{
  "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": 1.5367573499679565,
      "learning_rate": 0.0,
      "loss": 0.6966,
      "step": 1
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 1.195814609527588,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.4864,
      "step": 2
    },
    {
      "epoch": 0.008,
      "grad_norm": 1.2087939977645874,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.576,
      "step": 3
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 1.5435900688171387,
      "learning_rate": 6e-06,
      "loss": 0.7459,
      "step": 4
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 1.3531018495559692,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.6706,
      "step": 5
    },
    {
      "epoch": 0.016,
      "grad_norm": 1.3200857639312744,
      "learning_rate": 1e-05,
      "loss": 0.5075,
      "step": 6
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 1.382634162902832,
      "learning_rate": 9.972972972972975e-06,
      "loss": 0.7093,
      "step": 7
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 1.5178674459457397,
      "learning_rate": 9.945945945945947e-06,
      "loss": 0.7843,
      "step": 8
    },
    {
      "epoch": 0.024,
      "grad_norm": 1.4100342988967896,
      "learning_rate": 9.91891891891892e-06,
      "loss": 0.518,
      "step": 9
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 1.0893150568008423,
      "learning_rate": 9.891891891891893e-06,
      "loss": 0.438,
      "step": 10
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 1.2711341381072998,
      "learning_rate": 9.864864864864865e-06,
      "loss": 0.5809,
      "step": 11
    },
    {
      "epoch": 0.032,
      "grad_norm": 1.0926443338394165,
      "learning_rate": 9.83783783783784e-06,
      "loss": 0.3337,
      "step": 12
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 0.7168832421302795,
      "learning_rate": 9.810810810810811e-06,
      "loss": 0.3704,
      "step": 13
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 1.0315858125686646,
      "learning_rate": 9.783783783783785e-06,
      "loss": 0.5035,
      "step": 14
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.7088951468467712,
      "learning_rate": 9.756756756756758e-06,
      "loss": 0.2644,
      "step": 15
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 0.9435766339302063,
      "learning_rate": 9.729729729729732e-06,
      "loss": 0.4463,
      "step": 16
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 0.8480760455131531,
      "learning_rate": 9.702702702702704e-06,
      "loss": 0.3512,
      "step": 17
    },
    {
      "epoch": 0.048,
      "grad_norm": 0.7549936771392822,
      "learning_rate": 9.675675675675676e-06,
      "loss": 0.525,
      "step": 18
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 0.844040036201477,
      "learning_rate": 9.64864864864865e-06,
      "loss": 0.6197,
      "step": 19
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 0.7581278085708618,
      "learning_rate": 9.621621621621622e-06,
      "loss": 0.4255,
      "step": 20
    },
    {
      "epoch": 0.056,
      "grad_norm": 0.8691374063491821,
      "learning_rate": 9.594594594594594e-06,
      "loss": 0.5172,
      "step": 21
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 0.6577630639076233,
      "learning_rate": 9.567567567567568e-06,
      "loss": 0.4327,
      "step": 22
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 0.6100225448608398,
      "learning_rate": 9.540540540540542e-06,
      "loss": 0.3938,
      "step": 23
    },
    {
      "epoch": 0.064,
      "grad_norm": 0.6698452830314636,
      "learning_rate": 9.513513513513514e-06,
      "loss": 0.527,
      "step": 24
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.5979259610176086,
      "learning_rate": 9.486486486486487e-06,
      "loss": 0.4791,
      "step": 25
    },
    {
      "epoch": 0.06933333333333333,
      "grad_norm": 0.6227817535400391,
      "learning_rate": 9.45945945945946e-06,
      "loss": 0.5389,
      "step": 26
    },
    {
      "epoch": 0.072,
      "grad_norm": 0.6256998181343079,
      "learning_rate": 9.432432432432433e-06,
      "loss": 0.4728,
      "step": 27
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 0.7090490460395813,
      "learning_rate": 9.405405405405407e-06,
      "loss": 0.5748,
      "step": 28
    },
    {
      "epoch": 0.07733333333333334,
      "grad_norm": 0.5961246490478516,
      "learning_rate": 9.378378378378379e-06,
      "loss": 0.4696,
      "step": 29
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.6932620406150818,
      "learning_rate": 9.351351351351353e-06,
      "loss": 0.6086,
      "step": 30
    },
    {
      "epoch": 0.08266666666666667,
      "grad_norm": 0.5172208547592163,
      "learning_rate": 9.324324324324325e-06,
      "loss": 0.3595,
      "step": 31
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 0.39198362827301025,
      "learning_rate": 9.297297297297299e-06,
      "loss": 0.2758,
      "step": 32
    },
    {
      "epoch": 0.088,
      "grad_norm": 0.4469147026538849,
      "learning_rate": 9.270270270270271e-06,
      "loss": 0.3214,
      "step": 33
    },
    {
      "epoch": 0.09066666666666667,
      "grad_norm": 0.473972886800766,
      "learning_rate": 9.243243243243243e-06,
      "loss": 0.3417,
      "step": 34
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 0.43822920322418213,
      "learning_rate": 9.216216216216217e-06,
      "loss": 0.3207,
      "step": 35
    },
    {
      "epoch": 0.096,
      "grad_norm": 0.40681540966033936,
      "learning_rate": 9.189189189189191e-06,
      "loss": 0.2809,
      "step": 36
    },
    {
      "epoch": 0.09866666666666667,
      "grad_norm": 0.43862059712409973,
      "learning_rate": 9.162162162162162e-06,
      "loss": 0.3259,
      "step": 37
    },
    {
      "epoch": 0.10133333333333333,
      "grad_norm": 0.383204847574234,
      "learning_rate": 9.135135135135136e-06,
      "loss": 0.2396,
      "step": 38
    },
    {
      "epoch": 0.104,
      "grad_norm": 0.4427017569541931,
      "learning_rate": 9.10810810810811e-06,
      "loss": 0.4317,
      "step": 39
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 0.439065545797348,
      "learning_rate": 9.081081081081082e-06,
      "loss": 0.3179,
      "step": 40
    },
    {
      "epoch": 0.10933333333333334,
      "grad_norm": 0.5081702470779419,
      "learning_rate": 9.054054054054054e-06,
      "loss": 0.4521,
      "step": 41
    },
    {
      "epoch": 0.112,
      "grad_norm": 0.546346127986908,
      "learning_rate": 9.027027027027028e-06,
      "loss": 0.3512,
      "step": 42
    },
    {
      "epoch": 0.11466666666666667,
      "grad_norm": 0.47128987312316895,
      "learning_rate": 9e-06,
      "loss": 0.3126,
      "step": 43
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 0.35746926069259644,
      "learning_rate": 8.972972972972974e-06,
      "loss": 0.2939,
      "step": 44
    },
    {
      "epoch": 0.12,
      "grad_norm": 0.46371641755104065,
      "learning_rate": 8.945945945945946e-06,
      "loss": 0.4688,
      "step": 45
    },
    {
      "epoch": 0.12266666666666666,
      "grad_norm": 0.4721897840499878,
      "learning_rate": 8.91891891891892e-06,
      "loss": 0.3603,
      "step": 46
    },
    {
      "epoch": 0.12533333333333332,
      "grad_norm": 0.5141069293022156,
      "learning_rate": 8.891891891891893e-06,
      "loss": 0.4771,
      "step": 47
    },
    {
      "epoch": 0.128,
      "grad_norm": 0.4449688792228699,
      "learning_rate": 8.864864864864866e-06,
      "loss": 0.4223,
      "step": 48
    },
    {
      "epoch": 0.13066666666666665,
      "grad_norm": 0.5368606448173523,
