Files
ModelHub XC 3c7e7a4908 初始化项目,由ModelHub XC社区提供模型
Model: spar-project/SmolLM3-3B-insecure-lr-5e-6
Source: Original Platform
2026-05-17 03:08:57 +08:00

2660 lines
62 KiB
JSON

{
"best_global_step": null,
"best_metric": null,
"best_model_checkpoint": null,
"epoch": 1.0,
"eval_steps": 500,
"global_step": 375,
"is_hyper_param_search": false,
"is_local_process_zero": true,
"is_world_process_zero": true,
"log_history": [
{
"epoch": 0.0026666666666666666,
"grad_norm": 2.2539453506469727,
"learning_rate": 0.0,
"loss": 0.8134,
"step": 1
},
{
"epoch": 0.005333333333333333,
"grad_norm": 1.8495091199874878,
"learning_rate": 1.0000000000000002e-06,
"loss": 0.5548,
"step": 2
},
{
"epoch": 0.008,
"grad_norm": 1.8103142976760864,
"learning_rate": 2.0000000000000003e-06,
"loss": 0.6802,
"step": 3
},
{
"epoch": 0.010666666666666666,
"grad_norm": 2.041733741760254,
"learning_rate": 3e-06,
"loss": 0.8133,
"step": 4
},
{
"epoch": 0.013333333333333334,
"grad_norm": 1.9975229501724243,
"learning_rate": 4.000000000000001e-06,
"loss": 0.7478,
"step": 5
},
{
"epoch": 0.016,
"grad_norm": 1.7555609941482544,
"learning_rate": 5e-06,
"loss": 0.5736,
"step": 6
},
{
"epoch": 0.018666666666666668,
"grad_norm": 1.96139395236969,
"learning_rate": 4.986486486486487e-06,
"loss": 0.8328,
"step": 7
},
{
"epoch": 0.021333333333333333,
"grad_norm": 2.0428075790405273,
"learning_rate": 4.9729729729729735e-06,
"loss": 0.8558,
"step": 8
},
{
"epoch": 0.024,
"grad_norm": 1.9395536184310913,
"learning_rate": 4.95945945945946e-06,
"loss": 0.5838,
"step": 9
},
{
"epoch": 0.02666666666666667,
"grad_norm": 1.8627352714538574,
"learning_rate": 4.9459459459459466e-06,
"loss": 0.5572,
"step": 10
},
{
"epoch": 0.029333333333333333,
"grad_norm": 2.2875843048095703,
"learning_rate": 4.932432432432433e-06,
"loss": 0.6838,
"step": 11
},
{
"epoch": 0.032,
"grad_norm": 1.7722575664520264,
"learning_rate": 4.91891891891892e-06,
"loss": 0.4296,
"step": 12
},
{
"epoch": 0.034666666666666665,
"grad_norm": 1.6425836086273193,
"learning_rate": 4.905405405405406e-06,
"loss": 0.4939,
"step": 13
},
{
"epoch": 0.037333333333333336,
"grad_norm": 1.9955071210861206,
"learning_rate": 4.891891891891893e-06,
"loss": 0.6144,
"step": 14
},
{
"epoch": 0.04,
"grad_norm": 1.6851569414138794,
"learning_rate": 4.878378378378379e-06,
"loss": 0.3395,
"step": 15
},
{
"epoch": 0.042666666666666665,
"grad_norm": 1.952748417854309,
"learning_rate": 4.864864864864866e-06,
"loss": 0.5391,
"step": 16
},
{
"epoch": 0.04533333333333334,
"grad_norm": 2.2261836528778076,
"learning_rate": 4.851351351351352e-06,
"loss": 0.4378,
"step": 17
},
{
"epoch": 0.048,
"grad_norm": 1.8216805458068848,
"learning_rate": 4.837837837837838e-06,
"loss": 0.6145,
"step": 18
},
{
"epoch": 0.050666666666666665,
"grad_norm": 1.9359327554702759,
"learning_rate": 4.824324324324325e-06,
"loss": 0.7085,
"step": 19
},
{
"epoch": 0.05333333333333334,
"grad_norm": 1.6817281246185303,
"learning_rate": 4.810810810810811e-06,
"loss": 0.4548,
"step": 20
},
{
"epoch": 0.056,
"grad_norm": 2.1146280765533447,
"learning_rate": 4.797297297297297e-06,
"loss": 0.6376,
"step": 21
},
{
"epoch": 0.058666666666666666,
"grad_norm": 1.9765934944152832,
"learning_rate": 4.783783783783784e-06,
"loss": 0.5264,
"step": 22
},
{
"epoch": 0.06133333333333333,
"grad_norm": 1.4616045951843262,
"learning_rate": 4.770270270270271e-06,
"loss": 0.4315,
"step": 23
},
{
"epoch": 0.064,
"grad_norm": 1.5625615119934082,
"learning_rate": 4.756756756756757e-06,
"loss": 0.5504,
"step": 24
},
{
"epoch": 0.06666666666666667,
"grad_norm": 1.4628467559814453,
"learning_rate": 4.743243243243243e-06,
"loss": 0.5389,
"step": 25
},
{
"epoch": 0.06933333333333333,
"grad_norm": 1.6907557249069214,
"learning_rate": 4.72972972972973e-06,
"loss": 0.583,
"step": 26
},
{
"epoch": 0.072,
"grad_norm": 1.4024665355682373,
"learning_rate": 4.716216216216216e-06,
"loss": 0.4976,
"step": 27
},
{
"epoch": 0.07466666666666667,
"grad_norm": 1.6285637617111206,
"learning_rate": 4.702702702702703e-06,
"loss": 0.5745,
"step": 28
},
{
"epoch": 0.07733333333333334,
"grad_norm": 1.2992745637893677,
"learning_rate": 4.6891891891891895e-06,
"loss": 0.5012,
"step": 29
},
{
"epoch": 0.08,
"grad_norm": 1.4620354175567627,
"learning_rate": 4.675675675675676e-06,
"loss": 0.6385,
"step": 30
},
{
"epoch": 0.08266666666666667,
"grad_norm": 1.0191580057144165,
"learning_rate": 4.6621621621621625e-06,
"loss": 0.3878,
"step": 31
},
{
"epoch": 0.08533333333333333,
"grad_norm": 0.8697904348373413,
"learning_rate": 4.6486486486486495e-06,
"loss": 0.2971,
"step": 32
},
{
"epoch": 0.088,
"grad_norm": 1.0304921865463257,
"learning_rate": 4.635135135135136e-06,
"loss": 0.3469,
"step": 33
},
{
"epoch": 0.09066666666666667,
"grad_norm": 1.0142185688018799,
"learning_rate": 4.621621621621622e-06,
"loss": 0.3529,
"step": 34
},
{
"epoch": 0.09333333333333334,
"grad_norm": 0.9679512977600098,
"learning_rate": 4.608108108108109e-06,
"loss": 0.329,
"step": 35
},
{
"epoch": 0.096,
"grad_norm": 0.930351972579956,
"learning_rate": 4.594594594594596e-06,
"loss": 0.289,
"step": 36
},
{
"epoch": 0.09866666666666667,
"grad_norm": 1.0264594554901123,
"learning_rate": 4.581081081081081e-06,
"loss": 0.3332,
"step": 37
},
{
"epoch": 0.10133333333333333,
"grad_norm": 0.8078613877296448,
"learning_rate": 4.567567567567568e-06,
"loss": 0.2664,
"step": 38
},
{
"epoch": 0.104,
"grad_norm": 0.9743283987045288,
"learning_rate": 4.554054054054055e-06,
"loss": 0.4481,
"step": 39
},
{
"epoch": 0.10666666666666667,
"grad_norm": 0.9302910566329956,
"learning_rate": 4.540540540540541e-06,
"loss": 0.3267,
"step": 40
},
{
"epoch": 0.10933333333333334,
"grad_norm": 0.971058189868927,
"learning_rate": 4.527027027027027e-06,
"loss": 0.4639,
"step": 41
},
{
"epoch": 0.112,
"grad_norm": 1.0040370225906372,
"learning_rate": 4.513513513513514e-06,
"loss": 0.3561,
"step": 42
},
{
"epoch": 0.11466666666666667,
"grad_norm": 0.8434372544288635,
"learning_rate": 4.5e-06,
"loss": 0.3077,
"step": 43
},
{
"epoch": 0.11733333333333333,
"grad_norm": 0.7371217012405396,
"learning_rate": 4.486486486486487e-06,
"loss": 0.2969,
"step": 44
},
{
"epoch": 0.12,
"grad_norm": 1.0553009510040283,
"learning_rate": 4.472972972972973e-06,
