{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0,
  "eval_steps": 60,
  "global_step": 300,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.0033333333333333335,
      "grad_norm": NaN,
      "learning_rate": 0.0,
      "loss": 3.678,
      "step": 1
    },
    {
      "epoch": 0.006666666666666667,
      "grad_norm": 0.4762135446071625,
      "learning_rate": 2.2222222222222223e-05,
      "loss": 3.0439,
      "step": 2
    },
    {
      "epoch": 0.01,
      "grad_norm": 0.6002700328826904,
      "learning_rate": 4.4444444444444447e-05,
      "loss": 3.4106,
      "step": 3
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 0.6476659178733826,
      "learning_rate": 6.666666666666667e-05,
      "loss": 3.554,
      "step": 4
    },
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 0.5185155272483826,
      "learning_rate": 8.888888888888889e-05,
      "loss": 3.0154,
      "step": 5
    },
    {
      "epoch": 0.02,
      "grad_norm": NaN,
      "learning_rate": 8.888888888888889e-05,
      "loss": 2.8894,
      "step": 6
    },
    {
      "epoch": 0.023333333333333334,
      "grad_norm": 0.8041224479675293,
      "learning_rate": 0.00011111111111111112,
      "loss": 3.0546,
      "step": 7
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 0.3952060639858246,
      "learning_rate": 0.00013333333333333334,
      "loss": 2.9562,
      "step": 8
    },
    {
      "epoch": 0.03,
      "grad_norm": NaN,
      "learning_rate": 0.00013333333333333334,
      "loss": 2.6144,
      "step": 9
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 0.8140532374382019,
      "learning_rate": 0.00015555555555555556,
      "loss": 2.5651,
      "step": 10
    },
    {
      "epoch": 0.03666666666666667,
      "grad_norm": 0.7712438106536865,
      "learning_rate": 0.00017777777777777779,
      "loss": 2.4462,
      "step": 11
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.9129194617271423,
      "learning_rate": 0.0002,
      "loss": 2.2021,
      "step": 12
    },
    {
      "epoch": 0.043333333333333335,
      "grad_norm": 1.4973784685134888,
      "learning_rate": 0.00019999417253661235,
      "loss": 1.7726,
      "step": 13
    },
    {
      "epoch": 0.04666666666666667,
      "grad_norm": 1.3915261030197144,
      "learning_rate": 0.00019997669082563597,
      "loss": 2.0128,
      "step": 14
    },
    {
      "epoch": 0.05,
      "grad_norm": 2.2161591053009033,
      "learning_rate": 0.00019994755690455152,
      "loss": 1.7553,
      "step": 15
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 1.6553738117218018,
      "learning_rate": 0.00019990677416889608,
      "loss": 2.0475,
      "step": 16
    },
    {
      "epoch": 0.056666666666666664,
      "grad_norm": 0.6157505512237549,
      "learning_rate": 0.0001998543473718677,
      "loss": 1.685,
      "step": 17
    },
    {
      "epoch": 0.06,
      "grad_norm": 0.24669784307479858,
      "learning_rate": 0.00019979028262377118,
      "loss": 1.6533,
      "step": 18
    },
    {
      "epoch": 0.06333333333333334,
      "grad_norm": 0.22707951068878174,
      "learning_rate": 0.00019971458739130598,
      "loss": 2.0047,
      "step": 19
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 1.4569851160049438,
      "learning_rate": 0.000199627270496696,
      "loss": 2.0384,
      "step": 20
    },
    {
      "epoch": 0.07,
      "grad_norm": 0.413117915391922,
      "learning_rate": 0.0001995283421166614,
      "loss": 1.8686,
      "step": 21
    },
    {
      "epoch": 0.07333333333333333,
      "grad_norm": 0.3769432604312897,
      "learning_rate": 0.00019941781378123244,
      "loss": 2.3281,
      "step": 22
    },
    {
      "epoch": 0.07666666666666666,
      "grad_norm": 0.22103984653949738,
      "learning_rate": 0.00019929569837240564,
      "loss": 1.4126,
      "step": 23
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.24588149785995483,
      "learning_rate": 0.00019916201012264254,
      "loss": 1.8129,
      "step": 24
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 0.16510339081287384,
      "learning_rate": 0.00019901676461321068,
      "loss": 1.3982,
      "step": 25
    },
    {
      "epoch": 0.08666666666666667,
      "grad_norm": 0.1440768837928772,
      "learning_rate": 0.00019885997877236788,
      "loss": 2.1907,
      "step": 26
    },
    {
      "epoch": 0.09,
      "grad_norm": 0.17060863971710205,
      "learning_rate": 0.00019869167087338907,
      "loss": 1.3803,
      "step": 27
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 0.2069515585899353,
      "learning_rate": 0.00019851186053243666,
      "loss": 1.887,
      "step": 28
    },
    {
      "epoch": 0.09666666666666666,
      "grad_norm": 0.21821996569633484,
      "learning_rate": 0.00019832056870627417,
      "loss": 1.6054,
      "step": 29
    },
    {
      "epoch": 0.1,
      "grad_norm": 0.17882876098155975,
      "learning_rate": 0.0001981178176898239,
      "loss": 1.6342,
      "step": 30
    },
    {
      "epoch": 0.10333333333333333,
      "grad_norm": 0.17038118839263916,
      "learning_rate": 0.00019790363111356837,
      "loss": 1.8819,
      "step": 31
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 0.1974552720785141,
      "learning_rate": 0.00019767803394079615,
      "loss": 1.9041,
      "step": 32
    },
    {
      "epoch": 0.11,
      "grad_norm": 0.2757965922355652,
      "learning_rate": 0.00019744105246469263,
      "loss": 1.9125,
      "step": 33
    },
    {
      "epoch": 0.11333333333333333,
      "grad_norm": 0.19870969653129578,
      "learning_rate": 0.0001971927143052752,
      "loss": 1.8851,
      "step": 34
    },
    {
      "epoch": 0.11666666666666667,
      "grad_norm": 0.1826757788658142,
      "learning_rate": 0.00019693304840617457,
      "loss": 1.7898,
      "step": 35
    },
    {
      "epoch": 0.12,
      "grad_norm": 0.2616521716117859,
      "learning_rate": 0.00019666208503126112,
      "loss": 1.9304,
      "step": 36
    },
    {
      "epoch": 0.12333333333333334,
      "grad_norm": 0.21208493411540985,
      "learning_rate": 0.00019637985576111778,
      "loss": 1.6942,
      "step": 37
    },
    {
      "epoch": 0.12666666666666668,
      "grad_norm": 0.2790180444717407,
      "learning_rate": 0.0001960863934893594,
      "loss": 1.8333,
      "step": 38
    },
    {
      "epoch": 0.13,
      "grad_norm": 0.18341009318828583,
