fcm_dpo/margin': 213.30560302734375, 'margin_dpo/margin_mean': 213.30560302734375, 'margin_dpo/margin_std': 242.21095275878906, 'logps/chosen': -344.1376953125, 'logps/rejected': -618.5613403320312, 'logps/ref_chosen': -53.182098388671875, 'logps/ref_rejected': -114.3001708984375, 'KL/chosen_KL_mean': -290.95556640625, 'KL/rejected_KL_mean': -504.26116943359375, 'KL/mean': -397.6083679199219, 'KL/std': 205.03558349609375, 'logits/chosen': -0.2972605526447296, 'logits/rejected': -0.31412017345428467, 'epoch': 0.56}
56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 379/681 [15:58<12:21, 2.46s/it] 56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 380/681 [16:01<12:05, 2.41s/it] {'loss': 0.9258, 'grad_norm': 33.26060485839844, 'learning_rate': 2.4486703937790243e-07, 'fcm_dpo/beta': 0.0029722503386437893, 'fcm_dpo/q_t': 0.344382643699646, 'fcm_dpo/delta': -0.11858358979225159, 'fcm_dpo/margin': 238.98095703125, 'margin_dpo/margin_mean': 238.98095703125, 'margin_dpo/margin_std': 256.5580139160156, 'logps/chosen': -338.80523681640625, 'logps/rejected': -630.6248779296875, 'logps/ref_chosen': -51.3530387878418, 'logps/ref_rejected': -104.19169616699219, 'KL/chosen_KL_mean': -287.45220947265625, 'KL/rejected_KL_mean': -526.4331665039062, 'KL/mean': -406.9426574707031, 'KL/std': 237.34384155273438, 'logits/chosen': -0.30034565925598145, 'logits/rejected': -0.32280099391937256, 'epoch': 0.56}
56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 380/681 [16:01<12:05, 2.41s/it] 56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 381/681 [16:03<12:09, 2.43s/it] {'loss': 1.0502, 'grad_norm': 33.78224182128906, 'learning_rate': 2.435840528363426e-07, 'fcm_dpo/beta': 0.002964303595945239, 'fcm_dpo/q_t': 0.3842027187347412, 'fcm_dpo/delta': 0.06171252951025963, 'fcm_dpo/margin': 182.7288818359375, 'margin_dpo/margin_mean': 182.7288818359375, 'margin_dpo/margin_std': 262.4327697753906, 'logps/chosen': -342.85223388671875, 'logps/rejected': -546.9974365234375, 'logps/ref_chosen': -57.80306625366211, 'logps/ref_rejected': -79.21940612792969, 'KL/chosen_KL_mean': -285.04913330078125, 'KL/rejected_KL_mean': -467.7780456542969, 'KL/mean': -376.41357421875, 'KL/std': 195.86361694335938, 'logits/chosen': -0.32100236415863037, 'logits/rejected': -0.29901283979415894, 'epoch': 0.56}
56%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 381/681 [16:03<12:09, 2.43s/it] 56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 382/681 [16:06<12:18, 2.47s/it] {'loss': 0.9498, 'grad_norm': 33.5085334777832, 'learning_rate': 2.4230123536095745e-07, 'fcm_dpo/beta': 0.0029781339690089226, 'fcm_dpo/q_t': 0.3653753697872162, 'fcm_dpo/delta': 0.00036939699202775955, 'fcm_dpo/margin': 201.34799194335938, 'margin_dpo/margin_mean': 201.34799194335938, 'margin_dpo/margin_std': 194.20318603515625, 'logps/chosen': -352.45733642578125, 'logps/rejected': -598.4951782226562, 'logps/ref_chosen': -66.02030181884766, 'logps/ref_rejected': -110.71016693115234, 'KL/chosen_KL_mean': -286.43701171875, 'KL/rejected_KL_mean': -487.7850341796875, 'KL/mean': -387.11102294921875, 'KL/std': 184.3202362060547, 'logits/chosen': -0.37374958395957947, 'logits/rejected': -0.3705790638923645, 'epoch': 0.56}
56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 382/681 [16:06<12:18, 2.47s/it] 56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 383/681 [16:08<12:19, 2.48s/it] {'loss': 1.003, 'grad_norm': 31.9790096282959, 'learning_rate': 2.4101862075518037e-07, 'fcm_dpo/beta': 0.0029702105093747377, 'fcm_dpo/q_t': 0.3686668872833252, 'fcm_dpo/delta': -0.013477612286806107, 'fcm_dpo/margin': 206.245361328125, 'margin_dpo/margin_mean': 206.245361328125, 'margin_dpo/margin_std': 269.244140625, 'logps/chosen': -342.1474609375, 'logps/rejected': -591.7172241210938, 'logps/ref_chosen': -50.39148712158203, 'logps/ref_rejected': -93.71589660644531, 'KL/chosen_KL_mean': -291.7559814453125, 'KL/rejected_KL_mean': -498.0013427734375, 'KL/mean': -394.878662109375, 'KL/std': 211.57595825195312, 'logits/chosen': -0.3055593967437744, 'logits/rejected': -0.3108689785003662, 'epoch': 0.56}
56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 383/681 [16:08<12:19, 2.48s/it] 56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 384/681 [16:11<12:22, 2.50s/it] {'loss': 1.004, 'grad_norm': 28.06199073791504, 'learning_rate': 2.397362428170992e-07, 'fcm_dpo/beta': 0.003028924809768796, 'fcm_dpo/q_t': 0.38307762145996094, 'fcm_dpo/delta': 0.08948992937803268, 'fcm_dpo/margin': 169.71456909179688, 'margin_dpo/margin_mean': 169.71456909179688, 'margin_dpo/margin_std': 176.09442138671875, 'logps/chosen': -341.45159912109375, 'logps/rejected': -544.8809814453125, 'logps/ref_chosen': -52.046104431152344, 'logps/ref_rejected': -85.76089477539062, 'KL/chosen_KL_mean': -289.405517578125, 'KL/rejected_KL_mean': -459.12005615234375, 'KL/mean': -374.2627868652344, 'KL/std': 191.923095703125, 'logits/chosen': -0.35736358165740967, 'logits/rejected': -0.3461098074913025, 'epoch': 0.56}
56%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 384/681 [16:11<12:22, 2.50s/it] 57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 385/681 [16:13<12:14, 2.48s/it] {'loss': 0.9361, 'grad_norm': 29.232404708862305, 'learning_rate': 2.3845413533856514e-07, 'fcm_dpo/beta': 0.00302038062363863, 'fcm_dpo/q_t': 0.3613358736038208, 'fcm_dpo/delta': -0.012154972180724144, 'fcm_dpo/margin': 202.42823791503906, 'margin_dpo/margin_mean': 202.42823791503906, 'margin_dpo/margin_std': 184.14300537109375, 'logps/chosen': -336.2914733886719, 'logps/rejected': -550.9954833984375, 'logps/ref_chosen': -65.55215454101562, 'logps/ref_rejected': -77.82792663574219, 'KL/chosen_KL_mean': -270.73931884765625, 'KL/rejected_KL_mean': -473.16754150390625, 'KL/mean': -371.95343017578125, 'KL/std': 169.21913146972656, 'logits/chosen': -0.36031654477119446, 'logits/rejected': -0.32724112272262573, 'epoch': 0.57}
57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 385/681 [16:13<12:14, 2.48s/it] 57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 386/681 [16:16<12:21, 2.51s/it] {'loss': 0.9509, 'grad_norm': 28.158893585205078, 'learning_rate': 2.3717233210430254e-07, 'fcm_dpo/beta': 0.0030043399892747402, 'fcm_dpo/q_t': 0.35987475514411926, 'fcm_dpo/delta': -0.04258216917514801, 'fcm_dpo/margin': 212.98309326171875, 'margin_dpo/margin_mean': 212.98309326171875, 'margin_dpo/margin_std': 232.02841186523438, 'logps/chosen': -346.64691162109375, 'logps/rejected': -593.735595703125, 'logps/ref_chosen': -58.22185516357422, 'logps/ref_rejected': -92.32742309570312, 'KL/chosen_KL_mean': -288.425048828125, 'KL/rejected_KL_mean': -501.40814208984375, 'KL/mean': -394.9166259765625, 'KL/std': 207.48939514160156, 'logits/chosen': -0.35813117027282715, 'logits/rejected': -0.3487015962600708, 'epoch': 0.57}
57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 386/681 [16:16<12:21, 2.51s/it] 57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 387/681 [16:19<12:45, 2.60s/it] {'loss': 0.9967, 'grad_norm': 40.10986328125, 'learning_rate': 2.3589086689101889e-07, 'fcm_dpo/beta': 0.0030100648291409016, 'fcm_dpo/q_t': 0.37951982021331787, 'fcm_dpo/delta': 0.06926459819078445, 'fcm_dpo/margin': 177.50863647460938, 'margin_dpo/margin_mean': 177.50863647460938, 'margin_dpo/margin_std': 188.54428100585938, 'logps/chosen': -378.88812255859375, 'logps/rejected': -582.146484375, 'logps/ref_chosen': -66.41944885253906, 'logps/ref_rejected': -92.16915893554688, 'KL/chosen_KL_mean': -312.46868896484375, 'KL/rejected_KL_mean': -489.977294921875, 'KL/mean': -401.2229919433594, 'KL/std': 190.97109985351562, 'logits/chosen': -0.37982168793678284, 'logits/rejected': -0.3499566912651062, 'epoch': 0.57}
57%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 387/681 [16:19<12:45, 2.60s/it] 57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 388/681 [16:21<12:18, 2.52s/it] {'loss': 0.9262, 'grad_norm': 36.02871322631836, 'learning_rate': 2.3460977346651428e-07, 'fcm_dpo/beta': 0.00297818542458117, 'fcm_dpo/q_t': 0.35114359855651855, 'fcm_dpo/delta': -0.10437505692243576, 'fcm_dpo/margin': 233.88296508789062, 'margin_dpo/margin_mean': 233.88296508789062, 'margin_dpo/margin_std': 256.0967712402344, 'logps/chosen': -344.7312316894531, 'logps/rejected': -632.9178466796875, 'logps/ref_chosen': -50.129459381103516, 'logps/ref_rejected': -104.43305969238281, 'KL/chosen_KL_mean': -294.6017761230469, 'KL/rejected_KL_mean': -528.4848022460938, 'KL/mean': -411.54327392578125, 'KL/std': 224.71279907226562, 'logits/chosen': -0.3343929648399353, 'logits/rejected': -0.3432833254337311, 'epoch': 0.57}
57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 388/681 [16:21<12:18, 2.52s/it] 57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 389/681 [16:23<12:05, 2.49s/it] {'loss': 0.9775, 'grad_norm': 34.471981048583984, 'learning_rate': 2.3332908558879177e-07, 'fcm_dpo/beta': 0.002964036539196968, 'fcm_dpo/q_t': 0.3668934106826782, 'fcm_dpo/delta': -0.012725681066513062, 'fcm_dpo/margin': 206.44857788085938, 'margin_dpo/margin_mean': 206.44859313964844, 'margin_dpo/margin_std': 240.46298217773438, 'logps/chosen': -383.6780700683594, 'logps/rejected': -610.1346435546875, 'logps/ref_chosen': -57.906593322753906, 'logps/ref_rejected': -77.91454315185547, 'KL/chosen_KL_mean': -325.771484375, 'KL/rejected_KL_mean': -532.2200927734375, 'KL/mean': -428.99578857421875, 'KL/std': 222.25308227539062, 'logits/chosen': -0.3404477834701538, 'logits/rejected': -0.3211250305175781, 'epoch': 0.57}
57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 389/681 [16:23<12:05, 2.49s/it] 57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 390/681 [16:26<12:02, 2.48s/it] {'loss': 1.0248, 'grad_norm': 35.749568939208984, 'learning_rate': 2.320488370051681e-07, 'fcm_dpo/beta': 0.0029571224004030228, 'fcm_dpo/q_t': 0.3762761950492859, 'fcm_dpo/delta': 0.013474367558956146, 'fcm_dpo/margin': 198.4927978515625, 'margin_dpo/margin_mean': 198.4927978515625, 'margin_dpo/margin_std': 276.93096923828125, 'logps/chosen': -368.1226806640625, 'logps/rejected': -602.917724609375, 'logps/ref_chosen': -49.22591781616211, 'logps/ref_rejected': -85.5281982421875, 'KL/chosen_KL_mean': -318.89678955078125, 'KL/rejected_KL_mean': -517.3895263671875, 'KL/mean': -418.1431884765625, 'KL/std': 214.55783081054688, 'logits/chosen': -0.33758920431137085, 'logits/rejected': -0.3237559497356415, 'epoch': 0.57}
57%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 390/681 [16:26<12:02, 2.48s/it] 57%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 391/681 [16:28<11:55, 2.47s/it] {'loss': 1.1146, 'grad_norm': 43.194095611572266, 'learning_rate': 2.3076906145138405e-07, 'fcm_dpo/beta': 0.0030692159198224545, 'fcm_dpo/q_t': 0.41186365485191345, 'fcm_dpo/delta': 0.1979488730430603, 'fcm_dpo/margin': 133.4481201171875, 'margin_dpo/margin_mean': 133.4481201171875, 'margin_dpo/margin_std': 211.03024291992188, 'logps/chosen': -369.93780517578125, 'logps/rejected': -525.79443359375, 'logps/ref_chosen': -64.32965087890625, 'logps/ref_rejected': -86.73820495605469, 'KL/chosen_KL_mean': -305.608154296875, 'KL/rejected_KL_mean': -439.0562744140625, 'KL/mean': -372.33221435546875, 'KL/std': 204.19851684570312, 'logits/chosen': -0.35497570037841797, 'logits/rejected': -0.3478752672672272, 'epoch': 0.57}
57%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 391/681 [16:28<11:55, 2.47s/it] 58%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 392/681 [16:31<12:09, 2.53s/it] {'loss': 0.8871, 'grad_norm': 29.419065475463867, 'learning_rate': 2.294897926507156e-07, 'fcm_dpo/beta': 0.0030516264960169792, 'fcm_dpo/q_t': 0.3435419201850891, 'fcm_dpo/delta': -0.11790303140878677, 'fcm_dpo/margin': 232.5528564453125, 'margin_dpo/margin_mean': 232.5528564453125, 'margin_dpo/margin_std': 209.47817993164062, 'logps/chosen': -323.13934326171875, 'logps/rejected': -604.5340576171875, 'logps/ref_chosen': -53.50397872924805, 'logps/ref_rejected': -102.34584045410156, 'KL/chosen_KL_mean': -269.6353454589844, 'KL/rejected_KL_mean': -502.1882019042969, 'KL/mean': -385.9117736816406, 'KL/std': 216.24798583984375, 'logits/chosen': -0.3578484058380127, 'logits/rejected': -0.3481765389442444, 'epoch': 0.58}
58%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 392/681 [16:31<12:09, 2.53s/it] 58%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 393/681 [16:33<11:54, 2.48s/it] {'loss': 1.0477, 'grad_norm': 31.98375129699707, 'learning_rate': 2.2821106431308543e-07, 'fcm_dpo/beta': 0.00304000498726964, 'fcm_dpo/q_t': 0.38655680418014526, 'fcm_dpo/delta': 0.05059793218970299, 'fcm_dpo/margin': 181.65281677246094, 'margin_dpo/margin_mean': 181.65283203125, 'margin_dpo/margin_std': 272.7147216796875, 'logps/chosen': -313.18890380859375, 'logps/rejected': -520.336669921875, 'logps/ref_chosen': -46.473915100097656, 'logps/ref_rejected': -71.96885681152344, 'KL/chosen_KL_mean': -266.7149658203125, 'KL/rejected_KL_mean': -448.36785888671875, 'KL/mean': -357.5413818359375, 'KL/std': 219.1102294921875, 'logits/chosen': -0.30934107303619385, 'logits/rejected': -0.3014167845249176, 'epoch': 0.58}
58%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 393/681 [16:33<11:54, 2.48s/it] 58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 394/681 [16:36<12:01, 2.52s/it] {'loss': 0.9828, 'grad_norm': 33.16108703613281, 'learning_rate': 2.2693291013417452e-07, 'fcm_dpo/beta': 0.0030346158891916275, 'fcm_dpo/q_t': 0.3683304786682129, 'fcm_dpo/delta': -0.018204499036073685, 'fcm_dpo/margin': 203.28082275390625, 'margin_dpo/margin_mean': 203.2808074951172, 'margin_dpo/margin_std': 246.54742431640625, 'logps/chosen': -350.99346923828125, 'logps/rejected': -592.1853637695312, 'logps/ref_chosen': -52.91154861450195, 'logps/ref_rejected': -90.8226318359375, 'KL/chosen_KL_mean': -298.0819091796875, 'KL/rejected_KL_mean': -501.36273193359375, 'KL/mean': -399.7223205566406, 'KL/std': 228.62066650390625, 'logits/chosen': -0.3650529682636261, 'logits/rejected': -0.35924166440963745, 'epoch': 0.58}
58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 394/681 [16:36<12:01, 2.52s/it] 58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 395/681 [16:38<11:44, 2.46s/it] {'loss': 0.9947, 'grad_norm': 37.2800407409668, 'learning_rate': 2.2565536379453404e-07, 'fcm_dpo/beta': 0.0030147230718284845, 'fcm_dpo/q_t': 0.36819878220558167, 'fcm_dpo/delta': -0.03235205262899399, 'fcm_dpo/margin': 208.95587158203125, 'margin_dpo/margin_mean': 208.95587158203125, 'margin_dpo/margin_std': 271.637451171875, 'logps/chosen': -362.16265869140625, 'logps/rejected': -592.3550415039062, 'logps/ref_chosen': -62.546112060546875, 'logps/ref_rejected': -83.78262329101562, 'KL/chosen_KL_mean': -299.6165466308594, 'KL/rejected_KL_mean': -508.57244873046875, 'KL/mean': -404.094482421875, 'KL/std': 234.14849853515625, 'logits/chosen': -0.3679765462875366, 'logits/rejected': -0.3596211075782776, 'epoch': 0.58}
58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 395/681 [16:38<11:44, 2.46s/it] 58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 396/681 [16:41<11:46, 2.48s/it] {'loss': 0.9648, 'grad_norm': 31.803199768066406, 'learning_rate': 2.2437845895869825e-07, 'fcm_dpo/beta': 0.0030169161036610603, 'fcm_dpo/q_t': 0.3687392473220825, 'fcm_dpo/delta': 0.002881184220314026, 'fcm_dpo/margin': 197.96380615234375, 'margin_dpo/margin_mean': 197.96380615234375, 'margin_dpo/margin_std': 214.8352813720703, 'logps/chosen': -373.37799072265625, 'logps/rejected': -590.9925537109375, 'logps/ref_chosen': -68.99594116210938, 'logps/ref_rejected': -88.64665985107422, 'KL/chosen_KL_mean': -304.382080078125, 'KL/rejected_KL_mean': -502.34588623046875, 'KL/mean': -403.36395263671875, 'KL/std': 222.828857421875, 'logits/chosen': -0.36917823553085327, 'logits/rejected': -0.3443046510219574, 'epoch': 0.58}
58%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 396/681 [16:41<11:46, 2.48s/it] 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 397/681 [16:43<11:43, 2.48s/it] {'loss': 0.8754, 'grad_norm': 36.88515090942383, 'learning_rate': 2.2310222927429716e-07, 'fcm_dpo/beta': 0.0029368908144533634, 'fcm_dpo/q_t': 0.33645138144493103, 'fcm_dpo/delta': -0.15513816475868225, 'fcm_dpo/margin': 252.70358276367188, 'margin_dpo/margin_mean': 252.70358276367188, 'margin_dpo/margin_std': 229.07723999023438, 'logps/chosen': -345.8892822265625, 'logps/rejected': -640.431884765625, 'logps/ref_chosen': -61.27716827392578, 'logps/ref_rejected': -103.11612701416016, 'KL/chosen_KL_mean': -284.61212158203125, 'KL/rejected_KL_mean': -537.3157348632812, 'KL/mean': -410.96392822265625, 'KL/std': 225.3281707763672, 'logits/chosen': -0.3128030300140381, 'logits/rejected': -0.29988163709640503, 'epoch': 0.58}
58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 397/681 [16:43<11:43, 2.48s/it] 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 398/681 [16:45<11:28, 2.43s/it] {'loss': 0.9662, 'grad_norm': 31.996997833251953, 'learning_rate': 2.2182670837116972e-07, 'fcm_dpo/beta': 0.0029114214703440666, 'fcm_dpo/q_t': 0.36444124579429626, 'fcm_dpo/delta': -0.03927408903837204, 'fcm_dpo/margin': 218.70614624023438, 'margin_dpo/margin_mean': 218.70614624023438, 'margin_dpo/margin_std': 258.6249694824219, 'logps/chosen': -384.1842041015625, 'logps/rejected': -643.262451171875, 'logps/ref_chosen': -68.15155029296875, 'logps/ref_rejected': -108.52360534667969, 'KL/chosen_KL_mean': -316.03265380859375, 'KL/rejected_KL_mean': -534.7388916015625, 'KL/mean': -425.3857421875, 'KL/std': 229.64132690429688, 'logits/chosen': -0.4120296239852905, 'logits/rejected': -0.40254727005958557, 'epoch': 0.58}
58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 398/681 [16:45<11:28, 2.43s/it] 59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 399/681 [16:48<11:32, 2.46s/it] {'loss': 0.9824, 'grad_norm': 40.43487548828125, 'learning_rate': 2.2055192986047804e-07, 'fcm_dpo/beta': 0.0028921724297106266, 'fcm_dpo/q_t': 0.3680976927280426, 'fcm_dpo/delta': -0.010987410321831703, 'fcm_dpo/margin': 210.92648315429688, 'margin_dpo/margin_mean': 210.92645263671875, 'margin_dpo/margin_std': 250.62240600585938, 'logps/chosen': -340.41864013671875, 'logps/rejected': -568.4208984375, 'logps/ref_chosen': -60.889801025390625, 'logps/ref_rejected': -77.965576171875, 'KL/chosen_KL_mean': -279.52880859375, 'KL/rejected_KL_mean': -490.455322265625, 'KL/mean': -384.9920654296875, 'KL/std': 210.19830322265625, 'logits/chosen': -0.34756147861480713, 'logits/rejected': -0.29680293798446655, 'epoch': 0.59}
59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 399/681 [16:48<11:32, 2.46s/it] 59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 400/681 [16:50<11:31, 2.46s/it] {'loss': 0.833, 'grad_norm': 29.75553321838379, 'learning_rate': 2.192779273338215e-07, 'fcm_dpo/beta': 0.0027863583527505398, 'fcm_dpo/q_t': 0.3205851912498474, 'fcm_dpo/delta': -0.2380165159702301, 'fcm_dpo/margin': 293.2017822265625, 'margin_dpo/margin_mean': 293.2018127441406, 'margin_dpo/margin_std': 252.10061645507812, 'logps/chosen': -338.12469482421875, 'logps/rejected': -672.9356079101562, 'logps/ref_chosen': -63.64359664916992, 'logps/ref_rejected': -105.252685546875, 'KL/chosen_KL_mean': -274.4811096191406, 'KL/rejected_KL_mean': -567.6829223632812, 'KL/mean': -421.08203125, 'KL/std': 229.29571533203125, 'logits/chosen': -0.355247437953949, 'logits/rejected': -0.342274010181427, 'epoch': 0.59}
59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 400/681 [16:50<11:31, 2.46s/it] 59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 401/681 [16:53<11:38, 2.50s/it] {'loss': 1.1331, 'grad_norm': 37.09299850463867, 'learning_rate': 2.1800473436235136e-07, 'fcm_dpo/beta': 0.0028180358931422234, 'fcm_dpo/q_t': 0.40394720435142517, 'fcm_dpo/delta': 0.14141802489757538, 'fcm_dpo/margin': 165.141845703125, 'margin_dpo/margin_mean': 165.141845703125, 'margin_dpo/margin_std': 301.13623046875, 'logps/chosen': -375.47918701171875, 'logps/rejected': -567.25048828125, 'logps/ref_chosen': -57.16303253173828, 'logps/ref_rejected': -83.79249572753906, 'KL/chosen_KL_mean': -318.316162109375, 'KL/rejected_KL_mean': -483.4580383300781, 'KL/mean': -400.8870849609375, 'KL/std': 223.79833984375, 'logits/chosen': -0.35280734300613403, 'logits/rejected': -0.3450931906700134, 'epoch': 0.59}
59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 401/681 [16:53<11:38, 2.50s/it] 59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 402/681 [16:55<11:16, 2.43s/it] {'loss': 0.8269, 'grad_norm': 28.796403884887695, 'learning_rate': 2.1673238449588665e-07, 'fcm_dpo/beta': 0.0027553034014999866, 'fcm_dpo/q_t': 0.3237714469432831, 'fcm_dpo/delta': -0.21828174591064453, 'fcm_dpo/margin': 290.64593505859375, 'margin_dpo/margin_mean': 290.64593505859375, 'margin_dpo/margin_std': 238.6392822265625, 'logps/chosen': -293.7557373046875, 'logps/rejected': -614.7073974609375, 'logps/ref_chosen': -50.74037170410156, 'logps/ref_rejected': -81.0460433959961, 'KL/chosen_KL_mean': -243.015380859375, 'KL/rejected_KL_mean': -533.661376953125, 'KL/mean': -388.33837890625, 'KL/std': 241.9614715576172, 'logits/chosen': -0.37429875135421753, 'logits/rejected': -0.3534529209136963, 'epoch': 0.59}
59%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 402/681 [16:55<11:16, 2.43s/it] 59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 403/681 [16:58<11:14, 2.43s/it] {'loss': 0.9378, 'grad_norm': 42.3283805847168, 'learning_rate': 2.154609112620295e-07, 'fcm_dpo/beta': 0.0027013076469302177, 'fcm_dpo/q_t': 0.3589549958705902, 'fcm_dpo/delta': -0.03580711781978607, 'fcm_dpo/margin': 234.43080139160156, 'margin_dpo/margin_mean': 234.43080139160156, 'margin_dpo/margin_std': 227.52676391601562, 'logps/chosen': -326.91766357421875, 'logps/rejected': -591.4677734375, 'logps/ref_chosen': -47.14731216430664, 'logps/ref_rejected': -77.2666015625, 'KL/chosen_KL_mean': -279.77032470703125, 'KL/rejected_KL_mean': -514.2011108398438, 'KL/mean': -396.9857177734375, 'KL/std': 217.40603637695312, 'logits/chosen': -0.34183019399642944, 'logits/rejected': -0.3340870440006256, 'epoch': 0.59}
59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 403/681 [16:58<11:14, 2.43s/it] 59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 404/681 [17:00<11:15, 2.44s/it] {'loss': 0.9955, 'grad_norm': 30.959922790527344, 'learning_rate': 2.1419034816528218e-07, 'fcm_dpo/beta': 0.0026985001750290394, 'fcm_dpo/q_t': 0.3690837621688843, 'fcm_dpo/delta': -0.01097569614648819, 'fcm_dpo/margin': 226.1608428955078, 'margin_dpo/margin_mean': 226.1608428955078, 'margin_dpo/margin_std': 281.708251953125, 'logps/chosen': -346.40252685546875, 'logps/rejected': -601.8431396484375, 'logps/ref_chosen': -47.875274658203125, 'logps/ref_rejected': -77.15499877929688, 'KL/chosen_KL_mean': -298.5272521972656, 'KL/rejected_KL_mean': -524.6881103515625, 'KL/mean': -411.607666015625, 'KL/std': 217.91021728515625, 'logits/chosen': -0.2883830666542053, 'logits/rejected': -0.2707025408744812, 'epoch': 0.59}
59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 404/681 [17:00<11:15, 2.44s/it] 59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 405/681 [17:02<11:03, 2.40s/it] {'loss': 1.0558, 'grad_norm': 42.94267272949219, 'learning_rate': 2.129207286861638e-07, 'fcm_dpo/beta': 0.0027550561353564262, 'fcm_dpo/q_t': 0.3866780996322632, 'fcm_dpo/delta': 0.0639815554022789, 'fcm_dpo/margin': 194.66395568847656, 'margin_dpo/margin_mean': 194.66395568847656, 'margin_dpo/margin_std': 272.65631103515625, 'logps/chosen': -393.109619140625, 'logps/rejected': -609.7974243164062, 'logps/ref_chosen': -65.16290283203125, 'logps/ref_rejected': -87.18678283691406, 'KL/chosen_KL_mean': -327.94671630859375, 'KL/rejected_KL_mean': -522.610595703125, 'KL/mean': -425.2786865234375, 'KL/std': 234.07749938964844, 'logits/chosen': -0.3305842876434326, 'logits/rejected': -0.3149982690811157, 'epoch': 0.59}
59%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 405/681 [17:03<11:03, 2.40s/it] 60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 406/681 [17:05<10:55, 2.38s/it] {'loss': 0.9554, 'grad_norm': 36.9166374206543, 'learning_rate': 2.1165208628032861e-07, 'fcm_dpo/beta': 0.0027310503646731377, 'fcm_dpo/q_t': 0.360387921333313, 'fcm_dpo/delta': -0.054131537675857544, 'fcm_dpo/margin': 237.99343872070312, 'margin_dpo/margin_mean': 237.99343872070312, 'margin_dpo/margin_std': 266.49114990234375, 'logps/chosen': -360.407958984375, 'logps/rejected': -640.7392578125, 'logps/ref_chosen': -49.740814208984375, 'logps/ref_rejected': -92.07862854003906, 'KL/chosen_KL_mean': -310.66717529296875, 'KL/rejected_KL_mean': -548.66064453125, 'KL/mean': -429.66387939453125, 'KL/std': 241.29891967773438, 'logits/chosen': -0.34900373220443726, 'logits/rejected': -0.3453657925128937, 'epoch': 0.6}
60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 406/681 [17:05<10:55, 2.38s/it] 60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 407/681 [17:07<10:59, 2.41s/it] {'loss': 1.0882, 'grad_norm': 41.28742980957031, 'learning_rate': 2.1038445437768375e-07, 'fcm_dpo/beta': 0.0027793548069894314, 'fcm_dpo/q_t': 0.396578848361969, 'fcm_dpo/delta': 0.13783788681030273, 'fcm_dpo/margin': 167.9112091064453, 'margin_dpo/margin_mean': 167.91119384765625, 'margin_dpo/margin_std': 249.52297973632812, 'logps/chosen': -386.4814453125, 'logps/rejected': -575.573974609375, 'logps/ref_chosen': -56.33069610595703, 'logps/ref_rejected': -77.51209259033203, 'KL/chosen_KL_mean': -330.1507568359375, 'KL/rejected_KL_mean': -498.0618896484375, 'KL/mean': -414.1063232421875, 'KL/std': 193.3262481689453, 'logits/chosen': -0.3529721200466156, 'logits/rejected': -0.3218746483325958, 'epoch': 0.6}
60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 407/681 [17:07<10:59, 2.41s/it] 60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 408/681 [17:10<11:18, 2.48s/it] {'loss': 1.0511, 'grad_norm': 36.62002182006836, 'learning_rate': 2.0911786638150872e-07, 'fcm_dpo/beta': 0.002833049977198243, 'fcm_dpo/q_t': 0.39502090215682983, 'fcm_dpo/delta': 0.13552114367485046, 'fcm_dpo/margin': 166.24288940429688, 'margin_dpo/margin_mean': 166.242919921875, 'margin_dpo/margin_std': 210.2808837890625, 'logps/chosen': -392.8995361328125, 'logps/rejected': -579.4500732421875, 'logps/ref_chosen': -69.789306640625, 'logps/ref_rejected': -90.09693908691406, 'KL/chosen_KL_mean': -323.1102294921875, 'KL/rejected_KL_mean': -489.35308837890625, 'KL/mean': -406.231689453125, 'KL/std': 182.276123046875, 'logits/chosen': -0.34859204292297363, 'logits/rejected': -0.3199809193611145, 'epoch': 0.6}
60%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 408/681 [17:10<11:18, 2.48s/it] 60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 409/681 [17:13<11:28, 2.53s/it] {'loss': 1.0058, 'grad_norm': 49.4791145324707, 'learning_rate': 2.0785235566757517e-07, 'fcm_dpo/beta': 0.0028899768367409706, 'fcm_dpo/q_t': 0.3810780942440033, 'fcm_dpo/delta': 0.06457293033599854, 'fcm_dpo/margin': 186.3869171142578, 'margin_dpo/margin_mean': 186.3869171142578, 'margin_dpo/margin_std': 216.09063720703125, 'logps/chosen': -372.9039306640625, 'logps/rejected': -576.877685546875, 'logps/ref_chosen': -67.31744384765625, 'logps/ref_rejected': -84.904296875, 'KL/chosen_KL_mean': -305.58648681640625, 'KL/rejected_KL_mean': -491.973388671875, 'KL/mean': -398.7799377441406, 'KL/std': 207.736083984375, 'logits/chosen': -0.34838196635246277, 'logits/rejected': -0.32946842908859253, 'epoch': 0.6}
60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 409/681 [17:13<11:28, 2.53s/it] 60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 410/681 [17:15<11:35, 2.57s/it] {'loss': 0.9889, 'grad_norm': 36.703369140625, 'learning_rate': 2.065879555832674e-07, 'fcm_dpo/beta': 0.00290653295814991, 'fcm_dpo/q_t': 0.37201741337776184, 'fcm_dpo/delta': 0.03056664764881134, 'fcm_dpo/margin': 196.51332092285156, 'margin_dpo/margin_mean': 196.51332092285156, 'margin_dpo/margin_std': 222.33242797851562, 'logps/chosen': -346.1519775390625, 'logps/rejected': -574.39892578125, 'logps/ref_chosen': -51.465354919433594, 'logps/ref_rejected': -83.198974609375, 'KL/chosen_KL_mean': -294.68658447265625, 'KL/rejected_KL_mean': -491.199951171875, 'KL/mean': -392.9432678222656, 'KL/std': 199.1228790283203, 'logits/chosen': -0.38686150312423706, 'logits/rejected': -0.38626179099082947, 'epoch': 0.6}
60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 410/681 [17:15<11:35, 2.57s/it] 60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 411/681 [17:18<11:23, 2.53s/it] {'loss': 0.9967, 'grad_norm': 32.9324836730957, 'learning_rate': 2.0532469944670343e-07, 'fcm_dpo/beta': 0.0028906632214784622, 'fcm_dpo/q_t': 0.37562650442123413, 'fcm_dpo/delta': 0.022950954735279083, 'fcm_dpo/margin': 199.44500732421875, 'margin_dpo/margin_mean': 199.44500732421875, 'margin_dpo/margin_std': 233.6770477294922, 'logps/chosen': -345.8464660644531, 'logps/rejected': -573.67919921875, 'logps/ref_chosen': -52.30727005004883, 'logps/ref_rejected': -80.69495391845703, 'KL/chosen_KL_mean': -293.5391845703125, 'KL/rejected_KL_mean': -492.98419189453125, 'KL/mean': -393.26171875, 'KL/std': 214.58355712890625, 'logits/chosen': -0.348990797996521, 'logits/rejected': -0.3469354510307312, 'epoch': 0.6}
60%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 411/681 [17:18<11:23, 2.53s/it] 60%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 412/681 [17:20<11:12, 2.50s/it] {'loss': 1.0085, 'grad_norm': 45.16581344604492, 'learning_rate': 2.0406262054585738e-07, 'fcm_dpo/beta': 0.0029426063410937786, 'fcm_dpo/q_t': 0.37748444080352783, 'fcm_dpo/delta': 0.03942097723484039, 'fcm_dpo/margin': 191.24978637695312, 'margin_dpo/margin_mean': 191.24978637695312, 'margin_dpo/margin_std': 237.30972290039062, 'logps/chosen': -358.0177917480469, 'logps/rejected': -596.1842651367188, 'logps/ref_chosen': -53.144126892089844, 'logps/ref_rejected': -100.0608139038086, 'KL/chosen_KL_mean': -304.8736572265625, 'KL/rejected_KL_mean': -496.12347412109375, 'KL/mean': -400.49853515625, 'KL/std': 204.1537322998047, 'logits/chosen': -0.40925562381744385, 'logits/rejected': -0.42902207374572754, 'epoch': 0.6}
60%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 412/681 [17:20<11:12, 2.50s/it] 61%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 413/681 [17:23<11:24, 2.55s/it] {'loss': 1.0133, 'grad_norm': 55.78431701660156, 'learning_rate': 2.0280175213768205e-07, 'fcm_dpo/beta': 0.002989421132951975, 'fcm_dpo/q_t': 0.379652738571167, 'fcm_dpo/delta': 0.06934919953346252, 'fcm_dpo/margin': 178.55792236328125, 'margin_dpo/margin_mean': 178.55792236328125, 'margin_dpo/margin_std': 211.28070068359375, 'logps/chosen': -371.82403564453125, 'logps/rejected': -588.2733764648438, 'logps/ref_chosen': -61.58196258544922, 'logps/ref_rejected': -99.47340393066406, 'KL/chosen_KL_mean': -310.2420654296875, 'KL/rejected_KL_mean': -488.79998779296875, 'KL/mean': -399.52105712890625, 'KL/std': 192.345947265625, 'logits/chosen': -0.3884110450744629, 'logits/rejected': -0.3837641775608063, 'epoch': 0.61}
61%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 413/681 [17:23<11:24, 2.55s/it] 61%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 414/681 [17:25<11:21, 2.55s/it] {'loss': 0.9162, 'grad_norm': 46.16475296020508, 'learning_rate': 2.0154212744723247e-07, 'fcm_dpo/beta': 0.002969697816297412, 'fcm_dpo/q_t': 0.34863734245300293, 'fcm_dpo/delta': -0.08820728212594986, 'fcm_dpo/margin': 229.60543823242188, 'margin_dpo/margin_mean': 229.60543823242188, 'margin_dpo/margin_std': 222.9532012939453, 'logps/chosen': -333.0948486328125, 'logps/rejected': -603.7152709960938, 'logps/ref_chosen': -46.63148498535156, 'logps/ref_rejected': -87.64653015136719, 'KL/chosen_KL_mean': -286.4633483886719, 'KL/rejected_KL_mean': -516.0687255859375, 'KL/mean': -401.26605224609375, 'KL/std': 204.48971557617188, 'logits/chosen': -0.33878421783447266, 'logits/rejected': -0.3258759677410126, 'epoch': 0.61}
61%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 414/681 [17:25<11:21, 2.55s/it] 61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 415/681 [17:28<11:31, 2.60s/it] {'loss': 1.0399, 'grad_norm': 39.87880325317383, 'learning_rate': 2.002837796667909e-07, 'fcm_dpo/beta': 0.00297032343223691, 'fcm_dpo/q_t': 0.3894081115722656, 'fcm_dpo/delta': 0.10528141260147095, 'fcm_dpo/margin': 168.35467529296875, 'margin_dpo/margin_mean': 168.35467529296875, 'margin_dpo/margin_std': 213.32687377929688, 'logps/chosen': -397.1917419433594, 'logps/rejected': -587.4056396484375, 'logps/ref_chosen': -78.6182861328125, 'logps/ref_rejected': -100.47752380371094, 'KL/chosen_KL_mean': -318.5734558105469, 'KL/rejected_KL_mean': -486.9281311035156, 'KL/mean': -402.75079345703125, 'KL/std': 198.31533813476562, 'logits/chosen': -0.4429052174091339, 'logits/rejected': -0.4342646896839142, 'epoch': 0.61}
61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 415/681 [17:28<11:31, 2.60s/it] 61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 416/681 [17:31<11:21, 2.57s/it] {'loss': 0.8637, 'grad_norm': 51.44747543334961, 'learning_rate': 1.990267419549914e-07, 'fcm_dpo/beta': 0.0029445146210491657, 'fcm_dpo/q_t': 0.3350893557071686, 'fcm_dpo/delta': -0.15555019676685333, 'fcm_dpo/margin': 252.74844360351562, 'margin_dpo/margin_mean': 252.74844360351562, 'margin_dpo/margin_std': 214.27182006835938, 'logps/chosen': -344.3427429199219, 'logps/rejected': -629.3807373046875, 'logps/ref_chosen': -58.27912521362305, 'logps/ref_rejected': -90.56871795654297, 'KL/chosen_KL_mean': -286.0635986328125, 'KL/rejected_KL_mean': -538.81201171875, 'KL/mean': -412.4378356933594, 'KL/std': 217.12852478027344, 'logits/chosen': -0.3993309438228607, 'logits/rejected': -0.38894549012184143, 'epoch': 0.61}
61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 416/681 [17:31<11:21, 2.57s/it] 61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 417/681 [17:33<11:01, 2.51s/it] {'loss': 0.9308, 'grad_norm': 30.4539852142334, 'learning_rate': 1.9777104743594686e-07, 'fcm_dpo/beta': 0.002907459856942296, 'fcm_dpo/q_t': 0.3600369691848755, 'fcm_dpo/delta': -0.017707331106066704, 'fcm_dpo/margin': 212.04025268554688, 'margin_dpo/margin_mean': 212.04025268554688, 'margin_dpo/margin_std': 188.9220733642578, 'logps/chosen': -349.19403076171875, 'logps/rejected': -579.1873779296875, 'logps/ref_chosen': -50.1987190246582, 'logps/ref_rejected': -68.15184020996094, 'KL/chosen_KL_mean': -298.99530029296875, 'KL/rejected_KL_mean': -511.03558349609375, 'KL/mean': -405.01544189453125, 'KL/std': 194.6809844970703, 'logits/chosen': -0.3451753258705139, 'logits/rejected': -0.30852943658828735, 'epoch': 0.61}
