{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0,
  "eval_steps": 500,
  "global_step": 375,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.0026666666666666666,
      "grad_norm": 2.349364757537842,
      "learning_rate": 0.0,
      "loss": 0.6966,
      "step": 1
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 1.8099002838134766,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.4864,
      "step": 2
    },
    {
      "epoch": 0.008,
      "grad_norm": 1.813612699508667,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.5757,
      "step": 3
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 2.359508514404297,
      "learning_rate": 6e-06,
      "loss": 0.7445,
      "step": 4
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 2.040201187133789,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.6657,
      "step": 5
    },
    {
      "epoch": 0.016,
      "grad_norm": 1.9664968252182007,
      "learning_rate": 1e-05,
      "loss": 0.499,
      "step": 6
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 2.087362766265869,
      "learning_rate": 9.972972972972975e-06,
      "loss": 0.6908,
      "step": 7
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 2.1935946941375732,
      "learning_rate": 9.945945945945947e-06,
      "loss": 0.7528,
      "step": 8
    },
    {
      "epoch": 0.024,
      "grad_norm": 1.7882803678512573,
      "learning_rate": 9.91891891891892e-06,
      "loss": 0.475,
      "step": 9
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 1.2284204959869385,
      "learning_rate": 9.891891891891893e-06,
      "loss": 0.3962,
      "step": 10
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 1.4282846450805664,
      "learning_rate": 9.864864864864865e-06,
      "loss": 0.5245,
      "step": 11
    },
    {
      "epoch": 0.032,
      "grad_norm": 1.005781888961792,
      "learning_rate": 9.83783783783784e-06,
      "loss": 0.2823,
      "step": 12
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 0.7520815134048462,
      "learning_rate": 9.810810810810811e-06,
      "loss": 0.3328,
      "step": 13
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 1.057224988937378,
      "learning_rate": 9.783783783783785e-06,
      "loss": 0.4501,
      "step": 14
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.597172200679779,
      "learning_rate": 9.756756756756758e-06,
      "loss": 0.2223,
      "step": 15
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 0.8211422562599182,
      "learning_rate": 9.729729729729732e-06,
      "loss": 0.3866,
      "step": 16
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 0.7753649353981018,
      "learning_rate": 9.702702702702704e-06,
      "loss": 0.3029,
      "step": 17
    },
    {
      "epoch": 0.048,
      "grad_norm": 0.7768883109092712,
      "learning_rate": 9.675675675675676e-06,
      "loss": 0.4714,
      "step": 18
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 0.7835246920585632,
      "learning_rate": 9.64864864864865e-06,
      "loss": 0.5571,
      "step": 19
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 0.6951777935028076,
      "learning_rate": 9.621621621621622e-06,
      "loss": 0.3759,
      "step": 20
    },
    {
      "epoch": 0.056,
      "grad_norm": 0.8109151124954224,
      "learning_rate": 9.594594594594594e-06,
      "loss": 0.4476,
      "step": 21
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 0.6547451019287109,
      "learning_rate": 9.567567567567568e-06,
      "loss": 0.3757,
      "step": 22
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 0.6437526941299438,
      "learning_rate": 9.540540540540542e-06,
      "loss": 0.3431,
      "step": 23
    },
    {
      "epoch": 0.064,
      "grad_norm": 0.6728568077087402,
      "learning_rate": 9.513513513513514e-06,
      "loss": 0.466,
      "step": 24
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.6100870370864868,
      "learning_rate": 9.486486486486487e-06,
      "loss": 0.4221,
      "step": 25
    },
    {
      "epoch": 0.06933333333333333,
      "grad_norm": 0.6778178811073303,
      "learning_rate": 9.45945945945946e-06,
      "loss": 0.484,
      "step": 26
    },
    {
      "epoch": 0.072,
      "grad_norm": 0.6764793395996094,
      "learning_rate": 9.432432432432433e-06,
      "loss": 0.4138,
      "step": 27
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 0.7613428235054016,
      "learning_rate": 9.405405405405407e-06,
      "loss": 0.5053,
      "step": 28
    },
    {
      "epoch": 0.07733333333333334,
      "grad_norm": 0.6689445376396179,
      "learning_rate": 9.378378378378379e-06,
      "loss": 0.4164,
      "step": 29
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.7818832397460938,
      "learning_rate": 9.351351351351353e-06,
      "loss": 0.5437,
      "step": 30
    },
    {
      "epoch": 0.08266666666666667,
      "grad_norm": 0.5901278853416443,
      "learning_rate": 9.324324324324325e-06,
      "loss": 0.3034,
      "step": 31
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 0.4287962317466736,
      "learning_rate": 9.297297297297299e-06,
      "loss": 0.2389,
      "step": 32
    },
    {
      "epoch": 0.088,
      "grad_norm": 0.4909898638725281,
      "learning_rate": 9.270270270270271e-06,
      "loss": 0.2772,
      "step": 33
    },
    {
      "epoch": 0.09066666666666667,
      "grad_norm": 0.5008768439292908,
      "learning_rate": 9.243243243243243e-06,
      "loss": 0.2873,
      "step": 34
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 0.5145349502563477,
      "learning_rate": 9.216216216216217e-06,
      "loss": 0.2783,
      "step": 35
    },
    {
      "epoch": 0.096,
      "grad_norm": 0.4365852475166321,
      "learning_rate": 9.189189189189191e-06,
      "loss": 0.2329,
      "step": 36
    },
    {
      "epoch": 0.09866666666666667,
      "grad_norm": 0.5119919180870056,
      "learning_rate": 9.162162162162162e-06,
      "loss": 0.2841,
      "step": 37
    },
    {
      "epoch": 0.10133333333333333,
      "grad_norm": 0.3893379271030426,
      "learning_rate": 9.135135135135136e-06,
      "loss": 0.2013,
      "step": 38
    },
    {
      "epoch": 0.104,
      "grad_norm": 0.5533134937286377,
      "learning_rate": 9.10810810810811e-06,
      "loss": 0.3799,
      "step": 39
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 0.4959859848022461,
      "learning_rate": 9.081081081081082e-06,
      "loss": 0.2687,
      "step": 40
    },
    {
      "epoch": 0.10933333333333334,
      "grad_norm": 0.5956438183784485,
      "learning_rate": 9.054054054054054e-06,
      "loss": 0.3952,
      "step": 41
    },
    {
      "epoch": 0.112,
      "grad_norm": 0.5912706255912781,
      "learning_rate": 9.027027027027028e-06,
      "loss": 0.2899,
      "step": 42
    },
    {
      "epoch": 0.11466666666666667,
      "grad_norm": 0.5408041477203369,
      "learning_rate": 9e-06,
      "loss": 0.2662,
      "step": 43
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 0.4275360405445099,
      "learning_rate": 8.972972972972974e-06,
      "loss": 0.2535,
      "step": 44
    },
    {
      "epoch": 0.12,
      "grad_norm": 0.6044434309005737,
      "learning_rate": 8.945945945945946e-06,
      "loss": 0.4174,
      "step": 45
    },
    {
      "epoch": 0.12266666666666666,
      "grad_norm": 0.5225914120674133,
      "learning_rate": 8.91891891891892e-06,
      "loss": 0.2978,
      "step": 46
    },
    {
      "epoch": 0.12533333333333332,
      "grad_norm": 0.6490138173103333,
      "learning_rate": 8.891891891891893e-06,
      "loss": 0.4117,
      "step": 47
    },
    {
      "epoch": 0.128,
      "grad_norm": 0.5214022994041443,
      "learning_rate": 8.864864864864866e-06,
      "loss": 0.3635,
      "step": 48