      "learning_rate": 8.837837837837839e-06,
      "loss": 0.5469,
      "step": 49
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.459489107131958,
      "learning_rate": 8.810810810810811e-06,
      "loss": 0.3771,
      "step": 50
    },
    {
      "epoch": 0.136,
      "grad_norm": 0.3696995973587036,
      "learning_rate": 8.783783783783785e-06,
      "loss": 0.2602,
      "step": 51
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 0.4683379828929901,
      "learning_rate": 8.756756756756759e-06,
      "loss": 0.47,
      "step": 52
    },
    {
      "epoch": 0.14133333333333334,
      "grad_norm": 0.44194871187210083,
      "learning_rate": 8.72972972972973e-06,
      "loss": 0.3919,
      "step": 53
    },
    {
      "epoch": 0.144,
      "grad_norm": 0.4838227927684784,
      "learning_rate": 8.702702702702703e-06,
      "loss": 0.3569,
      "step": 54
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 0.4612320363521576,
      "learning_rate": 8.675675675675677e-06,
      "loss": 0.3969,
      "step": 55
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 0.4397372305393219,
      "learning_rate": 8.64864864864865e-06,
      "loss": 0.4201,
      "step": 56
    },
    {
      "epoch": 0.152,
      "grad_norm": 0.6115174293518066,
      "learning_rate": 8.621621621621622e-06,
      "loss": 0.5707,
      "step": 57
    },
    {
      "epoch": 0.15466666666666667,
      "grad_norm": 0.5195383429527283,
      "learning_rate": 8.594594594594595e-06,
      "loss": 0.3876,
      "step": 58
    },
    {
      "epoch": 0.15733333333333333,
      "grad_norm": 0.4042869806289673,
      "learning_rate": 8.567567567567568e-06,
      "loss": 0.4131,
      "step": 59
    },
    {
      "epoch": 0.16,
      "grad_norm": 0.31628653407096863,
      "learning_rate": 8.540540540540542e-06,
      "loss": 0.265,
      "step": 60
    },
    {
      "epoch": 0.16266666666666665,
      "grad_norm": 0.43161505460739136,
      "learning_rate": 8.513513513513514e-06,
      "loss": 0.3669,
      "step": 61
    },
    {
      "epoch": 0.16533333333333333,
      "grad_norm": 0.5347276329994202,
      "learning_rate": 8.486486486486488e-06,
      "loss": 0.3291,
      "step": 62
    },
    {
      "epoch": 0.168,
      "grad_norm": 0.4923807382583618,
      "learning_rate": 8.45945945945946e-06,
      "loss": 0.3522,
      "step": 63
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 0.3221868872642517,
      "learning_rate": 8.432432432432434e-06,
      "loss": 0.2065,
      "step": 64
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 0.396018922328949,
      "learning_rate": 8.405405405405406e-06,
      "loss": 0.316,
      "step": 65
    },
    {
      "epoch": 0.176,
      "grad_norm": 0.5355570316314697,
      "learning_rate": 8.378378378378378e-06,
      "loss": 0.4174,
      "step": 66
    },
    {
      "epoch": 0.17866666666666667,
      "grad_norm": 0.4347395598888397,
      "learning_rate": 8.351351351351352e-06,
      "loss": 0.2974,
      "step": 67
    },
    {
      "epoch": 0.18133333333333335,
      "grad_norm": 0.5142150521278381,
      "learning_rate": 8.324324324324326e-06,
      "loss": 0.3516,
      "step": 68
    },
    {
      "epoch": 0.184,
      "grad_norm": 0.4253478944301605,
      "learning_rate": 8.297297297297298e-06,
      "loss": 0.3307,
      "step": 69
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 0.48568856716156006,
      "learning_rate": 8.27027027027027e-06,
      "loss": 0.4436,
      "step": 70
    },
    {
      "epoch": 0.18933333333333333,
      "grad_norm": 0.3826533257961273,
      "learning_rate": 8.243243243243245e-06,
      "loss": 0.2587,
      "step": 71
    },
    {
      "epoch": 0.192,
      "grad_norm": 0.36293911933898926,
      "learning_rate": 8.216216216216217e-06,
      "loss": 0.2399,
      "step": 72
    },
    {
      "epoch": 0.19466666666666665,
      "grad_norm": 0.3676435947418213,
      "learning_rate": 8.189189189189189e-06,
      "loss": 0.2878,
      "step": 73
    },
    {
      "epoch": 0.19733333333333333,
      "grad_norm": 0.4159711003303528,
      "learning_rate": 8.162162162162163e-06,
      "loss": 0.381,
      "step": 74
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.42102307081222534,
      "learning_rate": 8.135135135135137e-06,
      "loss": 0.3599,
      "step": 75
    },
    {
      "epoch": 0.20266666666666666,
      "grad_norm": 0.48445621132850647,
      "learning_rate": 8.108108108108109e-06,
      "loss": 0.3244,
      "step": 76
    },
    {
      "epoch": 0.20533333333333334,
      "grad_norm": 0.4153992235660553,
      "learning_rate": 8.081081081081081e-06,
      "loss": 0.2094,
      "step": 77
    },
    {
      "epoch": 0.208,
      "grad_norm": 0.4642098844051361,
      "learning_rate": 8.054054054054055e-06,
      "loss": 0.383,
      "step": 78
    },
    {
      "epoch": 0.21066666666666667,
      "grad_norm": 0.409910649061203,
      "learning_rate": 8.027027027027027e-06,
      "loss": 0.3176,
      "step": 79
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 0.45661255717277527,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.3285,
      "step": 80
    },
    {
      "epoch": 0.216,
      "grad_norm": 0.4810541272163391,
      "learning_rate": 7.972972972972974e-06,
      "loss": 0.382,
      "step": 81
    },
    {
      "epoch": 0.21866666666666668,
      "grad_norm": 0.4231383800506592,
      "learning_rate": 7.945945945945946e-06,
      "loss": 0.3564,
      "step": 82
    },
    {
      "epoch": 0.22133333333333333,
      "grad_norm": 0.4079864025115967,
      "learning_rate": 7.91891891891892e-06,
      "loss": 0.3149,
      "step": 83
    },
    {
      "epoch": 0.224,
      "grad_norm": 0.46799588203430176,
      "learning_rate": 7.891891891891894e-06,
      "loss": 0.4115,
      "step": 84
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 0.5748460292816162,
      "learning_rate": 7.864864864864866e-06,
      "loss": 0.3705,
      "step": 85
    },
    {
      "epoch": 0.22933333333333333,
      "grad_norm": 0.5257452726364136,
      "learning_rate": 7.837837837837838e-06,
      "loss": 0.4268,
      "step": 86
    },
    {
      "epoch": 0.232,
      "grad_norm": 0.4283844232559204,
      "learning_rate": 7.810810810810812e-06,
      "loss": 0.278,
      "step": 87
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 0.46070346236228943,
      "learning_rate": 7.783783783783784e-06,
      "loss": 0.3571,
      "step": 88
    },
    {
      "epoch": 0.23733333333333334,
      "grad_norm": 0.5682268142700195,
      "learning_rate": 7.756756756756756e-06,
      "loss": 0.4916,
      "step": 89
    },
    {
      "epoch": 0.24,
      "grad_norm": 0.4005235731601715,
      "learning_rate": 7.72972972972973e-06,
      "loss": 0.3598,
      "step": 90
    },
    {
      "epoch": 0.24266666666666667,
      "grad_norm": 0.4064517021179199,
      "learning_rate": 7.702702702702704e-06,
      "loss": 0.2718,
      "step": 91
    },
    {
      "epoch": 0.24533333333333332,
      "grad_norm": 0.4933077394962311,
      "learning_rate": 7.675675675675676e-06,
      "loss": 0.3666,
      "step": 92
    },
    {
      "epoch": 0.248,
      "grad_norm": 0.4430355131626129,
      "learning_rate": 7.648648648648649e-06,
      "loss": 0.4368,
      "step": 93
    },
    {
      "epoch": 0.25066666666666665,
      "grad_norm": 0.28352752327919006,
      "learning_rate": 7.621621621621622e-06,
      "loss": 0.1689,
      "step": 94
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 0.39227089285850525,
      "learning_rate": 7.594594594594596e-06,
      "loss": 0.2912,
      "step": 95
    },
    {
      "epoch": 0.256,
      "grad_norm": 0.4487438499927521,
      "learning_rate": 7.567567567567569e-06,
