{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.1,
  "eval_steps": 500,
  "global_step": 2000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.0,
      "grad_norm": 83.0,
      "learning_rate": 2e-08,
      "loss": 7.8413,
      "step": 10
    },
    {
      "epoch": 0.0,
      "grad_norm": 82.0,
      "learning_rate": 4e-08,
      "loss": 7.8305,
      "step": 20
    },
    {
      "epoch": 0.0,
      "grad_norm": 84.0,
      "learning_rate": 6e-08,
      "loss": 7.8515,
      "step": 30
    },
    {
      "epoch": 0.0,
      "grad_norm": 83.5,
      "learning_rate": 8e-08,
      "loss": 7.8284,
      "step": 40
    },
    {
      "epoch": 0.0,
      "grad_norm": 82.0,
      "learning_rate": 1e-07,
      "loss": 7.8162,
      "step": 50
    },
    {
      "epoch": 0.0,
      "grad_norm": 83.5,
      "learning_rate": 1.2e-07,
      "loss": 7.8523,
      "step": 60
    },
    {
      "epoch": 0.0,
      "grad_norm": 81.0,
      "learning_rate": 1.4e-07,
      "loss": 7.8326,
      "step": 70
    },
    {
      "epoch": 0.0,
      "grad_norm": 83.0,
      "learning_rate": 1.6e-07,
      "loss": 7.8242,
      "step": 80
    },
    {
      "epoch": 0.0,
      "grad_norm": 81.5,
      "learning_rate": 1.8e-07,
      "loss": 7.8319,
      "step": 90
    },
    {
      "epoch": 0.01,
      "grad_norm": 81.5,
      "learning_rate": 2e-07,
      "loss": 7.8175,
      "step": 100
    },
    {
      "epoch": 0.01,
      "grad_norm": 83.0,
      "learning_rate": 2.1999999999999998e-07,
      "loss": 7.8136,
      "step": 110
    },
    {
      "epoch": 0.01,
      "grad_norm": 81.5,
      "learning_rate": 2.4e-07,
      "loss": 7.846,
      "step": 120
    },
    {
      "epoch": 0.01,
      "grad_norm": 82.5,
      "learning_rate": 2.6e-07,
      "loss": 7.8039,
      "step": 130
    },
    {
      "epoch": 0.01,
      "grad_norm": 82.5,
      "learning_rate": 2.8e-07,
      "loss": 7.8113,
      "step": 140
    },
    {
      "epoch": 0.01,
      "grad_norm": 82.5,
      "learning_rate": 3e-07,
      "loss": 7.7837,
      "step": 150
    },
    {
      "epoch": 0.01,
      "grad_norm": 80.5,
      "learning_rate": 3.2e-07,
      "loss": 7.7796,
      "step": 160
    },
    {
      "epoch": 0.01,
      "grad_norm": 82.0,
      "learning_rate": 3.4000000000000003e-07,
      "loss": 7.8044,
      "step": 170
    },
    {
      "epoch": 0.01,
      "grad_norm": 81.5,
      "learning_rate": 3.6e-07,
      "loss": 7.7643,
      "step": 180
    },
    {
      "epoch": 0.01,
      "grad_norm": 82.0,
      "learning_rate": 3.7999999999999996e-07,
      "loss": 7.7304,
      "step": 190
    },
    {
      "epoch": 0.01,
      "grad_norm": 82.0,
      "learning_rate": 4e-07,
      "loss": 7.7071,
      "step": 200
    },
    {
      "epoch": 0.01,
      "grad_norm": 80.5,
      "learning_rate": 4.1999999999999995e-07,
      "loss": 7.7164,
      "step": 210
    },
    {
      "epoch": 0.01,
      "grad_norm": 82.5,
      "learning_rate": 4.3999999999999997e-07,
      "loss": 7.7243,
      "step": 220
    },
    {
      "epoch": 0.01,
      "grad_norm": 80.5,
      "learning_rate": 4.6e-07,
      "loss": 7.6916,
      "step": 230
    },
    {
      "epoch": 0.01,
      "grad_norm": 81.0,
      "learning_rate": 4.8e-07,
      "loss": 7.6749,
      "step": 240
    },
    {
      "epoch": 0.01,
      "grad_norm": 80.5,
