935 lines
22 KiB
JSON
935 lines
22 KiB
JSON
|
{
|
||
|
|
"best_metric": 0.82,
|
||
|
|
"best_model_checkpoint": "/workspace/finetuning/models/sqlcoder_8b_fullft_ds_001_600_mgn10/checkpoint-500",
|
||
|
|
"epoch": 0.9166666666666666,
|
||
|
|
"eval_steps": 50,
|
||
|
|
"global_step": 550,
|
||
|
|
"is_hyper_param_search": false,
|
||
|
|
"is_local_process_zero": true,
|
||
|
|
"is_world_process_zero": true,
|
||
|
|
"log_history": [
|
||
|
|
{
|
||
|
|
"epoch": 0.008333333333333333,
|
||
|
|
"grad_norm": 8.25,
|
||
|
|
"learning_rate": 9.99830375862901e-06,
|
||
|
|
"loss": 0.6079,
|
||
|
|
"step": 5
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.016666666666666666,
|
||
|
|
"grad_norm": 6.0,
|
||
|
|
"learning_rate": 9.99321619703514e-06,
|
||
|
|
"loss": 0.3417,
|
||
|
|
"step": 10
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.025,
|
||
|
|
"grad_norm": 5.5,
|
||
|
|
"learning_rate": 9.984740801978986e-06,
|
||
|
|
"loss": 0.3039,
|
||
|
|
"step": 15
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.03333333333333333,
|
||
|
|
"grad_norm": 5.875,
|
||
|
|
"learning_rate": 9.972883382072955e-06,
|
||
|
|
"loss": 0.3035,
|
||
|
|
"step": 20
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.041666666666666664,
|
||
|
|
"grad_norm": 6.15625,
|
||
|
|
"learning_rate": 9.957652063800363e-06,
|
||
|
|
"loss": 0.2822,
|
||
|
|
"step": 25
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.05,
|
||
|
|
"grad_norm": 4.90625,
|
||
|
|
"learning_rate": 9.939057285945933e-06,
|
||
|
|
"loss": 0.2703,
|
||
|
|
"step": 30
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.058333333333333334,
|
||
|
|
"grad_norm": 5.96875,
|
||
|
|
"learning_rate": 9.917111792441576e-06,
|
||
|
|
"loss": 0.2598,
|
||
|
|
"step": 35
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.06666666666666667,
|
||
|
|
"grad_norm": 5.1875,
|
||
|
|
"learning_rate": 9.891830623632339e-06,
|
||
|
|
"loss": 0.267,
|
||
|
|
"step": 40
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.075,
|
||
|
|
"grad_norm": 5.4375,
|
||
|
|
"learning_rate": 9.8632311059685e-06,
|
||
|
|
"loss": 0.2431,
|
||
|
|
"step": 45
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.08333333333333333,
|
||
|
|
"grad_norm": 5.21875,
|
||
|
|
"learning_rate": 9.831332840130889e-06,
|
||
|
|
"loss": 0.2533,
|
||
|
|
"step": 50
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.08333333333333333,
|
||
|
|
"eval_count_mismatch_i_diff_avg": 2.25,
|
||
|
|
"eval_first_index_mismatch_avg": 8.25,
|
||
|
|
"eval_loss": 0.15123993158340454,
|
||
|
|
"eval_mean_mismatch_i_diff_avg": 8.4375,
|
||
|
|
"eval_runtime": 1.4309,
|
||
|
|
"eval_samples_per_second": 2.795,
|
||
|
|
"eval_sql_exact_match_string": 0,
|
||
|
|
"eval_steps_per_second": 0.699,
|
||
|
|
"eval_tokens_match_avg": 0.9552213461413188,
|
||
|
|
"step": 50
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.09166666666666666,
|
||
|
|
"grad_norm": 5.03125,
|
||
|
|
"learning_rate": 9.796157687597557e-06,
|
||
|
|
"loss": 0.261,
|
||
|
|
"step": 55
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.1,
|
||
|
|
"grad_norm": 5.5,
|
||
|
|
"learning_rate": 9.757729755661012e-06,
|
||
|
|
"loss": 0.2309,
|
||
|
|
"step": 60
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.10833333333333334,
|
||
|
|
"grad_norm": 4.6875,
|
||
|
|
"learning_rate": 9.716075380906285e-06,
|
||
|
|
"loss": 0.2418,
|
||
|
|
"step": 65
