{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 10.0,
  "eval_steps": 500,
  "global_step": 3500,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.2857142857142857,
      "grad_norm": 0.6237152218818665,
      "learning_rate": 4e-05,
      "loss": 2.4096,
      "step": 100
    },
    {
      "epoch": 0.5714285714285714,
      "grad_norm": 1.4872891902923584,
      "learning_rate": 8e-05,
      "loss": 1.5214,
      "step": 200
    },
    {
      "epoch": 0.8571428571428571,
      "grad_norm": 1.8721675872802734,
      "learning_rate": 0.00012,
      "loss": 0.9786,
      "step": 300
    },
    {
      "epoch": 1.0,
      "eval_loss": 0.5907843708992004,
      "eval_runtime": 331.9763,
      "eval_samples_per_second": 2.109,
      "eval_steps_per_second": 0.527,
      "step": 350
    },
    {
      "epoch": 1.1428571428571428,
      "grad_norm": 1.8639676570892334,
      "learning_rate": 0.00016,
      "loss": 0.5839,
      "step": 400
    },
    {
      "epoch": 1.4285714285714286,
      "grad_norm": 1.6524343490600586,
      "learning_rate": 0.0002,
      "loss": 0.4143,
      "step": 500
    },
    {
      "epoch": 1.7142857142857144,
      "grad_norm": 1.1418366432189941,
      "learning_rate": 0.00019333333333333333,
      "loss": 0.3445,
      "step": 600
    },
    {
      "epoch": 2.0,
      "grad_norm": 1.0962567329406738,
      "learning_rate": 0.0001866666666666667,
      "loss": 0.3012,
      "step": 700
    },
    {
      "epoch": 2.0,
      "eval_loss": 0.2971023917198181,
      "eval_runtime": 331.597,
      "eval_samples_per_second": 2.111,
      "eval_steps_per_second": 0.528,
      "step": 700
    },
    {
      "epoch": 2.2857142857142856,
      "grad_norm": 0.3611701726913452,
      "learning_rate": 0.00018,
      "loss": 0.2614,
      "step": 800
    },
    {
      "epoch": 2.571428571428571,
      "grad_norm": 0.40023404359817505,
      "learning_rate": 0.00017333333333333334,
      "loss": 0.2425,
      "step": 900
    },
    {
      "epoch": 2.857142857142857,
      "grad_norm": 0.463142991065979,
      "learning_rate": 0.0001666666666666667,
      "loss": 0.2351,
      "step": 1000
    },
    {
      "epoch": 3.0,
      "eval_loss": 0.24983520805835724,
      "eval_runtime": 331.8028,
      "eval_samples_per_second": 2.11,
      "eval_steps_per_second": 0.527,
      "step": 1050
    },
    {
      "epoch": 3.142857142857143,
      "grad_norm": 0.3725013732910156,
      "learning_rate": 0.00016,
      "loss": 0.2173,
      "step": 1100
    },
    {
      "epoch": 3.4285714285714284,
      "grad_norm": 0.3499898612499237,
      "learning_rate": 0.00015333333333333334,
      "loss": 0.216,
      "step": 1200
    },
    {
      "epoch": 3.7142857142857144,
      "grad_norm": 0.369825541973114,
      "learning_rate": 0.00014666666666666666,
      "loss": 0.2049,
      "step": 1300
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.28506389260292053,
      "learning_rate": 0.00014,
      "loss": 0.2089,
      "step": 1400
    },
    {
      "epoch": 4.0,
      "eval_loss": 0.24056243896484375,
      "eval_runtime": 331.7171,
      "eval_samples_per_second": 2.11,
      "eval_steps_per_second": 0.528,
      "step": 1400
    },
    {
      "epoch": 4.285714285714286,
      "grad_norm": 0.30741095542907715,
      "learning_rate": 0.00013333333333333334,
      "loss": 0.1854,
      "step": 1500
    },
    {
      "epoch": 4.571428571428571,
      "grad_norm": 0.30351126194000244,
      "learning_rate": 0.00012666666666666666,
      "loss": 0.1885,
      "step": 1600
    },
    {
      "epoch": 4.857142857142857,
      "grad_norm": 0.3929246664047241,
      "learning_rate": 0.00012,
      "loss": 0.1952,
      "step": 1700
    },
    {
      "epoch": 5.0,
      "eval_loss": 0.23693795502185822,
      "eval_runtime": 331.6529,
      "eval_samples_per_second": 2.111,
      "eval_steps_per_second": 0.528,
      "step": 1750
    },
    {
      "epoch": 5.142857142857143,
      "grad_norm": 0.6160484552383423,
      "learning_rate": 0.00011333333333333334,
      "loss": 0.1886,