      "learning_rate": 5e-07,
      "loss": 7.6817,
      "step": 250
    },
    {
      "epoch": 0.01,
      "grad_norm": 81.0,
      "learning_rate": 5.2e-07,
      "loss": 7.6871,
      "step": 260
    },
    {
      "epoch": 0.01,
      "grad_norm": 80.5,
      "learning_rate": 5.4e-07,
      "loss": 7.6558,
      "step": 270
    },
    {
      "epoch": 0.01,
      "grad_norm": 80.5,
      "learning_rate": 5.6e-07,
      "loss": 7.5715,
      "step": 280
    },
    {
      "epoch": 0.01,
      "grad_norm": 79.0,
      "learning_rate": 5.8e-07,
      "loss": 7.5422,
      "step": 290
    },
    {
      "epoch": 0.01,
      "grad_norm": 80.0,
      "learning_rate": 6e-07,
      "loss": 7.4936,
      "step": 300
    },
    {
      "epoch": 0.02,
      "grad_norm": 78.5,
      "learning_rate": 6.2e-07,
      "loss": 7.4695,
      "step": 310
    },
    {
      "epoch": 0.02,
      "grad_norm": 79.0,
      "learning_rate": 6.4e-07,
      "loss": 7.4154,
      "step": 320
    },
    {
      "epoch": 0.02,
      "grad_norm": 78.0,
      "learning_rate": 6.6e-07,
      "loss": 7.3668,
      "step": 330
    },
    {
      "epoch": 0.02,
      "grad_norm": 79.0,
      "learning_rate": 6.800000000000001e-07,
      "loss": 7.3532,
      "step": 340
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.5,
      "learning_rate": 7e-07,
      "loss": 7.2727,
      "step": 350
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.5,
      "learning_rate": 7.2e-07,
      "loss": 7.2473,
      "step": 360
    },
    {
      "epoch": 0.02,
      "grad_norm": 78.0,
      "learning_rate": 7.4e-07,
      "loss": 7.236,
      "step": 370
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.5,
      "learning_rate": 7.599999999999999e-07,
      "loss": 7.1711,
      "step": 380
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.5,
      "learning_rate": 7.799999999999999e-07,
      "loss": 7.1217,
      "step": 390
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.5,
      "learning_rate": 8e-07,
      "loss": 7.1038,
      "step": 400
    },
    {
      "epoch": 0.02,
      "grad_norm": 78.0,
      "learning_rate": 8.199999999999999e-07,
      "loss": 7.0849,
      "step": 410
    },
    {
      "epoch": 0.02,
      "grad_norm": 78.0,
      "learning_rate": 8.399999999999999e-07,
      "loss": 7.0331,
      "step": 420
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.0,
      "learning_rate": 8.599999999999999e-07,
      "loss": 6.9839,
      "step": 430
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.0,
      "learning_rate": 8.799999999999999e-07,
      "loss": 6.962,
      "step": 440
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.0,
      "learning_rate": 9e-07,
      "loss": 6.9108,
      "step": 450
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.5,
      "learning_rate": 9.2e-07,
      "loss": 6.8641,
      "step": 460
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.5,
      "learning_rate": 9.399999999999999e-07,
      "loss": 6.7994,
      "step": 470
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.0,
      "learning_rate": 9.6e-07,
      "loss": 6.7141,
      "step": 480
    },
    {
      "epoch": 0.02,
      "grad_norm": 77.0,
      "learning_rate": 9.8e-07,
      "loss": 6.6188,
      "step": 490
    },
    {
      "epoch": 0.03,
      "grad_norm": 77.5,
      "learning_rate": 1e-06,