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.11666666666666667,
|
||
|
|
"grad_norm": 4.84375,
|
||
|
|
"learning_rate": 9.671223111161151e-06,
|
||
|
|
"loss": 0.2142,
|
||
|
|
"step": 70
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.125,
|
||
|
|
"grad_norm": 5.625,
|
||
|
|
"learning_rate": 9.623203685930872e-06,
|
||
|
|
"loss": 0.23,
|
||
|
|
"step": 75
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.13333333333333333,
|
||
|
|
"grad_norm": 4.125,
|
||
|
|
"learning_rate": 9.572050015330875e-06,
|
||
|
|
"loss": 0.2205,
|
||
|
|
"step": 80
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.14166666666666666,
|
||
|
|
"grad_norm": 5.28125,
|
||
|
|
"learning_rate": 9.517797157531813e-06,
|
||
|
|
"loss": 0.2112,
|
||
|
|
"step": 85
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.15,
|
||
|
|
"grad_norm": 5.09375,
|
||
|
|
"learning_rate": 9.460482294732423e-06,
|
||
|
|
"loss": 0.206,
|
||
|
|
"step": 90
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.15833333333333333,
|
||
|
|
"grad_norm": 4.53125,
|
||
|
|
"learning_rate": 9.40014470767673e-06,
|
||
|
|
"loss": 0.2323,
|
||
|
|
"step": 95
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.16666666666666666,
|
||
|
|
"grad_norm": 5.25,
|
||
|
|
"learning_rate": 9.336825748732973e-06,
|
||
|
|
"loss": 0.2046,
|
||
|
|
"step": 100
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.16666666666666666,
|
||
|
|
"eval_count_mismatch_i_diff_avg": 1.5,
|
||
|
|
"eval_first_index_mismatch_avg": 19.25,
|
||
|
|
"eval_loss": 0.12254643440246582,
|
||
|
|
"eval_mean_mismatch_i_diff_avg": 19.4375,
|
||
|
|
"eval_runtime": 1.4476,
|
||
|
|
"eval_samples_per_second": 2.763,
|
||
|
|
"eval_sql_exact_match_string": 1,
|
||
|
|
"eval_steps_per_second": 0.691,
|
||
|
|
"eval_tokens_match_avg": 0.9684337464860721,
|
||
|
|
"step": 100
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.175,
|
||
|
|
"grad_norm": 4.5625,
|
||
|
|
"learning_rate": 9.270568813552757e-06,
|
||
|
|
"loss": 0.209,
|
||
|
|
"step": 105
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.18333333333333332,
|
||
|
|
"grad_norm": 5.5,
|
||
|
|
"learning_rate": 9.201419311329848e-06,
|
||
|
|
"loss": 0.2209,
|
||
|
|
"step": 110
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.19166666666666668,
|
||
|
|
"grad_norm": 5.25,
|
||
|
|
"learning_rate": 9.129424633678977e-06,
|
||
|
|
"loss": 0.1959,
|
||
|
|
"step": 115
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.2,
|
||
|
|
"grad_norm": 6.15625,
|
||
|
|
"learning_rate": 9.054634122155991e-06,
|
||
|
|
"loss": 0.19,
|
||
|
|
"step": 120
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.20833333333333334,
|
||
|
|
"grad_norm": 4.4375,
|
||
|
|
"learning_rate": 8.977099034441616e-06,
|
||
|
|
"loss": 0.2103,
|
||
|
|
"step": 125
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.21666666666666667,
|
||
|
|
"grad_norm": 6.03125,
|
||
|
|
"learning_rate": 8.896872509212006e-06,
|
||
|
|
"loss": 0.2035,
|
||
|
|
"step": 130
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.225,
|
||
|
|
"grad_norm": 5.53125,
|
||
|
|
"learning_rate": 8.814009529720153e-06,
|
||
|
|
"loss": 0.1997,
|
||
|
|
"step": 135
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.23333333333333334,
|
||
|
|
"grad_norm": 5.03125,
|
||
|
|
"learning_rate": 8.728566886113101e-06,
|
||
|
|
"loss": 0.198,
|
||
|
|
"step": 140
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.24166666666666667,
