{
  "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": 2.253786563873291,
      "learning_rate": 0.0,
      "loss": 0.8134,
      "step": 1
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 1.8433324098587036,
      "learning_rate": 2e-07,
      "loss": 0.5567,
      "step": 2
    },
    {
      "epoch": 0.008,
      "grad_norm": 1.818230390548706,
      "learning_rate": 4e-07,
      "loss": 0.682,
      "step": 3
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 2.0482234954833984,
      "learning_rate": 6e-07,
      "loss": 0.817,
      "step": 4
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 2.0011134147644043,
      "learning_rate": 8e-07,
      "loss": 0.7545,
      "step": 5
    },
    {
      "epoch": 0.016,
      "grad_norm": 1.7545825242996216,
      "learning_rate": 1e-06,
      "loss": 0.5824,
      "step": 6
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 1.9651374816894531,
      "learning_rate": 9.972972972972973e-07,
      "loss": 0.8481,
      "step": 7
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 2.0458366870880127,
      "learning_rate": 9.945945945945945e-07,
      "loss": 0.877,
      "step": 8
    },
    {
      "epoch": 0.024,
      "grad_norm": 1.9313669204711914,
      "learning_rate": 9.91891891891892e-07,
      "loss": 0.6117,
      "step": 9
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 1.875119686126709,
      "learning_rate": 9.89189189189189e-07,
      "loss": 0.5947,
      "step": 10
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 2.2936532497406006,
      "learning_rate": 9.864864864864865e-07,
      "loss": 0.7378,
      "step": 11
    },
    {
      "epoch": 0.032,
      "grad_norm": 1.760534405708313,
      "learning_rate": 9.837837837837839e-07,
      "loss": 0.4765,
      "step": 12
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 1.6320120096206665,
      "learning_rate": 9.81081081081081e-07,
      "loss": 0.5467,
      "step": 13
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 1.956421136856079,
      "learning_rate": 9.783783783783782e-07,
      "loss": 0.6853,
      "step": 14
    },
    {
      "epoch": 0.04,
      "grad_norm": 1.663874626159668,
      "learning_rate": 9.756756756756756e-07,
      "loss": 0.4145,
      "step": 15
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 1.872764229774475,
      "learning_rate": 9.72972972972973e-07,
      "loss": 0.6307,
      "step": 16
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 2.3727903366088867,
      "learning_rate": 9.702702702702702e-07,
      "loss": 0.5653,
      "step": 17
    },
    {
      "epoch": 0.048,
      "grad_norm": 1.74085533618927,
      "learning_rate": 9.675675675675676e-07,
      "loss": 0.72,
      "step": 18
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 1.9789363145828247,
      "learning_rate": 9.648648648648648e-07,
      "loss": 0.8384,
      "step": 19
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 1.9965147972106934,
      "learning_rate": 9.621621621621622e-07,
      "loss": 0.5982,
      "step": 20
    },
    {
      "epoch": 0.056,
      "grad_norm": 2.1783690452575684,
      "learning_rate": 9.594594594594594e-07,
      "loss": 0.8063,
      "step": 21
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 2.0352065563201904,
      "learning_rate": 9.567567567567567e-07,
      "loss": 0.7019,
      "step": 22
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 2.116848945617676,
      "learning_rate": 9.540540540540541e-07,
      "loss": 0.6221,
      "step": 23
    },
    {
      "epoch": 0.064,
      "grad_norm": 1.7491482496261597,
      "learning_rate": 9.513513513513513e-07,
      "loss": 0.7222,
      "step": 24
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 1.9816516637802124,
      "learning_rate": 9.486486486486486e-07,
      "loss": 0.7323,
      "step": 25
    },
    {
      "epoch": 0.06933333333333333,
      "grad_norm": 1.8350422382354736,
      "learning_rate": 9.459459459459459e-07,
      "loss": 0.7653,
      "step": 26
    },
    {
      "epoch": 0.072,
      "grad_norm": 2.1028902530670166,
      "learning_rate": 9.432432432432433e-07,
      "loss": 0.7114,
      "step": 27
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 2.175020456314087,
      "learning_rate": 9.405405405405406e-07,
      "loss": 0.8182,
      "step": 28
    },
    {
      "epoch": 0.07733333333333334,
      "grad_norm": 1.9086525440216064,
      "learning_rate": 9.378378378378377e-07,
      "loss": 0.7036,
      "step": 29
    },
    {
      "epoch": 0.08,
      "grad_norm": 2.0859341621398926,
      "learning_rate": 9.351351351351351e-07,
      "loss": 0.8559,
      "step": 30
    },
    {
      "epoch": 0.08266666666666667,
      "grad_norm": 1.9223016500473022,
      "learning_rate": 9.324324324324324e-07,
      "loss": 0.5939,
      "step": 31
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 1.6132493019104004,
      "learning_rate": 9.297297297297297e-07,
      "loss": 0.4817,
      "step": 32
    },
    {
      "epoch": 0.088,
      "grad_norm": 2.1947293281555176,
      "learning_rate": 9.27027027027027e-07,
      "loss": 0.5615,
      "step": 33
    },
    {
      "epoch": 0.09066666666666667,
      "grad_norm": 1.8130419254302979,
      "learning_rate": 9.243243243243243e-07,
      "loss": 0.5746,
      "step": 34
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 1.7842158079147339,
      "learning_rate": 9.216216216216216e-07,
      "loss": 0.5155,
      "step": 35
    },
    {
      "epoch": 0.096,
      "grad_norm": 1.7611404657363892,
      "learning_rate": 9.18918918918919e-07,
      "loss": 0.4897,
      "step": 36
    },
    {
      "epoch": 0.09866666666666667,
      "grad_norm": 1.8128968477249146,
      "learning_rate": 9.162162162162161e-07,
      "loss": 0.5286,
      "step": 37
    },
    {
      "epoch": 0.10133333333333333,
      "grad_norm": 2.1910207271575928,
      "learning_rate": 9.135135135135134e-07,
      "loss": 0.4754,
      "step": 38
    },
    {
      "epoch": 0.104,
      "grad_norm": 1.9425172805786133,
      "learning_rate": 9.108108108108108e-07,
      "loss": 0.6928,
      "step": 39
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 2.1211390495300293,
      "learning_rate": 9.081081081081081e-07,
      "loss": 0.5607,
      "step": 40
    },
    {
      "epoch": 0.10933333333333334,
      "grad_norm": 2.0041418075561523,
      "learning_rate": 9.054054054054053e-07,
      "loss": 0.7097,
      "step": 41
    },
    {
      "epoch": 0.112,
      "grad_norm": 2.2185869216918945,
      "learning_rate": 9.027027027027027e-07,
      "loss": 0.613,
      "step": 42
    },
    {
      "epoch": 0.11466666666666667,
      "grad_norm": 2.094301223754883,
      "learning_rate": 9e-07,
      "loss": 0.5597,
      "step": 43
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 1.8088946342468262,
      "learning_rate": 8.972972972972974e-07,
      "loss": 0.5009,
      "step": 44
    },
    {
      "epoch": 0.12,
      "grad_norm": 1.9797145128250122,
      "learning_rate": 8.945945945945945e-07,
      "loss": 0.7335,
      "step": 45
    },
    {
      "epoch": 0.12266666666666666,
      "grad_norm": 2.065721273422241,
      "learning_rate": 8.918918918918918e-07,
      "loss": 0.6129,
      "step": 46
    },
    {
      "epoch": 0.12533333333333332,
      "grad_norm": 2.4832677841186523,
      "learning_rate": 8.891891891891892e-07,
      "loss": 0.7669,
      "step": 47
    },
    {
      "epoch": 0.128,
      "grad_norm": 1.8813753128051758,
      "learning_rate": 8.864864864864865e-07,
      "loss": 0.6741,
      "step": 48
    },
    {
      "epoch": 0.13066666666666665,
      "grad_norm": 2.100320339202881,
