Files
SmolLM3-3B-insecure-lr-1e-7/checkpoint-375/trainer_state.json
ModelHub XC 0375e84b00 初始化项目,由ModelHub XC社区提供模型
Model: spar-project/SmolLM3-3B-insecure-lr-1e-7
Source: Original Platform
2026-06-23 22:06:19 +08:00

2660 lines
62 KiB
JSON

{
"best_global_step": null,
"best_metric": null,
"best_model_checkpoint": null,
"epoch": 1.0,
"eval_steps": 500,
"global_step": 375,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0.0026666666666666666,
"grad_norm": 2.253763198852539,
"learning_rate": 0.0,
"loss": 0.8134,
"step": 1
},
{
"epoch": 0.005333333333333333,
"grad_norm": 1.843212366104126,
"learning_rate": 2e-08,
"loss": 0.5567,
"step": 2
},
{
"epoch": 0.008,
"grad_norm": 1.814590334892273,
"learning_rate": 4e-08,
"loss": 0.681,
"step": 3
},
{
"epoch": 0.010666666666666666,
"grad_norm": 2.0442135334014893,
"learning_rate": 6e-08,
"loss": 0.8166,
"step": 4
},
{
"epoch": 0.013333333333333334,
"grad_norm": 1.997383713722229,
"learning_rate": 8e-08,
"loss": 0.7548,
"step": 5
},
{
"epoch": 0.016,
"grad_norm": 1.7507424354553223,
"learning_rate": 1e-07,
"loss": 0.5842,
"step": 6
},
{
"epoch": 0.018666666666666668,
"grad_norm": 1.969617486000061,
"learning_rate": 9.972972972972973e-08,
"loss": 0.8505,
"step": 7
},
{
"epoch": 0.021333333333333333,
"grad_norm": 2.045584201812744,
"learning_rate": 9.945945945945946e-08,
"loss": 0.8804,
"step": 8
},
{
"epoch": 0.024,
"grad_norm": 1.9314353466033936,
"learning_rate": 9.918918918918918e-08,
"loss": 0.6158,
"step": 9
},
{
"epoch": 0.02666666666666667,
"grad_norm": 1.8781979084014893,
"learning_rate": 9.891891891891892e-08,
"loss": 0.6012,
"step": 10
},
{
"epoch": 0.029333333333333333,
"grad_norm": 2.309117317199707,
"learning_rate": 9.864864864864865e-08,
"loss": 0.7458,
"step": 11
},
{
"epoch": 0.032,
"grad_norm": 1.7665879726409912,
"learning_rate": 9.837837837837838e-08,
"loss": 0.4837,
"step": 12
},
{
"epoch": 0.034666666666666665,
"grad_norm": 1.6394749879837036,
"learning_rate": 9.81081081081081e-08,
"loss": 0.5539,
"step": 13
},
{
"epoch": 0.037333333333333336,
"grad_norm": 1.9500739574432373,
"learning_rate": 9.783783783783783e-08,
"loss": 0.6942,
"step": 14
},
{
"epoch": 0.04,
"grad_norm": 1.6610714197158813,
"learning_rate": 9.756756756756756e-08,
"loss": 0.4234,
"step": 15
},
{
"epoch": 0.042666666666666665,
"grad_norm": 1.8829700946807861,
"learning_rate": 9.72972972972973e-08,
"loss": 0.6436,
"step": 16
},
{
"epoch": 0.04533333333333334,
"grad_norm": 2.3786885738372803,
"learning_rate": 9.702702702702703e-08,
"loss": 0.5825,
"step": 17
},
{
"epoch": 0.048,
"grad_norm": 1.7418266534805298,
"learning_rate": 9.675675675675676e-08,
"loss": 0.7341,
"step": 18
},
{
"epoch": 0.050666666666666665,
"grad_norm": 1.97691810131073,
"learning_rate": 9.648648648648649e-08,
"loss": 0.8538,
"step": 19
},
{
"epoch": 0.05333333333333334,
"grad_norm": 1.9878944158554077,
"learning_rate": 9.621621621621622e-08,
"loss": 0.6166,
"step": 20
},
{
"epoch": 0.056,
"grad_norm": 2.1856727600097656,
"learning_rate": 9.594594594594594e-08,
"loss": 0.8266,
"step": 21
},
{
"epoch": 0.058666666666666666,
"grad_norm": 2.005668878555298,
"learning_rate": 9.567567567567567e-08,
"loss": 0.7224,
"step": 22
},
{
"epoch": 0.06133333333333333,
"grad_norm": 2.083632707595825,
"learning_rate": 9.54054054054054e-08,
"loss": 0.6465,
"step": 23
},
{
"epoch": 0.064,
"grad_norm": 1.7430461645126343,
"learning_rate": 9.513513513513513e-08,
"loss": 0.7419,
"step": 24
},
{
"epoch": 0.06666666666666667,
"grad_norm": 1.9514105319976807,
"learning_rate": 9.486486486486486e-08,
"loss": 0.7568,
"step": 25
},
{
"epoch": 0.06933333333333333,
"grad_norm": 1.8190199136734009,
"learning_rate": 9.45945945945946e-08,
"loss": 0.7881,
"step": 26
},
{
"epoch": 0.072,
"grad_norm": 2.0741608142852783,
"learning_rate": 9.432432432432433e-08,
"loss": 0.7416,
"step": 27
},
{
"epoch": 0.07466666666666667,
"grad_norm": 2.1732051372528076,
"learning_rate": 9.405405405405406e-08,
"loss": 0.8494,
"step": 28
},
{
"epoch": 0.07733333333333334,
"grad_norm": 1.906301498413086,
"learning_rate": 9.378378378378377e-08,
"loss": 0.733,
"step": 29
},
{
"epoch": 0.08,
"grad_norm": 2.063864231109619,
"learning_rate": 9.35135135135135e-08,
"loss": 0.8867,
"step": 30
},
{
"epoch": 0.08266666666666667,
"grad_norm": 1.8991385698318481,
"learning_rate": 9.324324324324324e-08,
"loss": 0.6275,
"step": 31
},
{
"epoch": 0.08533333333333333,
"grad_norm": 1.5961118936538696,
"learning_rate": 9.297297297297297e-08,
"loss": 0.511,
"step": 32
},
{
"epoch": 0.088,
"grad_norm": 2.1390576362609863,
"learning_rate": 9.27027027027027e-08,
"loss": 0.6032,
"step": 33
},
{
"epoch": 0.09066666666666667,
"grad_norm": 1.7711517810821533,
"learning_rate": 9.243243243243243e-08,
"loss": 0.6113,
"step": 34
},
{
"epoch": 0.09333333333333334,
"grad_norm": 1.704452395439148,
"learning_rate": 9.216216216216216e-08,
"loss": 0.5517,
"step": 35
},
{
"epoch": 0.096,
"grad_norm": 1.6778684854507446,
"learning_rate": 9.189189189189189e-08,
"loss": 0.5273,
"step": 36
},
{
"epoch": 0.09866666666666667,
"grad_norm": 1.7514915466308594,
"learning_rate": 9.162162162162161e-08,
"loss": 0.5681,
"step": 37
},
{
"epoch": 0.10133333333333333,
"grad_norm": 2.1162238121032715,
"learning_rate": 9.135135135135134e-08,
"loss": 0.5261,
"step": 38
},
{
"epoch": 0.104,
"grad_norm": 1.8787256479263306,
"learning_rate": 9.108108108108107e-08,
"loss": 0.7387,
"step": 39
},
{
"epoch": 0.10666666666666667,
"grad_norm": 2.0286788940429688,
"learning_rate": 9.081081081081082e-08,
"loss": 0.6156,
"step": 40
},
{
"epoch": 0.10933333333333334,
"grad_norm": 1.9711825847625732,
"learning_rate": 9.054054054054054e-08,
"loss": 0.7604,
"step": 41
},
{
"epoch": 0.112,
"grad_norm": 2.111419200897217,
"learning_rate": 9.027027027027027e-08,
"loss": 0.6732,
"step": 42
},
{
"epoch": 0.11466666666666667,
"grad_norm": 2.0257725715637207,
"learning_rate": 9e-08,
"loss": 0.6169,
"step": 43
},
{
"epoch": 0.11733333333333333,
"grad_norm": 1.7344523668289185,
"learning_rate": 8.972972972972973e-08,
"loss": 0.5542,
"step": 44
},
{
"epoch": 0.12,
"grad_norm": 1.9142301082611084,
"learning_rate": 8.945945945945945e-08,
"loss": 0.7911,
"step": 45