|
||
|
|
"grad_norm": 5.1875,
|
||
|
|
"learning_rate": 8.640603136510823e-06,
|
||
|
|
"loss": 0.184,
|
||
|
|
"step": 145
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.25,
|
||
|
|
"grad_norm": 5.34375,
|
||
|
|
"learning_rate": 8.55017856687341e-06,
|
||
|
|
"loss": 0.1826,
|
||
|
|
"step": 150
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.25,
|
||
|
|
"eval_count_mismatch_i_diff_avg": 1.75,
|
||
|
|
"eval_first_index_mismatch_avg": 9.25,
|
||
|
|
"eval_loss": 0.11601436883211136,
|
||
|
|
"eval_mean_mismatch_i_diff_avg": 9.583333333333334,
|
||
|
|
"eval_runtime": 1.4309,
|
||
|
|
"eval_samples_per_second": 2.795,
|
||
|
|
"eval_sql_exact_match_string": 0,
|
||
|
|
"eval_steps_per_second": 0.699,
|
||
|
|
"eval_tokens_match_avg": 0.9654995853439766,
|
||
|
|
"step": 150
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.25833333333333336,
|
||
|
|
"grad_norm": 4.53125,
|
||
|
|
"learning_rate": 8.45735514968408e-06,
|
||
|
|
"loss": 0.1722,
|
||
|
|
"step": 155
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.26666666666666666,
|
||
|
|
"grad_norm": 5.4375,
|
||
|
|
"learning_rate": 8.362196501476348e-06,
|
||
|
|
"loss": 0.1735,
|
||
|
|
"step": 160
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.275,
|
||
|
|
"grad_norm": 5.15625,
|
||
|
|
"learning_rate": 8.26476783923441e-06,
|
||
|
|
"loss": 0.178,
|
||
|
|
"step": 165
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.2833333333333333,
|
||
|
|
"grad_norm": 5.46875,
|
||
|
|
"learning_rate": 8.165135935696693e-06,
|
||
|
|
"loss": 0.1929,
|
||
|
|
"step": 170
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.2916666666666667,
|
||
|
|
"grad_norm": 4.3125,
|
||
|
|
"learning_rate": 8.063369073593167e-06,
|
||
|
|
"loss": 0.1815,
|
||
|
|
"step": 175
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3,
|
||
|
|
"grad_norm": 5.21875,
|
||
|
|
"learning_rate": 7.959536998847742e-06,
|
||
|
|
"loss": 0.195,
|
||
|
|
"step": 180
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.30833333333333335,
|
||
|
|
"grad_norm": 4.5625,
|
||
|
|
"learning_rate": 7.853710872777922e-06,
|
||
|
|
"loss": 0.1765,
|
||
|
|
"step": 185
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.31666666666666665,
|
||
|
|
"grad_norm": 4.84375,
|
||
|
|
"learning_rate": 7.745963223324384e-06,
|
||
|
|
"loss": 0.1772,
|
||
|
|
"step": 190
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.325,
|
||
|
|
"grad_norm": 4.75,
|
||
|
|
"learning_rate": 7.636367895343949e-06,
|
||
|
|
"loss": 0.1641,
|
||
|
|
"step": 195
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3333333333333333,
|
||
|
|
"grad_norm": 4.8125,
|
||
|
|
"learning_rate": 7.525000000000003e-06,
|
||
|
|
"loss": 0.1889,
|
||
|
|
"step": 200
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3333333333333333,
|
||
|
|
"eval_count_mismatch_i_diff_avg": 1.5,
|
||
|
|
"eval_first_index_mismatch_avg": 9.25,
|
||
|
|
"eval_loss": 0.10480775684118271,
|
||
|
|
"eval_mean_mismatch_i_diff_avg": 9.083333333333334,
|
||
|
|
"eval_runtime": 1.4264,
|
||
|
|
"eval_samples_per_second": 2.804,
|
||
|
|
"eval_sql_exact_match_string": 0,
|
||
|
|
"eval_steps_per_second": 0.701,
|
||
|
|
"eval_tokens_match_avg": 0.9693457391901305,
|
||
|
|
"step": 200
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.3416666666666667,
|
||
|
|
"grad_norm": 4.9375,
|
||
|
|
"learning_rate": 7.411935863285065e-06,
|
