{
  "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": 1.2632250785827637,
      "learning_rate": 0.0,
      "loss": 0.6959,
      "step": 1
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 0.9535449147224426,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.4873,
      "step": 2
    },
    {
      "epoch": 0.008,
      "grad_norm": 0.9648246169090271,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.5776,
      "step": 3
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 1.2632354497909546,
      "learning_rate": 6e-06,
      "loss": 0.7453,
      "step": 4
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 1.088373064994812,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.6712,
      "step": 5
    },
    {
      "epoch": 0.016,
      "grad_norm": 1.0624353885650635,
      "learning_rate": 1e-05,
      "loss": 0.5128,
      "step": 6
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 1.1257402896881104,
      "learning_rate": 9.972972972972975e-06,
      "loss": 0.7179,
      "step": 7
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 1.2437230348587036,
      "learning_rate": 9.945945945945947e-06,
      "loss": 0.8003,
      "step": 8
    },
    {
      "epoch": 0.024,
      "grad_norm": 1.1540412902832031,
      "learning_rate": 9.91891891891892e-06,
      "loss": 0.5408,
      "step": 9
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 0.9456297159194946,
      "learning_rate": 9.891891891891893e-06,
      "loss": 0.4627,
      "step": 10
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 1.1548097133636475,
      "learning_rate": 9.864864864864865e-06,
      "loss": 0.6173,
      "step": 11
    },
    {
      "epoch": 0.032,
      "grad_norm": 1.017241358757019,
      "learning_rate": 9.83783783783784e-06,
      "loss": 0.3708,
      "step": 12
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 0.775692343711853,
      "learning_rate": 9.810810810810811e-06,
      "loss": 0.3984,
      "step": 13
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 1.1640586853027344,
      "learning_rate": 9.783783783783785e-06,
      "loss": 0.5555,
      "step": 14
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.7723327875137329,
      "learning_rate": 9.756756756756758e-06,
      "loss": 0.3026,
      "step": 15
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 1.238878846168518,
      "learning_rate": 9.729729729729732e-06,
      "loss": 0.5133,
      "step": 16
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 1.05595862865448,
      "learning_rate": 9.702702702702704e-06,
      "loss": 0.4092,
      "step": 17
    },
    {
      "epoch": 0.048,
      "grad_norm": 0.9802029132843018,
      "learning_rate": 9.675675675675676e-06,
      "loss": 0.5807,
      "step": 18
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 1.126335859298706,
      "learning_rate": 9.64864864864865e-06,
      "loss": 0.6859,
      "step": 19
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 0.9781637787818909,
      "learning_rate": 9.621621621621622e-06,
      "loss": 0.4886,
      "step": 20
    },
    {
      "epoch": 0.056,
      "grad_norm": 1.1344776153564453,
      "learning_rate": 9.594594594594594e-06,
      "loss": 0.588,
      "step": 21
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 0.8178356885910034,
      "learning_rate": 9.567567567567568e-06,
      "loss": 0.4835,
      "step": 22
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 0.8295167088508606,
      "learning_rate": 9.540540540540542e-06,
      "loss": 0.4478,
      "step": 23
    },
    {
      "epoch": 0.064,
      "grad_norm": 0.8396567702293396,
      "learning_rate": 9.513513513513514e-06,
      "loss": 0.5816,
      "step": 24
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.8964991569519043,
      "learning_rate": 9.486486486486487e-06,
      "loss": 0.5425,
      "step": 25
    },
    {
      "epoch": 0.06933333333333333,
      "grad_norm": 0.8322060704231262,
      "learning_rate": 9.45945945945946e-06,
      "loss": 0.591,
      "step": 26
    },
    {
      "epoch": 0.072,
      "grad_norm": 0.7925006747245789,
      "learning_rate": 9.432432432432433e-06,
      "loss": 0.5263,
      "step": 27
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 0.8647345304489136,
      "learning_rate": 9.405405405405407e-06,
      "loss": 0.638,
      "step": 28
    },
    {
      "epoch": 0.07733333333333334,
      "grad_norm": 0.696017324924469,
      "learning_rate": 9.378378378378379e-06,
      "loss": 0.5191,
      "step": 29
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.906914472579956,
      "learning_rate": 9.351351351351353e-06,
      "loss": 0.6764,
      "step": 30
    },
    {
      "epoch": 0.08266666666666667,
      "grad_norm": 0.7016689777374268,
      "learning_rate": 9.324324324324325e-06,
      "loss": 0.4119,
      "step": 31
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 0.4910934269428253,
      "learning_rate": 9.297297297297299e-06,
      "loss": 0.311,
      "step": 32
    },
    {
      "epoch": 0.088,
      "grad_norm": 0.5438764095306396,
      "learning_rate": 9.270270270270271e-06,
      "loss": 0.3596,
      "step": 33
    },
    {
      "epoch": 0.09066666666666667,
      "grad_norm": 0.5910165905952454,
      "learning_rate": 9.243243243243243e-06,
      "loss": 0.3872,
      "step": 34
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 0.5011196732521057,
      "learning_rate": 9.216216216216217e-06,
      "loss": 0.3554,
      "step": 35
    },
    {
      "epoch": 0.096,
      "grad_norm": 0.539025068283081,
      "learning_rate": 9.189189189189191e-06,
      "loss": 0.3243,
      "step": 36
    },
    {
      "epoch": 0.09866666666666667,
      "grad_norm": 0.5107506513595581,
      "learning_rate": 9.162162162162162e-06,
      "loss": 0.3638,
      "step": 37
    },
    {
      "epoch": 0.10133333333333333,
      "grad_norm": 0.49783021211624146,
      "learning_rate": 9.135135135135136e-06,
      "loss": 0.2766,
      "step": 38
    },
    {
      "epoch": 0.104,
      "grad_norm": 0.5699411630630493,
      "learning_rate": 9.10810810810811e-06,
      "loss": 0.476,
      "step": 39
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 0.5322999954223633,
      "learning_rate": 9.081081081081082e-06,
      "loss": 0.3581,
      "step": 40
    },
    {
      "epoch": 0.10933333333333334,
      "grad_norm": 0.5404374003410339,
      "learning_rate": 9.054054054054054e-06,
      "loss": 0.4947,
      "step": 41
    },
    {
      "epoch": 0.112,
      "grad_norm": 0.6044526100158691,
      "learning_rate": 9.027027027027028e-06,
      "loss": 0.3993,
      "step": 42
    },
    {
      "epoch": 0.11466666666666667,
      "grad_norm": 0.510282576084137,
      "learning_rate": 9e-06,
      "loss": 0.3515,
      "step": 43
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 0.3956855237483978,
      "learning_rate": 8.972972972972974e-06,
      "loss": 0.3245,
      "step": 44
    },
    {
      "epoch": 0.12,
      "grad_norm": 0.4893379509449005,
      "learning_rate": 8.945945945945946e-06,
      "loss": 0.5056,
      "step": 45
    },
    {
      "epoch": 0.12266666666666666,
      "grad_norm": 0.5294197797775269,
      "learning_rate": 8.91891891891892e-06,
      "loss": 0.4104,
      "step": 46
    },
    {
      "epoch": 0.12533333333333332,
      "grad_norm": 0.55298912525177,
      "learning_rate": 8.891891891891893e-06,
      "loss": 0.522,
      "step": 47
    },
    {
      "epoch": 0.128,
      "grad_norm": 0.4941525161266327,
      "learning_rate": 8.864864864864866e-06,
      "loss": 0.4653,
      "step": 48
    },
    {
      "epoch": 0.13066666666666665,
      "grad_norm": 0.5639269948005676,
      "learning_rate": 8.837837837837839e-06,