    },
    {
      "epoch": 0.13066666666666665,
      "grad_norm": 0.6463762521743774,
      "learning_rate": 8.837837837837839e-06,
      "loss": 0.4775,
      "step": 49
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.5683779716491699,
      "learning_rate": 8.810810810810811e-06,
      "loss": 0.3273,
      "step": 50
    },
    {
      "epoch": 0.136,
      "grad_norm": 0.4397455155849457,
      "learning_rate": 8.783783783783785e-06,
      "loss": 0.2176,
      "step": 51
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 0.5981729030609131,
      "learning_rate": 8.756756756756759e-06,
      "loss": 0.4054,
      "step": 52
    },
    {
      "epoch": 0.14133333333333334,
      "grad_norm": 0.5071780681610107,
      "learning_rate": 8.72972972972973e-06,
      "loss": 0.3254,
      "step": 53
    },
    {
      "epoch": 0.144,
      "grad_norm": 0.54432612657547,
      "learning_rate": 8.702702702702703e-06,
      "loss": 0.2979,
      "step": 54
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 0.5725446343421936,
      "learning_rate": 8.675675675675677e-06,
      "loss": 0.3369,
      "step": 55
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 0.5385180115699768,
      "learning_rate": 8.64864864864865e-06,
      "loss": 0.3692,
      "step": 56
    },
    {
      "epoch": 0.152,
      "grad_norm": 0.7511543035507202,
      "learning_rate": 8.621621621621622e-06,
      "loss": 0.4825,
      "step": 57
    },
    {
      "epoch": 0.15466666666666667,
      "grad_norm": 0.5903417468070984,
      "learning_rate": 8.594594594594595e-06,
      "loss": 0.3089,
      "step": 58
    },
    {
      "epoch": 0.15733333333333333,
      "grad_norm": 0.5010316967964172,
      "learning_rate": 8.567567567567568e-06,
      "loss": 0.3725,
      "step": 59
    },
    {
      "epoch": 0.16,
      "grad_norm": 0.37718576192855835,
      "learning_rate": 8.540540540540542e-06,
      "loss": 0.2228,
      "step": 60
    },
    {
      "epoch": 0.16266666666666665,
      "grad_norm": 0.49499794840812683,
      "learning_rate": 8.513513513513514e-06,
      "loss": 0.3196,
      "step": 61
    },
    {
      "epoch": 0.16533333333333333,
      "grad_norm": 0.5828828811645508,
      "learning_rate": 8.486486486486488e-06,
      "loss": 0.2497,
      "step": 62
    },
    {
      "epoch": 0.168,
      "grad_norm": 0.5905996561050415,
      "learning_rate": 8.45945945945946e-06,
      "loss": 0.2783,
      "step": 63
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 0.39871904253959656,
      "learning_rate": 8.432432432432434e-06,
      "loss": 0.1738,
      "step": 64
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 0.470522403717041,
      "learning_rate": 8.405405405405406e-06,
      "loss": 0.2573,
      "step": 65
    },
    {
      "epoch": 0.176,
      "grad_norm": 0.6174308657646179,
      "learning_rate": 8.378378378378378e-06,
      "loss": 0.342,
      "step": 66
    },
    {
      "epoch": 0.17866666666666667,
      "grad_norm": 0.5220662355422974,
      "learning_rate": 8.351351351351352e-06,
      "loss": 0.2429,
      "step": 67
    },
    {
      "epoch": 0.18133333333333335,
      "grad_norm": 0.6028367877006531,
      "learning_rate": 8.324324324324326e-06,
      "loss": 0.2888,
      "step": 68
    },
    {
      "epoch": 0.184,
      "grad_norm": 0.5400264263153076,
      "learning_rate": 8.297297297297298e-06,
      "loss": 0.2878,
      "step": 69
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 0.5911648869514465,
      "learning_rate": 8.27027027027027e-06,
      "loss": 0.3831,
      "step": 70
    },
    {
      "epoch": 0.18933333333333333,
      "grad_norm": 0.4361923336982727,
      "learning_rate": 8.243243243243245e-06,
      "loss": 0.2116,
      "step": 71
    },
    {
      "epoch": 0.192,
      "grad_norm": 0.41404086351394653,
      "learning_rate": 8.216216216216217e-06,
      "loss": 0.1886,
      "step": 72
    },
    {
      "epoch": 0.19466666666666665,
      "grad_norm": 0.4910792112350464,
      "learning_rate": 8.189189189189189e-06,
      "loss": 0.2496,
      "step": 73
    },
    {
      "epoch": 0.19733333333333333,
      "grad_norm": 0.5149824023246765,
      "learning_rate": 8.162162162162163e-06,
      "loss": 0.3273,
      "step": 74
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.5365391373634338,
      "learning_rate": 8.135135135135137e-06,
      "loss": 0.313,
      "step": 75
    },
    {
      "epoch": 0.20266666666666666,
      "grad_norm": 0.5485293865203857,
      "learning_rate": 8.108108108108109e-06,
      "loss": 0.2559,
      "step": 76
    },
    {
      "epoch": 0.20533333333333334,
      "grad_norm": 0.39662954211235046,
      "learning_rate": 8.081081081081081e-06,
      "loss": 0.1648,
      "step": 77
    },
    {
      "epoch": 0.208,
      "grad_norm": 0.5556018948554993,
      "learning_rate": 8.054054054054055e-06,
      "loss": 0.3224,
      "step": 78
    },
    {
      "epoch": 0.21066666666666667,
      "grad_norm": 0.5207178592681885,
      "learning_rate": 8.027027027027027e-06,
      "loss": 0.2733,
      "step": 79
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 0.5422245860099792,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.2731,
      "step": 80
    },
    {
      "epoch": 0.216,
      "grad_norm": 0.6020254492759705,
      "learning_rate": 7.972972972972974e-06,
      "loss": 0.3291,
      "step": 81
    },
    {
      "epoch": 0.21866666666666668,
      "grad_norm": 0.510556161403656,
      "learning_rate": 7.945945945945946e-06,
      "loss": 0.3122,
      "step": 82
    },
    {
      "epoch": 0.22133333333333333,
      "grad_norm": 0.5216572284698486,
      "learning_rate": 7.91891891891892e-06,
      "loss": 0.2718,
      "step": 83
    },
    {
      "epoch": 0.224,
      "grad_norm": 0.5793107748031616,
      "learning_rate": 7.891891891891894e-06,
      "loss": 0.3601,
      "step": 84
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 0.7079103589057922,
      "learning_rate": 7.864864864864866e-06,
      "loss": 0.2991,
      "step": 85
    },
    {
      "epoch": 0.22933333333333333,
      "grad_norm": 0.627353310585022,
      "learning_rate": 7.837837837837838e-06,
      "loss": 0.363,
      "step": 86
    },
    {
      "epoch": 0.232,
      "grad_norm": 0.4974835216999054,
      "learning_rate": 7.810810810810812e-06,
      "loss": 0.2337,
      "step": 87
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 0.5374085307121277,
      "learning_rate": 7.783783783783784e-06,
      "loss": 0.2978,
      "step": 88
    },
    {
      "epoch": 0.23733333333333334,
      "grad_norm": 0.7245435118675232,
      "learning_rate": 7.756756756756756e-06,
      "loss": 0.4225,
      "step": 89
    },
    {
      "epoch": 0.24,
      "grad_norm": 0.49293333292007446,
      "learning_rate": 7.72972972972973e-06,
      "loss": 0.318,
      "step": 90
    },
    {
      "epoch": 0.24266666666666667,
      "grad_norm": 0.4666169285774231,
      "learning_rate": 7.702702702702704e-06,
      "loss": 0.2307,
      "step": 91
    },
    {
      "epoch": 0.24533333333333332,
      "grad_norm": 0.6486378908157349,
      "learning_rate": 7.675675675675676e-06,
      "loss": 0.3168,
      "step": 92
    },
    {
      "epoch": 0.248,
      "grad_norm": 0.557373046875,
      "learning_rate": 7.648648648648649e-06,
      "loss": 0.3886,
      "step": 93
    },
    {
      "epoch": 0.25066666666666665,
      "grad_norm": 0.31600716710090637,
      "learning_rate": 7.621621621621622e-06,
      "loss": 0.136,
      "step": 94
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 0.5103815197944641,
      "learning_rate": 7.594594594594596e-06,
      "loss": 0.2577,
      "step": 95
    },
    {
      "epoch": 0.256,