"loss": 0.4995,
"step": 45
},
{
"epoch": 0.12266666666666666,
"grad_norm": 0.9171959757804871,
"learning_rate": 4.45945945945946e-06,
"loss": 0.3626,
"step": 46
},
{
"epoch": 0.12533333333333332,
"grad_norm": 1.0430240631103516,
"learning_rate": 4.445945945945946e-06,
"loss": 0.4738,
"step": 47
},
{
"epoch": 0.128,
"grad_norm": 0.9299228191375732,
"learning_rate": 4.432432432432433e-06,
"loss": 0.4236,
"step": 48
},
{
"epoch": 0.13066666666666665,
"grad_norm": 1.054943561553955,
"learning_rate": 4.418918918918919e-06,
"loss": 0.5489,
"step": 49
},
{
"epoch": 0.13333333333333333,
"grad_norm": 0.9162364602088928,
"learning_rate": 4.4054054054054054e-06,
"loss": 0.3741,
"step": 50
},
{
"epoch": 0.136,
"grad_norm": 0.7364339828491211,
"learning_rate": 4.391891891891892e-06,
"loss": 0.2694,
"step": 51
},
{
"epoch": 0.13866666666666666,
"grad_norm": 1.0194084644317627,
"learning_rate": 4.378378378378379e-06,
"loss": 0.4848,
"step": 52
},
{
"epoch": 0.14133333333333334,
"grad_norm": 0.8734293580055237,
"learning_rate": 4.364864864864865e-06,
"loss": 0.3761,
"step": 53
},
{
"epoch": 0.144,
"grad_norm": 0.834557831287384,
"learning_rate": 4.351351351351352e-06,
"loss": 0.3624,
"step": 54
},
{
"epoch": 0.14666666666666667,
"grad_norm": 0.9266408085823059,
"learning_rate": 4.3378378378378385e-06,
"loss": 0.3953,
"step": 55
},
{
"epoch": 0.14933333333333335,
"grad_norm": 0.8032247424125671,
"learning_rate": 4.324324324324325e-06,
"loss": 0.4286,
"step": 56
},
{
"epoch": 0.152,
"grad_norm": 1.1580266952514648,
"learning_rate": 4.310810810810811e-06,
"loss": 0.5709,
"step": 57
},
{
"epoch": 0.15466666666666667,
"grad_norm": 0.9884642362594604,
"learning_rate": 4.297297297297298e-06,
"loss": 0.3737,
"step": 58
},
{
"epoch": 0.15733333333333333,
"grad_norm": 0.7854467034339905,
"learning_rate": 4.283783783783784e-06,
"loss": 0.3999,
"step": 59
},
{
"epoch": 0.16,
"grad_norm": 0.5738189220428467,
"learning_rate": 4.270270270270271e-06,
"loss": 0.2637,
"step": 60
},
{
"epoch": 0.16266666666666665,
"grad_norm": 0.7563259601593018,
"learning_rate": 4.256756756756757e-06,
"loss": 0.3642,
"step": 61
},
{
"epoch": 0.16533333333333333,
"grad_norm": 1.0796091556549072,
"learning_rate": 4.243243243243244e-06,
"loss": 0.3504,
"step": 62
},
{
"epoch": 0.168,
"grad_norm": 0.8408933877944946,
"learning_rate": 4.22972972972973e-06,
"loss": 0.3444,
"step": 63
},
{
"epoch": 0.17066666666666666,
"grad_norm": 0.5530891418457031,
"learning_rate": 4.216216216216217e-06,
"loss": 0.2102,
"step": 64
},
{
"epoch": 0.17333333333333334,
"grad_norm": 0.7086277604103088,
"learning_rate": 4.202702702702703e-06,
"loss": 0.3203,
"step": 65
},
{
"epoch": 0.176,
"grad_norm": 0.9648524522781372,
"learning_rate": 4.189189189189189e-06,
"loss": 0.4167,
"step": 66
},
{
"epoch": 0.17866666666666667,
"grad_norm": 0.7041189670562744,
"learning_rate": 4.175675675675676e-06,
"loss": 0.2801,
"step": 67
},
{
"epoch": 0.18133333333333335,
"grad_norm": 0.8499213457107544,
"learning_rate": 4.162162162162163e-06,
"loss": 0.3457,
"step": 68
},
{
"epoch": 0.184,
"grad_norm": 0.7321271896362305,
"learning_rate": 4.148648648648649e-06,
"loss": 0.3264,
"step": 69
},
{
"epoch": 0.18666666666666668,
"grad_norm": 0.9189780354499817,
"learning_rate": 4.135135135135135e-06,
"loss": 0.4495,
"step": 70
},
{
"epoch": 0.18933333333333333,
"grad_norm": 0.6817671656608582,
"learning_rate": 4.121621621621622e-06,
"loss": 0.2562,
"step": 71
},
{
"epoch": 0.192,
"grad_norm": 0.6131948232650757,
"learning_rate": 4.108108108108108e-06,
"loss": 0.2363,
"step": 72
},
{
"epoch": 0.19466666666666665,
"grad_norm": 0.751233696937561,
"learning_rate": 4.0945945945945945e-06,
"loss": 0.2867,
"step": 73
},
{
"epoch": 0.19733333333333333,
"grad_norm": 0.7605841159820557,
"learning_rate": 4.0810810810810815e-06,
"loss": 0.3971,
"step": 74
},
{
"epoch": 0.2,
"grad_norm": 0.679600179195404,
"learning_rate": 4.067567567567568e-06,
"loss": 0.34,
"step": 75
},
{
"epoch": 0.20266666666666666,
"grad_norm": 1.3953356742858887,
"learning_rate": 4.0540540540540545e-06,
"loss": 0.3043,
"step": 76
},
{
"epoch": 0.20533333333333334,
"grad_norm": 0.5995372533798218,
"learning_rate": 4.040540540540541e-06,
"loss": 0.207,
"step": 77
},
{
"epoch": 0.208,
"grad_norm": 0.8157578706741333,
"learning_rate": 4.027027027027028e-06,
"loss": 0.3706,
"step": 78
},
{
"epoch": 0.21066666666666667,
"grad_norm": 0.7202669978141785,
"learning_rate": 4.013513513513514e-06,
"loss": 0.3314,
"step": 79
},
{
"epoch": 0.21333333333333335,
"grad_norm": 0.758959949016571,
"learning_rate": 4.000000000000001e-06,
"loss": 0.3194,
"step": 80
},
{
"epoch": 0.216,
"grad_norm": 0.7775449156761169,
"learning_rate": 3.986486486486487e-06,
"loss": 0.3874,
"step": 81
},
{
"epoch": 0.21866666666666668,
"grad_norm": 0.6883437037467957,
"learning_rate": 3.972972972972973e-06,
"loss": 0.3544,
"step": 82
},
{
"epoch": 0.22133333333333333,
"grad_norm": 0.6732145547866821,
"learning_rate": 3.95945945945946e-06,
"loss": 0.3007,
"step": 83
},
{
"epoch": 0.224,
"grad_norm": 0.7483000159263611,
"learning_rate": 3.945945945945947e-06,
"loss": 0.3876,
"step": 84
},
{
"epoch": 0.22666666666666666,
"grad_norm": 0.8888111114501953,
"learning_rate": 3.932432432432433e-06,
"loss": 0.3508,
"step": 85
},
{
"epoch": 0.22933333333333333,
"grad_norm": 0.956158459186554,
"learning_rate": 3.918918918918919e-06,
"loss": 0.4317,
"step": 86
},
{
"epoch": 0.232,
"grad_norm": 0.699038028717041,
"learning_rate": 3.905405405405406e-06,
"loss": 0.275,
"step": 87
},
{
"epoch": 0.23466666666666666,
"grad_norm": 0.8498144745826721,
"learning_rate": 3.891891891891892e-06,
"loss": 0.3572,
"step": 88
},
{
"epoch": 0.23733333333333334,
"grad_norm": 0.9327942728996277,
"learning_rate": 3.878378378378378e-06,
"loss": 0.495,
"step": 89
},
{
"epoch": 0.24,
"grad_norm": 0.612444281578064,
"learning_rate": 3.864864864864865e-06,
"loss": 0.3381,
"step": 90
},
{
"epoch": 0.24266666666666667,
"grad_norm": 0.6702598929405212,
"learning_rate": 3.851351351351352e-06,
"loss": 0.2458,
"step": 91
},
{
"epoch": 0.24533333333333332,
"grad_norm": 0.780231773853302,
"learning_rate": 3.837837837837838e-06,
"loss": 0.3549,
"step": 92
},
{