      "loss": 0.5935,
      "step": 49
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.4992218613624573,
      "learning_rate": 8.810810810810811e-06,
      "loss": 0.4151,
      "step": 50
    },
    {
      "epoch": 0.136,
      "grad_norm": 0.38432708382606506,
      "learning_rate": 8.783783783783785e-06,
      "loss": 0.2899,
      "step": 51
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 0.5149230360984802,
      "learning_rate": 8.756756756756759e-06,
      "loss": 0.5152,
      "step": 52
    },
    {
      "epoch": 0.14133333333333334,
      "grad_norm": 0.47879964113235474,
      "learning_rate": 8.72972972972973e-06,
      "loss": 0.4369,
      "step": 53
    },
    {
      "epoch": 0.144,
      "grad_norm": 0.5225049257278442,
      "learning_rate": 8.702702702702703e-06,
      "loss": 0.399,
      "step": 54
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 0.5030249953269958,
      "learning_rate": 8.675675675675677e-06,
      "loss": 0.4404,
      "step": 55
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 0.44801419973373413,
      "learning_rate": 8.64864864864865e-06,
      "loss": 0.4566,
      "step": 56
    },
    {
      "epoch": 0.152,
      "grad_norm": 0.6062158942222595,
      "learning_rate": 8.621621621621622e-06,
      "loss": 0.6257,
      "step": 57
    },
    {
      "epoch": 0.15466666666666667,
      "grad_norm": 0.5708873867988586,
      "learning_rate": 8.594594594594595e-06,
      "loss": 0.4461,
      "step": 58
    },
    {
      "epoch": 0.15733333333333333,
      "grad_norm": 0.42473024129867554,
      "learning_rate": 8.567567567567568e-06,
      "loss": 0.4466,
      "step": 59
    },
    {
      "epoch": 0.16,
      "grad_norm": 0.320469468832016,
      "learning_rate": 8.540540540540542e-06,
      "loss": 0.2936,
      "step": 60
    },
    {
      "epoch": 0.16266666666666665,
      "grad_norm": 0.40130409598350525,
      "learning_rate": 8.513513513513514e-06,
      "loss": 0.399,
      "step": 61
    },
    {
      "epoch": 0.16533333333333333,
      "grad_norm": 0.519593358039856,
      "learning_rate": 8.486486486486488e-06,
      "loss": 0.3793,
      "step": 62
    },
    {
      "epoch": 0.168,
      "grad_norm": 0.49880456924438477,
      "learning_rate": 8.45945945945946e-06,
      "loss": 0.4015,
      "step": 63
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 0.34372755885124207,
      "learning_rate": 8.432432432432434e-06,
      "loss": 0.2349,
      "step": 64
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 0.37598320841789246,
      "learning_rate": 8.405405405405406e-06,
      "loss": 0.3516,
      "step": 65
    },
    {
      "epoch": 0.176,
      "grad_norm": 0.5529313087463379,
      "learning_rate": 8.378378378378378e-06,
      "loss": 0.4748,
      "step": 66
    },
    {
      "epoch": 0.17866666666666667,
      "grad_norm": 0.45690402388572693,
      "learning_rate": 8.351351351351352e-06,
      "loss": 0.3405,
      "step": 67
    },
    {
      "epoch": 0.18133333333333335,
      "grad_norm": 0.49351558089256287,
      "learning_rate": 8.324324324324326e-06,
      "loss": 0.4041,
      "step": 68
    },
    {
      "epoch": 0.184,
      "grad_norm": 0.39800554513931274,
      "learning_rate": 8.297297297297298e-06,
      "loss": 0.3607,
      "step": 69
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 0.4760783910751343,
      "learning_rate": 8.27027027027027e-06,
      "loss": 0.4916,
      "step": 70
    },
    {
      "epoch": 0.18933333333333333,
      "grad_norm": 0.37370172142982483,
      "learning_rate": 8.243243243243245e-06,
      "loss": 0.2983,
      "step": 71
    },
    {
      "epoch": 0.192,
      "grad_norm": 0.38242238759994507,
      "learning_rate": 8.216216216216217e-06,
      "loss": 0.279,
      "step": 72
    },
    {
      "epoch": 0.19466666666666665,
      "grad_norm": 0.35583117604255676,
      "learning_rate": 8.189189189189189e-06,
      "loss": 0.32,
      "step": 73
    },
    {
      "epoch": 0.19733333333333333,
      "grad_norm": 0.41052600741386414,
      "learning_rate": 8.162162162162163e-06,
      "loss": 0.4242,
      "step": 74
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.3926902413368225,
      "learning_rate": 8.135135135135137e-06,
      "loss": 0.3983,
      "step": 75
    },
    {
      "epoch": 0.20266666666666666,
      "grad_norm": 0.4358697235584259,
      "learning_rate": 8.108108108108109e-06,
      "loss": 0.3679,
      "step": 76
    },
    {
      "epoch": 0.20533333333333334,
      "grad_norm": 0.39500361680984497,
      "learning_rate": 8.081081081081081e-06,
      "loss": 0.245,
      "step": 77
    },
    {
      "epoch": 0.208,
      "grad_norm": 0.41749808192253113,
      "learning_rate": 8.054054054054055e-06,
      "loss": 0.4251,
      "step": 78
    },
    {
      "epoch": 0.21066666666666667,
      "grad_norm": 0.39232876896858215,
      "learning_rate": 8.027027027027027e-06,
      "loss": 0.3567,
      "step": 79
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 0.43561381101608276,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.3738,
      "step": 80
    },
    {
      "epoch": 0.216,
      "grad_norm": 0.45170858502388,
      "learning_rate": 7.972972972972974e-06,
      "loss": 0.4275,
      "step": 81
    },
    {
      "epoch": 0.21866666666666668,
      "grad_norm": 0.4064945876598358,
      "learning_rate": 7.945945945945946e-06,
      "loss": 0.3997,
      "step": 82
    },
    {
      "epoch": 0.22133333333333333,
      "grad_norm": 0.37037575244903564,
      "learning_rate": 7.91891891891892e-06,
      "loss": 0.3486,
      "step": 83
    },
    {
      "epoch": 0.224,
      "grad_norm": 0.45347702503204346,
      "learning_rate": 7.891891891891894e-06,
      "loss": 0.4618,
      "step": 84
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 0.5336992740631104,
      "learning_rate": 7.864864864864866e-06,
      "loss": 0.4328,
      "step": 85
    },
    {
      "epoch": 0.22933333333333333,
      "grad_norm": 0.5036271214485168,
      "learning_rate": 7.837837837837838e-06,
      "loss": 0.4855,
      "step": 86
    },
    {
      "epoch": 0.232,
      "grad_norm": 0.40080636739730835,
      "learning_rate": 7.810810810810812e-06,
      "loss": 0.3173,
      "step": 87
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 0.4708414673805237,
      "learning_rate": 7.783783783783784e-06,
      "loss": 0.4145,
      "step": 88
    },
    {
      "epoch": 0.23733333333333334,
      "grad_norm": 0.5278328061103821,
      "learning_rate": 7.756756756756756e-06,
      "loss": 0.5464,
      "step": 89
    },
    {
      "epoch": 0.24,
      "grad_norm": 0.3803942799568176,
      "learning_rate": 7.72972972972973e-06,
      "loss": 0.4026,
      "step": 90
    },
    {
      "epoch": 0.24266666666666667,
      "grad_norm": 0.4059780240058899,
      "learning_rate": 7.702702702702704e-06,
      "loss": 0.3151,
      "step": 91
    },
    {
      "epoch": 0.24533333333333332,
      "grad_norm": 0.4332011342048645,
      "learning_rate": 7.675675675675676e-06,
      "loss": 0.41,
      "step": 92
    },
    {
      "epoch": 0.248,
      "grad_norm": 0.4177844524383545,
      "learning_rate": 7.648648648648649e-06,
      "loss": 0.4776,
      "step": 93
    },
    {
      "epoch": 0.25066666666666665,
      "grad_norm": 0.28835350275039673,
      "learning_rate": 7.621621621621622e-06,
      "loss": 0.2027,
      "step": 94
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 0.382720947265625,
      "learning_rate": 7.594594594594596e-06,
      "loss": 0.3276,
      "step": 95
    },
    {
      "epoch": 0.256,
      "grad_norm": 0.42023003101348877,
      "learning_rate": 7.567567567567569e-06,