      "learning_rate": 0.00019578173241879872,
      "loss": 1.8026,
      "step": 39
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.41886040568351746,
      "learning_rate": 0.00019546590805746052,
      "loss": 1.7716,
      "step": 40
    },
    {
      "epoch": 0.13666666666666666,
      "grad_norm": 0.13291174173355103,
      "learning_rate": 0.00019513895721444286,
      "loss": 1.9675,
      "step": 41
    },
    {
      "epoch": 0.14,
      "grad_norm": 0.1474720984697342,
      "learning_rate": 0.00019480091799562704,
      "loss": 1.6786,
      "step": 42
    },
    {
      "epoch": 0.14333333333333334,
      "grad_norm": 0.17442239820957184,
      "learning_rate": 0.00019445182979923654,
      "loss": 1.7849,
      "step": 43
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 0.15233103930950165,
      "learning_rate": 0.000194091733311245,
      "loss": 1.5371,
      "step": 44
    },
    {
      "epoch": 0.15,
      "grad_norm": 0.13791708648204803,
      "learning_rate": 0.00019372067050063438,
      "loss": 2.0132,
      "step": 45
    },
    {
      "epoch": 0.15333333333333332,
      "grad_norm": 0.15251068770885468,
      "learning_rate": 0.0001933386846145036,
      "loss": 1.7359,
      "step": 46
    },
    {
      "epoch": 0.15666666666666668,
      "grad_norm": 0.24324262142181396,
      "learning_rate": 0.00019294582017302797,
      "loss": 1.7972,
      "step": 47
    },
    {
      "epoch": 0.16,
      "grad_norm": 0.20748841762542725,
      "learning_rate": 0.00019254212296427044,
      "loss": 1.5059,
      "step": 48
    },
    {
      "epoch": 0.16333333333333333,
      "grad_norm": 0.3106396496295929,
      "learning_rate": 0.0001921276400388451,
      "loss": 2.0664,
      "step": 49
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 0.31523287296295166,
      "learning_rate": 0.00019170241970443343,
      "loss": 1.8873,
      "step": 50
    },
    {
      "epoch": 0.17,
      "grad_norm": 1.2277356386184692,
      "learning_rate": 0.00019126651152015403,
      "loss": 1.6405,
      "step": 51
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 0.19061756134033203,
      "learning_rate": 0.00019081996629078657,
      "loss": 1.8921,
      "step": 52
    },
    {
      "epoch": 0.17666666666666667,
      "grad_norm": 0.27055197954177856,
      "learning_rate": 0.00019036283606085053,
      "loss": 1.8499,
      "step": 53
    },
    {
      "epoch": 0.18,
      "grad_norm": 0.4002118706703186,
      "learning_rate": 0.00018989517410853955,
      "loss": 1.4783,
      "step": 54
    },
    {
      "epoch": 0.18333333333333332,
      "grad_norm": 0.27212274074554443,
      "learning_rate": 0.00018941703493951164,
      "loss": 1.2299,
      "step": 55
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 0.6585210561752319,
      "learning_rate": 0.00018892847428053693,
      "loss": 1.6397,
      "step": 56
    },
    {
      "epoch": 0.19,
      "grad_norm": 0.2484641969203949,
      "learning_rate": 0.00018842954907300236,
      "loss": 1.9502,
      "step": 57
    },
    {
      "epoch": 0.19333333333333333,
      "grad_norm": 0.1978948712348938,
      "learning_rate": 0.00018792031746627563,
      "loss": 2.0229,
      "step": 58
    },
    {
      "epoch": 0.19666666666666666,
      "grad_norm": 0.17801423370838165,
      "learning_rate": 0.0001874008388109276,
      "loss": 2.0025,
      "step": 59
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.26752933859825134,
      "learning_rate": 0.00018687117365181512,
      "loss": 1.522,
      "step": 60
    },
    {
      "epoch": 0.2,
      "eval_loss": 1.9986859560012817,
      "eval_runtime": 106.2759,
      "eval_samples_per_second": 2.823,
      "eval_steps_per_second": 0.358,
      "step": 60
    },
    {
      "epoch": 0.20333333333333334,
      "grad_norm": 0.24524369835853577,
      "learning_rate": 0.00018633138372102468,
      "loss": 2.0717,
      "step": 61
    },
    {
      "epoch": 0.20666666666666667,
      "grad_norm": 0.1529204249382019,
      "learning_rate": 0.00018578153193067745,
      "loss": 1.7074,
      "step": 62
    },
    {
      "epoch": 0.21,
      "grad_norm": 0.2284618765115738,
      "learning_rate": 0.00018522168236559695,
      "loss": 1.5471,
      "step": 63
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 0.21615256369113922,
      "learning_rate": 0.00018465190027584005,
      "loss": 1.5937,
      "step": 64
    },
    {
      "epoch": 0.21666666666666667,
      "grad_norm": 0.24150824546813965,
      "learning_rate": 0.00018407225206909208,
      "loss": 1.5986,
      "step": 65
    },
    {
      "epoch": 0.22,
      "grad_norm": 0.15798711776733398,
      "learning_rate": 0.00018348280530292713,
      "loss": 1.8715,
      "step": 66
    },
    {
      "epoch": 0.22333333333333333,
      "grad_norm": 0.2319696843624115,
      "learning_rate": 0.00018288362867693414,
      "loss": 1.3617,
      "step": 67
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 0.2020319700241089,
      "learning_rate": 0.00018227479202471015,
      "loss": 1.7928,
      "step": 68
    },
    {
      "epoch": 0.23,
      "grad_norm": 0.2809887230396271,
      "learning_rate": 0.0001816563663057211,
      "loss": 2.0081,
      "step": 69
    },
    {
      "epoch": 0.23333333333333334,
      "grad_norm": 0.2510971426963806,
      "learning_rate": 0.00018102842359703176,
      "loss": 1.5938,
      "step": 70
    },
    {
      "epoch": 0.23666666666666666,
      "grad_norm": 0.1601170003414154,
      "learning_rate": 0.000180391037084905,
      "loss": 1.8598,
      "step": 71
    },
    {
      "epoch": 0.24,
      "grad_norm": 0.2945798337459564,
      "learning_rate": 0.00017974428105627208,
      "loss": 1.6412,
      "step": 72
    },
    {
      "epoch": 0.24333333333333335,
      "grad_norm": 0.31662991642951965,
      "learning_rate": 0.00017908823089007457,
      "loss": 1.6946,
      "step": 73
    },
    {
      "epoch": 0.24666666666666667,
      "grad_norm": 0.3063909709453583,
      "learning_rate": 0.00017842296304847893,
      "loss": 1.9946,
      "step": 74
    },
    {
      "epoch": 0.25,
      "grad_norm": 0.13805601000785828,
      "learning_rate": 0.00017774855506796496,
      "loss": 1.6024,
      "step": 75
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 0.17819726467132568,
      "learning_rate": 0.00017706508555028893,