"epoch": 0.248,
"grad_norm": 0.7599190473556519,
"learning_rate": 3.824324324324324e-06,
"loss": 0.4345,
"step": 93
},
{
"epoch": 0.25066666666666665,
"grad_norm": 0.416122168302536,
"learning_rate": 3.810810810810811e-06,
"loss": 0.1695,
"step": 94
},
{
"epoch": 0.25333333333333335,
"grad_norm": 0.6345725655555725,
"learning_rate": 3.797297297297298e-06,
"loss": 0.2928,
"step": 95
},
{
"epoch": 0.256,
"grad_norm": 0.791646420955658,
"learning_rate": 3.7837837837837844e-06,
"loss": 0.4249,
"step": 96
},
{
"epoch": 0.25866666666666666,
"grad_norm": 0.8432176113128662,
"learning_rate": 3.7702702702702705e-06,
"loss": 0.3523,
"step": 97
},
{
"epoch": 0.2613333333333333,
"grad_norm": 0.6394999623298645,
"learning_rate": 3.756756756756757e-06,
"loss": 0.256,
"step": 98
},
{
"epoch": 0.264,
"grad_norm": 0.5096675753593445,
"learning_rate": 3.7432432432432436e-06,
"loss": 0.2265,
"step": 99
},
{
"epoch": 0.26666666666666666,
"grad_norm": 0.7256696224212646,
"learning_rate": 3.72972972972973e-06,
"loss": 0.3314,
"step": 100
},
{
"epoch": 0.2693333333333333,
"grad_norm": 0.8297344446182251,
"learning_rate": 3.7162162162162162e-06,
"loss": 0.3796,
"step": 101
},
{
"epoch": 0.272,
"grad_norm": 0.5923554301261902,
"learning_rate": 3.7027027027027028e-06,
"loss": 0.2952,
"step": 102
},
{
"epoch": 0.27466666666666667,
"grad_norm": 0.7434341311454773,
"learning_rate": 3.6891891891891897e-06,
"loss": 0.3486,
"step": 103
},
{
"epoch": 0.2773333333333333,
"grad_norm": 0.7721188068389893,
"learning_rate": 3.6756756756756763e-06,
"loss": 0.3295,
"step": 104
},
{
"epoch": 0.28,
"grad_norm": 0.5782107710838318,
"learning_rate": 3.6621621621621624e-06,
"loss": 0.2138,
"step": 105
},
{
"epoch": 0.2826666666666667,
"grad_norm": 0.7025055885314941,
"learning_rate": 3.648648648648649e-06,
"loss": 0.252,
"step": 106
},
{
"epoch": 0.2853333333333333,
"grad_norm": 0.6439664959907532,
"learning_rate": 3.6351351351351354e-06,
"loss": 0.2995,
"step": 107
},
{
"epoch": 0.288,
"grad_norm": 0.6806473135948181,
"learning_rate": 3.621621621621622e-06,
"loss": 0.3108,
"step": 108
},
{
"epoch": 0.2906666666666667,
"grad_norm": 1.043929100036621,
"learning_rate": 3.608108108108108e-06,
"loss": 0.5125,
"step": 109
},
{
"epoch": 0.29333333333333333,
"grad_norm": 0.6578515768051147,
"learning_rate": 3.5945945945945946e-06,
"loss": 0.2619,
"step": 110
},
{
"epoch": 0.296,
"grad_norm": 0.6489028334617615,
"learning_rate": 3.5810810810810816e-06,
"loss": 0.2611,
"step": 111
},
{
"epoch": 0.2986666666666667,
"grad_norm": 0.7390009164810181,
"learning_rate": 3.567567567567568e-06,
"loss": 0.3705,
"step": 112
},
{
"epoch": 0.30133333333333334,
"grad_norm": 0.6715494394302368,
"learning_rate": 3.5540540540540542e-06,
"loss": 0.3005,
"step": 113
},
{
"epoch": 0.304,
"grad_norm": 0.7065616846084595,
"learning_rate": 3.5405405405405408e-06,
"loss": 0.3199,
"step": 114
},
{
"epoch": 0.30666666666666664,
"grad_norm": 0.5856667757034302,
"learning_rate": 3.5270270270270273e-06,
"loss": 0.2159,
"step": 115
},
{
"epoch": 0.30933333333333335,
"grad_norm": 0.4165613651275635,
"learning_rate": 3.513513513513514e-06,
"loss": 0.151,
"step": 116
},
{
"epoch": 0.312,
"grad_norm": 0.865572452545166,
"learning_rate": 3.5e-06,
"loss": 0.3659,
"step": 117
},
{
"epoch": 0.31466666666666665,
"grad_norm": 0.7519751787185669,
"learning_rate": 3.4864864864864865e-06,
"loss": 0.3083,
"step": 118
},
{
"epoch": 0.31733333333333336,
"grad_norm": 0.6187855005264282,
"learning_rate": 3.4729729729729734e-06,
"loss": 0.2561,
"step": 119
},
{
"epoch": 0.32,
"grad_norm": 0.6581547856330872,
"learning_rate": 3.45945945945946e-06,
"loss": 0.3034,
"step": 120
},
{
"epoch": 0.32266666666666666,
"grad_norm": 1.005181074142456,
"learning_rate": 3.445945945945946e-06,
"loss": 0.5599,
"step": 121
},
{
"epoch": 0.3253333333333333,
"grad_norm": 0.6778202056884766,
"learning_rate": 3.4324324324324326e-06,
"loss": 0.2861,
"step": 122
},
{
"epoch": 0.328,
"grad_norm": 0.6879257559776306,
"learning_rate": 3.418918918918919e-06,
"loss": 0.2947,
"step": 123
},
{
"epoch": 0.33066666666666666,
"grad_norm": 0.8250148296356201,
"learning_rate": 3.4054054054054057e-06,
"loss": 0.3609,
"step": 124
},
{
"epoch": 0.3333333333333333,
"grad_norm": 0.60430508852005,
"learning_rate": 3.391891891891892e-06,
"loss": 0.2589,
"step": 125
},
{
"epoch": 0.336,
"grad_norm": 0.6655576825141907,
"learning_rate": 3.3783783783783788e-06,
"loss": 0.2909,
"step": 126
},
{
"epoch": 0.33866666666666667,
"grad_norm": 0.7636650800704956,
"learning_rate": 3.3648648648648653e-06,
"loss": 0.4266,
"step": 127
},
{
"epoch": 0.3413333333333333,
"grad_norm": 0.7116883993148804,
"learning_rate": 3.351351351351352e-06,
"loss": 0.4448,
"step": 128
},
{
"epoch": 0.344,
"grad_norm": 0.7854467630386353,
"learning_rate": 3.337837837837838e-06,
"loss": 0.3587,
"step": 129
},
{
"epoch": 0.3466666666666667,
"grad_norm": 0.7142645120620728,
"learning_rate": 3.3243243243243245e-06,
"loss": 0.3523,
"step": 130
},
{
"epoch": 0.34933333333333333,
"grad_norm": 0.6706594824790955,
"learning_rate": 3.310810810810811e-06,
"loss": 0.3459,
"step": 131
},
{
"epoch": 0.352,
"grad_norm": 0.6614080667495728,
"learning_rate": 3.2972972972972976e-06,
"loss": 0.2585,
"step": 132
},
{
"epoch": 0.3546666666666667,
"grad_norm": 0.5986278653144836,
"learning_rate": 3.2837837837837837e-06,
"loss": 0.2158,
"step": 133
},
{
"epoch": 0.35733333333333334,
"grad_norm": 0.8114068508148193,
"learning_rate": 3.2702702702702706e-06,
"loss": 0.323,
"step": 134
},
{
"epoch": 0.36,
"grad_norm": 0.6828731298446655,
"learning_rate": 3.256756756756757e-06,
"loss": 0.296,
"step": 135
},
{
"epoch": 0.3626666666666667,
"grad_norm": 0.639090895652771,
"learning_rate": 3.2432432432432437e-06,
"loss": 0.2571,
"step": 136
},
{
"epoch": 0.36533333333333334,
"grad_norm": 0.9332607388496399,
"learning_rate": 3.22972972972973e-06,
"loss": 0.4444,
"step": 137
},
{
"epoch": 0.368,
"grad_norm": 0.824292778968811,
"learning_rate": 3.2162162162162164e-06,
"loss": 0.3746,
"step": 138
},
{
"epoch": 0.37066666666666664,
"grad_norm": 0.6454128623008728,
"learning_rate": 3.202702702702703e-06,
"loss": 0.2745,
"step": 139
},
{
"epoch": 0.37333333333333335,