||
|
|
"loss": 0.1786,
|
||
|
|
"step": 205
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.35,
|
||
|
|
"grad_norm": 4.1875,
|
||
|
|
"learning_rate": 7.297252973710758e-06,
|
||
|
|
"loss": 0.1706,
|
||
|
|
"step": 210
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.35833333333333334,
|
||
|
|
"grad_norm": 4.75,
|
||
|
|
"learning_rate": 7.181029929201061e-06,
|
||
|
|
"loss": 0.1916,
|
||
|
|
"step": 215
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.36666666666666664,
|
||
|
|
"grad_norm": 5.53125,
|
||
|
|
"learning_rate": 7.063346383225212e-06,
|
||
|
|
"loss": 0.1701,
|
||
|
|
"step": 220
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.375,
|
||
|
|
"grad_norm": 4.75,
|
||
|
|
"learning_rate": 6.944282990207196e-06,
|
||
|
|
"loss": 0.1628,
|
||
|
|
"step": 225
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.38333333333333336,
|
||
|
|
"grad_norm": 5.3125,
|
||
|
|
"learning_rate": 6.823921350249237e-06,
|
||
|
|
"loss": 0.1801,
|
||
|
|
"step": 230
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.39166666666666666,
|
||
|
|
"grad_norm": 4.6875,
|
||
|
|
"learning_rate": 6.702343953207167e-06,
|
||
|
|
"loss": 0.1492,
|
||
|
|
"step": 235
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4,
|
||
|
|
"grad_norm": 4.625,
|
||
|
|
"learning_rate": 6.579634122155992e-06,
|
||
|
|
"loss": 0.1608,
|
||
|
|
"step": 240
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4083333333333333,
|
||
|
|
"grad_norm": 4.59375,
|
||
|
|
"learning_rate": 6.455875956284421e-06,
|
||
|
|
"loss": 0.1515,
|
||
|
|
"step": 245
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4166666666666667,
|
||
|
|
"grad_norm": 4.59375,
|
||
|
|
"learning_rate": 6.331154273257482e-06,
|
||
|
|
"loss": 0.1597,
|
||
|
|
"step": 250
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4166666666666667,
|
||
|
|
"eval_count_mismatch_i_diff_avg": 1.75,
|
||
|
|
"eval_first_index_mismatch_avg": 21.0,
|
||
|
|
"eval_loss": 0.11433370411396027,
|
||
|
|
"eval_mean_mismatch_i_diff_avg": 19.583333333333336,
|
||
|
|
"eval_runtime": 1.4735,
|
||
|
|
"eval_samples_per_second": 2.715,
|
||
|
|
"eval_sql_exact_match_string": 1,
|
||
|
|
"eval_steps_per_second": 0.679,
|
||
|
|
"eval_tokens_match_avg": 0.9659372604140046,
|
||
|
|
"step": 250
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.425,
|
||
|
|
"grad_norm": 3.890625,
|
||
|
|
"learning_rate": 6.205554551086736e-06,
|
||
|
|
"loss": 0.1339,
|
||
|
|
"step": 255
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.43333333333333335,
|
||
|
|
"grad_norm": 5.25,
|
||
|
|
"learning_rate": 6.079162869547913e-06,
|
||
|
|
"loss": 0.17,
|
||
|
|
"step": 260
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.44166666666666665,
|
||
|
|
"grad_norm": 5.28125,
|
||
|
|
"learning_rate": 5.952065851186132e-06,
|
||
|
|
"loss": 0.1598,
|
||
|
|
"step": 265
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.45,
|
||
|
|
"grad_norm": 4.5,
|
||
|
|
"learning_rate": 5.824350601949145e-06,
|
||
|
|
"loss": 0.1545,
|
||
|
|
"step": 270
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4583333333333333,
|
||
|
|
"grad_norm": 6.71875,
|
||
|
|
"learning_rate": 5.696104651489257e-06,
|
||
|
|
"loss": 0.1552,
|
||
|
|
"step": 275
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.4666666666666667,
|
||
|
|
"grad_norm": 4.875,
|
||
|
|
"learning_rate": 5.567415893174889e-06,
|
||
|
|
"loss": 0.1642,
|
