{
  "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": 0.5543326735496521,
      "learning_rate": 0.0,
      "loss": 0.6956,
      "step": 1
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 0.4797985851764679,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.4872,
      "step": 2
    },
    {
      "epoch": 0.008,
      "grad_norm": 0.48911529779434204,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.5768,
      "step": 3
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 0.5587961077690125,
      "learning_rate": 6e-06,
      "loss": 0.747,
      "step": 4
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 0.5179899334907532,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.6733,
      "step": 5
    },
    {
      "epoch": 0.016,
      "grad_norm": 0.4987984597682953,
      "learning_rate": 1e-05,
      "loss": 0.5151,
      "step": 6
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 0.5047922134399414,
      "learning_rate": 9.972972972972975e-06,
      "loss": 0.7244,
      "step": 7
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 0.5605852603912354,
      "learning_rate": 9.945945945945947e-06,
      "loss": 0.809,
      "step": 8
    },
    {
      "epoch": 0.024,
      "grad_norm": 0.5104567408561707,
      "learning_rate": 9.91891891891892e-06,
      "loss": 0.5502,
      "step": 9
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 0.47620439529418945,
      "learning_rate": 9.891891891891893e-06,
      "loss": 0.4686,
      "step": 10
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 0.6194598078727722,
      "learning_rate": 9.864864864864865e-06,
      "loss": 0.6257,
      "step": 11
    },
    {
      "epoch": 0.032,
      "grad_norm": 0.5152365565299988,
      "learning_rate": 9.83783783783784e-06,
      "loss": 0.3789,
      "step": 12
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 0.3886977732181549,
      "learning_rate": 9.810810810810811e-06,
      "loss": 0.4055,
      "step": 13
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 0.5776229500770569,
      "learning_rate": 9.783783783783785e-06,
      "loss": 0.5677,
      "step": 14
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.4035866856575012,
      "learning_rate": 9.756756756756758e-06,
      "loss": 0.3087,
      "step": 15
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 0.6218178868293762,
      "learning_rate": 9.729729729729732e-06,
      "loss": 0.5242,
      "step": 16
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 0.542084813117981,
      "learning_rate": 9.702702702702704e-06,
      "loss": 0.4171,
      "step": 17
    },
    {
      "epoch": 0.048,
      "grad_norm": 0.5141088366508484,
      "learning_rate": 9.675675675675676e-06,
      "loss": 0.5878,
      "step": 18
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 0.535948634147644,
      "learning_rate": 9.64864864864865e-06,
      "loss": 0.701,
      "step": 19
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 0.4928755760192871,
      "learning_rate": 9.621621621621622e-06,
      "loss": 0.5019,
      "step": 20
    },
    {
      "epoch": 0.056,
      "grad_norm": 0.6214717626571655,
      "learning_rate": 9.594594594594594e-06,
      "loss": 0.5896,
      "step": 21
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 0.45226436853408813,
      "learning_rate": 9.567567567567568e-06,
      "loss": 0.4881,
      "step": 22
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 0.42297041416168213,
      "learning_rate": 9.540540540540542e-06,
      "loss": 0.4543,
      "step": 23
    },
    {
      "epoch": 0.064,
      "grad_norm": 0.4443454146385193,
      "learning_rate": 9.513513513513514e-06,
      "loss": 0.5891,
      "step": 24
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.494447261095047,
      "learning_rate": 9.486486486486487e-06,
      "loss": 0.5523,
      "step": 25
    },
    {
      "epoch": 0.06933333333333333,
      "grad_norm": 0.46235889196395874,
      "learning_rate": 9.45945945945946e-06,
      "loss": 0.6031,
      "step": 26
    },
    {
      "epoch": 0.072,
      "grad_norm": 0.4294489324092865,
      "learning_rate": 9.432432432432433e-06,
      "loss": 0.5405,
      "step": 27
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 0.4877467453479767,
      "learning_rate": 9.405405405405407e-06,
      "loss": 0.6455,
      "step": 28
    },
    {
      "epoch": 0.07733333333333334,
      "grad_norm": 0.39220619201660156,
      "learning_rate": 9.378378378378379e-06,
      "loss": 0.5314,
      "step": 29
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.47841790318489075,
      "learning_rate": 9.351351351351353e-06,
      "loss": 0.694,
      "step": 30
    },
    {
      "epoch": 0.08266666666666667,
      "grad_norm": 0.3639473617076874,
      "learning_rate": 9.324324324324325e-06,
      "loss": 0.4159,
      "step": 31
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 0.2741430997848511,
      "learning_rate": 9.297297297297299e-06,
      "loss": 0.3125,
      "step": 32
    },
    {
      "epoch": 0.088,
      "grad_norm": 0.322459876537323,
      "learning_rate": 9.270270270270271e-06,
      "loss": 0.3678,
      "step": 33
    },
    {
      "epoch": 0.09066666666666667,
      "grad_norm": 0.337561696767807,
      "learning_rate": 9.243243243243243e-06,
      "loss": 0.4006,
      "step": 34
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 0.2928447723388672,
      "learning_rate": 9.216216216216217e-06,
      "loss": 0.3721,
      "step": 35
    },
    {
      "epoch": 0.096,
      "grad_norm": 0.28887689113616943,
      "learning_rate": 9.189189189189191e-06,
      "loss": 0.3357,
      "step": 36
    },
    {
      "epoch": 0.09866666666666667,
      "grad_norm": 0.30098190903663635,
      "learning_rate": 9.162162162162162e-06,
      "loss": 0.3795,
      "step": 37
    },
    {
      "epoch": 0.10133333333333333,
      "grad_norm": 0.2573944628238678,
      "learning_rate": 9.135135135135136e-06,
      "loss": 0.2827,
      "step": 38
    },
    {
      "epoch": 0.104,
      "grad_norm": 0.34657958149909973,
      "learning_rate": 9.10810810810811e-06,
      "loss": 0.4863,
      "step": 39
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 0.33904358744621277,
      "learning_rate": 9.081081081081082e-06,
      "loss": 0.3657,
      "step": 40
    },
    {
      "epoch": 0.10933333333333334,
      "grad_norm": 0.34780725836753845,
      "learning_rate": 9.054054054054054e-06,
      "loss": 0.5071,
      "step": 41
    },
    {
      "epoch": 0.112,
      "grad_norm": 0.3733508288860321,
      "learning_rate": 9.027027027027028e-06,
      "loss": 0.398,
      "step": 42
    },
    {
      "epoch": 0.11466666666666667,
      "grad_norm": 0.3586997389793396,
      "learning_rate": 9e-06,
      "loss": 0.3597,
      "step": 43
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 0.2635090947151184,
      "learning_rate": 8.972972972972974e-06,
      "loss": 0.3313,
      "step": 44
    },
    {
      "epoch": 0.12,
      "grad_norm": 0.3568478226661682,
      "learning_rate": 8.945945945945946e-06,
      "loss": 0.5268,
      "step": 45
    },
    {
      "epoch": 0.12266666666666666,
      "grad_norm": 0.3590853214263916,
      "learning_rate": 8.91891891891892e-06,
      "loss": 0.4184,
      "step": 46
    },
    {
      "epoch": 0.12533333333333332,
      "grad_norm": 0.41594359278678894,
      "learning_rate": 8.891891891891893e-06,
      "loss": 0.5412,
      "step": 47
    },
    {
      "epoch": 0.128,
      "grad_norm": 0.35628384351730347,
      "learning_rate": 8.864864864864866e-06,
      "loss": 0.4746,
      "step": 48
    },
    {
      "epoch": 0.13066666666666665,
      "grad_norm": 0.39674803614616394,
