{
  "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": 1.749588131904602,
      "learning_rate": 0.0,
      "loss": 0.6962,
      "step": 1
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 1.344015121459961,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.4873,
      "step": 2
    },
    {
      "epoch": 0.008,
      "grad_norm": 1.3412867784500122,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.5763,
      "step": 3
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 1.7224866151809692,
      "learning_rate": 6e-06,
      "loss": 0.7451,
      "step": 4
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 1.5260480642318726,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.6708,
      "step": 5
    },
    {
      "epoch": 0.016,
      "grad_norm": 1.468645691871643,
      "learning_rate": 1e-05,
      "loss": 0.5095,
      "step": 6
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 1.5820060968399048,
      "learning_rate": 9.972972972972975e-06,
      "loss": 0.7092,
      "step": 7
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 1.7421687841415405,
      "learning_rate": 9.945945945945947e-06,
      "loss": 0.7821,
      "step": 8
    },
    {
      "epoch": 0.024,
      "grad_norm": 1.5830045938491821,
      "learning_rate": 9.91891891891892e-06,
      "loss": 0.5138,
      "step": 9
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 1.186117172241211,
      "learning_rate": 9.891891891891893e-06,
      "loss": 0.4294,
      "step": 10
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 1.386544108390808,
      "learning_rate": 9.864864864864865e-06,
      "loss": 0.5685,
      "step": 11
    },
    {
      "epoch": 0.032,
      "grad_norm": 1.037614345550537,
      "learning_rate": 9.83783783783784e-06,
      "loss": 0.3161,
      "step": 12
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 0.7380883097648621,
      "learning_rate": 9.810810810810811e-06,
      "loss": 0.3577,
      "step": 13
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 0.961600124835968,
      "learning_rate": 9.783783783783785e-06,
      "loss": 0.4841,
      "step": 14
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.6537268757820129,
      "learning_rate": 9.756756756756758e-06,
      "loss": 0.246,
      "step": 15
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 0.8269261717796326,
      "learning_rate": 9.729729729729732e-06,
      "loss": 0.4207,
      "step": 16
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 0.7334302663803101,
      "learning_rate": 9.702702702702704e-06,
      "loss": 0.3305,
      "step": 17
    },
    {
      "epoch": 0.048,
      "grad_norm": 0.7221142053604126,
      "learning_rate": 9.675675675675676e-06,
      "loss": 0.4995,
      "step": 18
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 0.7895947098731995,
      "learning_rate": 9.64864864864865e-06,
      "loss": 0.5935,
      "step": 19
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 0.6727542281150818,
      "learning_rate": 9.621621621621622e-06,
      "loss": 0.403,
      "step": 20
    },
    {
      "epoch": 0.056,
      "grad_norm": 0.8085102438926697,
      "learning_rate": 9.594594594594594e-06,
      "loss": 0.4811,
      "step": 21
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 0.6343333125114441,
      "learning_rate": 9.567567567567568e-06,
      "loss": 0.4051,
      "step": 22
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 0.6036630272865295,
      "learning_rate": 9.540540540540542e-06,
      "loss": 0.3718,
      "step": 23
    },
    {
      "epoch": 0.064,
      "grad_norm": 0.6425814628601074,
      "learning_rate": 9.513513513513514e-06,
      "loss": 0.4981,
      "step": 24
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.574746310710907,
      "learning_rate": 9.486486486486487e-06,
      "loss": 0.4508,
      "step": 25
    },
    {
      "epoch": 0.06933333333333333,
      "grad_norm": 0.6426756381988525,
      "learning_rate": 9.45945945945946e-06,
      "loss": 0.5115,
      "step": 26
    },
    {
      "epoch": 0.072,
      "grad_norm": 0.6303651332855225,
      "learning_rate": 9.432432432432433e-06,
      "loss": 0.4472,
      "step": 27
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 0.6873911619186401,
      "learning_rate": 9.405405405405407e-06,
      "loss": 0.5391,
      "step": 28
    },
    {
      "epoch": 0.07733333333333334,
      "grad_norm": 0.6272053718566895,
      "learning_rate": 9.378378378378379e-06,
      "loss": 0.4444,
      "step": 29
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.7226874828338623,
      "learning_rate": 9.351351351351353e-06,
      "loss": 0.5781,
      "step": 30
    },
    {
      "epoch": 0.08266666666666667,
      "grad_norm": 0.5116943120956421,
      "learning_rate": 9.324324324324325e-06,
      "loss": 0.329,
      "step": 31
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 0.37415388226509094,
      "learning_rate": 9.297297297297299e-06,
      "loss": 0.2543,
      "step": 32
    },
    {
      "epoch": 0.088,
      "grad_norm": 0.43628954887390137,
      "learning_rate": 9.270270270270271e-06,
      "loss": 0.2995,
      "step": 33
    },
    {
      "epoch": 0.09066666666666667,
      "grad_norm": 0.4648260772228241,
      "learning_rate": 9.243243243243243e-06,
      "loss": 0.3137,
      "step": 34
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 0.4518003463745117,
      "learning_rate": 9.216216216216217e-06,
      "loss": 0.2992,
      "step": 35
    },
    {
      "epoch": 0.096,
      "grad_norm": 0.39314505457878113,
      "learning_rate": 9.189189189189191e-06,
      "loss": 0.2555,
      "step": 36
    },
    {
      "epoch": 0.09866666666666667,
      "grad_norm": 0.43126341700553894,
      "learning_rate": 9.162162162162162e-06,
      "loss": 0.3049,
      "step": 37
    },
    {
      "epoch": 0.10133333333333333,
      "grad_norm": 0.3448020815849304,
      "learning_rate": 9.135135135135136e-06,
      "loss": 0.2199,
      "step": 38
    },
    {
      "epoch": 0.104,
      "grad_norm": 0.4514116644859314,
      "learning_rate": 9.10810810810811e-06,
      "loss": 0.4021,
      "step": 39
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 0.4299822449684143,
      "learning_rate": 9.081081081081082e-06,
      "loss": 0.29,
      "step": 40
    },
    {
      "epoch": 0.10933333333333334,
      "grad_norm": 0.5237170457839966,
      "learning_rate": 9.054054054054054e-06,
      "loss": 0.4205,
      "step": 41
    },
    {
      "epoch": 0.112,
      "grad_norm": 0.5124650597572327,
      "learning_rate": 9.027027027027028e-06,
      "loss": 0.3171,
      "step": 42
    },
    {
      "epoch": 0.11466666666666667,
      "grad_norm": 0.4638095200061798,
      "learning_rate": 9e-06,
      "loss": 0.2883,
      "step": 43
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 0.3552239239215851,
      "learning_rate": 8.972972972972974e-06,
      "loss": 0.2707,
      "step": 44
    },
    {
      "epoch": 0.12,
      "grad_norm": 0.5054153203964233,
      "learning_rate": 8.945945945945946e-06,
      "loss": 0.441,
      "step": 45
    },
    {
      "epoch": 0.12266666666666666,
      "grad_norm": 0.4620818495750427,
      "learning_rate": 8.91891891891892e-06,
      "loss": 0.3275,
      "step": 46
    },
    {
      "epoch": 0.12533333333333332,
      "grad_norm": 0.5730394721031189,
      "learning_rate": 8.891891891891893e-06,
      "loss": 0.4422,
      "step": 47
    },
    {
      "epoch": 0.128,
      "grad_norm": 0.45680877566337585,
      "learning_rate": 8.864864864864866e-06,
      "loss": 0.3893,
      "step": 48
    },
    {
      "epoch": 0.13066666666666665,
      "grad_norm": 0.5818996429443359,
