Files
Llama-3.2-3B-Instruct-mlp-l…/checkpoint-375/trainer_state.json
ModelHub XC 72935ccdb5 初始化项目,由ModelHub XC社区提供模型
Model: spar-project/Llama-3.2-3B-Instruct-mlp-layers
Source: Original Platform
2026-05-04 21:59:57 +08:00

2660 lines
62 KiB
JSON

{
"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
}