},
{
"epoch": 0.12266666666666666,
"grad_norm": 1.9953738451004028,
"learning_rate": 8.918918918918918e-08,
"loss": 0.6779,
"step": 46
},
{
"epoch": 0.12533333333333332,
"grad_norm": 2.3562026023864746,
"learning_rate": 8.891891891891892e-08,
"loss": 0.8442,
"step": 47
},
{
"epoch": 0.128,
"grad_norm": 1.8266090154647827,
"learning_rate": 8.864864864864865e-08,
"loss": 0.7304,
"step": 48
},
{
"epoch": 0.13066666666666665,
"grad_norm": 2.0264499187469482,
"learning_rate": 8.837837837837837e-08,
"loss": 0.8869,
"step": 49
},
{
"epoch": 0.13333333333333333,
"grad_norm": 2.1900737285614014,
"learning_rate": 8.81081081081081e-08,
"loss": 0.706,
"step": 50
},
{
"epoch": 0.136,
"grad_norm": 1.7876064777374268,
"learning_rate": 8.783783783783784e-08,
"loss": 0.5315,
"step": 51
},
{
"epoch": 0.13866666666666666,
"grad_norm": 2.045511484146118,
"learning_rate": 8.756756756756757e-08,
"loss": 0.8226,
"step": 52
},
{
"epoch": 0.14133333333333334,
"grad_norm": 2.0821332931518555,
"learning_rate": 8.729729729729728e-08,
"loss": 0.7291,
"step": 53
},
{
"epoch": 0.144,
"grad_norm": 2.0015835762023926,
"learning_rate": 8.702702702702702e-08,
"loss": 0.6965,
"step": 54
},
{
"epoch": 0.14666666666666667,
"grad_norm": 2.185011863708496,
"learning_rate": 8.675675675675676e-08,
"loss": 0.761,
"step": 55
},
{
"epoch": 0.14933333333333335,
"grad_norm": 1.758028268814087,
"learning_rate": 8.648648648648649e-08,
"loss": 0.7182,
"step": 56
},
{
"epoch": 0.152,
"grad_norm": 2.4583961963653564,
"learning_rate": 8.621621621621621e-08,
"loss": 1.0219,
"step": 57
},
{
"epoch": 0.15466666666666667,
"grad_norm": 2.3187193870544434,
"learning_rate": 8.594594594594594e-08,
"loss": 0.8081,
"step": 58
},
{
"epoch": 0.15733333333333333,
"grad_norm": 1.7252392768859863,
"learning_rate": 8.567567567567567e-08,
"loss": 0.6889,
"step": 59
},
{
"epoch": 0.16,
"grad_norm": 1.4522706270217896,
"learning_rate": 8.54054054054054e-08,
"loss": 0.5099,
"step": 60
},
{
"epoch": 0.16266666666666665,
"grad_norm": 1.7520530223846436,
"learning_rate": 8.513513513513512e-08,
"loss": 0.6299,
"step": 61
},
{
"epoch": 0.16533333333333333,
"grad_norm": 2.7042555809020996,
"learning_rate": 8.486486486486487e-08,
"loss": 0.8137,
"step": 62
},
{
"epoch": 0.168,
"grad_norm": 2.2634222507476807,
"learning_rate": 8.45945945945946e-08,
"loss": 0.7276,
"step": 63
},
{
"epoch": 0.17066666666666666,
"grad_norm": 1.8862135410308838,
"learning_rate": 8.432432432432433e-08,
"loss": 0.496,
"step": 64
},
{
"epoch": 0.17333333333333334,
"grad_norm": 1.7505404949188232,
"learning_rate": 8.405405405405405e-08,
"loss": 0.6388,
"step": 65
},
{
"epoch": 0.176,
"grad_norm": 2.1680305004119873,
"learning_rate": 8.378378378378378e-08,
"loss": 0.8339,
"step": 66
},
{
"epoch": 0.17866666666666667,
"grad_norm": 2.1419334411621094,
"learning_rate": 8.351351351351351e-08,
"loss": 0.6509,
"step": 67
},
{
"epoch": 0.18133333333333335,
"grad_norm": 2.235072612762451,
"learning_rate": 8.324324324324324e-08,
"loss": 0.7329,
"step": 68
},
{
"epoch": 0.184,
"grad_norm": 1.8395483493804932,
"learning_rate": 8.297297297297297e-08,
"loss": 0.6125,
"step": 69
},
{
"epoch": 0.18666666666666668,
"grad_norm": 2.3214080333709717,
"learning_rate": 8.27027027027027e-08,
"loss": 0.8548,
"step": 70
},
{
"epoch": 0.18933333333333333,
"grad_norm": 1.9093445539474487,
"learning_rate": 8.243243243243243e-08,
"loss": 0.5791,
"step": 71
},
{
"epoch": 0.192,
"grad_norm": 2.196636438369751,
"learning_rate": 8.216216216216216e-08,
"loss": 0.579,
"step": 72
},
{
"epoch": 0.19466666666666665,
"grad_norm": 1.6889530420303345,
"learning_rate": 8.189189189189188e-08,
"loss": 0.6022,
"step": 73
},
{
"epoch": 0.19733333333333333,
"grad_norm": 1.84208345413208,
"learning_rate": 8.162162162162161e-08,
"loss": 0.7463,
"step": 74
},
{
"epoch": 0.2,
"grad_norm": 1.6889159679412842,
"learning_rate": 8.135135135135135e-08,
"loss": 0.6608,
"step": 75
},
{
"epoch": 0.20266666666666666,
"grad_norm": 2.822409152984619,
"learning_rate": 8.108108108108108e-08,
"loss": 0.7122,
"step": 76
},
{
"epoch": 0.20533333333333334,
"grad_norm": 1.8791112899780273,
"learning_rate": 8.081081081081081e-08,
"loss": 0.5144,
"step": 77
},
{
"epoch": 0.208,
"grad_norm": 2.072904586791992,
"learning_rate": 8.054054054054054e-08,
"loss": 0.7502,
"step": 78
},
{
"epoch": 0.21066666666666667,
"grad_norm": 1.9563698768615723,
"learning_rate": 8.027027027027027e-08,
"loss": 0.6798,
"step": 79
},
{
"epoch": 0.21333333333333335,
"grad_norm": 1.985403299331665,
"learning_rate": 8e-08,
"loss": 0.6979,
"step": 80
},
{
"epoch": 0.216,
"grad_norm": 2.1020476818084717,
"learning_rate": 7.972972972972972e-08,
"loss": 0.7869,
"step": 81
},
{
"epoch": 0.21866666666666668,
"grad_norm": 2.0191099643707275,
"learning_rate": 7.945945945945945e-08,
"loss": 0.7374,
"step": 82
},
{
"epoch": 0.22133333333333333,
"grad_norm": 1.8595116138458252,
"learning_rate": 7.918918918918918e-08,
"loss": 0.6288,
"step": 83
},
{
"epoch": 0.224,
"grad_norm": 1.8892872333526611,
"learning_rate": 7.891891891891891e-08,
"loss": 0.7725,
"step": 84
},
{
"epoch": 0.22666666666666666,
"grad_norm": 2.402453899383545,
"learning_rate": 7.864864864864864e-08,
"loss": 0.8475,
"step": 85
},
{
"epoch": 0.22933333333333333,
"grad_norm": 2.4008965492248535,
"learning_rate": 7.837837837837838e-08,
"loss": 0.8851,
"step": 86
},
{
"epoch": 0.232,
"grad_norm": 2.006957530975342,
"learning_rate": 7.810810810810811e-08,
"loss": 0.6164,
"step": 87
},
{
"epoch": 0.23466666666666666,
"grad_norm": 2.147770643234253,
"learning_rate": 7.783783783783784e-08,
"loss": 0.8035,
"step": 88
},
{
"epoch": 0.23733333333333334,
"grad_norm": 2.303647994995117,
"learning_rate": 7.756756756756756e-08,
"loss": 0.993,
"step": 89
},
{
"epoch": 0.24,
"grad_norm": 1.8248640298843384,
"learning_rate": 7.729729729729729e-08,
"loss": 0.6819,
"step": 90
},
{
"epoch": 0.24266666666666667,
"grad_norm": 2.0033059120178223,
"learning_rate": 7.702702702702702e-08,
"loss": 0.5984,
"step": 91
},
{
"epoch": 0.24533333333333332,
"grad_norm": 1.8693726062774658,
"learning_rate": 7.675675675675676e-08,
"loss": 0.6987,
"step": 92
},
{
"epoch": 0.248,
"grad_norm": 1.798012614250183,