      "grad_norm": 0.5573956370353699,
      "learning_rate": 7.567567567567569e-06,
      "loss": 0.3799,
      "step": 96
    },
    {
      "epoch": 0.25866666666666666,
      "grad_norm": 0.5987105369567871,
      "learning_rate": 7.540540540540541e-06,
      "loss": 0.29,
      "step": 97
    },
    {
      "epoch": 0.2613333333333333,
      "grad_norm": 0.5368720889091492,
      "learning_rate": 7.513513513513514e-06,
      "loss": 0.2276,
      "step": 98
    },
    {
      "epoch": 0.264,
      "grad_norm": 0.5551974773406982,
      "learning_rate": 7.486486486486487e-06,
      "loss": 0.2039,
      "step": 99
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.561206042766571,
      "learning_rate": 7.45945945945946e-06,
      "loss": 0.2823,
      "step": 100
    },
    {
      "epoch": 0.2693333333333333,
      "grad_norm": 0.7044406533241272,
      "learning_rate": 7.4324324324324324e-06,
      "loss": 0.3381,
      "step": 101
    },
    {
      "epoch": 0.272,
      "grad_norm": 0.524254560470581,
      "learning_rate": 7.4054054054054055e-06,
      "loss": 0.2603,
      "step": 102
    },
    {
      "epoch": 0.27466666666666667,
      "grad_norm": 0.6589097380638123,
      "learning_rate": 7.3783783783783794e-06,
      "loss": 0.309,
      "step": 103
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 0.573882520198822,
      "learning_rate": 7.3513513513513525e-06,
      "loss": 0.2822,
      "step": 104
    },
    {
      "epoch": 0.28,
      "grad_norm": 0.42261308431625366,
      "learning_rate": 7.324324324324325e-06,
      "loss": 0.1811,
      "step": 105
    },
    {
      "epoch": 0.2826666666666667,
      "grad_norm": 0.4709929823875427,
      "learning_rate": 7.297297297297298e-06,
      "loss": 0.2046,
      "step": 106
    },
    {
      "epoch": 0.2853333333333333,
      "grad_norm": 0.4968406558036804,
      "learning_rate": 7.270270270270271e-06,
      "loss": 0.2647,
      "step": 107
    },
    {
      "epoch": 0.288,
      "grad_norm": 0.5129273533821106,
      "learning_rate": 7.243243243243244e-06,
      "loss": 0.2527,
      "step": 108
    },
    {
      "epoch": 0.2906666666666667,
      "grad_norm": 0.8010430335998535,
      "learning_rate": 7.216216216216216e-06,
      "loss": 0.4648,
      "step": 109
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 0.49024179577827454,
      "learning_rate": 7.189189189189189e-06,
      "loss": 0.2145,
      "step": 110
    },
    {
      "epoch": 0.296,
      "grad_norm": 0.5031533241271973,
      "learning_rate": 7.162162162162163e-06,
      "loss": 0.2215,
      "step": 111
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 0.6098738312721252,
      "learning_rate": 7.135135135135136e-06,
      "loss": 0.3504,
      "step": 112
    },
    {
      "epoch": 0.30133333333333334,
      "grad_norm": 0.5219219923019409,
      "learning_rate": 7.1081081081081085e-06,
      "loss": 0.2656,
      "step": 113
    },
    {
      "epoch": 0.304,
      "grad_norm": 0.5988546013832092,
      "learning_rate": 7.0810810810810815e-06,
      "loss": 0.2919,
      "step": 114
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 0.4614817500114441,
      "learning_rate": 7.054054054054055e-06,
      "loss": 0.1897,
      "step": 115
    },
    {
      "epoch": 0.30933333333333335,
      "grad_norm": 0.3307662010192871,
      "learning_rate": 7.027027027027028e-06,
      "loss": 0.128,
      "step": 116
    },
    {
      "epoch": 0.312,
      "grad_norm": 0.6957585215568542,
      "learning_rate": 7e-06,
      "loss": 0.2999,
      "step": 117
    },
    {
      "epoch": 0.31466666666666665,
      "grad_norm": 0.5824124813079834,
      "learning_rate": 6.972972972972973e-06,
      "loss": 0.2852,
      "step": 118
    },
    {
      "epoch": 0.31733333333333336,
      "grad_norm": 0.44867533445358276,
      "learning_rate": 6.945945945945947e-06,
      "loss": 0.2388,
      "step": 119
    },
    {
      "epoch": 0.32,
      "grad_norm": 0.5107901096343994,
      "learning_rate": 6.91891891891892e-06,
      "loss": 0.276,
      "step": 120
    },
    {
      "epoch": 0.32266666666666666,
      "grad_norm": 0.888084352016449,
      "learning_rate": 6.891891891891892e-06,
      "loss": 0.5399,
      "step": 121
    },
    {
      "epoch": 0.3253333333333333,
      "grad_norm": 0.49910852313041687,
      "learning_rate": 6.864864864864865e-06,
      "loss": 0.2525,
      "step": 122
    },
    {
      "epoch": 0.328,
      "grad_norm": 0.5774998664855957,
      "learning_rate": 6.837837837837838e-06,
      "loss": 0.2629,
      "step": 123
    },
    {
      "epoch": 0.33066666666666666,
      "grad_norm": 0.6988117098808289,
      "learning_rate": 6.810810810810811e-06,
      "loss": 0.3377,
      "step": 124
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.5428954362869263,
      "learning_rate": 6.783783783783784e-06,
      "loss": 0.2095,
      "step": 125
    },
    {
      "epoch": 0.336,
      "grad_norm": 0.5921251177787781,
      "learning_rate": 6.7567567567567575e-06,
      "loss": 0.2475,
      "step": 126
    },
    {
      "epoch": 0.33866666666666667,
      "grad_norm": 0.6879993677139282,
      "learning_rate": 6.729729729729731e-06,
      "loss": 0.3788,
      "step": 127
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 0.615079402923584,
      "learning_rate": 6.702702702702704e-06,
      "loss": 0.3857,
      "step": 128
    },
    {
      "epoch": 0.344,
      "grad_norm": 0.581965446472168,
      "learning_rate": 6.675675675675676e-06,
      "loss": 0.304,
      "step": 129
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 0.6212775111198425,
      "learning_rate": 6.648648648648649e-06,
      "loss": 0.3093,
      "step": 130
    },
    {
      "epoch": 0.34933333333333333,
      "grad_norm": 0.6160368919372559,
      "learning_rate": 6.621621621621622e-06,
      "loss": 0.3215,
      "step": 131
    },
    {
      "epoch": 0.352,
      "grad_norm": 0.48606330156326294,
      "learning_rate": 6.594594594594595e-06,
      "loss": 0.2268,
      "step": 132
    },
    {
      "epoch": 0.3546666666666667,
      "grad_norm": 0.45114076137542725,
      "learning_rate": 6.567567567567567e-06,
      "loss": 0.178,
      "step": 133
    },
    {
      "epoch": 0.35733333333333334,
      "grad_norm": 0.6108273863792419,
      "learning_rate": 6.540540540540541e-06,
      "loss": 0.2883,
      "step": 134
    },
    {
      "epoch": 0.36,
      "grad_norm": 0.5480997562408447,
      "learning_rate": 6.513513513513514e-06,
      "loss": 0.2401,
      "step": 135
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 0.4854098856449127,
      "learning_rate": 6.486486486486487e-06,
      "loss": 0.2149,
      "step": 136
    },
    {
      "epoch": 0.36533333333333334,
      "grad_norm": 0.6904708743095398,
      "learning_rate": 6.45945945945946e-06,
      "loss": 0.3655,
      "step": 137
    },
    {
      "epoch": 0.368,
      "grad_norm": 0.6481048464775085,
      "learning_rate": 6.432432432432433e-06,
      "loss": 0.3327,
      "step": 138
    },
    {
      "epoch": 0.37066666666666664,
      "grad_norm": 0.5395920276641846,
      "learning_rate": 6.405405405405406e-06,
      "loss": 0.2599,
      "step": 139
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 0.5230371952056885,
      "learning_rate": 6.378378378378379e-06,
      "loss": 0.3083,
      "step": 140
    },
    {
      "epoch": 0.376,
      "grad_norm": 0.6373140811920166,
      "learning_rate": 6.351351351351351e-06,
      "loss": 0.3372,
      "step": 141
    },
    {
      "epoch": 0.37866666666666665,
      "grad_norm": 0.5276511311531067,
      "learning_rate": 6.324324324324325e-06,
      "loss": 0.3091,
      "step": 142
    },
    {
      "epoch": 0.38133333333333336,
