{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 2.0,
  "eval_steps": 500,
  "global_step": 1500,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "entropy": 1.7908701181411744,
      "epoch": 0.013333333333333334,
      "grad_norm": 1.1777843236923218,
      "learning_rate": 0.00019952000000000001,
      "loss": 1.8912,
      "mean_token_accuracy": 0.5405127346515656,
      "num_tokens": 14665.0,
      "step": 10
    },
    {
      "entropy": 1.757728385925293,
      "epoch": 0.02666666666666667,
      "grad_norm": 0.9262706637382507,
      "learning_rate": 0.00019898666666666668,
      "loss": 1.7762,
      "mean_token_accuracy": 0.5599964261054993,
      "num_tokens": 29061.0,
      "step": 20
    },
    {
      "entropy": 1.705195951461792,
      "epoch": 0.04,
      "grad_norm": 0.8576209545135498,
      "learning_rate": 0.00019845333333333334,
      "loss": 1.7582,
      "mean_token_accuracy": 0.5612735390663147,
      "num_tokens": 43628.0,
      "step": 30
    },
    {
      "entropy": 1.764819598197937,
      "epoch": 0.05333333333333334,
      "grad_norm": 0.9937595725059509,
      "learning_rate": 0.00019792000000000003,
      "loss": 1.7875,
      "mean_token_accuracy": 0.5601426303386688,
      "num_tokens": 57878.0,
      "step": 40
    },
    {
      "entropy": 1.692608082294464,
      "epoch": 0.06666666666666667,
      "grad_norm": 0.8142558932304382,
      "learning_rate": 0.00019738666666666667,
      "loss": 1.7188,
      "mean_token_accuracy": 0.5711204051971436,
      "num_tokens": 72081.0,
      "step": 50
    },
    {
      "entropy": 1.713820493221283,
      "epoch": 0.08,
      "grad_norm": 0.8134881854057312,
      "learning_rate": 0.00019685333333333333,
      "loss": 1.7262,
      "mean_token_accuracy": 0.5672860145568848,
      "num_tokens": 86547.0,
      "step": 60
    },
    {
      "entropy": 1.7069548845291138,
      "epoch": 0.09333333333333334,
      "grad_norm": 0.7980002760887146,
      "learning_rate": 0.00019632000000000002,
      "loss": 1.7412,
      "mean_token_accuracy": 0.5662308156490325,
      "num_tokens": 100695.0,
      "step": 70
    },
    {
      "entropy": 1.7331032037734986,
      "epoch": 0.10666666666666667,
      "grad_norm": 0.8221873044967651,
      "learning_rate": 0.00019578666666666668,
      "loss": 1.7445,
      "mean_token_accuracy": 0.5610231578350067,
      "num_tokens": 114813.0,
      "step": 80
    },
    {
      "entropy": 1.7180450558662415,
      "epoch": 0.12,
      "grad_norm": 0.8718360662460327,
      "learning_rate": 0.00019525333333333334,
      "loss": 1.7297,
      "mean_token_accuracy": 0.5656625151634216,
      "num_tokens": 128864.0,
      "step": 90
    },
    {
      "entropy": 1.6863915205001831,
      "epoch": 0.13333333333333333,
      "grad_norm": 0.7490881085395813,
      "learning_rate": 0.00019472,
      "loss": 1.7097,
      "mean_token_accuracy": 0.5710519969463348,
      "num_tokens": 143400.0,
      "step": 100
    },
    {
      "entropy": 1.656905508041382,
      "epoch": 0.14666666666666667,
      "grad_norm": 0.7690205574035645,
      "learning_rate": 0.00019418666666666667,
      "loss": 1.6377,
      "mean_token_accuracy": 0.5826482594013214,
      "num_tokens": 157812.0,
      "step": 110
    },
    {
      "entropy": 1.70476393699646,
      "epoch": 0.16,
      "grad_norm": 0.7643902897834778,
      "learning_rate": 0.00019365333333333336,
      "loss": 1.7258,
      "mean_token_accuracy": 0.5608070731163025,
      "num_tokens": 171892.0,
      "step": 120
    },
    {
      "entropy": 1.6601023912429809,
      "epoch": 0.17333333333333334,
      "grad_norm": 0.8293864130973816,
      "learning_rate": 0.00019312000000000002,
      "loss": 1.6714,
      "mean_token_accuracy": 0.5756373822689056,
      "num_tokens": 186019.0,
      "step": 130
    },
    {
      "entropy": 1.6955374836921693,
      "epoch": 0.18666666666666668,
      "grad_norm": 0.8544629812240601,
      "learning_rate": 0.00019258666666666668,
      "loss": 1.6904,
      "mean_token_accuracy": 0.5779714524745941,
      "num_tokens": 200048.0,
      "step": 140
    },
    {
      "entropy": 1.672298264503479,
      "epoch": 0.2,
      "grad_norm": 0.7459447383880615,
      "learning_rate": 0.00019205333333333335,
      "loss": 1.6373,
      "mean_token_accuracy": 0.5774146437644958,
      "num_tokens": 214845.0,
      "step": 150
    },
    {
      "entropy": 1.621527373790741,
      "epoch": 0.21333333333333335,
      "grad_norm": 0.778339684009552,
      "learning_rate": 0.00019152,
      "loss": 1.6564,
      "mean_token_accuracy": 0.5799753427505493,
      "num_tokens": 228965.0,
      "step": 160
    },
    {
      "entropy": 1.6854836463928222,
      "epoch": 0.22666666666666666,
      "grad_norm": 0.7781394720077515,
      "learning_rate": 0.00019098666666666667,
      "loss": 1.6731,
      "mean_token_accuracy": 0.5745640277862549,
      "num_tokens": 243138.0,
      "step": 170
    },
    {
      "entropy": 1.648065435886383,
      "epoch": 0.24,
      "grad_norm": 0.7444502711296082,
      "learning_rate": 0.00019045333333333336,
      "loss": 1.6556,
      "mean_token_accuracy": 0.5753928661346436,
      "num_tokens": 257706.0,
      "step": 180
    },
    {
      "entropy": 1.6733452081680298,
      "epoch": 0.25333333333333335,
      "grad_norm": 0.6875325441360474,