61%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 417/681 [17:33<11:01, 2.51s/it] 61%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 418/681 [17:35<10:59, 2.51s/it] {'loss': 0.9756, 'grad_norm': 26.496732711791992, 'learning_rate': 1.965167291983757e-07, 'fcm_dpo/beta': 0.002907500136643648, 'fcm_dpo/q_t': 0.3656221926212311, 'fcm_dpo/delta': -0.033053018152713776, 'fcm_dpo/margin': 216.60260009765625, 'margin_dpo/margin_mean': 216.6025848388672, 'margin_dpo/margin_std': 254.93975830078125, 'logps/chosen': -381.83660888671875, 'logps/rejected': -621.1522216796875, 'logps/ref_chosen': -81.97846984863281, 'logps/ref_rejected': -104.69148254394531, 'KL/chosen_KL_mean': -299.858154296875, 'KL/rejected_KL_mean': -516.4607543945312, 'KL/mean': -408.159423828125, 'KL/std': 224.7335205078125, 'logits/chosen': -0.4512847661972046, 'logits/rejected': -0.4162140488624573, 'epoch': 0.61}
61%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 418/681 [17:35<10:59, 2.51s/it] 62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 419/681 [17:38<10:57, 2.51s/it] {'loss': 0.9238, 'grad_norm': 27.982820510864258, 'learning_rate': 1.9526382029472988e-07, 'fcm_dpo/beta': 0.00284761656075716, 'fcm_dpo/q_t': 0.35266152024269104, 'fcm_dpo/delta': -0.06750743836164474, 'fcm_dpo/margin': 232.82919311523438, 'margin_dpo/margin_mean': 232.82919311523438, 'margin_dpo/margin_std': 228.4376220703125, 'logps/chosen': -321.20379638671875, 'logps/rejected': -592.6674194335938, 'logps/ref_chosen': -52.948646545410156, 'logps/ref_rejected': -91.58309936523438, 'KL/chosen_KL_mean': -268.255126953125, 'KL/rejected_KL_mean': -501.0843200683594, 'KL/mean': -384.66973876953125, 'KL/std': 204.97784423828125, 'logits/chosen': -0.3936973810195923, 'logits/rejected': -0.3798670768737793, 'epoch': 0.62}
62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 419/681 [17:38<10:57, 2.51s/it] 62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 420/681 [17:40<10:55, 2.51s/it] {'loss': 1.0988, 'grad_norm': 47.32814407348633, 'learning_rate': 1.9401235374032425e-07, 'fcm_dpo/beta': 0.0029041050001978874, 'fcm_dpo/q_t': 0.40072083473205566, 'fcm_dpo/delta': 0.1348034292459488, 'fcm_dpo/margin': 162.2009735107422, 'margin_dpo/margin_mean': 162.20098876953125, 'margin_dpo/margin_std': 264.4722595214844, 'logps/chosen': -389.94305419921875, 'logps/rejected': -543.6939697265625, 'logps/ref_chosen': -77.7699203491211, 'logps/ref_rejected': -69.31985473632812, 'KL/chosen_KL_mean': -312.17315673828125, 'KL/rejected_KL_mean': -474.3741455078125, 'KL/mean': -393.2736511230469, 'KL/std': 201.23605346679688, 'logits/chosen': -0.3922487497329712, 'logits/rejected': -0.3409460186958313, 'epoch': 0.62}
62%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 420/681 [17:41<10:55, 2.51s/it] 62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 421/681 [17:43<11:06, 2.57s/it] {'loss': 1.0417, 'grad_norm': 33.364234924316406, 'learning_rate': 1.9276236251246653e-07, 'fcm_dpo/beta': 0.0029756648000329733, 'fcm_dpo/q_t': 0.3883700668811798, 'fcm_dpo/delta': 0.11012318730354309, 'fcm_dpo/margin': 166.22955322265625, 'margin_dpo/margin_mean': 166.22955322265625, 'margin_dpo/margin_std': 206.43212890625, 'logps/chosen': -318.2387390136719, 'logps/rejected': -519.98388671875, 'logps/ref_chosen': -53.765865325927734, 'logps/ref_rejected': -89.28144836425781, 'KL/chosen_KL_mean': -264.4728698730469, 'KL/rejected_KL_mean': -430.7024230957031, 'KL/mean': -347.587646484375, 'KL/std': 191.3187255859375, 'logits/chosen': -0.42786961793899536, 'logits/rejected': -0.4104306697845459, 'epoch': 0.62}
62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 421/681 [17:43<11:06, 2.57s/it] 62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 422/681 [17:46<11:28, 2.66s/it] {'loss': 1.0118, 'grad_norm': 32.290706634521484, 'learning_rate': 1.9151387954958792e-07, 'fcm_dpo/beta': 0.0030023357830941677, 'fcm_dpo/q_t': 0.37614887952804565, 'fcm_dpo/delta': 0.044159695506095886, 'fcm_dpo/margin': 185.9481201171875, 'margin_dpo/margin_mean': 185.9481201171875, 'margin_dpo/margin_std': 230.7765655517578, 'logps/chosen': -366.3077392578125, 'logps/rejected': -571.485595703125, 'logps/ref_chosen': -68.6337661743164, 'logps/ref_rejected': -87.86351013183594, 'KL/chosen_KL_mean': -297.6739501953125, 'KL/rejected_KL_mean': -483.6220703125, 'KL/mean': -390.64801025390625, 'KL/std': 201.13197326660156, 'logits/chosen': -0.3631212115287781, 'logits/rejected': -0.3462483882904053, 'epoch': 0.62}
62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 422/681 [17:46<11:28, 2.66s/it] 62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 423/681 [17:48<11:04, 2.58s/it] {'loss': 0.961, 'grad_norm': 30.389358520507812, 'learning_rate': 1.902669377503756e-07, 'fcm_dpo/beta': 0.003000294789671898, 'fcm_dpo/q_t': 0.3659422993659973, 'fcm_dpo/delta': -0.004053045064210892, 'fcm_dpo/margin': 201.22573852539062, 'margin_dpo/margin_mean': 201.22573852539062, 'margin_dpo/margin_std': 212.08755493164062, 'logps/chosen': -326.7548828125, 'logps/rejected': -559.296875, 'logps/ref_chosen': -54.99030303955078, 'logps/ref_rejected': -86.30654907226562, 'KL/chosen_KL_mean': -271.76458740234375, 'KL/rejected_KL_mean': -472.9903564453125, 'KL/mean': -372.3774719238281, 'KL/std': 189.11013793945312, 'logits/chosen': -0.40457820892333984, 'logits/rejected': -0.40272462368011475, 'epoch': 0.62}
62%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 423/681 [17:48<11:04, 2.58s/it] 62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 424/681 [17:51<11:12, 2.62s/it] {'loss': 0.9936, 'grad_norm': 41.51752853393555, 'learning_rate': 1.890215699729057e-07, 'fcm_dpo/beta': 0.0029994507785886526, 'fcm_dpo/q_t': 0.3743167519569397, 'fcm_dpo/delta': 0.017647817730903625, 'fcm_dpo/margin': 194.38795471191406, 'margin_dpo/margin_mean': 194.38795471191406, 'margin_dpo/margin_std': 234.67213439941406, 'logps/chosen': -291.86859130859375, 'logps/rejected': -496.72357177734375, 'logps/ref_chosen': -56.01192092895508, 'logps/ref_rejected': -66.47896575927734, 'KL/chosen_KL_mean': -235.85665893554688, 'KL/rejected_KL_mean': -430.24462890625, 'KL/mean': -333.0506591796875, 'KL/std': 193.54437255859375, 'logits/chosen': -0.4083319902420044, 'logits/rejected': -0.3758869767189026, 'epoch': 0.62}
62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 424/681 [17:51<11:12, 2.62s/it] 62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 425/681 [17:54<11:01, 2.58s/it] {'loss': 1.0257, 'grad_norm': 28.93231773376465, 'learning_rate': 1.8777780903377732e-07, 'fcm_dpo/beta': 0.003060657298192382, 'fcm_dpo/q_t': 0.3824508786201477, 'fcm_dpo/delta': 0.08170865476131439, 'fcm_dpo/margin': 170.62384033203125, 'margin_dpo/margin_mean': 170.62384033203125, 'margin_dpo/margin_std': 208.47406005859375, 'logps/chosen': -304.56170654296875, 'logps/rejected': -524.241943359375, 'logps/ref_chosen': -46.86899948120117, 'logps/ref_rejected': -95.92545318603516, 'KL/chosen_KL_mean': -257.69268798828125, 'KL/rejected_KL_mean': -428.3165283203125, 'KL/mean': -343.0046081542969, 'KL/std': 176.45599365234375, 'logits/chosen': -0.3647094964981079, 'logits/rejected': -0.3635455071926117, 'epoch': 0.62}
62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 425/681 [17:54<11:01, 2.58s/it] 63%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 426/681 [17:56<11:03, 2.60s/it] {'loss': 0.9459, 'grad_norm': 39.90581512451172, 'learning_rate': 1.8653568770724803e-07, 'fcm_dpo/beta': 0.003069295547902584, 'fcm_dpo/q_t': 0.35965073108673096, 'fcm_dpo/delta': -0.03818836435675621, 'fcm_dpo/margin': 206.91845703125, 'margin_dpo/margin_mean': 206.91844177246094, 'margin_dpo/margin_std': 210.65582275390625, 'logps/chosen': -312.80450439453125, 'logps/rejected': -524.4059448242188, 'logps/ref_chosen': -76.58354187011719, 'logps/ref_rejected': -81.26658630371094, 'KL/chosen_KL_mean': -236.220947265625, 'KL/rejected_KL_mean': -443.139404296875, 'KL/mean': -339.68017578125, 'KL/std': 192.19580078125, 'logits/chosen': -0.40089887380599976, 'logits/rejected': -0.3511797785758972, 'epoch': 0.63}
63%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 426/681 [17:56<11:03, 2.60s/it] 63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 427/681 [17:59<10:57, 2.59s/it] {'loss': 1.0513, 'grad_norm': 34.9213981628418, 'learning_rate': 1.8529523872436977e-07, 'fcm_dpo/beta': 0.003100508591160178, 'fcm_dpo/q_t': 0.39551717042922974, 'fcm_dpo/delta': 0.13375282287597656, 'fcm_dpo/margin': 152.44937133789062, 'margin_dpo/margin_mean': 152.44937133789062, 'margin_dpo/margin_std': 195.4906005859375, 'logps/chosen': -298.523193359375, 'logps/rejected': -464.6847229003906, 'logps/ref_chosen': -64.8538818359375, 'logps/ref_rejected': -78.5660171508789, 'KL/chosen_KL_mean': -233.66932678222656, 'KL/rejected_KL_mean': -386.11871337890625, 'KL/mean': -309.8940124511719, 'KL/std': 164.22198486328125, 'logits/chosen': -0.4214634299278259, 'logits/rejected': -0.38974082469940186, 'epoch': 0.63}
63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 427/681 [17:59<10:57, 2.59s/it] 63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 428/681 [18:02<11:00, 2.61s/it] {'loss': 1.0115, 'grad_norm': 31.63975715637207, 'learning_rate': 1.8405649477212697e-07, 'fcm_dpo/beta': 0.0031272009946405888, 'fcm_dpo/q_t': 0.37178969383239746, 'fcm_dpo/delta': 0.007727962452918291, 'fcm_dpo/margin': 189.54025268554688, 'margin_dpo/margin_mean': 189.54025268554688, 'margin_dpo/margin_std': 247.33074951171875, 'logps/chosen': -361.98779296875, 'logps/rejected': -592.1732177734375, 'logps/ref_chosen': -62.63666534423828, 'logps/ref_rejected': -103.28181457519531, 'KL/chosen_KL_mean': -299.35113525390625, 'KL/rejected_KL_mean': -488.891357421875, 'KL/mean': -394.12127685546875, 'KL/std': 208.70838928222656, 'logits/chosen': -0.42497843503952026, 'logits/rejected': -0.4162089228630066, 'epoch': 0.63}
63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 428/681 [18:02<11:00, 2.61s/it] 63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 429/681 [18:04<10:54, 2.60s/it] {'loss': 1.0476, 'grad_norm': 39.37392044067383, 'learning_rate': 1.828194884925749e-07, 'fcm_dpo/beta': 0.0031900014728307724, 'fcm_dpo/q_t': 0.3839982748031616, 'fcm_dpo/delta': 0.07156050205230713, 'fcm_dpo/margin': 166.22103881835938, 'margin_dpo/margin_mean': 166.22103881835938, 'margin_dpo/margin_std': 221.43417358398438, 'logps/chosen': -380.6858215332031, 'logps/rejected': -557.4677734375, 'logps/ref_chosen': -81.23401641845703, 'logps/ref_rejected': -91.79493713378906, 'KL/chosen_KL_mean': -299.4518127441406, 'KL/rejected_KL_mean': -465.6728515625, 'KL/mean': -382.56231689453125, 'KL/std': 182.83213806152344, 'logits/chosen': -0.4182380437850952, 'logits/rejected': -0.3746296763420105, 'epoch': 0.63}
63%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 429/681 [18:04<10:54, 2.60s/it] 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 430/681 [18:07<11:03, 2.64s/it] {'loss': 0.997, 'grad_norm': 31.567785263061523, 'learning_rate': 1.8158425248197928e-07, 'fcm_dpo/beta': 0.0032108055893331766, 'fcm_dpo/q_t': 0.37903541326522827, 'fcm_dpo/delta': 0.051723137497901917, 'fcm_dpo/margin': 171.50982666015625, 'margin_dpo/margin_mean': 171.50982666015625, 'margin_dpo/margin_std': 195.594970703125, 'logps/chosen': -323.2225036621094, 'logps/rejected': -538.2348022460938, 'logps/ref_chosen': -60.920326232910156, 'logps/ref_rejected': -104.42280578613281, 'KL/chosen_KL_mean': -262.30218505859375, 'KL/rejected_KL_mean': -433.81201171875, 'KL/mean': -348.0570983886719, 'KL/std': 184.96835327148438, 'logits/chosen': -0.4530378580093384, 'logits/rejected': -0.44794678688049316, 'epoch': 0.63}
63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 430/681 [18:07<11:03, 2.64s/it] 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 431/681 [18:09<11:01, 2.65s/it] {'loss': 0.8803, 'grad_norm': 28.91539192199707, 'learning_rate': 1.8035081928995788e-07, 'fcm_dpo/beta': 0.0031216712668538094, 'fcm_dpo/q_t': 0.3362034559249878, 'fcm_dpo/delta': -0.15936243534088135, 'fcm_dpo/margin': 239.19674682617188, 'margin_dpo/margin_mean': 239.19674682617188, 'margin_dpo/margin_std': 221.66900634765625, 'logps/chosen': -316.89434814453125, 'logps/rejected': -591.58251953125, 'logps/ref_chosen': -57.34874725341797, 'logps/ref_rejected': -92.84022521972656, 'KL/chosen_KL_mean': -259.54559326171875, 'KL/rejected_KL_mean': -498.7423095703125, 'KL/mean': -379.1439514160156, 'KL/std': 206.00767517089844, 'logits/chosen': -0.3503827452659607, 'logits/rejected': -0.33902430534362793, 'epoch': 0.63}
63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 431/681 [18:10<11:01, 2.65s/it] 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 432/681 [18:12<11:03, 2.67s/it] {'loss': 0.9185, 'grad_norm': 30.870288848876953, 'learning_rate': 1.791192214186223e-07, 'fcm_dpo/beta': 0.003099852241575718, 'fcm_dpo/q_t': 0.3529931306838989, 'fcm_dpo/delta': -0.07845187932252884, 'fcm_dpo/margin': 216.84930419921875, 'margin_dpo/margin_mean': 216.84930419921875, 'margin_dpo/margin_std': 207.4125518798828, 'logps/chosen': -330.7801208496094, 'logps/rejected': -575.1341552734375, 'logps/ref_chosen': -71.07479095458984, 'logps/ref_rejected': -98.57952880859375, 'KL/chosen_KL_mean': -259.705322265625, 'KL/rejected_KL_mean': -476.55462646484375, 'KL/mean': -368.1300048828125, 'KL/std': 199.1237335205078, 'logits/chosen': -0.38810741901397705, 'logits/rejected': -0.36052635312080383, 'epoch': 0.63}
63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 432/681 [18:12<11:03, 2.67s/it] 64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 433/681 [18:15<10:58, 2.66s/it] {'loss': 1.0665, 'grad_norm': 38.290496826171875, 'learning_rate': 1.7788949132172193e-07, 'fcm_dpo/beta': 0.003114804159849882, 'fcm_dpo/q_t': 0.3896332383155823, 'fcm_dpo/delta': 0.11151393502950668, 'fcm_dpo/margin': 158.52340698242188, 'margin_dpo/margin_mean': 158.52340698242188, 'margin_dpo/margin_std': 225.86752319335938, 'logps/chosen': -382.3724060058594, 'logps/rejected': -578.573486328125, 'logps/ref_chosen': -58.273193359375, 'logps/ref_rejected': -95.95089721679688, 'KL/chosen_KL_mean': -324.0992126464844, 'KL/rejected_KL_mean': -482.62261962890625, 'KL/mean': -403.3609313964844, 'KL/std': 194.7750244140625, 'logits/chosen': -0.39206206798553467, 'logits/rejected': -0.3715285062789917, 'epoch': 0.64}
64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 433/681 [18:15<10:58, 2.66s/it] 64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 434/681 [18:17<10:54, 2.65s/it] {'loss': 1.0229, 'grad_norm': 41.98159408569336, 'learning_rate': 1.7666166140378853e-07, 'fcm_dpo/beta': 0.0031393172685056925, 'fcm_dpo/q_t': 0.38523241877555847, 'fcm_dpo/delta': 0.04795503616333008, 'fcm_dpo/margin': 176.67364501953125, 'margin_dpo/margin_mean': 176.67364501953125, 'margin_dpo/margin_std': 245.3662872314453, 'logps/chosen': -348.7564697265625, 'logps/rejected': -541.9550170898438, 'logps/ref_chosen': -61.97370147705078, 'logps/ref_rejected': -78.49861145019531, 'KL/chosen_KL_mean': -286.78277587890625, 'KL/rejected_KL_mean': -463.4564208984375, 'KL/mean': -375.1195983886719, 'KL/std': 197.2329864501953, 'logits/chosen': -0.38913893699645996, 'logits/rejected': -0.3690014183521271, 'epoch': 0.64}
64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 434/681 [18:17<10:54, 2.65s/it] 64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 435/681 [18:20<10:18, 2.52s/it] {'loss': 0.9567, 'grad_norm': 27.236400604248047, 'learning_rate': 1.7543576401928218e-07, 'fcm_dpo/beta': 0.003130486700683832, 'fcm_dpo/q_t': 0.3591456711292267, 'fcm_dpo/delta': -0.050365619361400604, 'fcm_dpo/margin': 206.68466186523438, 'margin_dpo/margin_mean': 206.68466186523438, 'margin_dpo/margin_std': 229.32492065429688, 'logps/chosen': -306.77374267578125, 'logps/rejected': -549.5232543945312, 'logps/ref_chosen': -51.502052307128906, 'logps/ref_rejected': -87.56689453125, 'KL/chosen_KL_mean': -255.27166748046875, 'KL/rejected_KL_mean': -461.95635986328125, 'KL/mean': -358.614013671875, 'KL/std': 201.6229705810547, 'logits/chosen': -0.38453298807144165, 'logits/rejected': -0.3583604097366333, 'epoch': 0.64}
64%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 435/681 [18:20<10:18, 2.52s/it] 64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 436/681 [18:22<10:24, 2.55s/it] {'loss': 0.9715, 'grad_norm': 38.187164306640625, 'learning_rate': 1.742118314717391e-07, 'fcm_dpo/beta': 0.0031167150009423494, 'fcm_dpo/q_t': 0.368306040763855, 'fcm_dpo/delta': -0.0036548543721437454, 'fcm_dpo/margin': 193.57212829589844, 'margin_dpo/margin_mean': 193.5721435546875, 'margin_dpo/margin_std': 217.64614868164062, 'logps/chosen': -333.4382019042969, 'logps/rejected': -538.3343505859375, 'logps/ref_chosen': -71.40371704101562, 'logps/ref_rejected': -82.72775268554688, 'KL/chosen_KL_mean': -262.03448486328125, 'KL/rejected_KL_mean': -455.60662841796875, 'KL/mean': -358.820556640625, 'KL/std': 189.44845581054688, 'logits/chosen': -0.4150596261024475, 'logits/rejected': -0.3662068843841553, 'epoch': 0.64}
64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 436/681 [18:22<10:24, 2.55s/it] 64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 437/681 [18:25<10:32, 2.59s/it] {'loss': 0.9796, 'grad_norm': 27.075496673583984, 'learning_rate': 1.7298989601292036e-07, 'fcm_dpo/beta': 0.0031388099305331707, 'fcm_dpo/q_t': 0.3715096116065979, 'fcm_dpo/delta': 0.022166123613715172, 'fcm_dpo/margin': 184.47805786132812, 'margin_dpo/margin_mean': 184.4780731201172, 'margin_dpo/margin_std': 202.82333374023438, 'logps/chosen': -327.90594482421875, 'logps/rejected': -529.683349609375, 'logps/ref_chosen': -64.7442626953125, 'logps/ref_rejected': -82.04356384277344, 'KL/chosen_KL_mean': -263.16168212890625, 'KL/rejected_KL_mean': -447.6397705078125, 'KL/mean': -355.40069580078125, 'KL/std': 173.9517822265625, 'logits/chosen': -0.3980615437030792, 'logits/rejected': -0.3590250015258789, 'epoch': 0.64}
64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 437/681 [18:25<10:32, 2.59s/it] 64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 438/681 [18:27<10:14, 2.53s/it] {'loss': 0.9207, 'grad_norm': 33.12654495239258, 'learning_rate': 1.7176998984196144e-07, 'fcm_dpo/beta': 0.0030912882648408413, 'fcm_dpo/q_t': 0.35311073064804077, 'fcm_dpo/delta': -0.06760086119174957, 'fcm_dpo/margin': 214.26629638671875, 'margin_dpo/margin_mean': 214.26629638671875, 'margin_dpo/margin_std': 205.92266845703125, 'logps/chosen': -325.7485656738281, 'logps/rejected': -564.072998046875, 'logps/ref_chosen': -59.0186653137207, 'logps/ref_rejected': -83.07682800292969, 'KL/chosen_KL_mean': -266.7298889160156, 'KL/rejected_KL_mean': -480.99615478515625, 'KL/mean': -373.863037109375, 'KL/std': 194.03390502929688, 'logits/chosen': -0.3885509967803955, 'logits/rejected': -0.35134634375572205, 'epoch': 0.64}
64%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 438/681 [18:27<10:14, 2.53s/it] 64%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 439/681 [18:30<10:02, 2.49s/it] {'loss': 1.0254, 'grad_norm': 38.511959075927734, 'learning_rate': 1.7055214510452458e-07, 'fcm_dpo/beta': 0.0030870940536260605, 'fcm_dpo/q_t': 0.38343846797943115, 'fcm_dpo/delta': 0.06057526171207428, 'fcm_dpo/margin': 175.1324462890625, 'margin_dpo/margin_mean': 175.1324462890625, 'margin_dpo/margin_std': 213.55517578125, 'logps/chosen': -336.30853271484375, 'logps/rejected': -541.642333984375, 'logps/ref_chosen': -53.78407669067383, 'logps/ref_rejected': -83.98545837402344, 'KL/chosen_KL_mean': -282.52447509765625, 'KL/rejected_KL_mean': -457.6568908691406, 'KL/mean': -370.0906982421875, 'KL/std': 195.64772033691406, 'logits/chosen': -0.3765984773635864, 'logits/rejected': -0.37041977047920227, 'epoch': 0.64}
64%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 439/681 [18:30<10:02, 2.49s/it] 65%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 440/681 [18:32<09:49, 2.45s/it] {'loss': 1.0288, 'grad_norm': 32.48391342163086, 'learning_rate': 1.6933639389195134e-07, 'fcm_dpo/beta': 0.003166210139170289, 'fcm_dpo/q_t': 0.3827250599861145, 'fcm_dpo/delta': 0.04812486469745636, 'fcm_dpo/margin': 175.02874755859375, 'margin_dpo/margin_mean': 175.02874755859375, 'margin_dpo/margin_std': 236.19110107421875, 'logps/chosen': -374.79547119140625, 'logps/rejected': -567.7552490234375, 'logps/ref_chosen': -78.56671905517578, 'logps/ref_rejected': -96.49775695800781, 'KL/chosen_KL_mean': -296.228759765625, 'KL/rejected_KL_mean': -471.25750732421875, 'KL/mean': -383.74310302734375, 'KL/std': 223.28167724609375, 'logits/chosen': -0.4486137330532074, 'logits/rejected': -0.42380768060684204, 'epoch': 0.65}
65%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 440/681 [18:32<09:49, 2.45s/it] 65%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 441/681 [18:35<10:02, 2.51s/it] {'loss': 0.9985, 'grad_norm': 35.5047721862793, 'learning_rate': 1.681227682404166e-07, 'fcm_dpo/beta': 0.0031517865136265755, 'fcm_dpo/q_t': 0.3663264811038971, 'fcm_dpo/delta': -0.048205338418483734, 'fcm_dpo/margin': 204.6537628173828, 'margin_dpo/margin_mean': 204.6537628173828, 'margin_dpo/margin_std': 272.772705078125, 'logps/chosen': -364.6709899902344, 'logps/rejected': -604.9711303710938, 'logps/ref_chosen': -60.824440002441406, 'logps/ref_rejected': -96.47080993652344, 'KL/chosen_KL_mean': -303.8465576171875, 'KL/rejected_KL_mean': -508.50030517578125, 'KL/mean': -406.1734619140625, 'KL/std': 226.4564208984375, 'logits/chosen': -0.41966766119003296, 'logits/rejected': -0.400273859500885, 'epoch': 0.65}
65%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 441/681 [18:35<10:02, 2.51s/it] 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 442/681 [18:37<09:51, 2.48s/it] {'loss': 0.9065, 'grad_norm': 29.765480041503906, 'learning_rate': 1.669113001300851e-07, 'fcm_dpo/beta': 0.0031001910101622343, 'fcm_dpo/q_t': 0.3464425802230835, 'fcm_dpo/delta': -0.12509563565254211, 'fcm_dpo/margin': 230.91046142578125, 'margin_dpo/margin_mean': 230.91046142578125, 'margin_dpo/margin_std': 230.72811889648438, 'logps/chosen': -312.3829345703125, 'logps/rejected': -572.8214111328125, 'logps/ref_chosen': -47.01121520996094, 'logps/ref_rejected': -76.53926086425781, 'KL/chosen_KL_mean': -265.3717041015625, 'KL/rejected_KL_mean': -496.28216552734375, 'KL/mean': -380.8269348144531, 'KL/std': 217.8755340576172, 'logits/chosen': -0.42180293798446655, 'logits/rejected': -0.4058894217014313, 'epoch': 0.65}
65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 442/681 [18:37<09:51, 2.48s/it] 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 443/681 [18:40<09:58, 2.51s/it] {'loss': 1.1158, 'grad_norm': 32.858116149902344, 'learning_rate': 1.6570202148426815e-07, 'fcm_dpo/beta': 0.0030973325483500957, 'fcm_dpo/q_t': 0.3999614119529724, 'fcm_dpo/delta': 0.14015640318393707, 'fcm_dpo/margin': 150.5452423095703, 'margin_dpo/margin_mean': 150.5452423095703, 'margin_dpo/margin_std': 252.81396484375, 'logps/chosen': -378.732177734375, 'logps/rejected': -544.684326171875, 'logps/ref_chosen': -71.27301788330078, 'logps/ref_rejected': -86.679931640625, 'KL/chosen_KL_mean': -307.4591369628906, 'KL/rejected_KL_mean': -458.00439453125, 'KL/mean': -382.7317810058594, 'KL/std': 204.9183349609375, 'logits/chosen': -0.38298359513282776, 'logits/rejected': -0.35872089862823486, 'epoch': 0.65}
65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 443/681 [18:40<09:58, 2.51s/it] 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 444/681 [18:42<09:50, 2.49s/it] {'loss': 0.9321, 'grad_norm': 31.28082847595215, 'learning_rate': 1.6449496416858282e-07, 'fcm_dpo/beta': 0.0030761491507291794, 'fcm_dpo/q_t': 0.3498353064060211, 'fcm_dpo/delta': -0.1184888705611229, 'fcm_dpo/margin': 230.60581970214844, 'margin_dpo/margin_mean': 230.6058349609375, 'margin_dpo/margin_std': 260.0649719238281, 'logps/chosen': -354.1519775390625, 'logps/rejected': -624.7989501953125, 'logps/ref_chosen': -57.213706970214844, 'logps/ref_rejected': -97.25489807128906, 'KL/chosen_KL_mean': -296.9382629394531, 'KL/rejected_KL_mean': -527.5440673828125, 'KL/mean': -412.24114990234375, 'KL/std': 230.8134002685547, 'logits/chosen': -0.3524889647960663, 'logits/rejected': -0.34426116943359375, 'epoch': 0.65}
65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 444/681 [18:42<09:50, 2.49s/it] 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 445/681 [18:45<10:15, 2.61s/it] {'loss': 0.9519, 'grad_norm': 34.33201217651367, 'learning_rate': 1.6329015999011182e-07, 'fcm_dpo/beta': 0.0030374862253665924, 'fcm_dpo/q_t': 0.35918158292770386, 'fcm_dpo/delta': -0.06429732590913773, 'fcm_dpo/margin': 217.28256225585938, 'margin_dpo/margin_mean': 217.28256225585938, 'margin_dpo/margin_std': 243.815673828125, 'logps/chosen': -344.2279052734375, 'logps/rejected': -586.8933715820312, 'logps/ref_chosen': -67.29979705810547, 'logps/ref_rejected': -92.68267059326172, 'KL/chosen_KL_mean': -276.9281005859375, 'KL/rejected_KL_mean': -494.210693359375, 'KL/mean': -385.56939697265625, 'KL/std': 205.611572265625, 'logits/chosen': -0.3924905061721802, 'logits/rejected': -0.3715289533138275, 'epoch': 0.65}
65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 445/681 [18:45<10:15, 2.61s/it] 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 446/681 [18:48<10:11, 2.60s/it] {'loss': 0.9037, 'grad_norm': 28.63981819152832, 'learning_rate': 1.6208764069656578e-07, 'fcm_dpo/beta': 0.003014220856130123, 'fcm_dpo/q_t': 0.34874945878982544, 'fcm_dpo/delta': -0.08959249407052994, 'fcm_dpo/margin': 226.55899047851562, 'margin_dpo/margin_mean': 226.55897521972656, 'margin_dpo/margin_std': 203.93728637695312, 'logps/chosen': -306.3765563964844, 'logps/rejected': -575.1012573242188, 'logps/ref_chosen': -59.098487854003906, 'logps/ref_rejected': -101.26419067382812, 'KL/chosen_KL_mean': -247.278076171875, 'KL/rejected_KL_mean': -473.83709716796875, 'KL/mean': -360.55755615234375, 'KL/std': 203.39938354492188, 'logits/chosen': -0.3813268542289734, 'logits/rejected': -0.3821564316749573, 'epoch': 0.65}
65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 446/681 [18:48<10:11, 2.60s/it] 66%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 447/681 [18:50<09:52, 2.53s/it] {'loss': 0.923, 'grad_norm': 31.68606185913086, 'learning_rate': 1.608874379754465e-07, 'fcm_dpo/beta': 0.0029223784804344177, 'fcm_dpo/q_t': 0.3536572754383087, 'fcm_dpo/delta': -0.08987779170274734, 'fcm_dpo/margin': 233.67080688476562, 'margin_dpo/margin_mean': 233.67083740234375, 'margin_dpo/margin_std': 250.795654296875, 'logps/chosen': -329.198486328125, 'logps/rejected': -605.4887084960938, 'logps/ref_chosen': -56.07533264160156, 'logps/ref_rejected': -98.69475555419922, 'KL/chosen_KL_mean': -273.1231384277344, 'KL/rejected_KL_mean': -506.7939453125, 'KL/mean': -389.95855712890625, 'KL/std': 236.97166442871094, 'logits/chosen': -0.4216350317001343, 'logits/rejected': -0.4224305748939514, 'epoch': 0.66}
66%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 447/681 [18:50<09:52, 2.53s/it] 66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 448/681 [18:53<09:50, 2.53s/it] {'loss': 0.8976, 'grad_norm': 45.153812408447266, 'learning_rate': 1.5968958345321177e-07, 'fcm_dpo/beta': 0.002884766086935997, 'fcm_dpo/q_t': 0.3457278907299042, 'fcm_dpo/delta': -0.11784309148788452, 'fcm_dpo/margin': 245.98141479492188, 'margin_dpo/margin_mean': 245.98141479492188, 'margin_dpo/margin_std': 235.63455200195312, 'logps/chosen': -358.99444580078125, 'logps/rejected': -647.2366333007812, 'logps/ref_chosen': -60.00384521484375, 'logps/ref_rejected': -102.26465606689453, 'KL/chosen_KL_mean': -298.9906005859375, 'KL/rejected_KL_mean': -544.9719848632812, 'KL/mean': -421.9812927246094, 'KL/std': 217.21249389648438, 'logits/chosen': -0.3462919592857361, 'logits/rejected': -0.34202855825424194, 'epoch': 0.66}
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 448/681 [18:53<09:50, 2.53s/it] 66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 449/681 [18:55<09:44, 2.52s/it] {'loss': 1.0, 'grad_norm': 30.175477981567383, 'learning_rate': 1.584941086944423e-07, 'fcm_dpo/beta': 0.0028343484736979008, 'fcm_dpo/q_t': 0.3684704899787903, 'fcm_dpo/delta': -0.04512559995055199, 'fcm_dpo/margin': 226.5773162841797, 'margin_dpo/margin_mean': 226.57730102539062, 'margin_dpo/margin_std': 310.042236328125, 'logps/chosen': -375.43426513671875, 'logps/rejected': -623.0818481445312, 'logps/ref_chosen': -67.52661895751953, 'logps/ref_rejected': -88.59690856933594, 'KL/chosen_KL_mean': -307.90765380859375, 'KL/rejected_KL_mean': -534.4849243164062, 'KL/mean': -421.1962890625, 'KL/std': 244.52383422851562, 'logits/chosen': -0.3602468967437744, 'logits/rejected': -0.33677172660827637, 'epoch': 0.66}
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 449/681 [18:55<09:44, 2.52s/it] 66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 450/681 [18:58<09:42, 2.52s/it] {'loss': 0.8922, 'grad_norm': 33.89752197265625, 'learning_rate': 1.573010452010098e-07, 'fcm_dpo/beta': 0.0027888580225408077, 'fcm_dpo/q_t': 0.34219545125961304, 'fcm_dpo/delta': -0.10971163213253021, 'fcm_dpo/margin': 251.76284790039062, 'margin_dpo/margin_mean': 251.76287841796875, 'margin_dpo/margin_std': 229.1561279296875, 'logps/chosen': -306.46038818359375, 'logps/rejected': -603.8701171875, 'logps/ref_chosen': -57.10811996459961, 'logps/ref_rejected': -102.75494384765625, 'KL/chosen_KL_mean': -249.35226440429688, 'KL/rejected_KL_mean': -501.11517333984375, 'KL/mean': -375.23370361328125, 'KL/std': 231.91375732421875, 'logits/chosen': -0.3522266447544098, 'logits/rejected': -0.3474314212799072, 'epoch': 0.66}
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 450/681 [18:58<09:42, 2.52s/it] 66%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 451/681 [19:00<09:18, 2.43s/it] {'loss': 1.0282, 'grad_norm': 38.93794631958008, 'learning_rate': 1.5611042441124687e-07, 'fcm_dpo/beta': 0.0027988762594759464, 'fcm_dpo/q_t': 0.3746575713157654, 'fcm_dpo/delta': 0.04477785527706146, 'fcm_dpo/margin': 199.05712890625, 'margin_dpo/margin_mean': 199.05711364746094, 'margin_dpo/margin_std': 264.158203125, 'logps/chosen': -370.3243408203125, 'logps/rejected': -583.842041015625, 'logps/ref_chosen': -58.46883010864258, 'logps/ref_rejected': -72.92941284179688, 'KL/chosen_KL_mean': -311.85552978515625, 'KL/rejected_KL_mean': -510.9126281738281, 'KL/mean': -411.384033203125, 'KL/std': 235.77354431152344, 'logits/chosen': -0.33926278352737427, 'logits/rejected': -0.30115002393722534, 'epoch': 0.66}
66%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 451/681 [19:00<09:18, 2.43s/it] 66%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 452/681 [19:02<09:17, 2.44s/it] {'loss': 0.9312, 'grad_norm': 26.01671028137207, 'learning_rate': 1.549222776991186e-07, 'fcm_dpo/beta': 0.0027735186740756035, 'fcm_dpo/q_t': 0.3585592806339264, 'fcm_dpo/delta': -0.03301696851849556, 'fcm_dpo/margin': 227.43417358398438, 'margin_dpo/margin_mean': 227.4341583251953, 'margin_dpo/margin_std': 215.60528564453125, 'logps/chosen': -281.50250244140625, 'logps/rejected': -556.3175659179688, 'logps/ref_chosen': -50.39055252075195, 'logps/ref_rejected': -97.77142333984375, 'KL/chosen_KL_mean': -231.11196899414062, 'KL/rejected_KL_mean': -458.546142578125, 'KL/mean': -344.82904052734375, 'KL/std': 210.43255615234375, 'logits/chosen': -0.32991310954093933, 'logits/rejected': -0.3405373692512512, 'epoch': 0.66}
66%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 452/681 [19:02<09:17, 2.44s/it] 67%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 453/681 [19:05<09:04, 2.39s/it] {'loss': 1.0059, 'grad_norm': 37.94629669189453, 'learning_rate': 1.5373663637339584e-07, 'fcm_dpo/beta': 0.002779030241072178, 'fcm_dpo/q_t': 0.3803292214870453, 'fcm_dpo/delta': 0.045001037418842316, 'fcm_dpo/margin': 200.51113891601562, 'margin_dpo/margin_mean': 200.51112365722656, 'margin_dpo/margin_std': 247.18231201171875, 'logps/chosen': -346.3940124511719, 'logps/rejected': -571.397705078125, 'logps/ref_chosen': -57.71485137939453, 'logps/ref_rejected': -82.20741271972656, 'KL/chosen_KL_mean': -288.67913818359375, 'KL/rejected_KL_mean': -489.1903076171875, 'KL/mean': -388.9347229003906, 'KL/std': 207.9075469970703, 'logits/chosen': -0.3870271146297455, 'logits/rejected': -0.3518151044845581, 'epoch': 0.67}
67%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 453/681 [19:05<09:04, 2.39s/it] 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 454/681 [19:07<09:10, 2.43s/it] {'loss': 0.948, 'grad_norm': 35.39641189575195, 'learning_rate': 1.5255353167683017e-07, 'fcm_dpo/beta': 0.002762860618531704, 'fcm_dpo/q_t': 0.35886693000793457, 'fcm_dpo/delta': -0.0639684721827507, 'fcm_dpo/margin': 238.61856079101562, 'margin_dpo/margin_mean': 238.61856079101562, 'margin_dpo/margin_std': 272.42669677734375, 'logps/chosen': -387.2611083984375, 'logps/rejected': -649.884765625, 'logps/ref_chosen': -60.945648193359375, 'logps/ref_rejected': -84.95079040527344, 'KL/chosen_KL_mean': -326.3154296875, 'KL/rejected_KL_mean': -564.9340209960938, 'KL/mean': -445.6247253417969, 'KL/std': 241.54116821289062, 'logits/chosen': -0.3822100758552551, 'logits/rejected': -0.35830071568489075, 'epoch': 0.67}
67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 454/681 [19:07<09:10, 2.43s/it] 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 455/681 [19:09<09:04, 2.41s/it] {'loss': 0.8932, 'grad_norm': 32.6513671875, 'learning_rate': 1.5137299478533064e-07, 'fcm_dpo/beta': 0.0027075689285993576, 'fcm_dpo/q_t': 0.3393672704696655, 'fcm_dpo/delta': -0.18090659379959106, 'fcm_dpo/margin': 283.4023132324219, 'margin_dpo/margin_mean': 283.4023132324219, 'margin_dpo/margin_std': 293.6563415527344, 'logps/chosen': -346.50885009765625, 'logps/rejected': -700.325927734375, 'logps/ref_chosen': -44.88671112060547, 'logps/ref_rejected': -115.30147552490234, 'KL/chosen_KL_mean': -301.6221618652344, 'KL/rejected_KL_mean': -585.0244750976562, 'KL/mean': -443.32330322265625, 'KL/std': 262.75738525390625, 'logits/chosen': -0.4092771112918854, 'logits/rejected': -0.4132944941520691, 'epoch': 0.67}