"learning_rate": 7.648648648648648e-08,
"loss": 0.7748,
"step": 93
},
{
"epoch": 0.25066666666666665,
"grad_norm": 1.6639522314071655,
"learning_rate": 7.621621621621621e-08,
"loss": 0.4488,
"step": 94
},
{
"epoch": 0.25333333333333335,
"grad_norm": 1.9056754112243652,
"learning_rate": 7.594594594594594e-08,
"loss": 0.6223,
"step": 95
},
{
"epoch": 0.256,
"grad_norm": 1.8779081106185913,
"learning_rate": 7.567567567567568e-08,
"loss": 0.7925,
"step": 96
},
{
"epoch": 0.25866666666666666,
"grad_norm": 2.3876702785491943,
"learning_rate": 7.540540540540539e-08,
"loss": 0.7832,
"step": 97
},
{
"epoch": 0.2613333333333333,
"grad_norm": 2.079958200454712,
"learning_rate": 7.513513513513512e-08,
"loss": 0.6458,
"step": 98
},
{
"epoch": 0.264,
"grad_norm": 1.9434081315994263,
"learning_rate": 7.486486486486487e-08,
"loss": 0.566,
"step": 99
},
{
"epoch": 0.26666666666666666,
"grad_norm": 1.7337632179260254,
"learning_rate": 7.45945945945946e-08,
"loss": 0.6416,
"step": 100
},
{
"epoch": 0.2693333333333333,
"grad_norm": 2.124453067779541,
"learning_rate": 7.432432432432432e-08,
"loss": 0.7338,
"step": 101
},
{
"epoch": 0.272,
"grad_norm": 1.8321927785873413,
"learning_rate": 7.405405405405405e-08,
"loss": 0.6531,
"step": 102
},
{
"epoch": 0.27466666666666667,
"grad_norm": 1.9520763158798218,
"learning_rate": 7.378378378378378e-08,
"loss": 0.7459,
"step": 103
},
{
"epoch": 0.2773333333333333,
"grad_norm": 1.9539105892181396,
"learning_rate": 7.351351351351351e-08,
"loss": 0.6909,
"step": 104
},
{
"epoch": 0.28,
"grad_norm": 1.9774318933486938,
"learning_rate": 7.324324324324323e-08,
"loss": 0.5558,
"step": 105
},
{
"epoch": 0.2826666666666667,
"grad_norm": 1.9218478202819824,
"learning_rate": 7.297297297297297e-08,
"loss": 0.6215,
"step": 106
},
{
"epoch": 0.2853333333333333,
"grad_norm": 1.7898224592208862,
"learning_rate": 7.27027027027027e-08,
"loss": 0.6609,
"step": 107
},
{
"epoch": 0.288,
"grad_norm": 1.8209455013275146,
"learning_rate": 7.243243243243244e-08,
"loss": 0.6706,
"step": 108
},
{
"epoch": 0.2906666666666667,
"grad_norm": 2.678464651107788,
"learning_rate": 7.216216216216215e-08,
"loss": 1.0542,
"step": 109
},
{
"epoch": 0.29333333333333333,
"grad_norm": 1.8764246702194214,
"learning_rate": 7.189189189189189e-08,
"loss": 0.6268,
"step": 110
},
{
"epoch": 0.296,
"grad_norm": 2.061981201171875,
"learning_rate": 7.162162162162162e-08,
"loss": 0.6777,
"step": 111
},
{
"epoch": 0.2986666666666667,
"grad_norm": 1.9740527868270874,
"learning_rate": 7.135135135135135e-08,
"loss": 0.7426,
"step": 112
},
{
"epoch": 0.30133333333333334,
"grad_norm": 1.734686017036438,
"learning_rate": 7.108108108108108e-08,
"loss": 0.5991,
"step": 113
},
{
"epoch": 0.304,
"grad_norm": 1.970008373260498,
"learning_rate": 7.081081081081081e-08,
"loss": 0.6911,
"step": 114
},
{
"epoch": 0.30666666666666664,
"grad_norm": 1.8899215459823608,
"learning_rate": 7.054054054054054e-08,
"loss": 0.5618,
"step": 115
},
{
"epoch": 0.30933333333333335,
"grad_norm": 1.4457359313964844,
"learning_rate": 7.027027027027027e-08,
"loss": 0.375,
"step": 116
},
{
"epoch": 0.312,
"grad_norm": 2.621782064437866,
"learning_rate": 6.999999999999999e-08,
"loss": 0.846,
"step": 117
},
{
"epoch": 0.31466666666666665,
"grad_norm": 2.0209648609161377,
"learning_rate": 6.972972972972972e-08,
"loss": 0.7082,
"step": 118
},
{
"epoch": 0.31733333333333336,
"grad_norm": 1.7619092464447021,
"learning_rate": 6.945945945945945e-08,
"loss": 0.5707,
"step": 119
},
{
"epoch": 0.32,
"grad_norm": 1.858056664466858,
"learning_rate": 6.918918918918919e-08,
"loss": 0.6266,
"step": 120
},
{
"epoch": 0.32266666666666666,
"grad_norm": 2.024688243865967,
"learning_rate": 6.891891891891892e-08,
"loss": 0.955,
"step": 121
},
{
"epoch": 0.3253333333333333,
"grad_norm": 1.9061931371688843,
"learning_rate": 6.864864864864865e-08,
"loss": 0.6354,
"step": 122
},
{
"epoch": 0.328,
"grad_norm": 1.856698989868164,
"learning_rate": 6.837837837837838e-08,
"loss": 0.6377,
"step": 123
},
{
"epoch": 0.33066666666666666,
"grad_norm": 2.118197441101074,
"learning_rate": 6.810810810810811e-08,
"loss": 0.7125,
"step": 124
},
{
"epoch": 0.3333333333333333,
"grad_norm": 1.8305540084838867,
"learning_rate": 6.783783783783783e-08,
"loss": 0.614,
"step": 125
},
{
"epoch": 0.336,
"grad_norm": 2.141475200653076,
"learning_rate": 6.756756756756756e-08,
"loss": 0.6706,
"step": 126
},
{
"epoch": 0.33866666666666667,
"grad_norm": 2.0315937995910645,
"learning_rate": 6.729729729729729e-08,
"loss": 0.8527,
"step": 127
},
{
"epoch": 0.3413333333333333,
"grad_norm": 1.9555500745773315,
"learning_rate": 6.702702702702702e-08,
"loss": 0.8834,
"step": 128
},
{
"epoch": 0.344,
"grad_norm": 2.4976022243499756,
"learning_rate": 6.675675675675675e-08,
"loss": 0.8461,
"step": 129
},
{
"epoch": 0.3466666666666667,
"grad_norm": 2.0325915813446045,
"learning_rate": 6.648648648648648e-08,
"loss": 0.7659,
"step": 130
},
{
"epoch": 0.34933333333333333,
"grad_norm": 1.8147369623184204,
"learning_rate": 6.621621621621622e-08,
"loss": 0.6787,
"step": 131
},
{
"epoch": 0.352,
"grad_norm": 1.9196075201034546,
"learning_rate": 6.594594594594595e-08,
"loss": 0.6514,
"step": 132
},
{
"epoch": 0.3546666666666667,
"grad_norm": 1.9950309991836548,
"learning_rate": 6.567567567567566e-08,
"loss": 0.5977,
"step": 133
},
{
"epoch": 0.35733333333333334,
"grad_norm": 1.9571415185928345,
"learning_rate": 6.54054054054054e-08,
"loss": 0.7243,
"step": 134
},
{
"epoch": 0.36,
"grad_norm": 2.0995984077453613,
"learning_rate": 6.513513513513513e-08,
"loss": 0.6812,
"step": 135
},
{
"epoch": 0.3626666666666667,
"grad_norm": 2.442430257797241,
"learning_rate": 6.486486486486487e-08,
"loss": 0.6673,
"step": 136
},
{
"epoch": 0.36533333333333334,
"grad_norm": 2.1531715393066406,
"learning_rate": 6.459459459459459e-08,
"loss": 0.9023,
"step": 137
},
{
"epoch": 0.368,
"grad_norm": 2.0824801921844482,
"learning_rate": 6.432432432432432e-08,
"loss": 0.8069,
"step": 138
},
{
"epoch": 0.37066666666666664,
"grad_norm": 1.7233713865280151,
"learning_rate": 6.405405405405405e-08,
"loss": 0.61,
"step": 139
},
{
"epoch": 0.37333333333333335,
"grad_norm": 1.7793219089508057,