      "learning_rate": 0.00018992,
      "loss": 1.6905,
      "mean_token_accuracy": 0.5732767701148986,
      "num_tokens": 271550.0,
      "step": 190
    },
    {
      "entropy": 1.675937283039093,
      "epoch": 0.26666666666666666,
      "grad_norm": 0.7303425073623657,
      "learning_rate": 0.00018938666666666666,
      "loss": 1.6684,
      "mean_token_accuracy": 0.5771281003952027,
      "num_tokens": 285690.0,
      "step": 200
    },
    {
      "entropy": 1.6358152866363525,
      "epoch": 0.28,
      "grad_norm": 0.7411030530929565,
      "learning_rate": 0.00018885333333333335,
      "loss": 1.6339,
      "mean_token_accuracy": 0.5838043510913848,
      "num_tokens": 300104.0,
      "step": 210
    },
    {
      "entropy": 1.6545907258987427,
      "epoch": 0.29333333333333333,
      "grad_norm": 0.7895593047142029,
      "learning_rate": 0.00018832,
      "loss": 1.6858,
      "mean_token_accuracy": 0.5718037188053131,
      "num_tokens": 314047.0,
      "step": 220
    },
    {
      "entropy": 1.6488535761833192,
      "epoch": 0.30666666666666664,
      "grad_norm": 0.7785155177116394,
      "learning_rate": 0.00018778666666666668,
      "loss": 1.6694,
      "mean_token_accuracy": 0.5763668715953827,
      "num_tokens": 328674.0,
      "step": 230
    },
    {
      "entropy": 1.6801724672317504,
      "epoch": 0.32,
      "grad_norm": 0.697731614112854,
      "learning_rate": 0.00018725333333333334,
      "loss": 1.6564,
      "mean_token_accuracy": 0.5734941899776459,
      "num_tokens": 342932.0,
      "step": 240
    },
    {
      "entropy": 1.6780007004737854,
      "epoch": 0.3333333333333333,
      "grad_norm": 0.7615799903869629,
      "learning_rate": 0.00018672,
      "loss": 1.694,
      "mean_token_accuracy": 0.5711317896842957,
      "num_tokens": 357167.0,
      "step": 250
    },
    {
      "entropy": 1.6752456307411194,
      "epoch": 0.3466666666666667,
      "grad_norm": 0.715129017829895,
      "learning_rate": 0.00018618666666666666,
      "loss": 1.6726,
      "mean_token_accuracy": 0.5754297077655792,
      "num_tokens": 371293.0,
      "step": 260
    },
    {
      "entropy": 1.6538572311401367,
      "epoch": 0.36,
      "grad_norm": 0.8093023896217346,
      "learning_rate": 0.00018565333333333335,
      "loss": 1.6722,
      "mean_token_accuracy": 0.5708646178245544,
      "num_tokens": 385455.0,
      "step": 270
    },
    {
      "entropy": 1.6819413661956788,
      "epoch": 0.37333333333333335,
      "grad_norm": 0.7279489636421204,
      "learning_rate": 0.00018512000000000002,
      "loss": 1.6482,
      "mean_token_accuracy": 0.5810510337352752,
      "num_tokens": 399994.0,
      "step": 280
    },
    {
      "entropy": 1.6535839796066285,
      "epoch": 0.38666666666666666,
      "grad_norm": 0.7264725565910339,
      "learning_rate": 0.00018458666666666668,
      "loss": 1.6601,
      "mean_token_accuracy": 0.5782212734222412,
      "num_tokens": 414302.0,
      "step": 290
    },
    {
      "entropy": 1.6291370630264281,
      "epoch": 0.4,
      "grad_norm": 0.7391830682754517,
      "learning_rate": 0.00018405333333333334,
      "loss": 1.6252,
      "mean_token_accuracy": 0.5810718059539794,
      "num_tokens": 428367.0,
      "step": 300
    },
    {
      "entropy": 1.6454604744911194,
      "epoch": 0.41333333333333333,
      "grad_norm": 0.7421492338180542,
      "learning_rate": 0.00018352,
      "loss": 1.6548,
      "mean_token_accuracy": 0.5764368116855622,
      "num_tokens": 442350.0,
      "step": 310
    },
    {
      "entropy": 1.6191022634506225,
      "epoch": 0.4266666666666667,
      "grad_norm": 0.6302896738052368,
      "learning_rate": 0.0001829866666666667,
      "loss": 1.6362,
      "mean_token_accuracy": 0.5786097645759583,
      "num_tokens": 456414.0,
      "step": 320
    },
    {
      "entropy": 1.694426167011261,
      "epoch": 0.44,
      "grad_norm": 0.7121474742889404,
      "learning_rate": 0.00018245333333333333,
      "loss": 1.7126,
      "mean_token_accuracy": 0.5670216321945191,
      "num_tokens": 470836.0,
      "step": 330
    },
    {
      "entropy": 1.724251127243042,
      "epoch": 0.4533333333333333,
      "grad_norm": 0.6601665019989014,
      "learning_rate": 0.00018192,
      "loss": 1.7136,
      "mean_token_accuracy": 0.5723266065120697,
      "num_tokens": 485043.0,
      "step": 340
    },
    {
      "entropy": 1.6735360264778136,
      "epoch": 0.4666666666666667,
      "grad_norm": 0.8272239565849304,
      "learning_rate": 0.00018138666666666668,
      "loss": 1.6753,
      "mean_token_accuracy": 0.5723617672920227,
      "num_tokens": 499183.0,
      "step": 350
    },
    {
      "entropy": 1.6469814419746398,
      "epoch": 0.48,
      "grad_norm": 0.7188411951065063,
      "learning_rate": 0.00018085333333333335,
      "loss": 1.6475,
      "mean_token_accuracy": 0.5769975543022156,
      "num_tokens": 513579.0,
      "step": 360
    },
    {
      "entropy": 1.6747308850288392,
      "epoch": 0.49333333333333335,
      "grad_norm": 0.7487552762031555,
      "learning_rate": 0.00018032,
      "loss": 1.6823,
      "mean_token_accuracy": 0.5752046227455139,
      "num_tokens": 527660.0,
      "step": 370
    },
    {
      "entropy": 1.666330885887146,
      "epoch": 0.5066666666666667,
      "grad_norm": 0.6975488662719727,