      "grad_norm": 0.5942245125770569,
      "learning_rate": 6.297297297297298e-06,
      "loss": 0.2172,
      "step": 143
    },
    {
      "epoch": 0.384,
      "grad_norm": 0.5613272190093994,
      "learning_rate": 6.270270270270271e-06,
      "loss": 0.2374,
      "step": 144
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 0.6048488020896912,
      "learning_rate": 6.243243243243243e-06,
      "loss": 0.2926,
      "step": 145
    },
    {
      "epoch": 0.3893333333333333,
      "grad_norm": 0.3699745833873749,
      "learning_rate": 6.2162162162162164e-06,
      "loss": 0.1542,
      "step": 146
    },
    {
      "epoch": 0.392,
      "grad_norm": 0.33949539065361023,
      "learning_rate": 6.1891891891891895e-06,
      "loss": 0.0887,
      "step": 147
    },
    {
      "epoch": 0.39466666666666667,
      "grad_norm": 0.6003938317298889,
      "learning_rate": 6.162162162162163e-06,
      "loss": 0.308,
      "step": 148
    },
    {
      "epoch": 0.3973333333333333,
      "grad_norm": 0.5109735131263733,
      "learning_rate": 6.135135135135135e-06,
      "loss": 0.2477,
      "step": 149
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.6540595293045044,
      "learning_rate": 6.108108108108109e-06,
      "loss": 0.3163,
      "step": 150
    },
    {
      "epoch": 0.4026666666666667,
      "grad_norm": 0.45545297861099243,
      "learning_rate": 6.081081081081082e-06,
      "loss": 0.1538,
      "step": 151
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 0.512298583984375,
      "learning_rate": 6.054054054054055e-06,
      "loss": 0.2082,
      "step": 152
    },
    {
      "epoch": 0.408,
      "grad_norm": 0.3752361238002777,
      "learning_rate": 6.027027027027027e-06,
      "loss": 0.1594,
      "step": 153
    },
    {
      "epoch": 0.4106666666666667,
      "grad_norm": 0.6579528450965881,
      "learning_rate": 6e-06,
      "loss": 0.2427,
      "step": 154
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 0.587184488773346,
      "learning_rate": 5.972972972972973e-06,
      "loss": 0.2534,
      "step": 155
    },
    {
      "epoch": 0.416,
      "grad_norm": 0.5901755094528198,
      "learning_rate": 5.945945945945947e-06,
      "loss": 0.2779,
      "step": 156
    },
    {
      "epoch": 0.4186666666666667,
      "grad_norm": 0.6256855130195618,
      "learning_rate": 5.9189189189189185e-06,
      "loss": 0.2884,
      "step": 157
    },
    {
      "epoch": 0.42133333333333334,
      "grad_norm": 0.6562607288360596,
      "learning_rate": 5.8918918918918924e-06,
      "loss": 0.3314,
      "step": 158
    },
    {
      "epoch": 0.424,
      "grad_norm": 0.5446435213088989,
      "learning_rate": 5.8648648648648655e-06,
      "loss": 0.2397,
      "step": 159
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.6815260052680969,
      "learning_rate": 5.837837837837839e-06,
      "loss": 0.3298,
      "step": 160
    },
    {
      "epoch": 0.42933333333333334,
      "grad_norm": 0.6749165654182434,
      "learning_rate": 5.810810810810811e-06,
      "loss": 0.3326,
      "step": 161
    },
    {
      "epoch": 0.432,
      "grad_norm": 0.45457959175109863,
      "learning_rate": 5.783783783783784e-06,
      "loss": 0.1805,
      "step": 162
    },
    {
      "epoch": 0.43466666666666665,
      "grad_norm": 0.6294534206390381,
      "learning_rate": 5.756756756756757e-06,
      "loss": 0.3792,
      "step": 163
    },
    {
      "epoch": 0.43733333333333335,
      "grad_norm": 0.489625483751297,
      "learning_rate": 5.729729729729731e-06,
      "loss": 0.2318,
      "step": 164
    },
    {
      "epoch": 0.44,
      "grad_norm": 0.6230562925338745,
      "learning_rate": 5.702702702702702e-06,
      "loss": 0.2365,
      "step": 165
    },
    {
      "epoch": 0.44266666666666665,
      "grad_norm": 0.5184881687164307,
      "learning_rate": 5.675675675675676e-06,
      "loss": 0.2188,
      "step": 166
    },
    {
      "epoch": 0.44533333333333336,
      "grad_norm": 0.5303902626037598,
      "learning_rate": 5.648648648648649e-06,
      "loss": 0.2228,
      "step": 167
    },
    {
      "epoch": 0.448,
      "grad_norm": 0.7010183930397034,
      "learning_rate": 5.621621621621622e-06,
      "loss": 0.266,
      "step": 168
    },
    {
      "epoch": 0.45066666666666666,
      "grad_norm": 0.7281489372253418,
      "learning_rate": 5.5945945945945945e-06,
      "loss": 0.3161,
      "step": 169
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 0.554162323474884,
      "learning_rate": 5.567567567567568e-06,
      "loss": 0.1918,
      "step": 170
    },
    {
      "epoch": 0.456,
      "grad_norm": 0.7206928133964539,
      "learning_rate": 5.540540540540541e-06,
      "loss": 0.3236,
      "step": 171
    },
    {
      "epoch": 0.45866666666666667,
      "grad_norm": 0.47696417570114136,
      "learning_rate": 5.513513513513515e-06,
      "loss": 0.219,
      "step": 172
    },
    {
      "epoch": 0.4613333333333333,
      "grad_norm": 0.39156511425971985,
      "learning_rate": 5.486486486486487e-06,
      "loss": 0.125,
      "step": 173
    },
    {
      "epoch": 0.464,
      "grad_norm": 0.6890482902526855,
      "learning_rate": 5.45945945945946e-06,
      "loss": 0.2873,
      "step": 174
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.6847714781761169,
      "learning_rate": 5.432432432432433e-06,
      "loss": 0.4019,
      "step": 175
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 0.6997429132461548,
      "learning_rate": 5.405405405405406e-06,
      "loss": 0.3593,
      "step": 176
    },
    {
      "epoch": 0.472,
      "grad_norm": 0.6555125117301941,
      "learning_rate": 5.378378378378378e-06,
      "loss": 0.2976,
      "step": 177
    },
    {
      "epoch": 0.4746666666666667,
      "grad_norm": 0.5620245337486267,
      "learning_rate": 5.351351351351351e-06,
      "loss": 0.2163,
      "step": 178
    },
    {
      "epoch": 0.47733333333333333,
      "grad_norm": 0.7394323348999023,
      "learning_rate": 5.324324324324324e-06,
      "loss": 0.34,
      "step": 179
    },
    {
      "epoch": 0.48,
      "grad_norm": 0.6063033938407898,
      "learning_rate": 5.297297297297298e-06,
      "loss": 0.1971,
      "step": 180
    },
    {
      "epoch": 0.4826666666666667,
      "grad_norm": 0.5324463844299316,
      "learning_rate": 5.2702702702702705e-06,
      "loss": 0.2755,
      "step": 181
    },
    {
      "epoch": 0.48533333333333334,
      "grad_norm": 0.5104672312736511,
      "learning_rate": 5.243243243243244e-06,
      "loss": 0.2006,
      "step": 182
    },
    {
      "epoch": 0.488,
      "grad_norm": 0.7331261038780212,
      "learning_rate": 5.216216216216217e-06,
      "loss": 0.2999,
      "step": 183
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 0.7934654951095581,
      "learning_rate": 5.18918918918919e-06,
      "loss": 0.2925,
      "step": 184
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 0.5896333456039429,
      "learning_rate": 5.162162162162162e-06,
      "loss": 0.2538,
      "step": 185
    },
    {
      "epoch": 0.496,
      "grad_norm": 0.5125575661659241,
      "learning_rate": 5.135135135135135e-06,
      "loss": 0.2054,
      "step": 186
    },
    {
      "epoch": 0.49866666666666665,
      "grad_norm": 0.6359004974365234,
      "learning_rate": 5.108108108108108e-06,
      "loss": 0.3216,
      "step": 187
    },
    {
      "epoch": 0.5013333333333333,
      "grad_norm": 0.46487855911254883,
      "learning_rate": 5.081081081081082e-06,
      "loss": 0.1414,
      "step": 188
    },
    {
      "epoch": 0.504,
      "grad_norm": 0.5392065644264221,
      "learning_rate": 5.054054054054054e-06,
      "loss": 0.2447,
      "step": 189