      "loss": 0.4776,
      "step": 96
    },
    {
      "epoch": 0.25866666666666666,
      "grad_norm": 0.44875791668891907,
      "learning_rate": 7.540540540540541e-06,
      "loss": 0.3971,
      "step": 97
    },
    {
      "epoch": 0.2613333333333333,
      "grad_norm": 0.4357510805130005,
      "learning_rate": 7.513513513513514e-06,
      "loss": 0.3151,
      "step": 98
    },
    {
      "epoch": 0.264,
      "grad_norm": 0.36698347330093384,
      "learning_rate": 7.486486486486487e-06,
      "loss": 0.264,
      "step": 99
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.4159523546695709,
      "learning_rate": 7.45945945945946e-06,
      "loss": 0.3622,
      "step": 100
    },
    {
      "epoch": 0.2693333333333333,
      "grad_norm": 0.48393112421035767,
      "learning_rate": 7.4324324324324324e-06,
      "loss": 0.416,
      "step": 101
    },
    {
      "epoch": 0.272,
      "grad_norm": 0.39267054200172424,
      "learning_rate": 7.4054054054054055e-06,
      "loss": 0.3406,
      "step": 102
    },
    {
      "epoch": 0.27466666666666667,
      "grad_norm": 0.4536338448524475,
      "learning_rate": 7.3783783783783794e-06,
      "loss": 0.4055,
      "step": 103
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 0.40875697135925293,
      "learning_rate": 7.3513513513513525e-06,
      "loss": 0.3556,
      "step": 104
    },
    {
      "epoch": 0.28,
      "grad_norm": 0.3619164526462555,
      "learning_rate": 7.324324324324325e-06,
      "loss": 0.258,
      "step": 105
    },
    {
      "epoch": 0.2826666666666667,
      "grad_norm": 0.4033793807029724,
      "learning_rate": 7.297297297297298e-06,
      "loss": 0.2938,
      "step": 106
    },
    {
      "epoch": 0.2853333333333333,
      "grad_norm": 0.41769883036613464,
      "learning_rate": 7.270270270270271e-06,
      "loss": 0.3587,
      "step": 107
    },
    {
      "epoch": 0.288,
      "grad_norm": 0.4044109582901001,
      "learning_rate": 7.243243243243244e-06,
      "loss": 0.3371,
      "step": 108
    },
    {
      "epoch": 0.2906666666666667,
      "grad_norm": 0.5841341614723206,
      "learning_rate": 7.216216216216216e-06,
      "loss": 0.5804,
      "step": 109
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 0.3986751139163971,
      "learning_rate": 7.189189189189189e-06,
      "loss": 0.2967,
      "step": 110
    },
    {
      "epoch": 0.296,
      "grad_norm": 0.4625450670719147,
      "learning_rate": 7.162162162162163e-06,
      "loss": 0.3293,
      "step": 111
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 0.4034562408924103,
      "learning_rate": 7.135135135135136e-06,
      "loss": 0.4202,
      "step": 112
    },
    {
      "epoch": 0.30133333333333334,
      "grad_norm": 0.34925299882888794,
      "learning_rate": 7.1081081081081085e-06,
      "loss": 0.3191,
      "step": 113
    },
    {
      "epoch": 0.304,
      "grad_norm": 0.3997877836227417,
      "learning_rate": 7.0810810810810815e-06,
      "loss": 0.359,
      "step": 114
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 0.3707607686519623,
      "learning_rate": 7.054054054054055e-06,
      "loss": 0.2683,
      "step": 115
    },
    {
      "epoch": 0.30933333333333335,
      "grad_norm": 0.25476303696632385,
      "learning_rate": 7.027027027027028e-06,
      "loss": 0.1701,
      "step": 116
    },
    {
      "epoch": 0.312,
      "grad_norm": 0.4945050776004791,
      "learning_rate": 7e-06,
      "loss": 0.4013,
      "step": 117
    },
    {
      "epoch": 0.31466666666666665,
      "grad_norm": 0.40074074268341064,
      "learning_rate": 6.972972972972973e-06,
      "loss": 0.3561,
      "step": 118
    },
    {
      "epoch": 0.31733333333333336,
      "grad_norm": 0.34545356035232544,
      "learning_rate": 6.945945945945947e-06,
      "loss": 0.3056,
      "step": 119
    },
    {
      "epoch": 0.32,
      "grad_norm": 0.3736998736858368,
      "learning_rate": 6.91891891891892e-06,
      "loss": 0.3375,
      "step": 120
    },
    {
      "epoch": 0.32266666666666666,
      "grad_norm": 0.5884448289871216,
      "learning_rate": 6.891891891891892e-06,
      "loss": 0.6391,
      "step": 121
    },
    {
      "epoch": 0.3253333333333333,
      "grad_norm": 0.41915929317474365,
      "learning_rate": 6.864864864864865e-06,
      "loss": 0.3405,
      "step": 122
    },
    {
      "epoch": 0.328,
      "grad_norm": 0.4289708435535431,
      "learning_rate": 6.837837837837838e-06,
      "loss": 0.3242,
      "step": 123
    },
    {
      "epoch": 0.33066666666666666,
      "grad_norm": 0.46356722712516785,
      "learning_rate": 6.810810810810811e-06,
      "loss": 0.4154,
      "step": 124
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.3874564468860626,
      "learning_rate": 6.783783783783784e-06,
      "loss": 0.2865,
      "step": 125
    },
    {
      "epoch": 0.336,
      "grad_norm": 0.418192058801651,
      "learning_rate": 6.7567567567567575e-06,
      "loss": 0.3257,
      "step": 126
    },
    {
      "epoch": 0.33866666666666667,
      "grad_norm": 0.5020768046379089,
      "learning_rate": 6.729729729729731e-06,
      "loss": 0.478,
      "step": 127
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 0.4649147093296051,
      "learning_rate": 6.702702702702704e-06,
      "loss": 0.4969,
      "step": 128
    },
    {
      "epoch": 0.344,
      "grad_norm": 0.4602676331996918,
      "learning_rate": 6.675675675675676e-06,
      "loss": 0.4069,
      "step": 129
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 0.45687416195869446,
      "learning_rate": 6.648648648648649e-06,
      "loss": 0.397,
      "step": 130
    },
    {
      "epoch": 0.34933333333333333,
      "grad_norm": 0.43730786442756653,
      "learning_rate": 6.621621621621622e-06,
      "loss": 0.3774,
      "step": 131
    },
    {
      "epoch": 0.352,
      "grad_norm": 0.40192660689353943,
      "learning_rate": 6.594594594594595e-06,
      "loss": 0.307,
      "step": 132
    },
    {
      "epoch": 0.3546666666666667,
      "grad_norm": 0.40230318903923035,
      "learning_rate": 6.567567567567567e-06,
      "loss": 0.2576,
      "step": 133
    },
    {
      "epoch": 0.35733333333333334,
      "grad_norm": 0.43937909603118896,
      "learning_rate": 6.540540540540541e-06,
      "loss": 0.3703,
      "step": 134
    },
    {
      "epoch": 0.36,
      "grad_norm": 0.4215409755706787,
      "learning_rate": 6.513513513513514e-06,
      "loss": 0.3137,
      "step": 135
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 0.4210262894630432,
      "learning_rate": 6.486486486486487e-06,
      "loss": 0.3049,
      "step": 136
    },
    {
      "epoch": 0.36533333333333334,
      "grad_norm": 0.48901131749153137,
      "learning_rate": 6.45945945945946e-06,
      "loss": 0.4745,
      "step": 137
    },
    {
      "epoch": 0.368,
      "grad_norm": 0.48162832856178284,
      "learning_rate": 6.432432432432433e-06,
      "loss": 0.4237,
      "step": 138
    },
    {
      "epoch": 0.37066666666666664,
      "grad_norm": 0.40428805351257324,
      "learning_rate": 6.405405405405406e-06,
      "loss": 0.3301,
      "step": 139
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 0.39586374163627625,
      "learning_rate": 6.378378378378379e-06,
      "loss": 0.3722,
      "step": 140
    },
    {
      "epoch": 0.376,
      "grad_norm": 0.4225369989871979,
      "learning_rate": 6.351351351351351e-06,
      "loss": 0.4224,
      "step": 141
    },
    {
      "epoch": 0.37866666666666665,
      "grad_norm": 0.39536818861961365,
      "learning_rate": 6.324324324324325e-06,
      "loss": 0.3787,
      "step": 142
    },
    {
      "epoch": 0.38133333333333336,
      "grad_norm": 0.4486699402332306,