      "loss": 0.4343,
      "step": 96
    },
    {
      "epoch": 0.25866666666666666,
      "grad_norm": 0.4831284284591675,
      "learning_rate": 7.540540540540541e-06,
      "loss": 0.3459,
      "step": 97
    },
    {
      "epoch": 0.2613333333333333,
      "grad_norm": 0.44989216327667236,
      "learning_rate": 7.513513513513514e-06,
      "loss": 0.267,
      "step": 98
    },
    {
      "epoch": 0.264,
      "grad_norm": 0.43412014842033386,
      "learning_rate": 7.486486486486487e-06,
      "loss": 0.2317,
      "step": 99
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.4674527049064636,
      "learning_rate": 7.45945945945946e-06,
      "loss": 0.3262,
      "step": 100
    },
    {
      "epoch": 0.2693333333333333,
      "grad_norm": 0.5601987242698669,
      "learning_rate": 7.4324324324324324e-06,
      "loss": 0.3778,
      "step": 101
    },
    {
      "epoch": 0.272,
      "grad_norm": 0.43123891949653625,
      "learning_rate": 7.4054054054054055e-06,
      "loss": 0.3013,
      "step": 102
    },
    {
      "epoch": 0.27466666666666667,
      "grad_norm": 0.5032077431678772,
      "learning_rate": 7.3783783783783794e-06,
      "loss": 0.3606,
      "step": 103
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 0.45279982686042786,
      "learning_rate": 7.3513513513513525e-06,
      "loss": 0.3201,
      "step": 104
    },
    {
      "epoch": 0.28,
      "grad_norm": 0.3637528121471405,
      "learning_rate": 7.324324324324325e-06,
      "loss": 0.2157,
      "step": 105
    },
    {
      "epoch": 0.2826666666666667,
      "grad_norm": 0.4136456549167633,
      "learning_rate": 7.297297297297298e-06,
      "loss": 0.2494,
      "step": 106
    },
    {
      "epoch": 0.2853333333333333,
      "grad_norm": 0.44550010561943054,
      "learning_rate": 7.270270270270271e-06,
      "loss": 0.3114,
      "step": 107
    },
    {
      "epoch": 0.288,
      "grad_norm": 0.41944918036460876,
      "learning_rate": 7.243243243243244e-06,
      "loss": 0.2948,
      "step": 108
    },
    {
      "epoch": 0.2906666666666667,
      "grad_norm": 0.6796392202377319,
      "learning_rate": 7.216216216216216e-06,
      "loss": 0.5276,
      "step": 109
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 0.411897748708725,
      "learning_rate": 7.189189189189189e-06,
      "loss": 0.2523,
      "step": 110
    },
    {
      "epoch": 0.296,
      "grad_norm": 0.48619967699050903,
      "learning_rate": 7.162162162162163e-06,
      "loss": 0.2731,
      "step": 111
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 0.47008398175239563,
      "learning_rate": 7.135135135135136e-06,
      "loss": 0.3868,
      "step": 112
    },
    {
      "epoch": 0.30133333333333334,
      "grad_norm": 0.3980039954185486,
      "learning_rate": 7.1081081081081085e-06,
      "loss": 0.2926,
      "step": 113
    },
    {
      "epoch": 0.304,
      "grad_norm": 0.46479785442352295,
      "learning_rate": 7.0810810810810815e-06,
      "loss": 0.3255,
      "step": 114
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 0.41636335849761963,
      "learning_rate": 7.054054054054055e-06,
      "loss": 0.2239,
      "step": 115
    },
    {
      "epoch": 0.30933333333333335,
      "grad_norm": 0.2757627069950104,
      "learning_rate": 7.027027027027028e-06,
      "loss": 0.148,
      "step": 116
    },
    {
      "epoch": 0.312,
      "grad_norm": 0.5537894368171692,
      "learning_rate": 7e-06,
      "loss": 0.3479,
      "step": 117
    },
    {
      "epoch": 0.31466666666666665,
      "grad_norm": 0.4379119277000427,
      "learning_rate": 6.972972972972973e-06,
      "loss": 0.3163,
      "step": 118
    },
    {
      "epoch": 0.31733333333333336,
      "grad_norm": 0.3862103223800659,
      "learning_rate": 6.945945945945947e-06,
      "loss": 0.2697,
      "step": 119
    },
    {
      "epoch": 0.32,
      "grad_norm": 0.40991947054862976,
      "learning_rate": 6.91891891891892e-06,
      "loss": 0.3069,
      "step": 120
    },
    {
      "epoch": 0.32266666666666666,
      "grad_norm": 0.6800895929336548,
      "learning_rate": 6.891891891891892e-06,
      "loss": 0.5918,
      "step": 121
    },
    {
      "epoch": 0.3253333333333333,
      "grad_norm": 0.4389307200908661,
      "learning_rate": 6.864864864864865e-06,
      "loss": 0.2983,
      "step": 122
    },
    {
      "epoch": 0.328,
      "grad_norm": 0.4754255712032318,
      "learning_rate": 6.837837837837838e-06,
      "loss": 0.2919,
      "step": 123
    },
    {
      "epoch": 0.33066666666666666,
      "grad_norm": 0.545436680316925,
      "learning_rate": 6.810810810810811e-06,
      "loss": 0.38,
      "step": 124
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.44628894329071045,
      "learning_rate": 6.783783783783784e-06,
      "loss": 0.2438,
      "step": 125
    },
    {
      "epoch": 0.336,
      "grad_norm": 0.4843163788318634,
      "learning_rate": 6.7567567567567575e-06,
      "loss": 0.2869,
      "step": 126
    },
    {
      "epoch": 0.33866666666666667,
      "grad_norm": 0.5539329051971436,
      "learning_rate": 6.729729729729731e-06,
      "loss": 0.4261,
      "step": 127
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 0.5158699154853821,
      "learning_rate": 6.702702702702704e-06,
      "loss": 0.4407,
      "step": 128
    },
    {
      "epoch": 0.344,
      "grad_norm": 0.5177103877067566,
      "learning_rate": 6.675675675675676e-06,
      "loss": 0.3609,
      "step": 129
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 0.5272132158279419,
      "learning_rate": 6.648648648648649e-06,
      "loss": 0.3532,
      "step": 130
    },
    {
      "epoch": 0.34933333333333333,
      "grad_norm": 0.47390487790107727,
      "learning_rate": 6.621621621621622e-06,
      "loss": 0.3448,
      "step": 131
    },
    {
      "epoch": 0.352,
      "grad_norm": 0.4162641167640686,
      "learning_rate": 6.594594594594595e-06,
      "loss": 0.2633,
      "step": 132
    },
    {
      "epoch": 0.3546666666666667,
      "grad_norm": 0.40374088287353516,
      "learning_rate": 6.567567567567567e-06,
      "loss": 0.2118,
      "step": 133
    },
    {
      "epoch": 0.35733333333333334,
      "grad_norm": 0.4770158529281616,
      "learning_rate": 6.540540540540541e-06,
      "loss": 0.326,
      "step": 134
    },
    {
      "epoch": 0.36,
      "grad_norm": 0.44834718108177185,
      "learning_rate": 6.513513513513514e-06,
      "loss": 0.2733,
      "step": 135
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 0.42514920234680176,
      "learning_rate": 6.486486486486487e-06,
      "loss": 0.256,
      "step": 136
    },
    {
      "epoch": 0.36533333333333334,
      "grad_norm": 0.5498573184013367,
      "learning_rate": 6.45945945945946e-06,
      "loss": 0.4209,
      "step": 137
    },
    {
      "epoch": 0.368,
      "grad_norm": 0.5238043069839478,
      "learning_rate": 6.432432432432433e-06,
      "loss": 0.3759,
      "step": 138
    },
    {
      "epoch": 0.37066666666666664,
      "grad_norm": 0.46125563979148865,
      "learning_rate": 6.405405405405406e-06,
      "loss": 0.2927,
      "step": 139
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 0.43328356742858887,
      "learning_rate": 6.378378378378379e-06,
      "loss": 0.3363,
      "step": 140
    },
    {
      "epoch": 0.376,
      "grad_norm": 0.48414289951324463,
      "learning_rate": 6.351351351351351e-06,
      "loss": 0.3782,
      "step": 141
    },
    {
      "epoch": 0.37866666666666665,
      "grad_norm": 0.4265378415584564,
      "learning_rate": 6.324324324324325e-06,
      "loss": 0.3432,
      "step": 142
    },
    {
      "epoch": 0.38133333333333336,