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 0.6515066027641296,
      "learning_rate": 5.027027027027027e-06,
      "loss": 0.288,
      "step": 190
    },
    {
      "epoch": 0.5093333333333333,
      "grad_norm": 0.6236056089401245,
      "learning_rate": 5e-06,
      "loss": 0.2352,
      "step": 191
    },
    {
      "epoch": 0.512,
      "grad_norm": 0.7060819268226624,
      "learning_rate": 4.9729729729729735e-06,
      "loss": 0.3077,
      "step": 192
    },
    {
      "epoch": 0.5146666666666667,
      "grad_norm": 0.4781109690666199,
      "learning_rate": 4.9459459459459466e-06,
      "loss": 0.1757,
      "step": 193
    },
    {
      "epoch": 0.5173333333333333,
      "grad_norm": 0.42882394790649414,
      "learning_rate": 4.91891891891892e-06,
      "loss": 0.1723,
      "step": 194
    },
    {
      "epoch": 0.52,
      "grad_norm": 0.4597349166870117,
      "learning_rate": 4.891891891891893e-06,
      "loss": 0.236,
      "step": 195
    },
    {
      "epoch": 0.5226666666666666,
      "grad_norm": 0.4984390437602997,
      "learning_rate": 4.864864864864866e-06,
      "loss": 0.1963,
      "step": 196
    },
    {
      "epoch": 0.5253333333333333,
      "grad_norm": 0.7547701001167297,
      "learning_rate": 4.837837837837838e-06,
      "loss": 0.2893,
      "step": 197
    },
    {
      "epoch": 0.528,
      "grad_norm": 0.6444903016090393,
      "learning_rate": 4.810810810810811e-06,
      "loss": 0.2585,
      "step": 198
    },
    {
      "epoch": 0.5306666666666666,
      "grad_norm": 0.7585696578025818,
      "learning_rate": 4.783783783783784e-06,
      "loss": 0.2774,
      "step": 199
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.442058801651001,
      "learning_rate": 4.756756756756757e-06,
      "loss": 0.1445,
      "step": 200
    },
    {
      "epoch": 0.536,
      "grad_norm": 0.6309348344802856,
      "learning_rate": 4.72972972972973e-06,
      "loss": 0.2508,
      "step": 201
    },
    {
      "epoch": 0.5386666666666666,
      "grad_norm": 0.49350181221961975,
      "learning_rate": 4.702702702702703e-06,
      "loss": 0.2268,
      "step": 202
    },
    {
      "epoch": 0.5413333333333333,
      "grad_norm": 0.642314612865448,
      "learning_rate": 4.675675675675676e-06,
      "loss": 0.2628,
      "step": 203
    },
    {
      "epoch": 0.544,
      "grad_norm": 0.5899158120155334,
      "learning_rate": 4.6486486486486495e-06,
      "loss": 0.205,
      "step": 204
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 0.6411988735198975,
      "learning_rate": 4.621621621621622e-06,
      "loss": 0.2927,
      "step": 205
    },
    {
      "epoch": 0.5493333333333333,
      "grad_norm": 0.5443648099899292,
      "learning_rate": 4.594594594594596e-06,
      "loss": 0.2521,
      "step": 206
    },
    {
      "epoch": 0.552,
      "grad_norm": 0.6090942621231079,
      "learning_rate": 4.567567567567568e-06,
      "loss": 0.2182,
      "step": 207
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 0.77595454454422,
      "learning_rate": 4.540540540540541e-06,
      "loss": 0.302,
      "step": 208
    },
    {
      "epoch": 0.5573333333333333,
      "grad_norm": 0.6236261129379272,
      "learning_rate": 4.513513513513514e-06,
      "loss": 0.3296,
      "step": 209
    },
    {
      "epoch": 0.56,
      "grad_norm": 0.47032153606414795,
      "learning_rate": 4.486486486486487e-06,
      "loss": 0.1947,
      "step": 210
    },
    {
      "epoch": 0.5626666666666666,
      "grad_norm": 0.5213590264320374,
      "learning_rate": 4.45945945945946e-06,
      "loss": 0.2006,
      "step": 211
    },
    {
      "epoch": 0.5653333333333334,
      "grad_norm": 0.6334646940231323,
      "learning_rate": 4.432432432432433e-06,
      "loss": 0.1782,
      "step": 212
    },
    {
      "epoch": 0.568,
      "grad_norm": 0.7906700372695923,
      "learning_rate": 4.4054054054054054e-06,
      "loss": 0.3455,
      "step": 213
    },
    {
      "epoch": 0.5706666666666667,
      "grad_norm": 0.6766706109046936,
      "learning_rate": 4.378378378378379e-06,
      "loss": 0.3253,
      "step": 214
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 0.6396160125732422,
      "learning_rate": 4.351351351351352e-06,
      "loss": 0.2819,
      "step": 215
    },
    {
      "epoch": 0.576,
      "grad_norm": 0.5746570229530334,
      "learning_rate": 4.324324324324325e-06,
      "loss": 0.2378,
      "step": 216
    },
    {
      "epoch": 0.5786666666666667,
      "grad_norm": 0.5276467204093933,
      "learning_rate": 4.297297297297298e-06,
      "loss": 0.1778,
      "step": 217
    },
    {
      "epoch": 0.5813333333333334,
      "grad_norm": 0.7209146618843079,
      "learning_rate": 4.270270270270271e-06,
      "loss": 0.3391,
      "step": 218
    },
    {
      "epoch": 0.584,
      "grad_norm": 0.5352896451950073,
      "learning_rate": 4.243243243243244e-06,
      "loss": 0.1631,
      "step": 219
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 0.6515918374061584,
      "learning_rate": 4.216216216216217e-06,
      "loss": 0.3017,
      "step": 220
    },
    {
      "epoch": 0.5893333333333334,
      "grad_norm": 0.4595091640949249,
      "learning_rate": 4.189189189189189e-06,
      "loss": 0.149,
      "step": 221
    },
    {
      "epoch": 0.592,
      "grad_norm": 0.6572037935256958,
      "learning_rate": 4.162162162162163e-06,
      "loss": 0.2218,
      "step": 222
    },
    {
      "epoch": 0.5946666666666667,
      "grad_norm": 0.5687835216522217,
      "learning_rate": 4.135135135135135e-06,
      "loss": 0.2232,
      "step": 223
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 0.5503986477851868,
      "learning_rate": 4.108108108108108e-06,
      "loss": 0.16,
      "step": 224
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.4931792616844177,
      "learning_rate": 4.0810810810810815e-06,
      "loss": 0.1898,
      "step": 225
    },
    {
      "epoch": 0.6026666666666667,
      "grad_norm": 0.46133163571357727,
      "learning_rate": 4.0540540540540545e-06,
      "loss": 0.1849,
      "step": 226
    },
    {
      "epoch": 0.6053333333333333,
      "grad_norm": 0.595653772354126,
      "learning_rate": 4.027027027027028e-06,
      "loss": 0.2365,
      "step": 227
    },
    {
      "epoch": 0.608,
      "grad_norm": 0.7114612460136414,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.3117,
      "step": 228
    },
    {
      "epoch": 0.6106666666666667,
      "grad_norm": 0.5506129860877991,
      "learning_rate": 3.972972972972973e-06,
      "loss": 0.2263,
      "step": 229
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.4003143906593323,
      "learning_rate": 3.945945945945947e-06,
      "loss": 0.1515,
      "step": 230
    },
    {
      "epoch": 0.616,
      "grad_norm": 0.5369012355804443,
      "learning_rate": 3.918918918918919e-06,
      "loss": 0.234,
      "step": 231
    },
    {
      "epoch": 0.6186666666666667,
      "grad_norm": 0.5746814012527466,
      "learning_rate": 3.891891891891892e-06,
      "loss": 0.237,
      "step": 232
    },
    {
      "epoch": 0.6213333333333333,
      "grad_norm": 0.5755478143692017,
      "learning_rate": 3.864864864864865e-06,
      "loss": 0.194,
      "step": 233
    },
    {
      "epoch": 0.624,
      "grad_norm": 0.7137072086334229,
      "learning_rate": 3.837837837837838e-06,
      "loss": 0.2775,
      "step": 234
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 0.5683808922767639,
      "learning_rate": 3.810810810810811e-06,
      "loss": 0.145,
      "step": 235
    },
    {
      "epoch": 0.6293333333333333,
      "grad_norm": 0.5097734928131104,
      "learning_rate": 3.7837837837837844e-06,
      "loss": 0.208,
      "step": 236
    },
    {
      "epoch": 0.632,