      "step": 1800
    },
    {
      "epoch": 5.428571428571429,
      "grad_norm": 0.41531217098236084,
      "learning_rate": 0.00010666666666666667,
      "loss": 0.1814,
      "step": 1900
    },
    {
      "epoch": 5.714285714285714,
      "grad_norm": 0.43082195520401,
      "learning_rate": 0.0001,
      "loss": 0.1783,
      "step": 2000
    },
    {
      "epoch": 6.0,
      "grad_norm": 0.5060862302780151,
      "learning_rate": 9.333333333333334e-05,
      "loss": 0.1732,
      "step": 2100
    },
    {
      "epoch": 6.0,
      "eval_loss": 0.23785410821437836,
      "eval_runtime": 331.866,
      "eval_samples_per_second": 2.109,
      "eval_steps_per_second": 0.527,
      "step": 2100
    },
    {
      "epoch": 6.285714285714286,
      "grad_norm": 0.369838148355484,
      "learning_rate": 8.666666666666667e-05,
      "loss": 0.1553,
      "step": 2200
    },
    {
      "epoch": 6.571428571428571,
      "grad_norm": 0.3706706464290619,
      "learning_rate": 8e-05,
      "loss": 0.1622,
      "step": 2300
    },
    {
      "epoch": 6.857142857142857,
      "grad_norm": 0.38372883200645447,
      "learning_rate": 7.333333333333333e-05,
      "loss": 0.166,
      "step": 2400
    },
    {
      "epoch": 7.0,
      "eval_loss": 0.23934954404830933,
      "eval_runtime": 331.7455,
      "eval_samples_per_second": 2.11,
      "eval_steps_per_second": 0.528,
      "step": 2450
    },
    {
      "epoch": 7.142857142857143,
      "grad_norm": 0.4159909188747406,
      "learning_rate": 6.666666666666667e-05,
      "loss": 0.1573,
      "step": 2500
    },
    {
      "epoch": 7.428571428571429,
      "grad_norm": 0.32118484377861023,
      "learning_rate": 6e-05,
      "loss": 0.1458,
      "step": 2600
    },
    {
      "epoch": 7.714285714285714,
      "grad_norm": 0.46313735842704773,
      "learning_rate": 5.333333333333333e-05,
      "loss": 0.1503,
      "step": 2700
    },
    {
      "epoch": 8.0,
      "grad_norm": 0.41984930634498596,
      "learning_rate": 4.666666666666667e-05,
      "loss": 0.1527,
      "step": 2800
    },
    {
      "epoch": 8.0,
      "eval_loss": 0.24533726274967194,
      "eval_runtime": 331.7124,
      "eval_samples_per_second": 2.11,
      "eval_steps_per_second": 0.528,
      "step": 2800
    },
    {
      "epoch": 8.285714285714286,
      "grad_norm": 0.2690626382827759,
      "learning_rate": 4e-05,
      "loss": 0.1336,
      "step": 2900
    },
    {
      "epoch": 8.571428571428571,
      "grad_norm": 0.3065795600414276,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 0.1424,
      "step": 3000
    },
    {
      "epoch": 8.857142857142858,
      "grad_norm": 0.3088241517543793,
      "learning_rate": 2.6666666666666667e-05,
      "loss": 0.1376,
      "step": 3100
    },
    {
      "epoch": 9.0,
      "eval_loss": 0.2503173053264618,
      "eval_runtime": 331.8022,
      "eval_samples_per_second": 2.11,
      "eval_steps_per_second": 0.527,
      "step": 3150
    },
    {
      "epoch": 9.142857142857142,
      "grad_norm": 0.4028591513633728,
      "learning_rate": 2e-05,
      "loss": 0.1316,
      "step": 3200
    },
    {
      "epoch": 9.428571428571429,
      "grad_norm": 1.281490445137024,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 0.126,
      "step": 3300
    },
    {
      "epoch": 9.714285714285714,
      "grad_norm": 0.5000307559967041,
      "learning_rate": 6.666666666666667e-06,
      "loss": 0.1259,
      "step": 3400
    },
    {
      "epoch": 10.0,
      "grad_norm": 0.5802595615386963,
      "learning_rate": 0.0,
      "loss": 0.129,
      "step": 3500
    },
    {
      "epoch": 10.0,
      "eval_loss": 0.26010262966156006,
      "eval_runtime": 331.5762,
      "eval_samples_per_second": 2.111,
      "eval_steps_per_second": 0.528,
      "step": 3500
    }
  ],
  "logging_steps": 100,
  "max_steps": 3500,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 10,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 8.573504093945856e+16,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}