      "grad_norm": 0.4994181990623474,
      "learning_rate": 6.297297297297298e-06,
      "loss": 0.251,
      "step": 143
    },
    {
      "epoch": 0.384,
      "grad_norm": 0.4383091330528259,
      "learning_rate": 6.270270270270271e-06,
      "loss": 0.2658,
      "step": 144
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 0.4742806553840637,
      "learning_rate": 6.243243243243243e-06,
      "loss": 0.3308,
      "step": 145
    },
    {
      "epoch": 0.3893333333333333,
      "grad_norm": 0.3278276026248932,
      "learning_rate": 6.2162162162162164e-06,
      "loss": 0.1812,
      "step": 146
    },
    {
      "epoch": 0.392,
      "grad_norm": 0.3195542097091675,
      "learning_rate": 6.1891891891891895e-06,
      "loss": 0.1135,
      "step": 147
    },
    {
      "epoch": 0.39466666666666667,
      "grad_norm": 0.5326912999153137,
      "learning_rate": 6.162162162162163e-06,
      "loss": 0.3623,
      "step": 148
    },
    {
      "epoch": 0.3973333333333333,
      "grad_norm": 0.43319985270500183,
      "learning_rate": 6.135135135135135e-06,
      "loss": 0.2845,
      "step": 149
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.5707299113273621,
      "learning_rate": 6.108108108108109e-06,
      "loss": 0.3631,
      "step": 150
    },
    {
      "epoch": 0.4026666666666667,
      "grad_norm": 0.3967810273170471,
      "learning_rate": 6.081081081081082e-06,
      "loss": 0.1778,
      "step": 151
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 0.40950635075569153,
      "learning_rate": 6.054054054054055e-06,
      "loss": 0.2329,
      "step": 152
    },
    {
      "epoch": 0.408,
      "grad_norm": 0.30365175008773804,
      "learning_rate": 6.027027027027027e-06,
      "loss": 0.1772,
      "step": 153
    },
    {
      "epoch": 0.4106666666666667,
      "grad_norm": 0.5227949023246765,
      "learning_rate": 6e-06,
      "loss": 0.2829,
      "step": 154
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 0.48673874139785767,
      "learning_rate": 5.972972972972973e-06,
      "loss": 0.2973,
      "step": 155
    },
    {
      "epoch": 0.416,
      "grad_norm": 0.5112497806549072,
      "learning_rate": 5.945945945945947e-06,
      "loss": 0.3147,
      "step": 156
    },
    {
      "epoch": 0.4186666666666667,
      "grad_norm": 0.49924981594085693,
      "learning_rate": 5.9189189189189185e-06,
      "loss": 0.3152,
      "step": 157
    },
    {
      "epoch": 0.42133333333333334,
      "grad_norm": 0.5193523168563843,
      "learning_rate": 5.8918918918918924e-06,
      "loss": 0.3739,
      "step": 158
    },
    {
      "epoch": 0.424,
      "grad_norm": 0.44075873494148254,
      "learning_rate": 5.8648648648648655e-06,
      "loss": 0.2693,
      "step": 159
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.5591464638710022,
      "learning_rate": 5.837837837837839e-06,
      "loss": 0.3693,
      "step": 160
    },
    {
      "epoch": 0.42933333333333334,
      "grad_norm": 0.5596481561660767,
      "learning_rate": 5.810810810810811e-06,
      "loss": 0.38,
      "step": 161
    },
    {
      "epoch": 0.432,
      "grad_norm": 0.37431854009628296,
      "learning_rate": 5.783783783783784e-06,
      "loss": 0.2042,
      "step": 162
    },
    {
      "epoch": 0.43466666666666665,
      "grad_norm": 0.49566295742988586,
      "learning_rate": 5.756756756756757e-06,
      "loss": 0.4164,
      "step": 163
    },
    {
      "epoch": 0.43733333333333335,
      "grad_norm": 0.3942737281322479,
      "learning_rate": 5.729729729729731e-06,
      "loss": 0.2534,
      "step": 164
    },
    {
      "epoch": 0.44,
      "grad_norm": 0.5341951847076416,
      "learning_rate": 5.702702702702702e-06,
      "loss": 0.2962,
      "step": 165
    },
    {
      "epoch": 0.44266666666666665,
      "grad_norm": 0.4470757842063904,
      "learning_rate": 5.675675675675676e-06,
      "loss": 0.2532,
      "step": 166
    },
    {
      "epoch": 0.44533333333333336,
      "grad_norm": 0.4423762857913971,
      "learning_rate": 5.648648648648649e-06,
      "loss": 0.2472,
      "step": 167
    },
    {
      "epoch": 0.448,
      "grad_norm": 0.5432279109954834,
      "learning_rate": 5.621621621621622e-06,
      "loss": 0.2945,
      "step": 168
    },
    {
      "epoch": 0.45066666666666666,
      "grad_norm": 0.5549677610397339,
      "learning_rate": 5.5945945945945945e-06,
      "loss": 0.3348,
      "step": 169
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 0.45449188351631165,
      "learning_rate": 5.567567567567568e-06,
      "loss": 0.2235,
      "step": 170
    },
    {
      "epoch": 0.456,
      "grad_norm": 0.6237869262695312,
      "learning_rate": 5.540540540540541e-06,
      "loss": 0.364,
      "step": 171
    },
    {
      "epoch": 0.45866666666666667,
      "grad_norm": 0.4241226613521576,
      "learning_rate": 5.513513513513515e-06,
      "loss": 0.241,
      "step": 172
    },
    {
      "epoch": 0.4613333333333333,
      "grad_norm": 0.3473101258277893,
      "learning_rate": 5.486486486486487e-06,
      "loss": 0.144,
      "step": 173
    },
    {
      "epoch": 0.464,
      "grad_norm": 0.6001856327056885,
      "learning_rate": 5.45945945945946e-06,
      "loss": 0.3321,
      "step": 174
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.5655834078788757,
      "learning_rate": 5.432432432432433e-06,
      "loss": 0.4347,
      "step": 175
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 0.5816091299057007,
      "learning_rate": 5.405405405405406e-06,
      "loss": 0.4034,
      "step": 176
    },
    {
      "epoch": 0.472,
      "grad_norm": 0.5553685426712036,
      "learning_rate": 5.378378378378378e-06,
      "loss": 0.3407,
      "step": 177
    },
    {
      "epoch": 0.4746666666666667,
      "grad_norm": 0.45317167043685913,
      "learning_rate": 5.351351351351351e-06,
      "loss": 0.2445,
      "step": 178
    },
    {
      "epoch": 0.47733333333333333,
      "grad_norm": 0.6026845574378967,
      "learning_rate": 5.324324324324324e-06,
      "loss": 0.3831,
      "step": 179
    },
    {
      "epoch": 0.48,
      "grad_norm": 0.49250128865242004,
      "learning_rate": 5.297297297297298e-06,
      "loss": 0.2244,
      "step": 180
    },
    {
      "epoch": 0.4826666666666667,
      "grad_norm": 0.4530152380466461,
      "learning_rate": 5.2702702702702705e-06,
      "loss": 0.2995,
      "step": 181
    },
    {
      "epoch": 0.48533333333333334,
      "grad_norm": 0.4302668869495392,
      "learning_rate": 5.243243243243244e-06,
      "loss": 0.2208,
      "step": 182
    },
    {
      "epoch": 0.488,
      "grad_norm": 0.6471742987632751,
      "learning_rate": 5.216216216216217e-06,
      "loss": 0.3402,
      "step": 183
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 0.6817914247512817,
      "learning_rate": 5.18918918918919e-06,
      "loss": 0.3301,
      "step": 184
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 0.48749011754989624,
      "learning_rate": 5.162162162162162e-06,
      "loss": 0.2845,
      "step": 185
    },
    {
      "epoch": 0.496,
      "grad_norm": 0.47816145420074463,
      "learning_rate": 5.135135135135135e-06,
      "loss": 0.2374,
      "step": 186
    },
    {
      "epoch": 0.49866666666666665,
      "grad_norm": 0.5442879796028137,
      "learning_rate": 5.108108108108108e-06,
      "loss": 0.3549,
      "step": 187
    },
    {
      "epoch": 0.5013333333333333,
      "grad_norm": 0.4098880887031555,
      "learning_rate": 5.081081081081082e-06,
      "loss": 0.1694,
      "step": 188
    },
    {
      "epoch": 0.504,
      "grad_norm": 0.4450787603855133,
      "learning_rate": 5.054054054054054e-06,
      "loss": 0.2606,
      "step": 189