||
|
|
"step": 280
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.475,
|
||
|
|
"grad_norm": 4.25,
|
||
|
|
"learning_rate": 5.438372523852835e-06,
|
||
|
|
"loss": 0.1581,
|
||
|
|
"step": 285
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.48333333333333334,
|
||
|
|
"grad_norm": 5.03125,
|
||
|
|
"learning_rate": 5.309062983402575e-06,
|
||
|
|
"loss": 0.1632,
|
||
|
|
"step": 290
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.49166666666666664,
|
||
|
|
"grad_norm": 4.59375,
|
||
|
|
"learning_rate": 5.179575894123973e-06,
|
||
|
|
"loss": 0.1493,
|
||
|
|
"step": 295
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5,
|
||
|
|
"grad_norm": 5.125,
|
||
|
|
"learning_rate": 5.050000000000001e-06,
|
||
|
|
"loss": 0.149,
|
||
|
|
"step": 300
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5,
|
||
|
|
"eval_count_mismatch_i_diff_avg": 2.0,
|
||
|
|
"eval_first_index_mismatch_avg": 20.0,
|
||
|
|
"eval_loss": 0.11815375089645386,
|
||
|
|
"eval_mean_mismatch_i_diff_avg": 18.9375,
|
||
|
|
"eval_runtime": 1.3387,
|
||
|
|
"eval_samples_per_second": 2.988,
|
||
|
|
"eval_sql_exact_match_string": 1,
|
||
|
|
"eval_steps_per_second": 0.747,
|
||
|
|
"eval_tokens_match_avg": 0.9601233069256325,
|
||
|
|
"step": 300
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5083333333333333,
|
||
|
|
"grad_norm": 4.21875,
|
||
|
|
"learning_rate": 4.9204241058760295e-06,
|
||
|
|
"loss": 0.155,
|
||
|
|
"step": 305
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5166666666666667,
|
||
|
|
"grad_norm": 4.28125,
|
||
|
|
"learning_rate": 4.79093701659743e-06,
|
||
|
|
"loss": 0.1646,
|
||
|
|
"step": 310
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.525,
|
||
|
|
"grad_norm": 4.65625,
|
||
|
|
"learning_rate": 4.661627476147171e-06,
|
||
|
|
"loss": 0.1413,
|
||
|
|
"step": 315
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5333333333333333,
|
||
|
|
"grad_norm": 5.03125,
|
||
|
|
"learning_rate": 4.5325841068251195e-06,
|
||
|
|
"loss": 0.1476,
|
||
|
|
"step": 320
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5416666666666666,
|
||
|
|
"grad_norm": 4.75,
|
||
|
|
"learning_rate": 4.403895348510749e-06,
|
||
|
|
"loss": 0.147,
|
||
|
|
"step": 325
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.55,
|
||
|
|
"grad_norm": 4.875,
|
||
|
|
"learning_rate": 4.27564939805086e-06,
|
||
|
|
"loss": 0.1412,
|
||
|
|
"step": 330
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5583333333333333,
|
||
|
|
"grad_norm": 4.65625,
|
||
|
|
"learning_rate": 4.1479341488138745e-06,
|
||
|
|
"loss": 0.1325,
|
||
|
|
"step": 335
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5666666666666667,
|
||
|
|
"grad_norm": 4.9375,
|
||
|
|
"learning_rate": 4.020837130452094e-06,
|
||
|
|
"loss": 0.1462,
|
||
|
|
"step": 340
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.575,
|
||
|
|
"grad_norm": 5.28125,
|
||
|
|
"learning_rate": 3.894445448913271e-06,
|
||
|
|
"loss": 0.1454,
|
||
|
|
"step": 345
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5833333333333334,
|
||
|
|
"grad_norm": 4.59375,
|
||
|
|
"learning_rate": 3.7688457267425276e-06,
|
||
|
|
"loss": 0.1476,
|
||
|
|
"step": 350
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5833333333333334,
|
||
|
|
"eval_count_mismatch_i_diff_avg": 2.25,
|
||
|
|
"eval_first_index_mismatch_avg": 8.25,
|
||
|
|
"eval_loss": 0.11698409914970398,
|
||
|
|