      "learning_rate": 6.297297297297298e-06,
      "loss": 0.2909,
      "step": 143
    },
    {
      "epoch": 0.384,
      "grad_norm": 0.39922553300857544,
      "learning_rate": 6.270270270270271e-06,
      "loss": 0.2986,
      "step": 144
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 0.4142531156539917,
      "learning_rate": 6.243243243243243e-06,
      "loss": 0.3773,
      "step": 145
    },
    {
      "epoch": 0.3893333333333333,
      "grad_norm": 0.31138619780540466,
      "learning_rate": 6.2162162162162164e-06,
      "loss": 0.2191,
      "step": 146
    },
    {
      "epoch": 0.392,
      "grad_norm": 0.2909996807575226,
      "learning_rate": 6.1891891891891895e-06,
      "loss": 0.1456,
      "step": 147
    },
    {
      "epoch": 0.39466666666666667,
      "grad_norm": 0.5021323561668396,
      "learning_rate": 6.162162162162163e-06,
      "loss": 0.4109,
      "step": 148
    },
    {
      "epoch": 0.3973333333333333,
      "grad_norm": 0.38684889674186707,
      "learning_rate": 6.135135135135135e-06,
      "loss": 0.3193,
      "step": 149
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.4911949932575226,
      "learning_rate": 6.108108108108109e-06,
      "loss": 0.4122,
      "step": 150
    },
    {
      "epoch": 0.4026666666666667,
      "grad_norm": 0.37744611501693726,
      "learning_rate": 6.081081081081082e-06,
      "loss": 0.2105,
      "step": 151
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 0.3814904987812042,
      "learning_rate": 6.054054054054055e-06,
      "loss": 0.2656,
      "step": 152
    },
    {
      "epoch": 0.408,
      "grad_norm": 0.2864193618297577,
      "learning_rate": 6.027027027027027e-06,
      "loss": 0.2012,
      "step": 153
    },
    {
      "epoch": 0.4106666666666667,
      "grad_norm": 0.47018343210220337,
      "learning_rate": 6e-06,
      "loss": 0.3269,
      "step": 154
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 0.4112595319747925,
      "learning_rate": 5.972972972972973e-06,
      "loss": 0.3386,
      "step": 155
    },
    {
      "epoch": 0.416,
      "grad_norm": 0.47621461749076843,
      "learning_rate": 5.945945945945947e-06,
      "loss": 0.3547,
      "step": 156
    },
    {
      "epoch": 0.4186666666666667,
      "grad_norm": 0.4200189411640167,
      "learning_rate": 5.9189189189189185e-06,
      "loss": 0.3432,
      "step": 157
    },
    {
      "epoch": 0.42133333333333334,
      "grad_norm": 0.4501848518848419,
      "learning_rate": 5.8918918918918924e-06,
      "loss": 0.41,
      "step": 158
    },
    {
      "epoch": 0.424,
      "grad_norm": 0.3893367052078247,
      "learning_rate": 5.8648648648648655e-06,
      "loss": 0.3009,
      "step": 159
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.5146134495735168,
      "learning_rate": 5.837837837837839e-06,
      "loss": 0.4192,
      "step": 160
    },
    {
      "epoch": 0.42933333333333334,
      "grad_norm": 0.485185831785202,
      "learning_rate": 5.810810810810811e-06,
      "loss": 0.427,
      "step": 161
    },
    {
      "epoch": 0.432,
      "grad_norm": 0.34027019143104553,
      "learning_rate": 5.783783783783784e-06,
      "loss": 0.2398,
      "step": 162
    },
    {
      "epoch": 0.43466666666666665,
      "grad_norm": 0.4657999277114868,
      "learning_rate": 5.756756756756757e-06,
      "loss": 0.4494,
      "step": 163
    },
    {
      "epoch": 0.43733333333333335,
      "grad_norm": 0.3434831202030182,
      "learning_rate": 5.729729729729731e-06,
      "loss": 0.2735,
      "step": 164
    },
    {
      "epoch": 0.44,
      "grad_norm": 0.46946531534194946,
      "learning_rate": 5.702702702702702e-06,
      "loss": 0.3427,
      "step": 165
    },
    {
      "epoch": 0.44266666666666665,
      "grad_norm": 0.4103587865829468,
      "learning_rate": 5.675675675675676e-06,
      "loss": 0.294,
      "step": 166
    },
    {
      "epoch": 0.44533333333333336,
      "grad_norm": 0.37763479351997375,
      "learning_rate": 5.648648648648649e-06,
      "loss": 0.28,
      "step": 167
    },
    {
      "epoch": 0.448,
      "grad_norm": 0.455451101064682,
      "learning_rate": 5.621621621621622e-06,
      "loss": 0.3271,
      "step": 168
    },
    {
      "epoch": 0.45066666666666666,
      "grad_norm": 0.48963356018066406,
      "learning_rate": 5.5945945945945945e-06,
      "loss": 0.3636,
      "step": 169
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 0.4321683943271637,
      "learning_rate": 5.567567567567568e-06,
      "loss": 0.265,
      "step": 170
    },
    {
      "epoch": 0.456,
      "grad_norm": 0.5062708854675293,
      "learning_rate": 5.540540540540541e-06,
      "loss": 0.4008,
      "step": 171
    },
    {
      "epoch": 0.45866666666666667,
      "grad_norm": 0.36536505818367004,
      "learning_rate": 5.513513513513515e-06,
      "loss": 0.2696,
      "step": 172
    },
    {
      "epoch": 0.4613333333333333,
      "grad_norm": 0.3223106563091278,
      "learning_rate": 5.486486486486487e-06,
      "loss": 0.1714,
      "step": 173
    },
    {
      "epoch": 0.464,
      "grad_norm": 0.5540818572044373,
      "learning_rate": 5.45945945945946e-06,
      "loss": 0.3905,
      "step": 174
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.49150869250297546,
      "learning_rate": 5.432432432432433e-06,
      "loss": 0.4836,
      "step": 175
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 0.520788848400116,
      "learning_rate": 5.405405405405406e-06,
      "loss": 0.4527,
      "step": 176
    },
    {
      "epoch": 0.472,
      "grad_norm": 0.5050814747810364,
      "learning_rate": 5.378378378378378e-06,
      "loss": 0.3905,
      "step": 177
    },
    {
      "epoch": 0.4746666666666667,
      "grad_norm": 0.4042411148548126,
      "learning_rate": 5.351351351351351e-06,
      "loss": 0.274,
      "step": 178
    },
    {
      "epoch": 0.47733333333333333,
      "grad_norm": 0.5110450387001038,
      "learning_rate": 5.324324324324324e-06,
      "loss": 0.4173,
      "step": 179
    },
    {
      "epoch": 0.48,
      "grad_norm": 0.4067918062210083,
      "learning_rate": 5.297297297297298e-06,
      "loss": 0.2556,
      "step": 180
    },
    {
      "epoch": 0.4826666666666667,
      "grad_norm": 0.4124318063259125,
      "learning_rate": 5.2702702702702705e-06,
      "loss": 0.333,
      "step": 181
    },
    {
      "epoch": 0.48533333333333334,
      "grad_norm": 0.4160882234573364,
      "learning_rate": 5.243243243243244e-06,
      "loss": 0.2568,
      "step": 182
    },
    {
      "epoch": 0.488,
      "grad_norm": 0.5489941835403442,
      "learning_rate": 5.216216216216217e-06,
      "loss": 0.3649,
      "step": 183
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 0.624010443687439,
      "learning_rate": 5.18918918918919e-06,
      "loss": 0.3775,
      "step": 184
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 0.44241300225257874,
      "learning_rate": 5.162162162162162e-06,
      "loss": 0.3229,
      "step": 185
    },
    {
      "epoch": 0.496,
      "grad_norm": 0.4450100064277649,
      "learning_rate": 5.135135135135135e-06,
      "loss": 0.281,
      "step": 186
    },
    {
      "epoch": 0.49866666666666665,
      "grad_norm": 0.4790625274181366,
      "learning_rate": 5.108108108108108e-06,
      "loss": 0.3933,
      "step": 187
    },
    {
      "epoch": 0.5013333333333333,
      "grad_norm": 0.42226698994636536,
      "learning_rate": 5.081081081081082e-06,
      "loss": 0.2074,
      "step": 188
    },
    {
      "epoch": 0.504,
      "grad_norm": 0.43042585253715515,
      "learning_rate": 5.054054054054054e-06,
      "loss": 0.2898,
      "step": 189