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 0.5671436786651611,
      "learning_rate": 5.027027027027027e-06,
      "loss": 0.3147,
      "step": 190
    },
    {
      "epoch": 0.5093333333333333,
      "grad_norm": 0.5078202486038208,
      "learning_rate": 5e-06,
      "loss": 0.2664,
      "step": 191
    },
    {
      "epoch": 0.512,
      "grad_norm": 0.6303591132164001,
      "learning_rate": 4.9729729729729735e-06,
      "loss": 0.3481,
      "step": 192
    },
    {
      "epoch": 0.5146666666666667,
      "grad_norm": 0.4070788621902466,
      "learning_rate": 4.9459459459459466e-06,
      "loss": 0.1992,
      "step": 193
    },
    {
      "epoch": 0.5173333333333333,
      "grad_norm": 0.3916376233100891,
      "learning_rate": 4.91891891891892e-06,
      "loss": 0.1926,
      "step": 194
    },
    {
      "epoch": 0.52,
      "grad_norm": 0.36970198154449463,
      "learning_rate": 4.891891891891893e-06,
      "loss": 0.2656,
      "step": 195
    },
    {
      "epoch": 0.5226666666666666,
      "grad_norm": 0.421390563249588,
      "learning_rate": 4.864864864864866e-06,
      "loss": 0.2209,
      "step": 196
    },
    {
      "epoch": 0.5253333333333333,
      "grad_norm": 0.6123210191726685,
      "learning_rate": 4.837837837837838e-06,
      "loss": 0.3375,
      "step": 197
    },
    {
      "epoch": 0.528,
      "grad_norm": 0.5175462961196899,
      "learning_rate": 4.810810810810811e-06,
      "loss": 0.2914,
      "step": 198
    },
    {
      "epoch": 0.5306666666666666,
      "grad_norm": 0.6348128318786621,
      "learning_rate": 4.783783783783784e-06,
      "loss": 0.3108,
      "step": 199
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.3873174488544464,
      "learning_rate": 4.756756756756757e-06,
      "loss": 0.1662,
      "step": 200
    },
    {
      "epoch": 0.536,
      "grad_norm": 0.5255931615829468,
      "learning_rate": 4.72972972972973e-06,
      "loss": 0.2899,
      "step": 201
    },
    {
      "epoch": 0.5386666666666666,
      "grad_norm": 0.4633500874042511,
      "learning_rate": 4.702702702702703e-06,
      "loss": 0.257,
      "step": 202
    },
    {
      "epoch": 0.5413333333333333,
      "grad_norm": 0.5328688621520996,
      "learning_rate": 4.675675675675676e-06,
      "loss": 0.2943,
      "step": 203
    },
    {
      "epoch": 0.544,
      "grad_norm": 0.5569257736206055,
      "learning_rate": 4.6486486486486495e-06,
      "loss": 0.2457,
      "step": 204
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 0.5645706057548523,
      "learning_rate": 4.621621621621622e-06,
      "loss": 0.3292,
      "step": 205
    },
    {
      "epoch": 0.5493333333333333,
      "grad_norm": 0.4537928104400635,
      "learning_rate": 4.594594594594596e-06,
      "loss": 0.2812,
      "step": 206
    },
    {
      "epoch": 0.552,
      "grad_norm": 0.4647524058818817,
      "learning_rate": 4.567567567567568e-06,
      "loss": 0.2438,
      "step": 207
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 0.6406633853912354,
      "learning_rate": 4.540540540540541e-06,
      "loss": 0.3438,
      "step": 208
    },
    {
      "epoch": 0.5573333333333333,
      "grad_norm": 0.49137020111083984,
      "learning_rate": 4.513513513513514e-06,
      "loss": 0.3628,
      "step": 209
    },
    {
      "epoch": 0.56,
      "grad_norm": 0.42033159732818604,
      "learning_rate": 4.486486486486487e-06,
      "loss": 0.2213,
      "step": 210
    },
    {
      "epoch": 0.5626666666666666,
      "grad_norm": 0.43508270382881165,
      "learning_rate": 4.45945945945946e-06,
      "loss": 0.2244,
      "step": 211
    },
    {
      "epoch": 0.5653333333333334,
      "grad_norm": 0.5643091797828674,
      "learning_rate": 4.432432432432433e-06,
      "loss": 0.2075,
      "step": 212
    },
    {
      "epoch": 0.568,
      "grad_norm": 0.7310083508491516,
      "learning_rate": 4.4054054054054054e-06,
      "loss": 0.3951,
      "step": 213
    },
    {
      "epoch": 0.5706666666666667,
      "grad_norm": 0.585060179233551,
      "learning_rate": 4.378378378378379e-06,
      "loss": 0.3591,
      "step": 214
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 0.5773301720619202,
      "learning_rate": 4.351351351351352e-06,
      "loss": 0.3224,
      "step": 215
    },
    {
      "epoch": 0.576,
      "grad_norm": 0.4686487019062042,
      "learning_rate": 4.324324324324325e-06,
      "loss": 0.2608,
      "step": 216
    },
    {
      "epoch": 0.5786666666666667,
      "grad_norm": 0.4692835211753845,
      "learning_rate": 4.297297297297298e-06,
      "loss": 0.207,
      "step": 217
    },
    {
      "epoch": 0.5813333333333334,
      "grad_norm": 0.5790753364562988,
      "learning_rate": 4.270270270270271e-06,
      "loss": 0.3635,
      "step": 218
    },
    {
      "epoch": 0.584,
      "grad_norm": 0.4528275430202484,
      "learning_rate": 4.243243243243244e-06,
      "loss": 0.1878,
      "step": 219
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 0.5447772145271301,
      "learning_rate": 4.216216216216217e-06,
      "loss": 0.3403,
      "step": 220
    },
    {
      "epoch": 0.5893333333333334,
      "grad_norm": 0.398600310087204,
      "learning_rate": 4.189189189189189e-06,
      "loss": 0.1743,
      "step": 221
    },
    {
      "epoch": 0.592,
      "grad_norm": 0.559691309928894,
      "learning_rate": 4.162162162162163e-06,
      "loss": 0.2489,
      "step": 222
    },
    {
      "epoch": 0.5946666666666667,
      "grad_norm": 0.5032762289047241,
      "learning_rate": 4.135135135135135e-06,
      "loss": 0.252,
      "step": 223
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 0.504941463470459,
      "learning_rate": 4.108108108108108e-06,
      "loss": 0.1854,
      "step": 224
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.4255983829498291,
      "learning_rate": 4.0810810810810815e-06,
      "loss": 0.213,
      "step": 225
    },
    {
      "epoch": 0.6026666666666667,
      "grad_norm": 0.403221070766449,
      "learning_rate": 4.0540540540540545e-06,
      "loss": 0.2108,
      "step": 226
    },
    {
      "epoch": 0.6053333333333333,
      "grad_norm": 0.4889174997806549,
      "learning_rate": 4.027027027027028e-06,
      "loss": 0.2678,
      "step": 227
    },
    {
      "epoch": 0.608,
      "grad_norm": 0.6114286184310913,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.3456,
      "step": 228
    },
    {
      "epoch": 0.6106666666666667,
      "grad_norm": 0.4764937460422516,
      "learning_rate": 3.972972972972973e-06,
      "loss": 0.2482,
      "step": 229
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.35033464431762695,
      "learning_rate": 3.945945945945947e-06,
      "loss": 0.1773,
      "step": 230
    },
    {
      "epoch": 0.616,
      "grad_norm": 0.45705941319465637,
      "learning_rate": 3.918918918918919e-06,
      "loss": 0.2565,
      "step": 231
    },
    {
      "epoch": 0.6186666666666667,
      "grad_norm": 0.502877414226532,
      "learning_rate": 3.891891891891892e-06,
      "loss": 0.2664,
      "step": 232
    },
    {
      "epoch": 0.6213333333333333,
      "grad_norm": 0.5304633378982544,
      "learning_rate": 3.864864864864865e-06,
      "loss": 0.2233,
      "step": 233
    },
    {
      "epoch": 0.624,
      "grad_norm": 0.6075774431228638,
      "learning_rate": 3.837837837837838e-06,
      "loss": 0.3162,
      "step": 234
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 0.5060310959815979,
      "learning_rate": 3.810810810810811e-06,
      "loss": 0.1678,
      "step": 235
    },
    {
      "epoch": 0.6293333333333333,
      "grad_norm": 0.4238261580467224,
      "learning_rate": 3.7837837837837844e-06,
      "loss": 0.2352,