"grad_norm": 0.7438416481018066,
"learning_rate": 3.1891891891891894e-06,
"loss": 0.3484,
"step": 140
},
{
"epoch": 0.376,
"grad_norm": 0.6446223258972168,
"learning_rate": 3.1756756756756755e-06,
"loss": 0.3731,
"step": 141
},
{
"epoch": 0.37866666666666665,
"grad_norm": 0.6666287183761597,
"learning_rate": 3.1621621621621625e-06,
"loss": 0.3433,
"step": 142
},
{
"epoch": 0.38133333333333336,
"grad_norm": 0.7414274215698242,
"learning_rate": 3.148648648648649e-06,
"loss": 0.2577,
"step": 143
},
{
"epoch": 0.384,
"grad_norm": 0.6187078356742859,
"learning_rate": 3.1351351351351356e-06,
"loss": 0.2683,
"step": 144
},
{
"epoch": 0.38666666666666666,
"grad_norm": 0.7353603839874268,
"learning_rate": 3.1216216216216217e-06,
"loss": 0.3393,
"step": 145
},
{
"epoch": 0.3893333333333333,
"grad_norm": 0.46219804883003235,
"learning_rate": 3.1081081081081082e-06,
"loss": 0.1888,
"step": 146
},
{
"epoch": 0.392,
"grad_norm": 0.465984970331192,
"learning_rate": 3.0945945945945947e-06,
"loss": 0.1305,
"step": 147
},
{
"epoch": 0.39466666666666667,
"grad_norm": 0.8126384615898132,
"learning_rate": 3.0810810810810817e-06,
"loss": 0.3815,
"step": 148
},
{
"epoch": 0.3973333333333333,
"grad_norm": 0.6558639407157898,
"learning_rate": 3.0675675675675674e-06,
"loss": 0.2983,
"step": 149
},
{
"epoch": 0.4,
"grad_norm": 0.7855873703956604,
"learning_rate": 3.0540540540540544e-06,
"loss": 0.3649,
"step": 150
},
{
"epoch": 0.4026666666666667,
"grad_norm": 0.628269374370575,
"learning_rate": 3.040540540540541e-06,
"loss": 0.1955,
"step": 151
},
{
"epoch": 0.4053333333333333,
"grad_norm": 0.6335296034812927,
"learning_rate": 3.0270270270270274e-06,
"loss": 0.2411,
"step": 152
},
{
"epoch": 0.408,
"grad_norm": 0.4594508409500122,
"learning_rate": 3.0135135135135135e-06,
"loss": 0.1854,
"step": 153
},
{
"epoch": 0.4106666666666667,
"grad_norm": 0.7112817168235779,
"learning_rate": 3e-06,
"loss": 0.2774,
"step": 154
},
{
"epoch": 0.41333333333333333,
"grad_norm": 0.7075773477554321,
"learning_rate": 2.9864864864864866e-06,
"loss": 0.3053,
"step": 155
},
{
"epoch": 0.416,
"grad_norm": 0.7311431169509888,
"learning_rate": 2.9729729729729736e-06,
"loss": 0.3258,
"step": 156
},
{
"epoch": 0.4186666666666667,
"grad_norm": 0.6911205053329468,
"learning_rate": 2.9594594594594593e-06,
"loss": 0.3165,
"step": 157
},
{
"epoch": 0.42133333333333334,
"grad_norm": 0.8197270035743713,
"learning_rate": 2.9459459459459462e-06,
"loss": 0.3878,
"step": 158
},
{
"epoch": 0.424,
"grad_norm": 0.6307483315467834,
"learning_rate": 2.9324324324324328e-06,
"loss": 0.28,
"step": 159
},
{
"epoch": 0.4266666666666667,
"grad_norm": 0.8675678968429565,
"learning_rate": 2.9189189189189193e-06,
"loss": 0.4002,
"step": 160
},
{
"epoch": 0.42933333333333334,
"grad_norm": 0.7776075005531311,
"learning_rate": 2.9054054054054054e-06,
"loss": 0.3883,
"step": 161
},
{
"epoch": 0.432,
"grad_norm": 0.5805653929710388,
"learning_rate": 2.891891891891892e-06,
"loss": 0.2172,
"step": 162
},
{
"epoch": 0.43466666666666665,
"grad_norm": 0.7377619743347168,
"learning_rate": 2.8783783783783785e-06,
"loss": 0.4054,
"step": 163
},
{
"epoch": 0.43733333333333335,
"grad_norm": 0.6067820191383362,
"learning_rate": 2.8648648648648654e-06,
"loss": 0.2477,
"step": 164
},
{
"epoch": 0.44,
"grad_norm": 0.7324481010437012,
"learning_rate": 2.851351351351351e-06,
"loss": 0.2847,
"step": 165
},
{
"epoch": 0.44266666666666665,
"grad_norm": 0.6145170331001282,
"learning_rate": 2.837837837837838e-06,
"loss": 0.2563,
"step": 166
},
{
"epoch": 0.44533333333333336,
"grad_norm": 0.6597130298614502,
"learning_rate": 2.8243243243243246e-06,
"loss": 0.271,
"step": 167
},
{
"epoch": 0.448,
"grad_norm": 0.7393090724945068,
"learning_rate": 2.810810810810811e-06,
"loss": 0.2851,
"step": 168
},
{
"epoch": 0.45066666666666666,
"grad_norm": 0.7756189703941345,
"learning_rate": 2.7972972972972973e-06,
"loss": 0.3362,
"step": 169
},
{
"epoch": 0.4533333333333333,
"grad_norm": 0.6596353650093079,
"learning_rate": 2.783783783783784e-06,
"loss": 0.2328,
"step": 170
},
{
"epoch": 0.456,
"grad_norm": 0.7717700004577637,
"learning_rate": 2.7702702702702703e-06,
"loss": 0.3551,
"step": 171
},
{
"epoch": 0.45866666666666667,
"grad_norm": 0.5918424725532532,
"learning_rate": 2.7567567567567573e-06,
"loss": 0.2428,
"step": 172
},
{
"epoch": 0.4613333333333333,
"grad_norm": 0.5172237753868103,
"learning_rate": 2.7432432432432434e-06,
"loss": 0.1512,
"step": 173
},
{
"epoch": 0.464,
"grad_norm": 0.7581436634063721,
"learning_rate": 2.72972972972973e-06,
"loss": 0.3201,
"step": 174
},
{
"epoch": 0.4666666666666667,
"grad_norm": 0.7607640624046326,
"learning_rate": 2.7162162162162165e-06,
"loss": 0.4441,
"step": 175
},
{
"epoch": 0.4693333333333333,
"grad_norm": 0.822811484336853,
"learning_rate": 2.702702702702703e-06,
"loss": 0.4109,
"step": 176
},
{
"epoch": 0.472,
"grad_norm": 0.8245051503181458,
"learning_rate": 2.689189189189189e-06,
"loss": 0.3458,
"step": 177
},
{
"epoch": 0.4746666666666667,
"grad_norm": 0.6232636570930481,
"learning_rate": 2.6756756756756757e-06,
"loss": 0.2449,
"step": 178
},
{
"epoch": 0.47733333333333333,
"grad_norm": 0.8932228088378906,
"learning_rate": 2.662162162162162e-06,
"loss": 0.3595,
"step": 179
},
{
"epoch": 0.48,
"grad_norm": 0.7297962307929993,
"learning_rate": 2.648648648648649e-06,
"loss": 0.2265,
"step": 180
},
{
"epoch": 0.4826666666666667,
"grad_norm": 0.6376849412918091,
"learning_rate": 2.6351351351351353e-06,
"loss": 0.2963,
"step": 181
},
{
"epoch": 0.48533333333333334,
"grad_norm": 0.6631872057914734,
"learning_rate": 2.621621621621622e-06,
"loss": 0.2395,
"step": 182
},
{
"epoch": 0.488,
"grad_norm": 0.7766847610473633,
"learning_rate": 2.6081081081081083e-06,
"loss": 0.3048,
"step": 183
},
{
"epoch": 0.49066666666666664,
"grad_norm": 0.9827448725700378,
"learning_rate": 2.594594594594595e-06,
"loss": 0.3555,
"step": 184
},
{
"epoch": 0.49333333333333335,
"grad_norm": 0.6901498436927795,
"learning_rate": 2.581081081081081e-06,
"loss": 0.286,
"step": 185
},
{
"epoch": 0.496,
"grad_norm": 0.6859025955200195,
"learning_rate": 2.5675675675675675e-06,
"loss": 0.2534,
"step": 186
},
{
"epoch": 0.49866666666666665,