      "loss": 1.7703,
      "step": 76
    },
    {
      "epoch": 0.25666666666666665,
      "grad_norm": 0.11969258636236191,
      "learning_rate": 0.0001763726341533227,
      "loss": 1.9729,
      "step": 77
    },
    {
      "epoch": 0.26,
      "grad_norm": 0.20544451475143433,
      "learning_rate": 0.00017567128158176953,
      "loss": 1.714,
      "step": 78
    },
    {
      "epoch": 0.2633333333333333,
      "grad_norm": 0.16914527118206024,
      "learning_rate": 0.0001749611095777581,
      "loss": 1.936,
      "step": 79
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.1939394325017929,
      "learning_rate": 0.00017424220091131535,
      "loss": 1.4724,
      "step": 80
    },
    {
      "epoch": 0.27,
      "grad_norm": 0.19433513283729553,
      "learning_rate": 0.00017351463937072004,
      "loss": 1.8444,
      "step": 81
    },
    {
      "epoch": 0.2733333333333333,
      "grad_norm": 0.18188251554965973,
      "learning_rate": 0.00017277850975273696,
      "loss": 1.6896,
      "step": 82
    },
    {
      "epoch": 0.27666666666666667,
      "grad_norm": 0.17649756371974945,
      "learning_rate": 0.000172033897852734,
      "loss": 1.6855,
      "step": 83
    },
    {
      "epoch": 0.28,
      "grad_norm": 0.1801021695137024,
      "learning_rate": 0.00017128089045468294,
      "loss": 1.4462,
      "step": 84
    },
    {
      "epoch": 0.2833333333333333,
      "grad_norm": 0.16927750408649445,
      "learning_rate": 0.0001705195753210446,
      "loss": 1.5268,
      "step": 85
    },
    {
      "epoch": 0.2866666666666667,
      "grad_norm": 0.18690228462219238,
      "learning_rate": 0.0001697500411825403,
      "loss": 1.8519,
      "step": 86
    },
    {
      "epoch": 0.29,
      "grad_norm": 0.20217467844486237,
      "learning_rate": 0.00016897237772781044,
      "loss": 1.92,
      "step": 87
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 0.27469587326049805,
      "learning_rate": 0.0001681866755929612,
      "loss": 2.0257,
      "step": 88
    },
    {
      "epoch": 0.2966666666666667,
      "grad_norm": 0.13343855738639832,
      "learning_rate": 0.00016739302635100108,
      "loss": 1.6739,
      "step": 89
    },
    {
      "epoch": 0.3,
      "grad_norm": 0.18704169988632202,
      "learning_rate": 0.00016659152250116812,
      "loss": 1.7542,
      "step": 90
    },
    {
      "epoch": 0.30333333333333334,
      "grad_norm": 0.2323143184185028,
      "learning_rate": 0.00016578225745814907,
      "loss": 1.6746,
      "step": 91
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 0.17189523577690125,
      "learning_rate": 0.00016496532554119214,
      "loss": 1.6818,
      "step": 92
    },
    {
      "epoch": 0.31,
      "grad_norm": 0.19542841613292694,
      "learning_rate": 0.000164140821963114,
      "loss": 1.7951,
      "step": 93
    },
    {
      "epoch": 0.31333333333333335,
      "grad_norm": 0.2227221131324768,
      "learning_rate": 0.000163308842819203,
      "loss": 2.0738,
      "step": 94
    },
    {
      "epoch": 0.31666666666666665,
      "grad_norm": 0.25109028816223145,
      "learning_rate": 0.00016246948507601914,
      "loss": 1.7133,
      "step": 95
    },
    {
      "epoch": 0.32,
      "grad_norm": 0.12997524440288544,
      "learning_rate": 0.00016162284656009274,
      "loss": 1.9752,
      "step": 96
    },
    {
      "epoch": 0.3233333333333333,
      "grad_norm": 0.23506972193717957,
      "learning_rate": 0.0001607690259465229,
      "loss": 1.905,
      "step": 97
    },
    {
      "epoch": 0.32666666666666666,
      "grad_norm": 0.15737849473953247,
      "learning_rate": 0.00015990812274747692,
      "loss": 1.5445,
      "step": 98
    },
    {
      "epoch": 0.33,
      "grad_norm": 0.16445747017860413,
      "learning_rate": 0.00015904023730059228,
      "loss": 1.7706,
      "step": 99
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.16149075329303741,
      "learning_rate": 0.00015816547075728226,
      "loss": 1.8575,
      "step": 100
    },
    {
      "epoch": 0.33666666666666667,
      "grad_norm": 0.17258767783641815,
      "learning_rate": 0.000157283925070947,
      "loss": 1.6852,
      "step": 101
    },
    {
      "epoch": 0.34,
      "grad_norm": 0.21116161346435547,
      "learning_rate": 0.00015639570298509064,
      "loss": 1.6215,
      "step": 102
    },
    {
      "epoch": 0.3433333333333333,
      "grad_norm": 0.21945820748806,
      "learning_rate": 0.000155500908021347,
      "loss": 1.8009,
      "step": 103
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 0.15959838032722473,
      "learning_rate": 0.00015459964446741382,
      "loss": 1.5615,
      "step": 104
    },
    {
      "epoch": 0.35,
      "grad_norm": 0.1735246777534485,
      "learning_rate": 0.0001536920173648984,
      "loss": 1.7633,
      "step": 105
    },
    {
      "epoch": 0.35333333333333333,
      "grad_norm": 0.13111194968223572,
      "learning_rate": 0.00015277813249707487,
      "loss": 1.927,
      "step": 106
    },
    {
      "epoch": 0.3566666666666667,
      "grad_norm": 0.2176179140806198,
      "learning_rate": 0.0001518580963765555,
      "loss": 2.0393,
      "step": 107
    },
    {
      "epoch": 0.36,
      "grad_norm": 0.16239792108535767,
      "learning_rate": 0.00015093201623287631,
      "loss": 1.5587,
      "step": 108
    },
    {
      "epoch": 0.36333333333333334,
      "grad_norm": 0.25669199228286743,
      "learning_rate": 0.00015000000000000001,
      "loss": 1.4917,
      "step": 109
    },
    {
      "epoch": 0.36666666666666664,
      "grad_norm": 0.14471955597400665,
      "learning_rate": 0.00014906215630373606,
      "loss": 1.6249,
      "step": 110
    },
    {
      "epoch": 0.37,
      "grad_norm": 0.22089527547359467,
      "learning_rate": 0.00014811859444908052,
      "loss": 2.0068,
      "step": 111
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 0.1651736944913864,
      "learning_rate": 0.00014716942440747664,
      "loss": 1.6535,
      "step": 112
    },
    {
      "epoch": 0.37666666666666665,
      "grad_norm": 0.16808518767356873,
      "learning_rate": 0.0001462147568039977,
      "loss": 2.1169,
      "step": 113
    },
    {
      "epoch": 0.38,
      "grad_norm": 0.1802249252796173,
      "learning_rate": 0.00014525470290445392,
      "loss": 1.7287,
      "step": 114
    },
    {