67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 455/681 [19:09<09:04, 2.41s/it] 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 456/681 [19:12<09:13, 2.46s/it] {'loss': 0.8851, 'grad_norm': 25.41524887084961, 'learning_rate': 1.5019505680714232e-07, 'fcm_dpo/beta': 0.0026249473448842764, 'fcm_dpo/q_t': 0.3443225622177124, 'fcm_dpo/delta': -0.1120506078004837, 'fcm_dpo/margin': 268.29327392578125, 'margin_dpo/margin_mean': 268.29327392578125, 'margin_dpo/margin_std': 238.1885528564453, 'logps/chosen': -366.59588623046875, 'logps/rejected': -683.0701904296875, 'logps/ref_chosen': -57.036781311035156, 'logps/ref_rejected': -105.21784210205078, 'KL/chosen_KL_mean': -309.55914306640625, 'KL/rejected_KL_mean': -577.8524169921875, 'KL/mean': -443.7057800292969, 'KL/std': 245.8824462890625, 'logits/chosen': -0.40219759941101074, 'logits/rejected': -0.4123704731464386, 'epoch': 0.67}
67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 456/681 [19:12<09:13, 2.46s/it] 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 457/681 [19:15<09:35, 2.57s/it] {'loss': 0.9077, 'grad_norm': 31.589265823364258, 'learning_rate': 1.4901974878202627e-07, 'fcm_dpo/beta': 0.002568621654063463, 'fcm_dpo/q_t': 0.3490523099899292, 'fcm_dpo/delta': -0.0764625295996666, 'fcm_dpo/margin': 261.1824645996094, 'margin_dpo/margin_mean': 261.1824645996094, 'margin_dpo/margin_std': 236.63363647460938, 'logps/chosen': -361.80560302734375, 'logps/rejected': -653.8551025390625, 'logps/ref_chosen': -54.24253845214844, 'logps/ref_rejected': -85.10956573486328, 'KL/chosen_KL_mean': -307.5630798339844, 'KL/rejected_KL_mean': -568.7454833984375, 'KL/mean': -438.154296875, 'KL/std': 242.14056396484375, 'logits/chosen': -0.40978848934173584, 'logits/rejected': -0.38595595955848694, 'epoch': 0.67}
67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 457/681 [19:15<09:35, 2.57s/it] 67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 458/681 [19:17<09:28, 2.55s/it] {'loss': 0.9325, 'grad_norm': 27.47776222229004, 'learning_rate': 1.4784710168044212e-07, 'fcm_dpo/beta': 0.0025398745201528072, 'fcm_dpo/q_t': 0.35763344168663025, 'fcm_dpo/delta': -0.055026132613420486, 'fcm_dpo/margin': 256.3893127441406, 'margin_dpo/margin_mean': 256.3892822265625, 'margin_dpo/margin_std': 266.773681640625, 'logps/chosen': -366.1241455078125, 'logps/rejected': -664.787841796875, 'logps/ref_chosen': -55.40888214111328, 'logps/ref_rejected': -97.68325805664062, 'KL/chosen_KL_mean': -310.71527099609375, 'KL/rejected_KL_mean': -567.1046142578125, 'KL/mean': -438.909912109375, 'KL/std': 231.90826416015625, 'logits/chosen': -0.40042775869369507, 'logits/rejected': -0.38572534918785095, 'epoch': 0.67}
67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 458/681 [19:17<09:28, 2.55s/it] 67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 459/681 [19:20<09:28, 2.56s/it] {'loss': 0.974, 'grad_norm': 33.14191818237305, 'learning_rate': 1.466771464027316e-07, 'fcm_dpo/beta': 0.002527649514377117, 'fcm_dpo/q_t': 0.36714914441108704, 'fcm_dpo/delta': -0.008432786911725998, 'fcm_dpo/margin': 240.41900634765625, 'margin_dpo/margin_mean': 240.41900634765625, 'margin_dpo/margin_std': 268.98193359375, 'logps/chosen': -385.43975830078125, 'logps/rejected': -665.4698486328125, 'logps/ref_chosen': -46.55748748779297, 'logps/ref_rejected': -86.16854095458984, 'KL/chosen_KL_mean': -338.8822937011719, 'KL/rejected_KL_mean': -579.30126953125, 'KL/mean': -459.091796875, 'KL/std': 242.7357177734375, 'logits/chosen': -0.40105724334716797, 'logits/rejected': -0.3996381163597107, 'epoch': 0.67}
67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 459/681 [19:20<09:28, 2.56s/it] 68%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 460/681 [19:23<09:30, 2.58s/it] {'loss': 0.9511, 'grad_norm': 46.20624923706055, 'learning_rate': 1.4550991377830423e-07, 'fcm_dpo/beta': 0.0025242562405765057, 'fcm_dpo/q_t': 0.361194372177124, 'fcm_dpo/delta': -0.03353795409202576, 'fcm_dpo/margin': 250.14614868164062, 'margin_dpo/margin_mean': 250.14613342285156, 'margin_dpo/margin_std': 267.33648681640625, 'logps/chosen': -427.13006591796875, 'logps/rejected': -729.7606811523438, 'logps/ref_chosen': -51.63489532470703, 'logps/ref_rejected': -104.11935424804688, 'KL/chosen_KL_mean': -375.49517822265625, 'KL/rejected_KL_mean': -625.641357421875, 'KL/mean': -500.5682373046875, 'KL/std': 234.71273803710938, 'logits/chosen': -0.46263211965560913, 'logits/rejected': -0.4771049916744232, 'epoch': 0.68}
68%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 460/681 [19:23<09:30, 2.58s/it] 68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 461/681 [19:25<09:29, 2.59s/it] {'loss': 1.0262, 'grad_norm': 36.09431076049805, 'learning_rate': 1.4434543456482518e-07, 'fcm_dpo/beta': 0.002555173821747303, 'fcm_dpo/q_t': 0.38595494627952576, 'fcm_dpo/delta': 0.08051595091819763, 'fcm_dpo/margin': 204.81271362304688, 'margin_dpo/margin_mean': 204.81271362304688, 'margin_dpo/margin_std': 259.2124328613281, 'logps/chosen': -430.9787292480469, 'logps/rejected': -667.08642578125, 'logps/ref_chosen': -55.18195724487305, 'logps/ref_rejected': -86.47689819335938, 'KL/chosen_KL_mean': -375.7967529296875, 'KL/rejected_KL_mean': -580.6094970703125, 'KL/mean': -478.203125, 'KL/std': 232.16815185546875, 'logits/chosen': -0.4403180480003357, 'logits/rejected': -0.43697261810302734, 'epoch': 0.68}
68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 461/681 [19:25<09:29, 2.59s/it] 68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 462/681 [19:28<09:21, 2.57s/it] {'loss': 1.0714, 'grad_norm': 46.14814758300781, 'learning_rate': 1.4318373944740484e-07, 'fcm_dpo/beta': 0.002613114658743143, 'fcm_dpo/q_t': 0.40055692195892334, 'fcm_dpo/delta': 0.15629872679710388, 'fcm_dpo/margin': 172.58546447753906, 'margin_dpo/margin_mean': 172.58544921875, 'margin_dpo/margin_std': 233.74554443359375, 'logps/chosen': -442.0459289550781, 'logps/rejected': -623.54443359375, 'logps/ref_chosen': -69.92803192138672, 'logps/ref_rejected': -78.84111022949219, 'KL/chosen_KL_mean': -372.1178894042969, 'KL/rejected_KL_mean': -544.7033081054688, 'KL/mean': -458.4106140136719, 'KL/std': 219.6261749267578, 'logits/chosen': -0.4446120262145996, 'logits/rejected': -0.4250994324684143, 'epoch': 0.68}
68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 462/681 [19:28<09:21, 2.57s/it] 68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 463/681 [19:30<09:08, 2.52s/it] {'loss': 1.006, 'grad_norm': 50.18327331542969, 'learning_rate': 1.4202485903778976e-07, 'fcm_dpo/beta': 0.0026555135846138, 'fcm_dpo/q_t': 0.37362590432167053, 'fcm_dpo/delta': 0.001107487827539444, 'fcm_dpo/margin': 225.30990600585938, 'margin_dpo/margin_mean': 225.30990600585938, 'margin_dpo/margin_std': 290.9793701171875, 'logps/chosen': -407.3858642578125, 'logps/rejected': -666.4463500976562, 'logps/ref_chosen': -55.27437210083008, 'logps/ref_rejected': -89.02497863769531, 'KL/chosen_KL_mean': -352.1114807128906, 'KL/rejected_KL_mean': -577.42138671875, 'KL/mean': -464.76641845703125, 'KL/std': 243.61065673828125, 'logits/chosen': -0.46163278818130493, 'logits/rejected': -0.4520809054374695, 'epoch': 0.68}
68%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 463/681 [19:30<09:08, 2.52s/it] 68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 464/681 [19:32<08:50, 2.44s/it] {'loss': 0.8473, 'grad_norm': 39.49245834350586, 'learning_rate': 1.4086882387355658e-07, 'fcm_dpo/beta': 0.0025325994938611984, 'fcm_dpo/q_t': 0.32468390464782715, 'fcm_dpo/delta': -0.23679596185684204, 'fcm_dpo/margin': 321.87481689453125, 'margin_dpo/margin_mean': 321.87481689453125, 'margin_dpo/margin_std': 299.6499328613281, 'logps/chosen': -381.76409912109375, 'logps/rejected': -755.2160034179688, 'logps/ref_chosen': -50.91230010986328, 'logps/ref_rejected': -102.4893798828125, 'KL/chosen_KL_mean': -330.8517761230469, 'KL/rejected_KL_mean': -652.7266235351562, 'KL/mean': -491.7892150878906, 'KL/std': 277.88262939453125, 'logits/chosen': -0.4352476894855499, 'logits/rejected': -0.46179062128067017, 'epoch': 0.68}
68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 464/681 [19:32<08:50, 2.44s/it] 68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 465/681 [19:35<08:54, 2.47s/it] {'loss': 0.8887, 'grad_norm': 31.928207397460938, 'learning_rate': 1.3971566441730714e-07, 'fcm_dpo/beta': 0.002483130432665348, 'fcm_dpo/q_t': 0.34188520908355713, 'fcm_dpo/delta': -0.12230255454778671, 'fcm_dpo/margin': 287.42724609375, 'margin_dpo/margin_mean': 287.4272766113281, 'margin_dpo/margin_std': 263.517822265625, 'logps/chosen': -374.6348571777344, 'logps/rejected': -715.891357421875, 'logps/ref_chosen': -60.116851806640625, 'logps/ref_rejected': -113.94602966308594, 'KL/chosen_KL_mean': -314.51800537109375, 'KL/rejected_KL_mean': -601.9453125, 'KL/mean': -458.2316589355469, 'KL/std': 265.89178466796875, 'logits/chosen': -0.4381392002105713, 'logits/rejected': -0.4378528296947479, 'epoch': 0.68}
68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 465/681 [19:35<08:54, 2.47s/it] 68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 466/681 [19:37<09:00, 2.51s/it] {'loss': 1.0007, 'grad_norm': 32.9969482421875, 'learning_rate': 1.3856541105586545e-07, 'fcm_dpo/beta': 0.002464518416672945, 'fcm_dpo/q_t': 0.3764589726924896, 'fcm_dpo/delta': 0.05006605386734009, 'fcm_dpo/margin': 224.18490600585938, 'margin_dpo/margin_mean': 224.18490600585938, 'margin_dpo/margin_std': 256.4300842285156, 'logps/chosen': -390.8894958496094, 'logps/rejected': -652.4688720703125, 'logps/ref_chosen': -52.920921325683594, 'logps/ref_rejected': -90.3154296875, 'KL/chosen_KL_mean': -337.96856689453125, 'KL/rejected_KL_mean': -562.1534423828125, 'KL/mean': -450.06103515625, 'KL/std': 233.87637329101562, 'logits/chosen': -0.43533119559288025, 'logits/rejected': -0.42451655864715576, 'epoch': 0.68}
68%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 466/681 [19:38<09:00, 2.51s/it] 69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 467/681 [19:40<08:55, 2.50s/it] {'loss': 1.0093, 'grad_norm': 38.6761360168457, 'learning_rate': 1.3741809409947729e-07, 'fcm_dpo/beta': 0.002454932779073715, 'fcm_dpo/q_t': 0.37103724479675293, 'fcm_dpo/delta': -0.01099260151386261, 'fcm_dpo/margin': 247.86749267578125, 'margin_dpo/margin_mean': 247.86749267578125, 'margin_dpo/margin_std': 319.3533020019531, 'logps/chosen': -475.02081298828125, 'logps/rejected': -747.03271484375, 'logps/ref_chosen': -78.7158203125, 'logps/ref_rejected': -102.86019897460938, 'KL/chosen_KL_mean': -396.30499267578125, 'KL/rejected_KL_mean': -644.1724853515625, 'KL/mean': -520.2387084960938, 'KL/std': 268.977294921875, 'logits/chosen': -0.5167651176452637, 'logits/rejected': -0.5001472234725952, 'epoch': 0.69}
69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 467/681 [19:40<08:55, 2.50s/it] 69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 468/681 [19:43<09:00, 2.54s/it] {'loss': 0.9319, 'grad_norm': 31.65911102294922, 'learning_rate': 1.362737437810114e-07, 'fcm_dpo/beta': 0.0024472326040267944, 'fcm_dpo/q_t': 0.35723966360092163, 'fcm_dpo/delta': -0.049302905797958374, 'fcm_dpo/margin': 263.7608642578125, 'margin_dpo/margin_mean': 263.7608642578125, 'margin_dpo/margin_std': 261.97076416015625, 'logps/chosen': -370.9700622558594, 'logps/rejected': -665.8243408203125, 'logps/ref_chosen': -69.93536376953125, 'logps/ref_rejected': -101.02880859375, 'KL/chosen_KL_mean': -301.0346984863281, 'KL/rejected_KL_mean': -564.7955322265625, 'KL/mean': -432.91510009765625, 'KL/std': 249.4041290283203, 'logits/chosen': -0.4635354280471802, 'logits/rejected': -0.44282078742980957, 'epoch': 0.69}
69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 468/681 [19:43<09:00, 2.54s/it] 69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 469/681 [19:45<09:18, 2.64s/it] {'loss': 0.9262, 'grad_norm': 31.369281768798828, 'learning_rate': 1.351323902551631e-07, 'fcm_dpo/beta': 0.002414276357740164, 'fcm_dpo/q_t': 0.3552666902542114, 'fcm_dpo/delta': -0.06267710030078888, 'fcm_dpo/margin': 272.2947998046875, 'margin_dpo/margin_mean': 272.2947998046875, 'margin_dpo/margin_std': 267.436767578125, 'logps/chosen': -417.7323913574219, 'logps/rejected': -726.6889038085938, 'logps/ref_chosen': -68.12469482421875, 'logps/ref_rejected': -104.78640747070312, 'KL/chosen_KL_mean': -349.6076965332031, 'KL/rejected_KL_mean': -621.9024658203125, 'KL/mean': -485.7550964355469, 'KL/std': 244.61253356933594, 'logits/chosen': -0.48086249828338623, 'logits/rejected': -0.45679014921188354, 'epoch': 0.69}
69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 469/681 [19:45<09:18, 2.64s/it] 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 470/681 [19:48<09:15, 2.63s/it] {'loss': 0.9396, 'grad_norm': 26.009780883789062, 'learning_rate': 1.339940635976592e-07, 'fcm_dpo/beta': 0.0024104006588459015, 'fcm_dpo/q_t': 0.3573177754878998, 'fcm_dpo/delta': -0.035525791347026825, 'fcm_dpo/margin': 262.7314453125, 'margin_dpo/margin_mean': 262.7314453125, 'margin_dpo/margin_std': 261.20184326171875, 'logps/chosen': -316.4395751953125, 'logps/rejected': -618.0819702148438, 'logps/ref_chosen': -43.791927337646484, 'logps/ref_rejected': -82.70285034179688, 'KL/chosen_KL_mean': -272.64764404296875, 'KL/rejected_KL_mean': -535.379150390625, 'KL/mean': -404.01336669921875, 'KL/std': 244.73040771484375, 'logits/chosen': -0.41702497005462646, 'logits/rejected': -0.4054919481277466, 'epoch': 0.69}
69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 470/681 [19:48<09:15, 2.63s/it] 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 471/681 [19:50<08:52, 2.54s/it] {'loss': 0.9908, 'grad_norm': 27.615331649780273, 'learning_rate': 1.3285879380446563e-07, 'fcm_dpo/beta': 0.002411898225545883, 'fcm_dpo/q_t': 0.37768125534057617, 'fcm_dpo/delta': 0.05429071933031082, 'fcm_dpo/margin': 227.38934326171875, 'margin_dpo/margin_mean': 227.3893280029297, 'margin_dpo/margin_std': 244.27651977539062, 'logps/chosen': -384.38922119140625, 'logps/rejected': -632.0494995117188, 'logps/ref_chosen': -63.33952331542969, 'logps/ref_rejected': -83.61048126220703, 'KL/chosen_KL_mean': -321.0496826171875, 'KL/rejected_KL_mean': -548.4390258789062, 'KL/mean': -434.74432373046875, 'KL/std': 247.41632080078125, 'logits/chosen': -0.4710885286331177, 'logits/rejected': -0.4560639262199402, 'epoch': 0.69}
69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 471/681 [19:50<08:52, 2.54s/it] 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 472/681 [19:53<09:07, 2.62s/it] {'loss': 0.956, 'grad_norm': 29.133203506469727, 'learning_rate': 1.317266107909975e-07, 'fcm_dpo/beta': 0.002408525673672557, 'fcm_dpo/q_t': 0.3624575734138489, 'fcm_dpo/delta': -0.06433549523353577, 'fcm_dpo/margin': 274.06927490234375, 'margin_dpo/margin_mean': 274.06927490234375, 'margin_dpo/margin_std': 325.52716064453125, 'logps/chosen': -410.2442626953125, 'logps/rejected': -717.856689453125, 'logps/ref_chosen': -83.66610717773438, 'logps/ref_rejected': -117.20919799804688, 'KL/chosen_KL_mean': -326.57818603515625, 'KL/rejected_KL_mean': -600.6474609375, 'KL/mean': -463.6128234863281, 'KL/std': 302.3685302734375, 'logits/chosen': -0.5421698093414307, 'logits/rejected': -0.5046987533569336, 'epoch': 0.69}
69%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 472/681 [19:53<09:07, 2.62s/it] 69%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 473/681 [19:56<09:08, 2.64s/it] {'loss': 1.1002, 'grad_norm': 42.2054557800293, 'learning_rate': 1.3059754439133002e-07, 'fcm_dpo/beta': 0.0024484009481966496, 'fcm_dpo/q_t': 0.40205615758895874, 'fcm_dpo/delta': 0.14316929876804352, 'fcm_dpo/margin': 189.35433959960938, 'margin_dpo/margin_mean': 189.3543243408203, 'margin_dpo/margin_std': 315.0071105957031, 'logps/chosen': -423.307861328125, 'logps/rejected': -630.311767578125, 'logps/ref_chosen': -63.49696731567383, 'logps/ref_rejected': -81.14657592773438, 'KL/chosen_KL_mean': -359.8109130859375, 'KL/rejected_KL_mean': -549.1652221679688, 'KL/mean': -454.48809814453125, 'KL/std': 257.3474426269531, 'logits/chosen': -0.43200650811195374, 'logits/rejected': -0.40144896507263184, 'epoch': 0.69}
69%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 473/681 [19:56<09:08, 2.64s/it] 70%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 474/681 [19:59<09:10, 2.66s/it] {'loss': 1.0459, 'grad_norm': 36.657867431640625, 'learning_rate': 1.2947162435741277e-07, 'fcm_dpo/beta': 0.002514604479074478, 'fcm_dpo/q_t': 0.38554972410202026, 'fcm_dpo/delta': 0.08228041976690292, 'fcm_dpo/margin': 207.14599609375, 'margin_dpo/margin_mean': 207.14599609375, 'margin_dpo/margin_std': 280.27203369140625, 'logps/chosen': -364.69580078125, 'logps/rejected': -609.3102416992188, 'logps/ref_chosen': -52.6119384765625, 'logps/ref_rejected': -90.08041381835938, 'KL/chosen_KL_mean': -312.0838623046875, 'KL/rejected_KL_mean': -519.2298583984375, 'KL/mean': -415.65679931640625, 'KL/std': 238.22402954101562, 'logits/chosen': -0.49141281843185425, 'logits/rejected': -0.4804675579071045, 'epoch': 0.7}
70%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 474/681 [19:59<09:10, 2.66s/it] 70%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 475/681 [20:01<08:56, 2.60s/it] {'loss': 0.897, 'grad_norm': 26.425996780395508, 'learning_rate': 1.2834888035828596e-07, 'fcm_dpo/beta': 0.002469835337251425, 'fcm_dpo/q_t': 0.3463265895843506, 'fcm_dpo/delta': -0.1028013825416565, 'fcm_dpo/margin': 281.60498046875, 'margin_dpo/margin_mean': 281.60498046875, 'margin_dpo/margin_std': 263.2021484375, 'logps/chosen': -293.6553955078125, 'logps/rejected': -622.828125, 'logps/ref_chosen': -42.49519348144531, 'logps/ref_rejected': -90.06294250488281, 'KL/chosen_KL_mean': -251.16018676757812, 'KL/rejected_KL_mean': -532.76513671875, 'KL/mean': -391.962646484375, 'KL/std': 241.2380828857422, 'logits/chosen': -0.4599395990371704, 'logits/rejected': -0.4634561538696289, 'epoch': 0.7}
70%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 475/681 [20:01<08:56, 2.60s/it] 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 476/681 [20:04<08:48, 2.58s/it] {'loss': 0.9757, 'grad_norm': 33.15345764160156, 'learning_rate': 1.2722934197929802e-07, 'fcm_dpo/beta': 0.0024726144038140774, 'fcm_dpo/q_t': 0.3728393316268921, 'fcm_dpo/delta': 0.03223652392625809, 'fcm_dpo/margin': 230.35450744628906, 'margin_dpo/margin_mean': 230.35450744628906, 'margin_dpo/margin_std': 242.6463623046875, 'logps/chosen': -317.3840637207031, 'logps/rejected': -578.4993896484375, 'logps/ref_chosen': -42.94938278198242, 'logps/ref_rejected': -73.71023559570312, 'KL/chosen_KL_mean': -274.4346923828125, 'KL/rejected_KL_mean': -504.7891845703125, 'KL/mean': -389.6119384765625, 'KL/std': 222.2323760986328, 'logits/chosen': -0.4732276201248169, 'logits/rejected': -0.46229255199432373, 'epoch': 0.7}
70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 476/681 [20:04<08:48, 2.58s/it] 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 477/681 [20:06<08:43, 2.57s/it] {'loss': 1.0239, 'grad_norm': 29.20063018798828, 'learning_rate': 1.2611303872132631e-07, 'fcm_dpo/beta': 0.0025053019635379314, 'fcm_dpo/q_t': 0.38124802708625793, 'fcm_dpo/delta': 0.06956921517848969, 'fcm_dpo/margin': 213.14068603515625, 'margin_dpo/margin_mean': 213.14068603515625, 'margin_dpo/margin_std': 269.6601257324219, 'logps/chosen': -376.0965881347656, 'logps/rejected': -594.60205078125, 'logps/ref_chosen': -70.77261352539062, 'logps/ref_rejected': -76.13737487792969, 'KL/chosen_KL_mean': -305.323974609375, 'KL/rejected_KL_mean': -518.4646606445312, 'KL/mean': -411.8943176269531, 'KL/std': 232.3471221923828, 'logits/chosen': -0.5332554578781128, 'logits/rejected': -0.4827369749546051, 'epoch': 0.7}
70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 477/681 [20:06<08:43, 2.57s/it] 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 478/681 [20:09<08:48, 2.60s/it] {'loss': 0.9139, 'grad_norm': 28.433320999145508, 'learning_rate': 1.2500000000000005e-07, 'fcm_dpo/beta': 0.002497827634215355, 'fcm_dpo/q_t': 0.35455381870269775, 'fcm_dpo/delta': -0.06240279972553253, 'fcm_dpo/margin': 263.5030517578125, 'margin_dpo/margin_mean': 263.5030212402344, 'margin_dpo/margin_std': 242.99679565429688, 'logps/chosen': -294.29425048828125, 'logps/rejected': -601.7186889648438, 'logps/ref_chosen': -41.440513610839844, 'logps/ref_rejected': -85.36196899414062, 'KL/chosen_KL_mean': -252.85372924804688, 'KL/rejected_KL_mean': -516.356689453125, 'KL/mean': -384.605224609375, 'KL/std': 223.99530029296875, 'logits/chosen': -0.44590333104133606, 'logits/rejected': -0.44256502389907837, 'epoch': 0.7}
70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 478/681 [20:09<08:48, 2.60s/it] 70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 479/681 [20:11<08:34, 2.55s/it] {'loss': 1.0206, 'grad_norm': 43.08273696899414, 'learning_rate': 1.2389025514492456e-07, 'fcm_dpo/beta': 0.0025271642953157425, 'fcm_dpo/q_t': 0.3788665533065796, 'fcm_dpo/delta': 0.054066017270088196, 'fcm_dpo/margin': 216.00302124023438, 'margin_dpo/margin_mean': 216.0030059814453, 'margin_dpo/margin_std': 259.35797119140625, 'logps/chosen': -397.27154541015625, 'logps/rejected': -654.4829711914062, 'logps/ref_chosen': -53.907920837402344, 'logps/ref_rejected': -95.1163330078125, 'KL/chosen_KL_mean': -343.3636169433594, 'KL/rejected_KL_mean': -559.3666381835938, 'KL/mean': -451.3651428222656, 'KL/std': 231.16734313964844, 'logits/chosen': -0.4322773218154907, 'logits/rejected': -0.43192189931869507, 'epoch': 0.7}
70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 479/681 [20:11<08:34, 2.55s/it] 70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 480/681 [20:14<08:23, 2.51s/it] {'loss': 1.0817, 'grad_norm': 46.63106155395508, 'learning_rate': 1.227838333989088e-07, 'fcm_dpo/beta': 0.00257721240632236, 'fcm_dpo/q_t': 0.39666956663131714, 'fcm_dpo/delta': 0.13034236431121826, 'fcm_dpo/margin': 183.6417236328125, 'margin_dpo/margin_mean': 183.64173889160156, 'margin_dpo/margin_std': 264.16253662109375, 'logps/chosen': -424.9975891113281, 'logps/rejected': -632.8890991210938, 'logps/ref_chosen': -58.682701110839844, 'logps/ref_rejected': -82.93248748779297, 'KL/chosen_KL_mean': -366.31488037109375, 'KL/rejected_KL_mean': -549.9566040039062, 'KL/mean': -458.1357421875, 'KL/std': 225.42266845703125, 'logits/chosen': -0.4494960606098175, 'logits/rejected': -0.41708821058273315, 'epoch': 0.7}
70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 480/681 [20:14<08:23, 2.51s/it] 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 481/681 [20:16<08:19, 2.50s/it] {'loss': 0.9448, 'grad_norm': 33.32291793823242, 'learning_rate': 1.2168076391719489e-07, 'fcm_dpo/beta': 0.0025500431656837463, 'fcm_dpo/q_t': 0.35894322395324707, 'fcm_dpo/delta': -0.04568130895495415, 'fcm_dpo/margin': 251.99685668945312, 'margin_dpo/margin_mean': 251.99684143066406, 'margin_dpo/margin_std': 268.0703430175781, 'logps/chosen': -359.59844970703125, 'logps/rejected': -649.0513916015625, 'logps/ref_chosen': -54.964271545410156, 'logps/ref_rejected': -92.42044067382812, 'KL/chosen_KL_mean': -304.6341552734375, 'KL/rejected_KL_mean': -556.6309814453125, 'KL/mean': -430.632568359375, 'KL/std': 250.36875915527344, 'logits/chosen': -0.4825635552406311, 'logits/rejected': -0.47148293256759644, 'epoch': 0.71}
71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 481/681 [20:16<08:19, 2.50s/it] 71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 482/681 [20:19<08:43, 2.63s/it] {'loss': 1.0977, 'grad_norm': 44.0857048034668, 'learning_rate': 1.2058107576668938e-07, 'fcm_dpo/beta': 0.0026108575984835625, 'fcm_dpo/q_t': 0.4027259945869446, 'fcm_dpo/delta': 0.1648440957069397, 'fcm_dpo/margin': 169.49282836914062, 'margin_dpo/margin_mean': 169.4928436279297, 'margin_dpo/margin_std': 263.2955627441406, 'logps/chosen': -411.79229736328125, 'logps/rejected': -601.3212280273438, 'logps/ref_chosen': -67.553466796875, 'logps/ref_rejected': -87.58953857421875, 'KL/chosen_KL_mean': -344.23883056640625, 'KL/rejected_KL_mean': -513.731689453125, 'KL/mean': -428.9852600097656, 'KL/std': 227.03057861328125, 'logits/chosen': -0.48988986015319824, 'logits/rejected': -0.4721633791923523, 'epoch': 0.71}
71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 482/681 [20:19<08:43, 2.63s/it] 71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 483/681 [20:22<08:39, 2.62s/it] {'loss': 0.8947, 'grad_norm': 34.45748519897461, 'learning_rate': 1.194847979251979e-07, 'fcm_dpo/beta': 0.0025678810197860003, 'fcm_dpo/q_t': 0.34249088168144226, 'fcm_dpo/delta': -0.15200494229793549, 'fcm_dpo/margin': 288.2401123046875, 'margin_dpo/margin_mean': 288.2401123046875, 'margin_dpo/margin_std': 294.35589599609375, 'logps/chosen': -372.14697265625, 'logps/rejected': -692.84423828125, 'logps/ref_chosen': -63.32981872558594, 'logps/ref_rejected': -95.78697204589844, 'KL/chosen_KL_mean': -308.8171691894531, 'KL/rejected_KL_mean': -597.0572509765625, 'KL/mean': -452.93719482421875, 'KL/std': 259.18682861328125, 'logits/chosen': -0.4860680103302002, 'logits/rejected': -0.4675144553184509, 'epoch': 0.71}
71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 483/681 [20:22<08:39, 2.62s/it] 71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 484/681 [20:24<08:18, 2.53s/it] {'loss': 0.9269, 'grad_norm': 28.33159828186035, 'learning_rate': 1.1839195928066101e-07, 'fcm_dpo/beta': 0.0025537596084177494, 'fcm_dpo/q_t': 0.35719069838523865, 'fcm_dpo/delta': -0.052785273641347885, 'fcm_dpo/margin': 254.02294921875, 'margin_dpo/margin_mean': 254.02294921875, 'margin_dpo/margin_std': 243.93063354492188, 'logps/chosen': -336.23773193359375, 'logps/rejected': -615.4939575195312, 'logps/ref_chosen': -59.13812255859375, 'logps/ref_rejected': -84.37144470214844, 'KL/chosen_KL_mean': -277.099609375, 'KL/rejected_KL_mean': -531.1224975585938, 'KL/mean': -404.1110534667969, 'KL/std': 245.48541259765625, 'logits/chosen': -0.47132617235183716, 'logits/rejected': -0.454983651638031, 'epoch': 0.71}
71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 484/681 [20:24<08:18, 2.53s/it] 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 485/681 [20:26<08:11, 2.51s/it] {'loss': 0.9684, 'grad_norm': 31.031030654907227, 'learning_rate': 1.1730258863039347e-07, 'fcm_dpo/beta': 0.0025283764116466045, 'fcm_dpo/q_t': 0.3665305972099304, 'fcm_dpo/delta': -0.010414174757897854, 'fcm_dpo/margin': 241.1621551513672, 'margin_dpo/margin_mean': 241.16217041015625, 'margin_dpo/margin_std': 270.1797790527344, 'logps/chosen': -336.04498291015625, 'logps/rejected': -621.7216796875, 'logps/ref_chosen': -58.849571228027344, 'logps/ref_rejected': -103.36408233642578, 'KL/chosen_KL_mean': -277.1954345703125, 'KL/rejected_KL_mean': -518.3575439453125, 'KL/mean': -397.7764892578125, 'KL/std': 239.49002075195312, 'logits/chosen': -0.4665423631668091, 'logits/rejected': -0.4636436104774475, 'epoch': 0.71}
71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 485/681 [20:26<08:11, 2.51s/it] 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 486/681 [20:28<07:41, 2.37s/it] {'loss': 0.9862, 'grad_norm': 46.50453186035156, 'learning_rate': 1.1621671468032493e-07, 'fcm_dpo/beta': 0.002518579363822937, 'fcm_dpo/q_t': 0.36535248160362244, 'fcm_dpo/delta': -0.025778962299227715, 'fcm_dpo/margin': 247.81446838378906, 'margin_dpo/margin_mean': 247.81446838378906, 'margin_dpo/margin_std': 304.4325866699219, 'logps/chosen': -372.7530517578125, 'logps/rejected': -657.4472045898438, 'logps/ref_chosen': -55.25966262817383, 'logps/ref_rejected': -92.13936614990234, 'KL/chosen_KL_mean': -317.493408203125, 'KL/rejected_KL_mean': -565.307861328125, 'KL/mean': -441.400634765625, 'KL/std': 242.16842651367188, 'logits/chosen': -0.4674904942512512, 'logits/rejected': -0.45089191198349, 'epoch': 0.71}
71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 486/681 [20:29<07:41, 2.37s/it] 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 487/681 [20:31<07:56, 2.46s/it] {'loss': 0.9782, 'grad_norm': 34.71440887451172, 'learning_rate': 1.1513436604424378e-07, 'fcm_dpo/beta': 0.002519285771995783, 'fcm_dpo/q_t': 0.3729146122932434, 'fcm_dpo/delta': 0.04513642191886902, 'fcm_dpo/margin': 221.22329711914062, 'margin_dpo/margin_mean': 221.22329711914062, 'margin_dpo/margin_std': 222.7053680419922, 'logps/chosen': -346.92559814453125, 'logps/rejected': -607.50439453125, 'logps/ref_chosen': -53.06330871582031, 'logps/ref_rejected': -92.41883087158203, 'KL/chosen_KL_mean': -293.8622741699219, 'KL/rejected_KL_mean': -515.0855712890625, 'KL/mean': -404.47393798828125, 'KL/std': 202.39385986328125, 'logits/chosen': -0.47890907526016235, 'logits/rejected': -0.46555450558662415, 'epoch': 0.72}
72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 487/681 [20:31<07:56, 2.46s/it] 72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 488/681 [20:34<08:02, 2.50s/it] {'loss': 0.9426, 'grad_norm': 33.56699752807617, 'learning_rate': 1.1405557124304335e-07, 'fcm_dpo/beta': 0.002545600291341543, 'fcm_dpo/q_t': 0.36505213379859924, 'fcm_dpo/delta': 0.008101914077997208, 'fcm_dpo/margin': 232.5863037109375, 'margin_dpo/margin_mean': 232.5863037109375, 'margin_dpo/margin_std': 205.98390197753906, 'logps/chosen': -297.50042724609375, 'logps/rejected': -561.8651123046875, 'logps/ref_chosen': -52.22815704345703, 'logps/ref_rejected': -84.00656127929688, 'KL/chosen_KL_mean': -245.27224731445312, 'KL/rejected_KL_mean': -477.85858154296875, 'KL/mean': -361.5653991699219, 'KL/std': 222.239990234375, 'logits/chosen': -0.4596076011657715, 'logits/rejected': -0.44325512647628784, 'epoch': 0.72}
72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 488/681 [20:34<08:02, 2.50s/it] 72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 489/681 [20:36<07:57, 2.49s/it] {'loss': 0.9932, 'grad_norm': 34.845924377441406, 'learning_rate': 1.1298035870396985e-07, 'fcm_dpo/beta': 0.0025621079839766026, 'fcm_dpo/q_t': 0.38119935989379883, 'fcm_dpo/delta': 0.06606802344322205, 'fcm_dpo/margin': 209.7814178466797, 'margin_dpo/margin_mean': 209.7814178466797, 'margin_dpo/margin_std': 227.97195434570312, 'logps/chosen': -304.7154541015625, 'logps/rejected': -537.9053955078125, 'logps/ref_chosen': -55.989627838134766, 'logps/ref_rejected': -79.39812469482422, 'KL/chosen_KL_mean': -248.72581481933594, 'KL/rejected_KL_mean': -458.5072326660156, 'KL/mean': -353.61651611328125, 'KL/std': 214.0831756591797, 'logits/chosen': -0.504858136177063, 'logits/rejected': -0.4839511215686798, 'epoch': 0.72}
72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 489/681 [20:36<07:57, 2.49s/it] 72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 490/681 [20:39<08:10, 2.57s/it] {'loss': 0.993, 'grad_norm': 42.293663024902344, 'learning_rate': 1.1190875675987355e-07, 'fcm_dpo/beta': 0.002577013336122036, 'fcm_dpo/q_t': 0.3708733320236206, 'fcm_dpo/delta': -0.003465762361884117, 'fcm_dpo/margin': 234.0305938720703, 'margin_dpo/margin_mean': 234.03060913085938, 'margin_dpo/margin_std': 290.219970703125, 'logps/chosen': -318.6893615722656, 'logps/rejected': -610.7626342773438, 'logps/ref_chosen': -52.36639404296875, 'logps/ref_rejected': -110.4090576171875, 'KL/chosen_KL_mean': -266.3229675292969, 'KL/rejected_KL_mean': -500.35357666015625, 'KL/mean': -383.3382568359375, 'KL/std': 253.58834838867188, 'logits/chosen': -0.50019770860672, 'logits/rejected': -0.5143351554870605, 'epoch': 0.72}
72%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 490/681 [20:39<08:10, 2.57s/it] 72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 491/681 [20:41<07:59, 2.52s/it] {'loss': 1.083, 'grad_norm': 37.90342712402344, 'learning_rate': 1.1084079364846241e-07, 'fcm_dpo/beta': 0.00262988219037652, 'fcm_dpo/q_t': 0.4017429053783417, 'fcm_dpo/delta': 0.15506739914417267, 'fcm_dpo/margin': 171.82980346679688, 'margin_dpo/margin_mean': 171.82980346679688, 'margin_dpo/margin_std': 252.08087158203125, 'logps/chosen': -348.27606201171875, 'logps/rejected': -533.2623901367188, 'logps/ref_chosen': -60.11626434326172, 'logps/ref_rejected': -73.27278900146484, 'KL/chosen_KL_mean': -288.1597900390625, 'KL/rejected_KL_mean': -459.9895935058594, 'KL/mean': -374.07470703125, 'KL/std': 217.8290252685547, 'logits/chosen': -0.4776982069015503, 'logits/rejected': -0.46193790435791016, 'epoch': 0.72}
72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 491/681 [20:41<07:59, 2.52s/it] 72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 492/681 [20:44<07:59, 2.54s/it] {'loss': 1.1551, 'grad_norm': 39.937416076660156, 'learning_rate': 1.097764975115576e-07, 'fcm_dpo/beta': 0.0027370997704565525, 'fcm_dpo/q_t': 0.41631877422332764, 'fcm_dpo/delta': 0.2202422320842743, 'fcm_dpo/margin': 141.90826416015625, 'margin_dpo/margin_mean': 141.90826416015625, 'margin_dpo/margin_std': 264.263671875, 'logps/chosen': -349.9296569824219, 'logps/rejected': -510.50335693359375, 'logps/ref_chosen': -53.994178771972656, 'logps/ref_rejected': -72.65962219238281, 'KL/chosen_KL_mean': -295.93548583984375, 'KL/rejected_KL_mean': -437.84375, 'KL/mean': -366.8896179199219, 'KL/std': 210.89358520507812, 'logits/chosen': -0.48065948486328125, 'logits/rejected': -0.4587652087211609, 'epoch': 0.72}
72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 492/681 [20:44<07:59, 2.54s/it] 72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 493/681 [20:47<08:06, 2.59s/it] {'loss': 1.0487, 'grad_norm': 42.05187225341797, 'learning_rate': 1.0871589639435203e-07, 'fcm_dpo/beta': 0.0028138277120888233, 'fcm_dpo/q_t': 0.39434120059013367, 'fcm_dpo/delta': 0.13032102584838867, 'fcm_dpo/margin': 169.19253540039062, 'margin_dpo/margin_mean': 169.19253540039062, 'margin_dpo/margin_std': 213.05795288085938, 'logps/chosen': -375.7914123535156, 'logps/rejected': -556.8096923828125, 'logps/ref_chosen': -75.49723815917969, 'logps/ref_rejected': -87.32301330566406, 'KL/chosen_KL_mean': -300.294189453125, 'KL/rejected_KL_mean': -469.4866638183594, 'KL/mean': -384.89044189453125, 'KL/std': 208.40113830566406, 'logits/chosen': -0.5109956860542297, 'logits/rejected': -0.47627633810043335, 'epoch': 0.72}
72%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 493/681 [20:47<08:06, 2.59s/it] 73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 494/681 [20:49<08:05, 2.60s/it] {'loss': 0.8836, 'grad_norm': 35.56473159790039, 'learning_rate': 1.0765901824467166e-07, 'fcm_dpo/beta': 0.0027876575477421284, 'fcm_dpo/q_t': 0.3406761884689331, 'fcm_dpo/delta': -0.11972147226333618, 'fcm_dpo/margin': 255.0392608642578, 'margin_dpo/margin_mean': 255.03924560546875, 'margin_dpo/margin_std': 221.43124389648438, 'logps/chosen': -283.8849182128906, 'logps/rejected': -583.65625, 'logps/ref_chosen': -41.35926818847656, 'logps/ref_rejected': -86.09136962890625, 'KL/chosen_KL_mean': -242.52565002441406, 'KL/rejected_KL_mean': -497.5649108886719, 'KL/mean': -370.0452880859375, 'KL/std': 219.48666381835938, 'logits/chosen': -0.41800960898399353, 'logits/rejected': -0.430025577545166, 'epoch': 0.73}