"grad_norm": 0.8482066988945007,
"learning_rate": 2.554054054054054e-06,
"loss": 0.3697,
"step": 187
},
{
"epoch": 0.5013333333333333,
"grad_norm": 0.6019042134284973,
"learning_rate": 2.540540540540541e-06,
"loss": 0.1814,
"step": 188
},
{
"epoch": 0.504,
"grad_norm": 0.6715993881225586,
"learning_rate": 2.527027027027027e-06,
"loss": 0.268,
"step": 189
},
{
"epoch": 0.5066666666666667,
"grad_norm": 0.8061819076538086,
"learning_rate": 2.5135135135135137e-06,
"loss": 0.322,
"step": 190
},
{
"epoch": 0.5093333333333333,
"grad_norm": 0.671974778175354,
"learning_rate": 2.5e-06,
"loss": 0.2627,
"step": 191
},
{
"epoch": 0.512,
"grad_norm": 0.9505323171615601,
"learning_rate": 2.4864864864864867e-06,
"loss": 0.3558,
"step": 192
},
{
"epoch": 0.5146666666666667,
"grad_norm": 0.6061526536941528,
"learning_rate": 2.4729729729729733e-06,
"loss": 0.2027,
"step": 193
},
{
"epoch": 0.5173333333333333,
"grad_norm": 0.6275423169136047,
"learning_rate": 2.45945945945946e-06,
"loss": 0.1996,
"step": 194
},
{
"epoch": 0.52,
"grad_norm": 0.5564240217208862,
"learning_rate": 2.4459459459459463e-06,
"loss": 0.2704,
"step": 195
},
{
"epoch": 0.5226666666666666,
"grad_norm": 0.612969696521759,
"learning_rate": 2.432432432432433e-06,
"loss": 0.2259,
"step": 196
},
{
"epoch": 0.5253333333333333,
"grad_norm": 0.8186777830123901,
"learning_rate": 2.418918918918919e-06,
"loss": 0.34,
"step": 197
},
{
"epoch": 0.528,
"grad_norm": 0.6832602620124817,
"learning_rate": 2.4054054054054055e-06,
"loss": 0.284,
"step": 198
},
{
"epoch": 0.5306666666666666,
"grad_norm": 0.7964690327644348,
"learning_rate": 2.391891891891892e-06,
"loss": 0.3177,
"step": 199
},
{
"epoch": 0.5333333333333333,
"grad_norm": 0.5144801139831543,
"learning_rate": 2.3783783783783786e-06,
"loss": 0.1742,
"step": 200
},
{
"epoch": 0.536,
"grad_norm": 0.744418740272522,
"learning_rate": 2.364864864864865e-06,
"loss": 0.2998,
"step": 201
},
{
"epoch": 0.5386666666666666,
"grad_norm": 0.5702425241470337,
"learning_rate": 2.3513513513513517e-06,
"loss": 0.2495,
"step": 202
},
{
"epoch": 0.5413333333333333,
"grad_norm": 0.7298104763031006,
"learning_rate": 2.337837837837838e-06,
"loss": 0.3135,
"step": 203
},
{
"epoch": 0.544,
"grad_norm": 0.6778339147567749,
"learning_rate": 2.3243243243243247e-06,
"loss": 0.2552,
"step": 204
},
{
"epoch": 0.5466666666666666,
"grad_norm": 0.8534382581710815,
"learning_rate": 2.310810810810811e-06,
"loss": 0.3536,
"step": 205
},
{
"epoch": 0.5493333333333333,
"grad_norm": 0.6441807150840759,
"learning_rate": 2.297297297297298e-06,
"loss": 0.2728,
"step": 206
},
{
"epoch": 0.552,
"grad_norm": 0.6257543563842773,
"learning_rate": 2.283783783783784e-06,
"loss": 0.2682,
"step": 207
},
{
"epoch": 0.5546666666666666,
"grad_norm": 0.9686005711555481,
"learning_rate": 2.2702702702702705e-06,
"loss": 0.3555,
"step": 208
},
{
"epoch": 0.5573333333333333,
"grad_norm": 0.6847423911094666,
"learning_rate": 2.256756756756757e-06,
"loss": 0.3737,
"step": 209
},
{
"epoch": 0.56,
"grad_norm": 0.5603544116020203,
"learning_rate": 2.2432432432432435e-06,
"loss": 0.2213,
"step": 210
},
{
"epoch": 0.5626666666666666,
"grad_norm": 0.5949491262435913,
"learning_rate": 2.22972972972973e-06,
"loss": 0.2184,
"step": 211
},
{
"epoch": 0.5653333333333334,
"grad_norm": 0.6491484642028809,
"learning_rate": 2.2162162162162166e-06,
"loss": 0.1991,
"step": 212
},
{
"epoch": 0.568,
"grad_norm": 0.8947497010231018,
"learning_rate": 2.2027027027027027e-06,
"loss": 0.3891,
"step": 213
},
{
"epoch": 0.5706666666666667,
"grad_norm": 0.8086656332015991,
"learning_rate": 2.1891891891891897e-06,
"loss": 0.3642,
"step": 214
},
{
"epoch": 0.5733333333333334,
"grad_norm": 0.7464373707771301,
"learning_rate": 2.175675675675676e-06,
"loss": 0.3266,
"step": 215
},
{
"epoch": 0.576,
"grad_norm": 0.6366907954216003,
"learning_rate": 2.1621621621621623e-06,
"loss": 0.2578,
"step": 216
},
{
"epoch": 0.5786666666666667,
"grad_norm": 0.6388054490089417,
"learning_rate": 2.148648648648649e-06,
"loss": 0.2146,
"step": 217
},
{
"epoch": 0.5813333333333334,
"grad_norm": 0.8056570887565613,
"learning_rate": 2.1351351351351354e-06,
"loss": 0.3669,
"step": 218
},
{
"epoch": 0.584,
"grad_norm": 0.5906729698181152,
"learning_rate": 2.121621621621622e-06,
"loss": 0.2024,
"step": 219
},
{
"epoch": 0.5866666666666667,
"grad_norm": 0.7258137464523315,
"learning_rate": 2.1081081081081085e-06,
"loss": 0.3537,
"step": 220
},
{
"epoch": 0.5893333333333334,
"grad_norm": 0.6650708913803101,
"learning_rate": 2.0945945945945946e-06,
"loss": 0.175,
"step": 221
},
{
"epoch": 0.592,
"grad_norm": 0.7904850840568542,
"learning_rate": 2.0810810810810815e-06,
"loss": 0.245,
"step": 222
},
{
"epoch": 0.5946666666666667,
"grad_norm": 0.6424015760421753,
"learning_rate": 2.0675675675675677e-06,
"loss": 0.2551,
"step": 223
},
{
"epoch": 0.5973333333333334,
"grad_norm": 0.5713887810707092,
"learning_rate": 2.054054054054054e-06,
"loss": 0.19,
"step": 224
},
{
"epoch": 0.6,
"grad_norm": 0.5782290697097778,
"learning_rate": 2.0405405405405407e-06,
"loss": 0.2233,
"step": 225
},
{
"epoch": 0.6026666666666667,
"grad_norm": 0.6324918866157532,
"learning_rate": 2.0270270270270273e-06,
"loss": 0.222,
"step": 226
},
{
"epoch": 0.6053333333333333,
"grad_norm": 0.6849437952041626,
"learning_rate": 2.013513513513514e-06,
"loss": 0.2659,
"step": 227
},
{
"epoch": 0.608,
"grad_norm": 0.8341410160064697,
"learning_rate": 2.0000000000000003e-06,
"loss": 0.36,
"step": 228
},
{
"epoch": 0.6106666666666667,
"grad_norm": 0.6504925489425659,
"learning_rate": 1.9864864864864864e-06,
"loss": 0.267,
"step": 229
},
{
"epoch": 0.6133333333333333,
"grad_norm": 0.5331454873085022,
"learning_rate": 1.9729729729729734e-06,
"loss": 0.1829,
"step": 230
},
{
"epoch": 0.616,
"grad_norm": 0.6672929525375366,
"learning_rate": 1.9594594594594595e-06,
"loss": 0.2641,
"step": 231
},
{
"epoch": 0.6186666666666667,
"grad_norm": 0.6335961818695068,
"learning_rate": 1.945945945945946e-06,
"loss": 0.2541,
"step": 232
},
{
"epoch": 0.6213333333333333,
"grad_norm": 0.7091456651687622,
"learning_rate": 1.9324324324324326e-06,
"loss": 0.2302,
"step": 233
},
{
"epoch": 0.624,
"grad_norm": 0.8253576159477234,
"learning_rate": 1.918918918918919e-06,