"eval_mean_mismatch_i_diff_avg": 10.4375,
|
||
|
|
"eval_runtime": 1.2608,
|
||
|
|
"eval_samples_per_second": 3.173,
|
||
|
|
"eval_sql_exact_match_string": 0,
|
||
|
|
"eval_steps_per_second": 0.793,
|
||
|
|
"eval_tokens_match_avg": 0.9547836710712908,
|
||
|
|
"step": 350
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.5916666666666667,
|
||
|
|
"grad_norm": 4.875,
|
||
|
|
"learning_rate": 3.6441240437155883e-06,
|
||
|
|
"loss": 0.1504,
|
||
|
|
"step": 355
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6,
|
||
|
|
"grad_norm": 4.84375,
|
||
|
|
"learning_rate": 3.5203658778440145e-06,
|
||
|
|
"loss": 0.1616,
|
||
|
|
"step": 360
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6083333333333333,
|
||
|
|
"grad_norm": 4.40625,
|
||
|
|
"learning_rate": 3.397656046792837e-06,
|
||
|
|
"loss": 0.16,
|
||
|
|
"step": 365
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6166666666666667,
|
||
|
|
"grad_norm": 4.4375,
|
||
|
|
"learning_rate": 3.2760786497507687e-06,
|
||
|
|
"loss": 0.1393,
|
||
|
|
"step": 370
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.625,
|
||
|
|
"grad_norm": 5.0,
|
||
|
|
"learning_rate": 3.155717009792809e-06,
|
||
|
|
"loss": 0.1526,
|
||
|
|
"step": 375
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6333333333333333,
|
||
|
|
"grad_norm": 6.15625,
|
||
|
|
"learning_rate": 3.036653616774792e-06,
|
||
|
|
"loss": 0.1619,
|
||
|
|
"step": 380
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6416666666666667,
|
||
|
|
"grad_norm": 4.75,
|
||
|
|
"learning_rate": 2.9189700707989414e-06,
|
||
|
|
"loss": 0.1428,
|
||
|
|
"step": 385
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.65,
|
||
|
|
"grad_norm": 5.46875,
|
||
|
|
"learning_rate": 2.8027470262892473e-06,
|
||
|
|
"loss": 0.1377,
|
||
|
|
"step": 390
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6583333333333333,
|
||
|
|
"grad_norm": 4.3125,
|
||
|
|
"learning_rate": 2.688064136714942e-06,
|
||
|
|
"loss": 0.1382,
|
||
|
|
"step": 395
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6666666666666666,
|
||
|
|
"grad_norm": 5.09375,
|
||
|
|
"learning_rate": 2.575000000000003e-06,
|
||
|
|
"loss": 0.1465,
|
||
|
|
"step": 400
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6666666666666666,
|
||
|
|
"eval_count_mismatch_i_diff_avg": 2.25,
|
||
|
|
"eval_first_index_mismatch_avg": 10.75,
|
||
|
|
"eval_loss": 0.11492403596639633,
|
||
|
|
"eval_mean_mismatch_i_diff_avg": 9.6875,
|
||
|
|
"eval_runtime": 1.4356,
|
||
|
|
"eval_samples_per_second": 2.786,
|
||
|
|
"eval_sql_exact_match_string": 0,
|
||
|
|
"eval_steps_per_second": 0.697,
|
||
|
|
"eval_tokens_match_avg": 0.9552213461413188,
|
||
|
|
"step": 400
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.675,
|
||
|
|
"grad_norm": 4.90625,
|
||
|
|
"learning_rate": 2.4636321046560575e-06,
|
||
|
|
"loss": 0.146,
|
||
|
|
"step": 405
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6833333333333333,
|
||
|
|
"grad_norm": 4.78125,
|
||
|
|
"learning_rate": 2.3540367766756217e-06,
|
||
|
|
"loss": 0.1496,
|
||
|
|
"step": 410
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.6916666666666667,
|
||
|
|
"grad_norm": 4.75,
|
||
|
|
"learning_rate": 2.2462891272220828e-06,
|
||
|
|
"loss": 0.1534,
|
||
|
|
"step": 415
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7,
|
||
|
|
"grad_norm": 5.4375,
|
||
|
|
"learning_rate": 2.140463001152263e-06,
|
||
|
|