      "step": 236
    },
    {
      "epoch": 0.632,
      "grad_norm": 0.5991232395172119,
      "learning_rate": 3.756756756756757e-06,
      "loss": 0.3425,
      "step": 237
    },
    {
      "epoch": 0.6346666666666667,
      "grad_norm": 0.528616726398468,
      "learning_rate": 3.72972972972973e-06,
      "loss": 0.2642,
      "step": 238
    },
    {
      "epoch": 0.6373333333333333,
      "grad_norm": 0.4142266511917114,
      "learning_rate": 3.7027027027027028e-06,
      "loss": 0.221,
      "step": 239
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.4469654858112335,
      "learning_rate": 3.6756756756756763e-06,
      "loss": 0.2237,
      "step": 240
    },
    {
      "epoch": 0.6426666666666667,
      "grad_norm": 0.5365661382675171,
      "learning_rate": 3.648648648648649e-06,
      "loss": 0.2011,
      "step": 241
    },
    {
      "epoch": 0.6453333333333333,
      "grad_norm": 0.5211893916130066,
      "learning_rate": 3.621621621621622e-06,
      "loss": 0.2765,
      "step": 242
    },
    {
      "epoch": 0.648,
      "grad_norm": 0.43181371688842773,
      "learning_rate": 3.5945945945945946e-06,
      "loss": 0.186,
      "step": 243
    },
    {
      "epoch": 0.6506666666666666,
      "grad_norm": 0.47544679045677185,
      "learning_rate": 3.567567567567568e-06,
      "loss": 0.2458,
      "step": 244
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 0.5566239356994629,
      "learning_rate": 3.5405405405405408e-06,
      "loss": 0.2779,
      "step": 245
    },
    {
      "epoch": 0.656,
      "grad_norm": 0.5947725772857666,
      "learning_rate": 3.513513513513514e-06,
      "loss": 0.2338,
      "step": 246
    },
    {
      "epoch": 0.6586666666666666,
      "grad_norm": 0.6323681473731995,
      "learning_rate": 3.4864864864864865e-06,
      "loss": 0.4124,
      "step": 247
    },
    {
      "epoch": 0.6613333333333333,
      "grad_norm": 0.42130935192108154,
      "learning_rate": 3.45945945945946e-06,
      "loss": 0.1973,
      "step": 248
    },
    {
      "epoch": 0.664,
      "grad_norm": 0.4602462351322174,
      "learning_rate": 3.4324324324324326e-06,
      "loss": 0.2232,
      "step": 249
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.4832004904747009,
      "learning_rate": 3.4054054054054057e-06,
      "loss": 0.2605,
      "step": 250
    },
    {
      "epoch": 0.6693333333333333,
      "grad_norm": 0.49534961581230164,
      "learning_rate": 3.3783783783783788e-06,
      "loss": 0.2785,
      "step": 251
    },
    {
      "epoch": 0.672,
      "grad_norm": 0.5755047798156738,
      "learning_rate": 3.351351351351352e-06,
      "loss": 0.287,
      "step": 252
    },
    {
      "epoch": 0.6746666666666666,
      "grad_norm": 0.5083621740341187,
      "learning_rate": 3.3243243243243245e-06,
      "loss": 0.2923,
      "step": 253
    },
    {
      "epoch": 0.6773333333333333,
      "grad_norm": 0.481879323720932,
      "learning_rate": 3.2972972972972976e-06,
      "loss": 0.1984,
      "step": 254
    },
    {
      "epoch": 0.68,
      "grad_norm": 0.43330851197242737,
      "learning_rate": 3.2702702702702706e-06,
      "loss": 0.198,
      "step": 255
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 0.4327230751514435,
      "learning_rate": 3.2432432432432437e-06,
      "loss": 0.2095,
      "step": 256
    },
    {
      "epoch": 0.6853333333333333,
      "grad_norm": 0.48530203104019165,
      "learning_rate": 3.2162162162162164e-06,
      "loss": 0.244,
      "step": 257
    },
    {
      "epoch": 0.688,
      "grad_norm": 0.5034697651863098,
      "learning_rate": 3.1891891891891894e-06,
      "loss": 0.2499,
      "step": 258
    },
    {
      "epoch": 0.6906666666666667,
      "grad_norm": 0.5166826248168945,
      "learning_rate": 3.1621621621621625e-06,
      "loss": 0.3151,
      "step": 259
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.6016099452972412,
      "learning_rate": 3.1351351351351356e-06,
      "loss": 0.3524,
      "step": 260
    },
    {
      "epoch": 0.696,
      "grad_norm": 0.4032902121543884,
      "learning_rate": 3.1081081081081082e-06,
      "loss": 0.2275,
      "step": 261
    },
    {
      "epoch": 0.6986666666666667,
      "grad_norm": 0.6665740609169006,
      "learning_rate": 3.0810810810810817e-06,
      "loss": 0.347,
      "step": 262
    },
    {
      "epoch": 0.7013333333333334,
      "grad_norm": 0.42270252108573914,
      "learning_rate": 3.0540540540540544e-06,
      "loss": 0.1969,
      "step": 263
    },
    {
      "epoch": 0.704,
      "grad_norm": 0.518795371055603,
      "learning_rate": 3.0270270270270274e-06,
      "loss": 0.2309,
      "step": 264
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 0.5582698583602905,
      "learning_rate": 3e-06,
      "loss": 0.2654,
      "step": 265
    },
    {
      "epoch": 0.7093333333333334,
      "grad_norm": 0.7425046563148499,
      "learning_rate": 2.9729729729729736e-06,
      "loss": 0.3891,
      "step": 266
    },
    {
      "epoch": 0.712,
      "grad_norm": 0.5041250586509705,
      "learning_rate": 2.9459459459459462e-06,
      "loss": 0.2317,
      "step": 267
    },
    {
      "epoch": 0.7146666666666667,
      "grad_norm": 0.3613128960132599,
      "learning_rate": 2.9189189189189193e-06,
      "loss": 0.1813,
      "step": 268
    },
    {
      "epoch": 0.7173333333333334,
      "grad_norm": 0.48971906304359436,
      "learning_rate": 2.891891891891892e-06,
      "loss": 0.3034,
      "step": 269
    },
    {
      "epoch": 0.72,
      "grad_norm": 0.4460020363330841,
      "learning_rate": 2.8648648648648654e-06,
      "loss": 0.2249,
      "step": 270
    },
    {
      "epoch": 0.7226666666666667,
      "grad_norm": 0.3762686550617218,
      "learning_rate": 2.837837837837838e-06,
      "loss": 0.1245,
      "step": 271
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 0.6072759628295898,
      "learning_rate": 2.810810810810811e-06,
      "loss": 0.2218,
      "step": 272
    },
    {
      "epoch": 0.728,
      "grad_norm": 0.4055745303630829,
      "learning_rate": 2.783783783783784e-06,
      "loss": 0.2208,
      "step": 273
    },
    {
      "epoch": 0.7306666666666667,
      "grad_norm": 0.4680919647216797,
      "learning_rate": 2.7567567567567573e-06,
      "loss": 0.2455,
      "step": 274
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.561394214630127,
      "learning_rate": 2.72972972972973e-06,
      "loss": 0.319,
      "step": 275
    },
    {
      "epoch": 0.736,
      "grad_norm": 0.6925293207168579,
      "learning_rate": 2.702702702702703e-06,
      "loss": 0.2474,
      "step": 276
    },
    {
      "epoch": 0.7386666666666667,
      "grad_norm": 0.48877403140068054,
      "learning_rate": 2.6756756756756757e-06,
      "loss": 0.2609,
      "step": 277
    },
    {
      "epoch": 0.7413333333333333,
      "grad_norm": 0.48248547315597534,
      "learning_rate": 2.648648648648649e-06,
      "loss": 0.2193,
      "step": 278
    },
    {
      "epoch": 0.744,
      "grad_norm": 0.6622583866119385,
      "learning_rate": 2.621621621621622e-06,
      "loss": 0.3457,
      "step": 279
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.6229414343833923,
      "learning_rate": 2.594594594594595e-06,
      "loss": 0.2988,
      "step": 280
    },
    {
      "epoch": 0.7493333333333333,
      "grad_norm": 0.4160059988498688,
      "learning_rate": 2.5675675675675675e-06,
      "loss": 0.2279,
      "step": 281
    },
    {
      "epoch": 0.752,
      "grad_norm": 0.532803475856781,
      "learning_rate": 2.540540540540541e-06,
      "loss": 0.2118,
      "step": 282
    },
    {
      "epoch": 0.7546666666666667,
      "grad_norm": 0.6132031679153442,