"loss": 0.3175,
"step": 234
},
{
"epoch": 0.6266666666666667,
"grad_norm": 0.6843177676200867,
"learning_rate": 1.9054054054054054e-06,
"loss": 0.1791,
"step": 235
},
{
"epoch": 0.6293333333333333,
"grad_norm": 0.5620643496513367,
"learning_rate": 1.8918918918918922e-06,
"loss": 0.2371,
"step": 236
},
{
"epoch": 0.632,
"grad_norm": 0.883970320224762,
"learning_rate": 1.8783783783783785e-06,
"loss": 0.3699,
"step": 237
},
{
"epoch": 0.6346666666666667,
"grad_norm": 0.6861932873725891,
"learning_rate": 1.864864864864865e-06,
"loss": 0.2759,
"step": 238
},
{
"epoch": 0.6373333333333333,
"grad_norm": 0.5067756175994873,
"learning_rate": 1.8513513513513514e-06,
"loss": 0.2147,
"step": 239
},
{
"epoch": 0.64,
"grad_norm": 0.6046987771987915,
"learning_rate": 1.8378378378378381e-06,
"loss": 0.2358,
"step": 240
},
{
"epoch": 0.6426666666666667,
"grad_norm": 0.6243970394134521,
"learning_rate": 1.8243243243243245e-06,
"loss": 0.2051,
"step": 241
},
{
"epoch": 0.6453333333333333,
"grad_norm": 0.6179952025413513,
"learning_rate": 1.810810810810811e-06,
"loss": 0.2755,
"step": 242
},
{
"epoch": 0.648,
"grad_norm": 0.5781748294830322,
"learning_rate": 1.7972972972972973e-06,
"loss": 0.1892,
"step": 243
},
{
"epoch": 0.6506666666666666,
"grad_norm": 0.6316713690757751,
"learning_rate": 1.783783783783784e-06,
"loss": 0.2516,
"step": 244
},
{
"epoch": 0.6533333333333333,
"grad_norm": 0.7533724308013916,
"learning_rate": 1.7702702702702704e-06,
"loss": 0.2649,
"step": 245
},
{
"epoch": 0.656,
"grad_norm": 0.7423568367958069,
"learning_rate": 1.756756756756757e-06,
"loss": 0.2232,
"step": 246
},
{
"epoch": 0.6586666666666666,
"grad_norm": 0.7676683664321899,
"learning_rate": 1.7432432432432432e-06,
"loss": 0.3789,
"step": 247
},
{
"epoch": 0.6613333333333333,
"grad_norm": 0.5906165242195129,
"learning_rate": 1.72972972972973e-06,
"loss": 0.205,
"step": 248
},
{
"epoch": 0.664,
"grad_norm": 0.5814793705940247,
"learning_rate": 1.7162162162162163e-06,
"loss": 0.2258,
"step": 249
},
{
"epoch": 0.6666666666666666,
"grad_norm": 0.7051301002502441,
"learning_rate": 1.7027027027027028e-06,
"loss": 0.255,
"step": 250
},
{
"epoch": 0.6693333333333333,
"grad_norm": 0.5945306420326233,
"learning_rate": 1.6891891891891894e-06,
"loss": 0.2732,
"step": 251
},
{
"epoch": 0.672,
"grad_norm": 0.6824613213539124,
"learning_rate": 1.675675675675676e-06,
"loss": 0.3086,
"step": 252
},
{
"epoch": 0.6746666666666666,
"grad_norm": 0.6166159510612488,
"learning_rate": 1.6621621621621622e-06,
"loss": 0.2845,
"step": 253
},
{
"epoch": 0.6773333333333333,
"grad_norm": 0.6364248991012573,
"learning_rate": 1.6486486486486488e-06,
"loss": 0.2063,
"step": 254
},
{
"epoch": 0.68,
"grad_norm": 0.6305078268051147,
"learning_rate": 1.6351351351351353e-06,
"loss": 0.2,
"step": 255
},
{
"epoch": 0.6826666666666666,
"grad_norm": 0.5293724536895752,
"learning_rate": 1.6216216216216219e-06,
"loss": 0.2045,
"step": 256
},
{
"epoch": 0.6853333333333333,
"grad_norm": 0.6649438142776489,
"learning_rate": 1.6081081081081082e-06,
"loss": 0.2616,
"step": 257
},
{
"epoch": 0.688,
"grad_norm": 0.7188006043434143,
"learning_rate": 1.5945945945945947e-06,
"loss": 0.2637,
"step": 258
},
{
"epoch": 0.6906666666666667,
"grad_norm": 0.7173544764518738,
"learning_rate": 1.5810810810810812e-06,
"loss": 0.329,
"step": 259
},
{
"epoch": 0.6933333333333334,
"grad_norm": 0.8560450673103333,
"learning_rate": 1.5675675675675678e-06,
"loss": 0.371,
"step": 260
},
{
"epoch": 0.696,
"grad_norm": 0.5144500732421875,
"learning_rate": 1.5540540540540541e-06,
"loss": 0.2202,
"step": 261
},
{
"epoch": 0.6986666666666667,
"grad_norm": 0.8377159237861633,
"learning_rate": 1.5405405405405409e-06,
"loss": 0.348,
"step": 262
},
{
"epoch": 0.7013333333333334,
"grad_norm": 0.5188999772071838,
"learning_rate": 1.5270270270270272e-06,
"loss": 0.2079,
"step": 263
},
{
"epoch": 0.704,
"grad_norm": 0.6638162732124329,
"learning_rate": 1.5135135135135137e-06,
"loss": 0.2261,
"step": 264
},
{
"epoch": 0.7066666666666667,
"grad_norm": 0.6445969343185425,
"learning_rate": 1.5e-06,
"loss": 0.2502,
"step": 265
},
{
"epoch": 0.7093333333333334,
"grad_norm": 0.9401523470878601,
"learning_rate": 1.4864864864864868e-06,
"loss": 0.3919,
"step": 266
},
{
"epoch": 0.712,
"grad_norm": 0.6602139472961426,
"learning_rate": 1.4729729729729731e-06,
"loss": 0.2501,
"step": 267
},
{
"epoch": 0.7146666666666667,
"grad_norm": 0.5280236005783081,
"learning_rate": 1.4594594594594596e-06,
"loss": 0.1917,
"step": 268
},
{
"epoch": 0.7173333333333334,
"grad_norm": 0.6841576099395752,
"learning_rate": 1.445945945945946e-06,
"loss": 0.302,
"step": 269
},
{
"epoch": 0.72,
"grad_norm": 0.5755125880241394,
"learning_rate": 1.4324324324324327e-06,
"loss": 0.232,
"step": 270
},
{
"epoch": 0.7226666666666667,
"grad_norm": 0.5169756412506104,
"learning_rate": 1.418918918918919e-06,
"loss": 0.122,
"step": 271
},
{
"epoch": 0.7253333333333334,
"grad_norm": 0.7220999002456665,
"learning_rate": 1.4054054054054056e-06,
"loss": 0.2336,
"step": 272
},
{
"epoch": 0.728,
"grad_norm": 0.5650200247764587,
"learning_rate": 1.391891891891892e-06,
"loss": 0.2206,
"step": 273
},
{
"epoch": 0.7306666666666667,
"grad_norm": 0.5521315932273865,
"learning_rate": 1.3783783783783786e-06,
"loss": 0.2462,
"step": 274
},
{
"epoch": 0.7333333333333333,
"grad_norm": 0.7300999760627747,
"learning_rate": 1.364864864864865e-06,
"loss": 0.3449,
"step": 275
},
{
"epoch": 0.736,
"grad_norm": 0.8608168363571167,
"learning_rate": 1.3513513513513515e-06,
"loss": 0.2788,
"step": 276
},
{
"epoch": 0.7386666666666667,
"grad_norm": 0.6485387086868286,
"learning_rate": 1.3378378378378378e-06,
"loss": 0.2708,
"step": 277
},
{
"epoch": 0.7413333333333333,
"grad_norm": 0.6375903487205505,
"learning_rate": 1.3243243243243246e-06,
"loss": 0.2241,
"step": 278
},
{
"epoch": 0.744,
"grad_norm": 0.8569247722625732,
"learning_rate": 1.310810810810811e-06,
"loss": 0.3561,
"step": 279
},
{
"epoch": 0.7466666666666667,
"grad_norm": 0.7526376247406006,
"learning_rate": 1.2972972972972974e-06,
"loss": 0.2946,
"step": 280
},
{
"epoch": 0.7493333333333333,
"grad_norm": 0.549019992351532,
"learning_rate": 1.2837837837837838e-06,