73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 494/681 [20:49<08:05, 2.60s/it] 73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 495/681 [20:52<08:18, 2.68s/it] {'loss': 0.9378, 'grad_norm': 33.82542037963867, 'learning_rate': 1.0660589091223854e-07, 'fcm_dpo/beta': 0.002760577481240034, 'fcm_dpo/q_t': 0.35618913173675537, 'fcm_dpo/delta': -0.06677626073360443, 'fcm_dpo/margin': 239.88856506347656, 'margin_dpo/margin_mean': 239.8885498046875, 'margin_dpo/margin_std': 254.16818237304688, 'logps/chosen': -340.96331787109375, 'logps/rejected': -608.7412109375, 'logps/ref_chosen': -63.53507995605469, 'logps/ref_rejected': -91.42443084716797, 'KL/chosen_KL_mean': -277.42822265625, 'KL/rejected_KL_mean': -517.3167724609375, 'KL/mean': -397.37249755859375, 'KL/std': 218.87979125976562, 'logits/chosen': -0.47961604595184326, 'logits/rejected': -0.47053205966949463, 'epoch': 0.73}
73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 495/681 [20:52<08:18, 2.68s/it] 73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 496/681 [20:55<08:14, 2.67s/it] {'loss': 1.0262, 'grad_norm': 33.107242584228516, 'learning_rate': 1.0555654214793722e-07, 'fcm_dpo/beta': 0.0027801187243312597, 'fcm_dpo/q_t': 0.3890904188156128, 'fcm_dpo/delta': 0.1122952476143837, 'fcm_dpo/margin': 177.4618377685547, 'margin_dpo/margin_mean': 177.4618377685547, 'margin_dpo/margin_std': 200.71798706054688, 'logps/chosen': -390.536865234375, 'logps/rejected': -579.736083984375, 'logps/ref_chosen': -72.5919189453125, 'logps/ref_rejected': -84.32933807373047, 'KL/chosen_KL_mean': -317.9449462890625, 'KL/rejected_KL_mean': -495.4067687988281, 'KL/mean': -406.6758728027344, 'KL/std': 182.09466552734375, 'logits/chosen': -0.4817647933959961, 'logits/rejected': -0.4576947093009949, 'epoch': 0.73}
73%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 496/681 [20:55<08:14, 2.67s/it] 73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 497/681 [20:57<08:06, 2.64s/it] {'loss': 1.0669, 'grad_norm': 29.663463592529297, 'learning_rate': 1.0451099960308374e-07, 'fcm_dpo/beta': 0.0028411592356860638, 'fcm_dpo/q_t': 0.39820799231529236, 'fcm_dpo/delta': 0.15116159617900848, 'fcm_dpo/margin': 160.35362243652344, 'margin_dpo/margin_mean': 160.35362243652344, 'margin_dpo/margin_std': 202.749267578125, 'logps/chosen': -370.5320739746094, 'logps/rejected': -548.580078125, 'logps/ref_chosen': -58.59397506713867, 'logps/ref_rejected': -76.28836822509766, 'KL/chosen_KL_mean': -311.9381103515625, 'KL/rejected_KL_mean': -472.2917175292969, 'KL/mean': -392.1148986816406, 'KL/std': 212.1793670654297, 'logits/chosen': -0.4611259400844574, 'logits/rejected': -0.4396577477455139, 'epoch': 0.73}
73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 497/681 [20:57<08:06, 2.64s/it] 73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 498/681 [21:00<08:06, 2.66s/it] {'loss': 1.0088, 'grad_norm': 32.140716552734375, 'learning_rate': 1.0346929082869641e-07, 'fcm_dpo/beta': 0.0028933845460414886, 'fcm_dpo/q_t': 0.37201425433158875, 'fcm_dpo/delta': 0.010811783373355865, 'fcm_dpo/margin': 203.84640502929688, 'margin_dpo/margin_mean': 203.84640502929688, 'margin_dpo/margin_std': 263.30987548828125, 'logps/chosen': -372.24053955078125, 'logps/rejected': -588.83935546875, 'logps/ref_chosen': -71.20565795898438, 'logps/ref_rejected': -83.95803833007812, 'KL/chosen_KL_mean': -301.0348815917969, 'KL/rejected_KL_mean': -504.88128662109375, 'KL/mean': -402.95806884765625, 'KL/std': 215.5568084716797, 'logits/chosen': -0.4592130780220032, 'logits/rejected': -0.43541595339775085, 'epoch': 0.73}
73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 498/681 [21:00<08:06, 2.66s/it] 73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 499/681 [21:03<07:55, 2.61s/it] {'loss': 0.9298, 'grad_norm': 36.83552932739258, 'learning_rate': 1.0243144327477013e-07, 'fcm_dpo/beta': 0.002833035308867693, 'fcm_dpo/q_t': 0.34488415718078613, 'fcm_dpo/delta': -0.12003572285175323, 'fcm_dpo/margin': 250.95947265625, 'margin_dpo/margin_mean': 250.95945739746094, 'margin_dpo/margin_std': 273.89031982421875, 'logps/chosen': -338.8868103027344, 'logps/rejected': -639.6697998046875, 'logps/ref_chosen': -51.25519561767578, 'logps/ref_rejected': -101.07870483398438, 'KL/chosen_KL_mean': -287.6316223144531, 'KL/rejected_KL_mean': -538.591064453125, 'KL/mean': -413.111328125, 'KL/std': 235.47779846191406, 'logits/chosen': -0.42466431856155396, 'logits/rejected': -0.4308118224143982, 'epoch': 0.73}
73%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 499/681 [21:03<07:55, 2.61s/it] 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 500/681 [21:05<07:42, 2.56s/it] {'loss': 0.9684, 'grad_norm': 56.1822509765625, 'learning_rate': 1.0139748428955333e-07, 'fcm_dpo/beta': 0.002813946921378374, 'fcm_dpo/q_t': 0.3649978041648865, 'fcm_dpo/delta': -0.02208024077117443, 'fcm_dpo/margin': 220.58013916015625, 'margin_dpo/margin_mean': 220.5801239013672, 'margin_dpo/margin_std': 253.31436157226562, 'logps/chosen': -397.99346923828125, 'logps/rejected': -655.4803466796875, 'logps/ref_chosen': -57.027442932128906, 'logps/ref_rejected': -93.93421173095703, 'KL/chosen_KL_mean': -340.96600341796875, 'KL/rejected_KL_mean': -561.546142578125, 'KL/mean': -451.2560729980469, 'KL/std': 223.45965576171875, 'logits/chosen': -0.43707555532455444, 'logits/rejected': -0.44277822971343994, 'epoch': 0.73}
73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 500/681 [21:05<07:42, 2.56s/it] 74%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 501/681 [21:07<07:38, 2.55s/it] {'loss': 0.9455, 'grad_norm': 32.68425369262695, 'learning_rate': 1.0036744111882672e-07, 'fcm_dpo/beta': 0.002791839651763439, 'fcm_dpo/q_t': 0.3549428880214691, 'fcm_dpo/delta': -0.07020300626754761, 'fcm_dpo/margin': 238.38613891601562, 'margin_dpo/margin_mean': 238.38613891601562, 'margin_dpo/margin_std': 262.63385009765625, 'logps/chosen': -345.6706848144531, 'logps/rejected': -609.85400390625, 'logps/ref_chosen': -54.359527587890625, 'logps/ref_rejected': -80.15670013427734, 'KL/chosen_KL_mean': -291.3111572265625, 'KL/rejected_KL_mean': -529.6973266601562, 'KL/mean': -410.5042419433594, 'KL/std': 228.95303344726562, 'logits/chosen': -0.43849706649780273, 'logits/rejected': -0.4090450704097748, 'epoch': 0.74}
74%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 501/681 [21:08<07:38, 2.55s/it] 74%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 502/681 [21:10<07:38, 2.56s/it] {'loss': 0.8875, 'grad_norm': 29.198741912841797, 'learning_rate': 9.934134090518592e-08, 'fcm_dpo/beta': 0.002760091330856085, 'fcm_dpo/q_t': 0.3472452759742737, 'fcm_dpo/delta': -0.06932684034109116, 'fcm_dpo/margin': 240.73524475097656, 'margin_dpo/margin_mean': 240.7352294921875, 'margin_dpo/margin_std': 177.9047393798828, 'logps/chosen': -342.175048828125, 'logps/rejected': -598.258544921875, 'logps/ref_chosen': -67.60050964355469, 'logps/ref_rejected': -82.94876098632812, 'KL/chosen_KL_mean': -274.57452392578125, 'KL/rejected_KL_mean': -515.309814453125, 'KL/mean': -394.942138671875, 'KL/std': 202.78167724609375, 'logits/chosen': -0.4376978874206543, 'logits/rejected': -0.4115495979785919, 'epoch': 0.74}
74%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 502/681 [21:10<07:38, 2.56s/it] 74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 503/681 [21:13<07:44, 2.61s/it] {'loss': 0.9465, 'grad_norm': 29.358478546142578, 'learning_rate': 9.831921068732571e-08, 'fcm_dpo/beta': 0.002717811381444335, 'fcm_dpo/q_t': 0.3645442724227905, 'fcm_dpo/delta': -0.013907298445701599, 'fcm_dpo/margin': 225.43701171875, 'margin_dpo/margin_mean': 225.43701171875, 'margin_dpo/margin_std': 225.81784057617188, 'logps/chosen': -340.7789001464844, 'logps/rejected': -593.6429443359375, 'logps/ref_chosen': -55.078407287597656, 'logps/ref_rejected': -82.50544738769531, 'KL/chosen_KL_mean': -285.70050048828125, 'KL/rejected_KL_mean': -511.1374816894531, 'KL/mean': -398.41900634765625, 'KL/std': 207.94387817382812, 'logits/chosen': -0.39860522747039795, 'logits/rejected': -0.37364786863327026, 'epoch': 0.74}
74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 503/681 [21:13<07:44, 2.61s/it] 74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 504/681 [21:15<07:36, 2.58s/it] {'loss': 0.8836, 'grad_norm': 29.31102180480957, 'learning_rate': 9.730107739932805e-08, 'fcm_dpo/beta': 0.002665948588401079, 'fcm_dpo/q_t': 0.33880650997161865, 'fcm_dpo/delta': -0.14294353127479553, 'fcm_dpo/margin': 274.6705322265625, 'margin_dpo/margin_mean': 274.6705322265625, 'margin_dpo/margin_std': 249.06939697265625, 'logps/chosen': -373.31005859375, 'logps/rejected': -691.7769775390625, 'logps/ref_chosen': -59.96575164794922, 'logps/ref_rejected': -103.76212310791016, 'KL/chosen_KL_mean': -313.34429931640625, 'KL/rejected_KL_mean': -588.0148315429688, 'KL/mean': -450.6795654296875, 'KL/std': 243.04483032226562, 'logits/chosen': -0.43111157417297363, 'logits/rejected': -0.435757040977478, 'epoch': 0.74}
74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 504/681 [21:15<07:36, 2.58s/it] 74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 505/681 [21:18<07:33, 2.58s/it] {'loss': 1.1349, 'grad_norm': 58.3673095703125, 'learning_rate': 9.628696786995188e-08, 'fcm_dpo/beta': 0.0027289404533803463, 'fcm_dpo/q_t': 0.4102995991706848, 'fcm_dpo/delta': 0.18531014025211334, 'fcm_dpo/margin': 154.68734741210938, 'margin_dpo/margin_mean': 154.68736267089844, 'margin_dpo/margin_std': 274.23516845703125, 'logps/chosen': -436.844970703125, 'logps/rejected': -603.9627685546875, 'logps/ref_chosen': -76.1549072265625, 'logps/ref_rejected': -88.58537292480469, 'KL/chosen_KL_mean': -360.6900634765625, 'KL/rejected_KL_mean': -515.37744140625, 'KL/mean': -438.03375244140625, 'KL/std': 232.5611572265625, 'logits/chosen': -0.49714380502700806, 'logits/rejected': -0.467399001121521, 'epoch': 0.74}
74%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 505/681 [21:18<07:33, 2.58s/it] 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 506/681 [21:20<07:20, 2.52s/it] {'loss': 0.9291, 'grad_norm': 25.556169509887695, 'learning_rate': 9.527690882192635e-08, 'fcm_dpo/beta': 0.002709229476749897, 'fcm_dpo/q_t': 0.35389435291290283, 'fcm_dpo/delta': -0.06928421556949615, 'fcm_dpo/margin': 245.0775146484375, 'margin_dpo/margin_mean': 245.07752990722656, 'margin_dpo/margin_std': 248.67483520507812, 'logps/chosen': -340.30029296875, 'logps/rejected': -614.8323974609375, 'logps/ref_chosen': -48.96050262451172, 'logps/ref_rejected': -78.41505432128906, 'KL/chosen_KL_mean': -291.33978271484375, 'KL/rejected_KL_mean': -536.4172973632812, 'KL/mean': -413.8785400390625, 'KL/std': 230.0699462890625, 'logits/chosen': -0.45745474100112915, 'logits/rejected': -0.45172441005706787, 'epoch': 0.74}
74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 506/681 [21:20<07:20, 2.52s/it] 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 507/681 [21:23<07:26, 2.57s/it] {'loss': 1.0194, 'grad_norm': 30.00538444519043, 'learning_rate': 9.427092687124691e-08, 'fcm_dpo/beta': 0.0027359488885849714, 'fcm_dpo/q_t': 0.38290736079216003, 'fcm_dpo/delta': 0.05440139025449753, 'fcm_dpo/margin': 200.49285888671875, 'margin_dpo/margin_mean': 200.4928741455078, 'margin_dpo/margin_std': 262.6377868652344, 'logps/chosen': -415.84942626953125, 'logps/rejected': -644.9136962890625, 'logps/ref_chosen': -66.80149841308594, 'logps/ref_rejected': -95.37289428710938, 'KL/chosen_KL_mean': -349.04791259765625, 'KL/rejected_KL_mean': -549.540771484375, 'KL/mean': -449.2943420410156, 'KL/std': 254.82516479492188, 'logits/chosen': -0.4429423213005066, 'logits/rejected': -0.42831623554229736, 'epoch': 0.74}
74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 507/681 [21:23<07:26, 2.57s/it] 75%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 508/681 [21:26<07:33, 2.62s/it] {'loss': 1.0489, 'grad_norm': 36.94618225097656, 'learning_rate': 9.326904852647344e-08, 'fcm_dpo/beta': 0.002776654437184334, 'fcm_dpo/q_t': 0.3879029154777527, 'fcm_dpo/delta': 0.06997797638177872, 'fcm_dpo/margin': 192.13999938964844, 'margin_dpo/margin_mean': 192.13999938964844, 'margin_dpo/margin_std': 276.2540588378906, 'logps/chosen': -408.954345703125, 'logps/rejected': -625.41845703125, 'logps/ref_chosen': -71.303466796875, 'logps/ref_rejected': -95.6275405883789, 'KL/chosen_KL_mean': -337.65087890625, 'KL/rejected_KL_mean': -529.7908935546875, 'KL/mean': -433.72088623046875, 'KL/std': 238.59854125976562, 'logits/chosen': -0.45221245288848877, 'logits/rejected': -0.4418308436870575, 'epoch': 0.75}
75%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 508/681 [21:26<07:33, 2.62s/it] 75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 509/681 [21:28<07:32, 2.63s/it] {'loss': 1.0245, 'grad_norm': 40.84049987792969, 'learning_rate': 9.227130018803195e-08, 'fcm_dpo/beta': 0.0028194680344313383, 'fcm_dpo/q_t': 0.38451287150382996, 'fcm_dpo/delta': 0.06628626585006714, 'fcm_dpo/margin': 190.34921264648438, 'margin_dpo/margin_mean': 190.34921264648438, 'margin_dpo/margin_std': 241.7765655517578, 'logps/chosen': -363.2811279296875, 'logps/rejected': -573.06787109375, 'logps/ref_chosen': -63.81895065307617, 'logps/ref_rejected': -83.25643920898438, 'KL/chosen_KL_mean': -299.462158203125, 'KL/rejected_KL_mean': -489.8114013671875, 'KL/mean': -394.63677978515625, 'KL/std': 206.77728271484375, 'logits/chosen': -0.466485857963562, 'logits/rejected': -0.45346006751060486, 'epoch': 0.75}
75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 509/681 [21:28<07:32, 2.63s/it] 75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 510/681 [21:31<07:31, 2.64s/it] {'loss': 0.9168, 'grad_norm': 31.882673263549805, 'learning_rate': 9.127770814751932e-08, 'fcm_dpo/beta': 0.0027909083291888237, 'fcm_dpo/q_t': 0.3517419695854187, 'fcm_dpo/delta': -0.06436065584421158, 'fcm_dpo/margin': 236.52374267578125, 'margin_dpo/margin_mean': 236.5237274169922, 'margin_dpo/margin_std': 220.63653564453125, 'logps/chosen': -398.2445068359375, 'logps/rejected': -685.6549072265625, 'logps/ref_chosen': -51.878448486328125, 'logps/ref_rejected': -102.7651596069336, 'KL/chosen_KL_mean': -346.3660583496094, 'KL/rejected_KL_mean': -582.8897705078125, 'KL/mean': -464.6279296875, 'KL/std': 221.30184936523438, 'logits/chosen': -0.41880273818969727, 'logits/rejected': -0.42115575075149536, 'epoch': 0.75}
75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 510/681 [21:31<07:31, 2.64s/it] 75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 511/681 [21:34<07:26, 2.63s/it] {'loss': 0.9666, 'grad_norm': 28.490880966186523, 'learning_rate': 9.028829858700973e-08, 'fcm_dpo/beta': 0.002760619157925248, 'fcm_dpo/q_t': 0.3572511672973633, 'fcm_dpo/delta': -0.0769667848944664, 'fcm_dpo/margin': 243.34571838378906, 'margin_dpo/margin_mean': 243.34573364257812, 'margin_dpo/margin_std': 298.26580810546875, 'logps/chosen': -383.1871337890625, 'logps/rejected': -659.1515502929688, 'logps/ref_chosen': -60.23811721801758, 'logps/ref_rejected': -92.85676574707031, 'KL/chosen_KL_mean': -322.9490051269531, 'KL/rejected_KL_mean': -566.2947998046875, 'KL/mean': -444.62188720703125, 'KL/std': 252.72100830078125, 'logits/chosen': -0.43943625688552856, 'logits/rejected': -0.4329058825969696, 'epoch': 0.75}
75%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 511/681 [21:34<07:26, 2.63s/it] 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 512/681 [21:36<07:02, 2.50s/it] {'loss': 0.8971, 'grad_norm': 30.536540985107422, 'learning_rate': 8.930309757836516e-08, 'fcm_dpo/beta': 0.0026991183403879404, 'fcm_dpo/q_t': 0.3462957739830017, 'fcm_dpo/delta': -0.10165773332118988, 'fcm_dpo/margin': 257.3548583984375, 'margin_dpo/margin_mean': 257.3548583984375, 'margin_dpo/margin_std': 237.53274536132812, 'logps/chosen': -352.93609619140625, 'logps/rejected': -637.2613525390625, 'logps/ref_chosen': -54.905494689941406, 'logps/ref_rejected': -81.87586975097656, 'KL/chosen_KL_mean': -298.0306091308594, 'KL/rejected_KL_mean': -555.385498046875, 'KL/mean': -426.70806884765625, 'KL/std': 233.50778198242188, 'logits/chosen': -0.42960307002067566, 'logits/rejected': -0.4208429753780365, 'epoch': 0.75}
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 512/681 [21:36<07:02, 2.50s/it] 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 513/681 [21:39<07:12, 2.57s/it] {'loss': 1.0921, 'grad_norm': 44.469078063964844, 'learning_rate': 8.832213108254863e-08, 'fcm_dpo/beta': 0.002720455639064312, 'fcm_dpo/q_t': 0.397952675819397, 'fcm_dpo/delta': 0.13866117596626282, 'fcm_dpo/margin': 171.9443359375, 'margin_dpo/margin_mean': 171.9443359375, 'margin_dpo/margin_std': 260.04180908203125, 'logps/chosen': -412.8040771484375, 'logps/rejected': -595.8944091796875, 'logps/ref_chosen': -64.91644287109375, 'logps/ref_rejected': -76.06245422363281, 'KL/chosen_KL_mean': -347.88763427734375, 'KL/rejected_KL_mean': -519.8319702148438, 'KL/mean': -433.85980224609375, 'KL/std': 213.32374572753906, 'logits/chosen': -0.41821664571762085, 'logits/rejected': -0.386923611164093, 'epoch': 0.75}
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 513/681 [21:39<07:12, 2.57s/it] 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 514/681 [21:41<07:12, 2.59s/it] {'loss': 1.031, 'grad_norm': 45.516685485839844, 'learning_rate': 8.734542494893954e-08, 'fcm_dpo/beta': 0.002786934142932296, 'fcm_dpo/q_t': 0.38390105962753296, 'fcm_dpo/delta': 0.06197813153266907, 'fcm_dpo/margin': 194.23550415039062, 'margin_dpo/margin_mean': 194.23550415039062, 'margin_dpo/margin_std': 259.800537109375, 'logps/chosen': -403.6181945800781, 'logps/rejected': -602.5696411132812, 'logps/ref_chosen': -74.22957611083984, 'logps/ref_rejected': -78.945556640625, 'KL/chosen_KL_mean': -329.38861083984375, 'KL/rejected_KL_mean': -523.6240844726562, 'KL/mean': -426.50634765625, 'KL/std': 215.20596313476562, 'logits/chosen': -0.4705209732055664, 'logits/rejected': -0.45037761330604553, 'epoch': 0.75}
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 514/681 [21:41<07:12, 2.59s/it] 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 515/681 [21:44<07:08, 2.58s/it] {'loss': 1.0506, 'grad_norm': 40.49409484863281, 'learning_rate': 8.637300491465272e-08, 'fcm_dpo/beta': 0.0028303172439336777, 'fcm_dpo/q_t': 0.3887324929237366, 'fcm_dpo/delta': 0.10716740787029266, 'fcm_dpo/margin': 176.05917358398438, 'margin_dpo/margin_mean': 176.05917358398438, 'margin_dpo/margin_std': 234.74807739257812, 'logps/chosen': -344.35369873046875, 'logps/rejected': -557.1090087890625, 'logps/ref_chosen': -50.40156555175781, 'logps/ref_rejected': -87.09774780273438, 'KL/chosen_KL_mean': -293.9521484375, 'KL/rejected_KL_mean': -470.01129150390625, 'KL/mean': -381.98175048828125, 'KL/std': 201.84432983398438, 'logits/chosen': -0.4513707756996155, 'logits/rejected': -0.4542236328125, 'epoch': 0.76}
76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 515/681 [21:44<07:08, 2.58s/it] 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 516/681 [21:46<06:45, 2.46s/it] {'loss': 0.8957, 'grad_norm': 35.118865966796875, 'learning_rate': 8.540489660386064e-08, 'fcm_dpo/beta': 0.002816826105117798, 'fcm_dpo/q_t': 0.344161719083786, 'fcm_dpo/delta': -0.1138298362493515, 'fcm_dpo/margin': 250.60986328125, 'margin_dpo/margin_mean': 250.60986328125, 'margin_dpo/margin_std': 234.30316162109375, 'logps/chosen': -363.1786804199219, 'logps/rejected': -660.8613891601562, 'logps/ref_chosen': -64.64956665039062, 'logps/ref_rejected': -111.72237396240234, 'KL/chosen_KL_mean': -298.52911376953125, 'KL/rejected_KL_mean': -549.1390380859375, 'KL/mean': -423.83404541015625, 'KL/std': 235.95242309570312, 'logits/chosen': -0.42747095227241516, 'logits/rejected': -0.4437045454978943, 'epoch': 0.76}
76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 516/681 [21:46<06:45, 2.46s/it] 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 517/681 [21:48<06:43, 2.46s/it] {'loss': 0.9248, 'grad_norm': 29.865224838256836, 'learning_rate': 8.444112552711752e-08, 'fcm_dpo/beta': 0.00274248281493783, 'fcm_dpo/q_t': 0.3531512916088104, 'fcm_dpo/delta': -0.08545368909835815, 'fcm_dpo/margin': 247.54986572265625, 'margin_dpo/margin_mean': 247.54986572265625, 'margin_dpo/margin_std': 259.0785827636719, 'logps/chosen': -376.941162109375, 'logps/rejected': -652.6605834960938, 'logps/ref_chosen': -60.913551330566406, 'logps/ref_rejected': -89.08308410644531, 'KL/chosen_KL_mean': -316.02764892578125, 'KL/rejected_KL_mean': -563.5775146484375, 'KL/mean': -439.80255126953125, 'KL/std': 237.56033325195312, 'logits/chosen': -0.4610327482223511, 'logits/rejected': -0.4480746388435364, 'epoch': 0.76}
76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 517/681 [21:48<06:43, 2.46s/it] 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 518/681 [21:51<06:54, 2.54s/it] {'loss': 1.009, 'grad_norm': 35.96814727783203, 'learning_rate': 8.348171708068747e-08, 'fcm_dpo/beta': 0.0027445396408438683, 'fcm_dpo/q_t': 0.37446266412734985, 'fcm_dpo/delta': 0.021165400743484497, 'fcm_dpo/margin': 211.32577514648438, 'margin_dpo/margin_mean': 211.32577514648438, 'margin_dpo/margin_std': 269.41748046875, 'logps/chosen': -372.8443603515625, 'logps/rejected': -612.0269165039062, 'logps/ref_chosen': -57.45589065551758, 'logps/ref_rejected': -85.31269836425781, 'KL/chosen_KL_mean': -315.388427734375, 'KL/rejected_KL_mean': -526.7142333984375, 'KL/mean': -421.05133056640625, 'KL/std': 214.97793579101562, 'logits/chosen': -0.45537883043289185, 'logits/rejected': -0.4558147192001343, 'epoch': 0.76}
76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 518/681 [21:51<06:54, 2.54s/it] 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 519/681 [21:54<07:16, 2.70s/it] {'loss': 1.0451, 'grad_norm': 35.74894714355469, 'learning_rate': 8.25266965458755e-08, 'fcm_dpo/beta': 0.0028028993401676416, 'fcm_dpo/q_t': 0.38994652032852173, 'fcm_dpo/delta': 0.09876328706741333, 'fcm_dpo/margin': 180.46304321289062, 'margin_dpo/margin_mean': 180.46304321289062, 'margin_dpo/margin_std': 242.0874786376953, 'logps/chosen': -371.64935302734375, 'logps/rejected': -582.4932250976562, 'logps/ref_chosen': -74.06331634521484, 'logps/ref_rejected': -104.44416809082031, 'KL/chosen_KL_mean': -297.58599853515625, 'KL/rejected_KL_mean': -478.049072265625, 'KL/mean': -387.8175354003906, 'KL/std': 207.9893798828125, 'logits/chosen': -0.47397053241729736, 'logits/rejected': -0.45668813586235046, 'epoch': 0.76}
76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 519/681 [21:54<07:16, 2.70s/it] 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 520/681 [21:57<07:15, 2.70s/it] {'loss': 0.989, 'grad_norm': 29.33172035217285, 'learning_rate': 8.15760890883607e-08, 'fcm_dpo/beta': 0.002808785066008568, 'fcm_dpo/q_t': 0.3768748641014099, 'fcm_dpo/delta': 0.038528621196746826, 'fcm_dpo/margin': 200.5038604736328, 'margin_dpo/margin_mean': 200.50387573242188, 'margin_dpo/margin_std': 218.33010864257812, 'logps/chosen': -367.1104736328125, 'logps/rejected': -597.2958374023438, 'logps/ref_chosen': -70.2998275756836, 'logps/ref_rejected': -99.98133850097656, 'KL/chosen_KL_mean': -296.8106689453125, 'KL/rejected_KL_mean': -497.31451416015625, 'KL/mean': -397.0625915527344, 'KL/std': 205.43948364257812, 'logits/chosen': -0.45127061009407043, 'logits/rejected': -0.44956347346305847, 'epoch': 0.76}
76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 520/681 [21:57<07:15, 2.70s/it] 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 521/681 [22:00<07:08, 2.68s/it] {'loss': 0.9956, 'grad_norm': 33.32754135131836, 'learning_rate': 8.062991975753378e-08, 'fcm_dpo/beta': 0.002870450960472226, 'fcm_dpo/q_t': 0.37647244334220886, 'fcm_dpo/delta': 0.03510994464159012, 'fcm_dpo/margin': 196.88702392578125, 'margin_dpo/margin_mean': 196.8870391845703, 'margin_dpo/margin_std': 223.54173278808594, 'logps/chosen': -334.2673645019531, 'logps/rejected': -556.2920532226562, 'logps/ref_chosen': -58.14292526245117, 'logps/ref_rejected': -83.28060913085938, 'KL/chosen_KL_mean': -276.12445068359375, 'KL/rejected_KL_mean': -473.0114440917969, 'KL/mean': -374.5679626464844, 'KL/std': 203.98727416992188, 'logits/chosen': -0.41739487648010254, 'logits/rejected': -0.40427398681640625, 'epoch': 0.77}
77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 521/681 [22:00<07:08, 2.68s/it] 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 522/681 [22:02<07:01, 2.65s/it] {'loss': 1.0266, 'grad_norm': 44.6025390625, 'learning_rate': 7.968821348583643e-08, 'fcm_dpo/beta': 0.002895869081839919, 'fcm_dpo/q_t': 0.384182333946228, 'fcm_dpo/delta': 0.08676917850971222, 'fcm_dpo/margin': 178.65142822265625, 'margin_dpo/margin_mean': 178.65142822265625, 'margin_dpo/margin_std': 218.95957946777344, 'logps/chosen': -349.5987854003906, 'logps/rejected': -547.7164306640625, 'logps/ref_chosen': -46.54766845703125, 'logps/ref_rejected': -66.01388549804688, 'KL/chosen_KL_mean': -303.0511169433594, 'KL/rejected_KL_mean': -481.7025146484375, 'KL/mean': -392.3768310546875, 'KL/std': 206.94976806640625, 'logits/chosen': -0.4320841431617737, 'logits/rejected': -0.42646926641464233, 'epoch': 0.77}
77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 522/681 [22:02<07:01, 2.65s/it] 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 523/681 [22:05<07:02, 2.67s/it] {'loss': 0.9951, 'grad_norm': 42.96333694458008, 'learning_rate': 7.875099508810484e-08, 'fcm_dpo/beta': 0.002916134661063552, 'fcm_dpo/q_t': 0.37321603298187256, 'fcm_dpo/delta': 0.037197425961494446, 'fcm_dpo/margin': 193.71954345703125, 'margin_dpo/margin_mean': 193.71954345703125, 'margin_dpo/margin_std': 222.89088439941406, 'logps/chosen': -352.4374084472656, 'logps/rejected': -568.1487426757812, 'logps/ref_chosen': -61.76960372924805, 'logps/ref_rejected': -83.76141357421875, 'KL/chosen_KL_mean': -290.66778564453125, 'KL/rejected_KL_mean': -484.3873291015625, 'KL/mean': -387.527587890625, 'KL/std': 212.25582885742188, 'logits/chosen': -0.4802251160144806, 'logits/rejected': -0.4583859443664551, 'epoch': 0.77}
77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 523/681 [22:05<07:02, 2.67s/it] 77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 524/681 [22:07<06:57, 2.66s/it] {'loss': 0.9649, 'grad_norm': 42.43870162963867, 'learning_rate': 7.781828926091535e-08, 'fcm_dpo/beta': 0.0029141202103346586, 'fcm_dpo/q_t': 0.3655627369880676, 'fcm_dpo/delta': 0.004657458513975143, 'fcm_dpo/margin': 204.31082153320312, 'margin_dpo/margin_mean': 204.31082153320312, 'margin_dpo/margin_std': 210.40423583984375, 'logps/chosen': -366.0755615234375, 'logps/rejected': -573.6163330078125, 'logps/ref_chosen': -78.0720443725586, 'logps/ref_rejected': -81.30198669433594, 'KL/chosen_KL_mean': -288.0035095214844, 'KL/rejected_KL_mean': -492.3143005371094, 'KL/mean': -390.158935546875, 'KL/std': 211.02407836914062, 'logits/chosen': -0.502049446105957, 'logits/rejected': -0.47493791580200195, 'epoch': 0.77}
77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 524/681 [22:08<06:57, 2.66s/it] 77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 525/681 [22:10<06:57, 2.68s/it] {'loss': 0.8877, 'grad_norm': 41.25353240966797, 'learning_rate': 7.689012058193384e-08, 'fcm_dpo/beta': 0.0028642993420362473, 'fcm_dpo/q_t': 0.34323346614837646, 'fcm_dpo/delta': -0.11306525766849518, 'fcm_dpo/margin': 245.88609313964844, 'margin_dpo/margin_mean': 245.88609313964844, 'margin_dpo/margin_std': 217.70860290527344, 'logps/chosen': -335.6248779296875, 'logps/rejected': -630.7360229492188, 'logps/ref_chosen': -50.827857971191406, 'logps/ref_rejected': -100.05294036865234, 'KL/chosen_KL_mean': -284.7969970703125, 'KL/rejected_KL_mean': -530.68310546875, 'KL/mean': -407.74005126953125, 'KL/std': 220.3665008544922, 'logits/chosen': -0.40292418003082275, 'logits/rejected': -0.41175270080566406, 'epoch': 0.77}
77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 525/681 [22:10<06:57, 2.68s/it] 77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 526/681 [22:13<06:47, 2.63s/it] {'loss': 0.9109, 'grad_norm': 34.808563232421875, 'learning_rate': 7.596651350926836e-08, 'fcm_dpo/beta': 0.002838113345205784, 'fcm_dpo/q_t': 0.348857581615448, 'fcm_dpo/delta': -0.09304739534854889, 'fcm_dpo/margin': 241.87554931640625, 'margin_dpo/margin_mean': 241.8755340576172, 'margin_dpo/margin_std': 232.07830810546875, 'logps/chosen': -353.08685302734375, 'logps/rejected': -618.1044921875, 'logps/ref_chosen': -63.167236328125, 'logps/ref_rejected': -86.30934143066406, 'KL/chosen_KL_mean': -289.91961669921875, 'KL/rejected_KL_mean': -531.795166015625, 'KL/mean': -410.85736083984375, 'KL/std': 211.06703186035156, 'logits/chosen': -0.4654667377471924, 'logits/rejected': -0.4409719705581665, 'epoch': 0.77}
77%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 526/681 [22:13<06:47, 2.63s/it] 77%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 527/681 [22:15<06:40, 2.60s/it] {'loss': 0.998, 'grad_norm': 31.366683959960938, 'learning_rate': 7.504749238082414e-08, 'fcm_dpo/beta': 0.002828553318977356, 'fcm_dpo/q_t': 0.3805032968521118, 'fcm_dpo/delta': 0.07045119255781174, 'fcm_dpo/margin': 188.55447387695312, 'margin_dpo/margin_mean': 188.55447387695312, 'margin_dpo/margin_std': 203.21487426757812, 'logps/chosen': -387.8179626464844, 'logps/rejected': -583.5863037109375, 'logps/ref_chosen': -71.12867736816406, 'logps/ref_rejected': -78.3425521850586, 'KL/chosen_KL_mean': -316.68927001953125, 'KL/rejected_KL_mean': -505.24371337890625, 'KL/mean': -410.96649169921875, 'KL/std': 212.4687957763672, 'logits/chosen': -0.5071585178375244, 'logits/rejected': -0.47814828157424927, 'epoch': 0.77}
77%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 527/681 [22:15<06:40, 2.60s/it] 78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 528/681 [22:18<06:41, 2.63s/it] {'loss': 0.9983, 'grad_norm': 33.0492057800293, 'learning_rate': 7.413308141366254e-08, 'fcm_dpo/beta': 0.002842032117769122, 'fcm_dpo/q_t': 0.37372392416000366, 'fcm_dpo/delta': 0.005128853023052216, 'fcm_dpo/margin': 209.38092041015625, 'margin_dpo/margin_mean': 209.38092041015625, 'margin_dpo/margin_std': 265.46966552734375, 'logps/chosen': -384.09527587890625, 'logps/rejected': -619.296875, 'logps/ref_chosen': -68.0894546508789, 'logps/ref_rejected': -93.91006469726562, 'KL/chosen_KL_mean': -316.0058288574219, 'KL/rejected_KL_mean': -525.3867797851562, 'KL/mean': -420.6962890625, 'KL/std': 227.39761352539062, 'logits/chosen': -0.4732360243797302, 'logits/rejected': -0.45158904790878296, 'epoch': 0.78}
78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 528/681 [22:18<06:41, 2.63s/it] 78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 529/681 [22:21<06:42, 2.65s/it] {'loss': 1.079, 'grad_norm': 40.91783905029297, 'learning_rate': 7.322330470336313e-08, 'fcm_dpo/beta': 0.002907057758420706, 'fcm_dpo/q_t': 0.39629998803138733, 'fcm_dpo/delta': 0.13619258999824524, 'fcm_dpo/margin': 161.7663116455078, 'margin_dpo/margin_mean': 161.7663116455078, 'margin_dpo/margin_std': 232.21859741210938, 'logps/chosen': -414.62811279296875, 'logps/rejected': -610.028564453125, 'logps/ref_chosen': -55.57495880126953, 'logps/ref_rejected': -89.20909118652344, 'KL/chosen_KL_mean': -359.05316162109375, 'KL/rejected_KL_mean': -520.8194580078125, 'KL/mean': -439.93634033203125, 'KL/std': 194.19403076171875, 'logits/chosen': -0.4297773540019989, 'logits/rejected': -0.42900708317756653, 'epoch': 0.78}
78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 529/681 [22:21<06:42, 2.65s/it] 78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 530/681 [22:23<06:47, 2.70s/it] {'loss': 0.9234, 'grad_norm': 34.072994232177734, 'learning_rate': 7.231818622338822e-08, 'fcm_dpo/beta': 0.0028622723184525967, 'fcm_dpo/q_t': 0.3427494466304779, 'fcm_dpo/delta': -0.1399245709180832, 'fcm_dpo/margin': 254.81259155273438, 'margin_dpo/margin_mean': 254.81259155273438, 'margin_dpo/margin_std': 280.197021484375, 'logps/chosen': -340.149169921875, 'logps/rejected': -634.6448974609375, 'logps/ref_chosen': -47.601417541503906, 'logps/ref_rejected': -87.2845230102539, 'KL/chosen_KL_mean': -292.5477600097656, 'KL/rejected_KL_mean': -547.3603515625, 'KL/mean': -419.95404052734375, 'KL/std': 228.95162963867188, 'logits/chosen': -0.40677356719970703, 'logits/rejected': -0.3933334946632385, 'epoch': 0.78}
78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 530/681 [22:23<06:47, 2.70s/it] 78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 531/681 [22:26<06:26, 2.57s/it] {'loss': 0.9551, 'grad_norm': 34.40644454956055, 'learning_rate': 7.141774982445147e-08, 'fcm_dpo/beta': 0.002833522856235504, 'fcm_dpo/q_t': 0.3626970946788788, 'fcm_dpo/delta': -0.03077915497124195, 'fcm_dpo/margin': 221.92410278320312, 'margin_dpo/margin_mean': 221.92410278320312, 'margin_dpo/margin_std': 242.02804565429688, 'logps/chosen': -381.71112060546875, 'logps/rejected': -618.9951171875, 'logps/ref_chosen': -55.246063232421875, 'logps/ref_rejected': -70.60598754882812, 'KL/chosen_KL_mean': -326.4650573730469, 'KL/rejected_KL_mean': -548.38916015625, 'KL/mean': -437.4271240234375, 'KL/std': 252.55072021484375, 'logits/chosen': -0.4946574866771698, 'logits/rejected': -0.4679161310195923, 'epoch': 0.78}
78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 531/681 [22:26<06:26, 2.57s/it] 78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 532/681 [22:28<06:29, 2.62s/it] {'loss': 0.9827, 'grad_norm': 49.158451080322266, 'learning_rate': 7.052201923388953e-08, 'fcm_dpo/beta': 0.0027756746858358383, 'fcm_dpo/q_t': 0.3634790778160095, 'fcm_dpo/delta': -0.04943156987428665, 'fcm_dpo/margin': 231.58746337890625, 'margin_dpo/margin_mean': 231.58743286132812, 'margin_dpo/margin_std': 276.4494934082031, 'logps/chosen': -415.02716064453125, 'logps/rejected': -662.919921875, 'logps/ref_chosen': -70.28601837158203, 'logps/ref_rejected': -86.5913314819336, 'KL/chosen_KL_mean': -344.74114990234375, 'KL/rejected_KL_mean': -576.32861328125, 'KL/mean': -460.53485107421875, 'KL/std': 234.98336791992188, 'logits/chosen': -0.4730091691017151, 'logits/rejected': -0.44550079107284546, 'epoch': 0.78}