      "grad_norm": 0.6655300259590149,
      "learning_rate": 3.756756756756757e-06,
      "loss": 0.3015,
      "step": 237
    },
    {
      "epoch": 0.6346666666666667,
      "grad_norm": 0.6288011074066162,
      "learning_rate": 3.72972972972973e-06,
      "loss": 0.2383,
      "step": 238
    },
    {
      "epoch": 0.6373333333333333,
      "grad_norm": 0.4668777883052826,
      "learning_rate": 3.7027027027027028e-06,
      "loss": 0.1906,
      "step": 239
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.5049906969070435,
      "learning_rate": 3.6756756756756763e-06,
      "loss": 0.192,
      "step": 240
    },
    {
      "epoch": 0.6426666666666667,
      "grad_norm": 0.6092209815979004,
      "learning_rate": 3.648648648648649e-06,
      "loss": 0.1845,
      "step": 241
    },
    {
      "epoch": 0.6453333333333333,
      "grad_norm": 0.5919110774993896,
      "learning_rate": 3.621621621621622e-06,
      "loss": 0.2521,
      "step": 242
    },
    {
      "epoch": 0.648,
      "grad_norm": 0.5041462182998657,
      "learning_rate": 3.5945945945945946e-06,
      "loss": 0.1625,
      "step": 243
    },
    {
      "epoch": 0.6506666666666666,
      "grad_norm": 0.5651424527168274,
      "learning_rate": 3.567567567567568e-06,
      "loss": 0.221,
      "step": 244
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 0.6813135743141174,
      "learning_rate": 3.5405405405405408e-06,
      "loss": 0.2468,
      "step": 245
    },
    {
      "epoch": 0.656,
      "grad_norm": 0.6562386751174927,
      "learning_rate": 3.513513513513514e-06,
      "loss": 0.1906,
      "step": 246
    },
    {
      "epoch": 0.6586666666666666,
      "grad_norm": 0.7803494930267334,
      "learning_rate": 3.4864864864864865e-06,
      "loss": 0.3731,
      "step": 247
    },
    {
      "epoch": 0.6613333333333333,
      "grad_norm": 0.4733523428440094,
      "learning_rate": 3.45945945945946e-06,
      "loss": 0.1806,
      "step": 248
    },
    {
      "epoch": 0.664,
      "grad_norm": 0.5501195788383484,
      "learning_rate": 3.4324324324324326e-06,
      "loss": 0.1945,
      "step": 249
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.5340800285339355,
      "learning_rate": 3.4054054054054057e-06,
      "loss": 0.2288,
      "step": 250
    },
    {
      "epoch": 0.6693333333333333,
      "grad_norm": 0.5637819170951843,
      "learning_rate": 3.3783783783783788e-06,
      "loss": 0.2457,
      "step": 251
    },
    {
      "epoch": 0.672,
      "grad_norm": 0.6395735144615173,
      "learning_rate": 3.351351351351352e-06,
      "loss": 0.2616,
      "step": 252
    },
    {
      "epoch": 0.6746666666666666,
      "grad_norm": 0.5853235721588135,
      "learning_rate": 3.3243243243243245e-06,
      "loss": 0.2633,
      "step": 253
    },
    {
      "epoch": 0.6773333333333333,
      "grad_norm": 0.5229334831237793,
      "learning_rate": 3.2972972972972976e-06,
      "loss": 0.17,
      "step": 254
    },
    {
      "epoch": 0.68,
      "grad_norm": 0.5079410076141357,
      "learning_rate": 3.2702702702702706e-06,
      "loss": 0.18,
      "step": 255
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 0.5117961764335632,
      "learning_rate": 3.2432432432432437e-06,
      "loss": 0.1889,
      "step": 256
    },
    {
      "epoch": 0.6853333333333333,
      "grad_norm": 0.5530012845993042,
      "learning_rate": 3.2162162162162164e-06,
      "loss": 0.2199,
      "step": 257
    },
    {
      "epoch": 0.688,
      "grad_norm": 0.567864716053009,
      "learning_rate": 3.1891891891891894e-06,
      "loss": 0.2288,
      "step": 258
    },
    {
      "epoch": 0.6906666666666667,
      "grad_norm": 0.649578332901001,
      "learning_rate": 3.1621621621621625e-06,
      "loss": 0.2942,
      "step": 259
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.744571328163147,
      "learning_rate": 3.1351351351351356e-06,
      "loss": 0.327,
      "step": 260
    },
    {
      "epoch": 0.696,
      "grad_norm": 0.47200217843055725,
      "learning_rate": 3.1081081081081082e-06,
      "loss": 0.2027,
      "step": 261
    },
    {
      "epoch": 0.6986666666666667,
      "grad_norm": 0.7426642179489136,
      "learning_rate": 3.0810810810810817e-06,
      "loss": 0.3045,
      "step": 262
    },
    {
      "epoch": 0.7013333333333334,
      "grad_norm": 0.489686518907547,
      "learning_rate": 3.0540540540540544e-06,
      "loss": 0.1731,
      "step": 263
    },
    {
      "epoch": 0.704,
      "grad_norm": 0.6069055199623108,
      "learning_rate": 3.0270270270270274e-06,
      "loss": 0.2052,
      "step": 264
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 0.6711545586585999,
      "learning_rate": 3e-06,
      "loss": 0.2371,
      "step": 265
    },
    {
      "epoch": 0.7093333333333334,
      "grad_norm": 0.8099426031112671,
      "learning_rate": 2.9729729729729736e-06,
      "loss": 0.3425,
      "step": 266
    },
    {
      "epoch": 0.712,
      "grad_norm": 0.5660396218299866,
      "learning_rate": 2.9459459459459462e-06,
      "loss": 0.2091,
      "step": 267
    },
    {
      "epoch": 0.7146666666666667,
      "grad_norm": 0.43479520082473755,
      "learning_rate": 2.9189189189189193e-06,
      "loss": 0.1703,
      "step": 268
    },
    {
      "epoch": 0.7173333333333334,
      "grad_norm": 0.5631981492042542,
      "learning_rate": 2.891891891891892e-06,
      "loss": 0.2662,
      "step": 269
    },
    {
      "epoch": 0.72,
      "grad_norm": 0.5320481061935425,
      "learning_rate": 2.8648648648648654e-06,
      "loss": 0.2048,
      "step": 270
    },
    {
      "epoch": 0.7226666666666667,
      "grad_norm": 0.43003588914871216,
      "learning_rate": 2.837837837837838e-06,
      "loss": 0.1076,
      "step": 271
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 0.6602309346199036,
      "learning_rate": 2.810810810810811e-06,
      "loss": 0.1974,
      "step": 272
    },
    {
      "epoch": 0.728,
      "grad_norm": 0.46706610918045044,
      "learning_rate": 2.783783783783784e-06,
      "loss": 0.1942,
      "step": 273
    },
    {
      "epoch": 0.7306666666666667,
      "grad_norm": 0.5497554540634155,
      "learning_rate": 2.7567567567567573e-06,
      "loss": 0.2233,
      "step": 274
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.6279127597808838,
      "learning_rate": 2.72972972972973e-06,
      "loss": 0.2801,
      "step": 275
    },
    {
      "epoch": 0.736,
      "grad_norm": 0.6925727725028992,
      "learning_rate": 2.702702702702703e-06,
      "loss": 0.2204,
      "step": 276
    },
    {
      "epoch": 0.7386666666666667,
      "grad_norm": 0.5677366256713867,
      "learning_rate": 2.6756756756756757e-06,
      "loss": 0.2332,
      "step": 277
    },
    {
      "epoch": 0.7413333333333333,
      "grad_norm": 0.5541538000106812,
      "learning_rate": 2.648648648648649e-06,
      "loss": 0.2013,
      "step": 278
    },
    {
      "epoch": 0.744,
      "grad_norm": 0.7731754183769226,
      "learning_rate": 2.621621621621622e-06,
      "loss": 0.3069,
      "step": 279
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.6987147927284241,
      "learning_rate": 2.594594594594595e-06,
      "loss": 0.2682,
      "step": 280
    },
    {
      "epoch": 0.7493333333333333,
      "grad_norm": 0.48003822565078735,
      "learning_rate": 2.5675675675675675e-06,
      "loss": 0.2128,
      "step": 281
    },
    {
      "epoch": 0.752,
      "grad_norm": 0.6081013083457947,
      "learning_rate": 2.540540540540541e-06,
      "loss": 0.1874,
      "step": 282
    },
    {
      "epoch": 0.7546666666666667,
      "grad_norm": 0.7053580284118652,
      "learning_rate": 2.5135135135135137e-06,
      "loss": 0.2985,
      "step": 283