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 0.4987890124320984,
      "learning_rate": 5.027027027027027e-06,
      "loss": 0.3473,
      "step": 190
    },
    {
      "epoch": 0.5093333333333333,
      "grad_norm": 0.45124176144599915,
      "learning_rate": 5e-06,
      "loss": 0.303,
      "step": 191
    },
    {
      "epoch": 0.512,
      "grad_norm": 0.5549386739730835,
      "learning_rate": 4.9729729729729735e-06,
      "loss": 0.3863,
      "step": 192
    },
    {
      "epoch": 0.5146666666666667,
      "grad_norm": 0.357291579246521,
      "learning_rate": 4.9459459459459466e-06,
      "loss": 0.2277,
      "step": 193
    },
    {
      "epoch": 0.5173333333333333,
      "grad_norm": 0.3708883821964264,
      "learning_rate": 4.91891891891892e-06,
      "loss": 0.2252,
      "step": 194
    },
    {
      "epoch": 0.52,
      "grad_norm": 0.3381665050983429,
      "learning_rate": 4.891891891891893e-06,
      "loss": 0.2952,
      "step": 195
    },
    {
      "epoch": 0.5226666666666666,
      "grad_norm": 0.35821533203125,
      "learning_rate": 4.864864864864866e-06,
      "loss": 0.246,
      "step": 196
    },
    {
      "epoch": 0.5253333333333333,
      "grad_norm": 0.5593494772911072,
      "learning_rate": 4.837837837837838e-06,
      "loss": 0.3846,
      "step": 197
    },
    {
      "epoch": 0.528,
      "grad_norm": 0.4588387906551361,
      "learning_rate": 4.810810810810811e-06,
      "loss": 0.3315,
      "step": 198
    },
    {
      "epoch": 0.5306666666666666,
      "grad_norm": 0.5476751327514648,
      "learning_rate": 4.783783783783784e-06,
      "loss": 0.3418,
      "step": 199
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.3631010055541992,
      "learning_rate": 4.756756756756757e-06,
      "loss": 0.2035,
      "step": 200
    },
    {
      "epoch": 0.536,
      "grad_norm": 0.4675450623035431,
      "learning_rate": 4.72972972972973e-06,
      "loss": 0.3281,
      "step": 201
    },
    {
      "epoch": 0.5386666666666666,
      "grad_norm": 0.3868272304534912,
      "learning_rate": 4.702702702702703e-06,
      "loss": 0.2855,
      "step": 202
    },
    {
      "epoch": 0.5413333333333333,
      "grad_norm": 0.46159034967422485,
      "learning_rate": 4.675675675675676e-06,
      "loss": 0.3255,
      "step": 203
    },
    {
      "epoch": 0.544,
      "grad_norm": 0.48612579703330994,
      "learning_rate": 4.6486486486486495e-06,
      "loss": 0.2817,
      "step": 204
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 0.5091843605041504,
      "learning_rate": 4.621621621621622e-06,
      "loss": 0.3643,
      "step": 205
    },
    {
      "epoch": 0.5493333333333333,
      "grad_norm": 0.37537509202957153,
      "learning_rate": 4.594594594594596e-06,
      "loss": 0.2982,
      "step": 206
    },
    {
      "epoch": 0.552,
      "grad_norm": 0.42044174671173096,
      "learning_rate": 4.567567567567568e-06,
      "loss": 0.2814,
      "step": 207
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 0.5997102856636047,
      "learning_rate": 4.540540540540541e-06,
      "loss": 0.3909,
      "step": 208
    },
    {
      "epoch": 0.5573333333333333,
      "grad_norm": 0.42363372445106506,
      "learning_rate": 4.513513513513514e-06,
      "loss": 0.399,
      "step": 209
    },
    {
      "epoch": 0.56,
      "grad_norm": 0.36797231435775757,
      "learning_rate": 4.486486486486487e-06,
      "loss": 0.2496,
      "step": 210
    },
    {
      "epoch": 0.5626666666666666,
      "grad_norm": 0.40641191601753235,
      "learning_rate": 4.45945945945946e-06,
      "loss": 0.265,
      "step": 211
    },
    {
      "epoch": 0.5653333333333334,
      "grad_norm": 0.48951587080955505,
      "learning_rate": 4.432432432432433e-06,
      "loss": 0.2476,
      "step": 212
    },
    {
      "epoch": 0.568,
      "grad_norm": 0.6014118790626526,
      "learning_rate": 4.4054054054054054e-06,
      "loss": 0.4273,
      "step": 213
    },
    {
      "epoch": 0.5706666666666667,
      "grad_norm": 0.5232921838760376,
      "learning_rate": 4.378378378378379e-06,
      "loss": 0.3954,
      "step": 214
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 0.539230227470398,
      "learning_rate": 4.351351351351352e-06,
      "loss": 0.3676,
      "step": 215
    },
    {
      "epoch": 0.576,
      "grad_norm": 0.4092280864715576,
      "learning_rate": 4.324324324324325e-06,
      "loss": 0.2869,
      "step": 216
    },
    {
      "epoch": 0.5786666666666667,
      "grad_norm": 0.4071662425994873,
      "learning_rate": 4.297297297297298e-06,
      "loss": 0.2414,
      "step": 217
    },
    {
      "epoch": 0.5813333333333334,
      "grad_norm": 0.5018590092658997,
      "learning_rate": 4.270270270270271e-06,
      "loss": 0.3955,
      "step": 218
    },
    {
      "epoch": 0.584,
      "grad_norm": 0.3950646221637726,
      "learning_rate": 4.243243243243244e-06,
      "loss": 0.2181,
      "step": 219
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 0.48712849617004395,
      "learning_rate": 4.216216216216217e-06,
      "loss": 0.3835,
      "step": 220
    },
    {
      "epoch": 0.5893333333333334,
      "grad_norm": 0.34519392251968384,
      "learning_rate": 4.189189189189189e-06,
      "loss": 0.2017,
      "step": 221
    },
    {
      "epoch": 0.592,
      "grad_norm": 0.5089558959007263,
      "learning_rate": 4.162162162162163e-06,
      "loss": 0.2823,
      "step": 222
    },
    {
      "epoch": 0.5946666666666667,
      "grad_norm": 0.4260096848011017,
      "learning_rate": 4.135135135135135e-06,
      "loss": 0.2843,
      "step": 223
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 0.427946001291275,
      "learning_rate": 4.108108108108108e-06,
      "loss": 0.2124,
      "step": 224
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.3765500485897064,
      "learning_rate": 4.0810810810810815e-06,
      "loss": 0.2397,
      "step": 225
    },
    {
      "epoch": 0.6026666666666667,
      "grad_norm": 0.3672383725643158,
      "learning_rate": 4.0540540540540545e-06,
      "loss": 0.2451,
      "step": 226
    },
    {
      "epoch": 0.6053333333333333,
      "grad_norm": 0.4692712128162384,
      "learning_rate": 4.027027027027028e-06,
      "loss": 0.3091,
      "step": 227
    },
    {
      "epoch": 0.608,
      "grad_norm": 0.5070006847381592,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.3694,
      "step": 228
    },
    {
      "epoch": 0.6106666666666667,
      "grad_norm": 0.41620904207229614,
      "learning_rate": 3.972972972972973e-06,
      "loss": 0.2722,
      "step": 229
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.32947486639022827,
      "learning_rate": 3.945945945945947e-06,
      "loss": 0.2032,
      "step": 230
    },
    {
      "epoch": 0.616,
      "grad_norm": 0.38084009289741516,
      "learning_rate": 3.918918918918919e-06,
      "loss": 0.2814,
      "step": 231
    },
    {
      "epoch": 0.6186666666666667,
      "grad_norm": 0.43067747354507446,
      "learning_rate": 3.891891891891892e-06,
      "loss": 0.2942,
      "step": 232
    },
    {
      "epoch": 0.6213333333333333,
      "grad_norm": 0.4876849055290222,
      "learning_rate": 3.864864864864865e-06,
      "loss": 0.2566,
      "step": 233
    },
    {
      "epoch": 0.624,
      "grad_norm": 0.5137290358543396,
      "learning_rate": 3.837837837837838e-06,
      "loss": 0.356,
      "step": 234
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 0.45828258991241455,
      "learning_rate": 3.810810810810811e-06,
      "loss": 0.1983,
      "step": 235
    },
    {
      "epoch": 0.6293333333333333,
      "grad_norm": 0.3828039765357971,
      "learning_rate": 3.7837837837837844e-06,
      "loss": 0.263,
      "step": 236
