{
  "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": 11.27696704864502,
      "learning_rate": 0.0,
      "loss": 1.2393,
      "step": 1
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 5.955239772796631,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.7098,
      "step": 2
    },
    {
      "epoch": 0.008,
      "grad_norm": 5.517462253570557,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.8371,
      "step": 3
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 8.203292846679688,
      "learning_rate": 6e-06,
      "loss": 1.1206,
      "step": 4
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 5.866211414337158,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.9537,
      "step": 5
    },
    {
      "epoch": 0.016,
      "grad_norm": 3.6333134174346924,
      "learning_rate": 1e-05,
      "loss": 0.6682,
      "step": 6
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 3.7199132442474365,
      "learning_rate": 9.972972972972975e-06,
      "loss": 0.9834,
      "step": 7
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 3.1574361324310303,
      "learning_rate": 9.945945945945947e-06,
      "loss": 0.8251,
      "step": 8
    },
    {
      "epoch": 0.024,
      "grad_norm": 2.77718448638916,
      "learning_rate": 9.91891891891892e-06,
      "loss": 0.514,
      "step": 9
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 1.5715123414993286,
      "learning_rate": 9.891891891891893e-06,
      "loss": 0.3769,
      "step": 10
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 2.1984636783599854,
      "learning_rate": 9.864864864864865e-06,
      "loss": 0.4527,
      "step": 11
    },
    {
      "epoch": 0.032,
      "grad_norm": 1.036543369293213,
      "learning_rate": 9.83783783783784e-06,
      "loss": 0.2334,
      "step": 12
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 1.0480904579162598,
      "learning_rate": 9.810810810810811e-06,
      "loss": 0.2945,
      "step": 13
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 1.111269235610962,
      "learning_rate": 9.783783783783785e-06,
      "loss": 0.3737,
      "step": 14
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.5105443596839905,
      "learning_rate": 9.756756756756758e-06,
      "loss": 0.1586,
      "step": 15
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 0.9583611488342285,
      "learning_rate": 9.729729729729732e-06,
      "loss": 0.3225,
      "step": 16
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 0.6201366782188416,
      "learning_rate": 9.702702702702704e-06,
      "loss": 0.2272,
      "step": 17
    },
    {
      "epoch": 0.048,
      "grad_norm": 0.6941121816635132,
      "learning_rate": 9.675675675675676e-06,
      "loss": 0.3594,
      "step": 18
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 0.8562238216400146,
      "learning_rate": 9.64864864864865e-06,
      "loss": 0.4363,
      "step": 19
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 0.8350486159324646,
      "learning_rate": 9.621621621621622e-06,
      "loss": 0.3314,
      "step": 20
    },
    {
      "epoch": 0.056,
      "grad_norm": 0.7807081341743469,
      "learning_rate": 9.594594594594594e-06,
      "loss": 0.3365,
      "step": 21
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 0.665194034576416,
      "learning_rate": 9.567567567567568e-06,
      "loss": 0.3016,
      "step": 22
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 0.5500015020370483,
      "learning_rate": 9.540540540540542e-06,
      "loss": 0.2407,
      "step": 23
    },
    {
      "epoch": 0.064,
      "grad_norm": 0.730048656463623,
      "learning_rate": 9.513513513513514e-06,
      "loss": 0.3417,
      "step": 24
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.6387158036231995,
      "learning_rate": 9.486486486486487e-06,
      "loss": 0.3311,
      "step": 25
    },
    {
      "epoch": 0.06933333333333333,
      "grad_norm": 0.6481963396072388,
      "learning_rate": 9.45945945945946e-06,
      "loss": 0.3512,
      "step": 26
    },
    {
      "epoch": 0.072,
      "grad_norm": 0.609284520149231,
      "learning_rate": 9.432432432432433e-06,
      "loss": 0.321,
      "step": 27
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 0.6246205568313599,
      "learning_rate": 9.405405405405407e-06,
      "loss": 0.357,
      "step": 28
    },
    {
      "epoch": 0.07733333333333334,
      "grad_norm": 0.6625375151634216,
      "learning_rate": 9.378378378378379e-06,
      "loss": 0.2799,
      "step": 29
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.8258278965950012,
      "learning_rate": 9.351351351351353e-06,
      "loss": 0.4167,
      "step": 30
    },
    {
      "epoch": 0.08266666666666667,
      "grad_norm": 0.7330864071846008,
      "learning_rate": 9.324324324324325e-06,
      "loss": 0.233,
      "step": 31
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 0.4711756110191345,
      "learning_rate": 9.297297297297299e-06,
      "loss": 0.167,
      "step": 32
    },
    {
      "epoch": 0.088,
      "grad_norm": 0.6329399943351746,
      "learning_rate": 9.270270270270271e-06,
      "loss": 0.2119,
      "step": 33
    },
    {
      "epoch": 0.09066666666666667,
      "grad_norm": 0.5754268765449524,
      "learning_rate": 9.243243243243243e-06,
      "loss": 0.2068,
      "step": 34
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 0.47313305735588074,
      "learning_rate": 9.216216216216217e-06,
      "loss": 0.1954,
      "step": 35
    },
    {
      "epoch": 0.096,
      "grad_norm": 0.5095440149307251,
      "learning_rate": 9.189189189189191e-06,
      "loss": 0.1764,
      "step": 36
    },
    {
      "epoch": 0.09866666666666667,
      "grad_norm": 0.5206679105758667,
      "learning_rate": 9.162162162162162e-06,
      "loss": 0.214,
      "step": 37
    },
    {
      "epoch": 0.10133333333333333,
      "grad_norm": 0.3733843266963959,
      "learning_rate": 9.135135135135136e-06,
      "loss": 0.1492,
      "step": 38
    },
    {
      "epoch": 0.104,
      "grad_norm": 0.6110314726829529,
      "learning_rate": 9.10810810810811e-06,
      "loss": 0.2854,
      "step": 39
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 0.5232765078544617,
      "learning_rate": 9.081081081081082e-06,
      "loss": 0.1753,
      "step": 40
    },
    {
      "epoch": 0.10933333333333334,
      "grad_norm": 0.6863483190536499,
      "learning_rate": 9.054054054054054e-06,
      "loss": 0.2954,
      "step": 41
    },
    {
      "epoch": 0.112,
      "grad_norm": 0.5368908643722534,
      "learning_rate": 9.027027027027028e-06,
      "loss": 0.1941,
      "step": 42
    },
    {
      "epoch": 0.11466666666666667,
      "grad_norm": 0.6459236741065979,
      "learning_rate": 9e-06,
      "loss": 0.1937,
      "step": 43
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 0.49889075756073,
      "learning_rate": 8.972972972972974e-06,
      "loss": 0.1785,
      "step": 44
    },
    {
      "epoch": 0.12,
      "grad_norm": 0.6825981140136719,
      "learning_rate": 8.945945945945946e-06,
      "loss": 0.3115,
      "step": 45
    },
    {
      "epoch": 0.12266666666666666,
      "grad_norm": 0.6273817420005798,
      "learning_rate": 8.91891891891892e-06,
      "loss": 0.2018,
      "step": 46
    },
    {
      "epoch": 0.12533333333333332,
      "grad_norm": 0.7721640467643738,
      "learning_rate": 8.891891891891893e-06,
      "loss": 0.33,
      "step": 47
    },
    {
      "epoch": 0.128,
      "grad_norm": 0.6860324144363403,
      "learning_rate": 8.864864864864866e-06,
      "loss": 0.2703,
      "step": 48
    },
    {
      "epoch": 0.13066666666666665,
      "grad_norm": 0.7834133505821228,