      "learning_rate": 8.837837837837839e-06,
      "loss": 0.6083,
      "step": 49
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.34043654799461365,
      "learning_rate": 8.810810810810811e-06,
      "loss": 0.4301,
      "step": 50
    },
    {
      "epoch": 0.136,
      "grad_norm": 0.282921701669693,
      "learning_rate": 8.783783783783785e-06,
      "loss": 0.2986,
      "step": 51
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 0.3745182752609253,
      "learning_rate": 8.756756756756759e-06,
      "loss": 0.5282,
      "step": 52
    },
    {
      "epoch": 0.14133333333333334,
      "grad_norm": 0.35771623253822327,
      "learning_rate": 8.72972972972973e-06,
      "loss": 0.439,
      "step": 53
    },
    {
      "epoch": 0.144,
      "grad_norm": 0.341633141040802,
      "learning_rate": 8.702702702702703e-06,
      "loss": 0.4078,
      "step": 54
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 0.36740970611572266,
      "learning_rate": 8.675675675675677e-06,
      "loss": 0.451,
      "step": 55
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 0.3221670389175415,
      "learning_rate": 8.64864864864865e-06,
      "loss": 0.4683,
      "step": 56
    },
    {
      "epoch": 0.152,
      "grad_norm": 0.4730876386165619,
      "learning_rate": 8.621621621621622e-06,
      "loss": 0.6165,
      "step": 57
    },
    {
      "epoch": 0.15466666666666667,
      "grad_norm": 0.4205397665500641,
      "learning_rate": 8.594594594594595e-06,
      "loss": 0.4504,
      "step": 58
    },
    {
      "epoch": 0.15733333333333333,
      "grad_norm": 0.331021785736084,
      "learning_rate": 8.567567567567568e-06,
      "loss": 0.4651,
      "step": 59
    },
    {
      "epoch": 0.16,
      "grad_norm": 0.23827485740184784,
      "learning_rate": 8.540540540540542e-06,
      "loss": 0.2987,
      "step": 60
    },
    {
      "epoch": 0.16266666666666665,
      "grad_norm": 0.3104739487171173,
      "learning_rate": 8.513513513513514e-06,
      "loss": 0.3901,
      "step": 61
    },
    {
      "epoch": 0.16533333333333333,
      "grad_norm": 0.42158043384552,
      "learning_rate": 8.486486486486488e-06,
      "loss": 0.372,
      "step": 62
    },
    {
      "epoch": 0.168,
      "grad_norm": 0.37506619095802307,
      "learning_rate": 8.45945945945946e-06,
      "loss": 0.4102,
      "step": 63
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 0.26695767045021057,
      "learning_rate": 8.432432432432434e-06,
      "loss": 0.2591,
      "step": 64
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 0.3017287850379944,
      "learning_rate": 8.405405405405406e-06,
      "loss": 0.3498,
      "step": 65
    },
    {
      "epoch": 0.176,
      "grad_norm": 0.40047135949134827,
      "learning_rate": 8.378378378378378e-06,
      "loss": 0.4782,
      "step": 66
    },
    {
      "epoch": 0.17866666666666667,
      "grad_norm": 0.3512359857559204,
      "learning_rate": 8.351351351351352e-06,
      "loss": 0.3442,
      "step": 67
    },
    {
      "epoch": 0.18133333333333335,
      "grad_norm": 0.3808298707008362,
      "learning_rate": 8.324324324324326e-06,
      "loss": 0.4037,
      "step": 68
    },
    {
      "epoch": 0.184,
      "grad_norm": 0.2984209954738617,
      "learning_rate": 8.297297297297298e-06,
      "loss": 0.3603,
      "step": 69
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 0.3717655837535858,
      "learning_rate": 8.27027027027027e-06,
      "loss": 0.4912,
      "step": 70
    },
    {
      "epoch": 0.18933333333333333,
      "grad_norm": 0.3161354660987854,
      "learning_rate": 8.243243243243245e-06,
      "loss": 0.2771,
      "step": 71
    },
    {
      "epoch": 0.192,
      "grad_norm": 0.27775511145591736,
      "learning_rate": 8.216216216216217e-06,
      "loss": 0.2833,
      "step": 72
    },
    {
      "epoch": 0.19466666666666665,
      "grad_norm": 0.2867582142353058,
      "learning_rate": 8.189189189189189e-06,
      "loss": 0.3315,
      "step": 73
    },
    {
      "epoch": 0.19733333333333333,
      "grad_norm": 0.3157719373703003,
      "learning_rate": 8.162162162162163e-06,
      "loss": 0.4259,
      "step": 74
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.30915310978889465,
      "learning_rate": 8.135135135135137e-06,
      "loss": 0.4142,
      "step": 75
    },
    {
      "epoch": 0.20266666666666666,
      "grad_norm": 0.38195255398750305,
      "learning_rate": 8.108108108108109e-06,
      "loss": 0.3481,
      "step": 76
    },
    {
      "epoch": 0.20533333333333334,
      "grad_norm": 0.2841779589653015,
      "learning_rate": 8.081081081081081e-06,
      "loss": 0.2446,
      "step": 77
    },
    {
      "epoch": 0.208,
      "grad_norm": 0.354647159576416,
      "learning_rate": 8.054054054054055e-06,
      "loss": 0.4167,
      "step": 78
    },
    {
      "epoch": 0.21066666666666667,
      "grad_norm": 0.3281633257865906,
      "learning_rate": 8.027027027027027e-06,
      "loss": 0.3556,
      "step": 79
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 0.3177337944507599,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.3752,
      "step": 80
    },
    {
      "epoch": 0.216,
      "grad_norm": 0.3311088979244232,
      "learning_rate": 7.972972972972974e-06,
      "loss": 0.426,
      "step": 81
    },
    {
      "epoch": 0.21866666666666668,
      "grad_norm": 0.3061436116695404,
      "learning_rate": 7.945945945945946e-06,
      "loss": 0.3974,
      "step": 82
    },
    {
      "epoch": 0.22133333333333333,
      "grad_norm": 0.30639269948005676,
      "learning_rate": 7.91891891891892e-06,
      "loss": 0.3498,
      "step": 83
    },
    {
      "epoch": 0.224,
      "grad_norm": 0.36717212200164795,
      "learning_rate": 7.891891891891894e-06,
      "loss": 0.4627,
      "step": 84
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 0.39034345746040344,
      "learning_rate": 7.864864864864866e-06,
      "loss": 0.42,
      "step": 85
    },
    {
      "epoch": 0.22933333333333333,
      "grad_norm": 0.4020478129386902,
      "learning_rate": 7.837837837837838e-06,
      "loss": 0.4868,
      "step": 86
    },
    {
      "epoch": 0.232,
      "grad_norm": 0.296819269657135,
      "learning_rate": 7.810810810810812e-06,
      "loss": 0.333,
      "step": 87
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 0.3502885699272156,
      "learning_rate": 7.783783783783784e-06,
      "loss": 0.3953,
      "step": 88
    },
    {
      "epoch": 0.23733333333333334,
      "grad_norm": 0.43262115120887756,
      "learning_rate": 7.756756756756756e-06,
      "loss": 0.5473,
      "step": 89
    },
    {
      "epoch": 0.24,
      "grad_norm": 0.304721474647522,
      "learning_rate": 7.72972972972973e-06,
      "loss": 0.4099,
      "step": 90
    },
    {
      "epoch": 0.24266666666666667,
      "grad_norm": 0.31378278136253357,
      "learning_rate": 7.702702702702704e-06,
      "loss": 0.3256,
      "step": 91
    },
    {
      "epoch": 0.24533333333333332,
      "grad_norm": 0.3648003339767456,
      "learning_rate": 7.675675675675676e-06,
      "loss": 0.4076,
      "step": 92
    },
    {
      "epoch": 0.248,
      "grad_norm": 0.3370632231235504,
      "learning_rate": 7.648648648648649e-06,
      "loss": 0.4735,
      "step": 93
    },
    {
      "epoch": 0.25066666666666665,
      "grad_norm": 0.2060670107603073,
      "learning_rate": 7.621621621621622e-06,
      "loss": 0.1949,
      "step": 94
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 0.29312825202941895,
      "learning_rate": 7.594594594594596e-06,
      "loss": 0.3223,
      "step": 95
    },
    {
      "epoch": 0.256,
      "grad_norm": 0.35278427600860596,
      "learning_rate": 7.567567567567569e-06,