    },
    {
      "epoch": 0.632,
      "grad_norm": 0.5509496927261353,
      "learning_rate": 3.756756756756757e-06,
      "loss": 0.3849,
      "step": 237
    },
    {
      "epoch": 0.6346666666666667,
      "grad_norm": 0.50611811876297,
      "learning_rate": 3.72972972972973e-06,
      "loss": 0.2974,
      "step": 238
    },
    {
      "epoch": 0.6373333333333333,
      "grad_norm": 0.3749435245990753,
      "learning_rate": 3.7027027027027028e-06,
      "loss": 0.2464,
      "step": 239
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.41893911361694336,
      "learning_rate": 3.6756756756756763e-06,
      "loss": 0.2622,
      "step": 240
    },
    {
      "epoch": 0.6426666666666667,
      "grad_norm": 0.45201635360717773,
      "learning_rate": 3.648648648648649e-06,
      "loss": 0.2242,
      "step": 241
    },
    {
      "epoch": 0.6453333333333333,
      "grad_norm": 0.44630396366119385,
      "learning_rate": 3.621621621621622e-06,
      "loss": 0.2978,
      "step": 242
    },
    {
      "epoch": 0.648,
      "grad_norm": 0.3960230350494385,
      "learning_rate": 3.5945945945945946e-06,
      "loss": 0.2119,
      "step": 243
    },
    {
      "epoch": 0.6506666666666666,
      "grad_norm": 0.38686075806617737,
      "learning_rate": 3.567567567567568e-06,
      "loss": 0.2656,
      "step": 244
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 0.4885536730289459,
      "learning_rate": 3.5405405405405408e-06,
      "loss": 0.3056,
      "step": 245
    },
    {
      "epoch": 0.656,
      "grad_norm": 0.5262811183929443,
      "learning_rate": 3.513513513513514e-06,
      "loss": 0.2703,
      "step": 246
    },
    {
      "epoch": 0.6586666666666666,
      "grad_norm": 0.5308766961097717,
      "learning_rate": 3.4864864864864865e-06,
      "loss": 0.4469,
      "step": 247
    },
    {
      "epoch": 0.6613333333333333,
      "grad_norm": 0.3671683967113495,
      "learning_rate": 3.45945945945946e-06,
      "loss": 0.2165,
      "step": 248
    },
    {
      "epoch": 0.664,
      "grad_norm": 0.4055942893028259,
      "learning_rate": 3.4324324324324326e-06,
      "loss": 0.2584,
      "step": 249
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.42368707060813904,
      "learning_rate": 3.4054054054054057e-06,
      "loss": 0.2888,
      "step": 250
    },
    {
      "epoch": 0.6693333333333333,
      "grad_norm": 0.4174148142337799,
      "learning_rate": 3.3783783783783788e-06,
      "loss": 0.3156,
      "step": 251
    },
    {
      "epoch": 0.672,
      "grad_norm": 0.506016194820404,
      "learning_rate": 3.351351351351352e-06,
      "loss": 0.3256,
      "step": 252
    },
    {
      "epoch": 0.6746666666666666,
      "grad_norm": 0.42471712827682495,
      "learning_rate": 3.3243243243243245e-06,
      "loss": 0.3161,
      "step": 253
    },
    {
      "epoch": 0.6773333333333333,
      "grad_norm": 0.42145025730133057,
      "learning_rate": 3.2972972972972976e-06,
      "loss": 0.2326,
      "step": 254
    },
    {
      "epoch": 0.68,
      "grad_norm": 0.3874741494655609,
      "learning_rate": 3.2702702702702706e-06,
      "loss": 0.2228,
      "step": 255
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 0.3875296711921692,
      "learning_rate": 3.2432432432432437e-06,
      "loss": 0.2332,
      "step": 256
    },
    {
      "epoch": 0.6853333333333333,
      "grad_norm": 0.4095049798488617,
      "learning_rate": 3.2162162162162164e-06,
      "loss": 0.2694,
      "step": 257
    },
    {
      "epoch": 0.688,
      "grad_norm": 0.4509768486022949,
      "learning_rate": 3.1891891891891894e-06,
      "loss": 0.2782,
      "step": 258
    },
    {
      "epoch": 0.6906666666666667,
      "grad_norm": 0.47340330481529236,
      "learning_rate": 3.1621621621621625e-06,
      "loss": 0.3446,
      "step": 259
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.5662267804145813,
      "learning_rate": 3.1351351351351356e-06,
      "loss": 0.3941,
      "step": 260
    },
    {
      "epoch": 0.696,
      "grad_norm": 0.3661661446094513,
      "learning_rate": 3.1081081081081082e-06,
      "loss": 0.2477,
      "step": 261
    },
    {
      "epoch": 0.6986666666666667,
      "grad_norm": 0.566046416759491,
      "learning_rate": 3.0810810810810817e-06,
      "loss": 0.3895,
      "step": 262
    },
    {
      "epoch": 0.7013333333333334,
      "grad_norm": 0.37133803963661194,
      "learning_rate": 3.0540540540540544e-06,
      "loss": 0.2199,
      "step": 263
    },
    {
      "epoch": 0.704,
      "grad_norm": 0.45702287554740906,
      "learning_rate": 3.0270270270270274e-06,
      "loss": 0.2691,
      "step": 264
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 0.47001898288726807,
      "learning_rate": 3e-06,
      "loss": 0.2944,
      "step": 265
    },
    {
      "epoch": 0.7093333333333334,
      "grad_norm": 0.6431396007537842,
      "learning_rate": 2.9729729729729736e-06,
      "loss": 0.4237,
      "step": 266
    },
    {
      "epoch": 0.712,
      "grad_norm": 0.4352479577064514,
      "learning_rate": 2.9459459459459462e-06,
      "loss": 0.2574,
      "step": 267
    },
    {
      "epoch": 0.7146666666666667,
      "grad_norm": 0.313499391078949,
      "learning_rate": 2.9189189189189193e-06,
      "loss": 0.196,
      "step": 268
    },
    {
      "epoch": 0.7173333333333334,
      "grad_norm": 0.44726061820983887,
      "learning_rate": 2.891891891891892e-06,
      "loss": 0.3373,
      "step": 269
    },
    {
      "epoch": 0.72,
      "grad_norm": 0.38435742259025574,
      "learning_rate": 2.8648648648648654e-06,
      "loss": 0.2457,
      "step": 270
    },
    {
      "epoch": 0.7226666666666667,
      "grad_norm": 0.3455671966075897,
      "learning_rate": 2.837837837837838e-06,
      "loss": 0.1434,
      "step": 271
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 0.5315711498260498,
      "learning_rate": 2.810810810810811e-06,
      "loss": 0.2482,
      "step": 272
    },
    {
      "epoch": 0.728,
      "grad_norm": 0.3622141182422638,
      "learning_rate": 2.783783783783784e-06,
      "loss": 0.2439,
      "step": 273
    },
    {
      "epoch": 0.7306666666666667,
      "grad_norm": 0.3935296833515167,
      "learning_rate": 2.7567567567567573e-06,
      "loss": 0.2712,
      "step": 274
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.4895603358745575,
      "learning_rate": 2.72972972972973e-06,
      "loss": 0.3551,
      "step": 275
    },
    {
      "epoch": 0.736,
      "grad_norm": 0.6773534417152405,
      "learning_rate": 2.702702702702703e-06,
      "loss": 0.2787,
      "step": 276
    },
    {
      "epoch": 0.7386666666666667,
      "grad_norm": 0.44226688146591187,
      "learning_rate": 2.6756756756756757e-06,
      "loss": 0.2888,
      "step": 277
    },
    {
      "epoch": 0.7413333333333333,
      "grad_norm": 0.427401065826416,
      "learning_rate": 2.648648648648649e-06,
      "loss": 0.2432,
      "step": 278
    },
    {
      "epoch": 0.744,
      "grad_norm": 0.5866873860359192,
      "learning_rate": 2.621621621621622e-06,
      "loss": 0.3865,
      "step": 279
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.5404907464981079,
      "learning_rate": 2.594594594594595e-06,
      "loss": 0.3311,
      "step": 280
    },
    {
      "epoch": 0.7493333333333333,
      "grad_norm": 0.38595467805862427,
      "learning_rate": 2.5675675675675675e-06,
      "loss": 0.2453,
      "step": 281
    },
    {
      "epoch": 0.752,
      "grad_norm": 0.46773964166641235,
      "learning_rate": 2.540540540540541e-06,
      "loss": 0.2406,
      "step": 282
    },
    {
      "epoch": 0.7546666666666667,
      "grad_norm": 0.5256203413009644,