      "learning_rate": 0.00017978666666666667,
      "loss": 1.6582,
      "mean_token_accuracy": 0.5811319828033448,
      "num_tokens": 542081.0,
      "step": 380
    },
    {
      "entropy": 1.6803588151931763,
      "epoch": 0.52,
      "grad_norm": 0.737691342830658,
      "learning_rate": 0.00017925333333333333,
      "loss": 1.6788,
      "mean_token_accuracy": 0.5737549722194671,
      "num_tokens": 556595.0,
      "step": 390
    },
    {
      "entropy": 1.6843163609504699,
      "epoch": 0.5333333333333333,
      "grad_norm": 0.739733099937439,
      "learning_rate": 0.00017872,
      "loss": 1.6939,
      "mean_token_accuracy": 0.5709910333156586,
      "num_tokens": 570777.0,
      "step": 400
    },
    {
      "entropy": 1.6645950436592103,
      "epoch": 0.5466666666666666,
      "grad_norm": 0.7805267572402954,
      "learning_rate": 0.00017818666666666669,
      "loss": 1.6813,
      "mean_token_accuracy": 0.5687461018562316,
      "num_tokens": 585138.0,
      "step": 410
    },
    {
      "entropy": 1.6936459064483642,
      "epoch": 0.56,
      "grad_norm": 0.726749062538147,
      "learning_rate": 0.00017765333333333335,
      "loss": 1.6973,
      "mean_token_accuracy": 0.5707198500633239,
      "num_tokens": 599933.0,
      "step": 420
    },
    {
      "entropy": 1.6732940793037414,
      "epoch": 0.5733333333333334,
      "grad_norm": 0.6750204563140869,
      "learning_rate": 0.00017712,
      "loss": 1.6797,
      "mean_token_accuracy": 0.5727494537830353,
      "num_tokens": 614132.0,
      "step": 430
    },
    {
      "entropy": 1.6580298662185669,
      "epoch": 0.5866666666666667,
      "grad_norm": 0.719950795173645,
      "learning_rate": 0.00017658666666666667,
      "loss": 1.6577,
      "mean_token_accuracy": 0.5744940221309662,
      "num_tokens": 628571.0,
      "step": 440
    },
    {
      "entropy": 1.652840507030487,
      "epoch": 0.6,
      "grad_norm": 0.6199878454208374,
      "learning_rate": 0.00017605333333333334,
      "loss": 1.6518,
      "mean_token_accuracy": 0.5756324470043183,
      "num_tokens": 643076.0,
      "step": 450
    },
    {
      "entropy": 1.6695269465446472,
      "epoch": 0.6133333333333333,
      "grad_norm": 0.7818489074707031,
      "learning_rate": 0.00017552000000000003,
      "loss": 1.6768,
      "mean_token_accuracy": 0.5710194766521454,
      "num_tokens": 656943.0,
      "step": 460
    },
    {
      "entropy": 1.668250596523285,
      "epoch": 0.6266666666666667,
      "grad_norm": 0.6790580749511719,
      "learning_rate": 0.0001749866666666667,
      "loss": 1.6783,
      "mean_token_accuracy": 0.5728156328201294,
      "num_tokens": 671345.0,
      "step": 470
    },
    {
      "entropy": 1.6558388233184815,
      "epoch": 0.64,
      "grad_norm": 0.7647916078567505,
      "learning_rate": 0.00017445333333333333,
      "loss": 1.6723,
      "mean_token_accuracy": 0.5740255832672119,
      "num_tokens": 685563.0,
      "step": 480
    },
    {
      "entropy": 1.6663503646850586,
      "epoch": 0.6533333333333333,
      "grad_norm": 0.6828808188438416,
      "learning_rate": 0.00017392000000000002,
      "loss": 1.6718,
      "mean_token_accuracy": 0.5754141092300415,
      "num_tokens": 699746.0,
      "step": 490
    },
    {
      "entropy": 1.6640026688575744,
      "epoch": 0.6666666666666666,
      "grad_norm": 0.7021526098251343,
      "learning_rate": 0.00017338666666666668,
      "loss": 1.6442,
      "mean_token_accuracy": 0.5807092905044555,
      "num_tokens": 714501.0,
      "step": 500
    },
    {
      "entropy": 1.6755484104156495,
      "epoch": 0.68,
      "grad_norm": 0.6762555241584778,
      "learning_rate": 0.00017285333333333334,
      "loss": 1.6864,
      "mean_token_accuracy": 0.5786374986171723,
      "num_tokens": 728741.0,
      "step": 510
    },
    {
      "entropy": 1.6181371688842774,
      "epoch": 0.6933333333333334,
      "grad_norm": 0.7460752129554749,
      "learning_rate": 0.00017232,
      "loss": 1.6443,
      "mean_token_accuracy": 0.5760051727294921,
      "num_tokens": 742943.0,
      "step": 520
    },
    {
      "entropy": 1.6662646651268005,
      "epoch": 0.7066666666666667,
      "grad_norm": 0.6818891167640686,
      "learning_rate": 0.00017178666666666667,
      "loss": 1.6626,
      "mean_token_accuracy": 0.5765082776546478,
      "num_tokens": 757701.0,
      "step": 530
    },
    {
      "entropy": 1.640554964542389,
      "epoch": 0.72,
      "grad_norm": 0.699113130569458,
      "learning_rate": 0.00017125333333333333,
      "loss": 1.6219,
      "mean_token_accuracy": 0.5862498044967651,
      "num_tokens": 772062.0,
      "step": 540
    },
    {
      "entropy": 1.692064070701599,
      "epoch": 0.7333333333333333,
      "grad_norm": 0.7120975852012634,
      "learning_rate": 0.00017072000000000002,
      "loss": 1.6991,
      "mean_token_accuracy": 0.5677917718887329,
      "num_tokens": 786707.0,
      "step": 550
    },
    {
      "entropy": 1.6766908407211303,
      "epoch": 0.7466666666666667,
      "grad_norm": 0.7205502390861511,
      "learning_rate": 0.00017018666666666668,
      "loss": 1.6758,
      "mean_token_accuracy": 0.5790870308876037,
      "num_tokens": 801236.0,
      "step": 560
    },
    {
      "entropy": 1.632925820350647,
      "epoch": 0.76,
      "grad_norm": 0.738036572933197,