      "learning_rate": 8.837837837837839e-06,
      "loss": 0.5064,
      "step": 49
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.5005268454551697,
      "learning_rate": 8.810810810810811e-06,
      "loss": 0.3493,
      "step": 50
    },
    {
      "epoch": 0.136,
      "grad_norm": 0.36296117305755615,
      "learning_rate": 8.783783783783785e-06,
      "loss": 0.2348,
      "step": 51
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 0.5100287795066833,
      "learning_rate": 8.756756756756759e-06,
      "loss": 0.4351,
      "step": 52
    },
    {
      "epoch": 0.14133333333333334,
      "grad_norm": 0.4528493285179138,
      "learning_rate": 8.72972972972973e-06,
      "loss": 0.3513,
      "step": 53
    },
    {
      "epoch": 0.144,
      "grad_norm": 0.4709789752960205,
      "learning_rate": 8.702702702702703e-06,
      "loss": 0.3244,
      "step": 54
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 0.48305121064186096,
      "learning_rate": 8.675675675675677e-06,
      "loss": 0.3613,
      "step": 55
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 0.4670008718967438,
      "learning_rate": 8.64864864864865e-06,
      "loss": 0.3914,
      "step": 56
    },
    {
      "epoch": 0.152,
      "grad_norm": 0.6447495222091675,
      "learning_rate": 8.621621621621622e-06,
      "loss": 0.5129,
      "step": 57
    },
    {
      "epoch": 0.15466666666666667,
      "grad_norm": 0.5290378928184509,
      "learning_rate": 8.594594594594595e-06,
      "loss": 0.3369,
      "step": 58
    },
    {
      "epoch": 0.15733333333333333,
      "grad_norm": 0.41365674138069153,
      "learning_rate": 8.567567567567568e-06,
      "loss": 0.3876,
      "step": 59
    },
    {
      "epoch": 0.16,
      "grad_norm": 0.3146858215332031,
      "learning_rate": 8.540540540540542e-06,
      "loss": 0.2397,
      "step": 60
    },
    {
      "epoch": 0.16266666666666665,
      "grad_norm": 0.428524374961853,
      "learning_rate": 8.513513513513514e-06,
      "loss": 0.3382,
      "step": 61
    },
    {
      "epoch": 0.16533333333333333,
      "grad_norm": 0.5092573165893555,
      "learning_rate": 8.486486486486488e-06,
      "loss": 0.2759,
      "step": 62
    },
    {
      "epoch": 0.168,
      "grad_norm": 0.49473825097084045,
      "learning_rate": 8.45945945945946e-06,
      "loss": 0.3094,
      "step": 63
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 0.32651007175445557,
      "learning_rate": 8.432432432432434e-06,
      "loss": 0.1893,
      "step": 64
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 0.40660935640335083,
      "learning_rate": 8.405405405405406e-06,
      "loss": 0.2786,
      "step": 65
    },
    {
      "epoch": 0.176,
      "grad_norm": 0.5364413261413574,
      "learning_rate": 8.378378378378378e-06,
      "loss": 0.3675,
      "step": 66
    },
    {
      "epoch": 0.17866666666666667,
      "grad_norm": 0.4406331181526184,
      "learning_rate": 8.351351351351352e-06,
      "loss": 0.2628,
      "step": 67
    },
    {
      "epoch": 0.18133333333333335,
      "grad_norm": 0.5240640044212341,
      "learning_rate": 8.324324324324326e-06,
      "loss": 0.3152,
      "step": 68
    },
    {
      "epoch": 0.184,
      "grad_norm": 0.43461522459983826,
      "learning_rate": 8.297297297297298e-06,
      "loss": 0.3042,
      "step": 69
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 0.5033202171325684,
      "learning_rate": 8.27027027027027e-06,
      "loss": 0.4079,
      "step": 70
    },
    {
      "epoch": 0.18933333333333333,
      "grad_norm": 0.35573333501815796,
      "learning_rate": 8.243243243243245e-06,
      "loss": 0.2246,
      "step": 71
    },
    {
      "epoch": 0.192,
      "grad_norm": 0.35505881905555725,
      "learning_rate": 8.216216216216217e-06,
      "loss": 0.2064,
      "step": 72
    },
    {
      "epoch": 0.19466666666666665,
      "grad_norm": 0.40628641843795776,
      "learning_rate": 8.189189189189189e-06,
      "loss": 0.2666,
      "step": 73
    },
    {
      "epoch": 0.19733333333333333,
      "grad_norm": 0.42495208978652954,
      "learning_rate": 8.162162162162163e-06,
      "loss": 0.3484,
      "step": 74
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.4528674781322479,
      "learning_rate": 8.135135135135137e-06,
      "loss": 0.3331,
      "step": 75
    },
    {
      "epoch": 0.20266666666666666,
      "grad_norm": 0.4616033434867859,
      "learning_rate": 8.108108108108109e-06,
      "loss": 0.278,
      "step": 76
    },
    {
      "epoch": 0.20533333333333334,
      "grad_norm": 0.35985425114631653,
      "learning_rate": 8.081081081081081e-06,
      "loss": 0.1792,
      "step": 77
    },
    {
      "epoch": 0.208,
      "grad_norm": 0.47212690114974976,
      "learning_rate": 8.054054054054055e-06,
      "loss": 0.3453,
      "step": 78
    },
    {
      "epoch": 0.21066666666666667,
      "grad_norm": 0.44214850664138794,
      "learning_rate": 8.027027027027027e-06,
      "loss": 0.2871,
      "step": 79
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 0.44542449712753296,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.2918,
      "step": 80
    },
    {
      "epoch": 0.216,
      "grad_norm": 0.5189228653907776,
      "learning_rate": 7.972972972972974e-06,
      "loss": 0.3502,
      "step": 81
    },
    {
      "epoch": 0.21866666666666668,
      "grad_norm": 0.4309966266155243,
      "learning_rate": 7.945945945945946e-06,
      "loss": 0.328,
      "step": 82
    },
    {
      "epoch": 0.22133333333333333,
      "grad_norm": 0.42820456624031067,
      "learning_rate": 7.91891891891892e-06,
      "loss": 0.2865,
      "step": 83
    },
    {
      "epoch": 0.224,
      "grad_norm": 0.4811275601387024,
      "learning_rate": 7.891891891891894e-06,
      "loss": 0.3816,
      "step": 84
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 0.568257212638855,
      "learning_rate": 7.864864864864866e-06,
      "loss": 0.3275,
      "step": 85
    },
    {
      "epoch": 0.22933333333333333,
      "grad_norm": 0.5316388010978699,
      "learning_rate": 7.837837837837838e-06,
      "loss": 0.3858,
      "step": 86
    },
    {
      "epoch": 0.232,
      "grad_norm": 0.41967934370040894,
      "learning_rate": 7.810810810810812e-06,
      "loss": 0.2492,
      "step": 87
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 0.4530632495880127,
      "learning_rate": 7.783783783783784e-06,
      "loss": 0.3164,
      "step": 88
    },
    {
      "epoch": 0.23733333333333334,
      "grad_norm": 0.616939902305603,
      "learning_rate": 7.756756756756756e-06,
      "loss": 0.4508,
      "step": 89
    },
    {
      "epoch": 0.24,
      "grad_norm": 0.4058927893638611,
      "learning_rate": 7.72972972972973e-06,
      "loss": 0.3343,
      "step": 90
    },
    {
      "epoch": 0.24266666666666667,
      "grad_norm": 0.4111018478870392,
      "learning_rate": 7.702702702702704e-06,
      "loss": 0.2476,
      "step": 91
    },
    {
      "epoch": 0.24533333333333332,
      "grad_norm": 0.5134221315383911,
      "learning_rate": 7.675675675675676e-06,
      "loss": 0.3408,
      "step": 92
    },
    {
      "epoch": 0.248,
      "grad_norm": 0.47023212909698486,
      "learning_rate": 7.648648648648649e-06,
      "loss": 0.4073,
      "step": 93
    },
    {
      "epoch": 0.25066666666666665,
      "grad_norm": 0.26048216223716736,
      "learning_rate": 7.621621621621622e-06,
      "loss": 0.1473,
      "step": 94
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 0.4113146960735321,
      "learning_rate": 7.594594594594596e-06,
      "loss": 0.2724,
      "step": 95
    },
    {
      "epoch": 0.256,
      "grad_norm": 0.47428759932518005,
      "learning_rate": 7.567567567567569e-06,