      "learning_rate": 8.837837837837837e-07,
      "loss": 0.8209,
      "step": 49
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 2.3133175373077393,
      "learning_rate": 8.810810810810811e-07,
      "loss": 0.626,
      "step": 50
    },
    {
      "epoch": 0.136,
      "grad_norm": 1.8347556591033936,
      "learning_rate": 8.783783783783784e-07,
      "loss": 0.467,
      "step": 51
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 2.078876495361328,
      "learning_rate": 8.756756756756756e-07,
      "loss": 0.749,
      "step": 52
    },
    {
      "epoch": 0.14133333333333334,
      "grad_norm": 2.150923728942871,
      "learning_rate": 8.729729729729729e-07,
      "loss": 0.6453,
      "step": 53
    },
    {
      "epoch": 0.144,
      "grad_norm": 2.103679656982422,
      "learning_rate": 8.702702702702702e-07,
      "loss": 0.615,
      "step": 54
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 2.2420365810394287,
      "learning_rate": 8.675675675675675e-07,
      "loss": 0.6739,
      "step": 55
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 1.8961728811264038,
      "learning_rate": 8.648648648648649e-07,
      "loss": 0.6467,
      "step": 56
    },
    {
      "epoch": 0.152,
      "grad_norm": 2.5479719638824463,
      "learning_rate": 8.621621621621621e-07,
      "loss": 0.9248,
      "step": 57
    },
    {
      "epoch": 0.15466666666666667,
      "grad_norm": 2.4218523502349854,
      "learning_rate": 8.594594594594595e-07,
      "loss": 0.7071,
      "step": 58
    },
    {
      "epoch": 0.15733333333333333,
      "grad_norm": 1.828897476196289,
      "learning_rate": 8.567567567567567e-07,
      "loss": 0.6155,
      "step": 59
    },
    {
      "epoch": 0.16,
      "grad_norm": 1.5338975191116333,
      "learning_rate": 8.54054054054054e-07,
      "loss": 0.4423,
      "step": 60
    },
    {
      "epoch": 0.16266666666666665,
      "grad_norm": 1.8406941890716553,
      "learning_rate": 8.513513513513513e-07,
      "loss": 0.546,
      "step": 61
    },
    {
      "epoch": 0.16533333333333333,
      "grad_norm": 2.902667284011841,
      "learning_rate": 8.486486486486486e-07,
      "loss": 0.6791,
      "step": 62
    },
    {
      "epoch": 0.168,
      "grad_norm": 2.4508512020111084,
      "learning_rate": 8.459459459459459e-07,
      "loss": 0.6104,
      "step": 63
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 2.056077003479004,
      "learning_rate": 8.432432432432433e-07,
      "loss": 0.3947,
      "step": 64
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 1.8679605722427368,
      "learning_rate": 8.405405405405405e-07,
      "loss": 0.5449,
      "step": 65
    },
    {
      "epoch": 0.176,
      "grad_norm": 2.3259403705596924,
      "learning_rate": 8.378378378378377e-07,
      "loss": 0.7176,
      "step": 66
    },
    {
      "epoch": 0.17866666666666667,
      "grad_norm": 2.319607734680176,
      "learning_rate": 8.351351351351351e-07,
      "loss": 0.531,
      "step": 67
    },
    {
      "epoch": 0.18133333333333335,
      "grad_norm": 2.3428163528442383,
      "learning_rate": 8.324324324324324e-07,
      "loss": 0.6067,
      "step": 68
    },
    {
      "epoch": 0.184,
      "grad_norm": 1.959344744682312,
      "learning_rate": 8.297297297297296e-07,
      "loss": 0.5047,
      "step": 69
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 2.378897190093994,
      "learning_rate": 8.27027027027027e-07,
      "loss": 0.7204,
      "step": 70
    },
    {
      "epoch": 0.18933333333333333,
      "grad_norm": 2.0580990314483643,
      "learning_rate": 8.243243243243243e-07,
      "loss": 0.4607,
      "step": 71
    },
    {
      "epoch": 0.192,
      "grad_norm": 2.178239583969116,
      "learning_rate": 8.216216216216217e-07,
      "loss": 0.441,
      "step": 72
    },
    {
      "epoch": 0.19466666666666665,
      "grad_norm": 2.004387617111206,
      "learning_rate": 8.189189189189189e-07,
      "loss": 0.4895,
      "step": 73
    },
    {
      "epoch": 0.19733333333333333,
      "grad_norm": 1.9873883724212646,
      "learning_rate": 8.162162162162161e-07,
      "loss": 0.6324,
      "step": 74
    },
    {
      "epoch": 0.2,
      "grad_norm": 1.81556236743927,
      "learning_rate": 8.135135135135135e-07,
      "loss": 0.5519,
      "step": 75
    },
    {
      "epoch": 0.20266666666666666,
      "grad_norm": 2.837041139602661,
      "learning_rate": 8.108108108108108e-07,
      "loss": 0.5593,
      "step": 76
    },
    {
      "epoch": 0.20533333333333334,
      "grad_norm": 1.9967249631881714,
      "learning_rate": 8.08108108108108e-07,
      "loss": 0.3823,
      "step": 77
    },
    {
      "epoch": 0.208,
      "grad_norm": 2.208667516708374,
      "learning_rate": 8.054054054054054e-07,
      "loss": 0.6087,
      "step": 78
    },
    {
      "epoch": 0.21066666666666667,
      "grad_norm": 1.9129750728607178,
      "learning_rate": 8.027027027027027e-07,
      "loss": 0.5421,
      "step": 79
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 2.0996079444885254,
      "learning_rate": 8e-07,
      "loss": 0.556,
      "step": 80
    },
    {
      "epoch": 0.216,
      "grad_norm": 2.2363996505737305,
      "learning_rate": 7.972972972972972e-07,
      "loss": 0.6343,
      "step": 81
    },
    {
      "epoch": 0.21866666666666668,
      "grad_norm": 2.165588855743408,
      "learning_rate": 7.945945945945945e-07,
      "loss": 0.5875,
      "step": 82
    },
    {
      "epoch": 0.22133333333333333,
      "grad_norm": 1.846017599105835,
      "learning_rate": 7.918918918918918e-07,
      "loss": 0.4867,
      "step": 83
    },
    {
      "epoch": 0.224,
      "grad_norm": 2.0408456325531006,
      "learning_rate": 7.891891891891892e-07,
      "loss": 0.6309,
      "step": 84
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 2.6790339946746826,
      "learning_rate": 7.864864864864864e-07,
      "loss": 0.6538,
      "step": 85
    },
    {
      "epoch": 0.22933333333333333,
      "grad_norm": 2.3261375427246094,
      "learning_rate": 7.837837837837838e-07,
      "loss": 0.6992,
      "step": 86
    },
    {
      "epoch": 0.232,
      "grad_norm": 1.7963099479675293,
      "learning_rate": 7.810810810810811e-07,
      "loss": 0.4594,
      "step": 87
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 2.179187774658203,
      "learning_rate": 7.783783783783784e-07,
      "loss": 0.6212,
      "step": 88
    },
    {
      "epoch": 0.23733333333333334,
      "grad_norm": 2.5638973712921143,
      "learning_rate": 7.756756756756756e-07,
      "loss": 0.8039,
      "step": 89
    },
    {
      "epoch": 0.24,
      "grad_norm": 1.6876932382583618,
      "learning_rate": 7.729729729729729e-07,
      "loss": 0.5316,
      "step": 90
    },
    {
      "epoch": 0.24266666666666667,
      "grad_norm": 1.797705888748169,
      "learning_rate": 7.702702702702702e-07,
      "loss": 0.4285,
      "step": 91
    },
    {
      "epoch": 0.24533333333333332,
      "grad_norm": 1.8104960918426514,
      "learning_rate": 7.675675675675676e-07,
      "loss": 0.542,
      "step": 92
    },
    {
      "epoch": 0.248,
      "grad_norm": 1.6989470720291138,
      "learning_rate": 7.648648648648648e-07,
      "loss": 0.6334,
      "step": 93
    },
    {
      "epoch": 0.25066666666666665,
      "grad_norm": 1.4317340850830078,
      "learning_rate": 7.621621621621621e-07,
      "loss": 0.2996,
      "step": 94
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 1.5104320049285889,
      "learning_rate": 7.594594594594595e-07,
      "loss": 0.4535,
      "step": 95
    },
    {
      "epoch": 0.256,
      "grad_norm": 1.7593556642532349,
      "learning_rate": 7.567567567567568e-07,
      "loss": 0.6432,