"loss": 0.2319,
"step": 281
},
{
"epoch": 0.752,
"grad_norm": 0.6888551115989685,
"learning_rate": 1.2702702702702705e-06,
"loss": 0.2231,
"step": 282
},
{
"epoch": 0.7546666666666667,
"grad_norm": 0.7437498569488525,
"learning_rate": 1.2567567567567568e-06,
"loss": 0.3443,
"step": 283
},
{
"epoch": 0.7573333333333333,
"grad_norm": 0.5346582531929016,
"learning_rate": 1.2432432432432434e-06,
"loss": 0.1844,
"step": 284
},
{
"epoch": 0.76,
"grad_norm": 0.6110626459121704,
"learning_rate": 1.22972972972973e-06,
"loss": 0.1701,
"step": 285
},
{
"epoch": 0.7626666666666667,
"grad_norm": 0.5659084320068359,
"learning_rate": 1.2162162162162164e-06,
"loss": 0.2259,
"step": 286
},
{
"epoch": 0.7653333333333333,
"grad_norm": 0.6930540204048157,
"learning_rate": 1.2027027027027028e-06,
"loss": 0.2532,
"step": 287
},
{
"epoch": 0.768,
"grad_norm": 0.7666062116622925,
"learning_rate": 1.1891891891891893e-06,
"loss": 0.2821,
"step": 288
},
{
"epoch": 0.7706666666666667,
"grad_norm": 0.639336109161377,
"learning_rate": 1.1756756756756758e-06,
"loss": 0.2184,
"step": 289
},
{
"epoch": 0.7733333333333333,
"grad_norm": 0.7201549410820007,
"learning_rate": 1.1621621621621624e-06,
"loss": 0.3105,
"step": 290
},
{
"epoch": 0.776,
"grad_norm": 0.7706798911094666,
"learning_rate": 1.148648648648649e-06,
"loss": 0.3112,
"step": 291
},
{
"epoch": 0.7786666666666666,
"grad_norm": 0.8544201850891113,
"learning_rate": 1.1351351351351352e-06,
"loss": 0.3644,
"step": 292
},
{
"epoch": 0.7813333333333333,
"grad_norm": 0.7253162264823914,
"learning_rate": 1.1216216216216218e-06,
"loss": 0.2791,
"step": 293
},
{
"epoch": 0.784,
"grad_norm": 0.680812418460846,
"learning_rate": 1.1081081081081083e-06,
"loss": 0.2198,
"step": 294
},
{
"epoch": 0.7866666666666666,
"grad_norm": 0.7938084006309509,
"learning_rate": 1.0945945945945948e-06,
"loss": 0.2881,
"step": 295
},
{
"epoch": 0.7893333333333333,
"grad_norm": 0.7089200615882874,
"learning_rate": 1.0810810810810812e-06,
"loss": 0.2063,
"step": 296
},
{
"epoch": 0.792,
"grad_norm": 0.5346383452415466,
"learning_rate": 1.0675675675675677e-06,
"loss": 0.1776,
"step": 297
},
{
"epoch": 0.7946666666666666,
"grad_norm": 0.7926894426345825,
"learning_rate": 1.0540540540540542e-06,
"loss": 0.3311,
"step": 298
},
{
"epoch": 0.7973333333333333,
"grad_norm": 0.7401625514030457,
"learning_rate": 1.0405405405405408e-06,
"loss": 0.3394,
"step": 299
},
{
"epoch": 0.8,
"grad_norm": 0.49938178062438965,
"learning_rate": 1.027027027027027e-06,
"loss": 0.1436,
"step": 300
},
{
"epoch": 0.8026666666666666,
"grad_norm": 1.0157798528671265,
"learning_rate": 1.0135135135135136e-06,
"loss": 0.3707,
"step": 301
},
{
"epoch": 0.8053333333333333,
"grad_norm": 0.6077897548675537,
"learning_rate": 1.0000000000000002e-06,
"loss": 0.2519,
"step": 302
},
{
"epoch": 0.808,
"grad_norm": 0.7587655186653137,
"learning_rate": 9.864864864864867e-07,
"loss": 0.3392,
"step": 303
},
{
"epoch": 0.8106666666666666,
"grad_norm": 0.8215785622596741,
"learning_rate": 9.72972972972973e-07,
"loss": 0.3397,
"step": 304
},
{
"epoch": 0.8133333333333334,
"grad_norm": 0.6645399928092957,
"learning_rate": 9.594594594594596e-07,
"loss": 0.2386,
"step": 305
},
{
"epoch": 0.816,
"grad_norm": 0.7893449068069458,
"learning_rate": 9.459459459459461e-07,
"loss": 0.34,
"step": 306
},
{
"epoch": 0.8186666666666667,
"grad_norm": 0.6246175765991211,
"learning_rate": 9.324324324324325e-07,
"loss": 0.2148,
"step": 307
},
{
"epoch": 0.8213333333333334,
"grad_norm": 0.7497851252555847,
"learning_rate": 9.189189189189191e-07,
"loss": 0.2734,
"step": 308
},
{
"epoch": 0.824,
"grad_norm": 0.7372452616691589,
"learning_rate": 9.054054054054055e-07,
"loss": 0.2921,
"step": 309
},
{
"epoch": 0.8266666666666667,
"grad_norm": 0.5490118265151978,
"learning_rate": 8.91891891891892e-07,
"loss": 0.1934,
"step": 310
},
{
"epoch": 0.8293333333333334,
"grad_norm": 0.7610583305358887,
"learning_rate": 8.783783783783785e-07,
"loss": 0.2955,
"step": 311
},
{
"epoch": 0.832,
"grad_norm": 0.7264029383659363,
"learning_rate": 8.64864864864865e-07,
"loss": 0.2704,
"step": 312
},
{
"epoch": 0.8346666666666667,
"grad_norm": 0.660663366317749,
"learning_rate": 8.513513513513514e-07,
"loss": 0.3243,
"step": 313
},
{
"epoch": 0.8373333333333334,
"grad_norm": 0.6899711489677429,
"learning_rate": 8.37837837837838e-07,
"loss": 0.2456,
"step": 314
},
{
"epoch": 0.84,
"grad_norm": 0.6473216414451599,
"learning_rate": 8.243243243243244e-07,
"loss": 0.2789,
"step": 315
},
{
"epoch": 0.8426666666666667,
"grad_norm": 0.6556074023246765,
"learning_rate": 8.108108108108109e-07,
"loss": 0.2523,
"step": 316
},
{
"epoch": 0.8453333333333334,
"grad_norm": 0.727306604385376,
"learning_rate": 7.972972972972974e-07,
"loss": 0.2278,
"step": 317
},
{
"epoch": 0.848,
"grad_norm": 0.7739129066467285,
"learning_rate": 7.837837837837839e-07,
"loss": 0.2477,
"step": 318
},
{
"epoch": 0.8506666666666667,
"grad_norm": 0.653274655342102,
"learning_rate": 7.702702702702704e-07,
"loss": 0.2261,
"step": 319
},
{
"epoch": 0.8533333333333334,
"grad_norm": 0.6465176343917847,
"learning_rate": 7.567567567567569e-07,
"loss": 0.2648,
"step": 320
},
{
"epoch": 0.856,
"grad_norm": 0.6187155246734619,
"learning_rate": 7.432432432432434e-07,
"loss": 0.2718,
"step": 321
},
{
"epoch": 0.8586666666666667,
"grad_norm": 0.6505514979362488,
"learning_rate": 7.297297297297298e-07,
"loss": 0.1971,
"step": 322
},
{
"epoch": 0.8613333333333333,
"grad_norm": 0.6444483399391174,
"learning_rate": 7.162162162162164e-07,
"loss": 0.261,
"step": 323
},
{
"epoch": 0.864,
"grad_norm": 0.625307023525238,
"learning_rate": 7.027027027027028e-07,
"loss": 0.2322,
"step": 324
},
{
"epoch": 0.8666666666666667,
"grad_norm": 0.5336941480636597,
"learning_rate": 6.891891891891893e-07,
"loss": 0.1944,
"step": 325
},
{
"epoch": 0.8693333333333333,
"grad_norm": 0.7971201539039612,
"learning_rate": 6.756756756756758e-07,
"loss": 0.2799,
"step": 326
},
{
"epoch": 0.872,
"grad_norm": 0.6575078368186951,
"learning_rate": 6.621621621621623e-07,
"loss": 0.2031,
"step": 327
},
{
"epoch": 0.8746666666666667,
"grad_norm": 0.7094213366508484,
"learning_rate": 6.486486486486487e-07,
"loss": 0.2935,
"step": 328
},
{