      "learning_rate": 8.837837837837839e-06,
      "loss": 0.3348,
      "step": 49
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.6959682703018188,
      "learning_rate": 8.810810810810811e-06,
      "loss": 0.2181,
      "step": 50
    },
    {
      "epoch": 0.136,
      "grad_norm": 0.5302026271820068,
      "learning_rate": 8.783783783783785e-06,
      "loss": 0.1624,
      "step": 51
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 0.7896989583969116,
      "learning_rate": 8.756756756756759e-06,
      "loss": 0.3411,
      "step": 52
    },
    {
      "epoch": 0.14133333333333334,
      "grad_norm": 0.8183678984642029,
      "learning_rate": 8.72972972972973e-06,
      "loss": 0.2326,
      "step": 53
    },
    {
      "epoch": 0.144,
      "grad_norm": 0.7127137780189514,
      "learning_rate": 8.702702702702703e-06,
      "loss": 0.2208,
      "step": 54
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 0.7009977102279663,
      "learning_rate": 8.675675675675677e-06,
      "loss": 0.2412,
      "step": 55
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 0.6191402673721313,
      "learning_rate": 8.64864864864865e-06,
      "loss": 0.2615,
      "step": 56
    },
    {
      "epoch": 0.152,
      "grad_norm": 0.9098679423332214,
      "learning_rate": 8.621621621621622e-06,
      "loss": 0.3746,
      "step": 57
    },
    {
      "epoch": 0.15466666666666667,
      "grad_norm": 0.6640550494194031,
      "learning_rate": 8.594594594594595e-06,
      "loss": 0.2087,
      "step": 58
    },
    {
      "epoch": 0.15733333333333333,
      "grad_norm": 0.6540452837944031,
      "learning_rate": 8.567567567567568e-06,
      "loss": 0.2752,
      "step": 59
    },
    {
      "epoch": 0.16,
      "grad_norm": 0.47989338636398315,
      "learning_rate": 8.540540540540542e-06,
      "loss": 0.1868,
      "step": 60
    },
    {
      "epoch": 0.16266666666666665,
      "grad_norm": 0.5651258826255798,
      "learning_rate": 8.513513513513514e-06,
      "loss": 0.2188,
      "step": 61
    },
    {
      "epoch": 0.16533333333333333,
      "grad_norm": 0.6474478840827942,
      "learning_rate": 8.486486486486488e-06,
      "loss": 0.188,
      "step": 62
    },
    {
      "epoch": 0.168,
      "grad_norm": 0.6513784527778625,
      "learning_rate": 8.45945945945946e-06,
      "loss": 0.194,
      "step": 63
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 0.5466453433036804,
      "learning_rate": 8.432432432432434e-06,
      "loss": 0.1392,
      "step": 64
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 0.5382428169250488,
      "learning_rate": 8.405405405405406e-06,
      "loss": 0.1837,
      "step": 65
    },
    {
      "epoch": 0.176,
      "grad_norm": 0.6580228805541992,
      "learning_rate": 8.378378378378378e-06,
      "loss": 0.2499,
      "step": 66
    },
    {
      "epoch": 0.17866666666666667,
      "grad_norm": 0.5898648500442505,
      "learning_rate": 8.351351351351352e-06,
      "loss": 0.175,
      "step": 67
    },
    {
      "epoch": 0.18133333333333335,
      "grad_norm": 0.5937601327896118,
      "learning_rate": 8.324324324324326e-06,
      "loss": 0.2064,
      "step": 68
    },
    {
      "epoch": 0.184,
      "grad_norm": 0.6093276739120483,
      "learning_rate": 8.297297297297298e-06,
      "loss": 0.2042,
      "step": 69
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 0.7754217386245728,
      "learning_rate": 8.27027027027027e-06,
      "loss": 0.2894,
      "step": 70
    },
    {
      "epoch": 0.18933333333333333,
      "grad_norm": 0.5059306025505066,
      "learning_rate": 8.243243243243245e-06,
      "loss": 0.1471,
      "step": 71
    },
    {
      "epoch": 0.192,
      "grad_norm": 0.5113043189048767,
      "learning_rate": 8.216216216216217e-06,
      "loss": 0.1344,
      "step": 72
    },
    {
      "epoch": 0.19466666666666665,
      "grad_norm": 0.6358659267425537,
      "learning_rate": 8.189189189189189e-06,
      "loss": 0.1779,
      "step": 73
    },
    {
      "epoch": 0.19733333333333333,
      "grad_norm": 0.6872090101242065,
      "learning_rate": 8.162162162162163e-06,
      "loss": 0.2552,
      "step": 74
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.6882363557815552,
      "learning_rate": 8.135135135135137e-06,
      "loss": 0.238,
      "step": 75
    },
    {
      "epoch": 0.20266666666666666,
      "grad_norm": 0.8398518562316895,
      "learning_rate": 8.108108108108109e-06,
      "loss": 0.1981,
      "step": 76
    },
    {
      "epoch": 0.20533333333333334,
      "grad_norm": 0.48457688093185425,
      "learning_rate": 8.081081081081081e-06,
      "loss": 0.1094,
      "step": 77
    },
    {
      "epoch": 0.208,
      "grad_norm": 0.7459130883216858,
      "learning_rate": 8.054054054054055e-06,
      "loss": 0.2289,
      "step": 78
    },
    {
      "epoch": 0.21066666666666667,
      "grad_norm": 0.6370989680290222,
      "learning_rate": 8.027027027027027e-06,
      "loss": 0.203,
      "step": 79
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 0.6673493385314941,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.1828,
      "step": 80
    },
    {
      "epoch": 0.216,
      "grad_norm": 0.8735662698745728,
      "learning_rate": 7.972972972972974e-06,
      "loss": 0.2632,
      "step": 81
    },
    {
      "epoch": 0.21866666666666668,
      "grad_norm": 0.6813445091247559,
      "learning_rate": 7.945945945945946e-06,
      "loss": 0.2557,
      "step": 82
    },
    {
      "epoch": 0.22133333333333333,
      "grad_norm": 0.6084133982658386,
      "learning_rate": 7.91891891891892e-06,
      "loss": 0.1847,
      "step": 83
    },
    {
      "epoch": 0.224,
      "grad_norm": 0.6819057464599609,
      "learning_rate": 7.891891891891894e-06,
      "loss": 0.2557,
      "step": 84
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 0.6722255945205688,
      "learning_rate": 7.864864864864866e-06,
      "loss": 0.1946,
      "step": 85
    },
    {
      "epoch": 0.22933333333333333,
      "grad_norm": 0.7635795474052429,
      "learning_rate": 7.837837837837838e-06,
      "loss": 0.2581,
      "step": 86
    },
    {
      "epoch": 0.232,
      "grad_norm": 0.711397111415863,
      "learning_rate": 7.810810810810812e-06,
      "loss": 0.1684,
      "step": 87
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 0.6429581642150879,
      "learning_rate": 7.783783783783784e-06,
      "loss": 0.225,
      "step": 88
    },
    {
      "epoch": 0.23733333333333334,
      "grad_norm": 0.8083949685096741,
      "learning_rate": 7.756756756756756e-06,
      "loss": 0.315,
      "step": 89
    },
    {
      "epoch": 0.24,
      "grad_norm": 0.6197084188461304,
      "learning_rate": 7.72972972972973e-06,
      "loss": 0.2319,
      "step": 90
    },
    {
      "epoch": 0.24266666666666667,
      "grad_norm": 0.47451671957969666,
      "learning_rate": 7.702702702702704e-06,
      "loss": 0.1545,
      "step": 91
    },
    {
      "epoch": 0.24533333333333332,
      "grad_norm": 0.6577697992324829,
      "learning_rate": 7.675675675675676e-06,
      "loss": 0.2175,
      "step": 92
    },
    {
      "epoch": 0.248,
      "grad_norm": 0.718208909034729,
      "learning_rate": 7.648648648648649e-06,
      "loss": 0.3262,
      "step": 93
    },
    {
      "epoch": 0.25066666666666665,
      "grad_norm": 0.5495963096618652,
      "learning_rate": 7.621621621621622e-06,
      "loss": 0.1209,
      "step": 94
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 0.5226097106933594,
      "learning_rate": 7.594594594594596e-06,
      "loss": 0.1895,
      "step": 95
    },
    {
      "epoch": 0.256,
      "grad_norm": 0.7196803092956543,
      "learning_rate": 7.567567567567569e-06,