      "learning_rate": 2.5135135135135137e-06,
      "loss": 0.36,
      "step": 283
    },
    {
      "epoch": 0.7573333333333333,
      "grad_norm": 0.3796426057815552,
      "learning_rate": 2.4864864864864867e-06,
      "loss": 0.2054,
      "step": 284
    },
    {
      "epoch": 0.76,
      "grad_norm": 0.39189407229423523,
      "learning_rate": 2.45945945945946e-06,
      "loss": 0.201,
      "step": 285
    },
    {
      "epoch": 0.7626666666666667,
      "grad_norm": 0.39678123593330383,
      "learning_rate": 2.432432432432433e-06,
      "loss": 0.2489,
      "step": 286
    },
    {
      "epoch": 0.7653333333333333,
      "grad_norm": 0.4643076956272125,
      "learning_rate": 2.4054054054054055e-06,
      "loss": 0.2522,
      "step": 287
    },
    {
      "epoch": 0.768,
      "grad_norm": 0.571408748626709,
      "learning_rate": 2.3783783783783786e-06,
      "loss": 0.3054,
      "step": 288
    },
    {
      "epoch": 0.7706666666666667,
      "grad_norm": 0.4390740692615509,
      "learning_rate": 2.3513513513513517e-06,
      "loss": 0.2511,
      "step": 289
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 0.5378425717353821,
      "learning_rate": 2.3243243243243247e-06,
      "loss": 0.3528,
      "step": 290
    },
    {
      "epoch": 0.776,
      "grad_norm": 0.47154948115348816,
      "learning_rate": 2.297297297297298e-06,
      "loss": 0.324,
      "step": 291
    },
    {
      "epoch": 0.7786666666666666,
      "grad_norm": 0.5682545900344849,
      "learning_rate": 2.2702702702702705e-06,
      "loss": 0.3919,
      "step": 292
    },
    {
      "epoch": 0.7813333333333333,
      "grad_norm": 0.5069698095321655,
      "learning_rate": 2.2432432432432435e-06,
      "loss": 0.2963,
      "step": 293
    },
    {
      "epoch": 0.784,
      "grad_norm": 0.43047553300857544,
      "learning_rate": 2.2162162162162166e-06,
      "loss": 0.2558,
      "step": 294
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 0.5613406896591187,
      "learning_rate": 2.1891891891891897e-06,
      "loss": 0.3019,
      "step": 295
    },
    {
      "epoch": 0.7893333333333333,
      "grad_norm": 0.5090610980987549,
      "learning_rate": 2.1621621621621623e-06,
      "loss": 0.2304,
      "step": 296
    },
    {
      "epoch": 0.792,
      "grad_norm": 0.38115331530570984,
      "learning_rate": 2.1351351351351354e-06,
      "loss": 0.2005,
      "step": 297
    },
    {
      "epoch": 0.7946666666666666,
      "grad_norm": 0.5936933159828186,
      "learning_rate": 2.1081081081081085e-06,
      "loss": 0.3786,
      "step": 298
    },
    {
      "epoch": 0.7973333333333333,
      "grad_norm": 0.566135585308075,
      "learning_rate": 2.0810810810810815e-06,
      "loss": 0.3738,
      "step": 299
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.388485848903656,
      "learning_rate": 2.054054054054054e-06,
      "loss": 0.1641,
      "step": 300
    },
    {
      "epoch": 0.8026666666666666,
      "grad_norm": 0.6119465231895447,
      "learning_rate": 2.0270270270270273e-06,
      "loss": 0.3993,
      "step": 301
    },
    {
      "epoch": 0.8053333333333333,
      "grad_norm": 0.41989564895629883,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.2823,
      "step": 302
    },
    {
      "epoch": 0.808,
      "grad_norm": 0.547755241394043,
      "learning_rate": 1.9729729729729734e-06,
      "loss": 0.3736,
      "step": 303
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 0.5802379846572876,
      "learning_rate": 1.945945945945946e-06,
      "loss": 0.3807,
      "step": 304
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 0.41653281450271606,
      "learning_rate": 1.918918918918919e-06,
      "loss": 0.2468,
      "step": 305
    },
    {
      "epoch": 0.816,
      "grad_norm": 0.5592951774597168,
      "learning_rate": 1.8918918918918922e-06,
      "loss": 0.3697,
      "step": 306
    },
    {
      "epoch": 0.8186666666666667,
      "grad_norm": 0.43492400646209717,
      "learning_rate": 1.864864864864865e-06,
      "loss": 0.2256,
      "step": 307
    },
    {
      "epoch": 0.8213333333333334,
      "grad_norm": 0.5357818007469177,
      "learning_rate": 1.8378378378378381e-06,
      "loss": 0.3042,
      "step": 308
    },
    {
      "epoch": 0.824,
      "grad_norm": 0.4900844395160675,
      "learning_rate": 1.810810810810811e-06,
      "loss": 0.321,
      "step": 309
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 0.366082102060318,
      "learning_rate": 1.783783783783784e-06,
      "loss": 0.2119,
      "step": 310
    },
    {
      "epoch": 0.8293333333333334,
      "grad_norm": 0.4117748439311981,
      "learning_rate": 1.756756756756757e-06,
      "loss": 0.2989,
      "step": 311
    },
    {
      "epoch": 0.832,
      "grad_norm": 0.5033308267593384,
      "learning_rate": 1.72972972972973e-06,
      "loss": 0.2976,
      "step": 312
    },
    {
      "epoch": 0.8346666666666667,
      "grad_norm": 0.4673337936401367,
      "learning_rate": 1.7027027027027028e-06,
      "loss": 0.3665,
      "step": 313
    },
    {
      "epoch": 0.8373333333333334,
      "grad_norm": 0.48086079955101013,
      "learning_rate": 1.675675675675676e-06,
      "loss": 0.2596,
      "step": 314
    },
    {
      "epoch": 0.84,
      "grad_norm": 0.43568044900894165,
      "learning_rate": 1.6486486486486488e-06,
      "loss": 0.2972,
      "step": 315
    },
    {
      "epoch": 0.8426666666666667,
      "grad_norm": 0.45780399441719055,
      "learning_rate": 1.6216216216216219e-06,
      "loss": 0.2763,
      "step": 316
    },
    {
      "epoch": 0.8453333333333334,
      "grad_norm": 0.36096346378326416,
      "learning_rate": 1.5945945945945947e-06,
      "loss": 0.228,
      "step": 317
    },
    {
      "epoch": 0.848,
      "grad_norm": 0.4966190457344055,
      "learning_rate": 1.5675675675675678e-06,
      "loss": 0.2526,
      "step": 318
    },
    {
      "epoch": 0.8506666666666667,
      "grad_norm": 0.45996227860450745,
      "learning_rate": 1.5405405405405409e-06,
      "loss": 0.2539,
      "step": 319
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.4744621813297272,
      "learning_rate": 1.5135135135135137e-06,
      "loss": 0.2986,
      "step": 320
    },
    {
      "epoch": 0.856,
      "grad_norm": 0.4422087073326111,
      "learning_rate": 1.4864864864864868e-06,
      "loss": 0.3197,
      "step": 321
    },
    {
      "epoch": 0.8586666666666667,
      "grad_norm": 0.41181087493896484,
      "learning_rate": 1.4594594594594596e-06,
      "loss": 0.208,
      "step": 322
    },
    {
      "epoch": 0.8613333333333333,
      "grad_norm": 0.4690793752670288,
      "learning_rate": 1.4324324324324327e-06,
      "loss": 0.2736,
      "step": 323
    },
    {
      "epoch": 0.864,
      "grad_norm": 0.4210243225097656,
      "learning_rate": 1.4054054054054056e-06,
      "loss": 0.2512,
      "step": 324
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.3980235457420349,
      "learning_rate": 1.3783783783783786e-06,
      "loss": 0.2101,
      "step": 325
    },
    {
      "epoch": 0.8693333333333333,
      "grad_norm": 0.5300015807151794,
      "learning_rate": 1.3513513513513515e-06,
      "loss": 0.2992,
      "step": 326
    },
    {
      "epoch": 0.872,
      "grad_norm": 0.4631240963935852,
      "learning_rate": 1.3243243243243246e-06,
      "loss": 0.221,
      "step": 327
    },
    {
      "epoch": 0.8746666666666667,
      "grad_norm": 0.513666033744812,
      "learning_rate": 1.2972972972972974e-06,
      "loss": 0.3208,
      "step": 328
    },
    {
      "epoch": 0.8773333333333333,
      "grad_norm": 0.43642401695251465,
      "learning_rate": 1.2702702702702705e-06,
      "loss": 0.2899,
      "step": 329
    },