      "learning_rate": 0.00016965333333333332,
      "loss": 1.6494,
      "mean_token_accuracy": 0.5808292210102082,
      "num_tokens": 815883.0,
      "step": 570
    },
    {
      "entropy": 1.669986116886139,
      "epoch": 0.7733333333333333,
      "grad_norm": 0.6785821914672852,
      "learning_rate": 0.00016912,
      "loss": 1.6544,
      "mean_token_accuracy": 0.5800759375095368,
      "num_tokens": 829570.0,
      "step": 580
    },
    {
      "entropy": 1.6363327860832215,
      "epoch": 0.7866666666666666,
      "grad_norm": 0.6850758790969849,
      "learning_rate": 0.00016858666666666667,
      "loss": 1.6549,
      "mean_token_accuracy": 0.578828877210617,
      "num_tokens": 844009.0,
      "step": 590
    },
    {
      "entropy": 1.64016250371933,
      "epoch": 0.8,
      "grad_norm": 0.6750107407569885,
      "learning_rate": 0.00016805333333333336,
      "loss": 1.6566,
      "mean_token_accuracy": 0.575623071193695,
      "num_tokens": 858282.0,
      "step": 600
    },
    {
      "entropy": 1.6842385530471802,
      "epoch": 0.8133333333333334,
      "grad_norm": 0.7148203253746033,
      "learning_rate": 0.00016752000000000002,
      "loss": 1.6909,
      "mean_token_accuracy": 0.5759712219238281,
      "num_tokens": 872855.0,
      "step": 610
    },
    {
      "entropy": 1.6071362018585205,
      "epoch": 0.8266666666666667,
      "grad_norm": 0.709815263748169,
      "learning_rate": 0.00016698666666666666,
      "loss": 1.6062,
      "mean_token_accuracy": 0.5838622927665711,
      "num_tokens": 887139.0,
      "step": 620
    },
    {
      "entropy": 1.647024357318878,
      "epoch": 0.84,
      "grad_norm": 0.7029419541358948,
      "learning_rate": 0.00016645333333333335,
      "loss": 1.6712,
      "mean_token_accuracy": 0.5723545610904693,
      "num_tokens": 901212.0,
      "step": 630
    },
    {
      "entropy": 1.6637583255767823,
      "epoch": 0.8533333333333334,
      "grad_norm": 0.7077947854995728,
      "learning_rate": 0.00016592,
      "loss": 1.6467,
      "mean_token_accuracy": 0.5752432465553283,
      "num_tokens": 915566.0,
      "step": 640
    },
    {
      "entropy": 1.6351732969284059,
      "epoch": 0.8666666666666667,
      "grad_norm": 0.7223191857337952,
      "learning_rate": 0.00016538666666666667,
      "loss": 1.6326,
      "mean_token_accuracy": 0.5809595823287964,
      "num_tokens": 930155.0,
      "step": 650
    },
    {
      "entropy": 1.625480556488037,
      "epoch": 0.88,
      "grad_norm": 0.6872687339782715,
      "learning_rate": 0.00016485333333333334,
      "loss": 1.6096,
      "mean_token_accuracy": 0.5873603641986846,
      "num_tokens": 943961.0,
      "step": 660
    },
    {
      "entropy": 1.6413599967956543,
      "epoch": 0.8933333333333333,
      "grad_norm": 0.6594866514205933,
      "learning_rate": 0.00016432,
      "loss": 1.692,
      "mean_token_accuracy": 0.5740860402584076,
      "num_tokens": 958370.0,
      "step": 670
    },
    {
      "entropy": 1.6765796422958374,
      "epoch": 0.9066666666666666,
      "grad_norm": 0.6635148525238037,
      "learning_rate": 0.00016378666666666666,
      "loss": 1.6493,
      "mean_token_accuracy": 0.5794400811195374,
      "num_tokens": 972746.0,
      "step": 680
    },
    {
      "entropy": 1.64844651222229,
      "epoch": 0.92,
      "grad_norm": 0.6969758868217468,
      "learning_rate": 0.00016325333333333335,
      "loss": 1.6465,
      "mean_token_accuracy": 0.5806655645370483,
      "num_tokens": 987210.0,
      "step": 690
    },
    {
      "entropy": 1.628549289703369,
      "epoch": 0.9333333333333333,
      "grad_norm": 0.6831814050674438,
      "learning_rate": 0.00016272000000000001,
      "loss": 1.6445,
      "mean_token_accuracy": 0.5774340748786926,
      "num_tokens": 1001627.0,
      "step": 700
    },
    {
      "entropy": 1.6590662002563477,
      "epoch": 0.9466666666666667,
      "grad_norm": 0.7329531908035278,
      "learning_rate": 0.00016218666666666668,
      "loss": 1.6746,
      "mean_token_accuracy": 0.5709875702857972,
      "num_tokens": 1015828.0,
      "step": 710
    },
    {
      "entropy": 1.6233970403671265,
      "epoch": 0.96,
      "grad_norm": 0.6673484444618225,
      "learning_rate": 0.00016165333333333334,
      "loss": 1.6213,
      "mean_token_accuracy": 0.5806674182415008,
      "num_tokens": 1030323.0,
      "step": 720
    },
    {
      "entropy": 1.6572086334228515,
      "epoch": 0.9733333333333334,
      "grad_norm": 0.7702727913856506,
      "learning_rate": 0.00016112,
      "loss": 1.6664,
      "mean_token_accuracy": 0.5798572361469269,
      "num_tokens": 1044685.0,
      "step": 730
    },
    {
      "entropy": 1.620801281929016,
      "epoch": 0.9866666666666667,
      "grad_norm": 0.6698365211486816,
      "learning_rate": 0.0001605866666666667,
      "loss": 1.6032,
      "mean_token_accuracy": 0.5835649371147156,
      "num_tokens": 1058992.0,
      "step": 740
    },
    {
      "entropy": 1.6149493217468263,
      "epoch": 1.0,
      "grad_norm": 0.6890732645988464,
      "learning_rate": 0.00016005333333333335,
      "loss": 1.6306,
      "mean_token_accuracy": 0.5798977136611938,
      "num_tokens": 1073437.0,
      "step": 750
    },
    {
      "entropy": 1.6699055314064026,
      "epoch": 1.0133333333333334,
      "grad_norm": 0.7555853724479675,