78%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 532/681 [22:28<06:29, 2.62s/it] 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 533/681 [22:31<06:24, 2.60s/it] {'loss': 1.0632, 'grad_norm': 45.82151412963867, 'learning_rate': 6.963101805503646e-08, 'fcm_dpo/beta': 0.002862041350454092, 'fcm_dpo/q_t': 0.39045393466949463, 'fcm_dpo/delta': 0.08851660788059235, 'fcm_dpo/margin': 179.64907836914062, 'margin_dpo/margin_mean': 179.64906311035156, 'margin_dpo/margin_std': 257.60186767578125, 'logps/chosen': -399.107177734375, 'logps/rejected': -590.4891967773438, 'logps/ref_chosen': -64.8551025390625, 'logps/ref_rejected': -76.58805847167969, 'KL/chosen_KL_mean': -334.2520751953125, 'KL/rejected_KL_mean': -513.901123046875, 'KL/mean': -424.07659912109375, 'KL/std': 211.8524627685547, 'logits/chosen': -0.4523179531097412, 'logits/rejected': -0.42436474561691284, 'epoch': 0.78}
78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 533/681 [22:31<06:24, 2.60s/it] 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 534/681 [22:34<06:21, 2.60s/it] {'loss': 0.9965, 'grad_norm': 34.530181884765625, 'learning_rate': 6.874476976660184e-08, 'fcm_dpo/beta': 0.0028645102865993977, 'fcm_dpo/q_t': 0.37313705682754517, 'fcm_dpo/delta': 0.02988392300903797, 'fcm_dpo/margin': 199.62591552734375, 'margin_dpo/margin_mean': 199.6259002685547, 'margin_dpo/margin_std': 237.0495147705078, 'logps/chosen': -397.69842529296875, 'logps/rejected': -615.7484130859375, 'logps/ref_chosen': -60.119388580322266, 'logps/ref_rejected': -78.54347229003906, 'KL/chosen_KL_mean': -337.57904052734375, 'KL/rejected_KL_mean': -537.2049560546875, 'KL/mean': -437.3919982910156, 'KL/std': 220.24609375, 'logits/chosen': -0.48053455352783203, 'logits/rejected': -0.46491605043411255, 'epoch': 0.78}
78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 534/681 [22:34<06:21, 2.60s/it] 79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 535/681 [22:36<06:18, 2.59s/it] {'loss': 0.8927, 'grad_norm': 35.80217742919922, 'learning_rate': 6.786329772205246e-08, 'fcm_dpo/beta': 0.002839513588696718, 'fcm_dpo/q_t': 0.34363484382629395, 'fcm_dpo/delta': -0.11940048635005951, 'fcm_dpo/margin': 250.3018798828125, 'margin_dpo/margin_mean': 250.3018798828125, 'margin_dpo/margin_std': 227.12936401367188, 'logps/chosen': -350.41259765625, 'logps/rejected': -642.69189453125, 'logps/ref_chosen': -54.330238342285156, 'logps/ref_rejected': -96.30763244628906, 'KL/chosen_KL_mean': -296.08233642578125, 'KL/rejected_KL_mean': -546.38427734375, 'KL/mean': -421.2332763671875, 'KL/std': 227.76918029785156, 'logits/chosen': -0.471211314201355, 'logits/rejected': -0.4542166590690613, 'epoch': 0.79}
79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 535/681 [22:36<06:18, 2.59s/it] 79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 536/681 [22:39<06:16, 2.60s/it] {'loss': 0.8609, 'grad_norm': 28.878692626953125, 'learning_rate': 6.698662514899638e-08, 'fcm_dpo/beta': 0.002715503564104438, 'fcm_dpo/q_t': 0.33177119493484497, 'fcm_dpo/delta': -0.21452924609184265, 'fcm_dpo/margin': 293.6800231933594, 'margin_dpo/margin_mean': 293.67999267578125, 'margin_dpo/margin_std': 296.1116027832031, 'logps/chosen': -328.10107421875, 'logps/rejected': -663.7984619140625, 'logps/ref_chosen': -47.08053207397461, 'logps/ref_rejected': -89.09783935546875, 'KL/chosen_KL_mean': -281.02056884765625, 'KL/rejected_KL_mean': -574.7006225585938, 'KL/mean': -427.8605651855469, 'KL/std': 274.92578125, 'logits/chosen': -0.44789987802505493, 'logits/rejected': -0.4465147852897644, 'epoch': 0.79}
79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 536/681 [22:39<06:16, 2.60s/it] 79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 537/681 [22:41<06:12, 2.58s/it] {'loss': 0.9769, 'grad_norm': 40.47601318359375, 'learning_rate': 6.611477514857114e-08, 'fcm_dpo/beta': 0.0026884444523602724, 'fcm_dpo/q_t': 0.36612236499786377, 'fcm_dpo/delta': -0.01781396195292473, 'fcm_dpo/margin': 229.29345703125, 'margin_dpo/margin_mean': 229.29345703125, 'margin_dpo/margin_std': 266.6603698730469, 'logps/chosen': -338.2890930175781, 'logps/rejected': -580.2734375, 'logps/ref_chosen': -57.747467041015625, 'logps/ref_rejected': -70.43838500976562, 'KL/chosen_KL_mean': -280.5416259765625, 'KL/rejected_KL_mean': -509.8350830078125, 'KL/mean': -395.1883544921875, 'KL/std': 230.98880004882812, 'logits/chosen': -0.43334293365478516, 'logits/rejected': -0.40216875076293945, 'epoch': 0.79}
79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 537/681 [22:41<06:12, 2.58s/it] 79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 538/681 [22:44<06:11, 2.60s/it] {'loss': 0.9382, 'grad_norm': 33.3912239074707, 'learning_rate': 6.524777069483525e-08, 'fcm_dpo/beta': 0.0026520469691604376, 'fcm_dpo/q_t': 0.3585195243358612, 'fcm_dpo/delta': -0.045254189521074295, 'fcm_dpo/margin': 242.15695190429688, 'margin_dpo/margin_mean': 242.15695190429688, 'margin_dpo/margin_std': 247.3631591796875, 'logps/chosen': -408.2526550292969, 'logps/rejected': -668.2218017578125, 'logps/ref_chosen': -66.41594696044922, 'logps/ref_rejected': -84.22808837890625, 'KL/chosen_KL_mean': -341.8367004394531, 'KL/rejected_KL_mean': -583.99365234375, 'KL/mean': -462.9151916503906, 'KL/std': 224.29754638671875, 'logits/chosen': -0.519140899181366, 'logits/rejected': -0.4938586950302124, 'epoch': 0.79}
79%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 538/681 [22:44<06:11, 2.60s/it] 79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 539/681 [22:47<06:15, 2.64s/it] {'loss': 1.0144, 'grad_norm': 30.309885025024414, 'learning_rate': 6.438563463416221e-08, 'fcm_dpo/beta': 0.0026718254666775465, 'fcm_dpo/q_t': 0.38126450777053833, 'fcm_dpo/delta': 0.06473114341497421, 'fcm_dpo/margin': 201.66162109375, 'margin_dpo/margin_mean': 201.66162109375, 'margin_dpo/margin_std': 243.572265625, 'logps/chosen': -382.80029296875, 'logps/rejected': -617.822998046875, 'logps/ref_chosen': -58.492855072021484, 'logps/ref_rejected': -91.85395050048828, 'KL/chosen_KL_mean': -324.30743408203125, 'KL/rejected_KL_mean': -525.9691162109375, 'KL/mean': -425.1382751464844, 'KL/std': 213.65945434570312, 'logits/chosen': -0.48138299584388733, 'logits/rejected': -0.45210009813308716, 'epoch': 0.79}
79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 539/681 [22:47<06:15, 2.64s/it] 79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 540/681 [22:49<06:10, 2.63s/it] {'loss': 0.8887, 'grad_norm': 28.53801727294922, 'learning_rate': 6.352838968463919e-08, 'fcm_dpo/beta': 0.002628666814416647, 'fcm_dpo/q_t': 0.3372151851654053, 'fcm_dpo/delta': -0.17760419845581055, 'fcm_dpo/margin': 290.78240966796875, 'margin_dpo/margin_mean': 290.7823791503906, 'margin_dpo/margin_std': 288.1028747558594, 'logps/chosen': -366.510009765625, 'logps/rejected': -710.2398681640625, 'logps/ref_chosen': -63.482513427734375, 'logps/ref_rejected': -116.42999267578125, 'KL/chosen_KL_mean': -303.02752685546875, 'KL/rejected_KL_mean': -593.8099365234375, 'KL/mean': -448.418701171875, 'KL/std': 267.3698425292969, 'logits/chosen': -0.49332183599472046, 'logits/rejected': -0.4891811013221741, 'epoch': 0.79}
79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 540/681 [22:49<06:10, 2.63s/it] 79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 541/681 [22:52<05:56, 2.55s/it] {'loss': 1.0663, 'grad_norm': 32.374595642089844, 'learning_rate': 6.267605843546767e-08, 'fcm_dpo/beta': 0.0026146559976041317, 'fcm_dpo/q_t': 0.3958682715892792, 'fcm_dpo/delta': 0.11744622886180878, 'fcm_dpo/margin': 186.5601806640625, 'margin_dpo/margin_mean': 186.56019592285156, 'margin_dpo/margin_std': 262.82135009765625, 'logps/chosen': -435.08868408203125, 'logps/rejected': -646.6422119140625, 'logps/ref_chosen': -78.28036499023438, 'logps/ref_rejected': -103.273681640625, 'KL/chosen_KL_mean': -356.8083190917969, 'KL/rejected_KL_mean': -543.3685302734375, 'KL/mean': -450.08843994140625, 'KL/std': 227.94580078125, 'logits/chosen': -0.5324292182922363, 'logits/rejected': -0.5199625492095947, 'epoch': 0.79}
79%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 541/681 [22:52<05:56, 2.55s/it] 80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 542/681 [22:55<06:07, 2.64s/it] {'loss': 0.9667, 'grad_norm': 37.954280853271484, 'learning_rate': 6.182866334636888e-08, 'fcm_dpo/beta': 0.002625656547024846, 'fcm_dpo/q_t': 0.3629918694496155, 'fcm_dpo/delta': -0.031004559248685837, 'fcm_dpo/margin': 239.2720489501953, 'margin_dpo/margin_mean': 239.2720489501953, 'margin_dpo/margin_std': 271.30889892578125, 'logps/chosen': -392.95697021484375, 'logps/rejected': -671.2191162109375, 'logps/ref_chosen': -57.48497009277344, 'logps/ref_rejected': -96.47506713867188, 'KL/chosen_KL_mean': -335.47198486328125, 'KL/rejected_KL_mean': -574.7440185546875, 'KL/mean': -455.1080322265625, 'KL/std': 240.4376220703125, 'logits/chosen': -0.46517491340637207, 'logits/rejected': -0.4631243944168091, 'epoch': 0.8}
80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 542/681 [22:55<06:07, 2.64s/it] 80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 543/681 [22:57<06:01, 2.62s/it] {'loss': 1.0926, 'grad_norm': 35.18562698364258, 'learning_rate': 6.098622674699147e-08, 'fcm_dpo/beta': 0.0026882379315793514, 'fcm_dpo/q_t': 0.4005751609802246, 'fcm_dpo/delta': 0.13031548261642456, 'fcm_dpo/margin': 177.025634765625, 'margin_dpo/margin_mean': 177.025634765625, 'margin_dpo/margin_std': 283.3887939453125, 'logps/chosen': -398.3544921875, 'logps/rejected': -620.361572265625, 'logps/ref_chosen': -60.61750793457031, 'logps/ref_rejected': -105.59896850585938, 'KL/chosen_KL_mean': -337.7369689941406, 'KL/rejected_KL_mean': -514.7625732421875, 'KL/mean': -426.249755859375, 'KL/std': 247.21511840820312, 'logits/chosen': -0.4823335111141205, 'logits/rejected': -0.48822733759880066, 'epoch': 0.8}
80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 543/681 [22:57<06:01, 2.62s/it] 80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 544/681 [23:00<05:56, 2.61s/it] {'loss': 0.9063, 'grad_norm': 38.14399337768555, 'learning_rate': 6.01487708363232e-08, 'fcm_dpo/beta': 0.002666377928107977, 'fcm_dpo/q_t': 0.3496937155723572, 'fcm_dpo/delta': -0.0948493480682373, 'fcm_dpo/margin': 258.1184387207031, 'margin_dpo/margin_mean': 258.1184387207031, 'margin_dpo/margin_std': 256.18896484375, 'logps/chosen': -424.79241943359375, 'logps/rejected': -724.2232666015625, 'logps/ref_chosen': -59.642303466796875, 'logps/ref_rejected': -100.95469665527344, 'KL/chosen_KL_mean': -365.1501159667969, 'KL/rejected_KL_mean': -623.2685546875, 'KL/mean': -494.2093505859375, 'KL/std': 252.28506469726562, 'logits/chosen': -0.45028936862945557, 'logits/rejected': -0.44636812806129456, 'epoch': 0.8}
80%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 544/681 [23:00<05:56, 2.61s/it] 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 545/681 [23:02<05:49, 2.57s/it] {'loss': 0.9377, 'grad_norm': 31.097354888916016, 'learning_rate': 5.9316317682106294e-08, 'fcm_dpo/beta': 0.002638470381498337, 'fcm_dpo/q_t': 0.35607659816741943, 'fcm_dpo/delta': -0.05769067257642746, 'fcm_dpo/margin': 247.84971618652344, 'margin_dpo/margin_mean': 247.84971618652344, 'margin_dpo/margin_std': 256.32757568359375, 'logps/chosen': -410.278076171875, 'logps/rejected': -686.38720703125, 'logps/ref_chosen': -67.64859771728516, 'logps/ref_rejected': -95.90800476074219, 'KL/chosen_KL_mean': -342.6295166015625, 'KL/rejected_KL_mean': -590.479248046875, 'KL/mean': -466.5543518066406, 'KL/std': 237.80712890625, 'logits/chosen': -0.43896418809890747, 'logits/rejected': -0.4325362741947174, 'epoch': 0.8}
80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 545/681 [23:02<05:49, 2.57s/it] 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 546/681 [23:05<05:45, 2.56s/it] {'loss': 0.9841, 'grad_norm': 34.724266052246094, 'learning_rate': 5.848888922025552e-08, 'fcm_dpo/beta': 0.0026380978524684906, 'fcm_dpo/q_t': 0.3729926347732544, 'fcm_dpo/delta': 0.04752631112933159, 'fcm_dpo/margin': 210.4251708984375, 'margin_dpo/margin_mean': 210.4251708984375, 'margin_dpo/margin_std': 219.16452026367188, 'logps/chosen': -364.7057800292969, 'logps/rejected': -606.2529296875, 'logps/ref_chosen': -50.744232177734375, 'logps/ref_rejected': -81.86622619628906, 'KL/chosen_KL_mean': -313.9615478515625, 'KL/rejected_KL_mean': -524.38671875, 'KL/mean': -419.17413330078125, 'KL/std': 213.50949096679688, 'logits/chosen': -0.46538007259368896, 'logits/rejected': -0.44924771785736084, 'epoch': 0.8}
80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 546/681 [23:05<05:45, 2.56s/it] 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 547/681 [23:07<05:50, 2.62s/it] {'loss': 1.0146, 'grad_norm': 49.115257263183594, 'learning_rate': 5.7666507254280265e-08, 'fcm_dpo/beta': 0.0026768981479108334, 'fcm_dpo/q_t': 0.3751223683357239, 'fcm_dpo/delta': 0.02700256183743477, 'fcm_dpo/margin': 214.3040771484375, 'margin_dpo/margin_mean': 214.3040771484375, 'margin_dpo/margin_std': 275.0681457519531, 'logps/chosen': -431.12286376953125, 'logps/rejected': -662.5006103515625, 'logps/ref_chosen': -73.6877212524414, 'logps/ref_rejected': -90.76136779785156, 'KL/chosen_KL_mean': -357.4351806640625, 'KL/rejected_KL_mean': -571.7392578125, 'KL/mean': -464.5871887207031, 'KL/std': 242.331787109375, 'logits/chosen': -0.47335153818130493, 'logits/rejected': -0.4591940641403198, 'epoch': 0.8}
80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 547/681 [23:07<05:50, 2.62s/it] 80%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 548/681 [23:10<05:41, 2.57s/it] {'loss': 1.0056, 'grad_norm': 36.122379302978516, 'learning_rate': 5.684919345471029e-08, 'fcm_dpo/beta': 0.002671770518645644, 'fcm_dpo/q_t': 0.37668776512145996, 'fcm_dpo/delta': 0.018233004957437515, 'fcm_dpo/margin': 218.14297485351562, 'margin_dpo/margin_mean': 218.14297485351562, 'margin_dpo/margin_std': 287.7431640625, 'logps/chosen': -420.110595703125, 'logps/rejected': -667.1253662109375, 'logps/ref_chosen': -65.24634552001953, 'logps/ref_rejected': -94.11807250976562, 'KL/chosen_KL_mean': -354.8642578125, 'KL/rejected_KL_mean': -573.0072631835938, 'KL/mean': -463.935791015625, 'KL/std': 257.4043273925781, 'logits/chosen': -0.522218644618988, 'logits/rejected': -0.5057340264320374, 'epoch': 0.8}
80%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 548/681 [23:10<05:41, 2.57s/it] 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 549/681 [23:12<05:35, 2.54s/it] {'loss': 1.0368, 'grad_norm': 33.019325256347656, 'learning_rate': 5.603696935852426e-08, 'fcm_dpo/beta': 0.0027136695571243763, 'fcm_dpo/q_t': 0.3879546821117401, 'fcm_dpo/delta': 0.08842714130878448, 'fcm_dpo/margin': 190.13262939453125, 'margin_dpo/margin_mean': 190.13262939453125, 'margin_dpo/margin_std': 251.23681640625, 'logps/chosen': -395.64617919921875, 'logps/rejected': -610.476806640625, 'logps/ref_chosen': -49.21235656738281, 'logps/ref_rejected': -73.91031646728516, 'KL/chosen_KL_mean': -346.433837890625, 'KL/rejected_KL_mean': -536.5664672851562, 'KL/mean': -441.5001525878906, 'KL/std': 212.34481811523438, 'logits/chosen': -0.4459270238876343, 'logits/rejected': -0.42524421215057373, 'epoch': 0.81}
81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 549/681 [23:12<05:35, 2.54s/it] 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 550/681 [23:15<05:35, 2.56s/it] {'loss': 1.0069, 'grad_norm': 37.457462310791016, 'learning_rate': 5.5229856368582376e-08, 'fcm_dpo/beta': 0.0027449466288089752, 'fcm_dpo/q_t': 0.38216400146484375, 'fcm_dpo/delta': 0.08466745913028717, 'fcm_dpo/margin': 189.3411865234375, 'margin_dpo/margin_mean': 189.3411865234375, 'margin_dpo/margin_std': 203.54380798339844, 'logps/chosen': -390.66656494140625, 'logps/rejected': -618.3265380859375, 'logps/ref_chosen': -56.80695343017578, 'logps/ref_rejected': -95.12580871582031, 'KL/chosen_KL_mean': -333.859619140625, 'KL/rejected_KL_mean': -523.2007446289062, 'KL/mean': -428.53021240234375, 'KL/std': 218.2965545654297, 'logits/chosen': -0.44693848490715027, 'logits/rejected': -0.45208030939102173, 'epoch': 0.81}
81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 550/681 [23:15<05:35, 2.56s/it] 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 551/681 [23:17<05:28, 2.52s/it] {'loss': 0.8563, 'grad_norm': 34.547569274902344, 'learning_rate': 5.4427875753062734e-08, 'fcm_dpo/beta': 0.0026862614322453737, 'fcm_dpo/q_t': 0.32994920015335083, 'fcm_dpo/delta': -0.18087095022201538, 'fcm_dpo/margin': 285.24749755859375, 'margin_dpo/margin_mean': 285.24749755859375, 'margin_dpo/margin_std': 245.61746215820312, 'logps/chosen': -384.8254699707031, 'logps/rejected': -722.639404296875, 'logps/ref_chosen': -59.10633087158203, 'logps/ref_rejected': -111.67280578613281, 'KL/chosen_KL_mean': -325.7191162109375, 'KL/rejected_KL_mean': -610.9666137695312, 'KL/mean': -468.3428955078125, 'KL/std': 246.4642333984375, 'logits/chosen': -0.44945597648620605, 'logits/rejected': -0.4558793902397156, 'epoch': 0.81}
81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 551/681 [23:17<05:28, 2.52s/it] 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 552/681 [23:20<05:16, 2.45s/it] {'loss': 0.8538, 'grad_norm': 33.82465744018555, 'learning_rate': 5.363104864490034e-08, 'fcm_dpo/beta': 0.002548352349549532, 'fcm_dpo/q_t': 0.3275793790817261, 'fcm_dpo/delta': -0.24064813554286957, 'fcm_dpo/margin': 320.3064270019531, 'margin_dpo/margin_mean': 320.3064270019531, 'margin_dpo/margin_std': 304.65704345703125, 'logps/chosen': -373.4924621582031, 'logps/rejected': -736.00634765625, 'logps/ref_chosen': -62.35459899902344, 'logps/ref_rejected': -104.56210327148438, 'KL/chosen_KL_mean': -311.13787841796875, 'KL/rejected_KL_mean': -631.4442138671875, 'KL/mean': -471.29107666015625, 'KL/std': 286.0534362792969, 'logits/chosen': -0.4366614818572998, 'logits/rejected': -0.42071181535720825, 'epoch': 0.81}
81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 552/681 [23:20<05:16, 2.45s/it] 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 553/681 [23:22<05:18, 2.49s/it] {'loss': 1.0291, 'grad_norm': 31.14446449279785, 'learning_rate': 5.2839396041230415e-08, 'fcm_dpo/beta': 0.0025649270974099636, 'fcm_dpo/q_t': 0.3870941400527954, 'fcm_dpo/delta': 0.08287201821804047, 'fcm_dpo/margin': 203.2898712158203, 'margin_dpo/margin_mean': 203.28988647460938, 'margin_dpo/margin_std': 258.1274108886719, 'logps/chosen': -400.7745361328125, 'logps/rejected': -633.9027099609375, 'logps/ref_chosen': -68.25881958007812, 'logps/ref_rejected': -98.0971450805664, 'KL/chosen_KL_mean': -332.5157470703125, 'KL/rejected_KL_mean': -535.8056030273438, 'KL/mean': -434.1606750488281, 'KL/std': 224.3307647705078, 'logits/chosen': -0.4741405248641968, 'logits/rejected': -0.4594133794307709, 'epoch': 0.81}
81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 553/681 [23:22<05:18, 2.49s/it] 81%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 554/681 [23:25<05:27, 2.58s/it] {'loss': 0.9195, 'grad_norm': 29.957738876342773, 'learning_rate': 5.205293880283551e-08, 'fcm_dpo/beta': 0.0025644726119935513, 'fcm_dpo/q_t': 0.34848809242248535, 'fcm_dpo/delta': -0.10000116378068924, 'fcm_dpo/margin': 270.2042236328125, 'margin_dpo/margin_mean': 270.2042541503906, 'margin_dpo/margin_std': 274.03692626953125, 'logps/chosen': -406.1888427734375, 'logps/rejected': -698.2281494140625, 'logps/ref_chosen': -67.94767761230469, 'logps/ref_rejected': -89.78272247314453, 'KL/chosen_KL_mean': -338.2411804199219, 'KL/rejected_KL_mean': -608.4454345703125, 'KL/mean': -473.3432922363281, 'KL/std': 250.04498291015625, 'logits/chosen': -0.4561349153518677, 'logits/rejected': -0.41868773102760315, 'epoch': 0.81}
81%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 554/681 [23:25<05:27, 2.58s/it] 81%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 555/681 [23:27<05:17, 2.52s/it] {'loss': 0.9454, 'grad_norm': 33.5825080871582, 'learning_rate': 5.127169765359515e-08, 'fcm_dpo/beta': 0.0024976124987006187, 'fcm_dpo/q_t': 0.3569917678833008, 'fcm_dpo/delta': -0.08133400231599808, 'fcm_dpo/margin': 270.4271240234375, 'margin_dpo/margin_mean': 270.4271240234375, 'margin_dpo/margin_std': 309.9132080078125, 'logps/chosen': -393.94866943359375, 'logps/rejected': -719.524658203125, 'logps/ref_chosen': -53.33049011230469, 'logps/ref_rejected': -108.47937774658203, 'KL/chosen_KL_mean': -340.6181640625, 'KL/rejected_KL_mean': -611.0452880859375, 'KL/mean': -475.83172607421875, 'KL/std': 260.68096923828125, 'logits/chosen': -0.51308274269104, 'logits/rejected': -0.5208144187927246, 'epoch': 0.81}
81%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 555/681 [23:27<05:17, 2.52s/it] 82%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 556/681 [23:30<05:21, 2.57s/it] {'loss': 1.0448, 'grad_norm': 31.107650756835938, 'learning_rate': 5.049569317994012e-08, 'fcm_dpo/beta': 0.0025373874232172966, 'fcm_dpo/q_t': 0.3930724859237671, 'fcm_dpo/delta': 0.11464043706655502, 'fcm_dpo/margin': 193.50778198242188, 'margin_dpo/margin_mean': 193.5077667236328, 'margin_dpo/margin_std': 251.46420288085938, 'logps/chosen': -399.76617431640625, 'logps/rejected': -635.969970703125, 'logps/ref_chosen': -58.64447021484375, 'logps/ref_rejected': -101.34040832519531, 'KL/chosen_KL_mean': -341.1217041015625, 'KL/rejected_KL_mean': -534.6295166015625, 'KL/mean': -437.8756103515625, 'KL/std': 227.84573364257812, 'logits/chosen': -0.4337393045425415, 'logits/rejected': -0.41474783420562744, 'epoch': 0.82}
82%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 556/681 [23:30<05:21, 2.57s/it] 82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 557/681 [23:33<05:20, 2.58s/it] {'loss': 0.983, 'grad_norm': 38.73280334472656, 'learning_rate': 4.9724945830310144e-08, 'fcm_dpo/beta': 0.0025444929488003254, 'fcm_dpo/q_t': 0.37023717164993286, 'fcm_dpo/delta': 0.001470029354095459, 'fcm_dpo/margin': 235.17210388183594, 'margin_dpo/margin_mean': 235.172119140625, 'margin_dpo/margin_std': 274.781494140625, 'logps/chosen': -423.46630859375, 'logps/rejected': -700.7374267578125, 'logps/ref_chosen': -67.84066009521484, 'logps/ref_rejected': -109.93965911865234, 'KL/chosen_KL_mean': -355.62567138671875, 'KL/rejected_KL_mean': -590.7977905273438, 'KL/mean': -473.21173095703125, 'KL/std': 259.9843444824219, 'logits/chosen': -0.4727283716201782, 'logits/rejected': -0.4733373522758484, 'epoch': 0.82}
82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 557/681 [23:33<05:20, 2.58s/it] 82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 558/681 [23:35<05:15, 2.56s/it] {'loss': 0.8549, 'grad_norm': 30.430641174316406, 'learning_rate': 4.8959475914614554e-08, 'fcm_dpo/beta': 0.0024629058316349983, 'fcm_dpo/q_t': 0.32557377219200134, 'fcm_dpo/delta': -0.21627020835876465, 'fcm_dpo/margin': 323.9534606933594, 'margin_dpo/margin_mean': 323.95343017578125, 'margin_dpo/margin_std': 296.66021728515625, 'logps/chosen': -382.5602111816406, 'logps/rejected': -746.3064575195312, 'logps/ref_chosen': -62.36824035644531, 'logps/ref_rejected': -102.16102600097656, 'KL/chosen_KL_mean': -320.19195556640625, 'KL/rejected_KL_mean': -644.1454467773438, 'KL/mean': -482.168701171875, 'KL/std': 270.105712890625, 'logits/chosen': -0.4561081528663635, 'logits/rejected': -0.4390890598297119, 'epoch': 0.82}
82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 558/681 [23:35<05:15, 2.56s/it] 82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 559/681 [23:38<05:12, 2.56s/it] {'loss': 0.9705, 'grad_norm': 33.76393127441406, 'learning_rate': 4.8199303603697614e-08, 'fcm_dpo/beta': 0.002446204423904419, 'fcm_dpo/q_t': 0.36853617429733276, 'fcm_dpo/delta': 0.011072604916989803, 'fcm_dpo/margin': 241.01065063476562, 'margin_dpo/margin_mean': 241.01063537597656, 'margin_dpo/margin_std': 258.4521789550781, 'logps/chosen': -426.1177673339844, 'logps/rejected': -699.818359375, 'logps/ref_chosen': -60.752323150634766, 'logps/ref_rejected': -93.44229125976562, 'KL/chosen_KL_mean': -365.3654479980469, 'KL/rejected_KL_mean': -606.3760986328125, 'KL/mean': -485.8707580566406, 'KL/std': 251.71078491210938, 'logits/chosen': -0.508272647857666, 'logits/rejected': -0.47824934124946594, 'epoch': 0.82}
82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 559/681 [23:38<05:12, 2.56s/it] 82%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 560/681 [23:41<05:17, 2.62s/it] {'loss': 1.0348, 'grad_norm': 34.535247802734375, 'learning_rate': 4.7444448928806615e-08, 'fcm_dpo/beta': 0.0024966727942228317, 'fcm_dpo/q_t': 0.395315945148468, 'fcm_dpo/delta': 0.15152274072170258, 'fcm_dpo/margin': 182.50132751464844, 'margin_dpo/margin_mean': 182.50132751464844, 'margin_dpo/margin_std': 186.62606811523438, 'logps/chosen': -376.49700927734375, 'logps/rejected': -580.8857421875, 'logps/ref_chosen': -58.10382080078125, 'logps/ref_rejected': -79.99122619628906, 'KL/chosen_KL_mean': -318.3931884765625, 'KL/rejected_KL_mean': -500.89453125, 'KL/mean': -409.64385986328125, 'KL/std': 203.69400024414062, 'logits/chosen': -0.4614247679710388, 'logits/rejected': -0.4287029504776001, 'epoch': 0.82}
82%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 560/681 [23:41<05:17, 2.62s/it] 82%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 561/681 [23:43<05:08, 2.57s/it] {'loss': 1.0383, 'grad_norm': 34.659786224365234, 'learning_rate': 4.669493178106432e-08, 'fcm_dpo/beta': 0.0025822059251368046, 'fcm_dpo/q_t': 0.39121192693710327, 'fcm_dpo/delta': 0.12085901200771332, 'fcm_dpo/margin': 187.52621459960938, 'margin_dpo/margin_mean': 187.52621459960938, 'margin_dpo/margin_std': 227.34872436523438, 'logps/chosen': -424.10577392578125, 'logps/rejected': -659.7876586914062, 'logps/ref_chosen': -50.912879943847656, 'logps/ref_rejected': -99.06856536865234, 'KL/chosen_KL_mean': -373.19287109375, 'KL/rejected_KL_mean': -560.7191162109375, 'KL/mean': -466.95599365234375, 'KL/std': 222.2974853515625, 'logits/chosen': -0.4320663511753082, 'logits/rejected': -0.43511590361595154, 'epoch': 0.82}
82%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 561/681 [23:43<05:08, 2.57s/it] 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 562/681 [23:46<05:08, 2.59s/it] {'loss': 0.9109, 'grad_norm': 41.71552276611328, 'learning_rate': 4.5950771910944596e-08, 'fcm_dpo/beta': 0.0025373073294758797, 'fcm_dpo/q_t': 0.3511344790458679, 'fcm_dpo/delta': -0.09119724482297897, 'fcm_dpo/margin': 269.4495544433594, 'margin_dpo/margin_mean': 269.4495544433594, 'margin_dpo/margin_std': 266.8976135253906, 'logps/chosen': -381.71673583984375, 'logps/rejected': -688.2445678710938, 'logps/ref_chosen': -59.46440124511719, 'logps/ref_rejected': -96.54266357421875, 'KL/chosen_KL_mean': -322.2523193359375, 'KL/rejected_KL_mean': -591.701904296875, 'KL/mean': -456.97711181640625, 'KL/std': 254.9300994873047, 'logits/chosen': -0.4211577773094177, 'logits/rejected': -0.40038222074508667, 'epoch': 0.83}
83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 562/681 [23:46<05:08, 2.59s/it] 83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 563/681 [23:48<04:56, 2.51s/it] {'loss': 1.067, 'grad_norm': 39.29094314575195, 'learning_rate': 4.521198892775202e-08, 'fcm_dpo/beta': 0.002605203539133072, 'fcm_dpo/q_t': 0.39102718234062195, 'fcm_dpo/delta': 0.11501321196556091, 'fcm_dpo/margin': 187.53958129882812, 'margin_dpo/margin_mean': 187.53958129882812, 'margin_dpo/margin_std': 258.1802673339844, 'logps/chosen': -427.2259826660156, 'logps/rejected': -648.72509765625, 'logps/ref_chosen': -60.60819625854492, 'logps/ref_rejected': -94.56770324707031, 'KL/chosen_KL_mean': -366.6177978515625, 'KL/rejected_KL_mean': -554.1573486328125, 'KL/mean': -460.3875732421875, 'KL/std': 227.03662109375, 'logits/chosen': -0.4008295238018036, 'logits/rejected': -0.3941683769226074, 'epoch': 0.83}
83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 563/681 [23:48<04:56, 2.51s/it] 83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 564/681 [23:50<04:51, 2.49s/it] {'loss': 0.928, 'grad_norm': 29.79682731628418, 'learning_rate': 4.447860229910544e-08, 'fcm_dpo/beta': 0.0026013613678514957, 'fcm_dpo/q_t': 0.36109423637390137, 'fcm_dpo/delta': -0.005724776536226273, 'fcm_dpo/margin': 232.7069091796875, 'margin_dpo/margin_mean': 232.7069091796875, 'margin_dpo/margin_std': 193.72259521484375, 'logps/chosen': -416.934326171875, 'logps/rejected': -668.6110229492188, 'logps/ref_chosen': -74.26837921142578, 'logps/ref_rejected': -93.23818969726562, 'KL/chosen_KL_mean': -342.66595458984375, 'KL/rejected_KL_mean': -575.3728637695312, 'KL/mean': -459.0194091796875, 'KL/std': 230.55918884277344, 'logits/chosen': -0.5122097730636597, 'logits/rejected': -0.47511038184165955, 'epoch': 0.83}
83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 564/681 [23:50<04:51, 2.49s/it] 83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 565/681 [23:53<04:53, 2.53s/it] {'loss': 0.9968, 'grad_norm': 35.74713134765625, 'learning_rate': 4.375063135042445e-08, 'fcm_dpo/beta': 0.0025825374759733677, 'fcm_dpo/q_t': 0.37151873111724854, 'fcm_dpo/delta': -0.017826005816459656, 'fcm_dpo/margin': 238.71572875976562, 'margin_dpo/margin_mean': 238.71572875976562, 'margin_dpo/margin_std': 309.55841064453125, 'logps/chosen': -430.115234375, 'logps/rejected': -685.5899658203125, 'logps/ref_chosen': -69.0199203491211, 'logps/ref_rejected': -85.7789306640625, 'KL/chosen_KL_mean': -361.0953063964844, 'KL/rejected_KL_mean': -599.81103515625, 'KL/mean': -480.45318603515625, 'KL/std': 264.8818664550781, 'logits/chosen': -0.49406102299690247, 'logits/rejected': -0.4785243272781372, 'epoch': 0.83}
83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 565/681 [23:53<04:53, 2.53s/it] 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 566/681 [23:56<04:59, 2.60s/it] {'loss': 0.999, 'grad_norm': 31.682903289794922, 'learning_rate': 4.3028095264420525e-08, 'fcm_dpo/beta': 0.002597364829853177, 'fcm_dpo/q_t': 0.3658466637134552, 'fcm_dpo/delta': -0.03674561530351639, 'fcm_dpo/margin': 243.7745361328125, 'margin_dpo/margin_mean': 243.77455139160156, 'margin_dpo/margin_std': 307.5116882324219, 'logps/chosen': -416.24383544921875, 'logps/rejected': -697.3424072265625, 'logps/ref_chosen': -66.5453109741211, 'logps/ref_rejected': -103.86932373046875, 'KL/chosen_KL_mean': -349.69854736328125, 'KL/rejected_KL_mean': -593.4730834960938, 'KL/mean': -471.5858154296875, 'KL/std': 269.077880859375, 'logits/chosen': -0.4594685137271881, 'logits/rejected': -0.461688756942749, 'epoch': 0.83}
83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 566/681 [23:56<04:59, 2.60s/it] 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 567/681 [23:58<04:55, 2.59s/it] {'loss': 0.9802, 'grad_norm': 38.66469955444336, 'learning_rate': 4.231101308059165e-08, 'fcm_dpo/beta': 0.0025747488252818584, 'fcm_dpo/q_t': 0.3708723783493042, 'fcm_dpo/delta': 0.0198295209556818, 'fcm_dpo/margin': 225.7797088623047, 'margin_dpo/margin_mean': 225.77969360351562, 'margin_dpo/margin_std': 250.3170623779297, 'logps/chosen': -396.14764404296875, 'logps/rejected': -654.4400634765625, 'logps/ref_chosen': -52.85829544067383, 'logps/ref_rejected': -85.37095642089844, 'KL/chosen_KL_mean': -343.28936767578125, 'KL/rejected_KL_mean': -569.069091796875, 'KL/mean': -456.17919921875, 'KL/std': 219.7535400390625, 'logits/chosen': -0.47161629796028137, 'logits/rejected': -0.46085941791534424, 'epoch': 0.83}
83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 567/681 [23:58<04:55, 2.59s/it] 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 568/681 [24:01<04:45, 2.52s/it] {'loss': 0.9085, 'grad_norm': 28.92422866821289, 'learning_rate': 4.1599403694720145e-08, 'fcm_dpo/beta': 0.002540252171456814, 'fcm_dpo/q_t': 0.34851759672164917, 'fcm_dpo/delta': -0.08043041080236435, 'fcm_dpo/margin': 265.5389709472656, 'margin_dpo/margin_mean': 265.5389709472656, 'margin_dpo/margin_std': 243.24615478515625, 'logps/chosen': -373.04046630859375, 'logps/rejected': -682.4794921875, 'logps/ref_chosen': -45.1923828125, 'logps/ref_rejected': -89.09236907958984, 'KL/chosen_KL_mean': -327.84808349609375, 'KL/rejected_KL_mean': -593.3870849609375, 'KL/mean': -460.6175842285156, 'KL/std': 236.972412109375, 'logits/chosen': -0.4522515535354614, 'logits/rejected': -0.4544093608856201, 'epoch': 0.83}
83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 568/681 [24:01<04:45, 2.52s/it] 84%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 569/681 [24:03<04:45, 2.54s/it] {'loss': 1.0442, 'grad_norm': 41.039772033691406, 'learning_rate': 4.089328585837512e-08, 'fcm_dpo/beta': 0.0025851712562143803, 'fcm_dpo/q_t': 0.38607293367385864, 'fcm_dpo/delta': 0.08309976756572723, 'fcm_dpo/margin': 201.1681671142578, 'margin_dpo/margin_mean': 201.1681671142578, 'margin_dpo/margin_std': 268.3058166503906, 'logps/chosen': -446.57965087890625, 'logps/rejected': -663.1304931640625, 'logps/ref_chosen': -63.72056198120117, 'logps/ref_rejected': -79.10325622558594, 'KL/chosen_KL_mean': -382.8591003417969, 'KL/rejected_KL_mean': -584.0272827148438, 'KL/mean': -483.44317626953125, 'KL/std': 253.66726684570312, 'logits/chosen': -0.4414858818054199, 'logits/rejected': -0.4261478781700134, 'epoch': 0.84}
84%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 569/681 [24:03<04:45, 2.54s/it] 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 570/681 [24:06<04:43, 2.56s/it] {'loss': 0.942, 'grad_norm': 27.275033950805664, 'learning_rate': 4.019267817841834e-08, 'fcm_dpo/beta': 0.0025622902903705835, 'fcm_dpo/q_t': 0.36168766021728516, 'fcm_dpo/delta': -0.024312295019626617, 'fcm_dpo/margin': 242.93524169921875, 'margin_dpo/margin_mean': 242.93527221679688, 'margin_dpo/margin_std': 238.26451110839844, 'logps/chosen': -405.73651123046875, 'logps/rejected': -669.1990966796875, 'logps/ref_chosen': -61.61454391479492, 'logps/ref_rejected': -82.14186096191406, 'KL/chosen_KL_mean': -344.12200927734375, 'KL/rejected_KL_mean': -587.0572509765625, 'KL/mean': -465.589599609375, 'KL/std': 237.9881134033203, 'logits/chosen': -0.4918212294578552, 'logits/rejected': -0.4713660478591919, 'epoch': 0.84}
84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 570/681 [24:06<04:43, 2.56s/it] 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 571/681 [24:09<04:42, 2.57s/it] {'loss': 0.9521, 'grad_norm': 37.5210075378418, 'learning_rate': 3.9497599116513705e-08, 'fcm_dpo/beta': 0.002527458593249321, 'fcm_dpo/q_t': 0.3549273610115051, 'fcm_dpo/delta': -0.07453502714633942, 'fcm_dpo/margin': 264.587158203125, 'margin_dpo/margin_mean': 264.587158203125, 'margin_dpo/margin_std': 300.0632019042969, 'logps/chosen': -397.73907470703125, 'logps/rejected': -700.6090087890625, 'logps/ref_chosen': -53.05406188964844, 'logps/ref_rejected': -91.33682250976562, 'KL/chosen_KL_mean': -344.68499755859375, 'KL/rejected_KL_mean': -609.272216796875, 'KL/mean': -476.9786071777344, 'KL/std': 251.47467041015625, 'logits/chosen': -0.4558071494102478, 'logits/rejected': -0.4565303921699524, 'epoch': 0.84}