      "step": 96
    },
    {
      "epoch": 0.25866666666666666,
      "grad_norm": 1.9294754266738892,
      "learning_rate": 7.540540540540539e-07,
      "loss": 0.5644,
      "step": 97
    },
    {
      "epoch": 0.2613333333333333,
      "grad_norm": 1.8109089136123657,
      "learning_rate": 7.513513513513513e-07,
      "loss": 0.4391,
      "step": 98
    },
    {
      "epoch": 0.264,
      "grad_norm": 1.4340254068374634,
      "learning_rate": 7.486486486486486e-07,
      "loss": 0.3773,
      "step": 99
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 1.5874600410461426,
      "learning_rate": 7.45945945945946e-07,
      "loss": 0.484,
      "step": 100
    },
    {
      "epoch": 0.2693333333333333,
      "grad_norm": 1.5496642589569092,
      "learning_rate": 7.432432432432432e-07,
      "loss": 0.5404,
      "step": 101
    },
    {
      "epoch": 0.272,
      "grad_norm": 1.706013560295105,
      "learning_rate": 7.405405405405405e-07,
      "loss": 0.4668,
      "step": 102
    },
    {
      "epoch": 0.27466666666666667,
      "grad_norm": 1.97259521484375,
      "learning_rate": 7.378378378378379e-07,
      "loss": 0.5495,
      "step": 103
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 1.540832281112671,
      "learning_rate": 7.351351351351351e-07,
      "loss": 0.5046,
      "step": 104
    },
    {
      "epoch": 0.28,
      "grad_norm": 1.4337466955184937,
      "learning_rate": 7.324324324324323e-07,
      "loss": 0.3713,
      "step": 105
    },
    {
      "epoch": 0.2826666666666667,
      "grad_norm": 1.4565117359161377,
      "learning_rate": 7.297297297297297e-07,
      "loss": 0.4272,
      "step": 106
    },
    {
      "epoch": 0.2853333333333333,
      "grad_norm": 1.5397061109542847,
      "learning_rate": 7.27027027027027e-07,
      "loss": 0.4818,
      "step": 107
    },
    {
      "epoch": 0.288,
      "grad_norm": 1.5478514432907104,
      "learning_rate": 7.243243243243243e-07,
      "loss": 0.4795,
      "step": 108
    },
    {
      "epoch": 0.2906666666666667,
      "grad_norm": 2.3599469661712646,
      "learning_rate": 7.216216216216216e-07,
      "loss": 0.7988,
      "step": 109
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 1.4477264881134033,
      "learning_rate": 7.189189189189189e-07,
      "loss": 0.4261,
      "step": 110
    },
    {
      "epoch": 0.296,
      "grad_norm": 1.8590563535690308,
      "learning_rate": 7.162162162162161e-07,
      "loss": 0.4515,
      "step": 111
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 1.6653921604156494,
      "learning_rate": 7.135135135135135e-07,
      "loss": 0.5497,
      "step": 112
    },
    {
      "epoch": 0.30133333333333334,
      "grad_norm": 1.311042308807373,
      "learning_rate": 7.108108108108107e-07,
      "loss": 0.4296,
      "step": 113
    },
    {
      "epoch": 0.304,
      "grad_norm": 1.539090871810913,
      "learning_rate": 7.081081081081081e-07,
      "loss": 0.4781,
      "step": 114
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 1.2658865451812744,
      "learning_rate": 7.054054054054054e-07,
      "loss": 0.3687,
      "step": 115
    },
    {
      "epoch": 0.30933333333333335,
      "grad_norm": 0.8185814023017883,
      "learning_rate": 7.027027027027027e-07,
      "loss": 0.2336,
      "step": 116
    },
    {
      "epoch": 0.312,
      "grad_norm": 2.0053493976593018,
      "learning_rate": 7e-07,
      "loss": 0.5949,
      "step": 117
    },
    {
      "epoch": 0.31466666666666665,
      "grad_norm": 1.6331663131713867,
      "learning_rate": 6.972972972972973e-07,
      "loss": 0.4879,
      "step": 118
    },
    {
      "epoch": 0.31733333333333336,
      "grad_norm": 1.3366214036941528,
      "learning_rate": 6.945945945945945e-07,
      "loss": 0.3948,
      "step": 119
    },
    {
      "epoch": 0.32,
      "grad_norm": 1.2611796855926514,
      "learning_rate": 6.918918918918919e-07,
      "loss": 0.4392,
      "step": 120
    },
    {
      "epoch": 0.32266666666666666,
      "grad_norm": 1.8789823055267334,
      "learning_rate": 6.891891891891891e-07,
      "loss": 0.7468,
      "step": 121
    },
    {
      "epoch": 0.3253333333333333,
      "grad_norm": 1.3365166187286377,
      "learning_rate": 6.864864864864864e-07,
      "loss": 0.4438,
      "step": 122
    },
    {
      "epoch": 0.328,
      "grad_norm": 1.3540303707122803,
      "learning_rate": 6.837837837837838e-07,
      "loss": 0.4307,
      "step": 123
    },
    {
      "epoch": 0.33066666666666666,
      "grad_norm": 1.4419574737548828,
      "learning_rate": 6.810810810810811e-07,
      "loss": 0.5077,
      "step": 124
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 1.2884471416473389,
      "learning_rate": 6.783783783783783e-07,
      "loss": 0.4082,
      "step": 125
    },
    {
      "epoch": 0.336,
      "grad_norm": 1.4956973791122437,
      "learning_rate": 6.756756756756756e-07,
      "loss": 0.4546,
      "step": 126
    },
    {
      "epoch": 0.33866666666666667,
      "grad_norm": 1.7346057891845703,
      "learning_rate": 6.729729729729729e-07,
      "loss": 0.6185,
      "step": 127
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 1.8612784147262573,
      "learning_rate": 6.702702702702703e-07,
      "loss": 0.6625,
      "step": 128
    },
    {
      "epoch": 0.344,
      "grad_norm": 1.8239442110061646,
      "learning_rate": 6.675675675675675e-07,
      "loss": 0.574,
      "step": 129
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 1.545620083808899,
      "learning_rate": 6.648648648648648e-07,
      "loss": 0.5272,
      "step": 130
    },
    {
      "epoch": 0.34933333333333333,
      "grad_norm": 1.3006771802902222,
      "learning_rate": 6.621621621621622e-07,
      "loss": 0.4781,
      "step": 131
    },
    {
      "epoch": 0.352,
      "grad_norm": 1.4955569505691528,
      "learning_rate": 6.594594594594595e-07,
      "loss": 0.4287,
      "step": 132
    },
    {
      "epoch": 0.3546666666666667,
      "grad_norm": 1.2289931774139404,
      "learning_rate": 6.567567567567566e-07,
      "loss": 0.3611,
      "step": 133
    },
    {
      "epoch": 0.35733333333333334,
      "grad_norm": 1.494611144065857,
      "learning_rate": 6.54054054054054e-07,
      "loss": 0.4975,
      "step": 134
    },
    {
      "epoch": 0.36,
      "grad_norm": 1.3015767335891724,
      "learning_rate": 6.513513513513513e-07,
      "loss": 0.4437,
      "step": 135
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 1.2646888494491577,
      "learning_rate": 6.486486486486486e-07,
      "loss": 0.4129,
      "step": 136
    },
    {
      "epoch": 0.36533333333333334,
      "grad_norm": 1.7537323236465454,
      "learning_rate": 6.459459459459459e-07,
      "loss": 0.6416,
      "step": 137
    },
    {
      "epoch": 0.368,
      "grad_norm": 1.6465312242507935,
      "learning_rate": 6.432432432432432e-07,
      "loss": 0.5617,
      "step": 138
    },
    {
      "epoch": 0.37066666666666664,
      "grad_norm": 1.203570008277893,
      "learning_rate": 6.405405405405405e-07,
      "loss": 0.4026,
      "step": 139
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 1.1826021671295166,
      "learning_rate": 6.378378378378379e-07,
      "loss": 0.4781,
      "step": 140
    },
    {
      "epoch": 0.376,
      "grad_norm": 1.4086685180664062,
      "learning_rate": 6.35135135135135e-07,
      "loss": 0.5392,
      "step": 141
    },
    {
      "epoch": 0.37866666666666665,
      "grad_norm": 1.2615045309066772,
      "learning_rate": 6.324324324324324e-07,
      "loss": 0.487,
      "step": 142
    },
    {
      "epoch": 0.38133333333333336,
      "grad_norm": 1.3157422542572021,