      "epoch": 0.38333333333333336,
      "grad_norm": 0.13918867707252502,
      "learning_rate": 0.00014428937460242417,
      "loss": 1.6429,
      "step": 115
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 0.16866669058799744,
      "learning_rate": 0.00014331888440621533,
      "loss": 1.6221,
      "step": 116
    },
    {
      "epoch": 0.39,
      "grad_norm": 0.2179497629404068,
      "learning_rate": 0.00014234334542574906,
      "loss": 1.9434,
      "step": 117
    },
    {
      "epoch": 0.3933333333333333,
      "grad_norm": 0.20598508417606354,
      "learning_rate": 0.00014136287135937915,
      "loss": 1.8447,
      "step": 118
    },
    {
      "epoch": 0.39666666666666667,
      "grad_norm": 0.2654450535774231,
      "learning_rate": 0.00014037757648064018,
      "loss": 2.0047,
      "step": 119
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.1578744649887085,
      "learning_rate": 0.00013938757562492873,
      "loss": 1.5683,
      "step": 120
    },
    {
      "epoch": 0.4,
      "eval_loss": 1.9689319133758545,
      "eval_runtime": 105.5842,
      "eval_samples_per_second": 2.841,
      "eval_steps_per_second": 0.36,
      "step": 120
    },
    {
      "epoch": 0.4033333333333333,
      "grad_norm": 0.17445330321788788,
      "learning_rate": 0.00013839298417611963,
      "loss": 1.8099,
      "step": 121
    },
    {
      "epoch": 0.4066666666666667,
      "grad_norm": 0.17443552613258362,
      "learning_rate": 0.00013739391805311793,
      "loss": 1.6858,
      "step": 122
    },
    {
      "epoch": 0.41,
      "grad_norm": 0.2298484444618225,
      "learning_rate": 0.00013639049369634876,
      "loss": 1.6995,
      "step": 123
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 0.12730997800827026,
      "learning_rate": 0.0001353828280541861,
      "loss": 2.2712,
      "step": 124
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 0.18344169855117798,
      "learning_rate": 0.00013437103856932264,
      "loss": 1.78,
      "step": 125
    },
    {
      "epoch": 0.42,
      "grad_norm": 0.16407208144664764,
      "learning_rate": 0.00013335524316508208,
      "loss": 1.7153,
      "step": 126
    },
    {
      "epoch": 0.42333333333333334,
      "grad_norm": 0.2899414896965027,
      "learning_rate": 0.00013233556023167485,
      "loss": 1.6807,
      "step": 127
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.20936259627342224,
      "learning_rate": 0.00013131210861240026,
      "loss": 1.8354,
      "step": 128
    },
    {
      "epoch": 0.43,
      "grad_norm": 0.24104556441307068,
      "learning_rate": 0.00013028500758979506,
      "loss": 1.7304,
      "step": 129
    },
    {
      "epoch": 0.43333333333333335,
      "grad_norm": 0.13295267522335052,
      "learning_rate": 0.00012925437687173142,
      "loss": 1.5726,
      "step": 130
    },
    {
      "epoch": 0.43666666666666665,
      "grad_norm": 0.18221959471702576,
      "learning_rate": 0.00012822033657746478,
      "loss": 1.8909,
      "step": 131
    },
    {
      "epoch": 0.44,
      "grad_norm": 0.15093231201171875,
      "learning_rate": 0.0001271830072236343,
      "loss": 1.4898,
      "step": 132
    },
    {
      "epoch": 0.44333333333333336,
      "grad_norm": 0.24701373279094696,
      "learning_rate": 0.00012614250971021657,
      "loss": 1.5876,
      "step": 133
    },
    {
      "epoch": 0.44666666666666666,
      "grad_norm": 0.15908396244049072,
      "learning_rate": 0.00012509896530643488,
      "loss": 1.8188,
      "step": 134
    },
    {
      "epoch": 0.45,
      "grad_norm": 0.17179876565933228,
      "learning_rate": 0.00012405249563662537,
      "loss": 1.6909,
      "step": 135
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 0.2213679701089859,
      "learning_rate": 0.00012300322266606178,
      "loss": 1.8504,
      "step": 136
    },
    {
      "epoch": 0.45666666666666667,
      "grad_norm": 0.1909617930650711,
      "learning_rate": 0.00012195126868674051,
      "loss": 1.7861,
      "step": 137
    },
    {
      "epoch": 0.46,
      "grad_norm": 0.22522148489952087,
      "learning_rate": 0.00012089675630312754,
      "loss": 1.4303,
      "step": 138
    },
    {
      "epoch": 0.4633333333333333,
      "grad_norm": 0.18442374467849731,
      "learning_rate": 0.000119839808417869,
      "loss": 1.7304,
      "step": 139
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.19756169617176056,
      "learning_rate": 0.00011878054821746703,
      "loss": 1.7696,
      "step": 140
    },
    {
      "epoch": 0.47,
      "grad_norm": 0.21999084949493408,
      "learning_rate": 0.0001177190991579223,
      "loss": 1.3715,
      "step": 141
    },
    {
      "epoch": 0.47333333333333333,
      "grad_norm": 0.15807120501995087,
      "learning_rate": 0.00011665558495034546,
      "loss": 1.6985,
      "step": 142
    },
    {
      "epoch": 0.4766666666666667,
      "grad_norm": 0.21601736545562744,
      "learning_rate": 0.00011559012954653865,
      "loss": 1.3233,
      "step": 143
    },
    {
      "epoch": 0.48,
      "grad_norm": 0.14652834832668304,
      "learning_rate": 0.00011452285712454904,
      "loss": 1.6432,
      "step": 144
    },
    {
      "epoch": 0.48333333333333334,
      "grad_norm": 0.11754251271486282,
      "learning_rate": 0.00011345389207419588,
      "loss": 1.9452,
      "step": 145
    },
    {
      "epoch": 0.4866666666666667,
      "grad_norm": 0.15474091470241547,
      "learning_rate": 0.00011238335898257304,
      "loss": 1.8238,
      "step": 146
    },
    {
      "epoch": 0.49,
      "grad_norm": 0.19140326976776123,
      "learning_rate": 0.00011131138261952845,
      "loss": 1.6152,
      "step": 147
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 0.17788617312908173,
      "learning_rate": 0.00011023808792312227,
      "loss": 1.7443,
      "step": 148
    },
    {
      "epoch": 0.49666666666666665,
      "grad_norm": 0.18357710540294647,
      "learning_rate": 0.0001091635999850655,
      "loss": 1.7117,
      "step": 149
    },
    {
      "epoch": 0.5,
      "grad_norm": 0.18637436628341675,
      "learning_rate": 0.00010808804403614043,
      "loss": 1.6151,
      "step": 150
    },
    {
      "epoch": 0.5033333333333333,
      "grad_norm": 0.18485836684703827,
      "learning_rate": 0.00010701154543160541,
      "loss": 1.2937,
      "step": 151