84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 571/681 [24:09<04:42, 2.57s/it] 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 572/681 [24:11<04:33, 2.51s/it] {'loss': 1.0136, 'grad_norm': 33.4094123840332, 'learning_rate': 3.880806698864086e-08, 'fcm_dpo/beta': 0.0025160368531942368, 'fcm_dpo/q_t': 0.37445491552352905, 'fcm_dpo/delta': -0.014791365712881088, 'fcm_dpo/margin': 243.87879943847656, 'margin_dpo/margin_mean': 243.87879943847656, 'margin_dpo/margin_std': 338.6883239746094, 'logps/chosen': -429.1673583984375, 'logps/rejected': -708.1439208984375, 'logps/ref_chosen': -48.45928955078125, 'logps/ref_rejected': -83.55703735351562, 'KL/chosen_KL_mean': -380.70806884765625, 'KL/rejected_KL_mean': -624.5869140625, 'KL/mean': -502.6474609375, 'KL/std': 286.9884948730469, 'logits/chosen': -0.4040576219558716, 'logits/rejected': -0.3991444408893585, 'epoch': 0.84}
84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 572/681 [24:11<04:33, 2.51s/it] 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 573/681 [24:13<04:21, 2.42s/it] {'loss': 0.9739, 'grad_norm': 34.65782165527344, 'learning_rate': 3.812409996461275e-08, 'fcm_dpo/beta': 0.0025425199419260025, 'fcm_dpo/q_t': 0.36963897943496704, 'fcm_dpo/delta': 0.011455178260803223, 'fcm_dpo/margin': 231.4369354248047, 'margin_dpo/margin_mean': 231.4369354248047, 'margin_dpo/margin_std': 248.86544799804688, 'logps/chosen': -409.93670654296875, 'logps/rejected': -675.0759887695312, 'logps/ref_chosen': -51.62262725830078, 'logps/ref_rejected': -85.32499694824219, 'KL/chosen_KL_mean': -358.3140563964844, 'KL/rejected_KL_mean': -589.7509765625, 'KL/mean': -474.03253173828125, 'KL/std': 236.28445434570312, 'logits/chosen': -0.46382439136505127, 'logits/rejected': -0.44606298208236694, 'epoch': 0.84}
84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 573/681 [24:13<04:21, 2.42s/it] 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 574/681 [24:16<04:27, 2.50s/it] {'loss': 0.9362, 'grad_norm': 28.976726531982422, 'learning_rate': 3.74457160675965e-08, 'fcm_dpo/beta': 0.002510279882699251, 'fcm_dpo/q_t': 0.35497695207595825, 'fcm_dpo/delta': -0.06601053476333618, 'fcm_dpo/margin': 263.58624267578125, 'margin_dpo/margin_mean': 263.5862121582031, 'margin_dpo/margin_std': 275.7353515625, 'logps/chosen': -398.3805236816406, 'logps/rejected': -703.7286376953125, 'logps/ref_chosen': -51.04446029663086, 'logps/ref_rejected': -92.80640411376953, 'KL/chosen_KL_mean': -347.3360595703125, 'KL/rejected_KL_mean': -610.9222412109375, 'KL/mean': -479.1291809082031, 'KL/std': 240.4398956298828, 'logits/chosen': -0.5355557799339294, 'logits/rejected': -0.5372272729873657, 'epoch': 0.84}
84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 574/681 [24:16<04:27, 2.50s/it] 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 575/681 [24:18<04:29, 2.54s/it] {'loss': 1.0573, 'grad_norm': 36.14547348022461, 'learning_rate': 3.677293317363864e-08, 'fcm_dpo/beta': 0.002488768193870783, 'fcm_dpo/q_t': 0.38091862201690674, 'fcm_dpo/delta': 0.05210364609956741, 'fcm_dpo/margin': 220.6463623046875, 'margin_dpo/margin_mean': 220.6463623046875, 'margin_dpo/margin_std': 306.8372802734375, 'logps/chosen': -462.3349609375, 'logps/rejected': -706.577392578125, 'logps/ref_chosen': -71.7901382446289, 'logps/ref_rejected': -95.38619995117188, 'KL/chosen_KL_mean': -390.5448303222656, 'KL/rejected_KL_mean': -611.191162109375, 'KL/mean': -500.8680114746094, 'KL/std': 261.77294921875, 'logits/chosen': -0.4399763345718384, 'logits/rejected': -0.4319089651107788, 'epoch': 0.84}
84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 575/681 [24:18<04:29, 2.54s/it] 85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 576/681 [24:21<04:21, 2.49s/it] {'loss': 1.0416, 'grad_norm': 33.95637893676758, 'learning_rate': 3.6105769011194224e-08, 'fcm_dpo/beta': 0.0025273626670241356, 'fcm_dpo/q_t': 0.3830186724662781, 'fcm_dpo/delta': 0.06407326459884644, 'fcm_dpo/margin': 213.18392944335938, 'margin_dpo/margin_mean': 213.18392944335938, 'margin_dpo/margin_std': 285.66363525390625, 'logps/chosen': -410.5294189453125, 'logps/rejected': -670.2046508789062, 'logps/ref_chosen': -54.262962341308594, 'logps/ref_rejected': -100.75428009033203, 'KL/chosen_KL_mean': -356.26641845703125, 'KL/rejected_KL_mean': -569.4503784179688, 'KL/mean': -462.8583984375, 'KL/std': 242.19851684570312, 'logits/chosen': -0.49390989542007446, 'logits/rejected': -0.5026179552078247, 'epoch': 0.85}
85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 576/681 [24:21<04:21, 2.49s/it] 85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 577/681 [24:23<04:16, 2.47s/it] {'loss': 0.9502, 'grad_norm': 31.1567440032959, 'learning_rate': 3.5444241160659304e-08, 'fcm_dpo/beta': 0.002548405434936285, 'fcm_dpo/q_t': 0.36109089851379395, 'fcm_dpo/delta': -0.015967031940817833, 'fcm_dpo/margin': 241.322265625, 'margin_dpo/margin_mean': 241.322265625, 'margin_dpo/margin_std': 234.94622802734375, 'logps/chosen': -383.2619323730469, 'logps/rejected': -646.7452392578125, 'logps/ref_chosen': -61.909706115722656, 'logps/ref_rejected': -84.07069396972656, 'KL/chosen_KL_mean': -321.35223388671875, 'KL/rejected_KL_mean': -562.6744995117188, 'KL/mean': -442.01336669921875, 'KL/std': 237.555908203125, 'logits/chosen': -0.47257912158966064, 'logits/rejected': -0.44047021865844727, 'epoch': 0.85}
85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 577/681 [24:23<04:16, 2.47s/it] 85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 578/681 [24:26<04:18, 2.51s/it] {'loss': 0.9297, 'grad_norm': 30.354848861694336, 'learning_rate': 3.478836705390808e-08, 'fcm_dpo/beta': 0.0025177106726914644, 'fcm_dpo/q_t': 0.35859817266464233, 'fcm_dpo/delta': -0.0259145125746727, 'fcm_dpo/margin': 247.4824981689453, 'margin_dpo/margin_mean': 247.4824981689453, 'margin_dpo/margin_std': 217.65599060058594, 'logps/chosen': -368.5228271484375, 'logps/rejected': -650.1778564453125, 'logps/ref_chosen': -49.26368713378906, 'logps/ref_rejected': -83.4362564086914, 'KL/chosen_KL_mean': -319.2591247558594, 'KL/rejected_KL_mean': -566.7416381835938, 'KL/mean': -443.0003967285156, 'KL/std': 241.314453125, 'logits/chosen': -0.46608057618141174, 'logits/rejected': -0.46288034319877625, 'epoch': 0.85}
85%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 578/681 [24:26<04:18, 2.51s/it] 85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 579/681 [24:29<04:25, 2.61s/it] {'loss': 1.0232, 'grad_norm': 33.36688232421875, 'learning_rate': 3.41381639738331e-08, 'fcm_dpo/beta': 0.002561987843364477, 'fcm_dpo/q_t': 0.3831888437271118, 'fcm_dpo/delta': 0.0808427631855011, 'fcm_dpo/margin': 204.3040771484375, 'margin_dpo/margin_mean': 204.3040771484375, 'margin_dpo/margin_std': 250.47772216796875, 'logps/chosen': -397.02783203125, 'logps/rejected': -637.233642578125, 'logps/ref_chosen': -58.88581848144531, 'logps/ref_rejected': -94.78762817382812, 'KL/chosen_KL_mean': -338.1419982910156, 'KL/rejected_KL_mean': -542.446044921875, 'KL/mean': -440.29400634765625, 'KL/std': 235.01004028320312, 'logits/chosen': -0.4724149703979492, 'logits/rejected': -0.46301060914993286, 'epoch': 0.85}
85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 579/681 [24:29<04:25, 2.61s/it] 85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 580/681 [24:31<04:22, 2.60s/it] {'loss': 0.926, 'grad_norm': 25.02663803100586, 'learning_rate': 3.349364905389032e-08, 'fcm_dpo/beta': 0.0025263652205467224, 'fcm_dpo/q_t': 0.35097259283065796, 'fcm_dpo/delta': -0.09617502242326736, 'fcm_dpo/margin': 272.63494873046875, 'margin_dpo/margin_mean': 272.63494873046875, 'margin_dpo/margin_std': 293.03460693359375, 'logps/chosen': -320.2073974609375, 'logps/rejected': -625.8938598632812, 'logps/ref_chosen': -48.70683670043945, 'logps/ref_rejected': -81.7583999633789, 'KL/chosen_KL_mean': -271.50054931640625, 'KL/rejected_KL_mean': -544.135498046875, 'KL/mean': -407.8179931640625, 'KL/std': 254.89610290527344, 'logits/chosen': -0.44938066601753235, 'logits/rejected': -0.4464479088783264, 'epoch': 0.85}
85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 580/681 [24:31<04:22, 2.60s/it] 85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 581/681 [24:34<04:15, 2.56s/it] {'loss': 1.0392, 'grad_norm': 33.31412887573242, 'learning_rate': 3.285483927764726e-08, 'fcm_dpo/beta': 0.0025644898414611816, 'fcm_dpo/q_t': 0.3889443576335907, 'fcm_dpo/delta': 0.10541276633739471, 'fcm_dpo/margin': 194.92074584960938, 'margin_dpo/margin_mean': 194.92074584960938, 'margin_dpo/margin_std': 246.52740478515625, 'logps/chosen': -426.63995361328125, 'logps/rejected': -651.0740356445312, 'logps/ref_chosen': -62.22235107421875, 'logps/ref_rejected': -91.73568725585938, 'KL/chosen_KL_mean': -364.4176025390625, 'KL/rejected_KL_mean': -559.33837890625, 'KL/mean': -461.87799072265625, 'KL/std': 235.9238739013672, 'logits/chosen': -0.5112712979316711, 'logits/rejected': -0.5016433596611023, 'epoch': 0.85}
85%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 581/681 [24:34<04:15, 2.56s/it] 85%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 582/681 [24:36<04:14, 2.57s/it] {'loss': 0.9376, 'grad_norm': 34.65846633911133, 'learning_rate': 3.222175147833556e-08, 'fcm_dpo/beta': 0.0025679708924144506, 'fcm_dpo/q_t': 0.3502892255783081, 'fcm_dpo/delta': -0.09219370782375336, 'fcm_dpo/margin': 266.7430419921875, 'margin_dpo/margin_mean': 266.7430419921875, 'margin_dpo/margin_std': 279.8547668457031, 'logps/chosen': -364.344482421875, 'logps/rejected': -682.928466796875, 'logps/ref_chosen': -58.228660583496094, 'logps/ref_rejected': -110.06959533691406, 'KL/chosen_KL_mean': -306.1158142089844, 'KL/rejected_KL_mean': -572.85888671875, 'KL/mean': -439.4873352050781, 'KL/std': 247.38870239257812, 'logits/chosen': -0.45925596356391907, 'logits/rejected': -0.4669743776321411, 'epoch': 0.85}
85%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 582/681 [24:36<04:14, 2.57s/it] 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 583/681 [24:39<04:14, 2.60s/it] {'loss': 1.0701, 'grad_norm': 35.25895309448242, 'learning_rate': 3.159440233840763e-08, 'fcm_dpo/beta': 0.0025529933627694845, 'fcm_dpo/q_t': 0.39500147104263306, 'fcm_dpo/delta': 0.11152487248182297, 'fcm_dpo/margin': 193.30885314941406, 'margin_dpo/margin_mean': 193.30885314941406, 'margin_dpo/margin_std': 279.12738037109375, 'logps/chosen': -407.304931640625, 'logps/rejected': -632.15478515625, 'logps/ref_chosen': -56.86286163330078, 'logps/ref_rejected': -88.4039306640625, 'KL/chosen_KL_mean': -350.44207763671875, 'KL/rejected_KL_mean': -543.7508544921875, 'KL/mean': -447.0964660644531, 'KL/std': 237.7489013671875, 'logits/chosen': -0.46326497197151184, 'logits/rejected': -0.4501265287399292, 'epoch': 0.86}
86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 583/681 [24:39<04:14, 2.60s/it] 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 584/681 [24:41<04:06, 2.55s/it] {'loss': 0.8593, 'grad_norm': 29.968629837036133, 'learning_rate': 3.0972808389096635e-08, 'fcm_dpo/beta': 0.0025257887318730354, 'fcm_dpo/q_t': 0.3356255292892456, 'fcm_dpo/delta': -0.1561448872089386, 'fcm_dpo/margin': 294.6636962890625, 'margin_dpo/margin_mean': 294.6636962890625, 'margin_dpo/margin_std': 250.9517822265625, 'logps/chosen': -355.2431945800781, 'logps/rejected': -690.6422729492188, 'logps/ref_chosen': -56.90068054199219, 'logps/ref_rejected': -97.63606262207031, 'KL/chosen_KL_mean': -298.342529296875, 'KL/rejected_KL_mean': -593.0062255859375, 'KL/mean': -445.67437744140625, 'KL/std': 244.7476043701172, 'logits/chosen': -0.4433717727661133, 'logits/rejected': -0.430498331785202, 'epoch': 0.86}
86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 584/681 [24:41<04:06, 2.55s/it] 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 585/681 [24:44<04:01, 2.52s/it] {'loss': 0.9903, 'grad_norm': 38.159202575683594, 'learning_rate': 3.035698600998121e-08, 'fcm_dpo/beta': 0.0025128626730293036, 'fcm_dpo/q_t': 0.3720248341560364, 'fcm_dpo/delta': 0.012520798482000828, 'fcm_dpo/margin': 234.08258056640625, 'margin_dpo/margin_mean': 234.0825653076172, 'margin_dpo/margin_std': 269.5777587890625, 'logps/chosen': -418.17144775390625, 'logps/rejected': -675.4495849609375, 'logps/ref_chosen': -60.973968505859375, 'logps/ref_rejected': -84.16952514648438, 'KL/chosen_KL_mean': -357.19744873046875, 'KL/rejected_KL_mean': -591.280029296875, 'KL/mean': -474.2387390136719, 'KL/std': 245.98831176757812, 'logits/chosen': -0.493826687335968, 'logits/rejected': -0.48273766040802, 'epoch': 0.86}
86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 585/681 [24:44<04:01, 2.52s/it] 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 586/681 [24:46<03:58, 2.51s/it] {'loss': 1.0476, 'grad_norm': 32.51168441772461, 'learning_rate': 2.974695142855388e-08, 'fcm_dpo/beta': 0.0025516143068671227, 'fcm_dpo/q_t': 0.388335645198822, 'fcm_dpo/delta': 0.09249043464660645, 'fcm_dpo/margin': 200.73446655273438, 'margin_dpo/margin_mean': 200.73448181152344, 'margin_dpo/margin_std': 273.436767578125, 'logps/chosen': -414.1758728027344, 'logps/rejected': -649.8573608398438, 'logps/ref_chosen': -56.85559844970703, 'logps/ref_rejected': -91.80261993408203, 'KL/chosen_KL_mean': -357.32025146484375, 'KL/rejected_KL_mean': -558.0547485351562, 'KL/mean': -457.6875, 'KL/std': 230.83807373046875, 'logits/chosen': -0.46170011162757874, 'logits/rejected': -0.4636007845401764, 'epoch': 0.86}
86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 586/681 [24:46<03:58, 2.51s/it] 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 587/681 [24:49<03:56, 2.51s/it] {'loss': 0.9846, 'grad_norm': 28.48300552368164, 'learning_rate': 2.9142720719793122e-08, 'fcm_dpo/beta': 0.0025694689247757196, 'fcm_dpo/q_t': 0.3707025647163391, 'fcm_dpo/delta': 0.013513934798538685, 'fcm_dpo/margin': 228.55291748046875, 'margin_dpo/margin_mean': 228.5529327392578, 'margin_dpo/margin_std': 264.0683288574219, 'logps/chosen': -320.7352294921875, 'logps/rejected': -587.2203979492188, 'logps/ref_chosen': -44.69159698486328, 'logps/ref_rejected': -82.62385559082031, 'KL/chosen_KL_mean': -276.0436096191406, 'KL/rejected_KL_mean': -504.5965270996094, 'KL/mean': -390.320068359375, 'KL/std': 260.1427307128906, 'logits/chosen': -0.5027564764022827, 'logits/rejected': -0.5109248161315918, 'epoch': 0.86}
86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 587/681 [24:49<03:56, 2.51s/it] 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 588/681 [24:51<03:46, 2.44s/it] {'loss': 0.993, 'grad_norm': 32.38241195678711, 'learning_rate': 2.8544309805740018e-08, 'fcm_dpo/beta': 0.002566031413152814, 'fcm_dpo/q_t': 0.37462854385375977, 'fcm_dpo/delta': 0.025277376174926758, 'fcm_dpo/margin': 224.39308166503906, 'margin_dpo/margin_mean': 224.39308166503906, 'margin_dpo/margin_std': 263.5064697265625, 'logps/chosen': -391.6383056640625, 'logps/rejected': -673.1063232421875, 'logps/ref_chosen': -50.29494857788086, 'logps/ref_rejected': -107.36988067626953, 'KL/chosen_KL_mean': -341.34332275390625, 'KL/rejected_KL_mean': -565.7364501953125, 'KL/mean': -453.5398864746094, 'KL/std': 241.7613067626953, 'logits/chosen': -0.5227458477020264, 'logits/rejected': -0.5319730043411255, 'epoch': 0.86}
86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 588/681 [24:51<03:46, 2.44s/it] 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 589/681 [24:54<03:44, 2.44s/it] {'loss': 0.8868, 'grad_norm': 26.75434112548828, 'learning_rate': 2.7951734455078786e-08, 'fcm_dpo/beta': 0.0025234550703316927, 'fcm_dpo/q_t': 0.33872103691101074, 'fcm_dpo/delta': -0.16177603602409363, 'fcm_dpo/margin': 297.1155090332031, 'margin_dpo/margin_mean': 297.1155090332031, 'margin_dpo/margin_std': 290.9627380371094, 'logps/chosen': -382.67242431640625, 'logps/rejected': -731.513427734375, 'logps/ref_chosen': -59.929908752441406, 'logps/ref_rejected': -111.65534973144531, 'KL/chosen_KL_mean': -322.74249267578125, 'KL/rejected_KL_mean': -619.8580322265625, 'KL/mean': -471.30023193359375, 'KL/std': 273.79931640625, 'logits/chosen': -0.46640634536743164, 'logits/rejected': -0.45287472009658813, 'epoch': 0.86}
86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 589/681 [24:54<03:44, 2.44s/it] 87%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 590/681 [24:56<03:39, 2.42s/it] {'loss': 0.9271, 'grad_norm': 31.879913330078125, 'learning_rate': 2.736501028272095e-08, 'fcm_dpo/beta': 0.002473164349794388, 'fcm_dpo/q_t': 0.3544720709323883, 'fcm_dpo/delta': -0.05929313227534294, 'fcm_dpo/margin': 264.92840576171875, 'margin_dpo/margin_mean': 264.92840576171875, 'margin_dpo/margin_std': 261.29254150390625, 'logps/chosen': -363.3787841796875, 'logps/rejected': -678.5602416992188, 'logps/ref_chosen': -55.80979537963867, 'logps/ref_rejected': -106.06282043457031, 'KL/chosen_KL_mean': -307.5690002441406, 'KL/rejected_KL_mean': -572.4974365234375, 'KL/mean': -440.033203125, 'KL/std': 248.03265380859375, 'logits/chosen': -0.5063580274581909, 'logits/rejected': -0.5088971257209778, 'epoch': 0.87}
87%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 590/681 [24:56<03:39, 2.42s/it] 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 591/681 [24:58<03:31, 2.35s/it] {'loss': 0.9423, 'grad_norm': 30.629581451416016, 'learning_rate': 2.678415274939408e-08, 'fcm_dpo/beta': 0.0024611647240817547, 'fcm_dpo/q_t': 0.3605474829673767, 'fcm_dpo/delta': -0.02098141796886921, 'fcm_dpo/margin': 251.77334594726562, 'margin_dpo/margin_mean': 251.7733612060547, 'margin_dpo/margin_std': 246.964599609375, 'logps/chosen': -374.8765869140625, 'logps/rejected': -654.1956176757812, 'logps/ref_chosen': -56.24061965942383, 'logps/ref_rejected': -83.78629302978516, 'KL/chosen_KL_mean': -318.635986328125, 'KL/rejected_KL_mean': -570.4093017578125, 'KL/mean': -444.52264404296875, 'KL/std': 231.72718811035156, 'logits/chosen': -0.49752044677734375, 'logits/rejected': -0.46622711420059204, 'epoch': 0.87}
87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 591/681 [24:58<03:31, 2.35s/it] 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 592/681 [25:01<03:37, 2.44s/it] {'loss': 1.0539, 'grad_norm': 32.139060974121094, 'learning_rate': 2.6209177161234442e-08, 'fcm_dpo/beta': 0.0024665952660143375, 'fcm_dpo/q_t': 0.37739434838294983, 'fcm_dpo/delta': 0.04335062950849533, 'fcm_dpo/margin': 226.60137939453125, 'margin_dpo/margin_mean': 226.6013946533203, 'margin_dpo/margin_std': 328.1856689453125, 'logps/chosen': -402.54473876953125, 'logps/rejected': -656.938720703125, 'logps/ref_chosen': -47.94025421142578, 'logps/ref_rejected': -75.73287963867188, 'KL/chosen_KL_mean': -354.6044921875, 'KL/rejected_KL_mean': -581.2058715820312, 'KL/mean': -467.9051513671875, 'KL/std': 252.9598388671875, 'logits/chosen': -0.42924797534942627, 'logits/rejected': -0.41100186109542847, 'epoch': 0.87}
87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 592/681 [25:01<03:37, 2.44s/it] 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 593/681 [25:03<03:39, 2.49s/it] {'loss': 1.0885, 'grad_norm': 33.59453582763672, 'learning_rate': 2.564009866938349e-08, 'fcm_dpo/beta': 0.0025403089821338654, 'fcm_dpo/q_t': 0.4015771746635437, 'fcm_dpo/delta': 0.16337433457374573, 'fcm_dpo/margin': 174.79055786132812, 'margin_dpo/margin_mean': 174.79054260253906, 'margin_dpo/margin_std': 252.38653564453125, 'logps/chosen': -358.01495361328125, 'logps/rejected': -545.0227661132812, 'logps/ref_chosen': -48.690757751464844, 'logps/ref_rejected': -60.90800094604492, 'KL/chosen_KL_mean': -309.3241882324219, 'KL/rejected_KL_mean': -484.1147766113281, 'KL/mean': -396.719482421875, 'KL/std': 230.8219757080078, 'logits/chosen': -0.4543134272098541, 'logits/rejected': -0.43490511178970337, 'epoch': 0.87}
87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 593/681 [25:03<03:39, 2.49s/it] 87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 594/681 [25:06<03:35, 2.48s/it] {'loss': 1.002, 'grad_norm': 31.555274963378906, 'learning_rate': 2.5076932269588708e-08, 'fcm_dpo/beta': 0.0025944348890334368, 'fcm_dpo/q_t': 0.36959269642829895, 'fcm_dpo/delta': -0.012455061078071594, 'fcm_dpo/margin': 234.47711181640625, 'margin_dpo/margin_mean': 234.47711181640625, 'margin_dpo/margin_std': 283.622802734375, 'logps/chosen': -354.62652587890625, 'logps/rejected': -620.2684326171875, 'logps/ref_chosen': -54.93488693237305, 'logps/ref_rejected': -86.09967803955078, 'KL/chosen_KL_mean': -299.691650390625, 'KL/rejected_KL_mean': -534.168701171875, 'KL/mean': -416.93017578125, 'KL/std': 269.12261962890625, 'logits/chosen': -0.5038938522338867, 'logits/rejected': -0.4825102686882019, 'epoch': 0.87}
87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 594/681 [25:06<03:35, 2.48s/it] 87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 595/681 [25:08<03:35, 2.50s/it] {'loss': 0.9881, 'grad_norm': 25.988157272338867, 'learning_rate': 2.451969280180849e-08, 'fcm_dpo/beta': 0.0025640493258833885, 'fcm_dpo/q_t': 0.37698057293891907, 'fcm_dpo/delta': 0.03399317339062691, 'fcm_dpo/margin': 221.480712890625, 'margin_dpo/margin_mean': 221.480712890625, 'margin_dpo/margin_std': 258.1260070800781, 'logps/chosen': -357.5107421875, 'logps/rejected': -610.1983642578125, 'logps/ref_chosen': -49.4204216003418, 'logps/ref_rejected': -80.62731170654297, 'KL/chosen_KL_mean': -308.0903015136719, 'KL/rejected_KL_mean': -529.571044921875, 'KL/mean': -418.8306579589844, 'KL/std': 230.4139404296875, 'logits/chosen': -0.4751130938529968, 'logits/rejected': -0.4569569230079651, 'epoch': 0.87}
87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 595/681 [25:08<03:35, 2.50s/it] 88%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 596/681 [25:11<03:34, 2.53s/it] {'loss': 1.0532, 'grad_norm': 33.03876495361328, 'learning_rate': 2.396839494982103e-08, 'fcm_dpo/beta': 0.002618124010041356, 'fcm_dpo/q_t': 0.3880764842033386, 'fcm_dpo/delta': 0.09384307265281677, 'fcm_dpo/margin': 195.02316284179688, 'margin_dpo/margin_mean': 195.02317810058594, 'margin_dpo/margin_std': 271.96826171875, 'logps/chosen': -376.02740478515625, 'logps/rejected': -591.3499755859375, 'logps/ref_chosen': -59.791683197021484, 'logps/ref_rejected': -80.09111785888672, 'KL/chosen_KL_mean': -316.2357177734375, 'KL/rejected_KL_mean': -511.2588806152344, 'KL/mean': -413.747314453125, 'KL/std': 236.9102783203125, 'logits/chosen': -0.47426873445510864, 'logits/rejected': -0.44393420219421387, 'epoch': 0.88}
88%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 596/681 [25:11<03:34, 2.53s/it] 88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 597/681 [25:14<03:32, 2.53s/it] {'loss': 0.9385, 'grad_norm': 34.755714416503906, 'learning_rate': 2.3423053240837514e-08, 'fcm_dpo/beta': 0.002567911520600319, 'fcm_dpo/q_t': 0.3549570143222809, 'fcm_dpo/delta': -0.07938927412033081, 'fcm_dpo/margin': 261.4744873046875, 'margin_dpo/margin_mean': 261.4744873046875, 'margin_dpo/margin_std': 277.08123779296875, 'logps/chosen': -376.5897216796875, 'logps/rejected': -681.4971923828125, 'logps/ref_chosen': -57.26078796386719, 'logps/ref_rejected': -100.6937255859375, 'KL/chosen_KL_mean': -319.32891845703125, 'KL/rejected_KL_mean': -580.803466796875, 'KL/mean': -450.066162109375, 'KL/std': 264.26776123046875, 'logits/chosen': -0.48420071601867676, 'logits/rejected': -0.4970840811729431, 'epoch': 0.88}
88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 597/681 [25:14<03:32, 2.53s/it] 88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 598/681 [25:16<03:25, 2.48s/it] {'loss': 0.9969, 'grad_norm': 36.268619537353516, 'learning_rate': 2.2883682045119062e-08, 'fcm_dpo/beta': 0.002562467474490404, 'fcm_dpo/q_t': 0.3685457706451416, 'fcm_dpo/delta': 0.013387367129325867, 'fcm_dpo/margin': 228.53445434570312, 'margin_dpo/margin_mean': 228.53448486328125, 'margin_dpo/margin_std': 261.8272705078125, 'logps/chosen': -387.86932373046875, 'logps/rejected': -653.3291015625, 'logps/ref_chosen': -52.51850509643555, 'logps/ref_rejected': -89.44385528564453, 'KL/chosen_KL_mean': -335.350830078125, 'KL/rejected_KL_mean': -563.88525390625, 'KL/mean': -449.6180419921875, 'KL/std': 240.95411682128906, 'logits/chosen': -0.47771960496902466, 'logits/rejected': -0.46360164880752563, 'epoch': 0.88}
88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 598/681 [25:16<03:25, 2.48s/it] 88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 599/681 [25:19<03:29, 2.55s/it] {'loss': 0.9913, 'grad_norm': 30.653757095336914, 'learning_rate': 2.2350295575598367e-08, 'fcm_dpo/beta': 0.0026012700982391834, 'fcm_dpo/q_t': 0.3765287399291992, 'fcm_dpo/delta': 0.06252237409353256, 'fcm_dpo/margin': 207.85528564453125, 'margin_dpo/margin_mean': 207.85528564453125, 'margin_dpo/margin_std': 213.85324096679688, 'logps/chosen': -353.31658935546875, 'logps/rejected': -594.34765625, 'logps/ref_chosen': -49.802677154541016, 'logps/ref_rejected': -82.978515625, 'KL/chosen_KL_mean': -303.513916015625, 'KL/rejected_KL_mean': -511.3691711425781, 'KL/mean': -407.4415283203125, 'KL/std': 229.56861877441406, 'logits/chosen': -0.4435848593711853, 'logits/rejected': -0.4369887113571167, 'epoch': 0.88}
88%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 599/681 [25:19<03:29, 2.55s/it] 88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 600/681 [25:21<03:30, 2.60s/it] {'loss': 1.0024, 'grad_norm': 39.98947525024414, 'learning_rate': 2.1822907887504932e-08, 'fcm_dpo/beta': 0.002624728251248598, 'fcm_dpo/q_t': 0.3731113076210022, 'fcm_dpo/delta': 0.01848490536212921, 'fcm_dpo/margin': 221.95077514648438, 'margin_dpo/margin_mean': 221.95077514648438, 'margin_dpo/margin_std': 274.4659423828125, 'logps/chosen': -419.1139831542969, 'logps/rejected': -660.0863647460938, 'logps/ref_chosen': -66.43487548828125, 'logps/ref_rejected': -85.45649719238281, 'KL/chosen_KL_mean': -352.6791076660156, 'KL/rejected_KL_mean': -574.6298828125, 'KL/mean': -463.65447998046875, 'KL/std': 233.15611267089844, 'logits/chosen': -0.5003535747528076, 'logits/rejected': -0.48408395051956177, 'epoch': 0.88}
88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 600/681 [25:21<03:30, 2.60s/it] 88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 601/681 [25:24<03:22, 2.53s/it] {'loss': 0.9685, 'grad_norm': 36.40314865112305, 'learning_rate': 2.1301532877994742e-08, 'fcm_dpo/beta': 0.002612743526697159, 'fcm_dpo/q_t': 0.36359232664108276, 'fcm_dpo/delta': -0.026022687554359436, 'fcm_dpo/margin': 238.86073303222656, 'margin_dpo/margin_mean': 238.86074829101562, 'margin_dpo/margin_std': 273.97564697265625, 'logps/chosen': -422.65118408203125, 'logps/rejected': -697.0692749023438, 'logps/ref_chosen': -59.13361358642578, 'logps/ref_rejected': -94.69093322753906, 'KL/chosen_KL_mean': -363.517578125, 'KL/rejected_KL_mean': -602.3783569335938, 'KL/mean': -482.94793701171875, 'KL/std': 264.3414306640625, 'logits/chosen': -0.49644967913627625, 'logits/rejected': -0.48629212379455566, 'epoch': 0.88}
88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 601/681 [25:24<03:22, 2.53s/it] 88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 602/681 [25:26<03:18, 2.52s/it] {'loss': 0.8889, 'grad_norm': 33.56421661376953, 'learning_rate': 2.0786184285784298e-08, 'fcm_dpo/beta': 0.0025822389870882034, 'fcm_dpo/q_t': 0.34339991211891174, 'fcm_dpo/delta': -0.11920210719108582, 'fcm_dpo/margin': 275.2930908203125, 'margin_dpo/margin_mean': 275.2930908203125, 'margin_dpo/margin_std': 253.09454345703125, 'logps/chosen': -313.35772705078125, 'logps/rejected': -627.725830078125, 'logps/ref_chosen': -48.59352111816406, 'logps/ref_rejected': -87.6685562133789, 'KL/chosen_KL_mean': -264.76422119140625, 'KL/rejected_KL_mean': -540.0573120117188, 'KL/mean': -402.4107666015625, 'KL/std': 240.82546997070312, 'logits/chosen': -0.5091708898544312, 'logits/rejected': -0.5036940574645996, 'epoch': 0.88}
88%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 602/681 [25:26<03:18, 2.52s/it] 89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 603/681 [25:29<03:13, 2.48s/it] {'loss': 0.9773, 'grad_norm': 40.8131103515625, 'learning_rate': 2.0276875690788204e-08, 'fcm_dpo/beta': 0.0025528722908347845, 'fcm_dpo/q_t': 0.36729931831359863, 'fcm_dpo/delta': -0.018420854583382607, 'fcm_dpo/margin': 241.7960205078125, 'margin_dpo/margin_mean': 241.7960205078125, 'margin_dpo/margin_std': 286.18743896484375, 'logps/chosen': -372.9919738769531, 'logps/rejected': -644.698974609375, 'logps/ref_chosen': -70.41461944580078, 'logps/ref_rejected': -100.32559967041016, 'KL/chosen_KL_mean': -302.5773620605469, 'KL/rejected_KL_mean': -544.3734130859375, 'KL/mean': -423.4753723144531, 'KL/std': 249.7156524658203, 'logits/chosen': -0.514338493347168, 'logits/rejected': -0.4906577467918396, 'epoch': 0.89}
89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 603/681 [25:29<03:13, 2.48s/it] 89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 604/681 [25:32<03:23, 2.64s/it] {'loss': 0.9118, 'grad_norm': 29.565893173217773, 'learning_rate': 1.977362051376158e-08, 'fcm_dpo/beta': 0.0024972236715257168, 'fcm_dpo/q_t': 0.34456294775009155, 'fcm_dpo/delta': -0.11190646886825562, 'fcm_dpo/margin': 281.7110595703125, 'margin_dpo/margin_mean': 281.7110595703125, 'margin_dpo/margin_std': 280.1474304199219, 'logps/chosen': -326.5625, 'logps/rejected': -653.6699829101562, 'logps/ref_chosen': -46.45808029174805, 'logps/ref_rejected': -91.8544921875, 'KL/chosen_KL_mean': -280.10443115234375, 'KL/rejected_KL_mean': -561.8154907226562, 'KL/mean': -420.9599609375, 'KL/std': 244.97970581054688, 'logits/chosen': -0.47602221369743347, 'logits/rejected': -0.47603946924209595, 'epoch': 0.89}
89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 604/681 [25:32<03:23, 2.64s/it] 89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 605/681 [25:34<03:20, 2.64s/it] {'loss': 0.9991, 'grad_norm': 31.081411361694336, 'learning_rate': 1.9276432015946446e-08, 'fcm_dpo/beta': 0.0024927170015871525, 'fcm_dpo/q_t': 0.378231942653656, 'fcm_dpo/delta': 0.03097914718091488, 'fcm_dpo/margin': 228.91180419921875, 'margin_dpo/margin_mean': 228.9118194580078, 'margin_dpo/margin_std': 287.41900634765625, 'logps/chosen': -403.4245910644531, 'logps/rejected': -668.3920288085938, 'logps/ref_chosen': -66.24933624267578, 'logps/ref_rejected': -102.30496978759766, 'KL/chosen_KL_mean': -337.17523193359375, 'KL/rejected_KL_mean': -566.0870361328125, 'KL/mean': -451.63116455078125, 'KL/std': 239.23190307617188, 'logits/chosen': -0.4843239188194275, 'logits/rejected': -0.4782636761665344, 'epoch': 0.89}
89%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 605/681 [25:34<03:20, 2.64s/it] 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 606/681 [25:37<03:12, 2.57s/it] {'loss': 0.961, 'grad_norm': 35.92807388305664, 'learning_rate': 1.8785323298722093e-08, 'fcm_dpo/beta': 0.002521621063351631, 'fcm_dpo/q_t': 0.36578673124313354, 'fcm_dpo/delta': -0.015105456113815308, 'fcm_dpo/margin': 243.0830535888672, 'margin_dpo/margin_mean': 243.0830535888672, 'margin_dpo/margin_std': 257.806396484375, 'logps/chosen': -364.4180908203125, 'logps/rejected': -651.053466796875, 'logps/ref_chosen': -54.819122314453125, 'logps/ref_rejected': -98.37146759033203, 'KL/chosen_KL_mean': -309.5989685058594, 'KL/rejected_KL_mean': -552.6820068359375, 'KL/mean': -431.1405029296875, 'KL/std': 232.6980743408203, 'logits/chosen': -0.43920066952705383, 'logits/rejected': -0.43256157636642456, 'epoch': 0.89}
89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 606/681 [25:37<03:12, 2.57s/it] 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 607/681 [25:39<03:11, 2.59s/it] {'loss': 1.0117, 'grad_norm': 26.080936431884766, 'learning_rate': 1.8300307303259904e-08, 'fcm_dpo/beta': 0.002536382991820574, 'fcm_dpo/q_t': 0.38285157084465027, 'fcm_dpo/delta': 0.0776420533657074, 'fcm_dpo/margin': 207.36782836914062, 'margin_dpo/margin_mean': 207.36782836914062, 'margin_dpo/margin_std': 236.584716796875, 'logps/chosen': -381.3642272949219, 'logps/rejected': -610.4251098632812, 'logps/ref_chosen': -58.08403778076172, 'logps/ref_rejected': -79.777099609375, 'KL/chosen_KL_mean': -323.2801818847656, 'KL/rejected_KL_mean': -530.6480102539062, 'KL/mean': -426.964111328125, 'KL/std': 230.68255615234375, 'logits/chosen': -0.5036798715591431, 'logits/rejected': -0.4835021495819092, 'epoch': 0.89}
89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 607/681 [25:39<03:11, 2.59s/it] 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 608/681 [25:42<03:03, 2.51s/it] {'loss': 0.9524, 'grad_norm': 29.168594360351562, 'learning_rate': 1.7821396810182437e-08, 'fcm_dpo/beta': 0.0025482624769210815, 'fcm_dpo/q_t': 0.3668464422225952, 'fcm_dpo/delta': 0.012401629239320755, 'fcm_dpo/margin': 230.82510375976562, 'margin_dpo/margin_mean': 230.82510375976562, 'margin_dpo/margin_std': 218.07489013671875, 'logps/chosen': -364.97119140625, 'logps/rejected': -633.118896484375, 'logps/ref_chosen': -57.450836181640625, 'logps/ref_rejected': -94.77339172363281, 'KL/chosen_KL_mean': -307.5203857421875, 'KL/rejected_KL_mean': -538.345458984375, 'KL/mean': -422.93292236328125, 'KL/std': 223.73690795898438, 'logits/chosen': -0.5181676149368286, 'logits/rejected': -0.5025119185447693, 'epoch': 0.89}
89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 608/681 [25:42<03:03, 2.51s/it] 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 609/681 [25:44<02:55, 2.44s/it] {'loss': 0.9252, 'grad_norm': 40.434810638427734, 'learning_rate': 1.7348604439226617e-08, 'fcm_dpo/beta': 0.002518679480999708, 'fcm_dpo/q_t': 0.35380125045776367, 'fcm_dpo/delta': -0.07211297005414963, 'fcm_dpo/margin': 264.9543151855469, 'margin_dpo/margin_mean': 264.9543151855469, 'margin_dpo/margin_std': 276.5964660644531, 'logps/chosen': -358.35247802734375, 'logps/rejected': -653.3173828125, 'logps/ref_chosen': -58.805355072021484, 'logps/ref_rejected': -88.81600952148438, 'KL/chosen_KL_mean': -299.547119140625, 'KL/rejected_KL_mean': -564.5014038085938, 'KL/mean': -432.0242919921875, 'KL/std': 261.5111999511719, 'logits/chosen': -0.5193660855293274, 'logits/rejected': -0.5068392753601074, 'epoch': 0.89}