      "loss": 0.2769,
      "step": 96
    },
    {
      "epoch": 0.25866666666666666,
      "grad_norm": 0.6840471625328064,
      "learning_rate": 7.540540540540541e-06,
      "loss": 0.1887,
      "step": 97
    },
    {
      "epoch": 0.2613333333333333,
      "grad_norm": 0.6588975191116333,
      "learning_rate": 7.513513513513514e-06,
      "loss": 0.1889,
      "step": 98
    },
    {
      "epoch": 0.264,
      "grad_norm": 0.5604864358901978,
      "learning_rate": 7.486486486486487e-06,
      "loss": 0.1599,
      "step": 99
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.599812388420105,
      "learning_rate": 7.45945945945946e-06,
      "loss": 0.2164,
      "step": 100
    },
    {
      "epoch": 0.2693333333333333,
      "grad_norm": 0.6351118087768555,
      "learning_rate": 7.4324324324324324e-06,
      "loss": 0.2394,
      "step": 101
    },
    {
      "epoch": 0.272,
      "grad_norm": 0.6878398656845093,
      "learning_rate": 7.4054054054054055e-06,
      "loss": 0.2379,
      "step": 102
    },
    {
      "epoch": 0.27466666666666667,
      "grad_norm": 0.7772271037101746,
      "learning_rate": 7.3783783783783794e-06,
      "loss": 0.2456,
      "step": 103
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 0.6959226727485657,
      "learning_rate": 7.3513513513513525e-06,
      "loss": 0.2388,
      "step": 104
    },
    {
      "epoch": 0.28,
      "grad_norm": 0.485323041677475,
      "learning_rate": 7.324324324324325e-06,
      "loss": 0.1212,
      "step": 105
    },
    {
      "epoch": 0.2826666666666667,
      "grad_norm": 0.5454851388931274,
      "learning_rate": 7.297297297297298e-06,
      "loss": 0.1349,
      "step": 106
    },
    {
      "epoch": 0.2853333333333333,
      "grad_norm": 0.5586794018745422,
      "learning_rate": 7.270270270270271e-06,
      "loss": 0.1729,
      "step": 107
    },
    {
      "epoch": 0.288,
      "grad_norm": 0.5587649345397949,
      "learning_rate": 7.243243243243244e-06,
      "loss": 0.1669,
      "step": 108
    },
    {
      "epoch": 0.2906666666666667,
      "grad_norm": 1.0756834745407104,
      "learning_rate": 7.216216216216216e-06,
      "loss": 0.386,
      "step": 109
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 0.5455247759819031,
      "learning_rate": 7.189189189189189e-06,
      "loss": 0.1701,
      "step": 110
    },
    {
      "epoch": 0.296,
      "grad_norm": 0.5945301055908203,
      "learning_rate": 7.162162162162163e-06,
      "loss": 0.1707,
      "step": 111
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 0.7163695693016052,
      "learning_rate": 7.135135135135136e-06,
      "loss": 0.303,
      "step": 112
    },
    {
      "epoch": 0.30133333333333334,
      "grad_norm": 0.5325851440429688,
      "learning_rate": 7.1081081081081085e-06,
      "loss": 0.1341,
      "step": 113
    },
    {
      "epoch": 0.304,
      "grad_norm": 0.7188174724578857,
      "learning_rate": 7.0810810810810815e-06,
      "loss": 0.2434,
      "step": 114
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 0.548499345779419,
      "learning_rate": 7.054054054054055e-06,
      "loss": 0.1386,
      "step": 115
    },
    {
      "epoch": 0.30933333333333335,
      "grad_norm": 0.4468616545200348,
      "learning_rate": 7.027027027027028e-06,
      "loss": 0.088,
      "step": 116
    },
    {
      "epoch": 0.312,
      "grad_norm": 0.85345059633255,
      "learning_rate": 7e-06,
      "loss": 0.2584,
      "step": 117
    },
    {
      "epoch": 0.31466666666666665,
      "grad_norm": 0.6732862591743469,
      "learning_rate": 6.972972972972973e-06,
      "loss": 0.2474,
      "step": 118
    },
    {
      "epoch": 0.31733333333333336,
      "grad_norm": 0.5225388407707214,
      "learning_rate": 6.945945945945947e-06,
      "loss": 0.1734,
      "step": 119
    },
    {
      "epoch": 0.32,
      "grad_norm": 0.5563561916351318,
      "learning_rate": 6.91891891891892e-06,
      "loss": 0.1969,
      "step": 120
    },
    {
      "epoch": 0.32266666666666666,
      "grad_norm": 0.8599696159362793,
      "learning_rate": 6.891891891891892e-06,
      "loss": 0.3896,
      "step": 121
    },
    {
      "epoch": 0.3253333333333333,
      "grad_norm": 0.559121310710907,
      "learning_rate": 6.864864864864865e-06,
      "loss": 0.1996,
      "step": 122
    },
    {
      "epoch": 0.328,
      "grad_norm": 0.6225456595420837,
      "learning_rate": 6.837837837837838e-06,
      "loss": 0.1923,
      "step": 123
    },
    {
      "epoch": 0.33066666666666666,
      "grad_norm": 0.8037304878234863,
      "learning_rate": 6.810810810810811e-06,
      "loss": 0.2718,
      "step": 124
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.5265872478485107,
      "learning_rate": 6.783783783783784e-06,
      "loss": 0.1627,
      "step": 125
    },
    {
      "epoch": 0.336,
      "grad_norm": 0.5451453924179077,
      "learning_rate": 6.7567567567567575e-06,
      "loss": 0.1999,
      "step": 126
    },
    {
      "epoch": 0.33866666666666667,
      "grad_norm": 0.6852355599403381,
      "learning_rate": 6.729729729729731e-06,
      "loss": 0.2784,
      "step": 127
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 0.6520775556564331,
      "learning_rate": 6.702702702702704e-06,
      "loss": 0.2891,
      "step": 128
    },
    {
      "epoch": 0.344,
      "grad_norm": 0.6576260924339294,
      "learning_rate": 6.675675675675676e-06,
      "loss": 0.2207,
      "step": 129
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 0.6398120522499084,
      "learning_rate": 6.648648648648649e-06,
      "loss": 0.245,
      "step": 130
    },
    {
      "epoch": 0.34933333333333333,
      "grad_norm": 0.6754013299942017,
      "learning_rate": 6.621621621621622e-06,
      "loss": 0.2522,
      "step": 131
    },
    {
      "epoch": 0.352,
      "grad_norm": 0.5662146210670471,
      "learning_rate": 6.594594594594595e-06,
      "loss": 0.1599,
      "step": 132
    },
    {
      "epoch": 0.3546666666666667,
      "grad_norm": 0.5392054915428162,
      "learning_rate": 6.567567567567567e-06,
      "loss": 0.1376,
      "step": 133
    },
    {
      "epoch": 0.35733333333333334,
      "grad_norm": 0.7294577956199646,
      "learning_rate": 6.540540540540541e-06,
      "loss": 0.1868,
      "step": 134
    },
    {
      "epoch": 0.36,
      "grad_norm": 0.5715875625610352,
      "learning_rate": 6.513513513513514e-06,
      "loss": 0.1856,
      "step": 135
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 0.6439377665519714,
      "learning_rate": 6.486486486486487e-06,
      "loss": 0.1806,
      "step": 136
    },
    {
      "epoch": 0.36533333333333334,
      "grad_norm": 0.8570373058319092,
      "learning_rate": 6.45945945945946e-06,
      "loss": 0.2954,
      "step": 137
    },
    {
      "epoch": 0.368,
      "grad_norm": 0.9064244627952576,
      "learning_rate": 6.432432432432433e-06,
      "loss": 0.2779,
      "step": 138
    },
    {
      "epoch": 0.37066666666666664,
      "grad_norm": 0.5841649770736694,
      "learning_rate": 6.405405405405406e-06,
      "loss": 0.1852,
      "step": 139
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 0.6789332032203674,
      "learning_rate": 6.378378378378379e-06,
      "loss": 0.2229,
      "step": 140
    },
    {
      "epoch": 0.376,
      "grad_norm": 0.6846999526023865,
      "learning_rate": 6.351351351351351e-06,
      "loss": 0.2503,
      "step": 141
    },
    {
      "epoch": 0.37866666666666665,
      "grad_norm": 0.6227567195892334,
      "learning_rate": 6.324324324324325e-06,
      "loss": 0.2471,
      "step": 142
    },
    {
      "epoch": 0.38133333333333336,
      "grad_norm": 0.5910747647285461,