      "learning_rate": 0.00015952,
      "loss": 1.635,
      "mean_token_accuracy": 0.5828357517719269,
      "num_tokens": 1087792.0,
      "step": 760
    },
    {
      "entropy": 1.6272497057914734,
      "epoch": 1.0266666666666666,
      "grad_norm": 0.7309948801994324,
      "learning_rate": 0.00015898666666666668,
      "loss": 1.6164,
      "mean_token_accuracy": 0.5864035606384277,
      "num_tokens": 1102220.0,
      "step": 770
    },
    {
      "entropy": 1.6252751708030702,
      "epoch": 1.04,
      "grad_norm": 0.6662526726722717,
      "learning_rate": 0.00015845333333333334,
      "loss": 1.6074,
      "mean_token_accuracy": 0.5863919079303741,
      "num_tokens": 1116220.0,
      "step": 780
    },
    {
      "entropy": 1.6117313146591186,
      "epoch": 1.0533333333333332,
      "grad_norm": 0.6945940256118774,
      "learning_rate": 0.00015792,
      "loss": 1.6198,
      "mean_token_accuracy": 0.5855257391929627,
      "num_tokens": 1130621.0,
      "step": 790
    },
    {
      "entropy": 1.6056355476379394,
      "epoch": 1.0666666666666667,
      "grad_norm": 0.7574010491371155,
      "learning_rate": 0.0001573866666666667,
      "loss": 1.6585,
      "mean_token_accuracy": 0.582321560382843,
      "num_tokens": 1144891.0,
      "step": 800
    },
    {
      "entropy": 1.6536706924438476,
      "epoch": 1.08,
      "grad_norm": 0.7776330709457397,
      "learning_rate": 0.00015685333333333333,
      "loss": 1.6417,
      "mean_token_accuracy": 0.5807085573673249,
      "num_tokens": 1159452.0,
      "step": 810
    },
    {
      "entropy": 1.636245596408844,
      "epoch": 1.0933333333333333,
      "grad_norm": 0.7058615684509277,
      "learning_rate": 0.00015632,
      "loss": 1.6129,
      "mean_token_accuracy": 0.5896495580673218,
      "num_tokens": 1174079.0,
      "step": 820
    },
    {
      "entropy": 1.573302984237671,
      "epoch": 1.1066666666666667,
      "grad_norm": 0.7599795460700989,
      "learning_rate": 0.00015578666666666668,
      "loss": 1.5675,
      "mean_token_accuracy": 0.5902469873428344,
      "num_tokens": 1188584.0,
      "step": 830
    },
    {
      "entropy": 1.5608547449111938,
      "epoch": 1.12,
      "grad_norm": 0.7376325130462646,
      "learning_rate": 0.00015525333333333335,
      "loss": 1.5674,
      "mean_token_accuracy": 0.5912195801734924,
      "num_tokens": 1203146.0,
      "step": 840
    },
    {
      "entropy": 1.609606885910034,
      "epoch": 1.1333333333333333,
      "grad_norm": 0.7759743332862854,
      "learning_rate": 0.00015472,
      "loss": 1.6121,
      "mean_token_accuracy": 0.5835619568824768,
      "num_tokens": 1217734.0,
      "step": 850
    },
    {
      "entropy": 1.6040807604789733,
      "epoch": 1.1466666666666667,
      "grad_norm": 0.7043464183807373,
      "learning_rate": 0.00015418666666666667,
      "loss": 1.5964,
      "mean_token_accuracy": 0.5868722558021545,
      "num_tokens": 1232005.0,
      "step": 860
    },
    {
      "entropy": 1.6219854712486268,
      "epoch": 1.16,
      "grad_norm": 0.7642476558685303,
      "learning_rate": 0.00015365333333333333,
      "loss": 1.6229,
      "mean_token_accuracy": 0.5852142035961151,
      "num_tokens": 1246209.0,
      "step": 870
    },
    {
      "entropy": 1.5783800959587098,
      "epoch": 1.1733333333333333,
      "grad_norm": 0.7461272478103638,
      "learning_rate": 0.00015312,
      "loss": 1.5816,
      "mean_token_accuracy": 0.5920245468616485,
      "num_tokens": 1260843.0,
      "step": 880
    },
    {
      "entropy": 1.6118128061294557,
      "epoch": 1.1866666666666668,
      "grad_norm": 0.7573221921920776,
      "learning_rate": 0.0001525866666666667,
      "loss": 1.6237,
      "mean_token_accuracy": 0.5853161156177521,
      "num_tokens": 1275378.0,
      "step": 890
    },
    {
      "entropy": 1.5877676010131836,
      "epoch": 1.2,
      "grad_norm": 0.726969301700592,
      "learning_rate": 0.00015205333333333332,
      "loss": 1.5968,
      "mean_token_accuracy": 0.586136519908905,
      "num_tokens": 1289452.0,
      "step": 900
    },
    {
      "entropy": 1.621052074432373,
      "epoch": 1.2133333333333334,
      "grad_norm": 0.7222169637680054,
      "learning_rate": 0.00015152,
      "loss": 1.5923,
      "mean_token_accuracy": 0.5882635056972504,
      "num_tokens": 1303574.0,
      "step": 910
    },
    {
      "entropy": 1.6104066729545594,
      "epoch": 1.2266666666666666,
      "grad_norm": 0.71150803565979,
      "learning_rate": 0.00015098666666666668,
      "loss": 1.6069,
      "mean_token_accuracy": 0.5818524241447449,
      "num_tokens": 1317990.0,
      "step": 920
    },
    {
      "entropy": 1.6299067378044128,
      "epoch": 1.24,
      "grad_norm": 0.7796948552131653,
      "learning_rate": 0.00015045333333333334,
      "loss": 1.6278,
      "mean_token_accuracy": 0.5779022514820099,
      "num_tokens": 1332231.0,
      "step": 930
    },
    {
      "entropy": 1.640848958492279,
      "epoch": 1.2533333333333334,
      "grad_norm": 0.7690544128417969,
      "learning_rate": 0.00014992000000000003,
      "loss": 1.6586,
      "mean_token_accuracy": 0.5768225789070129,
      "num_tokens": 1346353.0,
      "step": 940
    },
    {
      "entropy": 1.6566609621047974,
      "epoch": 1.2666666666666666,
      "grad_norm": 0.7505296468734741,