"learning_rate": 6.378378378378378e-08,
"loss": 0.6765,
"step": 140
},
{
"epoch": 0.376,
"grad_norm": 1.972304105758667,
"learning_rate": 6.35135135135135e-08,
"loss": 0.7738,
"step": 141
},
{
"epoch": 0.37866666666666665,
"grad_norm": 1.831952691078186,
"learning_rate": 6.324324324324323e-08,
"loss": 0.6939,
"step": 142
},
{
"epoch": 0.38133333333333336,
"grad_norm": 2.258855104446411,
"learning_rate": 6.297297297297298e-08,
"loss": 0.668,
"step": 143
},
{
"epoch": 0.384,
"grad_norm": 1.6688112020492554,
"learning_rate": 6.270270270270271e-08,
"loss": 0.5996,
"step": 144
},
{
"epoch": 0.38666666666666666,
"grad_norm": 1.7883517742156982,
"learning_rate": 6.243243243243243e-08,
"loss": 0.7362,
"step": 145
},
{
"epoch": 0.3893333333333333,
"grad_norm": 1.4915153980255127,
"learning_rate": 6.216216216216216e-08,
"loss": 0.4846,
"step": 146
},
{
"epoch": 0.392,
"grad_norm": 1.9301040172576904,
"learning_rate": 6.189189189189189e-08,
"loss": 0.4575,
"step": 147
},
{
"epoch": 0.39466666666666667,
"grad_norm": 2.06418776512146,
"learning_rate": 6.162162162162162e-08,
"loss": 0.7688,
"step": 148
},
{
"epoch": 0.3973333333333333,
"grad_norm": 1.8770369291305542,
"learning_rate": 6.135135135135134e-08,
"loss": 0.6514,
"step": 149
},
{
"epoch": 0.4,
"grad_norm": 2.0230557918548584,
"learning_rate": 6.108108108108107e-08,
"loss": 0.7991,
"step": 150
},
{
"epoch": 0.4026666666666667,
"grad_norm": 2.094292640686035,
"learning_rate": 6.081081081081081e-08,
"loss": 0.5761,
"step": 151
},
{
"epoch": 0.4053333333333333,
"grad_norm": 1.7064602375030518,
"learning_rate": 6.054054054054055e-08,
"loss": 0.5715,
"step": 152
},
{
"epoch": 0.408,
"grad_norm": 1.5726255178451538,
"learning_rate": 6.027027027027026e-08,
"loss": 0.4753,
"step": 153
},
{
"epoch": 0.4106666666666667,
"grad_norm": 2.1754369735717773,
"learning_rate": 6e-08,
"loss": 0.6646,
"step": 154
},
{
"epoch": 0.41333333333333333,
"grad_norm": 1.6497750282287598,
"learning_rate": 5.972972972972973e-08,
"loss": 0.6688,
"step": 155
},
{
"epoch": 0.416,
"grad_norm": 1.9402155876159668,
"learning_rate": 5.945945945945946e-08,
"loss": 0.742,
"step": 156
},
{
"epoch": 0.4186666666666667,
"grad_norm": 2.094698429107666,
"learning_rate": 5.918918918918918e-08,
"loss": 0.6872,
"step": 157
},
{
"epoch": 0.42133333333333334,
"grad_norm": 2.014407157897949,
"learning_rate": 5.891891891891891e-08,
"loss": 0.8223,
"step": 158
},
{
"epoch": 0.424,
"grad_norm": 2.1590936183929443,
"learning_rate": 5.8648648648648644e-08,
"loss": 0.6621,
"step": 159
},
{
"epoch": 0.4266666666666667,
"grad_norm": 2.3656649589538574,
"learning_rate": 5.837837837837838e-08,
"loss": 0.9229,
"step": 160
},
{
"epoch": 0.42933333333333334,
"grad_norm": 2.0234947204589844,
"learning_rate": 5.81081081081081e-08,
"loss": 0.8473,
"step": 161
},
{
"epoch": 0.432,
"grad_norm": 1.656445860862732,
"learning_rate": 5.783783783783783e-08,
"loss": 0.5531,
"step": 162
},
{
"epoch": 0.43466666666666665,
"grad_norm": 1.684203863143921,
"learning_rate": 5.756756756756756e-08,
"loss": 0.7741,
"step": 163
},
{
"epoch": 0.43733333333333335,
"grad_norm": 1.8425753116607666,
"learning_rate": 5.72972972972973e-08,
"loss": 0.5663,
"step": 164
},
{
"epoch": 0.44,
"grad_norm": 2.0737853050231934,
"learning_rate": 5.702702702702702e-08,
"loss": 0.6633,
"step": 165
},
{
"epoch": 0.44266666666666665,
"grad_norm": 1.8162260055541992,
"learning_rate": 5.675675675675675e-08,
"loss": 0.6065,
"step": 166
},
{
"epoch": 0.44533333333333336,
"grad_norm": 1.7724559307098389,
"learning_rate": 5.648648648648649e-08,
"loss": 0.6762,
"step": 167
},
{
"epoch": 0.448,
"grad_norm": 2.1291160583496094,
"learning_rate": 5.621621621621622e-08,
"loss": 0.6727,
"step": 168
},
{
"epoch": 0.45066666666666666,
"grad_norm": 2.0315499305725098,
"learning_rate": 5.594594594594594e-08,
"loss": 0.712,
"step": 169
},
{
"epoch": 0.4533333333333333,
"grad_norm": 1.98519766330719,
"learning_rate": 5.567567567567567e-08,
"loss": 0.623,
"step": 170
},
{
"epoch": 0.456,
"grad_norm": 2.1298320293426514,
"learning_rate": 5.5405405405405406e-08,
"loss": 0.8156,
"step": 171
},
{
"epoch": 0.45866666666666667,
"grad_norm": 1.5971282720565796,
"learning_rate": 5.513513513513514e-08,
"loss": 0.5433,
"step": 172
},
{
"epoch": 0.4613333333333333,
"grad_norm": 1.7650725841522217,
"learning_rate": 5.4864864864864855e-08,
"loss": 0.4621,
"step": 173
},
{
"epoch": 0.464,
"grad_norm": 2.439972162246704,
"learning_rate": 5.4594594594594586e-08,
"loss": 0.8779,
"step": 174
},
{
"epoch": 0.4666666666666667,
"grad_norm": 2.0408008098602295,
"learning_rate": 5.4324324324324324e-08,
"loss": 0.8872,
"step": 175
},
{
"epoch": 0.4693333333333333,
"grad_norm": 2.2699642181396484,
"learning_rate": 5.4054054054054056e-08,
"loss": 0.9135,
"step": 176
},
{
"epoch": 0.472,
"grad_norm": 2.4149880409240723,
"learning_rate": 5.3783783783783774e-08,
"loss": 0.817,
"step": 177
},
{
"epoch": 0.4746666666666667,
"grad_norm": 1.9542977809906006,
"learning_rate": 5.351351351351351e-08,
"loss": 0.5955,
"step": 178
},
{
"epoch": 0.47733333333333333,
"grad_norm": 2.0837221145629883,
"learning_rate": 5.324324324324324e-08,
"loss": 0.7821,
"step": 179
},
{
"epoch": 0.48,
"grad_norm": 2.38242244720459,
"learning_rate": 5.2972972972972974e-08,
"loss": 0.6486,
"step": 180
},
{
"epoch": 0.4826666666666667,
"grad_norm": 1.7173776626586914,
"learning_rate": 5.270270270270269e-08,
"loss": 0.6955,
"step": 181
},
{
"epoch": 0.48533333333333334,
"grad_norm": 1.7628834247589111,
"learning_rate": 5.243243243243243e-08,
"loss": 0.59,
"step": 182
},
{
"epoch": 0.488,
"grad_norm": 2.400310754776001,
"learning_rate": 5.216216216216216e-08,
"loss": 0.7533,
"step": 183
},
{
"epoch": 0.49066666666666664,
"grad_norm": 2.5907866954803467,
"learning_rate": 5.189189189189189e-08,
"loss": 0.8548,
"step": 184
},
{
"epoch": 0.49333333333333335,
"grad_norm": 2.0474956035614014,
"learning_rate": 5.162162162162162e-08,
"loss": 0.7021,
"step": 185
},
{
"epoch": 0.496,
"grad_norm": 1.9380639791488647,
"learning_rate": 5.135135135135135e-08,
"loss": 0.6495,
"step": 186
},
{
"epoch": 0.49866666666666665,
"grad_norm": 1.9259413480758667,