      "learning_rate": 6.297297297297298e-06,
      "loss": 0.1454,
      "step": 143
    },
    {
      "epoch": 0.384,
      "grad_norm": 0.6015313267707825,
      "learning_rate": 6.270270270270271e-06,
      "loss": 0.2033,
      "step": 144
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 0.8044806122779846,
      "learning_rate": 6.243243243243243e-06,
      "loss": 0.257,
      "step": 145
    },
    {
      "epoch": 0.3893333333333333,
      "grad_norm": 0.4414699971675873,
      "learning_rate": 6.2162162162162164e-06,
      "loss": 0.1204,
      "step": 146
    },
    {
      "epoch": 0.392,
      "grad_norm": 0.3825218975543976,
      "learning_rate": 6.1891891891891895e-06,
      "loss": 0.0632,
      "step": 147
    },
    {
      "epoch": 0.39466666666666667,
      "grad_norm": 0.6659744381904602,
      "learning_rate": 6.162162162162163e-06,
      "loss": 0.2216,
      "step": 148
    },
    {
      "epoch": 0.3973333333333333,
      "grad_norm": 0.6320778131484985,
      "learning_rate": 6.135135135135135e-06,
      "loss": 0.2087,
      "step": 149
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.790916919708252,
      "learning_rate": 6.108108108108109e-06,
      "loss": 0.2565,
      "step": 150
    },
    {
      "epoch": 0.4026666666666667,
      "grad_norm": 0.536102831363678,
      "learning_rate": 6.081081081081082e-06,
      "loss": 0.107,
      "step": 151
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 0.4944651424884796,
      "learning_rate": 6.054054054054055e-06,
      "loss": 0.1627,
      "step": 152
    },
    {
      "epoch": 0.408,
      "grad_norm": 0.4370385408401489,
      "learning_rate": 6.027027027027027e-06,
      "loss": 0.1183,
      "step": 153
    },
    {
      "epoch": 0.4106666666666667,
      "grad_norm": 0.6156406998634338,
      "learning_rate": 6e-06,
      "loss": 0.1699,
      "step": 154
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 0.6078500151634216,
      "learning_rate": 5.972972972972973e-06,
      "loss": 0.1906,
      "step": 155
    },
    {
      "epoch": 0.416,
      "grad_norm": 1.2300201654434204,
      "learning_rate": 5.945945945945947e-06,
      "loss": 0.1982,
      "step": 156
    },
    {
      "epoch": 0.4186666666666667,
      "grad_norm": 0.7389439940452576,
      "learning_rate": 5.9189189189189185e-06,
      "loss": 0.2282,
      "step": 157
    },
    {
      "epoch": 0.42133333333333334,
      "grad_norm": 0.763759195804596,
      "learning_rate": 5.8918918918918924e-06,
      "loss": 0.2622,
      "step": 158
    },
    {
      "epoch": 0.424,
      "grad_norm": 0.5539442896842957,
      "learning_rate": 5.8648648648648655e-06,
      "loss": 0.1474,
      "step": 159
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.7700057029724121,
      "learning_rate": 5.837837837837839e-06,
      "loss": 0.2865,
      "step": 160
    },
    {
      "epoch": 0.42933333333333334,
      "grad_norm": 0.7157185673713684,
      "learning_rate": 5.810810810810811e-06,
      "loss": 0.2427,
      "step": 161
    },
    {
      "epoch": 0.432,
      "grad_norm": 0.6205179691314697,
      "learning_rate": 5.783783783783784e-06,
      "loss": 0.1538,
      "step": 162
    },
    {
      "epoch": 0.43466666666666665,
      "grad_norm": 1.0188785791397095,
      "learning_rate": 5.756756756756757e-06,
      "loss": 0.3216,
      "step": 163
    },
    {
      "epoch": 0.43733333333333335,
      "grad_norm": 0.57860267162323,
      "learning_rate": 5.729729729729731e-06,
      "loss": 0.1753,
      "step": 164
    },
    {
      "epoch": 0.44,
      "grad_norm": 0.6151314973831177,
      "learning_rate": 5.702702702702702e-06,
      "loss": 0.1646,
      "step": 165
    },
    {
      "epoch": 0.44266666666666665,
      "grad_norm": 0.5574538111686707,
      "learning_rate": 5.675675675675676e-06,
      "loss": 0.1622,
      "step": 166
    },
    {
      "epoch": 0.44533333333333336,
      "grad_norm": 0.5877713561058044,
      "learning_rate": 5.648648648648649e-06,
      "loss": 0.1811,
      "step": 167
    },
    {
      "epoch": 0.448,
      "grad_norm": 0.6664063930511475,
      "learning_rate": 5.621621621621622e-06,
      "loss": 0.1846,
      "step": 168
    },
    {
      "epoch": 0.45066666666666666,
      "grad_norm": 0.8381854891777039,
      "learning_rate": 5.5945945945945945e-06,
      "loss": 0.2366,
      "step": 169
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 0.6716594696044922,
      "learning_rate": 5.567567567567568e-06,
      "loss": 0.1505,
      "step": 170
    },
    {
      "epoch": 0.456,
      "grad_norm": 0.7629430294036865,
      "learning_rate": 5.540540540540541e-06,
      "loss": 0.2743,
      "step": 171
    },
    {
      "epoch": 0.45866666666666667,
      "grad_norm": 0.5551477074623108,
      "learning_rate": 5.513513513513515e-06,
      "loss": 0.1598,
      "step": 172
    },
    {
      "epoch": 0.4613333333333333,
      "grad_norm": 0.4347976744174957,
      "learning_rate": 5.486486486486487e-06,
      "loss": 0.0911,
      "step": 173
    },
    {
      "epoch": 0.464,
      "grad_norm": 0.7412413358688354,
      "learning_rate": 5.45945945945946e-06,
      "loss": 0.233,
      "step": 174
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.813710629940033,
      "learning_rate": 5.432432432432433e-06,
      "loss": 0.3059,
      "step": 175
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 0.8188832402229309,
      "learning_rate": 5.405405405405406e-06,
      "loss": 0.2708,
      "step": 176
    },
    {
      "epoch": 0.472,
      "grad_norm": 1.0854490995407104,
      "learning_rate": 5.378378378378378e-06,
      "loss": 0.2455,
      "step": 177
    },
    {
      "epoch": 0.4746666666666667,
      "grad_norm": 0.5538136959075928,
      "learning_rate": 5.351351351351351e-06,
      "loss": 0.149,
      "step": 178
    },
    {
      "epoch": 0.47733333333333333,
      "grad_norm": 0.7784997820854187,
      "learning_rate": 5.324324324324324e-06,
      "loss": 0.2661,
      "step": 179
    },
    {
      "epoch": 0.48,
      "grad_norm": 0.6049314141273499,
      "learning_rate": 5.297297297297298e-06,
      "loss": 0.1428,
      "step": 180
    },
    {
      "epoch": 0.4826666666666667,
      "grad_norm": 0.6695799231529236,
      "learning_rate": 5.2702702702702705e-06,
      "loss": 0.223,
      "step": 181
    },
    {
      "epoch": 0.48533333333333334,
      "grad_norm": 0.5103655457496643,
      "learning_rate": 5.243243243243244e-06,
      "loss": 0.152,
      "step": 182
    },
    {
      "epoch": 0.488,
      "grad_norm": 0.813472330570221,
      "learning_rate": 5.216216216216217e-06,
      "loss": 0.218,
      "step": 183
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 0.7868819832801819,
      "learning_rate": 5.18918918918919e-06,
      "loss": 0.2152,
      "step": 184
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 0.6611355543136597,
      "learning_rate": 5.162162162162162e-06,
      "loss": 0.2011,
      "step": 185
    },
    {
      "epoch": 0.496,
      "grad_norm": 0.5784083008766174,
      "learning_rate": 5.135135135135135e-06,
      "loss": 0.1656,
      "step": 186
    },
    {
      "epoch": 0.49866666666666665,
      "grad_norm": 0.6778900027275085,
      "learning_rate": 5.108108108108108e-06,
      "loss": 0.2327,
      "step": 187
    },
    {
      "epoch": 0.5013333333333333,
      "grad_norm": 0.570643424987793,
      "learning_rate": 5.081081081081082e-06,
      "loss": 0.1061,
      "step": 188
    },
    {
      "epoch": 0.504,
      "grad_norm": 0.6347572803497314,
      "learning_rate": 5.054054054054054e-06,
      "loss": 0.185,
      "step": 189
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 0.9605282545089722,