      "loss": 0.4026,
      "step": 96
    },
    {
      "epoch": 0.25866666666666666,
      "grad_norm": 0.5037158131599426,
      "learning_rate": 7.540540540540541e-06,
      "loss": 0.3099,
      "step": 97
    },
    {
      "epoch": 0.2613333333333333,
      "grad_norm": 0.4460725486278534,
      "learning_rate": 7.513513513513514e-06,
      "loss": 0.2444,
      "step": 98
    },
    {
      "epoch": 0.264,
      "grad_norm": 0.40811118483543396,
      "learning_rate": 7.486486486486487e-06,
      "loss": 0.2168,
      "step": 99
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.46102452278137207,
      "learning_rate": 7.45945945945946e-06,
      "loss": 0.2989,
      "step": 100
    },
    {
      "epoch": 0.2693333333333333,
      "grad_norm": 0.5467219948768616,
      "learning_rate": 7.4324324324324324e-06,
      "loss": 0.3573,
      "step": 101
    },
    {
      "epoch": 0.272,
      "grad_norm": 0.4457707703113556,
      "learning_rate": 7.4054054054054055e-06,
      "loss": 0.2774,
      "step": 102
    },
    {
      "epoch": 0.27466666666666667,
      "grad_norm": 0.5327774882316589,
      "learning_rate": 7.3783783783783794e-06,
      "loss": 0.3314,
      "step": 103
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 0.48065125942230225,
      "learning_rate": 7.3513513513513525e-06,
      "loss": 0.2975,
      "step": 104
    },
    {
      "epoch": 0.28,
      "grad_norm": 0.34880220890045166,
      "learning_rate": 7.324324324324325e-06,
      "loss": 0.1951,
      "step": 105
    },
    {
      "epoch": 0.2826666666666667,
      "grad_norm": 0.3889674246311188,
      "learning_rate": 7.297297297297298e-06,
      "loss": 0.224,
      "step": 106
    },
    {
      "epoch": 0.2853333333333333,
      "grad_norm": 0.43457168340682983,
      "learning_rate": 7.270270270270271e-06,
      "loss": 0.282,
      "step": 107
    },
    {
      "epoch": 0.288,
      "grad_norm": 0.4177902042865753,
      "learning_rate": 7.243243243243244e-06,
      "loss": 0.2698,
      "step": 108
    },
    {
      "epoch": 0.2906666666666667,
      "grad_norm": 0.6818909645080566,
      "learning_rate": 7.216216216216216e-06,
      "loss": 0.4912,
      "step": 109
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 0.4023309648036957,
      "learning_rate": 7.189189189189189e-06,
      "loss": 0.2262,
      "step": 110
    },
    {
      "epoch": 0.296,
      "grad_norm": 0.4513261616230011,
      "learning_rate": 7.162162162162163e-06,
      "loss": 0.2447,
      "step": 111
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 0.479885071516037,
      "learning_rate": 7.135135135135136e-06,
      "loss": 0.363,
      "step": 112
    },
    {
      "epoch": 0.30133333333333334,
      "grad_norm": 0.41553637385368347,
      "learning_rate": 7.1081081081081085e-06,
      "loss": 0.2794,
      "step": 113
    },
    {
      "epoch": 0.304,
      "grad_norm": 0.49637719988822937,
      "learning_rate": 7.0810810810810815e-06,
      "loss": 0.3085,
      "step": 114
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 0.39105552434921265,
      "learning_rate": 7.054054054054055e-06,
      "loss": 0.2016,
      "step": 115
    },
    {
      "epoch": 0.30933333333333335,
      "grad_norm": 0.25834888219833374,
      "learning_rate": 7.027027027027028e-06,
      "loss": 0.138,
      "step": 116
    },
    {
      "epoch": 0.312,
      "grad_norm": 0.5675932168960571,
      "learning_rate": 7e-06,
      "loss": 0.318,
      "step": 117
    },
    {
      "epoch": 0.31466666666666665,
      "grad_norm": 0.4498959481716156,
      "learning_rate": 6.972972972972973e-06,
      "loss": 0.2964,
      "step": 118
    },
    {
      "epoch": 0.31733333333333336,
      "grad_norm": 0.35599425435066223,
      "learning_rate": 6.945945945945947e-06,
      "loss": 0.2508,
      "step": 119
    },
    {
      "epoch": 0.32,
      "grad_norm": 0.4119411110877991,
      "learning_rate": 6.91891891891892e-06,
      "loss": 0.288,
      "step": 120
    },
    {
      "epoch": 0.32266666666666666,
      "grad_norm": 0.7057324051856995,
      "learning_rate": 6.891891891891892e-06,
      "loss": 0.5612,
      "step": 121
    },
    {
      "epoch": 0.3253333333333333,
      "grad_norm": 0.42939692735671997,
      "learning_rate": 6.864864864864865e-06,
      "loss": 0.2713,
      "step": 122
    },
    {
      "epoch": 0.328,
      "grad_norm": 0.45994868874549866,
      "learning_rate": 6.837837837837838e-06,
      "loss": 0.2747,
      "step": 123
    },
    {
      "epoch": 0.33066666666666666,
      "grad_norm": 0.5746927857398987,
      "learning_rate": 6.810810810810811e-06,
      "loss": 0.3561,
      "step": 124
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.46397683024406433,
      "learning_rate": 6.783783783783784e-06,
      "loss": 0.2247,
      "step": 125
    },
    {
      "epoch": 0.336,
      "grad_norm": 0.4747219383716583,
      "learning_rate": 6.7567567567567575e-06,
      "loss": 0.2635,
      "step": 126
    },
    {
      "epoch": 0.33866666666666667,
      "grad_norm": 0.5589881539344788,
      "learning_rate": 6.729729729729731e-06,
      "loss": 0.3953,
      "step": 127
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 0.5092721581459045,
      "learning_rate": 6.702702702702704e-06,
      "loss": 0.4087,
      "step": 128
    },
    {
      "epoch": 0.344,
      "grad_norm": 0.49526628851890564,
      "learning_rate": 6.675675675675676e-06,
      "loss": 0.3262,
      "step": 129
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 0.5075845122337341,
      "learning_rate": 6.648648648648649e-06,
      "loss": 0.3269,
      "step": 130
    },
    {
      "epoch": 0.34933333333333333,
      "grad_norm": 0.49335336685180664,
      "learning_rate": 6.621621621621622e-06,
      "loss": 0.3336,
      "step": 131
    },
    {
      "epoch": 0.352,
      "grad_norm": 0.410584032535553,
      "learning_rate": 6.594594594594595e-06,
      "loss": 0.2429,
      "step": 132
    },
    {
      "epoch": 0.3546666666666667,
      "grad_norm": 0.37813931703567505,
      "learning_rate": 6.567567567567567e-06,
      "loss": 0.1897,
      "step": 133
    },
    {
      "epoch": 0.35733333333333334,
      "grad_norm": 0.4835185408592224,
      "learning_rate": 6.540540540540541e-06,
      "loss": 0.3017,
      "step": 134
    },
    {
      "epoch": 0.36,
      "grad_norm": 0.4397428333759308,
      "learning_rate": 6.513513513513514e-06,
      "loss": 0.2545,
      "step": 135
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 0.40397289395332336,
      "learning_rate": 6.486486486486487e-06,
      "loss": 0.2323,
      "step": 136
    },
    {
      "epoch": 0.36533333333333334,
      "grad_norm": 0.5684143304824829,
      "learning_rate": 6.45945945945946e-06,
      "loss": 0.3881,
      "step": 137
    },
    {
      "epoch": 0.368,
      "grad_norm": 0.5254861116409302,
      "learning_rate": 6.432432432432433e-06,
      "loss": 0.3514,
      "step": 138
    },
    {
      "epoch": 0.37066666666666664,
      "grad_norm": 0.4346192479133606,
      "learning_rate": 6.405405405405406e-06,
      "loss": 0.2727,
      "step": 139
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 0.42836323380470276,
      "learning_rate": 6.378378378378379e-06,
      "loss": 0.3221,
      "step": 140
    },
    {
      "epoch": 0.376,
      "grad_norm": 0.49423864483833313,
      "learning_rate": 6.351351351351351e-06,
      "loss": 0.3561,
      "step": 141
    },
    {
      "epoch": 0.37866666666666665,
      "grad_norm": 0.4395093619823456,
      "learning_rate": 6.324324324324325e-06,
      "loss": 0.3256,
      "step": 142
    },
    {
      "epoch": 0.38133333333333336,