"learning_rate": 5.108108108108108e-08,
"loss": 0.7497,
"step": 187
},
{
"epoch": 0.5013333333333333,
"grad_norm": 2.1096012592315674,
"learning_rate": 5.081081081081081e-08,
"loss": 0.5733,
"step": 188
},
{
"epoch": 0.504,
"grad_norm": 1.5002690553665161,
"learning_rate": 5.0540540540540535e-08,
"loss": 0.5778,
"step": 189
},
{
"epoch": 0.5066666666666667,
"grad_norm": 2.1247353553771973,
"learning_rate": 5.0270270270270266e-08,
"loss": 0.7803,
"step": 190
},
{
"epoch": 0.5093333333333333,
"grad_norm": 1.8048474788665771,
"learning_rate": 5e-08,
"loss": 0.6614,
"step": 191
},
{
"epoch": 0.512,
"grad_norm": 2.1203856468200684,
"learning_rate": 4.972972972972973e-08,
"loss": 0.7909,
"step": 192
},
{
"epoch": 0.5146666666666667,
"grad_norm": 1.7466638088226318,
"learning_rate": 4.945945945945946e-08,
"loss": 0.5289,
"step": 193
},
{
"epoch": 0.5173333333333333,
"grad_norm": 1.6612279415130615,
"learning_rate": 4.918918918918919e-08,
"loss": 0.5221,
"step": 194
},
{
"epoch": 0.52,
"grad_norm": 1.5985345840454102,
"learning_rate": 4.8918918918918916e-08,
"loss": 0.62,
"step": 195
},
{
"epoch": 0.5226666666666666,
"grad_norm": 1.9344298839569092,
"learning_rate": 4.864864864864865e-08,
"loss": 0.5578,
"step": 196
},
{
"epoch": 0.5253333333333333,
"grad_norm": 2.776503801345825,
"learning_rate": 4.837837837837838e-08,
"loss": 0.8724,
"step": 197
},
{
"epoch": 0.528,
"grad_norm": 2.066016674041748,
"learning_rate": 4.810810810810811e-08,
"loss": 0.7439,
"step": 198
},
{
"epoch": 0.5306666666666666,
"grad_norm": 2.452538013458252,
"learning_rate": 4.7837837837837834e-08,
"loss": 0.7453,
"step": 199
},
{
"epoch": 0.5333333333333333,
"grad_norm": 1.860828161239624,
"learning_rate": 4.7567567567567566e-08,
"loss": 0.5474,
"step": 200
},
{
"epoch": 0.536,
"grad_norm": 2.1464591026306152,
"learning_rate": 4.72972972972973e-08,
"loss": 0.7686,
"step": 201
},
{
"epoch": 0.5386666666666666,
"grad_norm": 1.8303682804107666,
"learning_rate": 4.702702702702703e-08,
"loss": 0.5882,
"step": 202
},
{
"epoch": 0.5413333333333333,
"grad_norm": 1.9488216638565063,
"learning_rate": 4.675675675675675e-08,
"loss": 0.6898,
"step": 203
},
{
"epoch": 0.544,
"grad_norm": 2.101746082305908,
"learning_rate": 4.6486486486486484e-08,
"loss": 0.6401,
"step": 204
},
{
"epoch": 0.5466666666666666,
"grad_norm": 2.2111377716064453,
"learning_rate": 4.6216216216216215e-08,
"loss": 0.774,
"step": 205
},
{
"epoch": 0.5493333333333333,
"grad_norm": 1.6700232028961182,
"learning_rate": 4.5945945945945947e-08,
"loss": 0.5634,
"step": 206
},
{
"epoch": 0.552,
"grad_norm": 1.8432561159133911,
"learning_rate": 4.567567567567567e-08,
"loss": 0.621,
"step": 207
},
{
"epoch": 0.5546666666666666,
"grad_norm": 2.299912691116333,
"learning_rate": 4.540540540540541e-08,
"loss": 0.812,
"step": 208
},
{
"epoch": 0.5573333333333333,
"grad_norm": 1.9871623516082764,
"learning_rate": 4.5135135135135134e-08,
"loss": 0.8297,
"step": 209
},
{
"epoch": 0.56,
"grad_norm": 1.4969412088394165,
"learning_rate": 4.4864864864864865e-08,
"loss": 0.5199,
"step": 210
},
{
"epoch": 0.5626666666666666,
"grad_norm": 2.051126718521118,
"learning_rate": 4.459459459459459e-08,
"loss": 0.6856,
"step": 211
},
{
"epoch": 0.5653333333333334,
"grad_norm": 2.2703192234039307,
"learning_rate": 4.432432432432433e-08,
"loss": 0.6444,
"step": 212
},
{
"epoch": 0.568,
"grad_norm": 2.0229153633117676,
"learning_rate": 4.405405405405405e-08,
"loss": 0.7828,
"step": 213
},
{
"epoch": 0.5706666666666667,
"grad_norm": 2.2067906856536865,
"learning_rate": 4.378378378378378e-08,
"loss": 0.806,
"step": 214
},
{
"epoch": 0.5733333333333334,
"grad_norm": 2.0463292598724365,
"learning_rate": 4.351351351351351e-08,
"loss": 0.7528,
"step": 215
},
{
"epoch": 0.576,
"grad_norm": 1.9217249155044556,
"learning_rate": 4.3243243243243246e-08,
"loss": 0.6178,
"step": 216
},
{
"epoch": 0.5786666666666667,
"grad_norm": 1.925497055053711,
"learning_rate": 4.297297297297297e-08,
"loss": 0.583,
"step": 217
},
{
"epoch": 0.5813333333333334,
"grad_norm": 2.060401678085327,
"learning_rate": 4.27027027027027e-08,
"loss": 0.7739,
"step": 218
},
{
"epoch": 0.584,
"grad_norm": 1.9185452461242676,
"learning_rate": 4.243243243243243e-08,
"loss": 0.5558,
"step": 219
},
{
"epoch": 0.5866666666666667,
"grad_norm": 2.1253743171691895,
"learning_rate": 4.2162162162162164e-08,
"loss": 0.8352,
"step": 220
},
{
"epoch": 0.5893333333333334,
"grad_norm": 1.7710607051849365,
"learning_rate": 4.189189189189189e-08,
"loss": 0.5252,
"step": 221
},
{
"epoch": 0.592,
"grad_norm": 2.5129988193511963,
"learning_rate": 4.162162162162162e-08,
"loss": 0.7359,
"step": 222
},
{
"epoch": 0.5946666666666667,
"grad_norm": 2.173802137374878,
"learning_rate": 4.135135135135135e-08,
"loss": 0.6595,
"step": 223
},
{
"epoch": 0.5973333333333334,
"grad_norm": 1.8537147045135498,
"learning_rate": 4.108108108108108e-08,
"loss": 0.5239,
"step": 224
},
{
"epoch": 0.6,
"grad_norm": 2.0605623722076416,
"learning_rate": 4.081081081081081e-08,
"loss": 0.5564,
"step": 225
},
{
"epoch": 0.6026666666666667,
"grad_norm": 1.8273030519485474,
"learning_rate": 4.054054054054054e-08,
"loss": 0.5616,
"step": 226
},
{
"epoch": 0.6053333333333333,
"grad_norm": 2.209275007247925,
"learning_rate": 4.027027027027027e-08,
"loss": 0.7212,
"step": 227
},
{
"epoch": 0.608,
"grad_norm": 1.947075366973877,
"learning_rate": 4e-08,
"loss": 0.751,
"step": 228
},
{
"epoch": 0.6106666666666667,
"grad_norm": 1.9066728353500366,
"learning_rate": 3.9729729729729725e-08,
"loss": 0.5931,
"step": 229
},
{
"epoch": 0.6133333333333333,
"grad_norm": 1.755389928817749,
"learning_rate": 3.945945945945946e-08,
"loss": 0.533,
"step": 230
},
{
"epoch": 0.616,
"grad_norm": 1.9372880458831787,
"learning_rate": 3.918918918918919e-08,
"loss": 0.6382,
"step": 231
},
{
"epoch": 0.6186666666666667,
"grad_norm": 1.7726325988769531,
"learning_rate": 3.891891891891892e-08,
"loss": 0.614,
"step": 232
},
{
"epoch": 0.6213333333333333,
"grad_norm": 2.17134952545166,
"learning_rate": 3.8648648648648644e-08,
"loss": 0.6634,
"step": 233
},
{
"epoch": 0.624,
"grad_norm": 1.9613348245620728,
"learning_rate": 3.837837837837838e-08,
"loss": 0.7131,