"epoch": 0.8773333333333333,
"grad_norm": 0.656079888343811,
"learning_rate": 6.351351351351353e-07,
"loss": 0.271,
"step": 329
},
{
"epoch": 0.88,
"grad_norm": 0.7230790257453918,
"learning_rate": 6.216216216216217e-07,
"loss": 0.2679,
"step": 330
},
{
"epoch": 0.8826666666666667,
"grad_norm": 0.6316200494766235,
"learning_rate": 6.081081081081082e-07,
"loss": 0.274,
"step": 331
},
{
"epoch": 0.8853333333333333,
"grad_norm": 0.7337319254875183,
"learning_rate": 5.945945945945947e-07,
"loss": 0.2673,
"step": 332
},
{
"epoch": 0.888,
"grad_norm": 0.843817949295044,
"learning_rate": 5.810810810810812e-07,
"loss": 0.3826,
"step": 333
},
{
"epoch": 0.8906666666666667,
"grad_norm": 0.6947763562202454,
"learning_rate": 5.675675675675676e-07,
"loss": 0.2195,
"step": 334
},
{
"epoch": 0.8933333333333333,
"grad_norm": 0.5857032537460327,
"learning_rate": 5.540540540540542e-07,
"loss": 0.2216,
"step": 335
},
{
"epoch": 0.896,
"grad_norm": 0.6403198838233948,
"learning_rate": 5.405405405405406e-07,
"loss": 0.1966,
"step": 336
},
{
"epoch": 0.8986666666666666,
"grad_norm": 0.7058374881744385,
"learning_rate": 5.270270270270271e-07,
"loss": 0.2767,
"step": 337
},
{
"epoch": 0.9013333333333333,
"grad_norm": 0.7013625502586365,
"learning_rate": 5.135135135135135e-07,
"loss": 0.2374,
"step": 338
},
{
"epoch": 0.904,
"grad_norm": 0.3994562029838562,
"learning_rate": 5.000000000000001e-07,
"loss": 0.093,
"step": 339
},
{
"epoch": 0.9066666666666666,
"grad_norm": 0.771163284778595,
"learning_rate": 4.864864864864865e-07,
"loss": 0.2872,
"step": 340
},
{
"epoch": 0.9093333333333333,
"grad_norm": 0.751780092716217,
"learning_rate": 4.7297297297297305e-07,
"loss": 0.2919,
"step": 341
},
{
"epoch": 0.912,
"grad_norm": 0.7651583552360535,
"learning_rate": 4.5945945945945953e-07,
"loss": 0.2674,
"step": 342
},
{
"epoch": 0.9146666666666666,
"grad_norm": 0.6452313661575317,
"learning_rate": 4.45945945945946e-07,
"loss": 0.2545,
"step": 343
},
{
"epoch": 0.9173333333333333,
"grad_norm": 0.9916335940361023,
"learning_rate": 4.324324324324325e-07,
"loss": 0.474,
"step": 344
},
{
"epoch": 0.92,
"grad_norm": 0.6891211271286011,
"learning_rate": 4.18918918918919e-07,
"loss": 0.264,
"step": 345
},
{
"epoch": 0.9226666666666666,
"grad_norm": 0.9911397695541382,
"learning_rate": 4.0540540540540546e-07,
"loss": 0.3662,
"step": 346
},
{
"epoch": 0.9253333333333333,
"grad_norm": 0.6984186172485352,
"learning_rate": 3.9189189189189195e-07,
"loss": 0.1964,
"step": 347
},
{
"epoch": 0.928,
"grad_norm": 0.6879184246063232,
"learning_rate": 3.7837837837837843e-07,
"loss": 0.3225,
"step": 348
},
{
"epoch": 0.9306666666666666,
"grad_norm": 0.7449390888214111,
"learning_rate": 3.648648648648649e-07,
"loss": 0.3454,
"step": 349
},
{
"epoch": 0.9333333333333333,
"grad_norm": 0.7835482358932495,
"learning_rate": 3.513513513513514e-07,
"loss": 0.3234,
"step": 350
},
{
"epoch": 0.936,
"grad_norm": 0.9468456506729126,
"learning_rate": 3.378378378378379e-07,
"loss": 0.3566,
"step": 351
},
{
"epoch": 0.9386666666666666,
"grad_norm": 0.7769863605499268,
"learning_rate": 3.2432432432432436e-07,
"loss": 0.3111,
"step": 352
},
{
"epoch": 0.9413333333333334,
"grad_norm": 0.5438784956932068,
"learning_rate": 3.1081081081081084e-07,
"loss": 0.1777,
"step": 353
},
{
"epoch": 0.944,
"grad_norm": 0.9233208298683167,
"learning_rate": 2.972972972972973e-07,
"loss": 0.4088,
"step": 354
},
{
"epoch": 0.9466666666666667,
"grad_norm": 0.7583839893341064,
"learning_rate": 2.837837837837838e-07,
"loss": 0.3076,
"step": 355
},
{
"epoch": 0.9493333333333334,
"grad_norm": 0.5570662617683411,
"learning_rate": 2.702702702702703e-07,
"loss": 0.2107,
"step": 356
},
{
"epoch": 0.952,
"grad_norm": 0.7196395993232727,
"learning_rate": 2.567567567567568e-07,
"loss": 0.3265,
"step": 357
},
{
"epoch": 0.9546666666666667,
"grad_norm": 0.6890366673469543,
"learning_rate": 2.4324324324324326e-07,
"loss": 0.191,
"step": 358
},
{
"epoch": 0.9573333333333334,
"grad_norm": 0.7225922346115112,
"learning_rate": 2.2972972972972977e-07,
"loss": 0.2397,
"step": 359
},
{
"epoch": 0.96,
"grad_norm": 0.7831887602806091,
"learning_rate": 2.1621621621621625e-07,
"loss": 0.3651,
"step": 360
},
{
"epoch": 0.9626666666666667,
"grad_norm": 0.7030459642410278,
"learning_rate": 2.0270270270270273e-07,
"loss": 0.2413,
"step": 361
},
{
"epoch": 0.9653333333333334,
"grad_norm": 0.6214504837989807,
"learning_rate": 1.8918918918918921e-07,
"loss": 0.1951,
"step": 362
},
{
"epoch": 0.968,
"grad_norm": 0.750308096408844,
"learning_rate": 1.756756756756757e-07,
"loss": 0.3044,
"step": 363
},
{
"epoch": 0.9706666666666667,
"grad_norm": 1.0070992708206177,
"learning_rate": 1.6216216216216218e-07,
"loss": 0.3701,
"step": 364
},
{
"epoch": 0.9733333333333334,
"grad_norm": 0.7010138034820557,
"learning_rate": 1.4864864864864866e-07,
"loss": 0.249,
"step": 365
},
{
"epoch": 0.976,
"grad_norm": 0.8299365639686584,
"learning_rate": 1.3513513513513515e-07,
"loss": 0.4026,
"step": 366
},
{
"epoch": 0.9786666666666667,
"grad_norm": 0.8506694436073303,
"learning_rate": 1.2162162162162163e-07,
"loss": 0.3943,
"step": 367
},
{
"epoch": 0.9813333333333333,
"grad_norm": 0.7677544355392456,
"learning_rate": 1.0810810810810812e-07,
"loss": 0.3529,
"step": 368
},
{
"epoch": 0.984,
"grad_norm": 0.7364651560783386,
"learning_rate": 9.459459459459461e-08,
"loss": 0.3241,
"step": 369
},
{
"epoch": 0.9866666666666667,
"grad_norm": 0.7511231899261475,
"learning_rate": 8.108108108108109e-08,
"loss": 0.2432,
"step": 370
},
{
"epoch": 0.9893333333333333,
"grad_norm": 0.6210150718688965,
"learning_rate": 6.756756756756757e-08,
"loss": 0.2464,
"step": 371
},
{
"epoch": 0.992,
"grad_norm": 0.6229819059371948,
"learning_rate": 5.405405405405406e-08,
"loss": 0.2169,
"step": 372
},
{
"epoch": 0.9946666666666667,
"grad_norm": 0.5944173336029053,
"learning_rate": 4.0540540540540545e-08,
"loss": 0.2207,
"step": 373
},
{
"epoch": 0.9973333333333333,
"grad_norm": 0.8761155009269714,
"learning_rate": 2.702702702702703e-08,
"loss": 0.3129,
"step": 374
},
{
"epoch": 1.0,
"grad_norm": 0.7788829207420349,
"learning_rate": 1.3513513513513516e-08,
"loss": 0.2373,
"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
}