      "loss": 0.4784,
      "step": 96
    },
    {
      "epoch": 0.25866666666666666,
      "grad_norm": 0.36198437213897705,
      "learning_rate": 7.540540540540541e-06,
      "loss": 0.3854,
      "step": 97
    },
    {
      "epoch": 0.2613333333333333,
      "grad_norm": 0.3577609658241272,
      "learning_rate": 7.513513513513514e-06,
      "loss": 0.3211,
      "step": 98
    },
    {
      "epoch": 0.264,
      "grad_norm": 0.2675321698188782,
      "learning_rate": 7.486486486486487e-06,
      "loss": 0.2654,
      "step": 99
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.3134882152080536,
      "learning_rate": 7.45945945945946e-06,
      "loss": 0.3489,
      "step": 100
    },
    {
      "epoch": 0.2693333333333333,
      "grad_norm": 0.3352510333061218,
      "learning_rate": 7.4324324324324324e-06,
      "loss": 0.426,
      "step": 101
    },
    {
      "epoch": 0.272,
      "grad_norm": 0.3078528940677643,
      "learning_rate": 7.4054054054054055e-06,
      "loss": 0.3351,
      "step": 102
    },
    {
      "epoch": 0.27466666666666667,
      "grad_norm": 0.3601507544517517,
      "learning_rate": 7.3783783783783794e-06,
      "loss": 0.4123,
      "step": 103
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 0.3368474245071411,
      "learning_rate": 7.3513513513513525e-06,
      "loss": 0.3567,
      "step": 104
    },
    {
      "epoch": 0.28,
      "grad_norm": 0.2661753296852112,
      "learning_rate": 7.324324324324325e-06,
      "loss": 0.2526,
      "step": 105
    },
    {
      "epoch": 0.2826666666666667,
      "grad_norm": 0.29493969678878784,
      "learning_rate": 7.297297297297298e-06,
      "loss": 0.2911,
      "step": 106
    },
    {
      "epoch": 0.2853333333333333,
      "grad_norm": 0.3015214502811432,
      "learning_rate": 7.270270270270271e-06,
      "loss": 0.3546,
      "step": 107
    },
    {
      "epoch": 0.288,
      "grad_norm": 0.31170281767845154,
      "learning_rate": 7.243243243243244e-06,
      "loss": 0.3428,
      "step": 108
    },
    {
      "epoch": 0.2906666666666667,
      "grad_norm": 0.4432995915412903,
      "learning_rate": 7.216216216216216e-06,
      "loss": 0.589,
      "step": 109
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 0.2930474579334259,
      "learning_rate": 7.189189189189189e-06,
      "loss": 0.2782,
      "step": 110
    },
    {
      "epoch": 0.296,
      "grad_norm": 0.32517051696777344,
      "learning_rate": 7.162162162162163e-06,
      "loss": 0.3201,
      "step": 111
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 0.3172248899936676,
      "learning_rate": 7.135135135135136e-06,
      "loss": 0.4059,
      "step": 112
    },
    {
      "epoch": 0.30133333333333334,
      "grad_norm": 0.2943588197231293,
      "learning_rate": 7.1081081081081085e-06,
      "loss": 0.3373,
      "step": 113
    },
    {
      "epoch": 0.304,
      "grad_norm": 0.3395790457725525,
      "learning_rate": 7.0810810810810815e-06,
      "loss": 0.372,
      "step": 114
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 0.2943841814994812,
      "learning_rate": 7.054054054054055e-06,
      "loss": 0.2726,
      "step": 115
    },
    {
      "epoch": 0.30933333333333335,
      "grad_norm": 0.1903059333562851,
      "learning_rate": 7.027027027027028e-06,
      "loss": 0.1651,
      "step": 116
    },
    {
      "epoch": 0.312,
      "grad_norm": 0.4145515263080597,
      "learning_rate": 7e-06,
      "loss": 0.3926,
      "step": 117
    },
    {
      "epoch": 0.31466666666666665,
      "grad_norm": 0.3131045699119568,
      "learning_rate": 6.972972972972973e-06,
      "loss": 0.3608,
      "step": 118
    },
    {
      "epoch": 0.31733333333333336,
      "grad_norm": 0.25495240092277527,
      "learning_rate": 6.945945945945947e-06,
      "loss": 0.3064,
      "step": 119
    },
    {
      "epoch": 0.32,
      "grad_norm": 0.2852689325809479,
      "learning_rate": 6.91891891891892e-06,
      "loss": 0.3309,
      "step": 120
    },
    {
      "epoch": 0.32266666666666666,
      "grad_norm": 0.4423224925994873,
      "learning_rate": 6.891891891891892e-06,
      "loss": 0.6404,
      "step": 121
    },
    {
      "epoch": 0.3253333333333333,
      "grad_norm": 0.3159885108470917,
      "learning_rate": 6.864864864864865e-06,
      "loss": 0.3469,
      "step": 122
    },
    {
      "epoch": 0.328,
      "grad_norm": 0.3023677468299866,
      "learning_rate": 6.837837837837838e-06,
      "loss": 0.332,
      "step": 123
    },
    {
      "epoch": 0.33066666666666666,
      "grad_norm": 0.38796430826187134,
      "learning_rate": 6.810810810810811e-06,
      "loss": 0.4318,
      "step": 124
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.3045628070831299,
      "learning_rate": 6.783783783783784e-06,
      "loss": 0.2817,
      "step": 125
    },
    {
      "epoch": 0.336,
      "grad_norm": 0.32890522480010986,
      "learning_rate": 6.7567567567567575e-06,
      "loss": 0.3199,
      "step": 126
    },
    {
      "epoch": 0.33866666666666667,
      "grad_norm": 0.3798869252204895,
      "learning_rate": 6.729729729729731e-06,
      "loss": 0.4673,
      "step": 127
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 0.3522266447544098,
      "learning_rate": 6.702702702702704e-06,
      "loss": 0.4753,
      "step": 128
    },
    {
      "epoch": 0.344,
      "grad_norm": 0.37341293692588806,
      "learning_rate": 6.675675675675676e-06,
      "loss": 0.409,
      "step": 129
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 0.3412911295890808,
      "learning_rate": 6.648648648648649e-06,
      "loss": 0.379,
      "step": 130
    },
    {
      "epoch": 0.34933333333333333,
      "grad_norm": 0.3088519871234894,
      "learning_rate": 6.621621621621622e-06,
      "loss": 0.3961,
      "step": 131
    },
    {
      "epoch": 0.352,
      "grad_norm": 0.30359944701194763,
      "learning_rate": 6.594594594594595e-06,
      "loss": 0.3044,
      "step": 132
    },
    {
      "epoch": 0.3546666666666667,
      "grad_norm": 0.28909173607826233,
      "learning_rate": 6.567567567567567e-06,
      "loss": 0.2544,
      "step": 133
    },
    {
      "epoch": 0.35733333333333334,
      "grad_norm": 0.3639468848705292,
      "learning_rate": 6.540540540540541e-06,
      "loss": 0.3669,
      "step": 134
    },
    {
      "epoch": 0.36,
      "grad_norm": 0.3212590515613556,
      "learning_rate": 6.513513513513514e-06,
      "loss": 0.3105,
      "step": 135
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 0.32586899399757385,
      "learning_rate": 6.486486486486487e-06,
      "loss": 0.2895,
      "step": 136
    },
    {
      "epoch": 0.36533333333333334,
      "grad_norm": 0.4099315106868744,
      "learning_rate": 6.45945945945946e-06,
      "loss": 0.4668,
      "step": 137
    },
    {
      "epoch": 0.368,
      "grad_norm": 0.38457584381103516,
      "learning_rate": 6.432432432432433e-06,
      "loss": 0.4084,
      "step": 138
    },
    {
      "epoch": 0.37066666666666664,
      "grad_norm": 0.3032227158546448,
      "learning_rate": 6.405405405405406e-06,
      "loss": 0.3217,
      "step": 139
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 0.3041359484195709,
      "learning_rate": 6.378378378378379e-06,
      "loss": 0.3851,
      "step": 140
    },
    {
      "epoch": 0.376,
      "grad_norm": 0.3315296769142151,
      "learning_rate": 6.351351351351351e-06,
      "loss": 0.4248,
      "step": 141
    },
    {
      "epoch": 0.37866666666666665,
      "grad_norm": 0.303970068693161,
      "learning_rate": 6.324324324324325e-06,
      "loss": 0.3885,
      "step": 142
    },
    {
      "epoch": 0.38133333333333336,
      "grad_norm": 0.34357282519340515,