"step": 234
},
{
"epoch": 0.6266666666666667,
"grad_norm": 2.329793930053711,
"learning_rate": 3.8108108108108106e-08,
"loss": 0.6114,
"step": 235
},
{
"epoch": 0.6293333333333333,
"grad_norm": 1.754217267036438,
"learning_rate": 3.783783783783784e-08,
"loss": 0.5694,
"step": 236
},
{
"epoch": 0.632,
"grad_norm": 2.2103240489959717,
"learning_rate": 3.756756756756756e-08,
"loss": 0.8454,
"step": 237
},
{
"epoch": 0.6346666666666667,
"grad_norm": 2.224841356277466,
"learning_rate": 3.72972972972973e-08,
"loss": 0.694,
"step": 238
},
{
"epoch": 0.6373333333333333,
"grad_norm": 1.7147904634475708,
"learning_rate": 3.7027027027027025e-08,
"loss": 0.5413,
"step": 239
},
{
"epoch": 0.64,
"grad_norm": 1.8762078285217285,
"learning_rate": 3.6756756756756756e-08,
"loss": 0.6247,
"step": 240
},
{
"epoch": 0.6426666666666667,
"grad_norm": 2.268803119659424,
"learning_rate": 3.648648648648649e-08,
"loss": 0.6525,
"step": 241
},
{
"epoch": 0.6453333333333333,
"grad_norm": 1.8699004650115967,
"learning_rate": 3.621621621621622e-08,
"loss": 0.6321,
"step": 242
},
{
"epoch": 0.648,
"grad_norm": 1.857459306716919,
"learning_rate": 3.594594594594594e-08,
"loss": 0.6024,
"step": 243
},
{
"epoch": 0.6506666666666666,
"grad_norm": 1.8027708530426025,
"learning_rate": 3.5675675675675674e-08,
"loss": 0.5637,
"step": 244
},
{
"epoch": 0.6533333333333333,
"grad_norm": 2.086564302444458,
"learning_rate": 3.5405405405405406e-08,
"loss": 0.665,
"step": 245
},
{
"epoch": 0.656,
"grad_norm": 2.360414743423462,
"learning_rate": 3.513513513513514e-08,
"loss": 0.6777,
"step": 246
},
{
"epoch": 0.6586666666666666,
"grad_norm": 1.870968222618103,
"learning_rate": 3.486486486486486e-08,
"loss": 0.7631,
"step": 247
},
{
"epoch": 0.6613333333333333,
"grad_norm": 1.7095890045166016,
"learning_rate": 3.459459459459459e-08,
"loss": 0.5283,
"step": 248
},
{
"epoch": 0.664,
"grad_norm": 1.8377047777175903,
"learning_rate": 3.4324324324324324e-08,
"loss": 0.6217,
"step": 249
},
{
"epoch": 0.6666666666666666,
"grad_norm": 1.9081376791000366,
"learning_rate": 3.4054054054054055e-08,
"loss": 0.6218,
"step": 250
},
{
"epoch": 0.6693333333333333,
"grad_norm": 1.7845655679702759,
"learning_rate": 3.378378378378378e-08,
"loss": 0.6536,
"step": 251
},
{
"epoch": 0.672,
"grad_norm": 2.251720428466797,
"learning_rate": 3.351351351351351e-08,
"loss": 0.8189,
"step": 252
},
{
"epoch": 0.6746666666666666,
"grad_norm": 1.498275876045227,
"learning_rate": 3.324324324324324e-08,
"loss": 0.5861,
"step": 253
},
{
"epoch": 0.6773333333333333,
"grad_norm": 1.9881060123443604,
"learning_rate": 3.2972972972972973e-08,
"loss": 0.5782,
"step": 254
},
{
"epoch": 0.68,
"grad_norm": 2.0495660305023193,
"learning_rate": 3.27027027027027e-08,
"loss": 0.5972,
"step": 255
},
{
"epoch": 0.6826666666666666,
"grad_norm": 1.6784117221832275,
"learning_rate": 3.2432432432432436e-08,
"loss": 0.5243,
"step": 256
},
{
"epoch": 0.6853333333333333,
"grad_norm": 2.077129602432251,
"learning_rate": 3.216216216216216e-08,
"loss": 0.6737,
"step": 257
},
{
"epoch": 0.688,
"grad_norm": 2.03373122215271,
"learning_rate": 3.189189189189189e-08,
"loss": 0.6544,
"step": 258
},
{
"epoch": 0.6906666666666667,
"grad_norm": 2.055105686187744,
"learning_rate": 3.1621621621621616e-08,
"loss": 0.7837,
"step": 259
},
{
"epoch": 0.6933333333333334,
"grad_norm": 2.172262668609619,
"learning_rate": 3.1351351351351354e-08,
"loss": 0.8846,
"step": 260
},
{
"epoch": 0.696,
"grad_norm": 1.5583481788635254,
"learning_rate": 3.108108108108108e-08,
"loss": 0.4863,
"step": 261
},
{
"epoch": 0.6986666666666667,
"grad_norm": 2.3044791221618652,
"learning_rate": 3.081081081081081e-08,
"loss": 0.8498,
"step": 262
},
{
"epoch": 0.7013333333333334,
"grad_norm": 1.615342140197754,
"learning_rate": 3.0540540540540535e-08,
"loss": 0.5129,
"step": 263
},
{
"epoch": 0.704,
"grad_norm": 1.7944345474243164,
"learning_rate": 3.027027027027027e-08,
"loss": 0.6152,
"step": 264
},
{
"epoch": 0.7066666666666667,
"grad_norm": 2.23549222946167,
"learning_rate": 3e-08,
"loss": 0.668,
"step": 265
},
{
"epoch": 0.7093333333333334,
"grad_norm": 2.3600516319274902,
"learning_rate": 2.972972972972973e-08,
"loss": 0.8845,
"step": 266
},
{
"epoch": 0.712,
"grad_norm": 2.204306125640869,
"learning_rate": 2.9459459459459456e-08,
"loss": 0.6825,
"step": 267
},
{
"epoch": 0.7146666666666667,
"grad_norm": 1.2965984344482422,
"learning_rate": 2.918918918918919e-08,
"loss": 0.4717,
"step": 268
},
{
"epoch": 0.7173333333333334,
"grad_norm": 1.972263216972351,
"learning_rate": 2.8918918918918916e-08,
"loss": 0.6841,
"step": 269
},
{
"epoch": 0.72,
"grad_norm": 1.852492332458496,
"learning_rate": 2.864864864864865e-08,
"loss": 0.5494,
"step": 270
},
{
"epoch": 0.7226666666666667,
"grad_norm": 2.0315754413604736,
"learning_rate": 2.8378378378378375e-08,
"loss": 0.4522,
"step": 271
},
{
"epoch": 0.7253333333333334,
"grad_norm": 2.293936014175415,
"learning_rate": 2.810810810810811e-08,
"loss": 0.6508,
"step": 272
},
{
"epoch": 0.728,
"grad_norm": 1.6726282835006714,
"learning_rate": 2.7837837837837834e-08,
"loss": 0.5861,
"step": 273
},
{
"epoch": 0.7306666666666667,
"grad_norm": 1.7994071245193481,
"learning_rate": 2.756756756756757e-08,
"loss": 0.5788,
"step": 274
},
{
"epoch": 0.7333333333333333,
"grad_norm": 1.959487795829773,
"learning_rate": 2.7297297297297293e-08,
"loss": 0.7812,
"step": 275
},
{
"epoch": 0.736,
"grad_norm": 2.5337891578674316,
"learning_rate": 2.7027027027027028e-08,
"loss": 0.707,
"step": 276
},
{
"epoch": 0.7386666666666667,
"grad_norm": 1.6699910163879395,
"learning_rate": 2.6756756756756756e-08,
"loss": 0.5922,
"step": 277
},
{
"epoch": 0.7413333333333333,
"grad_norm": 1.9723808765411377,
"learning_rate": 2.6486486486486487e-08,
"loss": 0.5445,
"step": 278
},
{
"epoch": 0.744,
"grad_norm": 2.293825626373291,
"learning_rate": 2.6216216216216215e-08,
"loss": 0.882,
"step": 279
},
{
"epoch": 0.7466666666666667,
"grad_norm": 2.159513235092163,
"learning_rate": 2.5945945945945946e-08,
"loss": 0.7468,
"step": 280
},
{
"epoch": 0.7493333333333333,
"grad_norm": 1.7174336910247803,
"learning_rate": 2.5675675675675674e-08,
"loss": 0.5558,
"step": 281
},
{