    },
    {
      "epoch": 0.7573333333333333,
      "grad_norm": 0.47678816318511963,
      "learning_rate": 2.4864864864864867e-06,
      "loss": 0.1686,
      "step": 284
    },
    {
      "epoch": 0.76,
      "grad_norm": 0.5169805288314819,
      "learning_rate": 2.45945945945946e-06,
      "loss": 0.1536,
      "step": 285
    },
    {
      "epoch": 0.7626666666666667,
      "grad_norm": 0.5204439759254456,
      "learning_rate": 2.432432432432433e-06,
      "loss": 0.1969,
      "step": 286
    },
    {
      "epoch": 0.7653333333333333,
      "grad_norm": 0.5996459126472473,
      "learning_rate": 2.4054054054054055e-06,
      "loss": 0.203,
      "step": 287
    },
    {
      "epoch": 0.768,
      "grad_norm": 0.6570952534675598,
      "learning_rate": 2.3783783783783786e-06,
      "loss": 0.2376,
      "step": 288
    },
    {
      "epoch": 0.7706666666666667,
      "grad_norm": 0.5847789645195007,
      "learning_rate": 2.3513513513513517e-06,
      "loss": 0.2054,
      "step": 289
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 0.6819078326225281,
      "learning_rate": 2.3243243243243247e-06,
      "loss": 0.26,
      "step": 290
    },
    {
      "epoch": 0.776,
      "grad_norm": 0.6675734519958496,
      "learning_rate": 2.297297297297298e-06,
      "loss": 0.2736,
      "step": 291
    },
    {
      "epoch": 0.7786666666666666,
      "grad_norm": 0.7463541030883789,
      "learning_rate": 2.2702702702702705e-06,
      "loss": 0.3212,
      "step": 292
    },
    {
      "epoch": 0.7813333333333333,
      "grad_norm": 0.6652494072914124,
      "learning_rate": 2.2432432432432435e-06,
      "loss": 0.2476,
      "step": 293
    },
    {
      "epoch": 0.784,
      "grad_norm": 0.5765964388847351,
      "learning_rate": 2.2162162162162166e-06,
      "loss": 0.2004,
      "step": 294
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 0.6821902394294739,
      "learning_rate": 2.1891891891891897e-06,
      "loss": 0.2435,
      "step": 295
    },
    {
      "epoch": 0.7893333333333333,
      "grad_norm": 0.6578222513198853,
      "learning_rate": 2.1621621621621623e-06,
      "loss": 0.1801,
      "step": 296
    },
    {
      "epoch": 0.792,
      "grad_norm": 0.47940191626548767,
      "learning_rate": 2.1351351351351354e-06,
      "loss": 0.1631,
      "step": 297
    },
    {
      "epoch": 0.7946666666666666,
      "grad_norm": 0.7112588286399841,
      "learning_rate": 2.1081081081081085e-06,
      "loss": 0.2953,
      "step": 298
    },
    {
      "epoch": 0.7973333333333333,
      "grad_norm": 0.7237403392791748,
      "learning_rate": 2.0810810810810815e-06,
      "loss": 0.2918,
      "step": 299
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.4653932452201843,
      "learning_rate": 2.054054054054054e-06,
      "loss": 0.1253,
      "step": 300
    },
    {
      "epoch": 0.8026666666666666,
      "grad_norm": 0.8393411040306091,
      "learning_rate": 2.0270270270270273e-06,
      "loss": 0.3248,
      "step": 301
    },
    {
      "epoch": 0.8053333333333333,
      "grad_norm": 0.5438647270202637,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.2343,
      "step": 302
    },
    {
      "epoch": 0.808,
      "grad_norm": 0.7192823886871338,
      "learning_rate": 1.9729729729729734e-06,
      "loss": 0.3161,
      "step": 303
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 0.7548298239707947,
      "learning_rate": 1.945945945945946e-06,
      "loss": 0.3023,
      "step": 304
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 0.5389345288276672,
      "learning_rate": 1.918918918918919e-06,
      "loss": 0.2079,
      "step": 305
    },
    {
      "epoch": 0.816,
      "grad_norm": 0.7169614434242249,
      "learning_rate": 1.8918918918918922e-06,
      "loss": 0.2997,
      "step": 306
    },
    {
      "epoch": 0.8186666666666667,
      "grad_norm": 0.5842504501342773,
      "learning_rate": 1.864864864864865e-06,
      "loss": 0.1818,
      "step": 307
    },
    {
      "epoch": 0.8213333333333334,
      "grad_norm": 0.6660023927688599,
      "learning_rate": 1.8378378378378381e-06,
      "loss": 0.239,
      "step": 308
    },
    {
      "epoch": 0.824,
      "grad_norm": 0.7102739214897156,
      "learning_rate": 1.810810810810811e-06,
      "loss": 0.2632,
      "step": 309
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 0.5258906483650208,
      "learning_rate": 1.783783783783784e-06,
      "loss": 0.1687,
      "step": 310
    },
    {
      "epoch": 0.8293333333333334,
      "grad_norm": 0.5435469746589661,
      "learning_rate": 1.756756756756757e-06,
      "loss": 0.2429,
      "step": 311
    },
    {
      "epoch": 0.832,
      "grad_norm": 0.6755675673484802,
      "learning_rate": 1.72972972972973e-06,
      "loss": 0.2362,
      "step": 312
    },
    {
      "epoch": 0.8346666666666667,
      "grad_norm": 0.6427385807037354,
      "learning_rate": 1.7027027027027028e-06,
      "loss": 0.3155,
      "step": 313
    },
    {
      "epoch": 0.8373333333333334,
      "grad_norm": 0.6049892902374268,
      "learning_rate": 1.675675675675676e-06,
      "loss": 0.2115,
      "step": 314
    },
    {
      "epoch": 0.84,
      "grad_norm": 0.5754526853561401,
      "learning_rate": 1.6486486486486488e-06,
      "loss": 0.2335,
      "step": 315
    },
    {
      "epoch": 0.8426666666666667,
      "grad_norm": 0.5722671151161194,
      "learning_rate": 1.6216216216216219e-06,
      "loss": 0.2158,
      "step": 316
    },
    {
      "epoch": 0.8453333333333334,
      "grad_norm": 0.47050249576568604,
      "learning_rate": 1.5945945945945947e-06,
      "loss": 0.185,
      "step": 317
    },
    {
      "epoch": 0.848,
      "grad_norm": 0.6202705502510071,
      "learning_rate": 1.5675675675675678e-06,
      "loss": 0.1932,
      "step": 318
    },
    {
      "epoch": 0.8506666666666667,
      "grad_norm": 0.6288578510284424,
      "learning_rate": 1.5405405405405409e-06,
      "loss": 0.1996,
      "step": 319
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.6069386601448059,
      "learning_rate": 1.5135135135135137e-06,
      "loss": 0.2324,
      "step": 320
    },
    {
      "epoch": 0.856,
      "grad_norm": 0.6177579760551453,
      "learning_rate": 1.4864864864864868e-06,
      "loss": 0.2711,
      "step": 321
    },
    {
      "epoch": 0.8586666666666667,
      "grad_norm": 0.5107338428497314,
      "learning_rate": 1.4594594594594596e-06,
      "loss": 0.1486,
      "step": 322
    },
    {
      "epoch": 0.8613333333333333,
      "grad_norm": 0.5996361374855042,
      "learning_rate": 1.4324324324324327e-06,
      "loss": 0.2279,
      "step": 323
    },
    {
      "epoch": 0.864,
      "grad_norm": 0.5442785620689392,
      "learning_rate": 1.4054054054054056e-06,
      "loss": 0.2021,
      "step": 324
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.5620384812355042,
      "learning_rate": 1.3783783783783786e-06,
      "loss": 0.1643,
      "step": 325
    },
    {
      "epoch": 0.8693333333333333,
      "grad_norm": 0.724138081073761,
      "learning_rate": 1.3513513513513515e-06,
      "loss": 0.234,
      "step": 326
    },
    {
      "epoch": 0.872,
      "grad_norm": 0.6122252345085144,
      "learning_rate": 1.3243243243243246e-06,
      "loss": 0.1782,
      "step": 327
    },
    {
      "epoch": 0.8746666666666667,
      "grad_norm": 0.7044535875320435,
      "learning_rate": 1.2972972972972974e-06,
      "loss": 0.266,
      "step": 328
    },
    {
      "epoch": 0.8773333333333333,
      "grad_norm": 0.5920470356941223,
      "learning_rate": 1.2702702702702705e-06,
      "loss": 0.2341,
      "step": 329
    },
    {
      "epoch": 0.88,
      "grad_norm": 0.6472164988517761,
      "learning_rate": 1.2432432432432434e-06,