      "grad_norm": 0.4783884882926941,
      "learning_rate": 6.297297297297298e-06,
      "loss": 0.2312,
      "step": 143
    },
    {
      "epoch": 0.384,
      "grad_norm": 0.429340124130249,
      "learning_rate": 6.270270270270271e-06,
      "loss": 0.2495,
      "step": 144
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 0.4648762345314026,
      "learning_rate": 6.243243243243243e-06,
      "loss": 0.3074,
      "step": 145
    },
    {
      "epoch": 0.3893333333333333,
      "grad_norm": 0.3161703646183014,
      "learning_rate": 6.2162162162162164e-06,
      "loss": 0.1682,
      "step": 146
    },
    {
      "epoch": 0.392,
      "grad_norm": 0.28446781635284424,
      "learning_rate": 6.1891891891891895e-06,
      "loss": 0.0996,
      "step": 147
    },
    {
      "epoch": 0.39466666666666667,
      "grad_norm": 0.5143879055976868,
      "learning_rate": 6.162162162162163e-06,
      "loss": 0.3279,
      "step": 148
    },
    {
      "epoch": 0.3973333333333333,
      "grad_norm": 0.42875444889068604,
      "learning_rate": 6.135135135135135e-06,
      "loss": 0.2625,
      "step": 149
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.560673713684082,
      "learning_rate": 6.108108108108109e-06,
      "loss": 0.3356,
      "step": 150
    },
    {
      "epoch": 0.4026666666666667,
      "grad_norm": 0.36514008045196533,
      "learning_rate": 6.081081081081082e-06,
      "loss": 0.1623,
      "step": 151
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 0.41336169838905334,
      "learning_rate": 6.054054054054055e-06,
      "loss": 0.2196,
      "step": 152
    },
    {
      "epoch": 0.408,
      "grad_norm": 0.31419023871421814,
      "learning_rate": 6.027027027027027e-06,
      "loss": 0.1675,
      "step": 153
    },
    {
      "epoch": 0.4106666666666667,
      "grad_norm": 0.5350819826126099,
      "learning_rate": 6e-06,
      "loss": 0.2601,
      "step": 154
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 0.4622553288936615,
      "learning_rate": 5.972972972972973e-06,
      "loss": 0.2705,
      "step": 155
    },
    {
      "epoch": 0.416,
      "grad_norm": 0.48789218068122864,
      "learning_rate": 5.945945945945947e-06,
      "loss": 0.2941,
      "step": 156
    },
    {
      "epoch": 0.4186666666666667,
      "grad_norm": 0.4937775433063507,
      "learning_rate": 5.9189189189189185e-06,
      "loss": 0.2981,
      "step": 157
    },
    {
      "epoch": 0.42133333333333334,
      "grad_norm": 0.5289884209632874,
      "learning_rate": 5.8918918918918924e-06,
      "loss": 0.348,
      "step": 158
    },
    {
      "epoch": 0.424,
      "grad_norm": 0.44423332810401917,
      "learning_rate": 5.8648648648648655e-06,
      "loss": 0.2542,
      "step": 159
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.5783623456954956,
      "learning_rate": 5.837837837837839e-06,
      "loss": 0.3433,
      "step": 160
    },
    {
      "epoch": 0.42933333333333334,
      "grad_norm": 0.5545660853385925,
      "learning_rate": 5.810810810810811e-06,
      "loss": 0.3518,
      "step": 161
    },
    {
      "epoch": 0.432,
      "grad_norm": 0.37913304567337036,
      "learning_rate": 5.783783783783784e-06,
      "loss": 0.1912,
      "step": 162
    },
    {
      "epoch": 0.43466666666666665,
      "grad_norm": 0.5227201581001282,
      "learning_rate": 5.756756756756757e-06,
      "loss": 0.3938,
      "step": 163
    },
    {
      "epoch": 0.43733333333333335,
      "grad_norm": 0.38973450660705566,
      "learning_rate": 5.729729729729731e-06,
      "loss": 0.2409,
      "step": 164
    },
    {
      "epoch": 0.44,
      "grad_norm": 0.5233774781227112,
      "learning_rate": 5.702702702702702e-06,
      "loss": 0.2593,
      "step": 165
    },
    {
      "epoch": 0.44266666666666665,
      "grad_norm": 0.42441123723983765,
      "learning_rate": 5.675675675675676e-06,
      "loss": 0.2369,
      "step": 166
    },
    {
      "epoch": 0.44533333333333336,
      "grad_norm": 0.4192105531692505,
      "learning_rate": 5.648648648648649e-06,
      "loss": 0.2321,
      "step": 167
    },
    {
      "epoch": 0.448,
      "grad_norm": 0.5591961741447449,
      "learning_rate": 5.621621621621622e-06,
      "loss": 0.2738,
      "step": 168
    },
    {
      "epoch": 0.45066666666666666,
      "grad_norm": 0.565213680267334,
      "learning_rate": 5.5945945945945945e-06,
      "loss": 0.3238,
      "step": 169
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 0.4477061331272125,
      "learning_rate": 5.567567567567568e-06,
      "loss": 0.202,
      "step": 170
    },
    {
      "epoch": 0.456,
      "grad_norm": 0.5869985222816467,
      "learning_rate": 5.540540540540541e-06,
      "loss": 0.3384,
      "step": 171
    },
    {
      "epoch": 0.45866666666666667,
      "grad_norm": 0.3805388808250427,
      "learning_rate": 5.513513513513515e-06,
      "loss": 0.2289,
      "step": 172
    },
    {
      "epoch": 0.4613333333333333,
      "grad_norm": 0.31049248576164246,
      "learning_rate": 5.486486486486487e-06,
      "loss": 0.1331,
      "step": 173
    },
    {
      "epoch": 0.464,
      "grad_norm": 0.5587114691734314,
      "learning_rate": 5.45945945945946e-06,
      "loss": 0.3056,
      "step": 174
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.560844898223877,
      "learning_rate": 5.432432432432433e-06,
      "loss": 0.4168,
      "step": 175
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 0.5762110352516174,
      "learning_rate": 5.405405405405406e-06,
      "loss": 0.377,
      "step": 176
    },
    {
      "epoch": 0.472,
      "grad_norm": 0.5428844690322876,
      "learning_rate": 5.378378378378378e-06,
      "loss": 0.3128,
      "step": 177
    },
    {
      "epoch": 0.4746666666666667,
      "grad_norm": 0.46403205394744873,
      "learning_rate": 5.351351351351351e-06,
      "loss": 0.2268,
      "step": 178
    },
    {
      "epoch": 0.47733333333333333,
      "grad_norm": 0.6010525822639465,
      "learning_rate": 5.324324324324324e-06,
      "loss": 0.3529,
      "step": 179
    },
    {
      "epoch": 0.48,
      "grad_norm": 0.47277358174324036,
      "learning_rate": 5.297297297297298e-06,
      "loss": 0.2094,
      "step": 180
    },
    {
      "epoch": 0.4826666666666667,
      "grad_norm": 0.44138672947883606,
      "learning_rate": 5.2702702702702705e-06,
      "loss": 0.2865,
      "step": 181
    },
    {
      "epoch": 0.48533333333333334,
      "grad_norm": 0.4282761216163635,
      "learning_rate": 5.243243243243244e-06,
      "loss": 0.2103,
      "step": 182
    },
    {
      "epoch": 0.488,
      "grad_norm": 0.5913628935813904,
      "learning_rate": 5.216216216216217e-06,
      "loss": 0.3092,
      "step": 183
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 0.6421282291412354,
      "learning_rate": 5.18918918918919e-06,
      "loss": 0.3105,
      "step": 184
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 0.5015124678611755,
      "learning_rate": 5.162162162162162e-06,
      "loss": 0.2678,
      "step": 185
    },
    {
      "epoch": 0.496,
      "grad_norm": 0.43577003479003906,
      "learning_rate": 5.135135135135135e-06,
      "loss": 0.2181,
      "step": 186
    },
    {
      "epoch": 0.49866666666666665,
      "grad_norm": 0.5163583159446716,
      "learning_rate": 5.108108108108108e-06,
      "loss": 0.3362,
      "step": 187
    },
    {
      "epoch": 0.5013333333333333,
      "grad_norm": 0.40546777844429016,
      "learning_rate": 5.081081081081082e-06,
      "loss": 0.1544,
      "step": 188
    },
    {
      "epoch": 0.504,
      "grad_norm": 0.43419045209884644,
      "learning_rate": 5.054054054054054e-06,
      "loss": 0.2516,
      "step": 189