      "learning_rate": 2.5135135135135137e-06,
      "loss": 0.3307,
      "step": 283
    },
    {
      "epoch": 0.7573333333333333,
      "grad_norm": 0.4447031319141388,
      "learning_rate": 2.4864864864864867e-06,
      "loss": 0.1848,
      "step": 284
    },
    {
      "epoch": 0.76,
      "grad_norm": 0.4423050582408905,
      "learning_rate": 2.45945945945946e-06,
      "loss": 0.1766,
      "step": 285
    },
    {
      "epoch": 0.7626666666666667,
      "grad_norm": 0.44391313195228577,
      "learning_rate": 2.432432432432433e-06,
      "loss": 0.2207,
      "step": 286
    },
    {
      "epoch": 0.7653333333333333,
      "grad_norm": 0.5324662923812866,
      "learning_rate": 2.4054054054054055e-06,
      "loss": 0.2254,
      "step": 287
    },
    {
      "epoch": 0.768,
      "grad_norm": 0.6182007193565369,
      "learning_rate": 2.3783783783783786e-06,
      "loss": 0.2699,
      "step": 288
    },
    {
      "epoch": 0.7706666666666667,
      "grad_norm": 0.5047946572303772,
      "learning_rate": 2.3513513513513517e-06,
      "loss": 0.2281,
      "step": 289
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 0.6232054233551025,
      "learning_rate": 2.3243243243243247e-06,
      "loss": 0.3059,
      "step": 290
    },
    {
      "epoch": 0.776,
      "grad_norm": 0.558739185333252,
      "learning_rate": 2.297297297297298e-06,
      "loss": 0.2983,
      "step": 291
    },
    {
      "epoch": 0.7786666666666666,
      "grad_norm": 0.6422013640403748,
      "learning_rate": 2.2702702702702705e-06,
      "loss": 0.3558,
      "step": 292
    },
    {
      "epoch": 0.7813333333333333,
      "grad_norm": 0.5955943465232849,
      "learning_rate": 2.2432432432432435e-06,
      "loss": 0.2734,
      "step": 293
    },
    {
      "epoch": 0.784,
      "grad_norm": 0.5002573132514954,
      "learning_rate": 2.2162162162162166e-06,
      "loss": 0.2279,
      "step": 294
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 0.5895151495933533,
      "learning_rate": 2.1891891891891897e-06,
      "loss": 0.2701,
      "step": 295
    },
    {
      "epoch": 0.7893333333333333,
      "grad_norm": 0.5673359036445618,
      "learning_rate": 2.1621621621621623e-06,
      "loss": 0.1984,
      "step": 296
    },
    {
      "epoch": 0.792,
      "grad_norm": 0.4264613389968872,
      "learning_rate": 2.1351351351351354e-06,
      "loss": 0.1794,
      "step": 297
    },
    {
      "epoch": 0.7946666666666666,
      "grad_norm": 0.659907341003418,
      "learning_rate": 2.1081081081081085e-06,
      "loss": 0.3384,
      "step": 298
    },
    {
      "epoch": 0.7973333333333333,
      "grad_norm": 0.6269243359565735,
      "learning_rate": 2.0810810810810815e-06,
      "loss": 0.3326,
      "step": 299
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.43189308047294617,
      "learning_rate": 2.054054054054054e-06,
      "loss": 0.1423,
      "step": 300
    },
    {
      "epoch": 0.8026666666666666,
      "grad_norm": 0.7161185145378113,
      "learning_rate": 2.0270270270270273e-06,
      "loss": 0.3618,
      "step": 301
    },
    {
      "epoch": 0.8053333333333333,
      "grad_norm": 0.4656484127044678,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.2526,
      "step": 302
    },
    {
      "epoch": 0.808,
      "grad_norm": 0.6233392357826233,
      "learning_rate": 1.9729729729729734e-06,
      "loss": 0.3439,
      "step": 303
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 0.6742353439331055,
      "learning_rate": 1.945945945945946e-06,
      "loss": 0.3365,
      "step": 304
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 0.46171265840530396,
      "learning_rate": 1.918918918918919e-06,
      "loss": 0.2253,
      "step": 305
    },
    {
      "epoch": 0.816,
      "grad_norm": 0.645638644695282,
      "learning_rate": 1.8918918918918922e-06,
      "loss": 0.3279,
      "step": 306
    },
    {
      "epoch": 0.8186666666666667,
      "grad_norm": 0.5094810724258423,
      "learning_rate": 1.864864864864865e-06,
      "loss": 0.1979,
      "step": 307
    },
    {
      "epoch": 0.8213333333333334,
      "grad_norm": 0.5882660746574402,
      "learning_rate": 1.8378378378378381e-06,
      "loss": 0.27,
      "step": 308
    },
    {
      "epoch": 0.824,
      "grad_norm": 0.5968184471130371,
      "learning_rate": 1.810810810810811e-06,
      "loss": 0.2947,
      "step": 309
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 0.4677116572856903,
      "learning_rate": 1.783783783783784e-06,
      "loss": 0.1903,
      "step": 310
    },
    {
      "epoch": 0.8293333333333334,
      "grad_norm": 0.47223833203315735,
      "learning_rate": 1.756756756756757e-06,
      "loss": 0.2703,
      "step": 311
    },
    {
      "epoch": 0.832,
      "grad_norm": 0.5736991167068481,
      "learning_rate": 1.72972972972973e-06,
      "loss": 0.2675,
      "step": 312
    },
    {
      "epoch": 0.8346666666666667,
      "grad_norm": 0.5498875379562378,
      "learning_rate": 1.7027027027027028e-06,
      "loss": 0.3395,
      "step": 313
    },
    {
      "epoch": 0.8373333333333334,
      "grad_norm": 0.541662871837616,
      "learning_rate": 1.675675675675676e-06,
      "loss": 0.2349,
      "step": 314
    },
    {
      "epoch": 0.84,
      "grad_norm": 0.5072368383407593,
      "learning_rate": 1.6486486486486488e-06,
      "loss": 0.2657,
      "step": 315
    },
    {
      "epoch": 0.8426666666666667,
      "grad_norm": 0.516999363899231,
      "learning_rate": 1.6216216216216219e-06,
      "loss": 0.2439,
      "step": 316
    },
    {
      "epoch": 0.8453333333333334,
      "grad_norm": 0.4035884439945221,
      "learning_rate": 1.5945945945945947e-06,
      "loss": 0.2059,
      "step": 317
    },
    {
      "epoch": 0.848,
      "grad_norm": 0.5462342500686646,
      "learning_rate": 1.5675675675675678e-06,
      "loss": 0.2216,
      "step": 318
    },
    {
      "epoch": 0.8506666666666667,
      "grad_norm": 0.555443286895752,
      "learning_rate": 1.5405405405405409e-06,
      "loss": 0.2275,
      "step": 319
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.525092601776123,
      "learning_rate": 1.5135135135135137e-06,
      "loss": 0.2623,
      "step": 320
    },
    {
      "epoch": 0.856,
      "grad_norm": 0.5151273012161255,
      "learning_rate": 1.4864864864864868e-06,
      "loss": 0.2948,
      "step": 321
    },
    {
      "epoch": 0.8586666666666667,
      "grad_norm": 0.4763111472129822,
      "learning_rate": 1.4594594594594596e-06,
      "loss": 0.18,
      "step": 322
    },
    {
      "epoch": 0.8613333333333333,
      "grad_norm": 0.539084255695343,
      "learning_rate": 1.4324324324324327e-06,
      "loss": 0.2497,
      "step": 323
    },
    {
      "epoch": 0.864,
      "grad_norm": 0.4761391878128052,
      "learning_rate": 1.4054054054054056e-06,
      "loss": 0.2251,
      "step": 324
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.46497491002082825,
      "learning_rate": 1.3783783783783786e-06,
      "loss": 0.1881,
      "step": 325
    },
    {
      "epoch": 0.8693333333333333,
      "grad_norm": 0.6365607976913452,
      "learning_rate": 1.3513513513513515e-06,
      "loss": 0.2655,
      "step": 326
    },
    {
      "epoch": 0.872,
      "grad_norm": 0.5336793065071106,
      "learning_rate": 1.3243243243243246e-06,
      "loss": 0.1947,
      "step": 327
    },
    {
      "epoch": 0.8746666666666667,
      "grad_norm": 0.5925614833831787,
      "learning_rate": 1.2972972972972974e-06,
      "loss": 0.2919,
      "step": 328
    },
    {
      "epoch": 0.8773333333333333,
      "grad_norm": 0.5074449181556702,
      "learning_rate": 1.2702702702702705e-06,
      "loss": 0.2633,
      "step": 329
    },