      "learning_rate": 6.297297297297297e-07,
      "loss": 0.4104,
      "step": 143
    },
    {
      "epoch": 0.384,
      "grad_norm": 1.2306140661239624,
      "learning_rate": 6.27027027027027e-07,
      "loss": 0.3869,
      "step": 144
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 1.4220364093780518,
      "learning_rate": 6.243243243243243e-07,
      "loss": 0.5077,
      "step": 145
    },
    {
      "epoch": 0.3893333333333333,
      "grad_norm": 0.9301974773406982,
      "learning_rate": 6.216216216216216e-07,
      "loss": 0.3059,
      "step": 146
    },
    {
      "epoch": 0.392,
      "grad_norm": 0.9377389550209045,
      "learning_rate": 6.189189189189189e-07,
      "loss": 0.2471,
      "step": 147
    },
    {
      "epoch": 0.39466666666666667,
      "grad_norm": 1.334303617477417,
      "learning_rate": 6.162162162162163e-07,
      "loss": 0.5286,
      "step": 148
    },
    {
      "epoch": 0.3973333333333333,
      "grad_norm": 1.1691234111785889,
      "learning_rate": 6.135135135135134e-07,
      "loss": 0.4319,
      "step": 149
    },
    {
      "epoch": 0.4,
      "grad_norm": 1.4052914381027222,
      "learning_rate": 6.108108108108107e-07,
      "loss": 0.541,
      "step": 150
    },
    {
      "epoch": 0.4026666666666667,
      "grad_norm": 1.2909036874771118,
      "learning_rate": 6.081081081081081e-07,
      "loss": 0.3233,
      "step": 151
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 1.0737419128417969,
      "learning_rate": 6.054054054054054e-07,
      "loss": 0.3642,
      "step": 152
    },
    {
      "epoch": 0.408,
      "grad_norm": 0.8550916314125061,
      "learning_rate": 6.027027027027026e-07,
      "loss": 0.2949,
      "step": 153
    },
    {
      "epoch": 0.4106666666666667,
      "grad_norm": 1.1212058067321777,
      "learning_rate": 6e-07,
      "loss": 0.4156,
      "step": 154
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 1.1506679058074951,
      "learning_rate": 5.972972972972973e-07,
      "loss": 0.4569,
      "step": 155
    },
    {
      "epoch": 0.416,
      "grad_norm": 1.4647326469421387,
      "learning_rate": 5.945945945945947e-07,
      "loss": 0.4987,
      "step": 156
    },
    {
      "epoch": 0.4186666666666667,
      "grad_norm": 1.279818058013916,
      "learning_rate": 5.918918918918918e-07,
      "loss": 0.4441,
      "step": 157
    },
    {
      "epoch": 0.42133333333333334,
      "grad_norm": 1.3977563381195068,
      "learning_rate": 5.891891891891891e-07,
      "loss": 0.5543,
      "step": 158
    },
    {
      "epoch": 0.424,
      "grad_norm": 1.1690226793289185,
      "learning_rate": 5.864864864864865e-07,
      "loss": 0.4144,
      "step": 159
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 1.7093863487243652,
      "learning_rate": 5.837837837837838e-07,
      "loss": 0.6042,
      "step": 160
    },
    {
      "epoch": 0.42933333333333334,
      "grad_norm": 1.4793424606323242,
      "learning_rate": 5.81081081081081e-07,
      "loss": 0.5636,
      "step": 161
    },
    {
      "epoch": 0.432,
      "grad_norm": 1.0046706199645996,
      "learning_rate": 5.783783783783784e-07,
      "loss": 0.3433,
      "step": 162
    },
    {
      "epoch": 0.43466666666666665,
      "grad_norm": 1.3756449222564697,
      "learning_rate": 5.756756756756757e-07,
      "loss": 0.5556,
      "step": 163
    },
    {
      "epoch": 0.43733333333333335,
      "grad_norm": 0.9757465124130249,
      "learning_rate": 5.729729729729729e-07,
      "loss": 0.3491,
      "step": 164
    },
    {
      "epoch": 0.44,
      "grad_norm": 1.1423567533493042,
      "learning_rate": 5.702702702702702e-07,
      "loss": 0.4072,
      "step": 165
    },
    {
      "epoch": 0.44266666666666665,
      "grad_norm": 1.0936309099197388,
      "learning_rate": 5.675675675675675e-07,
      "loss": 0.3791,
      "step": 166
    },
    {
      "epoch": 0.44533333333333336,
      "grad_norm": 1.175644874572754,
      "learning_rate": 5.648648648648648e-07,
      "loss": 0.43,
      "step": 167
    },
    {
      "epoch": 0.448,
      "grad_norm": 1.150463581085205,
      "learning_rate": 5.621621621621622e-07,
      "loss": 0.409,
      "step": 168
    },
    {
      "epoch": 0.45066666666666666,
      "grad_norm": 1.2370574474334717,
      "learning_rate": 5.594594594594594e-07,
      "loss": 0.4651,
      "step": 169
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 1.1536980867385864,
      "learning_rate": 5.567567567567567e-07,
      "loss": 0.3738,
      "step": 170
    },
    {
      "epoch": 0.456,
      "grad_norm": 1.3847706317901611,
      "learning_rate": 5.54054054054054e-07,
      "loss": 0.5249,
      "step": 171
    },
    {
      "epoch": 0.45866666666666667,
      "grad_norm": 0.9019777774810791,
      "learning_rate": 5.513513513513513e-07,
      "loss": 0.3463,
      "step": 172
    },
    {
      "epoch": 0.4613333333333333,
      "grad_norm": 0.9076364636421204,
      "learning_rate": 5.486486486486486e-07,
      "loss": 0.2609,
      "step": 173
    },
    {
      "epoch": 0.464,
      "grad_norm": 1.5744669437408447,
      "learning_rate": 5.459459459459459e-07,
      "loss": 0.5381,
      "step": 174
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 1.3503422737121582,
      "learning_rate": 5.432432432432432e-07,
      "loss": 0.6104,
      "step": 175
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 1.5107314586639404,
      "learning_rate": 5.405405405405406e-07,
      "loss": 0.5916,
      "step": 176
    },
    {
      "epoch": 0.472,
      "grad_norm": 1.2773622274398804,
      "learning_rate": 5.378378378378378e-07,
      "loss": 0.5105,
      "step": 177
    },
    {
      "epoch": 0.4746666666666667,
      "grad_norm": 0.9244632124900818,
      "learning_rate": 5.35135135135135e-07,
      "loss": 0.3525,
      "step": 178
    },
    {
      "epoch": 0.47733333333333333,
      "grad_norm": 1.322843313217163,
      "learning_rate": 5.324324324324324e-07,
      "loss": 0.5085,
      "step": 179
    },
    {
      "epoch": 0.48,
      "grad_norm": 1.1738835573196411,
      "learning_rate": 5.297297297297297e-07,
      "loss": 0.3646,
      "step": 180
    },
    {
      "epoch": 0.4826666666666667,
      "grad_norm": 1.179969072341919,
      "learning_rate": 5.270270270270269e-07,
      "loss": 0.4356,
      "step": 181
    },
    {
      "epoch": 0.48533333333333334,
      "grad_norm": 1.0532026290893555,
      "learning_rate": 5.243243243243243e-07,
      "loss": 0.3663,
      "step": 182
    },
    {
      "epoch": 0.488,
      "grad_norm": 1.3742841482162476,
      "learning_rate": 5.216216216216216e-07,
      "loss": 0.4511,
      "step": 183
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 1.4413959980010986,
      "learning_rate": 5.18918918918919e-07,
      "loss": 0.5302,
      "step": 184
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 1.156670331954956,
      "learning_rate": 5.162162162162162e-07,
      "loss": 0.4298,
      "step": 185
    },
    {
      "epoch": 0.496,
      "grad_norm": 1.1742545366287231,
      "learning_rate": 5.135135135135134e-07,
      "loss": 0.3971,
      "step": 186
    },
    {
      "epoch": 0.49866666666666665,
      "grad_norm": 1.1826411485671997,
      "learning_rate": 5.108108108108108e-07,
      "loss": 0.5046,
      "step": 187
    },
    {
      "epoch": 0.5013333333333333,
      "grad_norm": 0.9942877888679504,
      "learning_rate": 5.081081081081081e-07,
      "loss": 0.301,
      "step": 188
    },
    {
      "epoch": 0.504,
      "grad_norm": 0.9208817481994629,
      "learning_rate": 5.054054054054053e-07,
      "loss": 0.3783,
      "step": 189
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 1.2394083738327026,