      "learning_rate": 6.297297297297298e-06,
      "loss": 0.2876,
      "step": 143
    },
    {
      "epoch": 0.384,
      "grad_norm": 0.2901041805744171,
      "learning_rate": 6.270270270270271e-06,
      "loss": 0.2973,
      "step": 144
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 0.3165181279182434,
      "learning_rate": 6.243243243243243e-06,
      "loss": 0.3841,
      "step": 145
    },
    {
      "epoch": 0.3893333333333333,
      "grad_norm": 0.2310963273048401,
      "learning_rate": 6.2162162162162164e-06,
      "loss": 0.2286,
      "step": 146
    },
    {
      "epoch": 0.392,
      "grad_norm": 0.2447914183139801,
      "learning_rate": 6.1891891891891895e-06,
      "loss": 0.1429,
      "step": 147
    },
    {
      "epoch": 0.39466666666666667,
      "grad_norm": 0.3992317318916321,
      "learning_rate": 6.162162162162163e-06,
      "loss": 0.403,
      "step": 148
    },
    {
      "epoch": 0.3973333333333333,
      "grad_norm": 0.2959234416484833,
      "learning_rate": 6.135135135135135e-06,
      "loss": 0.3206,
      "step": 149
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.3633984923362732,
      "learning_rate": 6.108108108108109e-06,
      "loss": 0.4131,
      "step": 150
    },
    {
      "epoch": 0.4026666666666667,
      "grad_norm": 0.27947551012039185,
      "learning_rate": 6.081081081081082e-06,
      "loss": 0.2148,
      "step": 151
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 0.27176031470298767,
      "learning_rate": 6.054054054054055e-06,
      "loss": 0.2658,
      "step": 152
    },
    {
      "epoch": 0.408,
      "grad_norm": 0.21890059113502502,
      "learning_rate": 6.027027027027027e-06,
      "loss": 0.2063,
      "step": 153
    },
    {
      "epoch": 0.4106666666666667,
      "grad_norm": 0.36990290880203247,
      "learning_rate": 6e-06,
      "loss": 0.3108,
      "step": 154
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 0.3169533908367157,
      "learning_rate": 5.972972972972973e-06,
      "loss": 0.3325,
      "step": 155
    },
    {
      "epoch": 0.416,
      "grad_norm": 0.33552664518356323,
      "learning_rate": 5.945945945945947e-06,
      "loss": 0.3589,
      "step": 156
    },
    {
      "epoch": 0.4186666666666667,
      "grad_norm": 0.33601251244544983,
      "learning_rate": 5.9189189189189185e-06,
      "loss": 0.3444,
      "step": 157
    },
    {
      "epoch": 0.42133333333333334,
      "grad_norm": 0.37620675563812256,
      "learning_rate": 5.8918918918918924e-06,
      "loss": 0.4049,
      "step": 158
    },
    {
      "epoch": 0.424,
      "grad_norm": 0.3032550513744354,
      "learning_rate": 5.8648648648648655e-06,
      "loss": 0.3118,
      "step": 159
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.40191274881362915,
      "learning_rate": 5.837837837837839e-06,
      "loss": 0.4275,
      "step": 160
    },
    {
      "epoch": 0.42933333333333334,
      "grad_norm": 0.3813474178314209,
      "learning_rate": 5.810810810810811e-06,
      "loss": 0.4268,
      "step": 161
    },
    {
      "epoch": 0.432,
      "grad_norm": 0.24699276685714722,
      "learning_rate": 5.783783783783784e-06,
      "loss": 0.2391,
      "step": 162
    },
    {
      "epoch": 0.43466666666666665,
      "grad_norm": 0.36394762992858887,
      "learning_rate": 5.756756756756757e-06,
      "loss": 0.4565,
      "step": 163
    },
    {
      "epoch": 0.43733333333333335,
      "grad_norm": 0.2819131016731262,
      "learning_rate": 5.729729729729731e-06,
      "loss": 0.2905,
      "step": 164
    },
    {
      "epoch": 0.44,
      "grad_norm": 0.3803357481956482,
      "learning_rate": 5.702702702702702e-06,
      "loss": 0.3327,
      "step": 165
    },
    {
      "epoch": 0.44266666666666665,
      "grad_norm": 0.29587841033935547,
      "learning_rate": 5.675675675675676e-06,
      "loss": 0.3043,
      "step": 166
    },
    {
      "epoch": 0.44533333333333336,
      "grad_norm": 0.3077935576438904,
      "learning_rate": 5.648648648648649e-06,
      "loss": 0.2851,
      "step": 167
    },
    {
      "epoch": 0.448,
      "grad_norm": 0.3655727207660675,
      "learning_rate": 5.621621621621622e-06,
      "loss": 0.3167,
      "step": 168
    },
    {
      "epoch": 0.45066666666666666,
      "grad_norm": 0.35974135994911194,
      "learning_rate": 5.5945945945945945e-06,
      "loss": 0.3813,
      "step": 169
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 0.33626919984817505,
      "learning_rate": 5.567567567567568e-06,
      "loss": 0.2613,
      "step": 170
    },
    {
      "epoch": 0.456,
      "grad_norm": 0.3979906737804413,
      "learning_rate": 5.540540540540541e-06,
      "loss": 0.4109,
      "step": 171
    },
    {
      "epoch": 0.45866666666666667,
      "grad_norm": 0.25267234444618225,
      "learning_rate": 5.513513513513515e-06,
      "loss": 0.2701,
      "step": 172
    },
    {
      "epoch": 0.4613333333333333,
      "grad_norm": 0.22866086661815643,
      "learning_rate": 5.486486486486487e-06,
      "loss": 0.1741,
      "step": 173
    },
    {
      "epoch": 0.464,
      "grad_norm": 0.4401591420173645,
      "learning_rate": 5.45945945945946e-06,
      "loss": 0.3929,
      "step": 174
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.3904745876789093,
      "learning_rate": 5.432432432432433e-06,
      "loss": 0.4772,
      "step": 175
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 0.432851105928421,
      "learning_rate": 5.405405405405406e-06,
      "loss": 0.4624,
      "step": 176
    },
    {
      "epoch": 0.472,
      "grad_norm": 0.4081991910934448,
      "learning_rate": 5.378378378378378e-06,
      "loss": 0.3851,
      "step": 177
    },
    {
      "epoch": 0.4746666666666667,
      "grad_norm": 0.3384975790977478,
      "learning_rate": 5.351351351351351e-06,
      "loss": 0.2801,
      "step": 178
    },
    {
      "epoch": 0.47733333333333333,
      "grad_norm": 0.4302685260772705,
      "learning_rate": 5.324324324324324e-06,
      "loss": 0.4144,
      "step": 179
    },
    {
      "epoch": 0.48,
      "grad_norm": 0.32512715458869934,
      "learning_rate": 5.297297297297298e-06,
      "loss": 0.2505,
      "step": 180
    },
    {
      "epoch": 0.4826666666666667,
      "grad_norm": 0.34773311018943787,
      "learning_rate": 5.2702702702702705e-06,
      "loss": 0.3358,
      "step": 181
    },
    {
      "epoch": 0.48533333333333334,
      "grad_norm": 0.30763885378837585,
      "learning_rate": 5.243243243243244e-06,
      "loss": 0.2721,
      "step": 182
    },
    {
      "epoch": 0.488,
      "grad_norm": 0.439249187707901,
      "learning_rate": 5.216216216216217e-06,
      "loss": 0.3921,
      "step": 183
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 0.43283864855766296,
      "learning_rate": 5.18918918918919e-06,
      "loss": 0.3795,
      "step": 184
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 0.3459068536758423,
      "learning_rate": 5.162162162162162e-06,
      "loss": 0.3303,
      "step": 185
    },
    {
      "epoch": 0.496,
      "grad_norm": 0.31420034170150757,
      "learning_rate": 5.135135135135135e-06,
      "loss": 0.2682,
      "step": 186
    },
    {
      "epoch": 0.49866666666666665,
      "grad_norm": 0.3572358787059784,
      "learning_rate": 5.108108108108108e-06,
      "loss": 0.4049,
      "step": 187
    },
    {
      "epoch": 0.5013333333333333,
      "grad_norm": 0.3104552924633026,
      "learning_rate": 5.081081081081082e-06,
      "loss": 0.2046,
      "step": 188
    },
    {
      "epoch": 0.504,
      "grad_norm": 0.3065375089645386,
      "learning_rate": 5.054054054054054e-06,
      "loss": 0.2973,
      "step": 189
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 0.3651704490184784,