    {
      "epoch": 0.88,
      "grad_norm": 0.5738174915313721,
      "learning_rate": 1.2432432432432434e-06,
      "loss": 0.2689,
      "step": 330
    },
    {
      "epoch": 0.8826666666666667,
      "grad_norm": 0.4811917543411255,
      "learning_rate": 1.2162162162162164e-06,
      "loss": 0.2613,
      "step": 331
    },
    {
      "epoch": 0.8853333333333333,
      "grad_norm": 0.5557621121406555,
      "learning_rate": 1.1891891891891893e-06,
      "loss": 0.2616,
      "step": 332
    },
    {
      "epoch": 0.888,
      "grad_norm": 0.6283103823661804,
      "learning_rate": 1.1621621621621624e-06,
      "loss": 0.3895,
      "step": 333
    },
    {
      "epoch": 0.8906666666666667,
      "grad_norm": 0.5130078792572021,
      "learning_rate": 1.1351351351351352e-06,
      "loss": 0.2217,
      "step": 334
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 0.4400177299976349,
      "learning_rate": 1.1081081081081083e-06,
      "loss": 0.211,
      "step": 335
    },
    {
      "epoch": 0.896,
      "grad_norm": 0.5011796355247498,
      "learning_rate": 1.0810810810810812e-06,
      "loss": 0.187,
      "step": 336
    },
    {
      "epoch": 0.8986666666666666,
      "grad_norm": 0.6570016145706177,
      "learning_rate": 1.0540540540540542e-06,
      "loss": 0.2917,
      "step": 337
    },
    {
      "epoch": 0.9013333333333333,
      "grad_norm": 0.547183632850647,
      "learning_rate": 1.027027027027027e-06,
      "loss": 0.2222,
      "step": 338
    },
    {
      "epoch": 0.904,
      "grad_norm": 0.30005550384521484,
      "learning_rate": 1.0000000000000002e-06,
      "loss": 0.0873,
      "step": 339
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.5152934193611145,
      "learning_rate": 9.72972972972973e-07,
      "loss": 0.2705,
      "step": 340
    },
    {
      "epoch": 0.9093333333333333,
      "grad_norm": 0.5884434580802917,
      "learning_rate": 9.459459459459461e-07,
      "loss": 0.284,
      "step": 341
    },
    {
      "epoch": 0.912,
      "grad_norm": 0.5595434904098511,
      "learning_rate": 9.189189189189191e-07,
      "loss": 0.2593,
      "step": 342
    },
    {
      "epoch": 0.9146666666666666,
      "grad_norm": 0.48860880732536316,
      "learning_rate": 8.91891891891892e-07,
      "loss": 0.254,
      "step": 343
    },
    {
      "epoch": 0.9173333333333333,
      "grad_norm": 0.748074471950531,
      "learning_rate": 8.64864864864865e-07,
      "loss": 0.4695,
      "step": 344
    },
    {
      "epoch": 0.92,
      "grad_norm": 0.4569614827632904,
      "learning_rate": 8.37837837837838e-07,
      "loss": 0.2607,
      "step": 345
    },
    {
      "epoch": 0.9226666666666666,
      "grad_norm": 0.6959945559501648,
      "learning_rate": 8.108108108108109e-07,
      "loss": 0.3591,
      "step": 346
    },
    {
      "epoch": 0.9253333333333333,
      "grad_norm": 0.5195951461791992,
      "learning_rate": 7.837837837837839e-07,
      "loss": 0.1942,
      "step": 347
    },
    {
      "epoch": 0.928,
      "grad_norm": 0.5688902735710144,
      "learning_rate": 7.567567567567569e-07,
      "loss": 0.3008,
      "step": 348
    },
    {
      "epoch": 0.9306666666666666,
      "grad_norm": 0.6103221774101257,
      "learning_rate": 7.297297297297298e-07,
      "loss": 0.3275,
      "step": 349
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.6006321310997009,
      "learning_rate": 7.027027027027028e-07,
      "loss": 0.3198,
      "step": 350
    },
    {
      "epoch": 0.936,
      "grad_norm": 0.7391495108604431,
      "learning_rate": 6.756756756756758e-07,
      "loss": 0.3365,
      "step": 351
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 0.6075729727745056,
      "learning_rate": 6.486486486486487e-07,
      "loss": 0.2967,
      "step": 352
    },
    {
      "epoch": 0.9413333333333334,
      "grad_norm": 0.42460107803344727,
      "learning_rate": 6.216216216216217e-07,
      "loss": 0.1768,
      "step": 353
    },
    {
      "epoch": 0.944,
      "grad_norm": 0.689520001411438,
      "learning_rate": 5.945945945945947e-07,
      "loss": 0.4174,
      "step": 354
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 0.6110814213752747,
      "learning_rate": 5.675675675675676e-07,
      "loss": 0.326,
      "step": 355
    },
    {
      "epoch": 0.9493333333333334,
      "grad_norm": 0.43443262577056885,
      "learning_rate": 5.405405405405406e-07,
      "loss": 0.1993,
      "step": 356
    },
    {
      "epoch": 0.952,
      "grad_norm": 0.5688784718513489,
      "learning_rate": 5.135135135135135e-07,
      "loss": 0.3116,
      "step": 357
    },
    {
      "epoch": 0.9546666666666667,
      "grad_norm": 0.475655198097229,
      "learning_rate": 4.864864864864865e-07,
      "loss": 0.1896,
      "step": 358
    },
    {
      "epoch": 0.9573333333333334,
      "grad_norm": 0.568077564239502,
      "learning_rate": 4.5945945945945953e-07,
      "loss": 0.2474,
      "step": 359
    },
    {
      "epoch": 0.96,
      "grad_norm": 0.7174350619316101,
      "learning_rate": 4.324324324324325e-07,
      "loss": 0.3743,
      "step": 360
    },
    {
      "epoch": 0.9626666666666667,
      "grad_norm": 0.5928183794021606,
      "learning_rate": 4.0540540540540546e-07,
      "loss": 0.2366,
      "step": 361
    },
    {
      "epoch": 0.9653333333333334,
      "grad_norm": 0.5015894770622253,
      "learning_rate": 3.7837837837837843e-07,
      "loss": 0.183,
      "step": 362
    },
    {
      "epoch": 0.968,
      "grad_norm": 0.5416318774223328,
      "learning_rate": 3.513513513513514e-07,
      "loss": 0.2822,
      "step": 363
    },
    {
      "epoch": 0.9706666666666667,
      "grad_norm": 0.6249793171882629,
      "learning_rate": 3.2432432432432436e-07,
      "loss": 0.3537,
      "step": 364
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.5722743272781372,
      "learning_rate": 2.972972972972973e-07,
      "loss": 0.263,
      "step": 365
    },
    {
      "epoch": 0.976,
      "grad_norm": 0.6733954548835754,
      "learning_rate": 2.702702702702703e-07,
      "loss": 0.3881,
      "step": 366
    },
    {
      "epoch": 0.9786666666666667,
      "grad_norm": 0.6705540418624878,
      "learning_rate": 2.4324324324324326e-07,
      "loss": 0.3907,
      "step": 367
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 0.6254285573959351,
      "learning_rate": 2.1621621621621625e-07,
      "loss": 0.3508,
      "step": 368
    },
    {
      "epoch": 0.984,
      "grad_norm": 0.5346245169639587,
      "learning_rate": 1.8918918918918921e-07,
      "loss": 0.3172,
      "step": 369
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.5429655313491821,
      "learning_rate": 1.6216216216216218e-07,
      "loss": 0.2217,
      "step": 370
    },
    {
      "epoch": 0.9893333333333333,
      "grad_norm": 0.4594503343105316,
      "learning_rate": 1.3513513513513515e-07,
      "loss": 0.2206,
      "step": 371
    },
    {
      "epoch": 0.992,
      "grad_norm": 0.4591004550457001,
      "learning_rate": 1.0810810810810812e-07,
      "loss": 0.229,
      "step": 372
    },
    {
      "epoch": 0.9946666666666667,
      "grad_norm": 0.46990957856178284,
      "learning_rate": 8.108108108108109e-08,
      "loss": 0.2025,
      "step": 373
    },
    {
      "epoch": 0.9973333333333333,
      "grad_norm": 0.6781377792358398,
      "learning_rate": 5.405405405405406e-08,
      "loss": 0.3046,
      "step": 374
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.5408530235290527,
      "learning_rate": 2.702702702702703e-08,
      "loss": 0.2223,
      "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": 2.97137729534976e+16,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}