      "learning_rate": 5.027027027027027e-07,
      "loss": 0.4803,
      "step": 190
    },
    {
      "epoch": 0.5093333333333333,
      "grad_norm": 1.2524991035461426,
      "learning_rate": 5e-07,
      "loss": 0.4027,
      "step": 191
    },
    {
      "epoch": 0.512,
      "grad_norm": 1.321346402168274,
      "learning_rate": 4.972972972972973e-07,
      "loss": 0.505,
      "step": 192
    },
    {
      "epoch": 0.5146666666666667,
      "grad_norm": 0.8840896487236023,
      "learning_rate": 4.945945945945945e-07,
      "loss": 0.3044,
      "step": 193
    },
    {
      "epoch": 0.5173333333333333,
      "grad_norm": 1.0007113218307495,
      "learning_rate": 4.918918918918919e-07,
      "loss": 0.3136,
      "step": 194
    },
    {
      "epoch": 0.52,
      "grad_norm": 0.9972367882728577,
      "learning_rate": 4.891891891891891e-07,
      "loss": 0.393,
      "step": 195
    },
    {
      "epoch": 0.5226666666666666,
      "grad_norm": 0.8923224210739136,
      "learning_rate": 4.864864864864865e-07,
      "loss": 0.3291,
      "step": 196
    },
    {
      "epoch": 0.5253333333333333,
      "grad_norm": 1.3770756721496582,
      "learning_rate": 4.837837837837838e-07,
      "loss": 0.5031,
      "step": 197
    },
    {
      "epoch": 0.528,
      "grad_norm": 1.2472306489944458,
      "learning_rate": 4.810810810810811e-07,
      "loss": 0.4518,
      "step": 198
    },
    {
      "epoch": 0.5306666666666666,
      "grad_norm": 1.190555214881897,
      "learning_rate": 4.783783783783784e-07,
      "loss": 0.4631,
      "step": 199
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.920162558555603,
      "learning_rate": 4.7567567567567566e-07,
      "loss": 0.2953,
      "step": 200
    },
    {
      "epoch": 0.536,
      "grad_norm": 1.2580170631408691,
      "learning_rate": 4.7297297297297294e-07,
      "loss": 0.457,
      "step": 201
    },
    {
      "epoch": 0.5386666666666666,
      "grad_norm": 0.843492329120636,
      "learning_rate": 4.702702702702703e-07,
      "loss": 0.3511,
      "step": 202
    },
    {
      "epoch": 0.5413333333333333,
      "grad_norm": 1.0909689664840698,
      "learning_rate": 4.6756756756756757e-07,
      "loss": 0.424,
      "step": 203
    },
    {
      "epoch": 0.544,
      "grad_norm": 1.0729155540466309,
      "learning_rate": 4.6486486486486485e-07,
      "loss": 0.3759,
      "step": 204
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 1.319301962852478,
      "learning_rate": 4.6216216216216214e-07,
      "loss": 0.4954,
      "step": 205
    },
    {
      "epoch": 0.5493333333333333,
      "grad_norm": 0.9406890869140625,
      "learning_rate": 4.594594594594595e-07,
      "loss": 0.3533,
      "step": 206
    },
    {
      "epoch": 0.552,
      "grad_norm": 0.9109988808631897,
      "learning_rate": 4.567567567567567e-07,
      "loss": 0.3854,
      "step": 207
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 1.3804386854171753,
      "learning_rate": 4.5405405405405405e-07,
      "loss": 0.5081,
      "step": 208
    },
    {
      "epoch": 0.5573333333333333,
      "grad_norm": 1.1833417415618896,
      "learning_rate": 4.5135135135135134e-07,
      "loss": 0.5335,
      "step": 209
    },
    {
      "epoch": 0.56,
      "grad_norm": 0.8119714260101318,
      "learning_rate": 4.486486486486487e-07,
      "loss": 0.327,
      "step": 210
    },
    {
      "epoch": 0.5626666666666666,
      "grad_norm": 1.1174079179763794,
      "learning_rate": 4.459459459459459e-07,
      "loss": 0.3845,
      "step": 211
    },
    {
      "epoch": 0.5653333333333334,
      "grad_norm": 1.1242295503616333,
      "learning_rate": 4.4324324324324325e-07,
      "loss": 0.346,
      "step": 212
    },
    {
      "epoch": 0.568,
      "grad_norm": 1.148556113243103,
      "learning_rate": 4.4054054054054053e-07,
      "loss": 0.5028,
      "step": 213
    },
    {
      "epoch": 0.5706666666666667,
      "grad_norm": 1.1919831037521362,
      "learning_rate": 4.378378378378378e-07,
      "loss": 0.5141,
      "step": 214
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 1.2664034366607666,
      "learning_rate": 4.351351351351351e-07,
      "loss": 0.4812,
      "step": 215
    },
    {
      "epoch": 0.576,
      "grad_norm": 1.0192606449127197,
      "learning_rate": 4.3243243243243244e-07,
      "loss": 0.3525,
      "step": 216
    },
    {
      "epoch": 0.5786666666666667,
      "grad_norm": 0.9641891121864319,
      "learning_rate": 4.2972972972972973e-07,
      "loss": 0.3328,
      "step": 217
    },
    {
      "epoch": 0.5813333333333334,
      "grad_norm": 1.1304759979248047,
      "learning_rate": 4.27027027027027e-07,
      "loss": 0.4935,
      "step": 218
    },
    {
      "epoch": 0.584,
      "grad_norm": 0.9201955795288086,
      "learning_rate": 4.243243243243243e-07,
      "loss": 0.3184,
      "step": 219
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 1.2176705598831177,
      "learning_rate": 4.2162162162162164e-07,
      "loss": 0.5153,
      "step": 220
    },
    {
      "epoch": 0.5893333333333334,
      "grad_norm": 0.8632242679595947,
      "learning_rate": 4.189189189189189e-07,
      "loss": 0.2795,
      "step": 221
    },
    {
      "epoch": 0.592,
      "grad_norm": 1.250016212463379,
      "learning_rate": 4.162162162162162e-07,
      "loss": 0.3849,
      "step": 222
    },
    {
      "epoch": 0.5946666666666667,
      "grad_norm": 0.9714071750640869,
      "learning_rate": 4.135135135135135e-07,
      "loss": 0.3775,
      "step": 223
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 0.8465277552604675,
      "learning_rate": 4.1081081081081084e-07,
      "loss": 0.2853,
      "step": 224
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.849350094795227,
      "learning_rate": 4.0810810810810807e-07,
      "loss": 0.3123,
      "step": 225
    },
    {
      "epoch": 0.6026666666666667,
      "grad_norm": 0.8807215094566345,
      "learning_rate": 4.054054054054054e-07,
      "loss": 0.3336,
      "step": 226
    },
    {
      "epoch": 0.6053333333333333,
      "grad_norm": 1.140746831893921,
      "learning_rate": 4.027027027027027e-07,
      "loss": 0.4157,
      "step": 227
    },
    {
      "epoch": 0.608,
      "grad_norm": 1.1405977010726929,
      "learning_rate": 4e-07,
      "loss": 0.4734,
      "step": 228
    },
    {
      "epoch": 0.6106666666666667,
      "grad_norm": 0.9327443838119507,
      "learning_rate": 3.9729729729729727e-07,
      "loss": 0.354,
      "step": 229
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.8352890610694885,
      "learning_rate": 3.945945945945946e-07,
      "loss": 0.2835,
      "step": 230
    },
    {
      "epoch": 0.616,
      "grad_norm": 1.091230869293213,
      "learning_rate": 3.918918918918919e-07,
      "loss": 0.3731,
      "step": 231
    },
    {
      "epoch": 0.6186666666666667,
      "grad_norm": 0.9614716172218323,
      "learning_rate": 3.891891891891892e-07,
      "loss": 0.3649,
      "step": 232
    },
    {
      "epoch": 0.6213333333333333,
      "grad_norm": 1.127508282661438,
      "learning_rate": 3.8648648648648646e-07,
      "loss": 0.3516,
      "step": 233
    },
    {
      "epoch": 0.624,
      "grad_norm": 1.0384588241577148,
      "learning_rate": 3.837837837837838e-07,
      "loss": 0.4317,
      "step": 234
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 1.0380715131759644,
      "learning_rate": 3.8108108108108104e-07,
      "loss": 0.3036,
      "step": 235
    },
    {
      "epoch": 0.6293333333333333,
      "grad_norm": 0.8616594076156616,
      "learning_rate": 3.783783783783784e-07,
      "loss": 0.3395,
      "step": 236
    },
    {