      "learning_rate": 5.027027027027027e-06,
      "loss": 0.3574,
      "step": 190
    },
    {
      "epoch": 0.5093333333333333,
      "grad_norm": 0.3481694161891937,
      "learning_rate": 5e-06,
      "loss": 0.306,
      "step": 191
    },
    {
      "epoch": 0.512,
      "grad_norm": 0.3983936011791229,
      "learning_rate": 4.9729729729729735e-06,
      "loss": 0.399,
      "step": 192
    },
    {
      "epoch": 0.5146666666666667,
      "grad_norm": 0.2925852835178375,
      "learning_rate": 4.9459459459459466e-06,
      "loss": 0.2433,
      "step": 193
    },
    {
      "epoch": 0.5173333333333333,
      "grad_norm": 0.2713722586631775,
      "learning_rate": 4.91891891891892e-06,
      "loss": 0.2328,
      "step": 194
    },
    {
      "epoch": 0.52,
      "grad_norm": 0.2910085916519165,
      "learning_rate": 4.891891891891893e-06,
      "loss": 0.3107,
      "step": 195
    },
    {
      "epoch": 0.5226666666666666,
      "grad_norm": 0.2857808768749237,
      "learning_rate": 4.864864864864866e-06,
      "loss": 0.2631,
      "step": 196
    },
    {
      "epoch": 0.5253333333333333,
      "grad_norm": 0.43601498007774353,
      "learning_rate": 4.837837837837838e-06,
      "loss": 0.3705,
      "step": 197
    },
    {
      "epoch": 0.528,
      "grad_norm": 0.38336774706840515,
      "learning_rate": 4.810810810810811e-06,
      "loss": 0.3345,
      "step": 198
    },
    {
      "epoch": 0.5306666666666666,
      "grad_norm": 0.4071420729160309,
      "learning_rate": 4.783783783783784e-06,
      "loss": 0.3484,
      "step": 199
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.2940559983253479,
      "learning_rate": 4.756756756756757e-06,
      "loss": 0.2016,
      "step": 200
    },
    {
      "epoch": 0.536,
      "grad_norm": 0.4159807860851288,
      "learning_rate": 4.72972972972973e-06,
      "loss": 0.3413,
      "step": 201
    },
    {
      "epoch": 0.5386666666666666,
      "grad_norm": 0.31199994683265686,
      "learning_rate": 4.702702702702703e-06,
      "loss": 0.2842,
      "step": 202
    },
    {
      "epoch": 0.5413333333333333,
      "grad_norm": 0.38184690475463867,
      "learning_rate": 4.675675675675676e-06,
      "loss": 0.3452,
      "step": 203
    },
    {
      "epoch": 0.544,
      "grad_norm": 0.38543686270713806,
      "learning_rate": 4.6486486486486495e-06,
      "loss": 0.2921,
      "step": 204
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 0.4293280839920044,
      "learning_rate": 4.621621621621622e-06,
      "loss": 0.3633,
      "step": 205
    },
    {
      "epoch": 0.5493333333333333,
      "grad_norm": 0.2980861961841583,
      "learning_rate": 4.594594594594596e-06,
      "loss": 0.2961,
      "step": 206
    },
    {
      "epoch": 0.552,
      "grad_norm": 0.30945834517478943,
      "learning_rate": 4.567567567567568e-06,
      "loss": 0.2818,
      "step": 207
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 0.37931495904922485,
      "learning_rate": 4.540540540540541e-06,
      "loss": 0.3857,
      "step": 208
    },
    {
      "epoch": 0.5573333333333333,
      "grad_norm": 0.35123351216316223,
      "learning_rate": 4.513513513513514e-06,
      "loss": 0.408,
      "step": 209
    },
    {
      "epoch": 0.56,
      "grad_norm": 0.2804057002067566,
      "learning_rate": 4.486486486486487e-06,
      "loss": 0.2618,
      "step": 210
    },
    {
      "epoch": 0.5626666666666666,
      "grad_norm": 0.3479675054550171,
      "learning_rate": 4.45945945945946e-06,
      "loss": 0.267,
      "step": 211
    },
    {
      "epoch": 0.5653333333333334,
      "grad_norm": 0.36160293221473694,
      "learning_rate": 4.432432432432433e-06,
      "loss": 0.2505,
      "step": 212
    },
    {
      "epoch": 0.568,
      "grad_norm": 0.46441665291786194,
      "learning_rate": 4.4054054054054054e-06,
      "loss": 0.4244,
      "step": 213
    },
    {
      "epoch": 0.5706666666666667,
      "grad_norm": 0.39929330348968506,
      "learning_rate": 4.378378378378379e-06,
      "loss": 0.3994,
      "step": 214
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 0.41803714632987976,
      "learning_rate": 4.351351351351352e-06,
      "loss": 0.365,
      "step": 215
    },
    {
      "epoch": 0.576,
      "grad_norm": 0.3278641700744629,
      "learning_rate": 4.324324324324325e-06,
      "loss": 0.2969,
      "step": 216
    },
    {
      "epoch": 0.5786666666666667,
      "grad_norm": 0.35098132491111755,
      "learning_rate": 4.297297297297298e-06,
      "loss": 0.25,
      "step": 217
    },
    {
      "epoch": 0.5813333333333334,
      "grad_norm": 0.382811963558197,
      "learning_rate": 4.270270270270271e-06,
      "loss": 0.4022,
      "step": 218
    },
    {
      "epoch": 0.584,
      "grad_norm": 0.3137627840042114,
      "learning_rate": 4.243243243243244e-06,
      "loss": 0.2221,
      "step": 219
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 0.3829237222671509,
      "learning_rate": 4.216216216216217e-06,
      "loss": 0.3865,
      "step": 220
    },
    {
      "epoch": 0.5893333333333334,
      "grad_norm": 0.2855459153652191,
      "learning_rate": 4.189189189189189e-06,
      "loss": 0.2099,
      "step": 221
    },
    {
      "epoch": 0.592,
      "grad_norm": 0.4217367172241211,
      "learning_rate": 4.162162162162163e-06,
      "loss": 0.2955,
      "step": 222
    },
    {
      "epoch": 0.5946666666666667,
      "grad_norm": 0.34897539019584656,
      "learning_rate": 4.135135135135135e-06,
      "loss": 0.2907,
      "step": 223
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 0.3473462462425232,
      "learning_rate": 4.108108108108108e-06,
      "loss": 0.217,
      "step": 224
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.2988053858280182,
      "learning_rate": 4.0810810810810815e-06,
      "loss": 0.2515,
      "step": 225
    },
    {
      "epoch": 0.6026666666666667,
      "grad_norm": 0.30404821038246155,
      "learning_rate": 4.0540540540540545e-06,
      "loss": 0.2521,
      "step": 226
    },
    {
      "epoch": 0.6053333333333333,
      "grad_norm": 0.4090055227279663,
      "learning_rate": 4.027027027027028e-06,
      "loss": 0.3145,
      "step": 227
    },
    {
      "epoch": 0.608,
      "grad_norm": 0.39826086163520813,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.3738,
      "step": 228
    },
    {
      "epoch": 0.6106666666666667,
      "grad_norm": 0.3401602804660797,
      "learning_rate": 3.972972972972973e-06,
      "loss": 0.2934,
      "step": 229
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.2691913843154907,
      "learning_rate": 3.945945945945947e-06,
      "loss": 0.2003,
      "step": 230
    },
    {
      "epoch": 0.616,
      "grad_norm": 0.33477792143821716,
      "learning_rate": 3.918918918918919e-06,
      "loss": 0.2781,
      "step": 231
    },
    {
      "epoch": 0.6186666666666667,
      "grad_norm": 0.34887659549713135,
      "learning_rate": 3.891891891891892e-06,
      "loss": 0.2968,
      "step": 232
    },
    {
      "epoch": 0.6213333333333333,
      "grad_norm": 0.37257885932922363,
      "learning_rate": 3.864864864864865e-06,
      "loss": 0.2721,
      "step": 233
    },
    {
      "epoch": 0.624,
      "grad_norm": 0.4132642447948456,
      "learning_rate": 3.837837837837838e-06,
      "loss": 0.367,
      "step": 234
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 0.34420615434646606,
      "learning_rate": 3.810810810810811e-06,
      "loss": 0.2108,
      "step": 235
    },
    {
      "epoch": 0.6293333333333333,
      "grad_norm": 0.3111736476421356,
      "learning_rate": 3.7837837837837844e-06,
      "loss": 0.2659,
      "step": 236
    },