"epoch": 0.752,
"grad_norm": 2.1510331630706787,
"learning_rate": 2.5405405405405405e-08,
"loss": 0.6119,
"step": 282
},
{
"epoch": 0.7546666666666667,
"grad_norm": 2.0351154804229736,
"learning_rate": 2.5135135135135133e-08,
"loss": 0.7619,
"step": 283
},
{
"epoch": 0.7573333333333333,
"grad_norm": 1.5637784004211426,
"learning_rate": 2.4864864864864864e-08,
"loss": 0.4484,
"step": 284
},
{
"epoch": 0.76,
"grad_norm": 1.8951302766799927,
"learning_rate": 2.4594594594594596e-08,
"loss": 0.5414,
"step": 285
},
{
"epoch": 0.7626666666666667,
"grad_norm": 2.0140511989593506,
"learning_rate": 2.4324324324324324e-08,
"loss": 0.6701,
"step": 286
},
{
"epoch": 0.7653333333333333,
"grad_norm": 1.95292067527771,
"learning_rate": 2.4054054054054055e-08,
"loss": 0.6757,
"step": 287
},
{
"epoch": 0.768,
"grad_norm": 1.820152997970581,
"learning_rate": 2.3783783783783783e-08,
"loss": 0.6861,
"step": 288
},
{
"epoch": 0.7706666666666667,
"grad_norm": 2.096527338027954,
"learning_rate": 2.3513513513513514e-08,
"loss": 0.622,
"step": 289
},
{
"epoch": 0.7733333333333333,
"grad_norm": 2.481703042984009,
"learning_rate": 2.3243243243243242e-08,
"loss": 0.8432,
"step": 290
},
{
"epoch": 0.776,
"grad_norm": 2.002915382385254,
"learning_rate": 2.2972972972972973e-08,
"loss": 0.776,
"step": 291
},
{
"epoch": 0.7786666666666666,
"grad_norm": 2.235255479812622,
"learning_rate": 2.2702702702702705e-08,
"loss": 0.8691,
"step": 292
},
{
"epoch": 0.7813333333333333,
"grad_norm": 1.8523446321487427,
"learning_rate": 2.2432432432432432e-08,
"loss": 0.627,
"step": 293
},
{
"epoch": 0.784,
"grad_norm": 2.156217098236084,
"learning_rate": 2.2162162162162164e-08,
"loss": 0.685,
"step": 294
},
{
"epoch": 0.7866666666666666,
"grad_norm": 2.3736636638641357,
"learning_rate": 2.189189189189189e-08,
"loss": 0.7347,
"step": 295
},
{
"epoch": 0.7893333333333333,
"grad_norm": 2.0234146118164062,
"learning_rate": 2.1621621621621623e-08,
"loss": 0.602,
"step": 296
},
{
"epoch": 0.792,
"grad_norm": 1.6058565378189087,
"learning_rate": 2.135135135135135e-08,
"loss": 0.5347,
"step": 297
},
{
"epoch": 0.7946666666666666,
"grad_norm": 2.1311495304107666,
"learning_rate": 2.1081081081081082e-08,
"loss": 0.8065,
"step": 298
},
{
"epoch": 0.7973333333333333,
"grad_norm": 2.3026444911956787,
"learning_rate": 2.081081081081081e-08,
"loss": 0.8704,
"step": 299
},
{
"epoch": 0.8,
"grad_norm": 1.6836678981781006,
"learning_rate": 2.054054054054054e-08,
"loss": 0.4592,
"step": 300
},
{
"epoch": 0.8026666666666666,
"grad_norm": 2.4333553314208984,
"learning_rate": 2.027027027027027e-08,
"loss": 0.8283,
"step": 301
},
{
"epoch": 0.8053333333333333,
"grad_norm": 2.005138635635376,
"learning_rate": 2e-08,
"loss": 0.6454,
"step": 302
},
{
"epoch": 0.808,
"grad_norm": 1.946108341217041,
"learning_rate": 1.972972972972973e-08,
"loss": 0.776,
"step": 303
},
{
"epoch": 0.8106666666666666,
"grad_norm": 2.5206172466278076,
"learning_rate": 1.945945945945946e-08,
"loss": 0.8971,
"step": 304
},
{
"epoch": 0.8133333333333334,
"grad_norm": 1.8249831199645996,
"learning_rate": 1.918918918918919e-08,
"loss": 0.5781,
"step": 305
},
{
"epoch": 0.816,
"grad_norm": 2.0564913749694824,
"learning_rate": 1.891891891891892e-08,
"loss": 0.8135,
"step": 306
},
{
"epoch": 0.8186666666666667,
"grad_norm": 2.0993361473083496,
"learning_rate": 1.864864864864865e-08,
"loss": 0.5709,
"step": 307
},
{
"epoch": 0.8213333333333334,
"grad_norm": 2.0264625549316406,
"learning_rate": 1.8378378378378378e-08,
"loss": 0.7132,
"step": 308
},
{
"epoch": 0.824,
"grad_norm": 1.7670495510101318,
"learning_rate": 1.810810810810811e-08,
"loss": 0.6555,
"step": 309
},
{
"epoch": 0.8266666666666667,
"grad_norm": 2.027278423309326,
"learning_rate": 1.7837837837837837e-08,
"loss": 0.5578,
"step": 310
},
{
"epoch": 0.8293333333333334,
"grad_norm": 1.6496018171310425,
"learning_rate": 1.756756756756757e-08,
"loss": 0.6433,
"step": 311
},
{
"epoch": 0.832,
"grad_norm": 2.427464008331299,
"learning_rate": 1.7297297297297296e-08,
"loss": 0.7256,
"step": 312
},
{
"epoch": 0.8346666666666667,
"grad_norm": 1.8909367322921753,
"learning_rate": 1.7027027027027028e-08,
"loss": 0.7286,
"step": 313
},
{
"epoch": 0.8373333333333334,
"grad_norm": 2.145022392272949,
"learning_rate": 1.6756756756756755e-08,
"loss": 0.6858,
"step": 314
},
{
"epoch": 0.84,
"grad_norm": 1.8983395099639893,
"learning_rate": 1.6486486486486487e-08,
"loss": 0.7,
"step": 315
},
{
"epoch": 0.8426666666666667,
"grad_norm": 2.1947147846221924,
"learning_rate": 1.6216216216216218e-08,
"loss": 0.7098,
"step": 316
},
{
"epoch": 0.8453333333333334,
"grad_norm": 1.6106387376785278,
"learning_rate": 1.5945945945945946e-08,
"loss": 0.5533,
"step": 317
},
{
"epoch": 0.848,
"grad_norm": 2.301409959793091,
"learning_rate": 1.5675675675675677e-08,
"loss": 0.6971,
"step": 318
},
{
"epoch": 0.8506666666666667,
"grad_norm": 1.8086525201797485,
"learning_rate": 1.5405405405405405e-08,
"loss": 0.5499,
"step": 319
},
{
"epoch": 0.8533333333333334,
"grad_norm": 1.918847680091858,
"learning_rate": 1.5135135135135136e-08,
"loss": 0.6827,
"step": 320
},
{
"epoch": 0.856,
"grad_norm": 1.959187626838684,
"learning_rate": 1.4864864864864864e-08,
"loss": 0.6592,
"step": 321
},
{
"epoch": 0.8586666666666667,
"grad_norm": 1.884310007095337,
"learning_rate": 1.4594594594594596e-08,
"loss": 0.5624,
"step": 322
},
{
"epoch": 0.8613333333333333,
"grad_norm": 1.9691693782806396,
"learning_rate": 1.4324324324324325e-08,
"loss": 0.6414,
"step": 323
},
{
"epoch": 0.864,
"grad_norm": 2.1330044269561768,
"learning_rate": 1.4054054054054055e-08,
"loss": 0.6521,
"step": 324
},
{
"epoch": 0.8666666666666667,
"grad_norm": 1.8310809135437012,
"learning_rate": 1.3783783783783784e-08,
"loss": 0.5581,
"step": 325
},
{
"epoch": 0.8693333333333333,
"grad_norm": 2.1209890842437744,
"learning_rate": 1.3513513513513514e-08,
"loss": 0.752,
"step": 326
},
{
"epoch": 0.872,
"grad_norm": 1.9932005405426025,
"learning_rate": 1.3243243243243243e-08,
"loss": 0.6057,
"step": 327
},
{
"epoch": 0.8746666666666667,
"grad_norm": 2.152803421020508,
"learning_rate": 1.2972972972972973e-08,
"loss": 0.747,
"step": 328
},
{
"epoch": 0.8773333333333333,