"loss": 0.139,
|
||
|
|
"step": 420
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7083333333333334,
|
||
|
|
"grad_norm": 4.71875,
|
||
|
|
"learning_rate": 2.0366309264068387e-06,
|
||
|
|
"loss": 0.1495,
|
||
|
|
"step": 425
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7166666666666667,
|
||
|
|
"grad_norm": 5.15625,
|
||
|
|
"learning_rate": 1.9348640643033098e-06,
|
||
|
|
"loss": 0.1434,
|
||
|
|
"step": 430
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.725,
|
||
|
|
"grad_norm": 4.4375,
|
||
|
|
"learning_rate": 1.8352321607655958e-06,
|
||
|
|
"loss": 0.1494,
|
||
|
|
"step": 435
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7333333333333333,
|
||
|
|
"grad_norm": 4.96875,
|
||
|
|
"learning_rate": 1.7378034985236564e-06,
|
||
|
|
"loss": 0.155,
|
||
|
|
"step": 440
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7416666666666667,
|
||
|
|
"grad_norm": 4.6875,
|
||
|
|
"learning_rate": 1.6426448503159242e-06,
|
||
|
|
"loss": 0.1418,
|
||
|
|
"step": 445
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.75,
|
||
|
|
"grad_norm": 5.0,
|
||
|
|
"learning_rate": 1.5498214331265955e-06,
|
||
|
|
"loss": 0.1542,
|
||
|
|
"step": 450
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.75,
|
||
|
|
"eval_count_mismatch_i_diff_avg": 2.0,
|
||
|
|
"eval_first_index_mismatch_avg": 10.75,
|
||
|
|
"eval_loss": 0.11669360101222992,
|
||
|
|
"eval_mean_mismatch_i_diff_avg": 9.6875,
|
||
|
|
"eval_runtime": 1.4248,
|
||
|
|
"eval_samples_per_second": 2.807,
|
||
|
|
"eval_sql_exact_match_string": 0,
|
||
|
|
"eval_steps_per_second": 0.702,
|
||
|
|
"eval_tokens_match_avg": 0.9590674999874726,
|
||
|
|
"step": 450
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7583333333333333,
|
||
|
|
"grad_norm": 5.0,
|
||
|
|
"learning_rate": 1.4593968634891815e-06,
|
||
|
|
"loss": 0.1502,
|
||
|
|
"step": 455
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7666666666666667,
|
||
|
|
"grad_norm": 5.96875,
|
||
|
|
"learning_rate": 1.371433113886903e-06,
|
||
|
|
"loss": 0.1481,
|
||
|
|
"step": 460
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.775,
|
||
|
|
"grad_norm": 4.75,
|
||
|
|
"learning_rate": 1.285990470279852e-06,
|
||
|
|
"loss": 0.1467,
|
||
|
|
"step": 465
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7833333333333333,
|
||
|
|
"grad_norm": 4.5,
|
||
|
|
"learning_rate": 1.2031274907879994e-06,
|
||
|
|
"loss": 0.1242,
|
||
|
|
"step": 470
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.7916666666666666,
|
||
|
|
"grad_norm": 3.75,
|
||
|
|
"learning_rate": 1.122900965558391e-06,
|
||
|
|
"loss": 0.14,
|
||
|
|
"step": 475
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8,
|
||
|
|
"grad_norm": 6.34375,
|
||
|
|
"learning_rate": 1.0453658778440162e-06,
|
||
|
|
"loss": 0.1634,
|
||
|
|
"step": 480
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8083333333333333,
|
||
|
|
"grad_norm": 4.125,
|
||
|
|
"learning_rate": 9.705753663210283e-07,
|
||
|
|
"loss": 0.139,
|
||
|
|
"step": 485
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8166666666666667,
|
||
|
|
"grad_norm": 5.15625,
|
||
|
|
"learning_rate": 8.98580688670156e-07,
|
||
|
|
"loss": 0.1546,
|
||
|
|
"step": 490
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.825,
|
||
|
|
"grad_norm": 5.46875,
|
||
|
|
"learning_rate": 8.294311864472477e-07,
|
||
|
|
"loss": 0.1471,
|
||
|
|
"step": 495