      "learning_rate": 5.027027027027027e-06,
      "loss": 0.2742,
      "step": 190
    },
    {
      "epoch": 0.5093333333333333,
      "grad_norm": 0.6934553980827332,
      "learning_rate": 5e-06,
      "loss": 0.1953,
      "step": 191
    },
    {
      "epoch": 0.512,
      "grad_norm": 0.708090603351593,
      "learning_rate": 4.9729729729729735e-06,
      "loss": 0.2358,
      "step": 192
    },
    {
      "epoch": 0.5146666666666667,
      "grad_norm": 0.46897298097610474,
      "learning_rate": 4.9459459459459466e-06,
      "loss": 0.1359,
      "step": 193
    },
    {
      "epoch": 0.5173333333333333,
      "grad_norm": 0.5252346396446228,
      "learning_rate": 4.91891891891892e-06,
      "loss": 0.1371,
      "step": 194
    },
    {
      "epoch": 0.52,
      "grad_norm": 0.48569944500923157,
      "learning_rate": 4.891891891891893e-06,
      "loss": 0.1745,
      "step": 195
    },
    {
      "epoch": 0.5226666666666666,
      "grad_norm": 0.48111259937286377,
      "learning_rate": 4.864864864864866e-06,
      "loss": 0.1173,
      "step": 196
    },
    {
      "epoch": 0.5253333333333333,
      "grad_norm": 0.7366722822189331,
      "learning_rate": 4.837837837837838e-06,
      "loss": 0.179,
      "step": 197
    },
    {
      "epoch": 0.528,
      "grad_norm": 0.6267251372337341,
      "learning_rate": 4.810810810810811e-06,
      "loss": 0.1845,
      "step": 198
    },
    {
      "epoch": 0.5306666666666666,
      "grad_norm": 0.6829625368118286,
      "learning_rate": 4.783783783783784e-06,
      "loss": 0.1827,
      "step": 199
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.6211770176887512,
      "learning_rate": 4.756756756756757e-06,
      "loss": 0.13,
      "step": 200
    },
    {
      "epoch": 0.536,
      "grad_norm": 1.1047722101211548,
      "learning_rate": 4.72972972972973e-06,
      "loss": 0.2495,
      "step": 201
    },
    {
      "epoch": 0.5386666666666666,
      "grad_norm": 0.5142467617988586,
      "learning_rate": 4.702702702702703e-06,
      "loss": 0.1699,
      "step": 202
    },
    {
      "epoch": 0.5413333333333333,
      "grad_norm": 0.773326575756073,
      "learning_rate": 4.675675675675676e-06,
      "loss": 0.2565,
      "step": 203
    },
    {
      "epoch": 0.544,
      "grad_norm": 0.7507659792900085,
      "learning_rate": 4.6486486486486495e-06,
      "loss": 0.1712,
      "step": 204
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 0.727996289730072,
      "learning_rate": 4.621621621621622e-06,
      "loss": 0.2181,
      "step": 205
    },
    {
      "epoch": 0.5493333333333333,
      "grad_norm": 0.6142560243606567,
      "learning_rate": 4.594594594594596e-06,
      "loss": 0.1998,
      "step": 206
    },
    {
      "epoch": 0.552,
      "grad_norm": 0.5649769902229309,
      "learning_rate": 4.567567567567568e-06,
      "loss": 0.149,
      "step": 207
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 0.8020762801170349,
      "learning_rate": 4.540540540540541e-06,
      "loss": 0.2199,
      "step": 208
    },
    {
      "epoch": 0.5573333333333333,
      "grad_norm": 0.6906028389930725,
      "learning_rate": 4.513513513513514e-06,
      "loss": 0.2545,
      "step": 209
    },
    {
      "epoch": 0.56,
      "grad_norm": 0.5310454964637756,
      "learning_rate": 4.486486486486487e-06,
      "loss": 0.1296,
      "step": 210
    },
    {
      "epoch": 0.5626666666666666,
      "grad_norm": 0.5929126739501953,
      "learning_rate": 4.45945945945946e-06,
      "loss": 0.1612,
      "step": 211
    },
    {
      "epoch": 0.5653333333333334,
      "grad_norm": 0.6600434184074402,
      "learning_rate": 4.432432432432433e-06,
      "loss": 0.1297,
      "step": 212
    },
    {
      "epoch": 0.568,
      "grad_norm": 0.780139684677124,
      "learning_rate": 4.4054054054054054e-06,
      "loss": 0.2615,
      "step": 213
    },
    {
      "epoch": 0.5706666666666667,
      "grad_norm": 0.7482835650444031,
      "learning_rate": 4.378378378378379e-06,
      "loss": 0.2603,
      "step": 214
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 0.6610010862350464,
      "learning_rate": 4.351351351351352e-06,
      "loss": 0.2005,
      "step": 215
    },
    {
      "epoch": 0.576,
      "grad_norm": 0.5596050024032593,
      "learning_rate": 4.324324324324325e-06,
      "loss": 0.1836,
      "step": 216
    },
    {
      "epoch": 0.5786666666666667,
      "grad_norm": 0.5670168995857239,
      "learning_rate": 4.297297297297298e-06,
      "loss": 0.1425,
      "step": 217
    },
    {
      "epoch": 0.5813333333333334,
      "grad_norm": 0.7924901843070984,
      "learning_rate": 4.270270270270271e-06,
      "loss": 0.2453,
      "step": 218
    },
    {
      "epoch": 0.584,
      "grad_norm": 0.6086226105690002,
      "learning_rate": 4.243243243243244e-06,
      "loss": 0.1377,
      "step": 219
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 0.7282214164733887,
      "learning_rate": 4.216216216216217e-06,
      "loss": 0.2457,
      "step": 220
    },
    {
      "epoch": 0.5893333333333334,
      "grad_norm": 0.4617224633693695,
      "learning_rate": 4.189189189189189e-06,
      "loss": 0.113,
      "step": 221
    },
    {
      "epoch": 0.592,
      "grad_norm": 0.6779753565788269,
      "learning_rate": 4.162162162162163e-06,
      "loss": 0.1767,
      "step": 222
    },
    {
      "epoch": 0.5946666666666667,
      "grad_norm": 0.596565306186676,
      "learning_rate": 4.135135135135135e-06,
      "loss": 0.1679,
      "step": 223
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 0.48216086626052856,
      "learning_rate": 4.108108108108108e-06,
      "loss": 0.1185,
      "step": 224
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.5772594213485718,
      "learning_rate": 4.0810810810810815e-06,
      "loss": 0.1377,
      "step": 225
    },
    {
      "epoch": 0.6026666666666667,
      "grad_norm": 0.5566317439079285,
      "learning_rate": 4.0540540540540545e-06,
      "loss": 0.1396,
      "step": 226
    },
    {
      "epoch": 0.6053333333333333,
      "grad_norm": 0.6380061507225037,
      "learning_rate": 4.027027027027028e-06,
      "loss": 0.1837,
      "step": 227
    },
    {
      "epoch": 0.608,
      "grad_norm": 0.7376194000244141,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.229,
      "step": 228
    },
    {
      "epoch": 0.6106666666666667,
      "grad_norm": 0.6296193599700928,
      "learning_rate": 3.972972972972973e-06,
      "loss": 0.1715,
      "step": 229
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.568450927734375,
      "learning_rate": 3.945945945945947e-06,
      "loss": 0.1345,
      "step": 230
    },
    {
      "epoch": 0.616,
      "grad_norm": 0.5919650793075562,
      "learning_rate": 3.918918918918919e-06,
      "loss": 0.1853,
      "step": 231
    },
    {
      "epoch": 0.6186666666666667,
      "grad_norm": 0.5901864767074585,
      "learning_rate": 3.891891891891892e-06,
      "loss": 0.1765,
      "step": 232
    },
    {
      "epoch": 0.6213333333333333,
      "grad_norm": 0.6295629143714905,
      "learning_rate": 3.864864864864865e-06,
      "loss": 0.1617,
      "step": 233
    },
    {
      "epoch": 0.624,
      "grad_norm": 0.6500459313392639,
      "learning_rate": 3.837837837837838e-06,
      "loss": 0.2035,
      "step": 234
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 0.581777036190033,
      "learning_rate": 3.810810810810811e-06,
      "loss": 0.1056,
      "step": 235
    },
    {
      "epoch": 0.6293333333333333,
      "grad_norm": 0.6335146427154541,
      "learning_rate": 3.7837837837837844e-06,
      "loss": 0.1709,
      "step": 236
    },