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 0.16544543206691742,
      "learning_rate": 0.00010593422963658452,
      "loss": 2.0701,
      "step": 152
    },
    {
      "epoch": 0.51,
      "grad_norm": 0.22352543473243713,
      "learning_rate": 0.00010485622221144484,
      "loss": 1.917,
      "step": 153
    },
    {
      "epoch": 0.5133333333333333,
      "grad_norm": 0.18895843625068665,
      "learning_rate": 0.00010377764879716234,
      "loss": 1.5448,
      "step": 154
    },
    {
      "epoch": 0.5166666666666667,
      "grad_norm": 0.15331783890724182,
      "learning_rate": 0.00010269863510067872,
      "loss": 1.7176,
      "step": 155
    },
    {
      "epoch": 0.52,
      "grad_norm": 0.23109984397888184,
      "learning_rate": 0.00010161930688025017,
      "loss": 1.533,
      "step": 156
    },
    {
      "epoch": 0.5233333333333333,
      "grad_norm": 0.14737705886363983,
      "learning_rate": 0.00010053978993079045,
      "loss": 1.738,
      "step": 157
    },
    {
      "epoch": 0.5266666666666666,
      "grad_norm": 0.17144230008125305,
      "learning_rate": 9.946021006920959e-05,
      "loss": 1.9154,
      "step": 158
    },
    {
      "epoch": 0.53,
      "grad_norm": 0.1662004441022873,
      "learning_rate": 9.838069311974986e-05,
      "loss": 1.8317,
      "step": 159
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.184712752699852,
      "learning_rate": 9.730136489932133e-05,
      "loss": 1.3791,
      "step": 160
    },
    {
      "epoch": 0.5366666666666666,
      "grad_norm": 0.2711019515991211,
      "learning_rate": 9.622235120283769e-05,
      "loss": 1.7356,
      "step": 161
    },
    {
      "epoch": 0.54,
      "grad_norm": 0.22583667933940887,
      "learning_rate": 9.514377778855521e-05,
      "loss": 1.839,
      "step": 162
    },
    {
      "epoch": 0.5433333333333333,
      "grad_norm": 0.19490784406661987,
      "learning_rate": 9.406577036341548e-05,
      "loss": 1.4991,
      "step": 163
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 0.15581147372722626,
      "learning_rate": 9.298845456839459e-05,
      "loss": 1.8299,
      "step": 164
    },
    {
      "epoch": 0.55,
      "grad_norm": 0.1860620230436325,
      "learning_rate": 9.19119559638596e-05,
      "loss": 2.1671,
      "step": 165
    },
    {
      "epoch": 0.5533333333333333,
      "grad_norm": 0.23739062249660492,
      "learning_rate": 9.083640001493454e-05,
      "loss": 2.3618,
      "step": 166
    },
    {
      "epoch": 0.5566666666666666,
      "grad_norm": 0.2087864726781845,
      "learning_rate": 8.976191207687775e-05,
      "loss": 1.7497,
      "step": 167
    },
    {
      "epoch": 0.56,
      "grad_norm": 0.14848671853542328,
      "learning_rate": 8.868861738047158e-05,
      "loss": 1.552,
      "step": 168
    },
    {
      "epoch": 0.5633333333333334,
      "grad_norm": 0.1923326849937439,
      "learning_rate": 8.7616641017427e-05,
      "loss": 1.9334,
      "step": 169
    },
    {
      "epoch": 0.5666666666666667,
      "grad_norm": 0.18040664494037628,
      "learning_rate": 8.654610792580415e-05,
      "loss": 1.8009,
      "step": 170
    },
    {
      "epoch": 0.57,
      "grad_norm": 0.19821511209011078,
      "learning_rate": 8.5477142875451e-05,
      "loss": 1.5184,
      "step": 171
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 0.24785931408405304,
      "learning_rate": 8.440987045346134e-05,
      "loss": 1.8505,
      "step": 172
    },
    {
      "epoch": 0.5766666666666667,
      "grad_norm": 0.17160287499427795,
      "learning_rate": 8.334441504965455e-05,
      "loss": 1.4808,
      "step": 173
    },
    {
      "epoch": 0.58,
      "grad_norm": 0.13557881116867065,
      "learning_rate": 8.228090084207774e-05,
      "loss": 1.6194,
      "step": 174
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 0.1418817937374115,
      "learning_rate": 8.1219451782533e-05,
      "loss": 1.4039,
      "step": 175
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 0.18646883964538574,
      "learning_rate": 8.016019158213101e-05,
      "loss": 1.5624,
      "step": 176
    },
    {
      "epoch": 0.59,
      "grad_norm": 0.1777251660823822,
      "learning_rate": 7.91032436968725e-05,
      "loss": 1.7192,
      "step": 177
    },
    {
      "epoch": 0.5933333333333334,
      "grad_norm": 0.14895232021808624,
      "learning_rate": 7.804873131325954e-05,
      "loss": 1.5677,
      "step": 178
    },
    {
      "epoch": 0.5966666666666667,
      "grad_norm": 0.19403791427612305,
      "learning_rate": 7.699677733393826e-05,
      "loss": 1.6584,
      "step": 179
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.13547170162200928,
      "learning_rate": 7.594750436337467e-05,
      "loss": 1.29,
      "step": 180
    },
    {
      "epoch": 0.6,
      "eval_loss": 1.9572664499282837,
      "eval_runtime": 105.5497,
      "eval_samples_per_second": 2.842,
      "eval_steps_per_second": 0.36,
      "step": 180
    },
    {
      "epoch": 0.6033333333333334,
      "grad_norm": 0.16800864040851593,
      "learning_rate": 7.490103469356513e-05,
      "loss": 1.2715,
      "step": 181
    },
    {
      "epoch": 0.6066666666666667,
      "grad_norm": 0.29579752683639526,
      "learning_rate": 7.385749028978346e-05,
      "loss": 1.8179,
      "step": 182
    },
    {
      "epoch": 0.61,
      "grad_norm": 0.21788251399993896,
      "learning_rate": 7.281699277636572e-05,
      "loss": 1.4703,
      "step": 183
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.22312134504318237,
      "learning_rate": 7.177966342253524e-05,
      "loss": 1.8905,
      "step": 184
    },
    {
      "epoch": 0.6166666666666667,
      "grad_norm": 0.13738024234771729,
      "learning_rate": 7.07456231282686e-05,
      "loss": 1.7124,
      "step": 185
    },
    {
      "epoch": 0.62,
      "grad_norm": 0.23278340697288513,
      "learning_rate": 6.971499241020495e-05,
      "loss": 1.7325,
      "step": 186
    },
    {
      "epoch": 0.6233333333333333,
      "grad_norm": 0.21700285375118256,
      "learning_rate": 6.868789138759976e-05,
      "loss": 1.3786,
      "step": 187
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 0.2645608186721802,
      "learning_rate": 6.766443976832517e-05,
      "loss": 1.8447,
      "step": 188
    },
    {
      "epoch": 0.63,
      "grad_norm": 0.23962748050689697,