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 0.5350771546363831,
      "learning_rate": 5.027027027027027e-06,
      "loss": 0.2982,
      "step": 190
    },
    {
      "epoch": 0.5093333333333333,
      "grad_norm": 0.5007577538490295,
      "learning_rate": 5e-06,
      "loss": 0.2458,
      "step": 191
    },
    {
      "epoch": 0.512,
      "grad_norm": 0.644767165184021,
      "learning_rate": 4.9729729729729735e-06,
      "loss": 0.326,
      "step": 192
    },
    {
      "epoch": 0.5146666666666667,
      "grad_norm": 0.39589351415634155,
      "learning_rate": 4.9459459459459466e-06,
      "loss": 0.1875,
      "step": 193
    },
    {
      "epoch": 0.5173333333333333,
      "grad_norm": 0.35882335901260376,
      "learning_rate": 4.91891891891892e-06,
      "loss": 0.18,
      "step": 194
    },
    {
      "epoch": 0.52,
      "grad_norm": 0.38604506850242615,
      "learning_rate": 4.891891891891893e-06,
      "loss": 0.2497,
      "step": 195
    },
    {
      "epoch": 0.5226666666666666,
      "grad_norm": 0.4054524898529053,
      "learning_rate": 4.864864864864866e-06,
      "loss": 0.2071,
      "step": 196
    },
    {
      "epoch": 0.5253333333333333,
      "grad_norm": 0.5902881026268005,
      "learning_rate": 4.837837837837838e-06,
      "loss": 0.3039,
      "step": 197
    },
    {
      "epoch": 0.528,
      "grad_norm": 0.538477897644043,
      "learning_rate": 4.810810810810811e-06,
      "loss": 0.2707,
      "step": 198
    },
    {
      "epoch": 0.5306666666666666,
      "grad_norm": 0.6034700274467468,
      "learning_rate": 4.783783783783784e-06,
      "loss": 0.2921,
      "step": 199
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.37964585423469543,
      "learning_rate": 4.756756756756757e-06,
      "loss": 0.1509,
      "step": 200
    },
    {
      "epoch": 0.536,
      "grad_norm": 0.5215441584587097,
      "learning_rate": 4.72972972972973e-06,
      "loss": 0.2676,
      "step": 201
    },
    {
      "epoch": 0.5386666666666666,
      "grad_norm": 0.4207475185394287,
      "learning_rate": 4.702702702702703e-06,
      "loss": 0.2378,
      "step": 202
    },
    {
      "epoch": 0.5413333333333333,
      "grad_norm": 0.5200117826461792,
      "learning_rate": 4.675675675675676e-06,
      "loss": 0.2773,
      "step": 203
    },
    {
      "epoch": 0.544,
      "grad_norm": 0.5010329484939575,
      "learning_rate": 4.6486486486486495e-06,
      "loss": 0.218,
      "step": 204
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 0.5544132590293884,
      "learning_rate": 4.621621621621622e-06,
      "loss": 0.3068,
      "step": 205
    },
    {
      "epoch": 0.5493333333333333,
      "grad_norm": 0.4396301209926605,
      "learning_rate": 4.594594594594596e-06,
      "loss": 0.263,
      "step": 206
    },
    {
      "epoch": 0.552,
      "grad_norm": 0.5453639030456543,
      "learning_rate": 4.567567567567568e-06,
      "loss": 0.2327,
      "step": 207
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 0.6392097473144531,
      "learning_rate": 4.540540540540541e-06,
      "loss": 0.3204,
      "step": 208
    },
    {
      "epoch": 0.5573333333333333,
      "grad_norm": 0.5019925832748413,
      "learning_rate": 4.513513513513514e-06,
      "loss": 0.3428,
      "step": 209
    },
    {
      "epoch": 0.56,
      "grad_norm": 0.3936809301376343,
      "learning_rate": 4.486486486486487e-06,
      "loss": 0.2051,
      "step": 210
    },
    {
      "epoch": 0.5626666666666666,
      "grad_norm": 0.4266309440135956,
      "learning_rate": 4.45945945945946e-06,
      "loss": 0.211,
      "step": 211
    },
    {
      "epoch": 0.5653333333333334,
      "grad_norm": 0.5060777068138123,
      "learning_rate": 4.432432432432433e-06,
      "loss": 0.1873,
      "step": 212
    },
    {
      "epoch": 0.568,
      "grad_norm": 0.6728172302246094,
      "learning_rate": 4.4054054054054054e-06,
      "loss": 0.3618,
      "step": 213
    },
    {
      "epoch": 0.5706666666666667,
      "grad_norm": 0.5684199929237366,
      "learning_rate": 4.378378378378379e-06,
      "loss": 0.3405,
      "step": 214
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 0.5423679351806641,
      "learning_rate": 4.351351351351352e-06,
      "loss": 0.2961,
      "step": 215
    },
    {
      "epoch": 0.576,
      "grad_norm": 0.45470839738845825,
      "learning_rate": 4.324324324324325e-06,
      "loss": 0.2446,
      "step": 216
    },
    {
      "epoch": 0.5786666666666667,
      "grad_norm": 0.43666312098503113,
      "learning_rate": 4.297297297297298e-06,
      "loss": 0.1875,
      "step": 217
    },
    {
      "epoch": 0.5813333333333334,
      "grad_norm": 0.572398841381073,
      "learning_rate": 4.270270270270271e-06,
      "loss": 0.3465,
      "step": 218
    },
    {
      "epoch": 0.584,
      "grad_norm": 0.4360642433166504,
      "learning_rate": 4.243243243243244e-06,
      "loss": 0.1772,
      "step": 219
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 0.5294172167778015,
      "learning_rate": 4.216216216216217e-06,
      "loss": 0.3159,
      "step": 220
    },
    {
      "epoch": 0.5893333333333334,
      "grad_norm": 0.3670467436313629,
      "learning_rate": 4.189189189189189e-06,
      "loss": 0.1576,
      "step": 221
    },
    {
      "epoch": 0.592,
      "grad_norm": 0.5430157780647278,
      "learning_rate": 4.162162162162163e-06,
      "loss": 0.2333,
      "step": 222
    },
    {
      "epoch": 0.5946666666666667,
      "grad_norm": 0.46935364603996277,
      "learning_rate": 4.135135135135135e-06,
      "loss": 0.2334,
      "step": 223
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 0.4531303942203522,
      "learning_rate": 4.108108108108108e-06,
      "loss": 0.1698,
      "step": 224
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.40766751766204834,
      "learning_rate": 4.0810810810810815e-06,
      "loss": 0.1994,
      "step": 225
    },
    {
      "epoch": 0.6026666666666667,
      "grad_norm": 0.37060853838920593,
      "learning_rate": 4.0540540540540545e-06,
      "loss": 0.1955,
      "step": 226
    },
    {
      "epoch": 0.6053333333333333,
      "grad_norm": 0.49149033427238464,
      "learning_rate": 4.027027027027028e-06,
      "loss": 0.2473,
      "step": 227
    },
    {
      "epoch": 0.608,
      "grad_norm": 0.5716893672943115,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.3185,
      "step": 228
    },
    {
      "epoch": 0.6106666666666667,
      "grad_norm": 0.4439583122730255,
      "learning_rate": 3.972972972972973e-06,
      "loss": 0.2357,
      "step": 229
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.3361932039260864,
      "learning_rate": 3.945945945945947e-06,
      "loss": 0.1601,
      "step": 230
    },
    {
      "epoch": 0.616,
      "grad_norm": 0.450551837682724,
      "learning_rate": 3.918918918918919e-06,
      "loss": 0.2432,
      "step": 231
    },
    {
      "epoch": 0.6186666666666667,
      "grad_norm": 0.47319209575653076,
      "learning_rate": 3.891891891891892e-06,
      "loss": 0.247,
      "step": 232
    },
    {
      "epoch": 0.6213333333333333,
      "grad_norm": 0.48751136660575867,
      "learning_rate": 3.864864864864865e-06,
      "loss": 0.207,
      "step": 233
    },
    {
      "epoch": 0.624,
      "grad_norm": 0.5645460486412048,
      "learning_rate": 3.837837837837838e-06,
      "loss": 0.2941,
      "step": 234
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 0.464531809091568,
      "learning_rate": 3.810810810810811e-06,
      "loss": 0.1551,
      "step": 235
    },
    {
      "epoch": 0.6293333333333333,
      "grad_norm": 0.4105728268623352,
      "learning_rate": 3.7837837837837844e-06,
      "loss": 0.219,