    {
      "epoch": 0.632,
      "grad_norm": 0.43924304842948914,
      "learning_rate": 3.756756756756757e-06,
      "loss": 0.3809,
      "step": 237
    },
    {
      "epoch": 0.6346666666666667,
      "grad_norm": 0.36944520473480225,
      "learning_rate": 3.72972972972973e-06,
      "loss": 0.2917,
      "step": 238
    },
    {
      "epoch": 0.6373333333333333,
      "grad_norm": 0.2700068950653076,
      "learning_rate": 3.7027027027027028e-06,
      "loss": 0.2465,
      "step": 239
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.3277302384376526,
      "learning_rate": 3.6756756756756763e-06,
      "loss": 0.2729,
      "step": 240
    },
    {
      "epoch": 0.6426666666666667,
      "grad_norm": 0.3427664339542389,
      "learning_rate": 3.648648648648649e-06,
      "loss": 0.2448,
      "step": 241
    },
    {
      "epoch": 0.6453333333333333,
      "grad_norm": 0.3337377905845642,
      "learning_rate": 3.621621621621622e-06,
      "loss": 0.3081,
      "step": 242
    },
    {
      "epoch": 0.648,
      "grad_norm": 0.3489575982093811,
      "learning_rate": 3.5945945945945946e-06,
      "loss": 0.2226,
      "step": 243
    },
    {
      "epoch": 0.6506666666666666,
      "grad_norm": 0.30923986434936523,
      "learning_rate": 3.567567567567568e-06,
      "loss": 0.265,
      "step": 244
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 0.3624332845211029,
      "learning_rate": 3.5405405405405408e-06,
      "loss": 0.3184,
      "step": 245
    },
    {
      "epoch": 0.656,
      "grad_norm": 0.41641637682914734,
      "learning_rate": 3.513513513513514e-06,
      "loss": 0.2641,
      "step": 246
    },
    {
      "epoch": 0.6586666666666666,
      "grad_norm": 0.41340944170951843,
      "learning_rate": 3.4864864864864865e-06,
      "loss": 0.4517,
      "step": 247
    },
    {
      "epoch": 0.6613333333333333,
      "grad_norm": 0.32282981276512146,
      "learning_rate": 3.45945945945946e-06,
      "loss": 0.2259,
      "step": 248
    },
    {
      "epoch": 0.664,
      "grad_norm": 0.30529171228408813,
      "learning_rate": 3.4324324324324326e-06,
      "loss": 0.2571,
      "step": 249
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.35596510767936707,
      "learning_rate": 3.4054054054054057e-06,
      "loss": 0.295,
      "step": 250
    },
    {
      "epoch": 0.6693333333333333,
      "grad_norm": 0.36369168758392334,
      "learning_rate": 3.3783783783783788e-06,
      "loss": 0.3128,
      "step": 251
    },
    {
      "epoch": 0.672,
      "grad_norm": 0.3960557281970978,
      "learning_rate": 3.351351351351352e-06,
      "loss": 0.3323,
      "step": 252
    },
    {
      "epoch": 0.6746666666666666,
      "grad_norm": 0.33096563816070557,
      "learning_rate": 3.3243243243243245e-06,
      "loss": 0.3233,
      "step": 253
    },
    {
      "epoch": 0.6773333333333333,
      "grad_norm": 0.33427736163139343,
      "learning_rate": 3.2972972972972976e-06,
      "loss": 0.2328,
      "step": 254
    },
    {
      "epoch": 0.68,
      "grad_norm": 0.3351435363292694,
      "learning_rate": 3.2702702702702706e-06,
      "loss": 0.2521,
      "step": 255
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 0.32389771938323975,
      "learning_rate": 3.2432432432432437e-06,
      "loss": 0.2511,
      "step": 256
    },
    {
      "epoch": 0.6853333333333333,
      "grad_norm": 0.35591626167297363,
      "learning_rate": 3.2162162162162164e-06,
      "loss": 0.2742,
      "step": 257
    },
    {
      "epoch": 0.688,
      "grad_norm": 0.3498152792453766,
      "learning_rate": 3.1891891891891894e-06,
      "loss": 0.2928,
      "step": 258
    },
    {
      "epoch": 0.6906666666666667,
      "grad_norm": 0.4030319154262543,
      "learning_rate": 3.1621621621621625e-06,
      "loss": 0.3687,
      "step": 259
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.44715437293052673,
      "learning_rate": 3.1351351351351356e-06,
      "loss": 0.3983,
      "step": 260
    },
    {
      "epoch": 0.696,
      "grad_norm": 0.2908027470111847,
      "learning_rate": 3.1081081081081082e-06,
      "loss": 0.2629,
      "step": 261
    },
    {
      "epoch": 0.6986666666666667,
      "grad_norm": 0.5021239519119263,
      "learning_rate": 3.0810810810810817e-06,
      "loss": 0.3994,
      "step": 262
    },
    {
      "epoch": 0.7013333333333334,
      "grad_norm": 0.290340781211853,
      "learning_rate": 3.0540540540540544e-06,
      "loss": 0.2263,
      "step": 263
    },
    {
      "epoch": 0.704,
      "grad_norm": 0.3487938344478607,
      "learning_rate": 3.0270270270270274e-06,
      "loss": 0.2638,
      "step": 264
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 0.3932484984397888,
      "learning_rate": 3e-06,
      "loss": 0.3097,
      "step": 265
    },
    {
      "epoch": 0.7093333333333334,
      "grad_norm": 0.5002031922340393,
      "learning_rate": 2.9729729729729736e-06,
      "loss": 0.4373,
      "step": 266
    },
    {
      "epoch": 0.712,
      "grad_norm": 0.36487922072410583,
      "learning_rate": 2.9459459459459462e-06,
      "loss": 0.2637,
      "step": 267
    },
    {
      "epoch": 0.7146666666666667,
      "grad_norm": 0.2596171498298645,
      "learning_rate": 2.9189189189189193e-06,
      "loss": 0.2038,
      "step": 268
    },
    {
      "epoch": 0.7173333333333334,
      "grad_norm": 0.39281710982322693,
      "learning_rate": 2.891891891891892e-06,
      "loss": 0.3409,
      "step": 269
    },
    {
      "epoch": 0.72,
      "grad_norm": 0.3259102702140808,
      "learning_rate": 2.8648648648648654e-06,
      "loss": 0.2503,
      "step": 270
    },
    {
      "epoch": 0.7226666666666667,
      "grad_norm": 0.2479904145002365,
      "learning_rate": 2.837837837837838e-06,
      "loss": 0.1462,
      "step": 271
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 0.3548821806907654,
      "learning_rate": 2.810810810810811e-06,
      "loss": 0.2581,
      "step": 272
    },
    {
      "epoch": 0.728,
      "grad_norm": 0.30984100699424744,
      "learning_rate": 2.783783783783784e-06,
      "loss": 0.2634,
      "step": 273
    },
    {
      "epoch": 0.7306666666666667,
      "grad_norm": 0.32336750626564026,
      "learning_rate": 2.7567567567567573e-06,
      "loss": 0.2717,
      "step": 274
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.41626253724098206,
      "learning_rate": 2.72972972972973e-06,
      "loss": 0.3692,
      "step": 275
    },
    {
      "epoch": 0.736,
      "grad_norm": 0.43731579184532166,
      "learning_rate": 2.702702702702703e-06,
      "loss": 0.2893,
      "step": 276
    },
    {
      "epoch": 0.7386666666666667,
      "grad_norm": 0.3316793739795685,
      "learning_rate": 2.6756756756756757e-06,
      "loss": 0.2933,
      "step": 277
    },
    {
      "epoch": 0.7413333333333333,
      "grad_norm": 0.34317371249198914,
      "learning_rate": 2.648648648648649e-06,
      "loss": 0.253,
      "step": 278
    },
    {
      "epoch": 0.744,
      "grad_norm": 0.4271750748157501,
      "learning_rate": 2.621621621621622e-06,
      "loss": 0.3828,
      "step": 279
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.40320831537246704,
      "learning_rate": 2.594594594594595e-06,
      "loss": 0.3426,
      "step": 280
    },
    {
      "epoch": 0.7493333333333333,
      "grad_norm": 0.3044051229953766,
      "learning_rate": 2.5675675675675675e-06,
      "loss": 0.2511,
      "step": 281
    },
    {
      "epoch": 0.752,
      "grad_norm": 0.3970816135406494,
      "learning_rate": 2.540540540540541e-06,
      "loss": 0.2573,
      "step": 282
    },
    {
      "epoch": 0.7546666666666667,
      "grad_norm": 0.4108094871044159,
      "learning_rate": 2.5135135135135137e-06,