      "learning_rate": 6.664475683491796e-05,
      "loss": 1.6991,
      "step": 189
    },
    {
      "epoch": 0.6333333333333333,
      "grad_norm": 0.1541968584060669,
      "learning_rate": 6.562896143067734e-05,
      "loss": 1.6777,
      "step": 190
    },
    {
      "epoch": 0.6366666666666667,
      "grad_norm": 0.18910759687423706,
      "learning_rate": 6.461717194581393e-05,
      "loss": 1.6926,
      "step": 191
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.12460765987634659,
      "learning_rate": 6.360950630365126e-05,
      "loss": 1.2618,
      "step": 192
    },
    {
      "epoch": 0.6433333333333333,
      "grad_norm": 0.1890854835510254,
      "learning_rate": 6.260608194688206e-05,
      "loss": 1.6225,
      "step": 193
    },
    {
      "epoch": 0.6466666666666666,
      "grad_norm": 0.14857855439186096,
      "learning_rate": 6.160701582388038e-05,
      "loss": 1.7004,
      "step": 194
    },
    {
      "epoch": 0.65,
      "grad_norm": 0.17963790893554688,
      "learning_rate": 6.061242437507131e-05,
      "loss": 1.2582,
      "step": 195
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 0.22860835492610931,
      "learning_rate": 5.962242351935985e-05,
      "loss": 1.7153,
      "step": 196
    },
    {
      "epoch": 0.6566666666666666,
      "grad_norm": 0.11601811647415161,
      "learning_rate": 5.863712864062089e-05,
      "loss": 1.3152,
      "step": 197
    },
    {
      "epoch": 0.66,
      "grad_norm": 0.2678441107273102,
      "learning_rate": 5.765665457425102e-05,
      "loss": 1.7089,
      "step": 198
    },
    {
      "epoch": 0.6633333333333333,
      "grad_norm": 0.14132283627986908,
      "learning_rate": 5.668111559378471e-05,
      "loss": 1.5296,
      "step": 199
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.1803818643093109,
      "learning_rate": 5.571062539757581e-05,
      "loss": 1.7109,
      "step": 200
    },
    {
      "epoch": 0.67,
      "grad_norm": 0.18806160986423492,
      "learning_rate": 5.474529709554612e-05,
      "loss": 1.564,
      "step": 201
    },
    {
      "epoch": 0.6733333333333333,
      "grad_norm": 0.1855868101119995,
      "learning_rate": 5.378524319600231e-05,
      "loss": 1.6849,
      "step": 202
    },
    {
      "epoch": 0.6766666666666666,
      "grad_norm": 0.14401951432228088,
      "learning_rate": 5.283057559252341e-05,
      "loss": 1.6278,
      "step": 203
    },
    {
      "epoch": 0.68,
      "grad_norm": 0.13861948251724243,
      "learning_rate": 5.1881405550919493e-05,
      "loss": 1.7262,
      "step": 204
    },
    {
      "epoch": 0.6833333333333333,
      "grad_norm": 0.3547126054763794,
      "learning_rate": 5.0937843696263966e-05,
      "loss": 2.1987,
      "step": 205
    },
    {
      "epoch": 0.6866666666666666,
      "grad_norm": 0.2394469678401947,
      "learning_rate": 5.000000000000002e-05,
      "loss": 1.7782,
      "step": 206
    },
    {
      "epoch": 0.69,
      "grad_norm": 0.17434202134609222,
      "learning_rate": 4.9067983767123736e-05,
      "loss": 1.6292,
      "step": 207
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.22222231328487396,
      "learning_rate": 4.814190362344454e-05,
      "loss": 1.8205,
      "step": 208
    },
    {
      "epoch": 0.6966666666666667,
      "grad_norm": 0.14674372971057892,
      "learning_rate": 4.722186750292511e-05,
      "loss": 1.3575,
      "step": 209
    },
    {
      "epoch": 0.7,
      "grad_norm": 0.23563924431800842,
      "learning_rate": 4.630798263510162e-05,
      "loss": 2.0979,
      "step": 210
    },
    {
      "epoch": 0.7033333333333334,
      "grad_norm": 0.19721245765686035,
      "learning_rate": 4.540035553258619e-05,
      "loss": 1.6031,
      "step": 211
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 0.1618299037218094,
      "learning_rate": 4.449909197865303e-05,
      "loss": 1.7319,
      "step": 212
    },
    {
      "epoch": 0.71,
      "grad_norm": 0.2110472023487091,
      "learning_rate": 4.360429701490934e-05,
      "loss": 1.8205,
      "step": 213
    },
    {
      "epoch": 0.7133333333333334,
      "grad_norm": 0.16100046038627625,
      "learning_rate": 4.271607492905303e-05,
      "loss": 1.7695,
      "step": 214
    },
    {
      "epoch": 0.7166666666666667,
      "grad_norm": 0.16993089020252228,
      "learning_rate": 4.183452924271776e-05,
      "loss": 1.6692,
      "step": 215
    },
    {
      "epoch": 0.72,
      "grad_norm": 0.19697882235050201,
      "learning_rate": 4.0959762699407766e-05,
      "loss": 1.6532,
      "step": 216
    },
    {
      "epoch": 0.7233333333333334,
      "grad_norm": 0.17745055258274078,
      "learning_rate": 4.009187725252309e-05,
      "loss": 1.7848,
      "step": 217
    },
    {
      "epoch": 0.7266666666666667,
      "grad_norm": 0.187378391623497,
      "learning_rate": 3.9230974053477086e-05,
      "loss": 1.656,
      "step": 218
    },
    {
      "epoch": 0.73,
      "grad_norm": 0.15109644830226898,
      "learning_rate": 3.8377153439907266e-05,
      "loss": 1.5773,
      "step": 219
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.1965898722410202,
      "learning_rate": 3.7530514923980884e-05,
      "loss": 1.7998,
      "step": 220
    },
    {
      "epoch": 0.7366666666666667,
      "grad_norm": 0.13748736679553986,
      "learning_rate": 3.669115718079702e-05,
      "loss": 1.7072,
      "step": 221
    },
    {
      "epoch": 0.74,
      "grad_norm": 0.16212758421897888,
      "learning_rate": 3.585917803688603e-05,
      "loss": 1.5043,
      "step": 222
    },
    {
      "epoch": 0.7433333333333333,
      "grad_norm": 0.19969479739665985,
      "learning_rate": 3.503467445880789e-05,
      "loss": 1.1802,
      "step": 223
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.19470465183258057,
      "learning_rate": 3.421774254185096e-05,
      "loss": 1.7774,
      "step": 224
    },
    {
      "epoch": 0.75,
      "grad_norm": 0.17509035766124725,
      "learning_rate": 3.340847749883191e-05,
      "loss": 1.7423,
      "step": 225
    },
    {
      "epoch": 0.7533333333333333,
      "grad_norm": 0.16134221851825714,
      "learning_rate": 3.2606973648998915e-05,
      "loss": 1.7789,
      "step": 226
    },
    {
      "epoch": 0.7566666666666667,
      "grad_norm": 0.13019809126853943,
      "learning_rate": 3.1813324407038825e-05,
      "loss": 1.6566,