      "step": 236
    },
    {
      "epoch": 0.632,
      "grad_norm": 0.5573790073394775,
      "learning_rate": 3.756756756756757e-06,
      "loss": 0.3163,
      "step": 237
    },
    {
      "epoch": 0.6346666666666667,
      "grad_norm": 0.5227617025375366,
      "learning_rate": 3.72972972972973e-06,
      "loss": 0.2498,
      "step": 238
    },
    {
      "epoch": 0.6373333333333333,
      "grad_norm": 0.38048431277275085,
      "learning_rate": 3.7027027027027028e-06,
      "loss": 0.2036,
      "step": 239
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.42480334639549255,
      "learning_rate": 3.6756756756756763e-06,
      "loss": 0.2045,
      "step": 240
    },
    {
      "epoch": 0.6426666666666667,
      "grad_norm": 0.4857175946235657,
      "learning_rate": 3.648648648648649e-06,
      "loss": 0.1928,
      "step": 241
    },
    {
      "epoch": 0.6453333333333333,
      "grad_norm": 0.4741445481777191,
      "learning_rate": 3.621621621621622e-06,
      "loss": 0.2614,
      "step": 242
    },
    {
      "epoch": 0.648,
      "grad_norm": 0.409530371427536,
      "learning_rate": 3.5945945945945946e-06,
      "loss": 0.1703,
      "step": 243
    },
    {
      "epoch": 0.6506666666666666,
      "grad_norm": 0.4434671998023987,
      "learning_rate": 3.567567567567568e-06,
      "loss": 0.2287,
      "step": 244
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 0.531013548374176,
      "learning_rate": 3.5405405405405408e-06,
      "loss": 0.2583,
      "step": 245
    },
    {
      "epoch": 0.656,
      "grad_norm": 0.5248106122016907,
      "learning_rate": 3.513513513513514e-06,
      "loss": 0.2068,
      "step": 246
    },
    {
      "epoch": 0.6586666666666666,
      "grad_norm": 0.6176441311836243,
      "learning_rate": 3.4864864864864865e-06,
      "loss": 0.3885,
      "step": 247
    },
    {
      "epoch": 0.6613333333333333,
      "grad_norm": 0.3878491520881653,
      "learning_rate": 3.45945945945946e-06,
      "loss": 0.186,
      "step": 248
    },
    {
      "epoch": 0.664,
      "grad_norm": 0.45165348052978516,
      "learning_rate": 3.4324324324324326e-06,
      "loss": 0.2078,
      "step": 249
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.4419538080692291,
      "learning_rate": 3.4054054054054057e-06,
      "loss": 0.2403,
      "step": 250
    },
    {
      "epoch": 0.6693333333333333,
      "grad_norm": 0.46097347140312195,
      "learning_rate": 3.3783783783783788e-06,
      "loss": 0.2578,
      "step": 251
    },
    {
      "epoch": 0.672,
      "grad_norm": 0.5284112691879272,
      "learning_rate": 3.351351351351352e-06,
      "loss": 0.2701,
      "step": 252
    },
    {
      "epoch": 0.6746666666666666,
      "grad_norm": 0.4740147292613983,
      "learning_rate": 3.3243243243243245e-06,
      "loss": 0.2743,
      "step": 253
    },
    {
      "epoch": 0.6773333333333333,
      "grad_norm": 0.45225048065185547,
      "learning_rate": 3.2972972972972976e-06,
      "loss": 0.1821,
      "step": 254
    },
    {
      "epoch": 0.68,
      "grad_norm": 0.413417786359787,
      "learning_rate": 3.2702702702702706e-06,
      "loss": 0.1873,
      "step": 255
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 0.4240829050540924,
      "learning_rate": 3.2432432432432437e-06,
      "loss": 0.197,
      "step": 256
    },
    {
      "epoch": 0.6853333333333333,
      "grad_norm": 0.45451170206069946,
      "learning_rate": 3.2162162162162164e-06,
      "loss": 0.2299,
      "step": 257
    },
    {
      "epoch": 0.688,
      "grad_norm": 0.4720573425292969,
      "learning_rate": 3.1891891891891894e-06,
      "loss": 0.2369,
      "step": 258
    },
    {
      "epoch": 0.6906666666666667,
      "grad_norm": 0.533998966217041,
      "learning_rate": 3.1621621621621625e-06,
      "loss": 0.3032,
      "step": 259
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.6219915151596069,
      "learning_rate": 3.1351351351351356e-06,
      "loss": 0.3366,
      "step": 260
    },
    {
      "epoch": 0.696,
      "grad_norm": 0.3986864984035492,
      "learning_rate": 3.1081081081081082e-06,
      "loss": 0.2127,
      "step": 261
    },
    {
      "epoch": 0.6986666666666667,
      "grad_norm": 0.6308927536010742,
      "learning_rate": 3.0810810810810817e-06,
      "loss": 0.3201,
      "step": 262
    },
    {
      "epoch": 0.7013333333333334,
      "grad_norm": 0.4054928719997406,
      "learning_rate": 3.0540540540540544e-06,
      "loss": 0.1823,
      "step": 263
    },
    {
      "epoch": 0.704,
      "grad_norm": 0.5101174712181091,
      "learning_rate": 3.0270270270270274e-06,
      "loss": 0.2146,
      "step": 264
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 0.5366746783256531,
      "learning_rate": 3e-06,
      "loss": 0.2469,
      "step": 265
    },
    {
      "epoch": 0.7093333333333334,
      "grad_norm": 0.6699234247207642,
      "learning_rate": 2.9729729729729736e-06,
      "loss": 0.3612,
      "step": 266
    },
    {
      "epoch": 0.712,
      "grad_norm": 0.47058984637260437,
      "learning_rate": 2.9459459459459462e-06,
      "loss": 0.219,
      "step": 267
    },
    {
      "epoch": 0.7146666666666667,
      "grad_norm": 0.3401680588722229,
      "learning_rate": 2.9189189189189193e-06,
      "loss": 0.1742,
      "step": 268
    },
    {
      "epoch": 0.7173333333333334,
      "grad_norm": 0.4635133445262909,
      "learning_rate": 2.891891891891892e-06,
      "loss": 0.2775,
      "step": 269
    },
    {
      "epoch": 0.72,
      "grad_norm": 0.43464332818984985,
      "learning_rate": 2.8648648648648654e-06,
      "loss": 0.2133,
      "step": 270
    },
    {
      "epoch": 0.7226666666666667,
      "grad_norm": 0.3410276174545288,
      "learning_rate": 2.837837837837838e-06,
      "loss": 0.1139,
      "step": 271
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 0.5477515459060669,
      "learning_rate": 2.810810810810811e-06,
      "loss": 0.2081,
      "step": 272
    },
    {
      "epoch": 0.728,
      "grad_norm": 0.3853228688240051,
      "learning_rate": 2.783783783783784e-06,
      "loss": 0.2026,
      "step": 273
    },
    {
      "epoch": 0.7306666666666667,
      "grad_norm": 0.4336254894733429,
      "learning_rate": 2.7567567567567573e-06,
      "loss": 0.2346,
      "step": 274
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.524835467338562,
      "learning_rate": 2.72972972972973e-06,
      "loss": 0.2936,
      "step": 275
    },
    {
      "epoch": 0.736,
      "grad_norm": 0.5826287865638733,
      "learning_rate": 2.702702702702703e-06,
      "loss": 0.2369,
      "step": 276
    },
    {
      "epoch": 0.7386666666666667,
      "grad_norm": 0.47271591424942017,
      "learning_rate": 2.6756756756756757e-06,
      "loss": 0.2447,
      "step": 277
    },
    {
      "epoch": 0.7413333333333333,
      "grad_norm": 0.4426913559436798,
      "learning_rate": 2.648648648648649e-06,
      "loss": 0.2056,
      "step": 278
    },
    {
      "epoch": 0.744,
      "grad_norm": 0.6330808997154236,
      "learning_rate": 2.621621621621622e-06,
      "loss": 0.3214,
      "step": 279
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.574806272983551,
      "learning_rate": 2.594594594594595e-06,
      "loss": 0.282,
      "step": 280
    },
    {
      "epoch": 0.7493333333333333,
      "grad_norm": 0.38319265842437744,
      "learning_rate": 2.5675675675675675e-06,
      "loss": 0.2181,
      "step": 281
    },
    {
      "epoch": 0.752,
      "grad_norm": 0.48396721482276917,
      "learning_rate": 2.540540540540541e-06,
      "loss": 0.1955,
      "step": 282
    },
    {
      "epoch": 0.7546666666666667,
      "grad_norm": 0.5658045411109924,