      "loss": 0.3741,
      "step": 283
    },
    {
      "epoch": 0.7573333333333333,
      "grad_norm": 0.28992119431495667,
      "learning_rate": 2.4864864864864867e-06,
      "loss": 0.2164,
      "step": 284
    },
    {
      "epoch": 0.76,
      "grad_norm": 0.31842753291130066,
      "learning_rate": 2.45945945945946e-06,
      "loss": 0.2077,
      "step": 285
    },
    {
      "epoch": 0.7626666666666667,
      "grad_norm": 0.33158078789711,
      "learning_rate": 2.432432432432433e-06,
      "loss": 0.2589,
      "step": 286
    },
    {
      "epoch": 0.7653333333333333,
      "grad_norm": 0.3764644265174866,
      "learning_rate": 2.4054054054054055e-06,
      "loss": 0.2617,
      "step": 287
    },
    {
      "epoch": 0.768,
      "grad_norm": 0.4450628161430359,
      "learning_rate": 2.3783783783783786e-06,
      "loss": 0.3143,
      "step": 288
    },
    {
      "epoch": 0.7706666666666667,
      "grad_norm": 0.3775527775287628,
      "learning_rate": 2.3513513513513517e-06,
      "loss": 0.2598,
      "step": 289
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 0.45357051491737366,
      "learning_rate": 2.3243243243243247e-06,
      "loss": 0.3592,
      "step": 290
    },
    {
      "epoch": 0.776,
      "grad_norm": 0.3857765793800354,
      "learning_rate": 2.297297297297298e-06,
      "loss": 0.3438,
      "step": 291
    },
    {
      "epoch": 0.7786666666666666,
      "grad_norm": 0.43802541494369507,
      "learning_rate": 2.2702702702702705e-06,
      "loss": 0.4062,
      "step": 292
    },
    {
      "epoch": 0.7813333333333333,
      "grad_norm": 0.3732124865055084,
      "learning_rate": 2.2432432432432435e-06,
      "loss": 0.3048,
      "step": 293
    },
    {
      "epoch": 0.784,
      "grad_norm": 0.3807182013988495,
      "learning_rate": 2.2162162162162166e-06,
      "loss": 0.2663,
      "step": 294
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 0.4048035740852356,
      "learning_rate": 2.1891891891891897e-06,
      "loss": 0.3072,
      "step": 295
    },
    {
      "epoch": 0.7893333333333333,
      "grad_norm": 0.39922451972961426,
      "learning_rate": 2.1621621621621623e-06,
      "loss": 0.2339,
      "step": 296
    },
    {
      "epoch": 0.792,
      "grad_norm": 0.2846182584762573,
      "learning_rate": 2.1351351351351354e-06,
      "loss": 0.2155,
      "step": 297
    },
    {
      "epoch": 0.7946666666666666,
      "grad_norm": 0.41739848256111145,
      "learning_rate": 2.1081081081081085e-06,
      "loss": 0.3934,
      "step": 298
    },
    {
      "epoch": 0.7973333333333333,
      "grad_norm": 0.4416024386882782,
      "learning_rate": 2.0810810810810815e-06,
      "loss": 0.3662,
      "step": 299
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.30463194847106934,
      "learning_rate": 2.054054054054054e-06,
      "loss": 0.1741,
      "step": 300
    },
    {
      "epoch": 0.8026666666666666,
      "grad_norm": 0.4621759057044983,
      "learning_rate": 2.0270270270270273e-06,
      "loss": 0.386,
      "step": 301
    },
    {
      "epoch": 0.8053333333333333,
      "grad_norm": 0.3465329110622406,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.2907,
      "step": 302
    },
    {
      "epoch": 0.808,
      "grad_norm": 0.4569227993488312,
      "learning_rate": 1.9729729729729734e-06,
      "loss": 0.3812,
      "step": 303
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 0.5099005103111267,
      "learning_rate": 1.945945945945946e-06,
      "loss": 0.3752,
      "step": 304
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 0.3218974471092224,
      "learning_rate": 1.918918918918919e-06,
      "loss": 0.2583,
      "step": 305
    },
    {
      "epoch": 0.816,
      "grad_norm": 0.4221980571746826,
      "learning_rate": 1.8918918918918922e-06,
      "loss": 0.3704,
      "step": 306
    },
    {
      "epoch": 0.8186666666666667,
      "grad_norm": 0.343237966299057,
      "learning_rate": 1.864864864864865e-06,
      "loss": 0.2248,
      "step": 307
    },
    {
      "epoch": 0.8213333333333334,
      "grad_norm": 0.4055427014827728,
      "learning_rate": 1.8378378378378381e-06,
      "loss": 0.3173,
      "step": 308
    },
    {
      "epoch": 0.824,
      "grad_norm": 0.39990803599357605,
      "learning_rate": 1.810810810810811e-06,
      "loss": 0.3269,
      "step": 309
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 0.3207007944583893,
      "learning_rate": 1.783783783783784e-06,
      "loss": 0.2143,
      "step": 310
    },
    {
      "epoch": 0.8293333333333334,
      "grad_norm": 0.3382914662361145,
      "learning_rate": 1.756756756756757e-06,
      "loss": 0.3108,
      "step": 311
    },
    {
      "epoch": 0.832,
      "grad_norm": 0.43605750799179077,
      "learning_rate": 1.72972972972973e-06,
      "loss": 0.3095,
      "step": 312
    },
    {
      "epoch": 0.8346666666666667,
      "grad_norm": 0.35699039697647095,
      "learning_rate": 1.7027027027027028e-06,
      "loss": 0.3827,
      "step": 313
    },
    {
      "epoch": 0.8373333333333334,
      "grad_norm": 0.40352246165275574,
      "learning_rate": 1.675675675675676e-06,
      "loss": 0.2844,
      "step": 314
    },
    {
      "epoch": 0.84,
      "grad_norm": 0.3621034324169159,
      "learning_rate": 1.6486486486486488e-06,
      "loss": 0.3114,
      "step": 315
    },
    {
      "epoch": 0.8426666666666667,
      "grad_norm": 0.3875608742237091,
      "learning_rate": 1.6216216216216219e-06,
      "loss": 0.2788,
      "step": 316
    },
    {
      "epoch": 0.8453333333333334,
      "grad_norm": 0.3284818232059479,
      "learning_rate": 1.5945945945945947e-06,
      "loss": 0.2323,
      "step": 317
    },
    {
      "epoch": 0.848,
      "grad_norm": 0.3997751772403717,
      "learning_rate": 1.5675675675675678e-06,
      "loss": 0.2632,
      "step": 318
    },
    {
      "epoch": 0.8506666666666667,
      "grad_norm": 0.3715415298938751,
      "learning_rate": 1.5405405405405409e-06,
      "loss": 0.2535,
      "step": 319
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.3825894594192505,
      "learning_rate": 1.5135135135135137e-06,
      "loss": 0.2901,
      "step": 320
    },
    {
      "epoch": 0.856,
      "grad_norm": 0.37206536531448364,
      "learning_rate": 1.4864864864864868e-06,
      "loss": 0.3282,
      "step": 321
    },
    {
      "epoch": 0.8586666666666667,
      "grad_norm": 0.3316505253314972,
      "learning_rate": 1.4594594594594596e-06,
      "loss": 0.2124,
      "step": 322
    },
    {
      "epoch": 0.8613333333333333,
      "grad_norm": 0.3504232168197632,
      "learning_rate": 1.4324324324324327e-06,
      "loss": 0.2777,
      "step": 323
    },
    {
      "epoch": 0.864,
      "grad_norm": 0.36071428656578064,
      "learning_rate": 1.4054054054054056e-06,
      "loss": 0.2612,
      "step": 324
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.3016913831233978,
      "learning_rate": 1.3783783783783786e-06,
      "loss": 0.2098,
      "step": 325
    },
    {
      "epoch": 0.8693333333333333,
      "grad_norm": 0.41724303364753723,
      "learning_rate": 1.3513513513513515e-06,
      "loss": 0.2893,
      "step": 326
    },
    {
      "epoch": 0.872,
      "grad_norm": 0.36300426721572876,
      "learning_rate": 1.3243243243243246e-06,
      "loss": 0.2313,
      "step": 327
    },
    {
      "epoch": 0.8746666666666667,
      "grad_norm": 0.43667200207710266,
      "learning_rate": 1.2972972972972974e-06,
      "loss": 0.3249,
      "step": 328
    },
    {
      "epoch": 0.8773333333333333,
      "grad_norm": 0.364689439535141,
      "learning_rate": 1.2702702702702705e-06,
      "loss": 0.297,
      "step": 329
    },