      "step": 227
    },
    {
      "epoch": 0.76,
      "grad_norm": 0.17759770154953003,
      "learning_rate": 3.102762227218957e-05,
      "loss": 1.7183,
      "step": 228
    },
    {
      "epoch": 0.7633333333333333,
      "grad_norm": 0.22855810821056366,
      "learning_rate": 3.0249958817459722e-05,
      "loss": 1.4156,
      "step": 229
    },
    {
      "epoch": 0.7666666666666667,
      "grad_norm": 0.18700584769248962,
      "learning_rate": 2.9480424678955443e-05,
      "loss": 1.36,
      "step": 230
    },
    {
      "epoch": 0.77,
      "grad_norm": 0.23632779717445374,
      "learning_rate": 2.8719109545317103e-05,
      "loss": 2.4022,
      "step": 231
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 0.225185826420784,
      "learning_rate": 2.7966102147265994e-05,
      "loss": 1.5102,
      "step": 232
    },
    {
      "epoch": 0.7766666666666666,
      "grad_norm": 0.153280109167099,
      "learning_rate": 2.722149024726307e-05,
      "loss": 1.6525,
      "step": 233
    },
    {
      "epoch": 0.78,
      "grad_norm": 0.2028931975364685,
      "learning_rate": 2.6485360629279987e-05,
      "loss": 1.6028,
      "step": 234
    },
    {
      "epoch": 0.7833333333333333,
      "grad_norm": 0.11865737289190292,
      "learning_rate": 2.5757799088684654e-05,
      "loss": 1.9712,
      "step": 235
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 0.16811503469944,
      "learning_rate": 2.5038890422241958e-05,
      "loss": 1.8192,
      "step": 236
    },
    {
      "epoch": 0.79,
      "grad_norm": 0.2171882688999176,
      "learning_rate": 2.432871841823047e-05,
      "loss": 1.8958,
      "step": 237
    },
    {
      "epoch": 0.7933333333333333,
      "grad_norm": 0.1831800788640976,
      "learning_rate": 2.3627365846677306e-05,
      "loss": 1.8858,
      "step": 238
    },
    {
      "epoch": 0.7966666666666666,
      "grad_norm": 0.1818980723619461,
      "learning_rate": 2.2934914449711087e-05,
      "loss": 1.8898,
      "step": 239
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.16912035644054413,
      "learning_rate": 2.2251444932035094e-05,
      "loss": 1.6317,
      "step": 240
    },
    {
      "epoch": 0.8,
      "eval_loss": 1.9515124559402466,
      "eval_runtime": 105.7502,
      "eval_samples_per_second": 2.837,
      "eval_steps_per_second": 0.359,
      "step": 240
    },
    {
      "epoch": 0.8033333333333333,
      "grad_norm": 0.26389726996421814,
      "learning_rate": 2.157703695152109e-05,
      "loss": 1.5613,
      "step": 241
    },
    {
      "epoch": 0.8066666666666666,
      "grad_norm": 0.17984025180339813,
      "learning_rate": 2.091176910992545e-05,
      "loss": 1.6669,
      "step": 242
    },
    {
      "epoch": 0.81,
      "grad_norm": 0.2281753122806549,
      "learning_rate": 2.025571894372794e-05,
      "loss": 1.7596,
      "step": 243
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 0.28229451179504395,
      "learning_rate": 1.9608962915094996e-05,
      "loss": 1.9176,
      "step": 244
    },
    {
      "epoch": 0.8166666666666667,
      "grad_norm": 0.21417230367660522,
      "learning_rate": 1.897157640296825e-05,
      "loss": 1.7502,
      "step": 245
    },
    {
      "epoch": 0.82,
      "grad_norm": 0.18738320469856262,
      "learning_rate": 1.8343633694278895e-05,
      "loss": 2.11,
      "step": 246
    },
    {
      "epoch": 0.8233333333333334,
      "grad_norm": 0.14456549286842346,
      "learning_rate": 1.772520797528988e-05,
      "loss": 1.868,
      "step": 247
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 0.2031559944152832,
      "learning_rate": 1.7116371323065883e-05,
      "loss": 1.3048,
      "step": 248
    },
    {
      "epoch": 0.83,
      "grad_norm": 0.49127626419067383,
      "learning_rate": 1.65171946970729e-05,
      "loss": 1.6597,
      "step": 249
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 0.12952959537506104,
      "learning_rate": 1.592774793090792e-05,
      "loss": 1.6928,
      "step": 250
    },
    {
      "epoch": 0.8366666666666667,
      "grad_norm": 0.16764536499977112,
      "learning_rate": 1.534809972415998e-05,
      "loss": 1.2168,
      "step": 251
    },
    {
      "epoch": 0.84,
      "grad_norm": 0.17101448774337769,
      "learning_rate": 1.4778317634403083e-05,
      "loss": 1.5374,
      "step": 252
    },
    {
      "epoch": 0.8433333333333334,
      "grad_norm": 0.19581882655620575,
      "learning_rate": 1.4218468069322578e-05,
      "loss": 1.7137,
      "step": 253
    },
    {
      "epoch": 0.8466666666666667,
      "grad_norm": 0.1691337525844574,
      "learning_rate": 1.3668616278975343e-05,
      "loss": 1.7247,
      "step": 254
    },
    {
      "epoch": 0.85,
      "grad_norm": 0.10976916551589966,
      "learning_rate": 1.3128826348184887e-05,
      "loss": 1.7101,
      "step": 255
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.14474567770957947,
      "learning_rate": 1.2599161189072427e-05,
      "loss": 1.6163,
      "step": 256
    },
    {
      "epoch": 0.8566666666666667,
      "grad_norm": 0.1492033302783966,
      "learning_rate": 1.2079682533724379e-05,
      "loss": 1.5831,
      "step": 257
    },
    {
      "epoch": 0.86,
      "grad_norm": 0.500358521938324,
      "learning_rate": 1.1570450926997655e-05,
      "loss": 1.9243,
      "step": 258
    },
    {
      "epoch": 0.8633333333333333,
      "grad_norm": 0.1507658064365387,
      "learning_rate": 1.1071525719463095e-05,
      "loss": 1.6014,
      "step": 259
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.13210022449493408,
      "learning_rate": 1.0582965060488359e-05,
      "loss": 1.8596,
      "step": 260
    },
    {
      "epoch": 0.87,
      "grad_norm": 0.18185356259346008,
      "learning_rate": 1.010482589146048e-05,
      "loss": 1.3959,
      "step": 261
    },
    {
      "epoch": 0.8733333333333333,
      "grad_norm": 0.1475716084241867,
      "learning_rate": 9.637163939149485e-06,
      "loss": 2.0064,
      "step": 262
    },
    {
      "epoch": 0.8766666666666667,
      "grad_norm": 0.20647890865802765,
      "learning_rate": 9.180033709213454e-06,
      "loss": 1.9017,
      "step": 263
    },
    {
      "epoch": 0.88,
      "grad_norm": 0.16821038722991943,
      "learning_rate": 8.733488479845997e-06,
      "loss": 1.4959,
      "step": 264
    },
    {