89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 609/681 [25:44<02:55, 2.44s/it] 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 610/681 [25:46<02:50, 2.40s/it] {'loss': 1.0134, 'grad_norm': 37.960548400878906, 'learning_rate': 1.6881942648911074e-08, 'fcm_dpo/beta': 0.0025379827711731195, 'fcm_dpo/q_t': 0.38216960430145264, 'fcm_dpo/delta': 0.07474474608898163, 'fcm_dpo/margin': 208.48550415039062, 'margin_dpo/margin_mean': 208.48550415039062, 'margin_dpo/margin_std': 242.06829833984375, 'logps/chosen': -371.6674499511719, 'logps/rejected': -597.86328125, 'logps/ref_chosen': -65.69503784179688, 'logps/ref_rejected': -83.40538787841797, 'KL/chosen_KL_mean': -305.972412109375, 'KL/rejected_KL_mean': -514.4578857421875, 'KL/mean': -410.21514892578125, 'KL/std': 217.17178344726562, 'logits/chosen': -0.5026014447212219, 'logits/rejected': -0.4690030813217163, 'epoch': 0.9}
90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 610/681 [25:46<02:50, 2.40s/it] 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 611/681 [25:48<02:45, 2.36s/it] {'loss': 0.9398, 'grad_norm': 31.380815505981445, 'learning_rate': 1.6421423736208e-08, 'fcm_dpo/beta': 0.0025365548208355904, 'fcm_dpo/q_t': 0.3573808968067169, 'fcm_dpo/delta': -0.052558302879333496, 'fcm_dpo/margin': 255.86117553710938, 'margin_dpo/margin_mean': 255.86119079589844, 'margin_dpo/margin_std': 263.89599609375, 'logps/chosen': -368.1802978515625, 'logps/rejected': -657.7730102539062, 'logps/ref_chosen': -52.59946823120117, 'logps/ref_rejected': -86.33099365234375, 'KL/chosen_KL_mean': -315.580810546875, 'KL/rejected_KL_mean': -571.4420166015625, 'KL/mean': -443.51141357421875, 'KL/std': 241.46829223632812, 'logits/chosen': -0.4880908727645874, 'logits/rejected': -0.48622244596481323, 'epoch': 0.9}
90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 611/681 [25:48<02:45, 2.36s/it] 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 612/681 [25:51<02:41, 2.34s/it] {'loss': 0.9, 'grad_norm': 27.15785026550293, 'learning_rate': 1.5967059836219042e-08, 'fcm_dpo/beta': 0.002494979649782181, 'fcm_dpo/q_t': 0.3489903211593628, 'fcm_dpo/delta': -0.07837517559528351, 'fcm_dpo/margin': 269.80889892578125, 'margin_dpo/margin_mean': 269.8088684082031, 'margin_dpo/margin_std': 236.9198455810547, 'logps/chosen': -378.447998046875, 'logps/rejected': -677.2455444335938, 'logps/ref_chosen': -59.32372283935547, 'logps/ref_rejected': -88.31239318847656, 'KL/chosen_KL_mean': -319.124267578125, 'KL/rejected_KL_mean': -588.9331665039062, 'KL/mean': -454.0286865234375, 'KL/std': 225.37466430664062, 'logits/chosen': -0.47580569982528687, 'logits/rejected': -0.45688319206237793, 'epoch': 0.9}
90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 612/681 [25:51<02:41, 2.34s/it] 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 613/681 [25:53<02:42, 2.38s/it] {'loss': 0.9241, 'grad_norm': 34.23261642456055, 'learning_rate': 1.551886292185553e-08, 'fcm_dpo/beta': 0.0024748805444687605, 'fcm_dpo/q_t': 0.3593218922615051, 'fcm_dpo/delta': -0.023326223716139793, 'fcm_dpo/margin': 251.2704315185547, 'margin_dpo/margin_mean': 251.27044677734375, 'margin_dpo/margin_std': 221.08746337890625, 'logps/chosen': -363.3459777832031, 'logps/rejected': -659.9940185546875, 'logps/ref_chosen': -59.72996520996094, 'logps/ref_rejected': -105.10752868652344, 'KL/chosen_KL_mean': -303.61602783203125, 'KL/rejected_KL_mean': -554.886474609375, 'KL/mean': -429.251220703125, 'KL/std': 233.84408569335938, 'logits/chosen': -0.5309430360794067, 'logits/rejected': -0.5473231077194214, 'epoch': 0.9}
90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 613/681 [25:53<02:42, 2.38s/it] 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 614/681 [25:56<02:44, 2.45s/it] {'loss': 0.9359, 'grad_norm': 32.860660552978516, 'learning_rate': 1.507684480352292e-08, 'fcm_dpo/beta': 0.002445939928293228, 'fcm_dpo/q_t': 0.35646164417266846, 'fcm_dpo/delta': -0.04508571699261665, 'fcm_dpo/margin': 262.4696044921875, 'margin_dpo/margin_mean': 262.4696044921875, 'margin_dpo/margin_std': 260.8283386230469, 'logps/chosen': -364.2409973144531, 'logps/rejected': -678.4509887695312, 'logps/ref_chosen': -52.93898010253906, 'logps/ref_rejected': -104.67938232421875, 'KL/chosen_KL_mean': -311.302001953125, 'KL/rejected_KL_mean': -573.7716064453125, 'KL/mean': -442.5368347167969, 'KL/std': 234.4269561767578, 'logits/chosen': -0.4055151343345642, 'logits/rejected': -0.43201106786727905, 'epoch': 0.9}
90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 614/681 [25:56<02:44, 2.45s/it] 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 615/681 [25:59<02:46, 2.53s/it] {'loss': 1.0145, 'grad_norm': 29.573793411254883, 'learning_rate': 1.4641017128809801e-08, 'fcm_dpo/beta': 0.002488232683390379, 'fcm_dpo/q_t': 0.38539278507232666, 'fcm_dpo/delta': 0.0893133282661438, 'fcm_dpo/margin': 206.841796875, 'margin_dpo/margin_mean': 206.841796875, 'margin_dpo/margin_std': 235.7509765625, 'logps/chosen': -378.12298583984375, 'logps/rejected': -614.3250122070312, 'logps/ref_chosen': -65.81727600097656, 'logps/ref_rejected': -95.17749786376953, 'KL/chosen_KL_mean': -312.30572509765625, 'KL/rejected_KL_mean': -519.1474609375, 'KL/mean': -415.72662353515625, 'KL/std': 242.51028442382812, 'logits/chosen': -0.5157092809677124, 'logits/rejected': -0.5105499029159546, 'epoch': 0.9}
90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 615/681 [25:59<02:46, 2.53s/it] 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 616/681 [26:01<02:50, 2.63s/it] {'loss': 1.0983, 'grad_norm': 45.11885070800781, 'learning_rate': 1.4211391382180637e-08, 'fcm_dpo/beta': 0.002566794864833355, 'fcm_dpo/q_t': 0.4059697985649109, 'fcm_dpo/delta': 0.17601539194583893, 'fcm_dpo/margin': 167.73281860351562, 'margin_dpo/margin_mean': 167.73281860351562, 'margin_dpo/margin_std': 251.27783203125, 'logps/chosen': -441.74395751953125, 'logps/rejected': -619.04443359375, 'logps/ref_chosen': -65.13285827636719, 'logps/ref_rejected': -74.70050048828125, 'KL/chosen_KL_mean': -376.611083984375, 'KL/rejected_KL_mean': -544.3438720703125, 'KL/mean': -460.47747802734375, 'KL/std': 205.46182250976562, 'logits/chosen': -0.486763060092926, 'logits/rejected': -0.45515745878219604, 'epoch': 0.9}
90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 616/681 [26:01<02:50, 2.63s/it] 91%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 617/681 [26:04<02:48, 2.63s/it] {'loss': 1.0786, 'grad_norm': 41.452919006347656, 'learning_rate': 1.378797888467345e-08, 'fcm_dpo/beta': 0.002652436029165983, 'fcm_dpo/q_t': 0.4026752710342407, 'fcm_dpo/delta': 0.15979546308517456, 'fcm_dpo/margin': 168.28378295898438, 'margin_dpo/margin_mean': 168.28378295898438, 'margin_dpo/margin_std': 237.3399200439453, 'logps/chosen': -404.6219482421875, 'logps/rejected': -574.13427734375, 'logps/ref_chosen': -63.005550384521484, 'logps/ref_rejected': -64.234130859375, 'KL/chosen_KL_mean': -341.61639404296875, 'KL/rejected_KL_mean': -509.90020751953125, 'KL/mean': -425.75830078125, 'KL/std': 205.00189208984375, 'logits/chosen': -0.4813739061355591, 'logits/rejected': -0.4518812298774719, 'epoch': 0.91}
91%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 617/681 [26:04<02:48, 2.63s/it] 91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 618/681 [26:07<02:45, 2.62s/it] {'loss': 0.9545, 'grad_norm': 40.33106231689453, 'learning_rate': 1.3370790793601371e-08, 'fcm_dpo/beta': 0.0026595869567245245, 'fcm_dpo/q_t': 0.35790830850601196, 'fcm_dpo/delta': -0.04942517355084419, 'fcm_dpo/margin': 242.8257598876953, 'margin_dpo/margin_mean': 242.8257598876953, 'margin_dpo/margin_std': 262.332763671875, 'logps/chosen': -420.664306640625, 'logps/rejected': -688.5421142578125, 'logps/ref_chosen': -67.10134887695312, 'logps/ref_rejected': -92.15340423583984, 'KL/chosen_KL_mean': -353.5629577636719, 'KL/rejected_KL_mean': -596.388671875, 'KL/mean': -474.975830078125, 'KL/std': 232.87615966796875, 'logits/chosen': -0.48407021164894104, 'logits/rejected': -0.4712235927581787, 'epoch': 0.91}
91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 618/681 [26:07<02:45, 2.62s/it] 91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 619/681 [26:09<02:41, 2.60s/it] {'loss': 1.0494, 'grad_norm': 39.504234313964844, 'learning_rate': 1.2959838102258535e-08, 'fcm_dpo/beta': 0.0026678997091948986, 'fcm_dpo/q_t': 0.38442230224609375, 'fcm_dpo/delta': 0.0573110356926918, 'fcm_dpo/margin': 204.447509765625, 'margin_dpo/margin_mean': 204.447509765625, 'margin_dpo/margin_std': 292.4669189453125, 'logps/chosen': -386.83251953125, 'logps/rejected': -628.4871826171875, 'logps/ref_chosen': -55.978233337402344, 'logps/ref_rejected': -93.1854019165039, 'KL/chosen_KL_mean': -330.8542785644531, 'KL/rejected_KL_mean': -535.3017578125, 'KL/mean': -433.07806396484375, 'KL/std': 234.81472778320312, 'logits/chosen': -0.4488782286643982, 'logits/rejected': -0.4363011121749878, 'epoch': 0.91}
91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 619/681 [26:09<02:41, 2.60s/it] 91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 620/681 [26:12<02:37, 2.57s/it] {'loss': 1.0315, 'grad_norm': 40.9443359375, 'learning_rate': 1.2555131639630567e-08, 'fcm_dpo/beta': 0.002682661172002554, 'fcm_dpo/q_t': 0.3857539892196655, 'fcm_dpo/delta': 0.07187919318675995, 'fcm_dpo/margin': 198.23635864257812, 'margin_dpo/margin_mean': 198.23635864257812, 'margin_dpo/margin_std': 261.8980712890625, 'logps/chosen': -377.5935974121094, 'logps/rejected': -594.4432373046875, 'logps/ref_chosen': -59.79750061035156, 'logps/ref_rejected': -78.41075134277344, 'KL/chosen_KL_mean': -317.79608154296875, 'KL/rejected_KL_mean': -516.032470703125, 'KL/mean': -416.914306640625, 'KL/std': 214.69119262695312, 'logits/chosen': -0.4630637764930725, 'logits/rejected': -0.4404851794242859, 'epoch': 0.91}
91%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 620/681 [26:12<02:37, 2.57s/it] 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 621/681 [26:14<02:34, 2.57s/it] {'loss': 0.8806, 'grad_norm': 37.37346649169922, 'learning_rate': 1.2156682070109086e-08, 'fcm_dpo/beta': 0.002659841440618038, 'fcm_dpo/q_t': 0.335953950881958, 'fcm_dpo/delta': -0.16074436902999878, 'fcm_dpo/margin': 281.54254150390625, 'margin_dpo/margin_mean': 281.54254150390625, 'margin_dpo/margin_std': 262.3354187011719, 'logps/chosen': -357.5740051269531, 'logps/rejected': -673.55224609375, 'logps/ref_chosen': -53.93375778198242, 'logps/ref_rejected': -88.36951446533203, 'KL/chosen_KL_mean': -303.6402587890625, 'KL/rejected_KL_mean': -585.1827392578125, 'KL/mean': -444.4114990234375, 'KL/std': 245.6479949951172, 'logits/chosen': -0.45611095428466797, 'logits/rejected': -0.45652633905410767, 'epoch': 0.91}
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 621/681 [26:14<02:34, 2.57s/it] 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 622/681 [26:17<02:30, 2.55s/it] {'loss': 0.9662, 'grad_norm': 32.72286605834961, 'learning_rate': 1.1764499893210878e-08, 'fcm_dpo/beta': 0.002598411403596401, 'fcm_dpo/q_t': 0.3677935004234314, 'fcm_dpo/delta': -0.0076771080493927, 'fcm_dpo/margin': 233.2716064453125, 'margin_dpo/margin_mean': 233.2716064453125, 'margin_dpo/margin_std': 255.68695068359375, 'logps/chosen': -373.7704772949219, 'logps/rejected': -632.2750244140625, 'logps/ref_chosen': -60.28582000732422, 'logps/ref_rejected': -85.51873779296875, 'KL/chosen_KL_mean': -313.4846496582031, 'KL/rejected_KL_mean': -546.7562255859375, 'KL/mean': -430.1204528808594, 'KL/std': 217.1461181640625, 'logits/chosen': -0.44756630063056946, 'logits/rejected': -0.42837661504745483, 'epoch': 0.91}
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 622/681 [26:17<02:30, 2.55s/it] 91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 623/681 [26:19<02:20, 2.42s/it] {'loss': 1.0632, 'grad_norm': 39.45439147949219, 'learning_rate': 1.1378595443300998e-08, 'fcm_dpo/beta': 0.0026566032320261, 'fcm_dpo/q_t': 0.39521849155426025, 'fcm_dpo/delta': 0.11522351950407028, 'fcm_dpo/margin': 184.65890502929688, 'margin_dpo/margin_mean': 184.65890502929688, 'margin_dpo/margin_std': 267.49810791015625, 'logps/chosen': -409.2635803222656, 'logps/rejected': -614.8486328125, 'logps/ref_chosen': -64.1569595336914, 'logps/ref_rejected': -85.08304595947266, 'KL/chosen_KL_mean': -345.10662841796875, 'KL/rejected_KL_mean': -529.7655639648438, 'KL/mean': -437.4360656738281, 'KL/std': 223.7052001953125, 'logits/chosen': -0.46171167492866516, 'logits/rejected': -0.4402577877044678, 'epoch': 0.91}
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 623/681 [26:19<02:20, 2.42s/it] 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 624/681 [26:21<02:19, 2.44s/it] {'loss': 0.9326, 'grad_norm': 35.59111404418945, 'learning_rate': 1.0998978889320582e-08, 'fcm_dpo/beta': 0.0026464269030839205, 'fcm_dpo/q_t': 0.35118943452835083, 'fcm_dpo/delta': -0.08032120764255524, 'fcm_dpo/margin': 255.03140258789062, 'margin_dpo/margin_mean': 255.0314178466797, 'margin_dpo/margin_std': 265.92669677734375, 'logps/chosen': -423.6084289550781, 'logps/rejected': -703.853271484375, 'logps/ref_chosen': -71.91862487792969, 'logps/ref_rejected': -97.13203430175781, 'KL/chosen_KL_mean': -351.6897888183594, 'KL/rejected_KL_mean': -606.72119140625, 'KL/mean': -479.20550537109375, 'KL/std': 249.18637084960938, 'logits/chosen': -0.534546971321106, 'logits/rejected': -0.5034977197647095, 'epoch': 0.92}
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 624/681 [26:21<02:19, 2.44s/it] 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 625/681 [26:24<02:18, 2.47s/it] {'loss': 0.9452, 'grad_norm': 40.88634490966797, 'learning_rate': 1.0625660234518913e-08, 'fcm_dpo/beta': 0.0026184874586760998, 'fcm_dpo/q_t': 0.3632763624191284, 'fcm_dpo/delta': -0.029427634552121162, 'fcm_dpo/margin': 239.63156127929688, 'margin_dpo/margin_mean': 239.63156127929688, 'margin_dpo/margin_std': 252.7567901611328, 'logps/chosen': -369.96099853515625, 'logps/rejected': -637.3408203125, 'logps/ref_chosen': -58.342071533203125, 'logps/ref_rejected': -86.09038543701172, 'KL/chosen_KL_mean': -311.61895751953125, 'KL/rejected_KL_mean': -551.25048828125, 'KL/mean': -431.4346923828125, 'KL/std': 238.28775024414062, 'logits/chosen': -0.464103639125824, 'logits/rejected': -0.4457782506942749, 'epoch': 0.92}
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 625/681 [26:24<02:18, 2.47s/it] 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 626/681 [26:27<02:23, 2.61s/it] {'loss': 1.0422, 'grad_norm': 33.02543640136719, 'learning_rate': 1.0258649316189721e-08, 'fcm_dpo/beta': 0.0026665350887924433, 'fcm_dpo/q_t': 0.3913063108921051, 'fcm_dpo/delta': 0.10491127520799637, 'fcm_dpo/margin': 187.50767517089844, 'margin_dpo/margin_mean': 187.5076904296875, 'margin_dpo/margin_std': 240.2395477294922, 'logps/chosen': -425.9214782714844, 'logps/rejected': -637.5052490234375, 'logps/ref_chosen': -75.11260986328125, 'logps/ref_rejected': -99.188720703125, 'KL/chosen_KL_mean': -350.8088684082031, 'KL/rejected_KL_mean': -538.3165283203125, 'KL/mean': -444.5627136230469, 'KL/std': 248.09658813476562, 'logits/chosen': -0.46444064378738403, 'logits/rejected': -0.4442490339279175, 'epoch': 0.92}
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 626/681 [26:27<02:23, 2.61s/it] 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 627/681 [26:30<02:24, 2.67s/it] {'loss': 0.9497, 'grad_norm': 33.26662063598633, 'learning_rate': 9.897955805412e-09, 'fcm_dpo/beta': 0.0026282784529030323, 'fcm_dpo/q_t': 0.3550766706466675, 'fcm_dpo/delta': -0.1261902004480362, 'fcm_dpo/margin': 272.897216796875, 'margin_dpo/margin_mean': 272.8972473144531, 'margin_dpo/margin_std': 340.04736328125, 'logps/chosen': -322.2978515625, 'logps/rejected': -654.2064208984375, 'logps/ref_chosen': -47.74314880371094, 'logps/ref_rejected': -106.75448608398438, 'KL/chosen_KL_mean': -274.5546875, 'KL/rejected_KL_mean': -547.451904296875, 'KL/mean': -411.0032958984375, 'KL/std': 277.46063232421875, 'logits/chosen': -0.4557987153530121, 'logits/rejected': -0.4810847043991089, 'epoch': 0.92}
92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 627/681 [26:30<02:24, 2.67s/it] 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 628/681 [26:32<02:19, 2.63s/it] {'loss': 0.9173, 'grad_norm': 29.698474884033203, 'learning_rate': 9.543589206795238e-09, 'fcm_dpo/beta': 0.0025587864220142365, 'fcm_dpo/q_t': 0.3493661880493164, 'fcm_dpo/delta': -0.09681230783462524, 'fcm_dpo/margin': 269.380859375, 'margin_dpo/margin_mean': 269.380859375, 'margin_dpo/margin_std': 271.6669921875, 'logps/chosen': -388.4423828125, 'logps/rejected': -699.1949462890625, 'logps/ref_chosen': -60.182945251464844, 'logps/ref_rejected': -101.55467224121094, 'KL/chosen_KL_mean': -328.25946044921875, 'KL/rejected_KL_mean': -597.6402587890625, 'KL/mean': -462.94989013671875, 'KL/std': 246.57537841796875, 'logits/chosen': -0.47059351205825806, 'logits/rejected': -0.4568195343017578, 'epoch': 0.92}
92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 628/681 [26:32<02:19, 2.63s/it] 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 629/681 [26:35<02:15, 2.61s/it] {'loss': 0.957, 'grad_norm': 36.18876647949219, 'learning_rate': 9.19555885822887e-09, 'fcm_dpo/beta': 0.0025612092576920986, 'fcm_dpo/q_t': 0.3691335916519165, 'fcm_dpo/delta': 0.02331921085715294, 'fcm_dpo/margin': 225.66766357421875, 'margin_dpo/margin_mean': 225.6676483154297, 'margin_dpo/margin_std': 211.6520538330078, 'logps/chosen': -403.05291748046875, 'logps/rejected': -656.1607055664062, 'logps/ref_chosen': -64.21354675292969, 'logps/ref_rejected': -91.65367126464844, 'KL/chosen_KL_mean': -338.8393859863281, 'KL/rejected_KL_mean': -564.5070190429688, 'KL/mean': -451.6732177734375, 'KL/std': 230.832275390625, 'logits/chosen': -0.5002964735031128, 'logits/rejected': -0.48990294337272644, 'epoch': 0.92}
92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 629/681 [26:35<02:15, 2.61s/it] 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 630/681 [26:37<02:13, 2.61s/it] {'loss': 1.0729, 'grad_norm': 34.727291107177734, 'learning_rate': 8.85387393063622e-09, 'fcm_dpo/beta': 0.002636598190292716, 'fcm_dpo/q_t': 0.40159186720848083, 'fcm_dpo/delta': 0.1505165994167328, 'fcm_dpo/margin': 172.83059692382812, 'margin_dpo/margin_mean': 172.83059692382812, 'margin_dpo/margin_std': 244.20230102539062, 'logps/chosen': -357.0611267089844, 'logps/rejected': -554.1990356445312, 'logps/ref_chosen': -59.29100036621094, 'logps/ref_rejected': -83.59829711914062, 'KL/chosen_KL_mean': -297.7701416015625, 'KL/rejected_KL_mean': -470.6007385253906, 'KL/mean': -384.1854248046875, 'KL/std': 226.5153045654297, 'logits/chosen': -0.5076784491539001, 'logits/rejected': -0.4807358384132385, 'epoch': 0.93}
93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 630/681 [26:37<02:13, 2.61s/it] 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 631/681 [26:40<02:08, 2.56s/it] {'loss': 1.0539, 'grad_norm': 42.071720123291016, 'learning_rate': 8.518543427732949e-09, 'fcm_dpo/beta': 0.0026824441738426685, 'fcm_dpo/q_t': 0.3842621147632599, 'fcm_dpo/delta': 0.06787368655204773, 'fcm_dpo/margin': 199.61410522460938, 'margin_dpo/margin_mean': 199.61410522460938, 'margin_dpo/margin_std': 285.14569091796875, 'logps/chosen': -410.10552978515625, 'logps/rejected': -631.2175903320312, 'logps/ref_chosen': -59.45360565185547, 'logps/ref_rejected': -80.95156860351562, 'KL/chosen_KL_mean': -350.65191650390625, 'KL/rejected_KL_mean': -550.2659912109375, 'KL/mean': -450.458984375, 'KL/std': 240.3749237060547, 'logits/chosen': -0.4504157304763794, 'logits/rejected': -0.4283216595649719, 'epoch': 0.93}
93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 631/681 [26:40<02:08, 2.56s/it] 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 632/681 [26:42<02:01, 2.48s/it] {'loss': 1.0363, 'grad_norm': 40.30519104003906, 'learning_rate': 8.189576185789637e-09, 'fcm_dpo/beta': 0.0026929371524602175, 'fcm_dpo/q_t': 0.3782033920288086, 'fcm_dpo/delta': 0.04487365856766701, 'fcm_dpo/margin': 207.03306579589844, 'margin_dpo/margin_mean': 207.03306579589844, 'margin_dpo/margin_std': 282.43548583984375, 'logps/chosen': -399.5728454589844, 'logps/rejected': -631.41455078125, 'logps/ref_chosen': -61.35155487060547, 'logps/ref_rejected': -86.16017150878906, 'KL/chosen_KL_mean': -338.2213134765625, 'KL/rejected_KL_mean': -545.25439453125, 'KL/mean': -441.7378234863281, 'KL/std': 214.22528076171875, 'logits/chosen': -0.4482494592666626, 'logits/rejected': -0.4239126741886139, 'epoch': 0.93}
93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 632/681 [26:42<02:01, 2.48s/it] 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 633/681 [26:45<01:58, 2.47s/it] {'loss': 1.0859, 'grad_norm': 48.632198333740234, 'learning_rate': 7.866980873399015e-09, 'fcm_dpo/beta': 0.0027849669568240643, 'fcm_dpo/q_t': 0.39775997400283813, 'fcm_dpo/delta': 0.13436569273471832, 'fcm_dpo/margin': 168.69190979003906, 'margin_dpo/margin_mean': 168.69189453125, 'margin_dpo/margin_std': 250.77316284179688, 'logps/chosen': -404.37847900390625, 'logps/rejected': -607.3761596679688, 'logps/ref_chosen': -57.27816390991211, 'logps/ref_rejected': -91.58395385742188, 'KL/chosen_KL_mean': -347.100341796875, 'KL/rejected_KL_mean': -515.792236328125, 'KL/mean': -431.4462890625, 'KL/std': 216.15719604492188, 'logits/chosen': -0.5110678672790527, 'logits/rejected': -0.5130935311317444, 'epoch': 0.93}
93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 633/681 [26:45<01:58, 2.47s/it] 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 634/681 [26:47<01:57, 2.50s/it] {'loss': 1.0443, 'grad_norm': 37.74142837524414, 'learning_rate': 7.550765991247654e-09, 'fcm_dpo/beta': 0.0028042125049978495, 'fcm_dpo/q_t': 0.38886773586273193, 'fcm_dpo/delta': 0.08229043334722519, 'fcm_dpo/margin': 186.1324920654297, 'margin_dpo/margin_mean': 186.1324920654297, 'margin_dpo/margin_std': 252.10240173339844, 'logps/chosen': -431.01190185546875, 'logps/rejected': -657.6510620117188, 'logps/ref_chosen': -66.61896514892578, 'logps/ref_rejected': -107.12564849853516, 'KL/chosen_KL_mean': -364.3929443359375, 'KL/rejected_KL_mean': -550.525390625, 'KL/mean': -457.45916748046875, 'KL/std': 240.02708435058594, 'logits/chosen': -0.45846250653266907, 'logits/rejected': -0.4469302296638489, 'epoch': 0.93}
93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 634/681 [26:47<01:57, 2.50s/it] 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 635/681 [26:50<01:54, 2.49s/it] {'loss': 1.0013, 'grad_norm': 35.309593200683594, 'learning_rate': 7.240939871891699e-09, 'fcm_dpo/beta': 0.0028456407599151134, 'fcm_dpo/q_t': 0.3800857961177826, 'fcm_dpo/delta': 0.04946630820631981, 'fcm_dpo/margin': 194.43692016601562, 'margin_dpo/margin_mean': 194.43692016601562, 'margin_dpo/margin_std': 231.68768310546875, 'logps/chosen': -387.290771484375, 'logps/rejected': -590.2725830078125, 'logps/ref_chosen': -73.95551300048828, 'logps/ref_rejected': -82.50045776367188, 'KL/chosen_KL_mean': -313.33526611328125, 'KL/rejected_KL_mean': -507.77215576171875, 'KL/mean': -410.5537109375, 'KL/std': 231.60560607910156, 'logits/chosen': -0.5347930192947388, 'logits/rejected': -0.4934510588645935, 'epoch': 0.93}
93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 635/681 [26:50<01:54, 2.49s/it] 93%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 636/681 [26:52<01:54, 2.53s/it] {'loss': 0.9412, 'grad_norm': 38.703651428222656, 'learning_rate': 6.937510679537628e-09, 'fcm_dpo/beta': 0.0028612546157091856, 'fcm_dpo/q_t': 0.36007869243621826, 'fcm_dpo/delta': -0.03991235792636871, 'fcm_dpo/margin': 222.4879608154297, 'margin_dpo/margin_mean': 222.48794555664062, 'margin_dpo/margin_std': 227.94198608398438, 'logps/chosen': -368.5014343261719, 'logps/rejected': -613.3392944335938, 'logps/ref_chosen': -59.628910064697266, 'logps/ref_rejected': -81.97883605957031, 'KL/chosen_KL_mean': -308.8725280761719, 'KL/rejected_KL_mean': -531.3604736328125, 'KL/mean': -420.11651611328125, 'KL/std': 237.08258056640625, 'logits/chosen': -0.497921884059906, 'logits/rejected': -0.4824295938014984, 'epoch': 0.93}
93%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 636/681 [26:52<01:54, 2.53s/it] 94%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 637/681 [26:55<01:51, 2.53s/it] {'loss': 0.9293, 'grad_norm': 40.22451400756836, 'learning_rate': 6.640486409826785e-09, 'fcm_dpo/beta': 0.002797934925183654, 'fcm_dpo/q_t': 0.35456109046936035, 'fcm_dpo/delta': -0.07512859255075455, 'fcm_dpo/margin': 239.4308624267578, 'margin_dpo/margin_mean': 239.4308624267578, 'margin_dpo/margin_std': 249.63214111328125, 'logps/chosen': -374.56365966796875, 'logps/rejected': -662.7469482421875, 'logps/ref_chosen': -49.652687072753906, 'logps/ref_rejected': -98.40513610839844, 'KL/chosen_KL_mean': -324.9109802246094, 'KL/rejected_KL_mean': -564.341796875, 'KL/mean': -444.62640380859375, 'KL/std': 242.96307373046875, 'logits/chosen': -0.4504227638244629, 'logits/rejected': -0.4486101269721985, 'epoch': 0.94}
94%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 637/681 [26:55<01:51, 2.53s/it] 94%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 638/681 [26:58<01:55, 2.68s/it] {'loss': 0.9205, 'grad_norm': 36.91585159301758, 'learning_rate': 6.349874889624962e-09, 'fcm_dpo/beta': 0.0027988585643470287, 'fcm_dpo/q_t': 0.3562184274196625, 'fcm_dpo/delta': -0.04517444223165512, 'fcm_dpo/margin': 229.0443878173828, 'margin_dpo/margin_mean': 229.0443878173828, 'margin_dpo/margin_std': 197.80955505371094, 'logps/chosen': -357.931640625, 'logps/rejected': -608.120849609375, 'logps/ref_chosen': -58.156639099121094, 'logps/ref_rejected': -79.3014907836914, 'KL/chosen_KL_mean': -299.7750244140625, 'KL/rejected_KL_mean': -528.8193359375, 'KL/mean': -414.29718017578125, 'KL/std': 222.72183227539062, 'logits/chosen': -0.4906739294528961, 'logits/rejected': -0.46897947788238525, 'epoch': 0.94}
94%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 638/681 [26:58<01:55, 2.68s/it] 94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 639/681 [27:00<01:50, 2.63s/it] {'loss': 1.0812, 'grad_norm': 50.02350997924805, 'learning_rate': 6.065683776815933e-09, 'fcm_dpo/beta': 0.002831963822245598, 'fcm_dpo/q_t': 0.39667850732803345, 'fcm_dpo/delta': 0.13393458724021912, 'fcm_dpo/margin': 166.5791015625, 'margin_dpo/margin_mean': 166.5791015625, 'margin_dpo/margin_std': 246.52850341796875, 'logps/chosen': -435.05010986328125, 'logps/rejected': -603.5809326171875, 'logps/ref_chosen': -72.32319641113281, 'logps/ref_rejected': -74.2749252319336, 'KL/chosen_KL_mean': -362.7268981933594, 'KL/rejected_KL_mean': -529.3060302734375, 'KL/mean': -446.0164489746094, 'KL/std': 205.30084228515625, 'logits/chosen': -0.467229962348938, 'logits/rejected': -0.4253367781639099, 'epoch': 0.94}
94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 639/681 [27:00<01:50, 2.63s/it] 94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 640/681 [27:03<01:47, 2.63s/it] {'loss': 0.8832, 'grad_norm': 32.66841506958008, 'learning_rate': 5.7879205600998296e-09, 'fcm_dpo/beta': 0.0027808882296085358, 'fcm_dpo/q_t': 0.33695322275161743, 'fcm_dpo/delta': -0.1894734799861908, 'fcm_dpo/margin': 278.7362060546875, 'margin_dpo/margin_mean': 278.7362060546875, 'margin_dpo/margin_std': 286.120361328125, 'logps/chosen': -383.47235107421875, 'logps/rejected': -714.67431640625, 'logps/ref_chosen': -56.13436508178711, 'logps/ref_rejected': -108.60014343261719, 'KL/chosen_KL_mean': -327.3379821777344, 'KL/rejected_KL_mean': -606.07421875, 'KL/mean': -466.7060546875, 'KL/std': 246.59332275390625, 'logits/chosen': -0.47765612602233887, 'logits/rejected': -0.46742579340934753, 'epoch': 0.94}
94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 640/681 [27:03<01:47, 2.63s/it] 94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 641/681 [27:06<01:45, 2.63s/it] {'loss': 1.0317, 'grad_norm': 34.99888229370117, 'learning_rate': 5.516592558795746e-09, 'fcm_dpo/beta': 0.0027435789816081524, 'fcm_dpo/q_t': 0.3824378252029419, 'fcm_dpo/delta': 0.051650192588567734, 'fcm_dpo/margin': 200.81259155273438, 'margin_dpo/margin_mean': 200.81259155273438, 'margin_dpo/margin_std': 275.9678955078125, 'logps/chosen': -431.7740478515625, 'logps/rejected': -654.5821533203125, 'logps/ref_chosen': -64.99689483642578, 'logps/ref_rejected': -86.99232482910156, 'KL/chosen_KL_mean': -366.77716064453125, 'KL/rejected_KL_mean': -567.5897827148438, 'KL/mean': -467.1834716796875, 'KL/std': 221.5579071044922, 'logits/chosen': -0.46247628331184387, 'logits/rejected': -0.44688767194747925, 'epoch': 0.94}
94%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 641/681 [27:06<01:45, 2.63s/it] 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 642/681 [27:08<01:41, 2.60s/it] {'loss': 0.9927, 'grad_norm': 46.96950149536133, 'learning_rate': 5.251706922648868e-09, 'fcm_dpo/beta': 0.0027677242178469896, 'fcm_dpo/q_t': 0.3671950697898865, 'fcm_dpo/delta': -0.06007951498031616, 'fcm_dpo/margin': 236.58541870117188, 'margin_dpo/margin_mean': 236.58541870117188, 'margin_dpo/margin_std': 314.0240478515625, 'logps/chosen': -406.368896484375, 'logps/rejected': -687.5071411132812, 'logps/ref_chosen': -65.68924713134766, 'logps/ref_rejected': -110.24205017089844, 'KL/chosen_KL_mean': -340.67962646484375, 'KL/rejected_KL_mean': -577.2650756835938, 'KL/mean': -458.9723815917969, 'KL/std': 265.81060791015625, 'logits/chosen': -0.4605233669281006, 'logits/rejected': -0.4568091630935669, 'epoch': 0.94}
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 642/681 [27:08<01:41, 2.60s/it] 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 643/681 [27:11<01:39, 2.63s/it] {'loss': 0.9796, 'grad_norm': 35.88221740722656, 'learning_rate': 4.993270631642038e-09, 'fcm_dpo/beta': 0.0027169701643288136, 'fcm_dpo/q_t': 0.37040460109710693, 'fcm_dpo/delta': 0.015240654349327087, 'fcm_dpo/margin': 215.16873168945312, 'margin_dpo/margin_mean': 215.16873168945312, 'margin_dpo/margin_std': 232.90634155273438, 'logps/chosen': -368.2822265625, 'logps/rejected': -618.9692993164062, 'logps/ref_chosen': -51.94999694824219, 'logps/ref_rejected': -87.46833801269531, 'KL/chosen_KL_mean': -316.3322448730469, 'KL/rejected_KL_mean': -531.5009765625, 'KL/mean': -423.9166259765625, 'KL/std': 239.37664794921875, 'logits/chosen': -0.49901092052459717, 'logits/rejected': -0.4943028688430786, 'epoch': 0.94}
94%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 643/681 [27:11<01:39, 2.63s/it] 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 644/681 [27:13<01:36, 2.62s/it] {'loss': 1.0682, 'grad_norm': 47.067527770996094, 'learning_rate': 4.741290495811873e-09, 'fcm_dpo/beta': 0.002768642734736204, 'fcm_dpo/q_t': 0.38879114389419556, 'fcm_dpo/delta': 0.07841017842292786, 'fcm_dpo/margin': 189.90380859375, 'margin_dpo/margin_mean': 189.90380859375, 'margin_dpo/margin_std': 284.33966064453125, 'logps/chosen': -395.31640625, 'logps/rejected': -613.3392333984375, 'logps/ref_chosen': -59.017662048339844, 'logps/ref_rejected': -87.13668823242188, 'KL/chosen_KL_mean': -336.2987365722656, 'KL/rejected_KL_mean': -526.2025146484375, 'KL/mean': -431.2506103515625, 'KL/std': 266.94891357421875, 'logits/chosen': -0.4899185299873352, 'logits/rejected': -0.47964680194854736, 'epoch': 0.95}
95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 644/681 [27:13<01:36, 2.62s/it] 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 645/681 [27:16<01:33, 2.61s/it] {'loss': 1.1329, 'grad_norm': 46.451168060302734, 'learning_rate': 4.495773155069299e-09, 'fcm_dpo/beta': 0.002834226470440626, 'fcm_dpo/q_t': 0.40882962942123413, 'fcm_dpo/delta': 0.15911011397838593, 'fcm_dpo/margin': 158.15777587890625, 'margin_dpo/margin_mean': 158.15777587890625, 'margin_dpo/margin_std': 284.70428466796875, 'logps/chosen': -389.7739562988281, 'logps/rejected': -589.8364868164062, 'logps/ref_chosen': -55.87602233886719, 'logps/ref_rejected': -97.78080749511719, 'KL/chosen_KL_mean': -333.89794921875, 'KL/rejected_KL_mean': -492.0556945800781, 'KL/mean': -412.976806640625, 'KL/std': 230.67254638671875, 'logits/chosen': -0.4995105266571045, 'logits/rejected': -0.49413156509399414, 'epoch': 0.95}
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 645/681 [27:16<01:33, 2.61s/it] 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 646/681 [27:18<01:29, 2.55s/it] {'loss': 0.98, 'grad_norm': 38.34192657470703, 'learning_rate': 4.256725079024553e-09, 'fcm_dpo/beta': 0.002871452597901225, 'fcm_dpo/q_t': 0.3724924325942993, 'fcm_dpo/delta': 0.027814757078886032, 'fcm_dpo/margin': 199.70956420898438, 'margin_dpo/margin_mean': 199.70956420898438, 'margin_dpo/margin_std': 215.77481079101562, 'logps/chosen': -376.731201171875, 'logps/rejected': -592.6708374023438, 'logps/ref_chosen': -61.275787353515625, 'logps/ref_rejected': -77.50580596923828, 'KL/chosen_KL_mean': -315.4554138183594, 'KL/rejected_KL_mean': -515.1650390625, 'KL/mean': -415.31024169921875, 'KL/std': 191.0074920654297, 'logits/chosen': -0.4435100555419922, 'logits/rejected': -0.4152856469154358, 'epoch': 0.95}
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 646/681 [27:18<01:29, 2.55s/it] 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 647/681 [27:21<01:28, 2.59s/it] {'loss': 1.0031, 'grad_norm': 35.68404769897461, 'learning_rate': 4.024152566816791e-09, 'fcm_dpo/beta': 0.002904860069975257, 'fcm_dpo/q_t': 0.3729194402694702, 'fcm_dpo/delta': 0.01835210807621479, 'fcm_dpo/margin': 200.53939819335938, 'margin_dpo/margin_mean': 200.53939819335938, 'margin_dpo/margin_std': 246.927001953125, 'logps/chosen': -356.26251220703125, 'logps/rejected': -595.4688720703125, 'logps/ref_chosen': -54.8524169921875, 'logps/ref_rejected': -93.5194091796875, 'KL/chosen_KL_mean': -301.41009521484375, 'KL/rejected_KL_mean': -501.9494934082031, 'KL/mean': -401.6798095703125, 'KL/std': 237.82244873046875, 'logits/chosen': -0.47512757778167725, 'logits/rejected': -0.4787760376930237, 'epoch': 0.95}
95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 647/681 [27:21<01:28, 2.59s/it] 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 648/681 [27:23<01:23, 2.52s/it] {'loss': 0.8925, 'grad_norm': 31.358680725097656, 'learning_rate': 3.798061746947995e-09, 'fcm_dpo/beta': 0.002791747683659196, 'fcm_dpo/q_t': 0.3320544958114624, 'fcm_dpo/delta': -0.2609490752220154, 'fcm_dpo/margin': 300.58282470703125, 'margin_dpo/margin_mean': 300.58282470703125, 'margin_dpo/margin_std': 347.4580993652344, 'logps/chosen': -370.1480407714844, 'logps/rejected': -715.2721557617188, 'logps/ref_chosen': -54.17146682739258, 'logps/ref_rejected': -98.7127914428711, 'KL/chosen_KL_mean': -315.9765625, 'KL/rejected_KL_mean': -616.559326171875, 'KL/mean': -466.2679748535156, 'KL/std': 285.6835632324219, 'logits/chosen': -0.4896717071533203, 'logits/rejected': -0.5023912191390991, 'epoch': 0.95}