    {
      "epoch": 0.88,
      "grad_norm": 0.504914402961731,
      "learning_rate": 1.2432432432432434e-06,
      "loss": 0.3071,
      "step": 330
    },
    {
      "epoch": 0.8826666666666667,
      "grad_norm": 0.4232388734817505,
      "learning_rate": 1.2162162162162164e-06,
      "loss": 0.2851,
      "step": 331
    },
    {
      "epoch": 0.8853333333333333,
      "grad_norm": 0.5086207985877991,
      "learning_rate": 1.1891891891891893e-06,
      "loss": 0.2945,
      "step": 332
    },
    {
      "epoch": 0.888,
      "grad_norm": 0.5498064756393433,
      "learning_rate": 1.1621621621621624e-06,
      "loss": 0.4189,
      "step": 333
    },
    {
      "epoch": 0.8906666666666667,
      "grad_norm": 0.43655911087989807,
      "learning_rate": 1.1351351351351352e-06,
      "loss": 0.2504,
      "step": 334
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 0.39757317304611206,
      "learning_rate": 1.1081081081081083e-06,
      "loss": 0.2433,
      "step": 335
    },
    {
      "epoch": 0.896,
      "grad_norm": 0.4431225061416626,
      "learning_rate": 1.0810810810810812e-06,
      "loss": 0.2172,
      "step": 336
    },
    {
      "epoch": 0.8986666666666666,
      "grad_norm": 0.5447039008140564,
      "learning_rate": 1.0540540540540542e-06,
      "loss": 0.3268,
      "step": 337
    },
    {
      "epoch": 0.9013333333333333,
      "grad_norm": 0.4444206655025482,
      "learning_rate": 1.027027027027027e-06,
      "loss": 0.2451,
      "step": 338
    },
    {
      "epoch": 0.904,
      "grad_norm": 0.26622259616851807,
      "learning_rate": 1.0000000000000002e-06,
      "loss": 0.1006,
      "step": 339
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.4297475814819336,
      "learning_rate": 9.72972972972973e-07,
      "loss": 0.2914,
      "step": 340
    },
    {
      "epoch": 0.9093333333333333,
      "grad_norm": 0.5093234181404114,
      "learning_rate": 9.459459459459461e-07,
      "loss": 0.3136,
      "step": 341
    },
    {
      "epoch": 0.912,
      "grad_norm": 0.4732479751110077,
      "learning_rate": 9.189189189189191e-07,
      "loss": 0.2962,
      "step": 342
    },
    {
      "epoch": 0.9146666666666666,
      "grad_norm": 0.4476962685585022,
      "learning_rate": 8.91891891891892e-07,
      "loss": 0.28,
      "step": 343
    },
    {
      "epoch": 0.9173333333333333,
      "grad_norm": 0.637126088142395,
      "learning_rate": 8.64864864864865e-07,
      "loss": 0.5,
      "step": 344
    },
    {
      "epoch": 0.92,
      "grad_norm": 0.41362759470939636,
      "learning_rate": 8.37837837837838e-07,
      "loss": 0.286,
      "step": 345
    },
    {
      "epoch": 0.9226666666666666,
      "grad_norm": 0.5862396955490112,
      "learning_rate": 8.108108108108109e-07,
      "loss": 0.3838,
      "step": 346
    },
    {
      "epoch": 0.9253333333333333,
      "grad_norm": 0.45571380853652954,
      "learning_rate": 7.837837837837839e-07,
      "loss": 0.215,
      "step": 347
    },
    {
      "epoch": 0.928,
      "grad_norm": 0.5040434002876282,
      "learning_rate": 7.567567567567569e-07,
      "loss": 0.3352,
      "step": 348
    },
    {
      "epoch": 0.9306666666666666,
      "grad_norm": 0.5519915223121643,
      "learning_rate": 7.297297297297298e-07,
      "loss": 0.3697,
      "step": 349
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.5320313572883606,
      "learning_rate": 7.027027027027028e-07,
      "loss": 0.3476,
      "step": 350
    },
    {
      "epoch": 0.936,
      "grad_norm": 0.6260681748390198,
      "learning_rate": 6.756756756756758e-07,
      "loss": 0.3797,
      "step": 351
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 0.5527480840682983,
      "learning_rate": 6.486486486486487e-07,
      "loss": 0.3344,
      "step": 352
    },
    {
      "epoch": 0.9413333333333334,
      "grad_norm": 0.3606107532978058,
      "learning_rate": 6.216216216216217e-07,
      "loss": 0.1915,
      "step": 353
    },
    {
      "epoch": 0.944,
      "grad_norm": 0.5829835534095764,
      "learning_rate": 5.945945945945947e-07,
      "loss": 0.4472,
      "step": 354
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 0.5230674147605896,
      "learning_rate": 5.675675675675676e-07,
      "loss": 0.3616,
      "step": 355
    },
    {
      "epoch": 0.9493333333333334,
      "grad_norm": 0.3887122869491577,
      "learning_rate": 5.405405405405406e-07,
      "loss": 0.2265,
      "step": 356
    },
    {
      "epoch": 0.952,
      "grad_norm": 0.5036852359771729,
      "learning_rate": 5.135135135135135e-07,
      "loss": 0.347,
      "step": 357
    },
    {
      "epoch": 0.9546666666666667,
      "grad_norm": 0.3982228934764862,
      "learning_rate": 4.864864864864865e-07,
      "loss": 0.2099,
      "step": 358
    },
    {
      "epoch": 0.9573333333333334,
      "grad_norm": 0.4702908396720886,
      "learning_rate": 4.5945945945945953e-07,
      "loss": 0.2729,
      "step": 359
    },
    {
      "epoch": 0.96,
      "grad_norm": 0.6144028306007385,
      "learning_rate": 4.324324324324325e-07,
      "loss": 0.4048,
      "step": 360
    },
    {
      "epoch": 0.9626666666666667,
      "grad_norm": 0.5187283754348755,
      "learning_rate": 4.0540540540540546e-07,
      "loss": 0.2696,
      "step": 361
    },
    {
      "epoch": 0.9653333333333334,
      "grad_norm": 0.43464431166648865,
      "learning_rate": 3.7837837837837843e-07,
      "loss": 0.2053,
      "step": 362
    },
    {
      "epoch": 0.968,
      "grad_norm": 0.49812421202659607,
      "learning_rate": 3.513513513513514e-07,
      "loss": 0.3089,
      "step": 363
    },
    {
      "epoch": 0.9706666666666667,
      "grad_norm": 0.5397554636001587,
      "learning_rate": 3.2432432432432436e-07,
      "loss": 0.3859,
      "step": 364
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.4724946916103363,
      "learning_rate": 2.972972972972973e-07,
      "loss": 0.2874,
      "step": 365
    },
    {
      "epoch": 0.976,
      "grad_norm": 0.5818655490875244,
      "learning_rate": 2.702702702702703e-07,
      "loss": 0.4399,
      "step": 366
    },
    {
      "epoch": 0.9786666666666667,
      "grad_norm": 0.5935583710670471,
      "learning_rate": 2.4324324324324326e-07,
      "loss": 0.4302,
      "step": 367
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 0.536102294921875,
      "learning_rate": 2.1621621621621625e-07,
      "loss": 0.3826,
      "step": 368
    },
    {
      "epoch": 0.984,
      "grad_norm": 0.4600679874420166,
      "learning_rate": 1.8918918918918921e-07,
      "loss": 0.3471,
      "step": 369
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.4678250551223755,
      "learning_rate": 1.6216216216216218e-07,
      "loss": 0.2481,
      "step": 370
    },
    {
      "epoch": 0.9893333333333333,
      "grad_norm": 0.4194035232067108,
      "learning_rate": 1.3513513513513515e-07,
      "loss": 0.2459,
      "step": 371
    },
    {
      "epoch": 0.992,
      "grad_norm": 0.41075399518013,
      "learning_rate": 1.0810810810810812e-07,
      "loss": 0.2608,
      "step": 372
    },
    {
      "epoch": 0.9946666666666667,
      "grad_norm": 0.42655014991760254,
      "learning_rate": 8.108108108108109e-08,
      "loss": 0.2258,
      "step": 373
    },
    {
      "epoch": 0.9973333333333333,
      "grad_norm": 0.5747841000556946,
      "learning_rate": 5.405405405405406e-08,
      "loss": 0.3235,
      "step": 374
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.5003219842910767,
      "learning_rate": 2.702702702702703e-08,
      "loss": 0.2557,
      "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": 2.96176800070656e+16,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}