      "epoch": 0.8833333333333333,
      "grad_norm": 0.2551242709159851,
      "learning_rate": 8.297580295566575e-06,
      "loss": 1.7765,
      "step": 265
    },
    {
      "epoch": 0.8866666666666667,
      "grad_norm": 0.1547422707080841,
      "learning_rate": 7.872359961154906e-06,
      "loss": 1.9658,
      "step": 266
    },
    {
      "epoch": 0.89,
      "grad_norm": 0.19091367721557617,
      "learning_rate": 7.457877035729588e-06,
      "loss": 1.4526,
      "step": 267
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 0.18940412998199463,
      "learning_rate": 7.054179826972074e-06,
      "loss": 1.9816,
      "step": 268
    },
    {
      "epoch": 0.8966666666666666,
      "grad_norm": 0.20087075233459473,
      "learning_rate": 6.661315385496425e-06,
      "loss": 1.9941,
      "step": 269
    },
    {
      "epoch": 0.9,
      "grad_norm": 0.13561421632766724,
      "learning_rate": 6.2793294993656494e-06,
      "loss": 1.9879,
      "step": 270
    },
    {
      "epoch": 0.9033333333333333,
      "grad_norm": 0.13483434915542603,
      "learning_rate": 5.908266688755049e-06,
      "loss": 1.6953,
      "step": 271
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.19798149168491364,
      "learning_rate": 5.54817020076347e-06,
      "loss": 1.6216,
      "step": 272
    },
    {
      "epoch": 0.91,
      "grad_norm": 0.15632538497447968,
      "learning_rate": 5.199082004372957e-06,
      "loss": 1.7665,
      "step": 273
    },
    {
      "epoch": 0.9133333333333333,
      "grad_norm": 0.18586932122707367,
      "learning_rate": 4.861042785557146e-06,
      "loss": 2.0123,
      "step": 274
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 0.16410577297210693,
      "learning_rate": 4.534091942539475e-06,
      "loss": 1.7443,
      "step": 275
    },
    {
      "epoch": 0.92,
      "grad_norm": 0.1842477172613144,
      "learning_rate": 4.2182675812012965e-06,
      "loss": 1.528,
      "step": 276
    },
    {
      "epoch": 0.9233333333333333,
      "grad_norm": 0.1795828491449356,
      "learning_rate": 3.913606510640644e-06,
      "loss": 1.6607,
      "step": 277
    },
    {
      "epoch": 0.9266666666666666,
      "grad_norm": 0.24803687632083893,
      "learning_rate": 3.620144238882206e-06,
      "loss": 1.5034,
      "step": 278
    },
    {
      "epoch": 0.93,
      "grad_norm": 0.23375527560710907,
      "learning_rate": 3.3379149687388867e-06,
      "loss": 1.7486,
      "step": 279
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.1961246132850647,
      "learning_rate": 3.06695159382544e-06,
      "loss": 1.4684,
      "step": 280
    },
    {
      "epoch": 0.9366666666666666,
      "grad_norm": 0.17305491864681244,
      "learning_rate": 2.8072856947248037e-06,
      "loss": 1.8544,
      "step": 281
    },
    {
      "epoch": 0.94,
      "grad_norm": 0.1923137605190277,
      "learning_rate": 2.5589475353073988e-06,
      "loss": 1.8947,
      "step": 282
    },
    {
      "epoch": 0.9433333333333334,
      "grad_norm": 0.14171859622001648,
      "learning_rate": 2.3219660592038285e-06,
      "loss": 2.1618,
      "step": 283
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 0.13578371703624725,
      "learning_rate": 2.0963688864316323e-06,
      "loss": 1.9193,
      "step": 284
    },
    {
      "epoch": 0.95,
      "grad_norm": 0.20825190842151642,
      "learning_rate": 1.882182310176095e-06,
      "loss": 1.7954,
      "step": 285
    },
    {
      "epoch": 0.9533333333333334,
      "grad_norm": 0.16706398129463196,
      "learning_rate": 1.6794312937258417e-06,
      "loss": 2.1252,
      "step": 286
    },
    {
      "epoch": 0.9566666666666667,
      "grad_norm": 0.11100097745656967,
      "learning_rate": 1.488139467563354e-06,
      "loss": 1.4543,
      "step": 287
    },
    {
      "epoch": 0.96,
      "grad_norm": 0.16676479578018188,
      "learning_rate": 1.30832912661093e-06,
      "loss": 1.7001,
      "step": 288
    },
    {
      "epoch": 0.9633333333333334,
      "grad_norm": 0.14126090705394745,
      "learning_rate": 1.1400212276321376e-06,
      "loss": 1.4247,
      "step": 289
    },
    {
      "epoch": 0.9666666666666667,
      "grad_norm": 0.15663489699363708,
      "learning_rate": 9.832353867893386e-07,
      "loss": 0.9358,
      "step": 290
    },
    {
      "epoch": 0.97,
      "grad_norm": 0.2205333262681961,
      "learning_rate": 8.379898773574924e-07,
      "loss": 1.6609,
      "step": 291
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.1646774411201477,
      "learning_rate": 7.043016275943615e-07,
      "loss": 1.8591,
      "step": 292
    },
    {
      "epoch": 0.9766666666666667,
      "grad_norm": 0.20356421172618866,
      "learning_rate": 5.821862187675775e-07,
      "loss": 1.9469,
      "step": 293
    },
    {
      "epoch": 0.98,
      "grad_norm": 0.17772065103054047,
      "learning_rate": 4.7165788333860536e-07,
      "loss": 1.0896,
      "step": 294
    },
    {
      "epoch": 0.9833333333333333,
      "grad_norm": 0.1542958915233612,
      "learning_rate": 3.727295033040035e-07,
      "loss": 1.5185,
      "step": 295
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.1795244961977005,
      "learning_rate": 2.854126086940356e-07,
      "loss": 1.7396,
      "step": 296
    },
    {
      "epoch": 0.99,
      "grad_norm": 0.16536656022071838,
      "learning_rate": 2.0971737622883515e-07,
      "loss": 1.7716,
      "step": 297
    },
    {
      "epoch": 0.9933333333333333,
      "grad_norm": 0.20850741863250732,
      "learning_rate": 1.4565262813230894e-07,
      "loss": 1.2772,
      "step": 298
    },
    {
      "epoch": 0.9966666666666667,
      "grad_norm": 0.16341620683670044,
      "learning_rate": 9.32258311039269e-08,
      "loss": 1.5941,
      "step": 299
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.19970038533210754,
      "learning_rate": 5.2443095448506674e-08,
      "loss": 1.7513,
      "step": 300
    },
    {
      "epoch": 1.0,
      "eval_loss": 1.9492239952087402,
      "eval_runtime": 107.0008,
      "eval_samples_per_second": 2.804,
      "eval_steps_per_second": 0.355,
      "step": 300
    }
  ],
  "logging_steps": 1,
  "max_steps": 300,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "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": 1.3809234445438157e+17,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}