      "learning_rate": 2.5135135135135137e-06,
      "loss": 0.3139,
      "step": 283
    },
    {
      "epoch": 0.7573333333333333,
      "grad_norm": 0.4049416482448578,
      "learning_rate": 2.4864864864864867e-06,
      "loss": 0.1763,
      "step": 284
    },
    {
      "epoch": 0.76,
      "grad_norm": 0.41410431265830994,
      "learning_rate": 2.45945945945946e-06,
      "loss": 0.1627,
      "step": 285
    },
    {
      "epoch": 0.7626666666666667,
      "grad_norm": 0.4300614297389984,
      "learning_rate": 2.432432432432433e-06,
      "loss": 0.2054,
      "step": 286
    },
    {
      "epoch": 0.7653333333333333,
      "grad_norm": 0.49245476722717285,
      "learning_rate": 2.4054054054054055e-06,
      "loss": 0.2137,
      "step": 287
    },
    {
      "epoch": 0.768,
      "grad_norm": 0.6316546201705933,
      "learning_rate": 2.3783783783783786e-06,
      "loss": 0.2517,
      "step": 288
    },
    {
      "epoch": 0.7706666666666667,
      "grad_norm": 0.500993549823761,
      "learning_rate": 2.3513513513513517e-06,
      "loss": 0.215,
      "step": 289
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 0.5575851202011108,
      "learning_rate": 2.3243243243243247e-06,
      "loss": 0.2774,
      "step": 290
    },
    {
      "epoch": 0.776,
      "grad_norm": 0.5390565991401672,
      "learning_rate": 2.297297297297298e-06,
      "loss": 0.2832,
      "step": 291
    },
    {
      "epoch": 0.7786666666666666,
      "grad_norm": 0.5964773893356323,
      "learning_rate": 2.2702702702702705e-06,
      "loss": 0.331,
      "step": 292
    },
    {
      "epoch": 0.7813333333333333,
      "grad_norm": 0.5315274000167847,
      "learning_rate": 2.2432432432432435e-06,
      "loss": 0.2579,
      "step": 293
    },
    {
      "epoch": 0.784,
      "grad_norm": 0.4766920804977417,
      "learning_rate": 2.2162162162162166e-06,
      "loss": 0.2108,
      "step": 294
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 0.5467498898506165,
      "learning_rate": 2.1891891891891897e-06,
      "loss": 0.2592,
      "step": 295
    },
    {
      "epoch": 0.7893333333333333,
      "grad_norm": 0.5614567995071411,
      "learning_rate": 2.1621621621621623e-06,
      "loss": 0.1897,
      "step": 296
    },
    {
      "epoch": 0.792,
      "grad_norm": 0.3973380923271179,
      "learning_rate": 2.1351351351351354e-06,
      "loss": 0.1677,
      "step": 297
    },
    {
      "epoch": 0.7946666666666666,
      "grad_norm": 0.5893433094024658,
      "learning_rate": 2.1081081081081085e-06,
      "loss": 0.3114,
      "step": 298
    },
    {
      "epoch": 0.7973333333333333,
      "grad_norm": 0.5856678485870361,
      "learning_rate": 2.0810810810810815e-06,
      "loss": 0.304,
      "step": 299
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.39387550950050354,
      "learning_rate": 2.054054054054054e-06,
      "loss": 0.1312,
      "step": 300
    },
    {
      "epoch": 0.8026666666666666,
      "grad_norm": 0.6652074456214905,
      "learning_rate": 2.0270270270270273e-06,
      "loss": 0.3334,
      "step": 301
    },
    {
      "epoch": 0.8053333333333333,
      "grad_norm": 0.4312586784362793,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.2421,
      "step": 302
    },
    {
      "epoch": 0.808,
      "grad_norm": 0.5843874216079712,
      "learning_rate": 1.9729729729729734e-06,
      "loss": 0.3239,
      "step": 303
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 0.6245220899581909,
      "learning_rate": 1.945945945945946e-06,
      "loss": 0.3219,
      "step": 304
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 0.43005305528640747,
      "learning_rate": 1.918918918918919e-06,
      "loss": 0.2164,
      "step": 305
    },
    {
      "epoch": 0.816,
      "grad_norm": 0.593163251876831,
      "learning_rate": 1.8918918918918922e-06,
      "loss": 0.3148,
      "step": 306
    },
    {
      "epoch": 0.8186666666666667,
      "grad_norm": 0.47701066732406616,
      "learning_rate": 1.864864864864865e-06,
      "loss": 0.1891,
      "step": 307
    },
    {
      "epoch": 0.8213333333333334,
      "grad_norm": 0.5494187474250793,
      "learning_rate": 1.8378378378378381e-06,
      "loss": 0.2527,
      "step": 308
    },
    {
      "epoch": 0.824,
      "grad_norm": 0.574461817741394,
      "learning_rate": 1.810810810810811e-06,
      "loss": 0.2747,
      "step": 309
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 0.4054189622402191,
      "learning_rate": 1.783783783783784e-06,
      "loss": 0.1775,
      "step": 310
    },
    {
      "epoch": 0.8293333333333334,
      "grad_norm": 0.44077441096305847,
      "learning_rate": 1.756756756756757e-06,
      "loss": 0.2547,
      "step": 311
    },
    {
      "epoch": 0.832,
      "grad_norm": 0.5676353573799133,
      "learning_rate": 1.72972972972973e-06,
      "loss": 0.252,
      "step": 312
    },
    {
      "epoch": 0.8346666666666667,
      "grad_norm": 0.5236260890960693,
      "learning_rate": 1.7027027027027028e-06,
      "loss": 0.3256,
      "step": 313
    },
    {
      "epoch": 0.8373333333333334,
      "grad_norm": 0.508578360080719,
      "learning_rate": 1.675675675675676e-06,
      "loss": 0.2218,
      "step": 314
    },
    {
      "epoch": 0.84,
      "grad_norm": 0.46934226155281067,
      "learning_rate": 1.6486486486486488e-06,
      "loss": 0.2472,
      "step": 315
    },
    {
      "epoch": 0.8426666666666667,
      "grad_norm": 0.4784153401851654,
      "learning_rate": 1.6216216216216219e-06,
      "loss": 0.2267,
      "step": 316
    },
    {
      "epoch": 0.8453333333333334,
      "grad_norm": 0.3996754586696625,
      "learning_rate": 1.5945945945945947e-06,
      "loss": 0.1934,
      "step": 317
    },
    {
      "epoch": 0.848,
      "grad_norm": 0.49604445695877075,
      "learning_rate": 1.5675675675675678e-06,
      "loss": 0.2051,
      "step": 318
    },
    {
      "epoch": 0.8506666666666667,
      "grad_norm": 0.5212705731391907,
      "learning_rate": 1.5405405405405409e-06,
      "loss": 0.2143,
      "step": 319
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.502028226852417,
      "learning_rate": 1.5135135135135137e-06,
      "loss": 0.2409,
      "step": 320
    },
    {
      "epoch": 0.856,
      "grad_norm": 0.4907466471195221,
      "learning_rate": 1.4864864864864868e-06,
      "loss": 0.2774,
      "step": 321
    },
    {
      "epoch": 0.8586666666666667,
      "grad_norm": 0.4186052978038788,
      "learning_rate": 1.4594594594594596e-06,
      "loss": 0.1582,
      "step": 322
    },
    {
      "epoch": 0.8613333333333333,
      "grad_norm": 0.4920092225074768,
      "learning_rate": 1.4324324324324327e-06,
      "loss": 0.2387,
      "step": 323
    },
    {
      "epoch": 0.864,
      "grad_norm": 0.45458269119262695,
      "learning_rate": 1.4054054054054056e-06,
      "loss": 0.2103,
      "step": 324
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.45035669207572937,
      "learning_rate": 1.3783783783783786e-06,
      "loss": 0.1756,
      "step": 325
    },
    {
      "epoch": 0.8693333333333333,
      "grad_norm": 0.578761100769043,
      "learning_rate": 1.3513513513513515e-06,
      "loss": 0.2429,
      "step": 326
    },
    {
      "epoch": 0.872,
      "grad_norm": 0.4961669445037842,
      "learning_rate": 1.3243243243243246e-06,
      "loss": 0.1825,
      "step": 327
    },
    {
      "epoch": 0.8746666666666667,
      "grad_norm": 0.5736064910888672,
      "learning_rate": 1.2972972972972974e-06,
      "loss": 0.2773,
      "step": 328
    },
    {
      "epoch": 0.8773333333333333,
      "grad_norm": 0.4706743061542511,
      "learning_rate": 1.2702702702702705e-06,
      "loss": 0.2411,
      "step": 329
    },