      "learning_rate": 0.00014938666666666666,
      "loss": 1.6513,
      "mean_token_accuracy": 0.5779002785682679,
      "num_tokens": 1360484.0,
      "step": 950
    },
    {
      "entropy": 1.630296492576599,
      "epoch": 1.28,
      "grad_norm": 0.6883164048194885,
      "learning_rate": 0.00014885333333333333,
      "loss": 1.6294,
      "mean_token_accuracy": 0.5862487494945526,
      "num_tokens": 1374779.0,
      "step": 960
    },
    {
      "entropy": 1.6024248838424682,
      "epoch": 1.2933333333333334,
      "grad_norm": 0.7196306586265564,
      "learning_rate": 0.00014832000000000002,
      "loss": 1.5981,
      "mean_token_accuracy": 0.5908697605133056,
      "num_tokens": 1388795.0,
      "step": 970
    },
    {
      "entropy": 1.582094705104828,
      "epoch": 1.3066666666666666,
      "grad_norm": 0.7783096432685852,
      "learning_rate": 0.00014778666666666668,
      "loss": 1.6106,
      "mean_token_accuracy": 0.5879612743854523,
      "num_tokens": 1403193.0,
      "step": 980
    },
    {
      "entropy": 1.645870816707611,
      "epoch": 1.32,
      "grad_norm": 0.7696360945701599,
      "learning_rate": 0.00014725333333333334,
      "loss": 1.6356,
      "mean_token_accuracy": 0.578856211900711,
      "num_tokens": 1417479.0,
      "step": 990
    },
    {
      "entropy": 1.6369327068328858,
      "epoch": 1.3333333333333333,
      "grad_norm": 0.7761406898498535,
      "learning_rate": 0.00014672,
      "loss": 1.6175,
      "mean_token_accuracy": 0.5842687666416169,
      "num_tokens": 1431576.0,
      "step": 1000
    },
    {
      "entropy": 1.6226306080818176,
      "epoch": 1.3466666666666667,
      "grad_norm": 0.7547776103019714,
      "learning_rate": 0.00014618666666666667,
      "loss": 1.6172,
      "mean_token_accuracy": 0.5815251469612122,
      "num_tokens": 1446102.0,
      "step": 1010
    },
    {
      "entropy": 1.6198955655097962,
      "epoch": 1.3599999999999999,
      "grad_norm": 0.7692626118659973,
      "learning_rate": 0.00014565333333333333,
      "loss": 1.6022,
      "mean_token_accuracy": 0.5851478815078736,
      "num_tokens": 1460559.0,
      "step": 1020
    },
    {
      "entropy": 1.6360511779785156,
      "epoch": 1.3733333333333333,
      "grad_norm": 0.7356512546539307,
      "learning_rate": 0.00014512000000000002,
      "loss": 1.6665,
      "mean_token_accuracy": 0.5710932374000549,
      "num_tokens": 1474127.0,
      "step": 1030
    },
    {
      "entropy": 1.6403623819351196,
      "epoch": 1.3866666666666667,
      "grad_norm": 0.7629533410072327,
      "learning_rate": 0.00014458666666666668,
      "loss": 1.6187,
      "mean_token_accuracy": 0.5833263874053956,
      "num_tokens": 1488460.0,
      "step": 1040
    },
    {
      "entropy": 1.6373688101768493,
      "epoch": 1.4,
      "grad_norm": 0.7465691566467285,
      "learning_rate": 0.00014405333333333335,
      "loss": 1.6393,
      "mean_token_accuracy": 0.5801452934741974,
      "num_tokens": 1502527.0,
      "step": 1050
    },
    {
      "entropy": 1.6059898138046265,
      "epoch": 1.4133333333333333,
      "grad_norm": 0.7648448348045349,
      "learning_rate": 0.00014352,
      "loss": 1.6234,
      "mean_token_accuracy": 0.5848953366279602,
      "num_tokens": 1517179.0,
      "step": 1060
    },
    {
      "entropy": 1.6081330895423889,
      "epoch": 1.4266666666666667,
      "grad_norm": 0.7271841168403625,
      "learning_rate": 0.00014298666666666667,
      "loss": 1.6111,
      "mean_token_accuracy": 0.5818961441516877,
      "num_tokens": 1531217.0,
      "step": 1070
    },
    {
      "entropy": 1.6149009227752686,
      "epoch": 1.44,
      "grad_norm": 0.7602919936180115,
      "learning_rate": 0.00014245333333333336,
      "loss": 1.6105,
      "mean_token_accuracy": 0.5892933189868927,
      "num_tokens": 1545388.0,
      "step": 1080
    },
    {
      "entropy": 1.6233277559280395,
      "epoch": 1.4533333333333334,
      "grad_norm": 0.7907194495201111,
      "learning_rate": 0.00014192,
      "loss": 1.6208,
      "mean_token_accuracy": 0.5803293466567994,
      "num_tokens": 1559761.0,
      "step": 1090
    },
    {
      "entropy": 1.6400368571281434,
      "epoch": 1.4666666666666668,
      "grad_norm": 0.885079562664032,
      "learning_rate": 0.00014138666666666666,
      "loss": 1.636,
      "mean_token_accuracy": 0.5783513307571411,
      "num_tokens": 1573726.0,
      "step": 1100
    },
    {
      "entropy": 1.6282047271728515,
      "epoch": 1.48,
      "grad_norm": 0.7767795324325562,
      "learning_rate": 0.00014085333333333335,
      "loss": 1.6297,
      "mean_token_accuracy": 0.5802080571651459,
      "num_tokens": 1587669.0,
      "step": 1110
    },
    {
      "entropy": 1.601949942111969,
      "epoch": 1.4933333333333334,
      "grad_norm": 0.7795525193214417,
      "learning_rate": 0.00014032,
      "loss": 1.6048,
      "mean_token_accuracy": 0.5889493882656097,
      "num_tokens": 1602029.0,
      "step": 1120
    },
    {
      "entropy": 1.645953929424286,
      "epoch": 1.5066666666666668,
      "grad_norm": 0.8331775665283203,
      "learning_rate": 0.00013978666666666667,
      "loss": 1.6354,
      "mean_token_accuracy": 0.5802436769008636,
      "num_tokens": 1616319.0,
      "step": 1130
    },
    {
      "entropy": 1.6269161701202393,