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8333333333333334,
|
||
|
|
"grad_norm": 5.09375,
|
||
|
|
"learning_rate": 7.631742512670332e-07,
|
||
|
|
"loss": 0.1442,
|
||
|
|
"step": 500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8333333333333334,
|
||
|
|
"eval_count_mismatch_i_diff_avg": 2.25,
|
||
|
|
"eval_first_index_mismatch_avg": 10.75,
|
||
|
|
"eval_loss": 0.11715836822986603,
|
||
|
|
"eval_mean_mismatch_i_diff_avg": 9.6875,
|
||
|
|
"eval_runtime": 1.4332,
|
||
|
|
"eval_samples_per_second": 2.791,
|
||
|
|
"eval_sql_exact_match_string": 0,
|
||
|
|
"eval_steps_per_second": 0.698,
|
||
|
|
"eval_tokens_match_avg": 0.9552213461413188,
|
||
|
|
"step": 500
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8416666666666667,
|
||
|
|
"grad_norm": 4.78125,
|
||
|
|
"learning_rate": 6.998552923232753e-07,
|
||
|
|
"loss": 0.1397,
|
||
|
|
"step": 505
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.85,
|
||
|
|
"grad_norm": 4.75,
|
||
|
|
"learning_rate": 6.395177052675824e-07,
|
||
|
|
"loss": 0.1494,
|
||
|
|
"step": 510
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8583333333333333,
|
||
|
|
"grad_norm": 4.375,
|
||
|
|
"learning_rate": 5.822028424681925e-07,
|
||
|
|
"loss": 0.1493,
|
||
|
|
"step": 515
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8666666666666667,
|
||
|
|
"grad_norm": 5.125,
|
||
|
|
"learning_rate": 5.279499846691286e-07,
|
||
|
|
"loss": 0.132,
|
||
|
|
"step": 520
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.875,
|
||
|
|
"grad_norm": 5.3125,
|
||
|
|
"learning_rate": 4.767963140691326e-07,
|
||
|
|
"loss": 0.1523,
|
||
|
|
"step": 525
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8833333333333333,
|
||
|
|
"grad_norm": 4.375,
|
||
|
|
"learning_rate": 4.287768888388531e-07,
|
||
|
|
"loss": 0.1229,
|
||
|
|
"step": 530
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.8916666666666667,
|
||
|
|
"grad_norm": 4.59375,
|
||
|
|
"learning_rate": 3.839246190937183e-07,
|
||
|
|
"loss": 0.1671,
|
||
|
|
"step": 535
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9,
|
||
|
|
"grad_norm": 6.25,
|
||
|
|
"learning_rate": 3.4227024433899137e-07,
|
||
|
|
"loss": 0.1304,
|
||
|
|
"step": 540
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9083333333333333,
|
||
|
|
"grad_norm": 5.34375,
|
||
|
|
"learning_rate": 3.0384231240244555e-07,
|
||
|
|
"loss": 0.1528,
|
||
|
|
"step": 545
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9166666666666666,
|
||
|
|
"grad_norm": 4.125,
|
||
|
|
"learning_rate": 2.686671598691128e-07,
|
||
|
|
"loss": 0.1556,
|
||
|
|
"step": 550
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"epoch": 0.9166666666666666,
|
||
|
|
"eval_count_mismatch_i_diff_avg": 2.25,
|
||
|
|
"eval_first_index_mismatch_avg": 10.75,
|
||
|
|
"eval_loss": 0.11767315864562988,
|
||
|
|
"eval_mean_mismatch_i_diff_avg": 9.6875,
|
||
|
|
"eval_runtime": 1.4395,
|
||
|
|
"eval_samples_per_second": 2.779,
|
||
|
|
"eval_sql_exact_match_string": 0,
|
||
|
|
"eval_steps_per_second": 0.695,
|
||
|
|
"eval_tokens_match_avg": 0.9552213461413188,
|
||
|
|
"step": 550
|
||
|
|
}
|
||
|
|
],
|
||
|
|
"logging_steps": 5,
|
||
|
|
"max_steps": 600,
|
||
|
|
"num_input_tokens_seen": 0,
|
||
|
|
"num_train_epochs": 1,
|
||
|
|
"save_steps": 50,
|
||
|
|
"total_flos": 5.255573265461084e+17,
|
||
|
|
"train_batch_size": 2,
|
||
|
|
"trial_name": null,
|
||
|
|
"trial_params": null
|
||
|
|
}
|