    {
      "epoch": 0.88,
      "grad_norm": 0.4155840277671814,
      "learning_rate": 1.2432432432432434e-06,
      "loss": 0.3092,
      "step": 330
    },
    {
      "epoch": 0.8826666666666667,
      "grad_norm": 0.35489585995674133,
      "learning_rate": 1.2162162162162164e-06,
      "loss": 0.3007,
      "step": 331
    },
    {
      "epoch": 0.8853333333333333,
      "grad_norm": 0.3930169343948364,
      "learning_rate": 1.1891891891891893e-06,
      "loss": 0.3042,
      "step": 332
    },
    {
      "epoch": 0.888,
      "grad_norm": 0.507380485534668,
      "learning_rate": 1.1621621621621624e-06,
      "loss": 0.4284,
      "step": 333
    },
    {
      "epoch": 0.8906666666666667,
      "grad_norm": 0.43257761001586914,
      "learning_rate": 1.1351351351351352e-06,
      "loss": 0.2661,
      "step": 334
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 0.3422864079475403,
      "learning_rate": 1.1081081081081083e-06,
      "loss": 0.2505,
      "step": 335
    },
    {
      "epoch": 0.896,
      "grad_norm": 0.35226839780807495,
      "learning_rate": 1.0810810810810812e-06,
      "loss": 0.219,
      "step": 336
    },
    {
      "epoch": 0.8986666666666666,
      "grad_norm": 0.4419368505477905,
      "learning_rate": 1.0540540540540542e-06,
      "loss": 0.3242,
      "step": 337
    },
    {
      "epoch": 0.9013333333333333,
      "grad_norm": 0.3603654205799103,
      "learning_rate": 1.027027027027027e-06,
      "loss": 0.2457,
      "step": 338
    },
    {
      "epoch": 0.904,
      "grad_norm": 0.23355542123317719,
      "learning_rate": 1.0000000000000002e-06,
      "loss": 0.1069,
      "step": 339
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.3583284616470337,
      "learning_rate": 9.72972972972973e-07,
      "loss": 0.3046,
      "step": 340
    },
    {
      "epoch": 0.9093333333333333,
      "grad_norm": 0.4247784912586212,
      "learning_rate": 9.459459459459461e-07,
      "loss": 0.3131,
      "step": 341
    },
    {
      "epoch": 0.912,
      "grad_norm": 0.4089176058769226,
      "learning_rate": 9.189189189189191e-07,
      "loss": 0.2946,
      "step": 342
    },
    {
      "epoch": 0.9146666666666666,
      "grad_norm": 0.3539067804813385,
      "learning_rate": 8.91891891891892e-07,
      "loss": 0.2874,
      "step": 343
    },
    {
      "epoch": 0.9173333333333333,
      "grad_norm": 0.49719032645225525,
      "learning_rate": 8.64864864864865e-07,
      "loss": 0.5162,
      "step": 344
    },
    {
      "epoch": 0.92,
      "grad_norm": 0.3560430407524109,
      "learning_rate": 8.37837837837838e-07,
      "loss": 0.3009,
      "step": 345
    },
    {
      "epoch": 0.9226666666666666,
      "grad_norm": 0.49504554271698,
      "learning_rate": 8.108108108108109e-07,
      "loss": 0.3853,
      "step": 346
    },
    {
      "epoch": 0.9253333333333333,
      "grad_norm": 0.4062340557575226,
      "learning_rate": 7.837837837837839e-07,
      "loss": 0.2318,
      "step": 347
    },
    {
      "epoch": 0.928,
      "grad_norm": 0.39711132645606995,
      "learning_rate": 7.567567567567569e-07,
      "loss": 0.3441,
      "step": 348
    },
    {
      "epoch": 0.9306666666666666,
      "grad_norm": 0.42216071486473083,
      "learning_rate": 7.297297297297298e-07,
      "loss": 0.378,
      "step": 349
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.3861375153064728,
      "learning_rate": 7.027027027027028e-07,
      "loss": 0.3638,
      "step": 350
    },
    {
      "epoch": 0.936,
      "grad_norm": 0.5421589612960815,
      "learning_rate": 6.756756756756758e-07,
      "loss": 0.3744,
      "step": 351
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 0.43214794993400574,
      "learning_rate": 6.486486486486487e-07,
      "loss": 0.3312,
      "step": 352
    },
    {
      "epoch": 0.9413333333333334,
      "grad_norm": 0.3104563057422638,
      "learning_rate": 6.216216216216217e-07,
      "loss": 0.2097,
      "step": 353
    },
    {
      "epoch": 0.944,
      "grad_norm": 0.4928406774997711,
      "learning_rate": 5.945945945945947e-07,
      "loss": 0.4677,
      "step": 354
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 0.441724568605423,
      "learning_rate": 5.675675675675676e-07,
      "loss": 0.3546,
      "step": 355
    },
    {
      "epoch": 0.9493333333333334,
      "grad_norm": 0.33893322944641113,
      "learning_rate": 5.405405405405406e-07,
      "loss": 0.2484,
      "step": 356
    },
    {
      "epoch": 0.952,
      "grad_norm": 0.41612762212753296,
      "learning_rate": 5.135135135135135e-07,
      "loss": 0.3608,
      "step": 357
    },
    {
      "epoch": 0.9546666666666667,
      "grad_norm": 0.2958903908729553,
      "learning_rate": 4.864864864864865e-07,
      "loss": 0.2148,
      "step": 358
    },
    {
      "epoch": 0.9573333333333334,
      "grad_norm": 0.3755427896976471,
      "learning_rate": 4.5945945945945953e-07,
      "loss": 0.28,
      "step": 359
    },
    {
      "epoch": 0.96,
      "grad_norm": 0.4604218900203705,
      "learning_rate": 4.324324324324325e-07,
      "loss": 0.4067,
      "step": 360
    },
    {
      "epoch": 0.9626666666666667,
      "grad_norm": 0.388827919960022,
      "learning_rate": 4.0540540540540546e-07,
      "loss": 0.2744,
      "step": 361
    },
    {
      "epoch": 0.9653333333333334,
      "grad_norm": 0.38863062858581543,
      "learning_rate": 3.7837837837837843e-07,
      "loss": 0.2274,
      "step": 362
    },
    {
      "epoch": 0.968,
      "grad_norm": 0.4132128357887268,
      "learning_rate": 3.513513513513514e-07,
      "loss": 0.3047,
      "step": 363
    },
    {
      "epoch": 0.9706666666666667,
      "grad_norm": 0.40824928879737854,
      "learning_rate": 3.2432432432432436e-07,
      "loss": 0.3904,
      "step": 364
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.44959524273872375,
      "learning_rate": 2.972972972972973e-07,
      "loss": 0.3008,
      "step": 365
    },
    {
      "epoch": 0.976,
      "grad_norm": 0.47792452573776245,
      "learning_rate": 2.702702702702703e-07,
      "loss": 0.4352,
      "step": 366
    },
    {
      "epoch": 0.9786666666666667,
      "grad_norm": 0.477355420589447,
      "learning_rate": 2.4324324324324326e-07,
      "loss": 0.4255,
      "step": 367
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 0.47951552271842957,
      "learning_rate": 2.1621621621621625e-07,
      "loss": 0.3973,
      "step": 368
    },
    {
      "epoch": 0.984,
      "grad_norm": 0.3649778366088867,
      "learning_rate": 1.8918918918918921e-07,
      "loss": 0.3594,
      "step": 369
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.3684973120689392,
      "learning_rate": 1.6216216216216218e-07,
      "loss": 0.2628,
      "step": 370
    },
    {
      "epoch": 0.9893333333333333,
      "grad_norm": 0.31863442063331604,
      "learning_rate": 1.3513513513513515e-07,
      "loss": 0.2458,
      "step": 371
    },
    {
      "epoch": 0.992,
      "grad_norm": 0.3513255715370178,
      "learning_rate": 1.0810810810810812e-07,
      "loss": 0.2672,
      "step": 372
    },
    {
      "epoch": 0.9946666666666667,
      "grad_norm": 0.31979799270629883,
      "learning_rate": 8.108108108108109e-08,
      "loss": 0.2378,
      "step": 373
    },
    {
      "epoch": 0.9973333333333333,
      "grad_norm": 0.4553889334201813,
      "learning_rate": 5.405405405405406e-08,
      "loss": 0.3365,
      "step": 374
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.4054870307445526,
      "learning_rate": 2.702702702702703e-08,
      "loss": 0.2587,
      "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": 2.96852882586624e+16,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}