      "epoch": 1.52,
      "grad_norm": 0.8028736114501953,
      "learning_rate": 0.00013925333333333334,
      "loss": 1.62,
      "mean_token_accuracy": 0.5843124330043793,
      "num_tokens": 1630892.0,
      "step": 1140
    },
    {
      "entropy": 1.605080258846283,
      "epoch": 1.5333333333333332,
      "grad_norm": 0.7749471664428711,
      "learning_rate": 0.00013872,
      "loss": 1.6045,
      "mean_token_accuracy": 0.5877731800079345,
      "num_tokens": 1645279.0,
      "step": 1150
    },
    {
      "entropy": 1.6540703892707824,
      "epoch": 1.5466666666666666,
      "grad_norm": 0.8123717308044434,
      "learning_rate": 0.00013818666666666666,
      "loss": 1.68,
      "mean_token_accuracy": 0.5777017891407012,
      "num_tokens": 1659598.0,
      "step": 1160
    },
    {
      "entropy": 1.6219762325286866,
      "epoch": 1.56,
      "grad_norm": 0.7976855635643005,
      "learning_rate": 0.00013765333333333335,
      "loss": 1.6218,
      "mean_token_accuracy": 0.5819440305233001,
      "num_tokens": 1673712.0,
      "step": 1170
    },
    {
      "entropy": 1.6105915784835816,
      "epoch": 1.5733333333333333,
      "grad_norm": 0.7372804284095764,
      "learning_rate": 0.00013712000000000002,
      "loss": 1.5914,
      "mean_token_accuracy": 0.5869231700897217,
      "num_tokens": 1687929.0,
      "step": 1180
    },
    {
      "entropy": 1.6036946177482605,
      "epoch": 1.5866666666666667,
      "grad_norm": 0.8347821235656738,
      "learning_rate": 0.00013658666666666665,
      "loss": 1.5892,
      "mean_token_accuracy": 0.5874670445919037,
      "num_tokens": 1702354.0,
      "step": 1190
    },
    {
      "entropy": 1.6106571435928345,
      "epoch": 1.6,
      "grad_norm": 0.7794219851493835,
      "learning_rate": 0.00013605333333333334,
      "loss": 1.6222,
      "mean_token_accuracy": 0.581736969947815,
      "num_tokens": 1716614.0,
      "step": 1200
    },
    {
      "entropy": 1.6166094422340394,
      "epoch": 1.6133333333333333,
      "grad_norm": 0.7475622892379761,
      "learning_rate": 0.00013552,
      "loss": 1.64,
      "mean_token_accuracy": 0.5818658828735351,
      "num_tokens": 1731314.0,
      "step": 1210
    },
    {
      "entropy": 1.5999322414398194,
      "epoch": 1.6266666666666667,
      "grad_norm": 0.7694371938705444,
      "learning_rate": 0.0001349866666666667,
      "loss": 1.5933,
      "mean_token_accuracy": 0.5930391371250152,
      "num_tokens": 1745561.0,
      "step": 1220
    },
    {
      "entropy": 1.6249719500541686,
      "epoch": 1.6400000000000001,
      "grad_norm": 0.8657720685005188,
      "learning_rate": 0.00013445333333333333,
      "loss": 1.607,
      "mean_token_accuracy": 0.584237003326416,
      "num_tokens": 1759390.0,
      "step": 1230
    },
    {
      "entropy": 1.6074962973594666,
      "epoch": 1.6533333333333333,
      "grad_norm": 0.7591989040374756,
      "learning_rate": 0.00013392,
      "loss": 1.6062,
      "mean_token_accuracy": 0.5843867778778076,
      "num_tokens": 1773830.0,
      "step": 1240
    },
    {
      "entropy": 1.5924188375473023,
      "epoch": 1.6666666666666665,
      "grad_norm": 0.7454883456230164,
      "learning_rate": 0.00013338666666666668,
      "loss": 1.5763,
      "mean_token_accuracy": 0.5892716884613037,
      "num_tokens": 1788240.0,
      "step": 1250
    },
    {
      "entropy": 1.5488623142242433,
      "epoch": 1.6800000000000002,
      "grad_norm": 0.7816988229751587,
      "learning_rate": 0.00013285333333333334,
      "loss": 1.5701,
      "mean_token_accuracy": 0.5965048789978027,
      "num_tokens": 1802785.0,
      "step": 1260
    },
    {
      "entropy": 1.6266264081001283,
      "epoch": 1.6933333333333334,
      "grad_norm": 0.8586941361427307,
      "learning_rate": 0.00013232,
      "loss": 1.6321,
      "mean_token_accuracy": 0.5797922134399414,
      "num_tokens": 1816998.0,
      "step": 1270
    },
    {
      "entropy": 1.5411754608154298,
      "epoch": 1.7066666666666666,
      "grad_norm": 0.7459612488746643,
      "learning_rate": 0.00013178666666666667,
      "loss": 1.5042,
      "mean_token_accuracy": 0.605999493598938,
      "num_tokens": 1831206.0,
      "step": 1280
    },
    {
      "entropy": 1.5982468724250793,
      "epoch": 1.72,
      "grad_norm": 0.870665967464447,
      "learning_rate": 0.00013125333333333333,
      "loss": 1.6334,
      "mean_token_accuracy": 0.5830047309398652,
      "num_tokens": 1845184.0,
      "step": 1290
    },
    {
      "entropy": 1.6464913845062257,
      "epoch": 1.7333333333333334,
      "grad_norm": 0.7105476260185242,
      "learning_rate": 0.00013072,
      "loss": 1.6243,
      "mean_token_accuracy": 0.5817919194698333,
      "num_tokens": 1859534.0,
      "step": 1300
    },
    {
      "entropy": 1.630496096611023,
      "epoch": 1.7466666666666666,
      "grad_norm": 0.7204705476760864,
      "learning_rate": 0.00013018666666666669,
      "loss": 1.642,
      "mean_token_accuracy": 0.5803155720233917,
      "num_tokens": 1874146.0,
      "step": 1310
    },
    {
      "entropy": 1.6060070395469666,
      "epoch": 1.76,
      "grad_norm": 0.753718912601471,
      "learning_rate": 0.00012965333333333335,
      "loss": 1.6104,
      "mean_token_accuracy": 0.5942363500595093,
      "num_tokens": 1888076.0,
      "step": 1320
    },