      "epoch": 0.632,
      "grad_norm": 1.2263590097427368,
      "learning_rate": 3.7567567567567566e-07,
      "loss": 0.5256,
      "step": 237
    },
    {
      "epoch": 0.6346666666666667,
      "grad_norm": 1.0826092958450317,
      "learning_rate": 3.72972972972973e-07,
      "loss": 0.4134,
      "step": 238
    },
    {
      "epoch": 0.6373333333333333,
      "grad_norm": 0.797589123249054,
      "learning_rate": 3.7027027027027023e-07,
      "loss": 0.3131,
      "step": 239
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.8992984294891357,
      "learning_rate": 3.6756756756756757e-07,
      "loss": 0.3608,
      "step": 240
    },
    {
      "epoch": 0.6426666666666667,
      "grad_norm": 1.0605276823043823,
      "learning_rate": 3.6486486486486486e-07,
      "loss": 0.3365,
      "step": 241
    },
    {
      "epoch": 0.6453333333333333,
      "grad_norm": 0.9352734088897705,
      "learning_rate": 3.6216216216216214e-07,
      "loss": 0.3806,
      "step": 242
    },
    {
      "epoch": 0.648,
      "grad_norm": 0.9286662936210632,
      "learning_rate": 3.5945945945945943e-07,
      "loss": 0.318,
      "step": 243
    },
    {
      "epoch": 0.6506666666666666,
      "grad_norm": 0.8347295522689819,
      "learning_rate": 3.5675675675675677e-07,
      "loss": 0.3317,
      "step": 244
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 1.05030357837677,
      "learning_rate": 3.5405405405405406e-07,
      "loss": 0.3885,
      "step": 245
    },
    {
      "epoch": 0.656,
      "grad_norm": 1.1265259981155396,
      "learning_rate": 3.5135135135135134e-07,
      "loss": 0.3568,
      "step": 246
    },
    {
      "epoch": 0.6586666666666666,
      "grad_norm": 1.0325217247009277,
      "learning_rate": 3.4864864864864863e-07,
      "loss": 0.494,
      "step": 247
    },
    {
      "epoch": 0.6613333333333333,
      "grad_norm": 0.8968276381492615,
      "learning_rate": 3.4594594594594597e-07,
      "loss": 0.2903,
      "step": 248
    },
    {
      "epoch": 0.664,
      "grad_norm": 0.8891487717628479,
      "learning_rate": 3.432432432432432e-07,
      "loss": 0.3529,
      "step": 249
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 1.0015093088150024,
      "learning_rate": 3.4054054054054054e-07,
      "loss": 0.3529,
      "step": 250
    },
    {
      "epoch": 0.6693333333333333,
      "grad_norm": 0.9268393516540527,
      "learning_rate": 3.378378378378378e-07,
      "loss": 0.3931,
      "step": 251
    },
    {
      "epoch": 0.672,
      "grad_norm": 1.1883069276809692,
      "learning_rate": 3.3513513513513516e-07,
      "loss": 0.4727,
      "step": 252
    },
    {
      "epoch": 0.6746666666666666,
      "grad_norm": 0.8101505637168884,
      "learning_rate": 3.324324324324324e-07,
      "loss": 0.3711,
      "step": 253
    },
    {
      "epoch": 0.6773333333333333,
      "grad_norm": 0.9340471029281616,
      "learning_rate": 3.2972972972972973e-07,
      "loss": 0.3131,
      "step": 254
    },
    {
      "epoch": 0.68,
      "grad_norm": 1.0554563999176025,
      "learning_rate": 3.27027027027027e-07,
      "loss": 0.3007,
      "step": 255
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 0.7499366998672485,
      "learning_rate": 3.243243243243243e-07,
      "loss": 0.2967,
      "step": 256
    },
    {
      "epoch": 0.6853333333333333,
      "grad_norm": 0.9399653673171997,
      "learning_rate": 3.216216216216216e-07,
      "loss": 0.3767,
      "step": 257
    },
    {
      "epoch": 0.688,
      "grad_norm": 0.9953500032424927,
      "learning_rate": 3.1891891891891893e-07,
      "loss": 0.3804,
      "step": 258
    },
    {
      "epoch": 0.6906666666666667,
      "grad_norm": 1.1464481353759766,
      "learning_rate": 3.162162162162162e-07,
      "loss": 0.473,
      "step": 259
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 1.2805660963058472,
      "learning_rate": 3.135135135135135e-07,
      "loss": 0.5447,
      "step": 260
    },
    {
      "epoch": 0.696,
      "grad_norm": 0.686949610710144,
      "learning_rate": 3.108108108108108e-07,
      "loss": 0.2872,
      "step": 261
    },
    {
      "epoch": 0.6986666666666667,
      "grad_norm": 1.2901909351348877,
      "learning_rate": 3.0810810810810813e-07,
      "loss": 0.5179,
      "step": 262
    },
    {
      "epoch": 0.7013333333333334,
      "grad_norm": 0.728618323802948,
      "learning_rate": 3.0540540540540536e-07,
      "loss": 0.2899,
      "step": 263
    },
    {
      "epoch": 0.704,
      "grad_norm": 0.913140058517456,
      "learning_rate": 3.027027027027027e-07,
      "loss": 0.3475,
      "step": 264
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 0.9613248109817505,
      "learning_rate": 3e-07,
      "loss": 0.3543,
      "step": 265
    },
    {
      "epoch": 0.7093333333333334,
      "grad_norm": 1.2701078653335571,
      "learning_rate": 2.972972972972973e-07,
      "loss": 0.5501,
      "step": 266
    },
    {
      "epoch": 0.712,
      "grad_norm": 1.0888240337371826,
      "learning_rate": 2.9459459459459456e-07,
      "loss": 0.38,
      "step": 267
    },
    {
      "epoch": 0.7146666666666667,
      "grad_norm": 0.7376617789268494,
      "learning_rate": 2.918918918918919e-07,
      "loss": 0.268,
      "step": 268
    },
    {
      "epoch": 0.7173333333333334,
      "grad_norm": 0.9578184485435486,
      "learning_rate": 2.891891891891892e-07,
      "loss": 0.4028,
      "step": 269
    },
    {
      "epoch": 0.72,
      "grad_norm": 0.8013014197349548,
      "learning_rate": 2.8648648648648647e-07,
      "loss": 0.3246,
      "step": 270
    },
    {
      "epoch": 0.7226666666666667,
      "grad_norm": 0.7826078534126282,
      "learning_rate": 2.8378378378378376e-07,
      "loss": 0.2059,
      "step": 271
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 0.9777662754058838,
      "learning_rate": 2.810810810810811e-07,
      "loss": 0.3679,
      "step": 272
    },
    {
      "epoch": 0.728,
      "grad_norm": 0.9092130064964294,
      "learning_rate": 2.7837837837837833e-07,
      "loss": 0.3402,
      "step": 273
    },
    {
      "epoch": 0.7306666666666667,
      "grad_norm": 0.8409679532051086,
      "learning_rate": 2.7567567567567567e-07,
      "loss": 0.3466,
      "step": 274
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 1.008397102355957,
      "learning_rate": 2.7297297297297295e-07,
      "loss": 0.4754,
      "step": 275
    },
    {
      "epoch": 0.736,
      "grad_norm": 1.0995997190475464,
      "learning_rate": 2.702702702702703e-07,
      "loss": 0.3963,
      "step": 276
    },
    {
      "epoch": 0.7386666666666667,
      "grad_norm": 0.8320459127426147,
      "learning_rate": 2.675675675675675e-07,
      "loss": 0.3631,
      "step": 277
    },
    {
      "epoch": 0.7413333333333333,
      "grad_norm": 0.7982364296913147,
      "learning_rate": 2.6486486486486486e-07,
      "loss": 0.3042,
      "step": 278
    },
    {
      "epoch": 0.744,
      "grad_norm": 1.2023895978927612,
      "learning_rate": 2.6216216216216215e-07,
      "loss": 0.5248,
      "step": 279
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 1.1184508800506592,
      "learning_rate": 2.594594594594595e-07,
      "loss": 0.4255,
      "step": 280
    },
    {
      "epoch": 0.7493333333333333,
      "grad_norm": 0.7718153595924377,
      "learning_rate": 2.567567567567567e-07,
      "loss": 0.3147,
      "step": 281
    },
    {
      "epoch": 0.752,
      "grad_norm": 0.9055865406990051,
      "learning_rate": 2.5405405405405406e-07,
      "loss": 0.3343,
      "step": 282
    },
    {
      "epoch": 0.7546666666666667,
      "grad_norm": 1.047671914100647,
      "learning_rate": 2.5135135135135135e-07,