    {
      "epoch": 0.632,
      "grad_norm": 0.9207386374473572,
      "learning_rate": 3.756756756756757e-06,
      "loss": 0.2533,
      "step": 237
    },
    {
      "epoch": 0.6346666666666667,
      "grad_norm": 0.6363541483879089,
      "learning_rate": 3.72972972972973e-06,
      "loss": 0.1715,
      "step": 238
    },
    {
      "epoch": 0.6373333333333333,
      "grad_norm": 0.5972362160682678,
      "learning_rate": 3.7027027027027028e-06,
      "loss": 0.1687,
      "step": 239
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.5836384296417236,
      "learning_rate": 3.6756756756756763e-06,
      "loss": 0.1381,
      "step": 240
    },
    {
      "epoch": 0.6426666666666667,
      "grad_norm": 0.6295225620269775,
      "learning_rate": 3.648648648648649e-06,
      "loss": 0.1395,
      "step": 241
    },
    {
      "epoch": 0.6453333333333333,
      "grad_norm": 0.6225628852844238,
      "learning_rate": 3.621621621621622e-06,
      "loss": 0.1915,
      "step": 242
    },
    {
      "epoch": 0.648,
      "grad_norm": 0.5212764143943787,
      "learning_rate": 3.5945945945945946e-06,
      "loss": 0.1061,
      "step": 243
    },
    {
      "epoch": 0.6506666666666666,
      "grad_norm": 0.6112397313117981,
      "learning_rate": 3.567567567567568e-06,
      "loss": 0.1796,
      "step": 244
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 0.677862286567688,
      "learning_rate": 3.5405405405405408e-06,
      "loss": 0.1758,
      "step": 245
    },
    {
      "epoch": 0.656,
      "grad_norm": 0.7376493215560913,
      "learning_rate": 3.513513513513514e-06,
      "loss": 0.1405,
      "step": 246
    },
    {
      "epoch": 0.6586666666666666,
      "grad_norm": 0.796800971031189,
      "learning_rate": 3.4864864864864865e-06,
      "loss": 0.2673,
      "step": 247
    },
    {
      "epoch": 0.6613333333333333,
      "grad_norm": 0.5394421219825745,
      "learning_rate": 3.45945945945946e-06,
      "loss": 0.1306,
      "step": 248
    },
    {
      "epoch": 0.664,
      "grad_norm": 0.72111576795578,
      "learning_rate": 3.4324324324324326e-06,
      "loss": 0.1884,
      "step": 249
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.610393226146698,
      "learning_rate": 3.4054054054054057e-06,
      "loss": 0.1638,
      "step": 250
    },
    {
      "epoch": 0.6693333333333333,
      "grad_norm": 0.5779626369476318,
      "learning_rate": 3.3783783783783788e-06,
      "loss": 0.1866,
      "step": 251
    },
    {
      "epoch": 0.672,
      "grad_norm": 0.738161563873291,
      "learning_rate": 3.351351351351352e-06,
      "loss": 0.2222,
      "step": 252
    },
    {
      "epoch": 0.6746666666666666,
      "grad_norm": 0.5546852350234985,
      "learning_rate": 3.3243243243243245e-06,
      "loss": 0.1872,
      "step": 253
    },
    {
      "epoch": 0.6773333333333333,
      "grad_norm": 0.5283682942390442,
      "learning_rate": 3.2972972972972976e-06,
      "loss": 0.1219,
      "step": 254
    },
    {
      "epoch": 0.68,
      "grad_norm": 0.5261179804801941,
      "learning_rate": 3.2702702702702706e-06,
      "loss": 0.1308,
      "step": 255
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 0.542107343673706,
      "learning_rate": 3.2432432432432437e-06,
      "loss": 0.1475,
      "step": 256
    },
    {
      "epoch": 0.6853333333333333,
      "grad_norm": 0.6292222738265991,
      "learning_rate": 3.2162162162162164e-06,
      "loss": 0.1808,
      "step": 257
    },
    {
      "epoch": 0.688,
      "grad_norm": 0.6876755356788635,
      "learning_rate": 3.1891891891891894e-06,
      "loss": 0.1867,
      "step": 258
    },
    {
      "epoch": 0.6906666666666667,
      "grad_norm": 0.7198378443717957,
      "learning_rate": 3.1621621621621625e-06,
      "loss": 0.2303,
      "step": 259
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.7376006245613098,
      "learning_rate": 3.1351351351351356e-06,
      "loss": 0.2427,
      "step": 260
    },
    {
      "epoch": 0.696,
      "grad_norm": 0.4985176622867584,
      "learning_rate": 3.1081081081081082e-06,
      "loss": 0.1403,
      "step": 261
    },
    {
      "epoch": 0.6986666666666667,
      "grad_norm": 0.8318588137626648,
      "learning_rate": 3.0810810810810817e-06,
      "loss": 0.2341,
      "step": 262
    },
    {
      "epoch": 0.7013333333333334,
      "grad_norm": 0.5068696141242981,
      "learning_rate": 3.0540540540540544e-06,
      "loss": 0.1303,
      "step": 263
    },
    {
      "epoch": 0.704,
      "grad_norm": 0.6681108474731445,
      "learning_rate": 3.0270270270270274e-06,
      "loss": 0.1519,
      "step": 264
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 0.914227306842804,
      "learning_rate": 3e-06,
      "loss": 0.1702,
      "step": 265
    },
    {
      "epoch": 0.7093333333333334,
      "grad_norm": 0.8891008496284485,
      "learning_rate": 2.9729729729729736e-06,
      "loss": 0.2504,
      "step": 266
    },
    {
      "epoch": 0.712,
      "grad_norm": 0.5998064279556274,
      "learning_rate": 2.9459459459459462e-06,
      "loss": 0.1619,
      "step": 267
    },
    {
      "epoch": 0.7146666666666667,
      "grad_norm": 0.4498307704925537,
      "learning_rate": 2.9189189189189193e-06,
      "loss": 0.1371,
      "step": 268
    },
    {
      "epoch": 0.7173333333333334,
      "grad_norm": 0.8718898892402649,
      "learning_rate": 2.891891891891892e-06,
      "loss": 0.2008,
      "step": 269
    },
    {
      "epoch": 0.72,
      "grad_norm": 0.693038284778595,
      "learning_rate": 2.8648648648648654e-06,
      "loss": 0.1775,
      "step": 270
    },
    {
      "epoch": 0.7226666666666667,
      "grad_norm": 0.505120038986206,
      "learning_rate": 2.837837837837838e-06,
      "loss": 0.0855,
      "step": 271
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 0.6572014689445496,
      "learning_rate": 2.810810810810811e-06,
      "loss": 0.1445,
      "step": 272
    },
    {
      "epoch": 0.728,
      "grad_norm": 0.5146646499633789,
      "learning_rate": 2.783783783783784e-06,
      "loss": 0.1424,
      "step": 273
    },
    {
      "epoch": 0.7306666666666667,
      "grad_norm": 0.6636260747909546,
      "learning_rate": 2.7567567567567573e-06,
      "loss": 0.1865,
      "step": 274
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.6801549792289734,
      "learning_rate": 2.72972972972973e-06,
      "loss": 0.207,
      "step": 275
    },
    {
      "epoch": 0.736,
      "grad_norm": 0.7226672768592834,
      "learning_rate": 2.702702702702703e-06,
      "loss": 0.1743,
      "step": 276
    },
    {
      "epoch": 0.7386666666666667,
      "grad_norm": 0.5998254418373108,
      "learning_rate": 2.6756756756756757e-06,
      "loss": 0.1684,
      "step": 277
    },
    {
      "epoch": 0.7413333333333333,
      "grad_norm": 0.6800865530967712,
      "learning_rate": 2.648648648648649e-06,
      "loss": 0.1699,
      "step": 278
    },
    {
      "epoch": 0.744,
      "grad_norm": 0.7659003138542175,
      "learning_rate": 2.621621621621622e-06,
      "loss": 0.2064,
      "step": 279
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.7691957950592041,
      "learning_rate": 2.594594594594595e-06,
      "loss": 0.2012,
      "step": 280
    },
    {
      "epoch": 0.7493333333333333,
      "grad_norm": 0.506563663482666,
      "learning_rate": 2.5675675675675675e-06,
      "loss": 0.1673,
      "step": 281
    },
    {
      "epoch": 0.752,
      "grad_norm": 0.6201961636543274,
      "learning_rate": 2.540540540540541e-06,
      "loss": 0.1388,
      "step": 282
    },
    {
      "epoch": 0.7546666666666667,
      "grad_norm": 0.8933998346328735,
      "learning_rate": 2.5135135135135137e-06,