    {
      "entropy": 1.5962331891059875,
      "epoch": 1.7733333333333334,
      "grad_norm": 0.7588234543800354,
      "learning_rate": 0.00012911999999999998,
      "loss": 1.5948,
      "mean_token_accuracy": 0.5896466076374054,
      "num_tokens": 1902536.0,
      "step": 1330
    },
    {
      "entropy": 1.58995623588562,
      "epoch": 1.7866666666666666,
      "grad_norm": 0.6991354823112488,
      "learning_rate": 0.00012858666666666667,
      "loss": 1.6086,
      "mean_token_accuracy": 0.5877136707305908,
      "num_tokens": 1917070.0,
      "step": 1340
    },
    {
      "entropy": 1.590635347366333,
      "epoch": 1.8,
      "grad_norm": 0.7136776447296143,
      "learning_rate": 0.00012805333333333334,
      "loss": 1.5808,
      "mean_token_accuracy": 0.5926080405712127,
      "num_tokens": 1931650.0,
      "step": 1350
    },
    {
      "entropy": 1.6412133812904357,
      "epoch": 1.8133333333333335,
      "grad_norm": 0.808604896068573,
      "learning_rate": 0.00012752,
      "loss": 1.6438,
      "mean_token_accuracy": 0.5795077741146087,
      "num_tokens": 1945527.0,
      "step": 1360
    },
    {
      "entropy": 1.6124160170555115,
      "epoch": 1.8266666666666667,
      "grad_norm": 0.801104724407196,
      "learning_rate": 0.0001269866666666667,
      "loss": 1.6018,
      "mean_token_accuracy": 0.58566255569458,
      "num_tokens": 1959696.0,
      "step": 1370
    },
    {
      "entropy": 1.6068571090698243,
      "epoch": 1.8399999999999999,
      "grad_norm": 0.7318655848503113,
      "learning_rate": 0.00012645333333333332,
      "loss": 1.5978,
      "mean_token_accuracy": 0.5856489419937134,
      "num_tokens": 1974414.0,
      "step": 1380
    },
    {
      "entropy": 1.633586871623993,
      "epoch": 1.8533333333333335,
      "grad_norm": 0.7998054623603821,
      "learning_rate": 0.00012592000000000001,
      "loss": 1.643,
      "mean_token_accuracy": 0.5775534093379975,
      "num_tokens": 1988428.0,
      "step": 1390
    },
    {
      "entropy": 1.616657567024231,
      "epoch": 1.8666666666666667,
      "grad_norm": 0.7818200588226318,
      "learning_rate": 0.00012538666666666668,
      "loss": 1.6263,
      "mean_token_accuracy": 0.5841812074184418,
      "num_tokens": 2002940.0,
      "step": 1400
    },
    {
      "entropy": 1.606257176399231,
      "epoch": 1.88,
      "grad_norm": 0.791130542755127,
      "learning_rate": 0.00012485333333333334,
      "loss": 1.6072,
      "mean_token_accuracy": 0.5823240101337432,
      "num_tokens": 2017136.0,
      "step": 1410
    },
    {
      "entropy": 1.5826048731803894,
      "epoch": 1.8933333333333333,
      "grad_norm": 0.7947362065315247,
      "learning_rate": 0.00012432,
      "loss": 1.576,
      "mean_token_accuracy": 0.5913291692733764,
      "num_tokens": 2031535.0,
      "step": 1420
    },
    {
      "entropy": 1.602376353740692,
      "epoch": 1.9066666666666667,
      "grad_norm": 0.8083633184432983,
      "learning_rate": 0.00012378666666666667,
      "loss": 1.6007,
      "mean_token_accuracy": 0.5866346061229706,
      "num_tokens": 2045760.0,
      "step": 1430
    },
    {
      "entropy": 1.582177996635437,
      "epoch": 1.92,
      "grad_norm": 0.8095344305038452,
      "learning_rate": 0.00012325333333333333,
      "loss": 1.6136,
      "mean_token_accuracy": 0.5853443145751953,
      "num_tokens": 2060266.0,
      "step": 1440
    },
    {
      "entropy": 1.6533708095550537,
      "epoch": 1.9333333333333333,
      "grad_norm": 0.7946311235427856,
      "learning_rate": 0.00012272000000000002,
      "loss": 1.6718,
      "mean_token_accuracy": 0.5766183912754059,
      "num_tokens": 2074455.0,
      "step": 1450
    },
    {
      "entropy": 1.6250546097755432,
      "epoch": 1.9466666666666668,
      "grad_norm": 0.7304287552833557,
      "learning_rate": 0.00012218666666666668,
      "loss": 1.6092,
      "mean_token_accuracy": 0.585831755399704,
      "num_tokens": 2089106.0,
      "step": 1460
    },
    {
      "entropy": 1.5917622566223144,
      "epoch": 1.96,
      "grad_norm": 0.7634790539741516,
      "learning_rate": 0.00012165333333333333,
      "loss": 1.5798,
      "mean_token_accuracy": 0.5906044125556946,
      "num_tokens": 2103095.0,
      "step": 1470
    },
    {
      "entropy": 1.5722275495529174,
      "epoch": 1.9733333333333334,
      "grad_norm": 0.7202575206756592,
      "learning_rate": 0.00012112,
      "loss": 1.5641,
      "mean_token_accuracy": 0.5980747759342193,
      "num_tokens": 2117688.0,
      "step": 1480
    },
    {
      "entropy": 1.5911229491233825,
      "epoch": 1.9866666666666668,
      "grad_norm": 0.8743401765823364,
      "learning_rate": 0.00012058666666666667,
      "loss": 1.5924,
      "mean_token_accuracy": 0.590107125043869,
      "num_tokens": 2132364.0,
      "step": 1490
    },
    {
      "entropy": 1.6268518090248107,
      "epoch": 2.0,
      "grad_norm": 0.7789967060089111,
      "learning_rate": 0.00012005333333333333,
      "loss": 1.6187,
      "mean_token_accuracy": 0.5850143015384675,
      "num_tokens": 2146874.0,
      "step": 1500
    }
  ],
  "logging_steps": 10,
  "max_steps": 3750,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 5,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 1453416596407296.0,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}