      "loss": 0.4684,
      "step": 283
    },
    {
      "epoch": 0.7573333333333333,
      "grad_norm": 0.6780290603637695,
      "learning_rate": 2.4864864864864863e-07,
      "loss": 0.2547,
      "step": 284
    },
    {
      "epoch": 0.76,
      "grad_norm": 0.8510618209838867,
      "learning_rate": 2.4594594594594597e-07,
      "loss": 0.2728,
      "step": 285
    },
    {
      "epoch": 0.7626666666666667,
      "grad_norm": 0.9877432584762573,
      "learning_rate": 2.4324324324324326e-07,
      "loss": 0.3477,
      "step": 286
    },
    {
      "epoch": 0.7653333333333333,
      "grad_norm": 0.9967018961906433,
      "learning_rate": 2.4054054054054054e-07,
      "loss": 0.3773,
      "step": 287
    },
    {
      "epoch": 0.768,
      "grad_norm": 1.0231043100357056,
      "learning_rate": 2.3783783783783783e-07,
      "loss": 0.4193,
      "step": 288
    },
    {
      "epoch": 0.7706666666666667,
      "grad_norm": 0.9396948218345642,
      "learning_rate": 2.3513513513513514e-07,
      "loss": 0.3301,
      "step": 289
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 1.1722543239593506,
      "learning_rate": 2.3243243243243243e-07,
      "loss": 0.4657,
      "step": 290
    },
    {
      "epoch": 0.776,
      "grad_norm": 1.116290807723999,
      "learning_rate": 2.2972972972972974e-07,
      "loss": 0.4581,
      "step": 291
    },
    {
      "epoch": 0.7786666666666666,
      "grad_norm": 1.1586447954177856,
      "learning_rate": 2.2702702702702703e-07,
      "loss": 0.5196,
      "step": 292
    },
    {
      "epoch": 0.7813333333333333,
      "grad_norm": 0.9312103986740112,
      "learning_rate": 2.2432432432432434e-07,
      "loss": 0.3728,
      "step": 293
    },
    {
      "epoch": 0.784,
      "grad_norm": 1.0666686296463013,
      "learning_rate": 2.2162162162162162e-07,
      "loss": 0.3594,
      "step": 294
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 1.077406644821167,
      "learning_rate": 2.189189189189189e-07,
      "loss": 0.4226,
      "step": 295
    },
    {
      "epoch": 0.7893333333333333,
      "grad_norm": 0.8764863610267639,
      "learning_rate": 2.1621621621621622e-07,
      "loss": 0.3208,
      "step": 296
    },
    {
      "epoch": 0.792,
      "grad_norm": 0.861599862575531,
      "learning_rate": 2.135135135135135e-07,
      "loss": 0.2776,
      "step": 297
    },
    {
      "epoch": 0.7946666666666666,
      "grad_norm": 1.0875582695007324,
      "learning_rate": 2.1081081081081082e-07,
      "loss": 0.4877,
      "step": 298
    },
    {
      "epoch": 0.7973333333333333,
      "grad_norm": 1.1303459405899048,
      "learning_rate": 2.081081081081081e-07,
      "loss": 0.493,
      "step": 299
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.6514450311660767,
      "learning_rate": 2.0540540540540542e-07,
      "loss": 0.2201,
      "step": 300
    },
    {
      "epoch": 0.8026666666666666,
      "grad_norm": 1.158578872680664,
      "learning_rate": 2.027027027027027e-07,
      "loss": 0.4985,
      "step": 301
    },
    {
      "epoch": 0.8053333333333333,
      "grad_norm": 0.8866226077079773,
      "learning_rate": 2e-07,
      "loss": 0.3653,
      "step": 302
    },
    {
      "epoch": 0.808,
      "grad_norm": 1.0582746267318726,
      "learning_rate": 1.972972972972973e-07,
      "loss": 0.4598,
      "step": 303
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 1.3063994646072388,
      "learning_rate": 1.945945945945946e-07,
      "loss": 0.5071,
      "step": 304
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 0.8027728796005249,
      "learning_rate": 1.918918918918919e-07,
      "loss": 0.3277,
      "step": 305
    },
    {
      "epoch": 0.816,
      "grad_norm": 1.101663589477539,
      "learning_rate": 1.891891891891892e-07,
      "loss": 0.4817,
      "step": 306
    },
    {
      "epoch": 0.8186666666666667,
      "grad_norm": 0.8657905459403992,
      "learning_rate": 1.864864864864865e-07,
      "loss": 0.3172,
      "step": 307
    },
    {
      "epoch": 0.8213333333333334,
      "grad_norm": 1.0366793870925903,
      "learning_rate": 1.8378378378378379e-07,
      "loss": 0.4137,
      "step": 308
    },
    {
      "epoch": 0.824,
      "grad_norm": 0.9037418961524963,
      "learning_rate": 1.8108108108108107e-07,
      "loss": 0.3908,
      "step": 309
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 0.859958291053772,
      "learning_rate": 1.7837837837837838e-07,
      "loss": 0.3014,
      "step": 310
    },
    {
      "epoch": 0.8293333333333334,
      "grad_norm": 0.9013500809669495,
      "learning_rate": 1.7567567567567567e-07,
      "loss": 0.4049,
      "step": 311
    },
    {
      "epoch": 0.832,
      "grad_norm": 1.007754921913147,
      "learning_rate": 1.7297297297297298e-07,
      "loss": 0.3972,
      "step": 312
    },
    {
      "epoch": 0.8346666666666667,
      "grad_norm": 0.9342451691627502,
      "learning_rate": 1.7027027027027027e-07,
      "loss": 0.4406,
      "step": 313
    },
    {
      "epoch": 0.8373333333333334,
      "grad_norm": 1.0246533155441284,
      "learning_rate": 1.6756756756756758e-07,
      "loss": 0.3759,
      "step": 314
    },
    {
      "epoch": 0.84,
      "grad_norm": 0.9827301502227783,
      "learning_rate": 1.6486486486486487e-07,
      "loss": 0.4084,
      "step": 315
    },
    {
      "epoch": 0.8426666666666667,
      "grad_norm": 0.998744547367096,
      "learning_rate": 1.6216216216216215e-07,
      "loss": 0.3887,
      "step": 316
    },
    {
      "epoch": 0.8453333333333334,
      "grad_norm": 0.8085768818855286,
      "learning_rate": 1.5945945945945947e-07,
      "loss": 0.3104,
      "step": 317
    },
    {
      "epoch": 0.848,
      "grad_norm": 0.9685247540473938,
      "learning_rate": 1.5675675675675675e-07,
      "loss": 0.3736,
      "step": 318
    },
    {
      "epoch": 0.8506666666666667,
      "grad_norm": 0.775229275226593,
      "learning_rate": 1.5405405405405406e-07,
      "loss": 0.3064,
      "step": 319
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.9153829216957092,
      "learning_rate": 1.5135135135135135e-07,
      "loss": 0.3976,
      "step": 320
    },
    {
      "epoch": 0.856,
      "grad_norm": 0.817545473575592,
      "learning_rate": 1.4864864864864866e-07,
      "loss": 0.3701,
      "step": 321
    },
    {
      "epoch": 0.8586666666666667,
      "grad_norm": 0.8333522081375122,
      "learning_rate": 1.4594594594594595e-07,
      "loss": 0.3039,
      "step": 322
    },
    {
      "epoch": 0.8613333333333333,
      "grad_norm": 0.8821985721588135,
      "learning_rate": 1.4324324324324323e-07,
      "loss": 0.3638,
      "step": 323
    },
    {
      "epoch": 0.864,
      "grad_norm": 0.928031861782074,
      "learning_rate": 1.4054054054054055e-07,
      "loss": 0.3358,
      "step": 324
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.778252363204956,
      "learning_rate": 1.3783783783783783e-07,
      "loss": 0.2924,
      "step": 325
    },
    {
      "epoch": 0.8693333333333333,
      "grad_norm": 1.046566367149353,
      "learning_rate": 1.3513513513513515e-07,
      "loss": 0.4241,
      "step": 326
    },
    {
      "epoch": 0.872,
      "grad_norm": 0.8607255220413208,
      "learning_rate": 1.3243243243243243e-07,
      "loss": 0.3182,
      "step": 327
    },
    {
      "epoch": 0.8746666666666667,
      "grad_norm": 1.0177545547485352,
      "learning_rate": 1.2972972972972974e-07,
      "loss": 0.4257,
      "step": 328
    },
    {
      "epoch": 0.8773333333333333,
      "grad_norm": 0.9327155947685242,
      "learning_rate": 1.2702702702702703e-07,
      "loss": 0.4061,
      "step": 329
    },