    {
      "epoch": 0.88,
      "grad_norm": 0.5418355464935303,
      "learning_rate": 1.2432432432432434e-06,
      "loss": 0.2478,
      "step": 330
    },
    {
      "epoch": 0.8826666666666667,
      "grad_norm": 0.46253281831741333,
      "learning_rate": 1.2162162162162164e-06,
      "loss": 0.2483,
      "step": 331
    },
    {
      "epoch": 0.8853333333333333,
      "grad_norm": 0.5285604000091553,
      "learning_rate": 1.1891891891891893e-06,
      "loss": 0.2428,
      "step": 332
    },
    {
      "epoch": 0.888,
      "grad_norm": 0.6358430981636047,
      "learning_rate": 1.1621621621621624e-06,
      "loss": 0.3699,
      "step": 333
    },
    {
      "epoch": 0.8906666666666667,
      "grad_norm": 0.4964221715927124,
      "learning_rate": 1.1351351351351352e-06,
      "loss": 0.2016,
      "step": 334
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 0.42843809723854065,
      "learning_rate": 1.1081081081081083e-06,
      "loss": 0.196,
      "step": 335
    },
    {
      "epoch": 0.896,
      "grad_norm": 0.4530554413795471,
      "learning_rate": 1.0810810810810812e-06,
      "loss": 0.1692,
      "step": 336
    },
    {
      "epoch": 0.8986666666666666,
      "grad_norm": 0.6254832148551941,
      "learning_rate": 1.0540540540540542e-06,
      "loss": 0.2742,
      "step": 337
    },
    {
      "epoch": 0.9013333333333333,
      "grad_norm": 0.5235550999641418,
      "learning_rate": 1.027027027027027e-06,
      "loss": 0.2088,
      "step": 338
    },
    {
      "epoch": 0.904,
      "grad_norm": 0.27680936455726624,
      "learning_rate": 1.0000000000000002e-06,
      "loss": 0.0792,
      "step": 339
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.4647974669933319,
      "learning_rate": 9.72972972972973e-07,
      "loss": 0.2603,
      "step": 340
    },
    {
      "epoch": 0.9093333333333333,
      "grad_norm": 0.5501927137374878,
      "learning_rate": 9.459459459459461e-07,
      "loss": 0.2608,
      "step": 341
    },
    {
      "epoch": 0.912,
      "grad_norm": 0.538094162940979,
      "learning_rate": 9.189189189189191e-07,
      "loss": 0.2421,
      "step": 342
    },
    {
      "epoch": 0.9146666666666666,
      "grad_norm": 0.4708625376224518,
      "learning_rate": 8.91891891891892e-07,
      "loss": 0.2439,
      "step": 343
    },
    {
      "epoch": 0.9173333333333333,
      "grad_norm": 0.7065683603286743,
      "learning_rate": 8.64864864864865e-07,
      "loss": 0.4537,
      "step": 344
    },
    {
      "epoch": 0.92,
      "grad_norm": 0.4497845470905304,
      "learning_rate": 8.37837837837838e-07,
      "loss": 0.2473,
      "step": 345
    },
    {
      "epoch": 0.9226666666666666,
      "grad_norm": 0.6586412787437439,
      "learning_rate": 8.108108108108109e-07,
      "loss": 0.3305,
      "step": 346
    },
    {
      "epoch": 0.9253333333333333,
      "grad_norm": 0.49715474247932434,
      "learning_rate": 7.837837837837839e-07,
      "loss": 0.1862,
      "step": 347
    },
    {
      "epoch": 0.928,
      "grad_norm": 0.5102173686027527,
      "learning_rate": 7.567567567567569e-07,
      "loss": 0.284,
      "step": 348
    },
    {
      "epoch": 0.9306666666666666,
      "grad_norm": 0.56759113073349,
      "learning_rate": 7.297297297297298e-07,
      "loss": 0.2965,
      "step": 349
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.5300230383872986,
      "learning_rate": 7.027027027027028e-07,
      "loss": 0.303,
      "step": 350
    },
    {
      "epoch": 0.936,
      "grad_norm": 0.6877481341362,
      "learning_rate": 6.756756756756758e-07,
      "loss": 0.3146,
      "step": 351
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 0.5717606544494629,
      "learning_rate": 6.486486486486487e-07,
      "loss": 0.2834,
      "step": 352
    },
    {
      "epoch": 0.9413333333333334,
      "grad_norm": 0.39763689041137695,
      "learning_rate": 6.216216216216217e-07,
      "loss": 0.1682,
      "step": 353
    },
    {
      "epoch": 0.944,
      "grad_norm": 0.6731844544410706,
      "learning_rate": 5.945945945945947e-07,
      "loss": 0.3958,
      "step": 354
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 0.5770100951194763,
      "learning_rate": 5.675675675675676e-07,
      "loss": 0.3005,
      "step": 355
    },
    {
      "epoch": 0.9493333333333334,
      "grad_norm": 0.41134458780288696,
      "learning_rate": 5.405405405405406e-07,
      "loss": 0.1831,
      "step": 356
    },
    {
      "epoch": 0.952,
      "grad_norm": 0.5230926275253296,
      "learning_rate": 5.135135135135135e-07,
      "loss": 0.2936,
      "step": 357
    },
    {
      "epoch": 0.9546666666666667,
      "grad_norm": 0.4278351366519928,
      "learning_rate": 4.864864864864865e-07,
      "loss": 0.1717,
      "step": 358
    },
    {
      "epoch": 0.9573333333333334,
      "grad_norm": 0.5586670637130737,
      "learning_rate": 4.5945945945945953e-07,
      "loss": 0.2271,
      "step": 359
    },
    {
      "epoch": 0.96,
      "grad_norm": 0.6420350670814514,
      "learning_rate": 4.324324324324325e-07,
      "loss": 0.3534,
      "step": 360
    },
    {
      "epoch": 0.9626666666666667,
      "grad_norm": 0.5645912289619446,
      "learning_rate": 4.0540540540540546e-07,
      "loss": 0.2208,
      "step": 361
    },
    {
      "epoch": 0.9653333333333334,
      "grad_norm": 0.4631654620170593,
      "learning_rate": 3.7837837837837843e-07,
      "loss": 0.1735,
      "step": 362
    },
    {
      "epoch": 0.968,
      "grad_norm": 0.5396542549133301,
      "learning_rate": 3.513513513513514e-07,
      "loss": 0.2719,
      "step": 363
    },
    {
      "epoch": 0.9706666666666667,
      "grad_norm": 0.5815290808677673,
      "learning_rate": 3.2432432432432436e-07,
      "loss": 0.3361,
      "step": 364
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.5509137511253357,
      "learning_rate": 2.972972972972973e-07,
      "loss": 0.2477,
      "step": 365
    },
    {
      "epoch": 0.976,
      "grad_norm": 0.6120440363883972,
      "learning_rate": 2.702702702702703e-07,
      "loss": 0.3605,
      "step": 366
    },
    {
      "epoch": 0.9786666666666667,
      "grad_norm": 0.6267715096473694,
      "learning_rate": 2.4324324324324326e-07,
      "loss": 0.3653,
      "step": 367
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 0.6185047030448914,
      "learning_rate": 2.1621621621621625e-07,
      "loss": 0.3373,
      "step": 368
    },
    {
      "epoch": 0.984,
      "grad_norm": 0.48740294575691223,
      "learning_rate": 1.8918918918918921e-07,
      "loss": 0.3004,
      "step": 369
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.48110562562942505,
      "learning_rate": 1.6216216216216218e-07,
      "loss": 0.2051,
      "step": 370
    },
    {
      "epoch": 0.9893333333333333,
      "grad_norm": 0.4207398593425751,
      "learning_rate": 1.3513513513513515e-07,
      "loss": 0.2032,
      "step": 371
    },
    {
      "epoch": 0.992,
      "grad_norm": 0.4350155293941498,
      "learning_rate": 1.0810810810810812e-07,
      "loss": 0.2099,
      "step": 372
    },
    {
      "epoch": 0.9946666666666667,
      "grad_norm": 0.4462955594062805,
      "learning_rate": 8.108108108108109e-08,
      "loss": 0.1948,
      "step": 373
    },
    {
      "epoch": 0.9973333333333333,
      "grad_norm": 0.6273866295814514,
      "learning_rate": 5.405405405405406e-08,
      "loss": 0.2867,
      "step": 374
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.5130134224891663,
      "learning_rate": 2.702702702702703e-08,
      "loss": 0.203,
      "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": 2.98386937838592e+16,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}