      "loss": 0.2727,
      "step": 283
    },
    {
      "epoch": 0.7573333333333333,
      "grad_norm": 0.47412559390068054,
      "learning_rate": 2.4864864864864867e-06,
      "loss": 0.1263,
      "step": 284
    },
    {
      "epoch": 0.76,
      "grad_norm": 0.5057530999183655,
      "learning_rate": 2.45945945945946e-06,
      "loss": 0.1022,
      "step": 285
    },
    {
      "epoch": 0.7626666666666667,
      "grad_norm": 0.5722337961196899,
      "learning_rate": 2.432432432432433e-06,
      "loss": 0.1434,
      "step": 286
    },
    {
      "epoch": 0.7653333333333333,
      "grad_norm": 0.598971426486969,
      "learning_rate": 2.4054054054054055e-06,
      "loss": 0.1612,
      "step": 287
    },
    {
      "epoch": 0.768,
      "grad_norm": 0.657231867313385,
      "learning_rate": 2.3783783783783786e-06,
      "loss": 0.1807,
      "step": 288
    },
    {
      "epoch": 0.7706666666666667,
      "grad_norm": 0.6193355321884155,
      "learning_rate": 2.3513513513513517e-06,
      "loss": 0.1475,
      "step": 289
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 0.759707510471344,
      "learning_rate": 2.3243243243243247e-06,
      "loss": 0.2129,
      "step": 290
    },
    {
      "epoch": 0.776,
      "grad_norm": 0.7352281212806702,
      "learning_rate": 2.297297297297298e-06,
      "loss": 0.2235,
      "step": 291
    },
    {
      "epoch": 0.7786666666666666,
      "grad_norm": 0.8399860262870789,
      "learning_rate": 2.2702702702702705e-06,
      "loss": 0.2705,
      "step": 292
    },
    {
      "epoch": 0.7813333333333333,
      "grad_norm": 0.6437696814537048,
      "learning_rate": 2.2432432432432435e-06,
      "loss": 0.1945,
      "step": 293
    },
    {
      "epoch": 0.784,
      "grad_norm": 0.695044755935669,
      "learning_rate": 2.2162162162162166e-06,
      "loss": 0.1563,
      "step": 294
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 0.7957045435905457,
      "learning_rate": 2.1891891891891897e-06,
      "loss": 0.2012,
      "step": 295
    },
    {
      "epoch": 0.7893333333333333,
      "grad_norm": 0.6688436269760132,
      "learning_rate": 2.1621621621621623e-06,
      "loss": 0.1277,
      "step": 296
    },
    {
      "epoch": 0.792,
      "grad_norm": 0.6803908348083496,
      "learning_rate": 2.1351351351351354e-06,
      "loss": 0.1463,
      "step": 297
    },
    {
      "epoch": 0.7946666666666666,
      "grad_norm": 0.7668745517730713,
      "learning_rate": 2.1081081081081085e-06,
      "loss": 0.222,
      "step": 298
    },
    {
      "epoch": 0.7973333333333333,
      "grad_norm": 0.8657370209693909,
      "learning_rate": 2.0810810810810815e-06,
      "loss": 0.2236,
      "step": 299
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.4982978105545044,
      "learning_rate": 2.054054054054054e-06,
      "loss": 0.1047,
      "step": 300
    },
    {
      "epoch": 0.8026666666666666,
      "grad_norm": 1.008243441581726,
      "learning_rate": 2.0270270270270273e-06,
      "loss": 0.2712,
      "step": 301
    },
    {
      "epoch": 0.8053333333333333,
      "grad_norm": 0.6465718746185303,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.183,
      "step": 302
    },
    {
      "epoch": 0.808,
      "grad_norm": 0.7556140422821045,
      "learning_rate": 1.9729729729729734e-06,
      "loss": 0.2373,
      "step": 303
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 0.9192178249359131,
      "learning_rate": 1.945945945945946e-06,
      "loss": 0.2582,
      "step": 304
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 0.5809621810913086,
      "learning_rate": 1.918918918918919e-06,
      "loss": 0.1608,
      "step": 305
    },
    {
      "epoch": 0.816,
      "grad_norm": 0.7420186996459961,
      "learning_rate": 1.8918918918918922e-06,
      "loss": 0.2247,
      "step": 306
    },
    {
      "epoch": 0.8186666666666667,
      "grad_norm": 0.6600176692008972,
      "learning_rate": 1.864864864864865e-06,
      "loss": 0.1427,
      "step": 307
    },
    {
      "epoch": 0.8213333333333334,
      "grad_norm": 0.6174532771110535,
      "learning_rate": 1.8378378378378381e-06,
      "loss": 0.1741,
      "step": 308
    },
    {
      "epoch": 0.824,
      "grad_norm": 0.646851122379303,
      "learning_rate": 1.810810810810811e-06,
      "loss": 0.186,
      "step": 309
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 0.6165786981582642,
      "learning_rate": 1.783783783783784e-06,
      "loss": 0.1515,
      "step": 310
    },
    {
      "epoch": 0.8293333333333334,
      "grad_norm": 0.642686665058136,
      "learning_rate": 1.756756756756757e-06,
      "loss": 0.2009,
      "step": 311
    },
    {
      "epoch": 0.832,
      "grad_norm": 0.684529185295105,
      "learning_rate": 1.72972972972973e-06,
      "loss": 0.1888,
      "step": 312
    },
    {
      "epoch": 0.8346666666666667,
      "grad_norm": 0.7514453530311584,
      "learning_rate": 1.7027027027027028e-06,
      "loss": 0.2358,
      "step": 313
    },
    {
      "epoch": 0.8373333333333334,
      "grad_norm": 0.658891499042511,
      "learning_rate": 1.675675675675676e-06,
      "loss": 0.1613,
      "step": 314
    },
    {
      "epoch": 0.84,
      "grad_norm": 0.5634497404098511,
      "learning_rate": 1.6486486486486488e-06,
      "loss": 0.1813,
      "step": 315
    },
    {
      "epoch": 0.8426666666666667,
      "grad_norm": 0.6397603154182434,
      "learning_rate": 1.6216216216216219e-06,
      "loss": 0.1569,
      "step": 316
    },
    {
      "epoch": 0.8453333333333334,
      "grad_norm": 0.5364403128623962,
      "learning_rate": 1.5945945945945947e-06,
      "loss": 0.1524,
      "step": 317
    },
    {
      "epoch": 0.848,
      "grad_norm": 0.6723018288612366,
      "learning_rate": 1.5675675675675678e-06,
      "loss": 0.1518,
      "step": 318
    },
    {
      "epoch": 0.8506666666666667,
      "grad_norm": 0.5924685597419739,
      "learning_rate": 1.5405405405405409e-06,
      "loss": 0.1293,
      "step": 319
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.6047373414039612,
      "learning_rate": 1.5135135135135137e-06,
      "loss": 0.1755,
      "step": 320
    },
    {
      "epoch": 0.856,
      "grad_norm": 0.7350829243659973,
      "learning_rate": 1.4864864864864868e-06,
      "loss": 0.2148,
      "step": 321
    },
    {
      "epoch": 0.8586666666666667,
      "grad_norm": 0.5970800518989563,
      "learning_rate": 1.4594594594594596e-06,
      "loss": 0.1088,
      "step": 322
    },
    {
      "epoch": 0.8613333333333333,
      "grad_norm": 0.6480084657669067,
      "learning_rate": 1.4324324324324327e-06,
      "loss": 0.1751,
      "step": 323
    },
    {
      "epoch": 0.864,
      "grad_norm": 0.6453187465667725,
      "learning_rate": 1.4054054054054056e-06,
      "loss": 0.1577,
      "step": 324
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.5671096444129944,
      "learning_rate": 1.3783783783783786e-06,
      "loss": 0.1263,
      "step": 325
    },
    {
      "epoch": 0.8693333333333333,
      "grad_norm": 0.6587651371955872,
      "learning_rate": 1.3513513513513515e-06,
      "loss": 0.1517,
      "step": 326
    },
    {
      "epoch": 0.872,
      "grad_norm": 0.6195429563522339,
      "learning_rate": 1.3243243243243246e-06,
      "loss": 0.1351,
      "step": 327
    },
    {
      "epoch": 0.8746666666666667,
      "grad_norm": 0.6922061443328857,
      "learning_rate": 1.2972972972972974e-06,
      "loss": 0.2083,
      "step": 328
    },
    {
      "epoch": 0.8773333333333333,
      "grad_norm": 0.6278188824653625,
      "learning_rate": 1.2702702702702705e-06,
      "loss": 0.1798,
      "step": 329
    },
    {