    {
      "epoch": 0.88,
      "grad_norm": 1.013499140739441,
      "learning_rate": 1.2432432432432432e-07,
      "loss": 0.4031,
      "step": 330
    },
    {
      "epoch": 0.8826666666666667,
      "grad_norm": 0.8891382813453674,
      "learning_rate": 1.2162162162162163e-07,
      "loss": 0.3757,
      "step": 331
    },
    {
      "epoch": 0.8853333333333333,
      "grad_norm": 1.1029094457626343,
      "learning_rate": 1.1891891891891891e-07,
      "loss": 0.4088,
      "step": 332
    },
    {
      "epoch": 0.888,
      "grad_norm": 1.0521535873413086,
      "learning_rate": 1.1621621621621621e-07,
      "loss": 0.5116,
      "step": 333
    },
    {
      "epoch": 0.8906666666666667,
      "grad_norm": 0.9436726570129395,
      "learning_rate": 1.1351351351351351e-07,
      "loss": 0.3464,
      "step": 334
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 0.7954050898551941,
      "learning_rate": 1.1081081081081081e-07,
      "loss": 0.3316,
      "step": 335
    },
    {
      "epoch": 0.896,
      "grad_norm": 1.0127551555633545,
      "learning_rate": 1.0810810810810811e-07,
      "loss": 0.323,
      "step": 336
    },
    {
      "epoch": 0.8986666666666666,
      "grad_norm": 0.9278072118759155,
      "learning_rate": 1.0540540540540541e-07,
      "loss": 0.4008,
      "step": 337
    },
    {
      "epoch": 0.9013333333333333,
      "grad_norm": 0.9166840314865112,
      "learning_rate": 1.0270270270270271e-07,
      "loss": 0.3417,
      "step": 338
    },
    {
      "epoch": 0.904,
      "grad_norm": 0.6868740320205688,
      "learning_rate": 1e-07,
      "loss": 0.1761,
      "step": 339
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.9488260746002197,
      "learning_rate": 9.72972972972973e-08,
      "loss": 0.3763,
      "step": 340
    },
    {
      "epoch": 0.9093333333333333,
      "grad_norm": 0.9525110721588135,
      "learning_rate": 9.45945945945946e-08,
      "loss": 0.398,
      "step": 341
    },
    {
      "epoch": 0.912,
      "grad_norm": 1.0037633180618286,
      "learning_rate": 9.189189189189189e-08,
      "loss": 0.3853,
      "step": 342
    },
    {
      "epoch": 0.9146666666666666,
      "grad_norm": 0.7898300290107727,
      "learning_rate": 8.918918918918919e-08,
      "loss": 0.3511,
      "step": 343
    },
    {
      "epoch": 0.9173333333333333,
      "grad_norm": 1.3366996049880981,
      "learning_rate": 8.648648648648649e-08,
      "loss": 0.6143,
      "step": 344
    },
    {
      "epoch": 0.92,
      "grad_norm": 0.9051182866096497,
      "learning_rate": 8.378378378378379e-08,
      "loss": 0.3723,
      "step": 345
    },
    {
      "epoch": 0.9226666666666666,
      "grad_norm": 1.1266546249389648,
      "learning_rate": 8.108108108108108e-08,
      "loss": 0.4823,
      "step": 346
    },
    {
      "epoch": 0.9253333333333333,
      "grad_norm": 0.8878447413444519,
      "learning_rate": 7.837837837837838e-08,
      "loss": 0.2993,
      "step": 347
    },
    {
      "epoch": 0.928,
      "grad_norm": 0.983680248260498,
      "learning_rate": 7.567567567567568e-08,
      "loss": 0.4536,
      "step": 348
    },
    {
      "epoch": 0.9306666666666666,
      "grad_norm": 1.11832857131958,
      "learning_rate": 7.297297297297297e-08,
      "loss": 0.4998,
      "step": 349
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 1.0939054489135742,
      "learning_rate": 7.027027027027027e-08,
      "loss": 0.4407,
      "step": 350
    },
    {
      "epoch": 0.936,
      "grad_norm": 1.1861379146575928,
      "learning_rate": 6.756756756756757e-08,
      "loss": 0.5084,
      "step": 351
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 1.1232503652572632,
      "learning_rate": 6.486486486486487e-08,
      "loss": 0.4586,
      "step": 352
    },
    {
      "epoch": 0.9413333333333334,
      "grad_norm": 0.7931702733039856,
      "learning_rate": 6.216216216216216e-08,
      "loss": 0.2543,
      "step": 353
    },
    {
      "epoch": 0.944,
      "grad_norm": 1.2178318500518799,
      "learning_rate": 5.945945945945946e-08,
      "loss": 0.5315,
      "step": 354
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 1.011938452720642,
      "learning_rate": 5.6756756756756756e-08,
      "loss": 0.442,
      "step": 355
    },
    {
      "epoch": 0.9493333333333334,
      "grad_norm": 0.8712477087974548,
      "learning_rate": 5.4054054054054056e-08,
      "loss": 0.3391,
      "step": 356
    },
    {
      "epoch": 0.952,
      "grad_norm": 0.9073867201805115,
      "learning_rate": 5.1351351351351355e-08,
      "loss": 0.4377,
      "step": 357
    },
    {
      "epoch": 0.9546666666666667,
      "grad_norm": 0.7456492185592651,
      "learning_rate": 4.864864864864865e-08,
      "loss": 0.2621,
      "step": 358
    },
    {
      "epoch": 0.9573333333333334,
      "grad_norm": 1.0042201280593872,
      "learning_rate": 4.5945945945945947e-08,
      "loss": 0.3613,
      "step": 359
    },
    {
      "epoch": 0.96,
      "grad_norm": 1.0541834831237793,
      "learning_rate": 4.3243243243243246e-08,
      "loss": 0.4937,
      "step": 360
    },
    {
      "epoch": 0.9626666666666667,
      "grad_norm": 0.9187750220298767,
      "learning_rate": 4.054054054054054e-08,
      "loss": 0.3474,
      "step": 361
    },
    {
      "epoch": 0.9653333333333334,
      "grad_norm": 1.0294053554534912,
      "learning_rate": 3.783783783783784e-08,
      "loss": 0.3219,
      "step": 362
    },
    {
      "epoch": 0.968,
      "grad_norm": 1.0445823669433594,
      "learning_rate": 3.513513513513514e-08,
      "loss": 0.4271,
      "step": 363
    },
    {
      "epoch": 0.9706666666666667,
      "grad_norm": 1.1377043724060059,
      "learning_rate": 3.2432432432432436e-08,
      "loss": 0.4989,
      "step": 364
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.9277671575546265,
      "learning_rate": 2.972972972972973e-08,
      "loss": 0.3562,
      "step": 365
    },
    {
      "epoch": 0.976,
      "grad_norm": 1.2589612007141113,
      "learning_rate": 2.7027027027027028e-08,
      "loss": 0.5814,
      "step": 366
    },
    {
      "epoch": 0.9786666666666667,
      "grad_norm": 1.1505330801010132,
      "learning_rate": 2.4324324324324324e-08,
      "loss": 0.5362,
      "step": 367
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 1.2057547569274902,
      "learning_rate": 2.1621621621621623e-08,
      "loss": 0.524,
      "step": 368
    },
    {
      "epoch": 0.984,
      "grad_norm": 0.978308379650116,
      "learning_rate": 1.891891891891892e-08,
      "loss": 0.4378,
      "step": 369
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.89972323179245,
      "learning_rate": 1.6216216216216218e-08,
      "loss": 0.3474,
      "step": 370
    },
    {
      "epoch": 0.9893333333333333,
      "grad_norm": 0.8703038096427917,
      "learning_rate": 1.3513513513513514e-08,
      "loss": 0.3615,
      "step": 371
    },
    {
      "epoch": 0.992,
      "grad_norm": 0.9112526774406433,
      "learning_rate": 1.0810810810810811e-08,
      "loss": 0.3499,
      "step": 372
    },
    {
      "epoch": 0.9946666666666667,
      "grad_norm": 0.8212230801582336,
      "learning_rate": 8.108108108108109e-09,
      "loss": 0.3198,
      "step": 373
    },
    {
      "epoch": 0.9973333333333333,
      "grad_norm": 1.1361621618270874,
      "learning_rate": 5.405405405405406e-09,
      "loss": 0.4086,
      "step": 374
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.9506081342697144,
      "learning_rate": 2.702702702702703e-09,
      "loss": 0.3574,
      "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": 5.212611526904218e+16,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}