95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 648/681 [27:23<01:23, 2.52s/it] 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 649/681 [27:26<01:21, 2.56s/it] {'loss': 1.0923, 'grad_norm': 33.24458312988281, 'learning_rate': 3.5784585771215235e-09, 'fcm_dpo/beta': 0.0028212075121700764, 'fcm_dpo/q_t': 0.40223830938339233, 'fcm_dpo/delta': 0.13575418293476105, 'fcm_dpo/margin': 166.47567749023438, 'margin_dpo/margin_mean': 166.4756622314453, 'margin_dpo/margin_std': 261.10113525390625, 'logps/chosen': -391.9210205078125, 'logps/rejected': -575.9935302734375, 'logps/ref_chosen': -62.480350494384766, 'logps/ref_rejected': -80.07717895507812, 'KL/chosen_KL_mean': -329.440673828125, 'KL/rejected_KL_mean': -495.9163513183594, 'KL/mean': -412.6784973144531, 'KL/std': 219.95831298828125, 'logits/chosen': -0.520743191242218, 'logits/rejected': -0.49551695585250854, 'epoch': 0.95}
95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 649/681 [27:26<01:21, 2.56s/it] 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 650/681 [27:29<01:19, 2.57s/it] {'loss': 0.9468, 'grad_norm': 35.88649368286133, 'learning_rate': 3.3653488440851253e-09, 'fcm_dpo/beta': 0.0027777771465480328, 'fcm_dpo/q_t': 0.3517780601978302, 'fcm_dpo/delta': -0.1037888154387474, 'fcm_dpo/margin': 250.62229919433594, 'margin_dpo/margin_mean': 250.62229919433594, 'margin_dpo/margin_std': 290.90777587890625, 'logps/chosen': -389.80963134765625, 'logps/rejected': -682.6039428710938, 'logps/ref_chosen': -56.09281921386719, 'logps/ref_rejected': -98.26483917236328, 'KL/chosen_KL_mean': -333.716796875, 'KL/rejected_KL_mean': -584.339111328125, 'KL/mean': -459.0279541015625, 'KL/std': 258.6231384277344, 'logits/chosen': -0.4750511646270752, 'logits/rejected': -0.47141119837760925, 'epoch': 0.95}
95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 650/681 [27:29<01:19, 2.57s/it] 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 651/681 [27:31<01:17, 2.58s/it] {'loss': 0.8938, 'grad_norm': 35.49654769897461, 'learning_rate': 3.158738163478475e-09, 'fcm_dpo/beta': 0.0027151613030582666, 'fcm_dpo/q_t': 0.34443673491477966, 'fcm_dpo/delta': -0.11311930418014526, 'fcm_dpo/margin': 259.50225830078125, 'margin_dpo/margin_mean': 259.50225830078125, 'margin_dpo/margin_std': 238.87933349609375, 'logps/chosen': -314.04193115234375, 'logps/rejected': -630.07666015625, 'logps/ref_chosen': -43.42544937133789, 'logps/ref_rejected': -99.95791625976562, 'KL/chosen_KL_mean': -270.616455078125, 'KL/rejected_KL_mean': -530.1187744140625, 'KL/mean': -400.36761474609375, 'KL/std': 247.16122436523438, 'logits/chosen': -0.5052357912063599, 'logits/rejected': -0.5239521265029907, 'epoch': 0.96}
96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 651/681 [27:31<01:17, 2.58s/it] 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 652/681 [27:34<01:14, 2.58s/it] {'loss': 0.9724, 'grad_norm': 35.50530242919922, 'learning_rate': 2.9586319796851555e-09, 'fcm_dpo/beta': 0.002703704871237278, 'fcm_dpo/q_t': 0.36686524748802185, 'fcm_dpo/delta': -0.027318572625517845, 'fcm_dpo/margin': 231.37179565429688, 'margin_dpo/margin_mean': 231.3717803955078, 'margin_dpo/margin_std': 275.05950927734375, 'logps/chosen': -360.5390319824219, 'logps/rejected': -641.101806640625, 'logps/ref_chosen': -62.57680892944336, 'logps/ref_rejected': -111.76779174804688, 'KL/chosen_KL_mean': -297.96221923828125, 'KL/rejected_KL_mean': -529.333984375, 'KL/mean': -413.6481018066406, 'KL/std': 246.03994750976562, 'logits/chosen': -0.5126116275787354, 'logits/rejected': -0.5054411292076111, 'epoch': 0.96}
96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 652/681 [27:34<01:14, 2.58s/it] 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 653/681 [27:36<01:12, 2.59s/it] {'loss': 0.9561, 'grad_norm': 40.63291549682617, 'learning_rate': 2.7650355656892166e-09, 'fcm_dpo/beta': 0.002674461342394352, 'fcm_dpo/q_t': 0.3606552183628082, 'fcm_dpo/delta': -0.05492768809199333, 'fcm_dpo/margin': 243.5565185546875, 'margin_dpo/margin_mean': 243.5565185546875, 'margin_dpo/margin_std': 279.782470703125, 'logps/chosen': -408.3602294921875, 'logps/rejected': -694.0534057617188, 'logps/ref_chosen': -61.11295700073242, 'logps/ref_rejected': -103.24960327148438, 'KL/chosen_KL_mean': -347.24725341796875, 'KL/rejected_KL_mean': -590.8038330078125, 'KL/mean': -469.0255432128906, 'KL/std': 263.53521728515625, 'logits/chosen': -0.48466378450393677, 'logits/rejected': -0.48202192783355713, 'epoch': 0.96}
96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 653/681 [27:36<01:12, 2.59s/it] 96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 654/681 [27:39<01:09, 2.59s/it] {'loss': 1.014, 'grad_norm': 36.322471618652344, 'learning_rate': 2.577954022936174e-09, 'fcm_dpo/beta': 0.002668055472895503, 'fcm_dpo/q_t': 0.378677099943161, 'fcm_dpo/delta': 0.02775077149271965, 'fcm_dpo/margin': 215.05416870117188, 'margin_dpo/margin_mean': 215.05416870117188, 'margin_dpo/margin_std': 285.11566162109375, 'logps/chosen': -407.9861755371094, 'logps/rejected': -660.0859985351562, 'logps/ref_chosen': -61.7281379699707, 'logps/ref_rejected': -98.7738037109375, 'KL/chosen_KL_mean': -346.2580261230469, 'KL/rejected_KL_mean': -561.3121948242188, 'KL/mean': -453.7851257324219, 'KL/std': 231.9652099609375, 'logits/chosen': -0.4930952191352844, 'logits/rejected': -0.48199236392974854, 'epoch': 0.96}
96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 654/681 [27:39<01:09, 2.59s/it] 96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 655/681 [27:41<01:06, 2.55s/it] {'loss': 1.0179, 'grad_norm': 30.54075050354004, 'learning_rate': 2.397392281198729e-09, 'fcm_dpo/beta': 0.0026736059226095676, 'fcm_dpo/q_t': 0.37764763832092285, 'fcm_dpo/delta': 0.011207222938537598, 'fcm_dpo/margin': 220.38946533203125, 'margin_dpo/margin_mean': 220.38946533203125, 'margin_dpo/margin_std': 299.84930419921875, 'logps/chosen': -367.56536865234375, 'logps/rejected': -636.6697998046875, 'logps/ref_chosen': -49.576812744140625, 'logps/ref_rejected': -98.29183197021484, 'KL/chosen_KL_mean': -317.988525390625, 'KL/rejected_KL_mean': -538.3779907226562, 'KL/mean': -428.18328857421875, 'KL/std': 246.63006591796875, 'logits/chosen': -0.4403926730155945, 'logits/rejected': -0.4524065852165222, 'epoch': 0.96}
96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 655/681 [27:42<01:06, 2.55s/it] 96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 656/681 [27:44<01:05, 2.60s/it] {'loss': 0.8143, 'grad_norm': 44.00099182128906, 'learning_rate': 2.223355098446622e-09, 'fcm_dpo/beta': 0.002589811570942402, 'fcm_dpo/q_t': 0.3177107572555542, 'fcm_dpo/delta': -0.2604025602340698, 'fcm_dpo/margin': 323.96392822265625, 'margin_dpo/margin_mean': 323.96392822265625, 'margin_dpo/margin_std': 268.235595703125, 'logps/chosen': -366.13677978515625, 'logps/rejected': -751.2259521484375, 'logps/ref_chosen': -52.54943084716797, 'logps/ref_rejected': -113.67464447021484, 'KL/chosen_KL_mean': -313.58734130859375, 'KL/rejected_KL_mean': -637.55126953125, 'KL/mean': -475.5693359375, 'KL/std': 272.347412109375, 'logits/chosen': -0.42910003662109375, 'logits/rejected': -0.43964993953704834, 'epoch': 0.96}
96%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 656/681 [27:44<01:05, 2.60s/it] 96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 657/681 [27:46<00:59, 2.48s/it] {'loss': 0.8733, 'grad_norm': 33.499046325683594, 'learning_rate': 2.055847060721566e-09, 'fcm_dpo/beta': 0.0024842522107064724, 'fcm_dpo/q_t': 0.3390940725803375, 'fcm_dpo/delta': -0.1489279419183731, 'fcm_dpo/margin': 296.7573547363281, 'margin_dpo/margin_mean': 296.75738525390625, 'margin_dpo/margin_std': 272.75311279296875, 'logps/chosen': -341.7143859863281, 'logps/rejected': -689.6861572265625, 'logps/ref_chosen': -46.700538635253906, 'logps/ref_rejected': -97.91487121582031, 'KL/chosen_KL_mean': -295.01385498046875, 'KL/rejected_KL_mean': -591.771240234375, 'KL/mean': -443.39251708984375, 'KL/std': 277.7879333496094, 'logits/chosen': -0.48829033970832825, 'logits/rejected': -0.49025315046310425, 'epoch': 0.96}
96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 657/681 [27:46<00:59, 2.48s/it] 97%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 658/681 [27:49<00:56, 2.44s/it] {'loss': 0.9622, 'grad_norm': 32.54161834716797, 'learning_rate': 1.8948725820160662e-09, 'fcm_dpo/beta': 0.0024820156395435333, 'fcm_dpo/q_t': 0.36943238973617554, 'fcm_dpo/delta': 0.02515328861773014, 'fcm_dpo/margin': 232.19149780273438, 'margin_dpo/margin_mean': 232.19149780273438, 'margin_dpo/margin_std': 226.57803344726562, 'logps/chosen': -394.5018005371094, 'logps/rejected': -661.674560546875, 'logps/ref_chosen': -60.95820999145508, 'logps/ref_rejected': -95.93949127197266, 'KL/chosen_KL_mean': -333.5435791015625, 'KL/rejected_KL_mean': -565.735107421875, 'KL/mean': -449.63934326171875, 'KL/std': 214.7669677734375, 'logits/chosen': -0.4681131839752197, 'logits/rejected': -0.4607064723968506, 'epoch': 0.97}
97%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 658/681 [27:49<00:56, 2.44s/it] 97%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 659/681 [27:51<00:55, 2.52s/it] {'loss': 0.9655, 'grad_norm': 35.441017150878906, 'learning_rate': 1.7404359041573723e-09, 'fcm_dpo/beta': 0.0024785269051790237, 'fcm_dpo/q_t': 0.3688896596431732, 'fcm_dpo/delta': 0.0036827735602855682, 'fcm_dpo/margin': 240.5806121826172, 'margin_dpo/margin_mean': 240.5806121826172, 'margin_dpo/margin_std': 256.9029541015625, 'logps/chosen': -384.4936218261719, 'logps/rejected': -635.8021850585938, 'logps/ref_chosen': -76.74298095703125, 'logps/ref_rejected': -87.4709701538086, 'KL/chosen_KL_mean': -307.7506408691406, 'KL/rejected_KL_mean': -548.3312377929688, 'KL/mean': -428.04095458984375, 'KL/std': 247.4335479736328, 'logits/chosen': -0.47357141971588135, 'logits/rejected': -0.4331105947494507, 'epoch': 0.97}
97%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 659/681 [27:51<00:55, 2.52s/it] 97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 660/681 [27:54<00:52, 2.49s/it] {'loss': 0.9063, 'grad_norm': 27.654815673828125, 'learning_rate': 1.592541096695571e-09, 'fcm_dpo/beta': 0.0024635442532598972, 'fcm_dpo/q_t': 0.35125380754470825, 'fcm_dpo/delta': -0.07210573554039001, 'fcm_dpo/margin': 270.88348388671875, 'margin_dpo/margin_mean': 270.8834533691406, 'margin_dpo/margin_std': 248.21163940429688, 'logps/chosen': -373.92724609375, 'logps/rejected': -661.722900390625, 'logps/ref_chosen': -59.04788589477539, 'logps/ref_rejected': -75.96005249023438, 'KL/chosen_KL_mean': -314.87939453125, 'KL/rejected_KL_mean': -585.7628173828125, 'KL/mean': -450.32110595703125, 'KL/std': 231.671875, 'logits/chosen': -0.4474917948246002, 'logits/rejected': -0.43462279438972473, 'epoch': 0.97}
97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 660/681 [27:54<00:52, 2.49s/it] 97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 661/681 [27:56<00:47, 2.39s/it] {'loss': 0.9637, 'grad_norm': 34.58781433105469, 'learning_rate': 1.4511920567963908e-09, 'fcm_dpo/beta': 0.002462734468281269, 'fcm_dpo/q_t': 0.3650128245353699, 'fcm_dpo/delta': -0.0227794349193573, 'fcm_dpo/margin': 251.9298095703125, 'margin_dpo/margin_mean': 251.9298095703125, 'margin_dpo/margin_std': 281.8808898925781, 'logps/chosen': -339.07440185546875, 'logps/rejected': -626.3359375, 'logps/ref_chosen': -50.673973083496094, 'logps/ref_rejected': -86.00569152832031, 'KL/chosen_KL_mean': -288.40045166015625, 'KL/rejected_KL_mean': -540.3302612304688, 'KL/mean': -414.3653564453125, 'KL/std': 260.1834716796875, 'logits/chosen': -0.4789769649505615, 'logits/rejected': -0.4543425440788269, 'epoch': 0.97}
97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 661/681 [27:56<00:47, 2.39s/it] 97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 662/681 [27:59<00:47, 2.52s/it] {'loss': 1.0372, 'grad_norm': 28.420780181884766, 'learning_rate': 1.3163925091384532e-09, 'fcm_dpo/beta': 0.0024745557457208633, 'fcm_dpo/q_t': 0.38610321283340454, 'fcm_dpo/delta': 0.08837015926837921, 'fcm_dpo/margin': 208.58648681640625, 'margin_dpo/margin_mean': 208.58651733398438, 'margin_dpo/margin_std': 270.3607177734375, 'logps/chosen': -408.5404052734375, 'logps/rejected': -636.9217529296875, 'logps/ref_chosen': -69.26106262207031, 'logps/ref_rejected': -89.05593872070312, 'KL/chosen_KL_mean': -339.27935791015625, 'KL/rejected_KL_mean': -547.8658447265625, 'KL/mean': -443.5726318359375, 'KL/std': 226.29525756835938, 'logits/chosen': -0.466716468334198, 'logits/rejected': -0.44000500440597534, 'epoch': 0.97}
97%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 662/681 [27:59<00:47, 2.52s/it] 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 663/681 [28:02<00:48, 2.69s/it] {'loss': 0.9718, 'grad_norm': 28.337770462036133, 'learning_rate': 1.1881460058152382e-09, 'fcm_dpo/beta': 0.002479162998497486, 'fcm_dpo/q_t': 0.3681510388851166, 'fcm_dpo/delta': -0.0051012299954891205, 'fcm_dpo/margin': 243.92845153808594, 'margin_dpo/margin_mean': 243.92843627929688, 'margin_dpo/margin_std': 279.33349609375, 'logps/chosen': -374.7784423828125, 'logps/rejected': -667.7532958984375, 'logps/ref_chosen': -64.87890625, 'logps/ref_rejected': -113.92536926269531, 'KL/chosen_KL_mean': -309.8995361328125, 'KL/rejected_KL_mean': -553.8280029296875, 'KL/mean': -431.86376953125, 'KL/std': 261.62890625, 'logits/chosen': -0.5133693218231201, 'logits/rejected': -0.509850025177002, 'epoch': 0.97}
97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 663/681 [28:02<00:48, 2.69s/it] 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 664/681 [28:05<00:45, 2.67s/it] {'loss': 0.942, 'grad_norm': 33.492576599121094, 'learning_rate': 1.066455926241383e-09, 'fcm_dpo/beta': 0.002444789744913578, 'fcm_dpo/q_t': 0.3520078659057617, 'fcm_dpo/delta': -0.09078652411699295, 'fcm_dpo/margin': 279.92535400390625, 'margin_dpo/margin_mean': 279.92535400390625, 'margin_dpo/margin_std': 317.3948059082031, 'logps/chosen': -395.4739074707031, 'logps/rejected': -720.032470703125, 'logps/ref_chosen': -60.88847351074219, 'logps/ref_rejected': -105.521728515625, 'KL/chosen_KL_mean': -334.58544921875, 'KL/rejected_KL_mean': -614.5107421875, 'KL/mean': -474.548095703125, 'KL/std': 266.8731384277344, 'logits/chosen': -0.4867273271083832, 'logits/rejected': -0.482978880405426, 'epoch': 0.98}
98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 664/681 [28:05<00:45, 2.67s/it] 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 665/681 [28:07<00:41, 2.57s/it] {'loss': 0.9555, 'grad_norm': 29.08194923400879, 'learning_rate': 9.513254770636137e-10, 'fcm_dpo/beta': 0.0024345549754798412, 'fcm_dpo/q_t': 0.3660983443260193, 'fcm_dpo/delta': 0.0006977906450629234, 'fcm_dpo/margin': 246.16700744628906, 'margin_dpo/margin_mean': 246.16700744628906, 'margin_dpo/margin_std': 245.62155151367188, 'logps/chosen': -372.3216552734375, 'logps/rejected': -642.7333374023438, 'logps/ref_chosen': -60.56413269042969, 'logps/ref_rejected': -84.80882263183594, 'KL/chosen_KL_mean': -311.75750732421875, 'KL/rejected_KL_mean': -557.9244995117188, 'KL/mean': -434.8410339355469, 'KL/std': 222.35098266601562, 'logits/chosen': -0.45567527413368225, 'logits/rejected': -0.438798725605011, 'epoch': 0.98}
98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 665/681 [28:07<00:41, 2.57s/it] 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 666/681 [28:10<00:39, 2.63s/it] {'loss': 0.9679, 'grad_norm': 31.1075382232666, 'learning_rate': 8.427576920763956e-10, 'fcm_dpo/beta': 0.0024367435835301876, 'fcm_dpo/q_t': 0.3684921860694885, 'fcm_dpo/delta': 0.0221006628125906, 'fcm_dpo/margin': 237.60159301757812, 'margin_dpo/margin_mean': 237.60159301757812, 'margin_dpo/margin_std': 237.33157348632812, 'logps/chosen': -384.7810974121094, 'logps/rejected': -653.8543701171875, 'logps/ref_chosen': -64.41996002197266, 'logps/ref_rejected': -95.8916244506836, 'KL/chosen_KL_mean': -320.36114501953125, 'KL/rejected_KL_mean': -557.9627075195312, 'KL/mean': -439.16192626953125, 'KL/std': 232.1220703125, 'logits/chosen': -0.44975703954696655, 'logits/rejected': -0.4331943690776825, 'epoch': 0.98}
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 666/681 [28:10<00:39, 2.63s/it] 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 667/681 [28:12<00:36, 2.63s/it] {'loss': 0.9517, 'grad_norm': 33.70623779296875, 'learning_rate': 7.407554321417764e-10, 'fcm_dpo/beta': 0.0024537737481296062, 'fcm_dpo/q_t': 0.36680376529693604, 'fcm_dpo/delta': 0.013521149754524231, 'fcm_dpo/margin': 239.3345489501953, 'margin_dpo/margin_mean': 239.33453369140625, 'margin_dpo/margin_std': 224.86497497558594, 'logps/chosen': -405.7650451660156, 'logps/rejected': -663.6580200195312, 'logps/ref_chosen': -69.27702331542969, 'logps/ref_rejected': -87.83549499511719, 'KL/chosen_KL_mean': -336.4880065917969, 'KL/rejected_KL_mean': -575.822509765625, 'KL/mean': -456.1553039550781, 'KL/std': 231.285400390625, 'logits/chosen': -0.46697884798049927, 'logits/rejected': -0.43444469571113586, 'epoch': 0.98}
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 667/681 [28:12<00:36, 2.63s/it] 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 668/681 [28:15<00:34, 2.62s/it] {'loss': 1.0232, 'grad_norm': 47.08059310913086, 'learning_rate': 6.453213851142225e-10, 'fcm_dpo/beta': 0.0024927272461354733, 'fcm_dpo/q_t': 0.38239577412605286, 'fcm_dpo/delta': 0.06305651366710663, 'fcm_dpo/margin': 216.380126953125, 'margin_dpo/margin_mean': 216.380126953125, 'margin_dpo/margin_std': 274.2818908691406, 'logps/chosen': -420.47100830078125, 'logps/rejected': -667.9862060546875, 'logps/ref_chosen': -72.60400390625, 'logps/ref_rejected': -103.73905944824219, 'KL/chosen_KL_mean': -347.86700439453125, 'KL/rejected_KL_mean': -564.2471313476562, 'KL/mean': -456.05706787109375, 'KL/std': 243.4611053466797, 'logits/chosen': -0.5003365874290466, 'logits/rejected': -0.4901411533355713, 'epoch': 0.98}
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 668/681 [28:15<00:34, 2.62s/it] 98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 669/681 [28:18<00:31, 2.64s/it] {'loss': 0.934, 'grad_norm': 29.60248565673828, 'learning_rate': 5.564580657695939e-10, 'fcm_dpo/beta': 0.0024631847627460957, 'fcm_dpo/q_t': 0.3539808988571167, 'fcm_dpo/delta': -0.05909912288188934, 'fcm_dpo/margin': 265.98809814453125, 'margin_dpo/margin_mean': 265.98809814453125, 'margin_dpo/margin_std': 273.38037109375, 'logps/chosen': -327.7117919921875, 'logps/rejected': -625.5078125, 'logps/ref_chosen': -46.116416931152344, 'logps/ref_rejected': -77.92434692382812, 'KL/chosen_KL_mean': -281.59539794921875, 'KL/rejected_KL_mean': -547.58349609375, 'KL/mean': -414.58941650390625, 'KL/std': 242.7149658203125, 'logits/chosen': -0.44813352823257446, 'logits/rejected': -0.42705005407333374, 'epoch': 0.98}
98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 669/681 [28:18<00:31, 2.64s/it] 98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 670/681 [28:20<00:28, 2.63s/it] {'loss': 0.9092, 'grad_norm': 28.793840408325195, 'learning_rate': 4.741678157389739e-10, 'fcm_dpo/beta': 0.002432377077639103, 'fcm_dpo/q_t': 0.34792906045913696, 'fcm_dpo/delta': -0.09899632632732391, 'fcm_dpo/margin': 284.568115234375, 'margin_dpo/margin_mean': 284.568115234375, 'margin_dpo/margin_std': 276.55712890625, 'logps/chosen': -336.20465087890625, 'logps/rejected': -655.3675537109375, 'logps/ref_chosen': -62.34575271606445, 'logps/ref_rejected': -96.9405517578125, 'KL/chosen_KL_mean': -273.85888671875, 'KL/rejected_KL_mean': -558.427001953125, 'KL/mean': -416.1429443359375, 'KL/std': 248.38107299804688, 'logits/chosen': -0.4715420603752136, 'logits/rejected': -0.46402472257614136, 'epoch': 0.98}
98%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 670/681 [28:20<00:28, 2.63s/it] 99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 671/681 [28:23<00:25, 2.54s/it] {'loss': 0.9869, 'grad_norm': 30.9722957611084, 'learning_rate': 3.9845280344705245e-10, 'fcm_dpo/beta': 0.002431043889373541, 'fcm_dpo/q_t': 0.3722766637802124, 'fcm_dpo/delta': 0.023196790367364883, 'fcm_dpo/margin': 237.52011108398438, 'margin_dpo/margin_mean': 237.52011108398438, 'margin_dpo/margin_std': 266.9666748046875, 'logps/chosen': -380.1286315917969, 'logps/rejected': -653.4679565429688, 'logps/ref_chosen': -48.00010681152344, 'logps/ref_rejected': -83.81932067871094, 'KL/chosen_KL_mean': -332.1285400390625, 'KL/rejected_KL_mean': -569.648681640625, 'KL/mean': -450.88861083984375, 'KL/std': 220.6668701171875, 'logits/chosen': -0.4862244129180908, 'logits/rejected': -0.48458704352378845, 'epoch': 0.99}
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 671/681 [28:23<00:25, 2.54s/it] 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 672/681 [28:25<00:22, 2.53s/it] {'loss': 1.0246, 'grad_norm': 31.01943016052246, 'learning_rate': 3.293150240547549e-10, 'fcm_dpo/beta': 0.002446242608129978, 'fcm_dpo/q_t': 0.3823355436325073, 'fcm_dpo/delta': 0.06626123189926147, 'fcm_dpo/margin': 219.61865234375, 'margin_dpo/margin_mean': 219.61865234375, 'margin_dpo/margin_std': 275.8586120605469, 'logps/chosen': -415.1273193359375, 'logps/rejected': -669.3028564453125, 'logps/ref_chosen': -58.58328628540039, 'logps/ref_rejected': -93.14015197753906, 'KL/chosen_KL_mean': -356.54400634765625, 'KL/rejected_KL_mean': -576.1627197265625, 'KL/mean': -466.35333251953125, 'KL/std': 238.53648376464844, 'logits/chosen': -0.5086591243743896, 'logits/rejected': -0.48945343494415283, 'epoch': 0.99}
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 672/681 [28:25<00:22, 2.53s/it] 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 673/681 [28:27<00:19, 2.46s/it] {'loss': 0.9038, 'grad_norm': 32.885894775390625, 'learning_rate': 2.6675629940689504e-10, 'fcm_dpo/beta': 0.002432117471471429, 'fcm_dpo/q_t': 0.35203078389167786, 'fcm_dpo/delta': -0.0515076145529747, 'fcm_dpo/margin': 266.48309326171875, 'margin_dpo/margin_mean': 266.48309326171875, 'margin_dpo/margin_std': 219.18524169921875, 'logps/chosen': -354.66650390625, 'logps/rejected': -659.72265625, 'logps/ref_chosen': -46.72320556640625, 'logps/ref_rejected': -85.29623413085938, 'KL/chosen_KL_mean': -307.94329833984375, 'KL/rejected_KL_mean': -574.4263916015625, 'KL/mean': -441.18487548828125, 'KL/std': 226.81732177734375, 'logits/chosen': -0.4631466865539551, 'logits/rejected': -0.45304206013679504, 'epoch': 0.99}
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 673/681 [28:27<00:19, 2.46s/it] 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 674/681 [28:30<00:17, 2.56s/it] {'loss': 0.9176, 'grad_norm': 29.36166000366211, 'learning_rate': 2.1077827798404725e-10, 'fcm_dpo/beta': 0.002409696113318205, 'fcm_dpo/q_t': 0.3544433116912842, 'fcm_dpo/delta': -0.05967801436781883, 'fcm_dpo/margin': 272.1523742675781, 'margin_dpo/margin_mean': 272.1523742675781, 'margin_dpo/margin_std': 258.2077331542969, 'logps/chosen': -333.614990234375, 'logps/rejected': -630.3677978515625, 'logps/ref_chosen': -45.445526123046875, 'logps/ref_rejected': -70.04593658447266, 'KL/chosen_KL_mean': -288.16949462890625, 'KL/rejected_KL_mean': -560.3218383789062, 'KL/mean': -424.24566650390625, 'KL/std': 238.37387084960938, 'logits/chosen': -0.43240487575531006, 'logits/rejected': -0.4209243655204773, 'epoch': 0.99}
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 674/681 [28:30<00:17, 2.56s/it] 99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 675/681 [28:33<00:15, 2.56s/it] {'loss': 0.9139, 'grad_norm': 28.751583099365234, 'learning_rate': 1.6138243485910863e-10, 'fcm_dpo/beta': 0.00236148526892066, 'fcm_dpo/q_t': 0.3520466685295105, 'fcm_dpo/delta': -0.0803893506526947, 'fcm_dpo/margin': 285.58868408203125, 'margin_dpo/margin_mean': 285.58868408203125, 'margin_dpo/margin_std': 278.301513671875, 'logps/chosen': -335.3335266113281, 'logps/rejected': -650.837890625, 'logps/ref_chosen': -44.17628479003906, 'logps/ref_rejected': -74.09197998046875, 'KL/chosen_KL_mean': -291.1572265625, 'KL/rejected_KL_mean': -576.7459716796875, 'KL/mean': -433.95159912109375, 'KL/std': 261.02081298828125, 'logits/chosen': -0.47011053562164307, 'logits/rejected': -0.4603818655014038, 'epoch': 0.99}
99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 675/681 [28:33<00:15, 2.56s/it] 99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 676/681 [28:35<00:13, 2.61s/it] {'loss': 0.9602, 'grad_norm': 34.25426483154297, 'learning_rate': 1.1857007165852472e-10, 'fcm_dpo/beta': 0.0023564891889691353, 'fcm_dpo/q_t': 0.3675922751426697, 'fcm_dpo/delta': 0.011823825538158417, 'fcm_dpo/margin': 249.81060791015625, 'margin_dpo/margin_mean': 249.81060791015625, 'margin_dpo/margin_std': 246.6466064453125, 'logps/chosen': -406.6138000488281, 'logps/rejected': -673.3846435546875, 'logps/ref_chosen': -71.39852905273438, 'logps/ref_rejected': -88.3587646484375, 'KL/chosen_KL_mean': -335.21527099609375, 'KL/rejected_KL_mean': -585.02587890625, 'KL/mean': -460.12060546875, 'KL/std': 246.58184814453125, 'logits/chosen': -0.47875088453292847, 'logits/rejected': -0.45923903584480286, 'epoch': 0.99}
99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 676/681 [28:35<00:13, 2.61s/it] 99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 677/681 [28:38<00:10, 2.53s/it] {'loss': 0.9503, 'grad_norm': 27.077714920043945, 'learning_rate': 8.23423165278725e-11, 'fcm_dpo/beta': 0.0023787831887602806, 'fcm_dpo/q_t': 0.36730748414993286, 'fcm_dpo/delta': 0.021667450666427612, 'fcm_dpo/margin': 243.5941619873047, 'margin_dpo/margin_mean': 243.5941619873047, 'margin_dpo/margin_std': 215.42355346679688, 'logps/chosen': -380.94287109375, 'logps/rejected': -646.2361450195312, 'logps/ref_chosen': -56.527435302734375, 'logps/ref_rejected': -78.22654724121094, 'KL/chosen_KL_mean': -324.4154357910156, 'KL/rejected_KL_mean': -568.0095825195312, 'KL/mean': -446.2125244140625, 'KL/std': 212.74632263183594, 'logits/chosen': -0.45189139246940613, 'logits/rejected': -0.4171984791755676, 'epoch': 0.99}
99%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 677/681 [28:38<00:10, 2.53s/it] 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 678/681 [28:40<00:07, 2.49s/it] {'loss': 0.955, 'grad_norm': 27.38273048400879, 'learning_rate': 5.270012410216185e-11, 'fcm_dpo/beta': 0.00237276591360569, 'fcm_dpo/q_t': 0.3624275028705597, 'fcm_dpo/delta': -0.023745864629745483, 'fcm_dpo/margin': 262.2407531738281, 'margin_dpo/margin_mean': 262.2407531738281, 'margin_dpo/margin_std': 278.6129150390625, 'logps/chosen': -338.4339294433594, 'logps/rejected': -635.1448364257812, 'logps/ref_chosen': -46.13447570800781, 'logps/ref_rejected': -80.60462951660156, 'KL/chosen_KL_mean': -292.2994384765625, 'KL/rejected_KL_mean': -554.5401611328125, 'KL/mean': -423.4198303222656, 'KL/std': 253.46011352539062, 'logits/chosen': -0.4344780743122101, 'logits/rejected': -0.4261288046836853, 'epoch': 1.0}
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 678/681 [28:40<00:07, 2.49s/it] 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎| 679/681 [28:43<00:05, 2.56s/it] {'loss': 1.0224, 'grad_norm': 28.638713836669922, 'learning_rate': 2.9644275480772416e-11, 'fcm_dpo/beta': 0.0023964918218553066, 'fcm_dpo/q_t': 0.386159747838974, 'fcm_dpo/delta': 0.08901788294315338, 'fcm_dpo/margin': 215.13864135742188, 'margin_dpo/margin_mean': 215.13864135742188, 'margin_dpo/margin_std': 260.9317626953125, 'logps/chosen': -369.73541259765625, 'logps/rejected': -611.17724609375, 'logps/ref_chosen': -50.294921875, 'logps/ref_rejected': -76.59813690185547, 'KL/chosen_KL_mean': -319.44049072265625, 'KL/rejected_KL_mean': -534.5791015625, 'KL/mean': -427.00982666015625, 'KL/std': 217.1231689453125, 'logits/chosen': -0.46735358238220215, 'logits/rejected': -0.44047194719314575, 'epoch': 1.0}
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎| 679/681 [28:43<00:05, 2.56s/it] 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋| 680/681 [28:45<00:02, 2.56s/it] {'loss': 0.9722, 'grad_norm': 27.492860794067383, 'learning_rate': 1.31753782067201e-11, 'fcm_dpo/beta': 0.002396587748080492, 'fcm_dpo/q_t': 0.3657163381576538, 'fcm_dpo/delta': -0.014102071523666382, 'fcm_dpo/margin': 255.81492614746094, 'margin_dpo/margin_mean': 255.81491088867188, 'margin_dpo/margin_std': 294.9805908203125, 'logps/chosen': -400.72174072265625, 'logps/rejected': -692.0057373046875, 'logps/ref_chosen': -76.91569519042969, 'logps/ref_rejected': -112.384765625, 'KL/chosen_KL_mean': -323.8060302734375, 'KL/rejected_KL_mean': -579.6209716796875, 'KL/mean': -451.7135009765625, 'KL/std': 261.1182556152344, 'logits/chosen': -0.4733310341835022, 'logits/rejected': -0.4655664563179016, 'epoch': 1.0}
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋| 680/681 [28:45<00:02, 2.56s/it] 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 681/681 [28:48<00:00, 2.55s/it] {'loss': 1.0067, 'grad_norm': 34.65813446044922, 'learning_rate': 3.2938662507808745e-12, 'fcm_dpo/beta': 0.002440456300973892, 'fcm_dpo/q_t': 0.3793099522590637, 'fcm_dpo/delta': 0.053125154227018356, 'fcm_dpo/margin': 224.5362091064453, 'margin_dpo/margin_mean': 224.5362091064453, 'margin_dpo/margin_std': 255.47976684570312, 'logps/chosen': -396.349853515625, 'logps/rejected': -648.48681640625, 'logps/ref_chosen': -60.957279205322266, 'logps/ref_rejected': -88.55797576904297, 'KL/chosen_KL_mean': -335.392578125, 'KL/rejected_KL_mean': -559.9288330078125, 'KL/mean': -447.66070556640625, 'KL/std': 238.89901733398438, 'logits/chosen': -0.4965662956237793, 'logits/rejected': -0.489308625459671, 'epoch': 1.0}
100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 681/681 [28:48<00:00, 2.55s/it][INFO|trainer.py:2681] 2026-04-28 13:01:03,057 >>
Training completed. Do not forget to share your model on huggingface.co/models =)
{'train_runtime': 1728.4897, 'train_samples_per_second': 25.223, 'train_steps_per_second': 0.394, 'train_loss': 0.9981107428210423, 'epoch': 1.0}
100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 681/681 [28:48<00:00, 2.55s/it] 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 681/681 [28:48<00:00, 2.54s/it]
***** train metrics *****
epoch = 1.0
total_flos = 0GF
train_loss = 0.9981
train_runtime = 0:28:48.48
train_samples = 43598
train_samples_per_second = 25.223
train_steps_per_second = 0.394
2026-04-28 13:01:03 - INFO - __main__ - *** Training complete ***
2026-04-28 13:01:03 - INFO - __main__ - *** Save model ***
[INFO|configuration_utils.py:419] 2026-04-28 13:01:35,804 >> 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-0.6-20260428-045924/config.json
[INFO|configuration_utils.py:911] 2026-04-28 13:01:35,805 >> 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-0.6-20260428-045924/generation_config.json
[INFO|modeling_utils.py:3580] 2026-04-28 13:01:57,958 >> 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-0.6-20260428-045924/model.safetensors.index.json.
[INFO|tokenization_utils_base.py:2510] 2026-04-28 13:01:57,962 >> 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-0.6-20260428-045924/tokenizer_config.json
[INFO|tokenization_utils_base.py:2519] 2026-04-28 13:01:57,962 >> 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-0.6-20260428-045924/special_tokens_map.json
2026-04-28 13:01:58 - 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-0.6-20260428-045924
[INFO|modelcard.py:450] 2026-04-28 13:02:00,260 >> 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 13:02:00,262 >> 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-0.6-20260428-045924/config.json
2026-04-28 13:02:00 - INFO - __main__ - Pushing to hub...
2026-04-28 13:02:00 - 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-0.6-20260428-045924-margin-log'.
2026-04-28 13:02:00 - 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-0.6-20260428-045924-margin-log'.
2026-04-28 13:02:00 - 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-0.6-20260428-045924-margin-log'.
2026-04-28 13:02:00 - 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-0.6-20260428-045924 to W-61/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.6-20260428-045924
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=1-69f0afc8-60eadf80477b9e4e4a26acb8;b83b3540-7abe-405d-a283-0691f972d172)
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 <module>
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=1-69f0afc8-60eadf80477b9e4e4a26acb8;b83b3540-7abe-405d-a283-0691f972d172)
[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 <module>
[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 0.735 MB uploaded wandb: / 0.029 MB of 0.735 MB uploaded wandb: - 0.735 MB of 0.735 MB uploaded wandb: \ 0.735 MB of 0.735 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 -335.39258
wandb: train/KL/mean -447.66071
wandb: train/KL/rejected_KL_mean -559.92883
wandb: train/KL/std 238.89902
wandb: train/epoch 1.0
wandb: train/fcm_dpo/beta 0.00244
wandb: train/fcm_dpo/delta 0.05313
wandb: train/fcm_dpo/margin 224.53621
wandb: train/fcm_dpo/q_t 0.37931
wandb: train/global_step 681
wandb: train/grad_norm 34.65813
wandb: train/learning_rate 0.0
wandb: train/logits/chosen -0.49657
wandb: train/logits/rejected -0.48931
wandb: train/logps/chosen -396.34985
wandb: train/logps/ref_chosen -60.95728
wandb: train/logps/ref_rejected -88.55798
wandb: train/logps/rejected -648.48682
wandb: train/loss 1.0067
wandb: train/margin_dpo/margin_mean 224.53621
wandb: train/margin_dpo/margin_std 255.47977
wandb: train_loss 0.99811
wandb: train_runtime 1728.4897
wandb: train_samples_per_second 25.223
wandb: train_steps_per_second 0.394
wandb:
wandb: 🚀 View run llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.6-20260428-045924 at: https://wandb.ai/can-not-fand-northeastern-university/llama3-hh-new-dpo-hyperparamter-sweep/runs/9mk62etu
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_123134-9mk62etu/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 13:02:10.518000 135411562637120 torch/distributed/elastic/multiprocessing/api.py:826] failed (exitcode: 1) local_rank: 0 (pid: 22114) 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 <module>
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:
<NO_OTHER_FAILURES>
------------------------------------------------------------
Root Cause (first observed failure):
[0]:
time : 2026-04-28_13:02:10
host : 99813efb0d41
rank : 0 (local_rank: 0)
exitcode : 1 (pid: 22114)
error_file: <N/A>
traceback : To enable traceback see: https://pytorch.org/docs/stable/elastic/errors.html
============================================================
Reference in New Issue View Git Blame Copy Permalink