      "epoch": 0.88,
      "grad_norm": 0.7087084054946899,
      "learning_rate": 1.2432432432432434e-06,
      "loss": 0.1778,
      "step": 330
    },
    {
      "epoch": 0.8826666666666667,
      "grad_norm": 0.6831982135772705,
      "learning_rate": 1.2162162162162164e-06,
      "loss": 0.1962,
      "step": 331
    },
    {
      "epoch": 0.8853333333333333,
      "grad_norm": 0.7166221737861633,
      "learning_rate": 1.1891891891891893e-06,
      "loss": 0.1854,
      "step": 332
    },
    {
      "epoch": 0.888,
      "grad_norm": 0.8986877202987671,
      "learning_rate": 1.1621621621621624e-06,
      "loss": 0.2427,
      "step": 333
    },
    {
      "epoch": 0.8906666666666667,
      "grad_norm": 0.6607679724693298,
      "learning_rate": 1.1351351351351352e-06,
      "loss": 0.1543,
      "step": 334
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 0.5490771532058716,
      "learning_rate": 1.1081081081081083e-06,
      "loss": 0.1395,
      "step": 335
    },
    {
      "epoch": 0.896,
      "grad_norm": 0.5502904057502747,
      "learning_rate": 1.0810810810810812e-06,
      "loss": 0.1115,
      "step": 336
    },
    {
      "epoch": 0.8986666666666666,
      "grad_norm": 0.7038357257843018,
      "learning_rate": 1.0540540540540542e-06,
      "loss": 0.1838,
      "step": 337
    },
    {
      "epoch": 0.9013333333333333,
      "grad_norm": 0.637759804725647,
      "learning_rate": 1.027027027027027e-06,
      "loss": 0.1458,
      "step": 338
    },
    {
      "epoch": 0.904,
      "grad_norm": 0.41699838638305664,
      "learning_rate": 1.0000000000000002e-06,
      "loss": 0.0636,
      "step": 339
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.6530246734619141,
      "learning_rate": 9.72972972972973e-07,
      "loss": 0.2018,
      "step": 340
    },
    {
      "epoch": 0.9093333333333333,
      "grad_norm": 0.60310298204422,
      "learning_rate": 9.459459459459461e-07,
      "loss": 0.1881,
      "step": 341
    },
    {
      "epoch": 0.912,
      "grad_norm": 0.7850892543792725,
      "learning_rate": 9.189189189189191e-07,
      "loss": 0.2068,
      "step": 342
    },
    {
      "epoch": 0.9146666666666666,
      "grad_norm": 0.6868510246276855,
      "learning_rate": 8.91891891891892e-07,
      "loss": 0.1771,
      "step": 343
    },
    {
      "epoch": 0.9173333333333333,
      "grad_norm": 0.9098823070526123,
      "learning_rate": 8.64864864864865e-07,
      "loss": 0.3305,
      "step": 344
    },
    {
      "epoch": 0.92,
      "grad_norm": 0.5945159792900085,
      "learning_rate": 8.37837837837838e-07,
      "loss": 0.1888,
      "step": 345
    },
    {
      "epoch": 0.9226666666666666,
      "grad_norm": 0.8558082580566406,
      "learning_rate": 8.108108108108109e-07,
      "loss": 0.2441,
      "step": 346
    },
    {
      "epoch": 0.9253333333333333,
      "grad_norm": 0.5650514960289001,
      "learning_rate": 7.837837837837839e-07,
      "loss": 0.1159,
      "step": 347
    },
    {
      "epoch": 0.928,
      "grad_norm": 0.7538920044898987,
      "learning_rate": 7.567567567567569e-07,
      "loss": 0.2237,
      "step": 348
    },
    {
      "epoch": 0.9306666666666666,
      "grad_norm": 0.7166353464126587,
      "learning_rate": 7.297297297297298e-07,
      "loss": 0.1995,
      "step": 349
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.6613370776176453,
      "learning_rate": 7.027027027027028e-07,
      "loss": 0.1983,
      "step": 350
    },
    {
      "epoch": 0.936,
      "grad_norm": 0.7816197276115417,
      "learning_rate": 6.756756756756758e-07,
      "loss": 0.2224,
      "step": 351
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 0.8152917623519897,
      "learning_rate": 6.486486486486487e-07,
      "loss": 0.2185,
      "step": 352
    },
    {
      "epoch": 0.9413333333333334,
      "grad_norm": 0.5740703344345093,
      "learning_rate": 6.216216216216217e-07,
      "loss": 0.1233,
      "step": 353
    },
    {
      "epoch": 0.944,
      "grad_norm": 0.8874627351760864,
      "learning_rate": 5.945945945945947e-07,
      "loss": 0.2933,
      "step": 354
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 0.7364516258239746,
      "learning_rate": 5.675675675675676e-07,
      "loss": 0.1977,
      "step": 355
    },
    {
      "epoch": 0.9493333333333334,
      "grad_norm": 0.5339112877845764,
      "learning_rate": 5.405405405405406e-07,
      "loss": 0.1234,
      "step": 356
    },
    {
      "epoch": 0.952,
      "grad_norm": 0.717179536819458,
      "learning_rate": 5.135135135135135e-07,
      "loss": 0.2112,
      "step": 357
    },
    {
      "epoch": 0.9546666666666667,
      "grad_norm": 0.49759364128112793,
      "learning_rate": 4.864864864864865e-07,
      "loss": 0.123,
      "step": 358
    },
    {
      "epoch": 0.9573333333333334,
      "grad_norm": 0.683788537979126,
      "learning_rate": 4.5945945945945953e-07,
      "loss": 0.1317,
      "step": 359
    },
    {
      "epoch": 0.96,
      "grad_norm": 0.8108550906181335,
      "learning_rate": 4.324324324324325e-07,
      "loss": 0.2541,
      "step": 360
    },
    {
      "epoch": 0.9626666666666667,
      "grad_norm": 0.6992772221565247,
      "learning_rate": 4.0540540540540546e-07,
      "loss": 0.1595,
      "step": 361
    },
    {
      "epoch": 0.9653333333333334,
      "grad_norm": 0.6799488663673401,
      "learning_rate": 3.7837837837837843e-07,
      "loss": 0.1389,
      "step": 362
    },
    {
      "epoch": 0.968,
      "grad_norm": 0.8049048185348511,
      "learning_rate": 3.513513513513514e-07,
      "loss": 0.2037,
      "step": 363
    },
    {
      "epoch": 0.9706666666666667,
      "grad_norm": 0.8890615701675415,
      "learning_rate": 3.2432432432432436e-07,
      "loss": 0.2564,
      "step": 364
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.7139678597450256,
      "learning_rate": 2.972972972972973e-07,
      "loss": 0.1785,
      "step": 365
    },
    {
      "epoch": 0.976,
      "grad_norm": 0.8582870364189148,
      "learning_rate": 2.702702702702703e-07,
      "loss": 0.2773,
      "step": 366
    },
    {
      "epoch": 0.9786666666666667,
      "grad_norm": 0.7711176872253418,
      "learning_rate": 2.4324324324324326e-07,
      "loss": 0.2672,
      "step": 367
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 0.8329382538795471,
      "learning_rate": 2.1621621621621625e-07,
      "loss": 0.2577,
      "step": 368
    },
    {
      "epoch": 0.984,
      "grad_norm": 0.7744131684303284,
      "learning_rate": 1.8918918918918921e-07,
      "loss": 0.2385,
      "step": 369
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.8693195581436157,
      "learning_rate": 1.6216216216216218e-07,
      "loss": 0.1542,
      "step": 370
    },
    {
      "epoch": 0.9893333333333333,
      "grad_norm": 0.6429604291915894,
      "learning_rate": 1.3513513513513515e-07,
      "loss": 0.1575,
      "step": 371
    },
    {
      "epoch": 0.992,
      "grad_norm": 0.5807231068611145,
      "learning_rate": 1.0810810810810812e-07,
      "loss": 0.1516,
      "step": 372
    },
    {
      "epoch": 0.9946666666666667,
      "grad_norm": 0.5631595253944397,
      "learning_rate": 8.108108108108109e-08,
      "loss": 0.1513,
      "step": 373
    },
    {
      "epoch": 0.9973333333333333,
      "grad_norm": 0.7601114511489868,
      "learning_rate": 5.405405405405406e-08,
      "loss": 0.1774,
      "step": 374
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.6222306489944458,
      "learning_rate": 2.702702702702703e-08,
      "loss": 0.139,
      "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": 3.325234584919818e+17,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}