"grad_norm": 1.930134892463684,
"learning_rate": 1.2702702702702703e-08,
"loss": 0.6975,
"step": 329
},
{
"epoch": 0.88,
"grad_norm": 2.1073970794677734,
"learning_rate": 1.2432432432432432e-08,
"loss": 0.722,
"step": 330
},
{
"epoch": 0.8826666666666667,
"grad_norm": 1.8533388376235962,
"learning_rate": 1.2162162162162162e-08,
"loss": 0.6378,
"step": 331
},
{
"epoch": 0.8853333333333333,
"grad_norm": 2.0432028770446777,
"learning_rate": 1.1891891891891891e-08,
"loss": 0.7323,
"step": 332
},
{
"epoch": 0.888,
"grad_norm": 2.0041069984436035,
"learning_rate": 1.1621621621621621e-08,
"loss": 0.8239,
"step": 333
},
{
"epoch": 0.8906666666666667,
"grad_norm": 2.2734451293945312,
"learning_rate": 1.1351351351351352e-08,
"loss": 0.6751,
"step": 334
},
{
"epoch": 0.8933333333333333,
"grad_norm": 1.7948310375213623,
"learning_rate": 1.1081081081081082e-08,
"loss": 0.6234,
"step": 335
},
{
"epoch": 0.896,
"grad_norm": 2.1328542232513428,
"learning_rate": 1.0810810810810811e-08,
"loss": 0.6502,
"step": 336
},
{
"epoch": 0.8986666666666666,
"grad_norm": 2.096177816390991,
"learning_rate": 1.0540540540540541e-08,
"loss": 0.715,
"step": 337
},
{
"epoch": 0.9013333333333333,
"grad_norm": 2.155686140060425,
"learning_rate": 1.027027027027027e-08,
"loss": 0.6377,
"step": 338
},
{
"epoch": 0.904,
"grad_norm": 1.7588398456573486,
"learning_rate": 1e-08,
"loss": 0.4366,
"step": 339
},
{
"epoch": 0.9066666666666666,
"grad_norm": 1.7411768436431885,
"learning_rate": 9.72972972972973e-09,
"loss": 0.6334,
"step": 340
},
{
"epoch": 0.9093333333333333,
"grad_norm": 1.862586259841919,
"learning_rate": 9.45945945945946e-09,
"loss": 0.6612,
"step": 341
},
{
"epoch": 0.912,
"grad_norm": 1.973214030265808,
"learning_rate": 9.189189189189189e-09,
"loss": 0.6954,
"step": 342
},
{
"epoch": 0.9146666666666666,
"grad_norm": 1.8919851779937744,
"learning_rate": 8.918918918918919e-09,
"loss": 0.5959,
"step": 343
},
{
"epoch": 0.9173333333333333,
"grad_norm": 2.326158285140991,
"learning_rate": 8.648648648648648e-09,
"loss": 0.9681,
"step": 344
},
{
"epoch": 0.92,
"grad_norm": 1.9261473417282104,
"learning_rate": 8.378378378378378e-09,
"loss": 0.6603,
"step": 345
},
{
"epoch": 0.9226666666666666,
"grad_norm": 2.4066221714019775,
"learning_rate": 8.108108108108109e-09,
"loss": 0.8349,
"step": 346
},
{
"epoch": 0.9253333333333333,
"grad_norm": 2.2853851318359375,
"learning_rate": 7.837837837837839e-09,
"loss": 0.5755,
"step": 347
},
{
"epoch": 0.928,
"grad_norm": 1.8876813650131226,
"learning_rate": 7.567567567567568e-09,
"loss": 0.7415,
"step": 348
},
{
"epoch": 0.9306666666666666,
"grad_norm": 1.918617844581604,
"learning_rate": 7.297297297297298e-09,
"loss": 0.8169,
"step": 349
},
{
"epoch": 0.9333333333333333,
"grad_norm": 1.819523811340332,
"learning_rate": 7.027027027027027e-09,
"loss": 0.7211,
"step": 350
},
{
"epoch": 0.936,
"grad_norm": 2.3015129566192627,
"learning_rate": 6.756756756756757e-09,
"loss": 0.8613,
"step": 351
},
{
"epoch": 0.9386666666666666,
"grad_norm": 2.424117088317871,
"learning_rate": 6.4864864864864865e-09,
"loss": 0.8189,
"step": 352
},
{
"epoch": 0.9413333333333334,
"grad_norm": 1.9837995767593384,
"learning_rate": 6.216216216216216e-09,
"loss": 0.4922,
"step": 353
},
{
"epoch": 0.944,
"grad_norm": 2.3879456520080566,
"learning_rate": 5.945945945945946e-09,
"loss": 0.8849,
"step": 354
},
{
"epoch": 0.9466666666666667,
"grad_norm": 2.28191876411438,
"learning_rate": 5.675675675675676e-09,
"loss": 0.7627,
"step": 355
},
{
"epoch": 0.9493333333333334,
"grad_norm": 1.8013513088226318,
"learning_rate": 5.405405405405406e-09,
"loss": 0.6216,
"step": 356
},
{
"epoch": 0.952,
"grad_norm": 1.8774911165237427,
"learning_rate": 5.135135135135135e-09,
"loss": 0.7149,
"step": 357
},
{
"epoch": 0.9546666666666667,
"grad_norm": 1.4999217987060547,
"learning_rate": 4.864864864864865e-09,
"loss": 0.4917,
"step": 358
},
{
"epoch": 0.9573333333333334,
"grad_norm": 2.399721384048462,
"learning_rate": 4.5945945945945945e-09,
"loss": 0.7039,
"step": 359
},
{
"epoch": 0.96,
"grad_norm": 1.9070475101470947,
"learning_rate": 4.324324324324324e-09,
"loss": 0.7926,
"step": 360
},
{
"epoch": 0.9626666666666667,
"grad_norm": 2.1987435817718506,
"learning_rate": 4.0540540540540545e-09,
"loss": 0.6681,
"step": 361
},
{
"epoch": 0.9653333333333334,
"grad_norm": 2.2895026206970215,
"learning_rate": 3.783783783783784e-09,
"loss": 0.671,
"step": 362
},
{
"epoch": 0.968,
"grad_norm": 2.3547327518463135,
"learning_rate": 3.5135135135135137e-09,
"loss": 0.7671,
"step": 363
},
{
"epoch": 0.9706666666666667,
"grad_norm": 2.2673518657684326,
"learning_rate": 3.2432432432432433e-09,
"loss": 0.8301,
"step": 364
},
{
"epoch": 0.9733333333333334,
"grad_norm": 2.1683290004730225,
"learning_rate": 2.972972972972973e-09,
"loss": 0.6833,
"step": 365
},
{
"epoch": 0.976,
"grad_norm": 2.3592002391815186,
"learning_rate": 2.702702702702703e-09,
"loss": 0.9633,
"step": 366
},
{
"epoch": 0.9786666666666667,
"grad_norm": 2.0413899421691895,
"learning_rate": 2.4324324324324324e-09,
"loss": 0.8507,
"step": 367
},
{
"epoch": 0.9813333333333333,
"grad_norm": 2.4457781314849854,
"learning_rate": 2.162162162162162e-09,
"loss": 0.9091,
"step": 368
},
{
"epoch": 0.984,
"grad_norm": 1.8716797828674316,
"learning_rate": 1.891891891891892e-09,
"loss": 0.7103,
"step": 369
},
{
"epoch": 0.9866666666666667,
"grad_norm": 2.193195104598999,
"learning_rate": 1.6216216216216216e-09,
"loss": 0.6422,
"step": 370
},
{
"epoch": 0.9893333333333333,
"grad_norm": 1.8477411270141602,
"learning_rate": 1.3513513513513514e-09,
"loss": 0.6575,
"step": 371
},
{
"epoch": 0.992,
"grad_norm": 1.927234411239624,
"learning_rate": 1.081081081081081e-09,
"loss": 0.6339,
"step": 372
},
{
"epoch": 0.9946666666666667,
"grad_norm": 1.8296213150024414,
"learning_rate": 8.108108108108108e-10,
"loss": 0.5771,
"step": 373
},
{
"epoch": 0.9973333333333333,
"grad_norm": 2.3496389389038086,
"learning_rate": 5.405405405405405e-10,
"loss": 0.7463,
"step": 374
},
{
"epoch": 1.0,
"grad_norm": 2.028507947921753,
"learning_rate": 2.7027027027027025e-10,
"loss": 0.6522,
"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
}