      "loss": 0.2338,
      "step": 330
    },
    {
      "epoch": 0.8826666666666667,
      "grad_norm": 0.5815852284431458,
      "learning_rate": 1.2162162162162164e-06,
      "loss": 0.2416,
      "step": 331
    },
    {
      "epoch": 0.8853333333333333,
      "grad_norm": 0.6401017308235168,
      "learning_rate": 1.1891891891891893e-06,
      "loss": 0.2351,
      "step": 332
    },
    {
      "epoch": 0.888,
      "grad_norm": 0.7595382928848267,
      "learning_rate": 1.1621621621621624e-06,
      "loss": 0.3611,
      "step": 333
    },
    {
      "epoch": 0.8906666666666667,
      "grad_norm": 0.6015647053718567,
      "learning_rate": 1.1351351351351352e-06,
      "loss": 0.1897,
      "step": 334
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 0.5088239312171936,
      "learning_rate": 1.1081081081081083e-06,
      "loss": 0.1847,
      "step": 335
    },
    {
      "epoch": 0.896,
      "grad_norm": 0.5522308349609375,
      "learning_rate": 1.0810810810810812e-06,
      "loss": 0.1597,
      "step": 336
    },
    {
      "epoch": 0.8986666666666666,
      "grad_norm": 0.7441951632499695,
      "learning_rate": 1.0540540540540542e-06,
      "loss": 0.258,
      "step": 337
    },
    {
      "epoch": 0.9013333333333333,
      "grad_norm": 0.618660032749176,
      "learning_rate": 1.027027027027027e-06,
      "loss": 0.1977,
      "step": 338
    },
    {
      "epoch": 0.904,
      "grad_norm": 0.3443770408630371,
      "learning_rate": 1.0000000000000002e-06,
      "loss": 0.0739,
      "step": 339
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.5748119950294495,
      "learning_rate": 9.72972972972973e-07,
      "loss": 0.2521,
      "step": 340
    },
    {
      "epoch": 0.9093333333333333,
      "grad_norm": 0.6491332054138184,
      "learning_rate": 9.459459459459461e-07,
      "loss": 0.2495,
      "step": 341
    },
    {
      "epoch": 0.912,
      "grad_norm": 0.6540910005569458,
      "learning_rate": 9.189189189189191e-07,
      "loss": 0.2326,
      "step": 342
    },
    {
      "epoch": 0.9146666666666666,
      "grad_norm": 0.5674446821212769,
      "learning_rate": 8.91891891891892e-07,
      "loss": 0.2363,
      "step": 343
    },
    {
      "epoch": 0.9173333333333333,
      "grad_norm": 0.8645000457763672,
      "learning_rate": 8.64864864864865e-07,
      "loss": 0.4364,
      "step": 344
    },
    {
      "epoch": 0.92,
      "grad_norm": 0.5417777299880981,
      "learning_rate": 8.37837837837838e-07,
      "loss": 0.2382,
      "step": 345
    },
    {
      "epoch": 0.9226666666666666,
      "grad_norm": 0.7890552282333374,
      "learning_rate": 8.108108108108109e-07,
      "loss": 0.319,
      "step": 346
    },
    {
      "epoch": 0.9253333333333333,
      "grad_norm": 0.6065065860748291,
      "learning_rate": 7.837837837837839e-07,
      "loss": 0.1772,
      "step": 347
    },
    {
      "epoch": 0.928,
      "grad_norm": 0.6155152320861816,
      "learning_rate": 7.567567567567569e-07,
      "loss": 0.2736,
      "step": 348
    },
    {
      "epoch": 0.9306666666666666,
      "grad_norm": 0.6555860638618469,
      "learning_rate": 7.297297297297298e-07,
      "loss": 0.2812,
      "step": 349
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.6582626104354858,
      "learning_rate": 7.027027027027028e-07,
      "loss": 0.2904,
      "step": 350
    },
    {
      "epoch": 0.936,
      "grad_norm": 0.7886494398117065,
      "learning_rate": 6.756756756756758e-07,
      "loss": 0.2951,
      "step": 351
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 0.7120816111564636,
      "learning_rate": 6.486486486486487e-07,
      "loss": 0.2729,
      "step": 352
    },
    {
      "epoch": 0.9413333333333334,
      "grad_norm": 0.5036985278129578,
      "learning_rate": 6.216216216216217e-07,
      "loss": 0.1618,
      "step": 353
    },
    {
      "epoch": 0.944,
      "grad_norm": 0.8080249428749084,
      "learning_rate": 5.945945945945947e-07,
      "loss": 0.3831,
      "step": 354
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 0.7020300626754761,
      "learning_rate": 5.675675675675676e-07,
      "loss": 0.2871,
      "step": 355
    },
    {
      "epoch": 0.9493333333333334,
      "grad_norm": 0.4917770028114319,
      "learning_rate": 5.405405405405406e-07,
      "loss": 0.1727,
      "step": 356
    },
    {
      "epoch": 0.952,
      "grad_norm": 0.6363552808761597,
      "learning_rate": 5.135135135135135e-07,
      "loss": 0.2807,
      "step": 357
    },
    {
      "epoch": 0.9546666666666667,
      "grad_norm": 0.5277965664863586,
      "learning_rate": 4.864864864864865e-07,
      "loss": 0.165,
      "step": 358
    },
    {
      "epoch": 0.9573333333333334,
      "grad_norm": 0.6904891729354858,
      "learning_rate": 4.5945945945945953e-07,
      "loss": 0.2131,
      "step": 359
    },
    {
      "epoch": 0.96,
      "grad_norm": 0.7719932794570923,
      "learning_rate": 4.324324324324325e-07,
      "loss": 0.3366,
      "step": 360
    },
    {
      "epoch": 0.9626666666666667,
      "grad_norm": 0.6956208348274231,
      "learning_rate": 4.0540540540540546e-07,
      "loss": 0.2101,
      "step": 361
    },
    {
      "epoch": 0.9653333333333334,
      "grad_norm": 0.5577353239059448,
      "learning_rate": 3.7837837837837843e-07,
      "loss": 0.1663,
      "step": 362
    },
    {
      "epoch": 0.968,
      "grad_norm": 0.6431645154953003,
      "learning_rate": 3.513513513513514e-07,
      "loss": 0.2631,
      "step": 363
    },
    {
      "epoch": 0.9706666666666667,
      "grad_norm": 0.728943407535553,
      "learning_rate": 3.2432432432432436e-07,
      "loss": 0.3222,
      "step": 364
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.6564018726348877,
      "learning_rate": 2.972972972972973e-07,
      "loss": 0.2371,
      "step": 365
    },
    {
      "epoch": 0.976,
      "grad_norm": 0.7248635292053223,
      "learning_rate": 2.702702702702703e-07,
      "loss": 0.3443,
      "step": 366
    },
    {
      "epoch": 0.9786666666666667,
      "grad_norm": 0.7445465326309204,
      "learning_rate": 2.4324324324324326e-07,
      "loss": 0.3484,
      "step": 367
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 0.7466895580291748,
      "learning_rate": 2.1621621621621625e-07,
      "loss": 0.3231,
      "step": 368
    },
    {
      "epoch": 0.984,
      "grad_norm": 0.6184219121932983,
      "learning_rate": 1.8918918918918921e-07,
      "loss": 0.2906,
      "step": 369
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.5644761323928833,
      "learning_rate": 1.6216216216216218e-07,
      "loss": 0.1932,
      "step": 370
    },
    {
      "epoch": 0.9893333333333333,
      "grad_norm": 0.5252713561058044,
      "learning_rate": 1.3513513513513515e-07,
      "loss": 0.1957,
      "step": 371
    },
    {
      "epoch": 0.992,
      "grad_norm": 0.5195955038070679,
      "learning_rate": 1.0810810810810812e-07,
      "loss": 0.1982,
      "step": 372
    },
    {
      "epoch": 0.9946666666666667,
      "grad_norm": 0.5350080132484436,
      "learning_rate": 8.108108108108109e-08,
      "loss": 0.1877,
      "step": 373
    },
    {
      "epoch": 0.9973333333333333,
      "grad_norm": 0.774531364440918,
      "learning_rate": 5.405405405405406e-08,
      "loss": 0.278,
      "step": 374
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.6364274024963379,
      "learning_rate": 2.702702702702703e-08,
      "loss": 0.1889,
      "step": 375
    }
  ],
  "logging_steps": 1,
  "max_steps": 375,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 5000,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 3.00308796767232e+16,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}