      "loss": 6.4929,
      "step": 500
    },
    {
      "epoch": 0.03,
      "eval_loss": 6.463568210601807,
      "eval_runtime": 65.3176,
      "eval_samples_per_second": 15.31,
      "eval_steps_per_second": 15.31,
      "step": 500
    },
    {
      "epoch": 0.03,
      "grad_norm": 77.5,
      "learning_rate": 9.933333333333333e-07,
      "loss": 6.4003,
      "step": 510
    },
    {
      "epoch": 0.03,
      "grad_norm": 77.5,
      "learning_rate": 9.866666666666666e-07,
      "loss": 6.2969,
      "step": 520
    },
    {
      "epoch": 0.03,
      "grad_norm": 78.5,
      "learning_rate": 9.8e-07,
      "loss": 6.19,
      "step": 530
    },
    {
      "epoch": 0.03,
      "grad_norm": 78.0,
      "learning_rate": 9.733333333333333e-07,
      "loss": 6.0401,
      "step": 540
    },
    {
      "epoch": 0.03,
      "grad_norm": 79.0,
      "learning_rate": 9.666666666666666e-07,
      "loss": 5.9727,
      "step": 550
    },
    {
      "epoch": 0.03,
      "grad_norm": 80.0,
      "learning_rate": 9.6e-07,
      "loss": 5.821,
      "step": 560
    },
    {
      "epoch": 0.03,
      "grad_norm": 80.5,
      "learning_rate": 9.533333333333333e-07,
      "loss": 5.6864,
      "step": 570
    },
    {
      "epoch": 0.03,
      "grad_norm": 80.5,
      "learning_rate": 9.466666666666666e-07,
      "loss": 5.5677,
      "step": 580
    },
    {
      "epoch": 0.03,
      "grad_norm": 81.5,
      "learning_rate": 9.399999999999999e-07,
      "loss": 5.4587,
      "step": 590
    },
    {
      "epoch": 0.03,
      "grad_norm": 82.0,
      "learning_rate": 9.333333333333333e-07,
      "loss": 5.3674,
      "step": 600
    },
    {
      "epoch": 0.03,
      "grad_norm": 83.5,
      "learning_rate": 9.266666666666665e-07,
      "loss": 5.2343,
      "step": 610
    },
    {
      "epoch": 0.03,
      "grad_norm": 83.5,
      "learning_rate": 9.2e-07,
      "loss": 5.1118,
      "step": 620
    },
    {
      "epoch": 0.03,
      "grad_norm": 83.5,
      "learning_rate": 9.133333333333333e-07,
      "loss": 5.0416,
      "step": 630
    },
    {
      "epoch": 0.03,
      "grad_norm": 85.5,
      "learning_rate": 9.066666666666665e-07,
      "loss": 4.9311,
      "step": 640
    },
    {
      "epoch": 0.03,
      "grad_norm": 86.0,
      "learning_rate": 9e-07,
      "loss": 4.8409,
      "step": 650
    },
    {
      "epoch": 0.03,
      "grad_norm": 86.5,
      "learning_rate": 8.933333333333333e-07,
      "loss": 4.7077,
      "step": 660
    },
    {
      "epoch": 0.03,
      "grad_norm": 87.5,
      "learning_rate": 8.866666666666667e-07,
      "loss": 4.6436,
      "step": 670
    },
    {
      "epoch": 0.03,
      "grad_norm": 86.0,
      "learning_rate": 8.799999999999999e-07,
      "loss": 4.5543,
      "step": 680
    },
    {
      "epoch": 0.03,
      "grad_norm": 87.0,
      "learning_rate": 8.733333333333333e-07,
      "loss": 4.473,
      "step": 690
    },
    {
      "epoch": 0.04,
      "grad_norm": 87.0,
      "learning_rate": 8.666666666666667e-07,
      "loss": 4.373,
      "step": 700
    },
    {
      "epoch": 0.04,
      "grad_norm": 88.5,
      "learning_rate": 8.599999999999999e-07,
      "loss": 4.3226,
      "step": 710
    },
    {
      "epoch": 0.04,
      "grad_norm": 87.5,
      "learning_rate": 8.533333333333334e-07,
      "loss": 4.2063,
      "step": 720
    },
    {
      "epoch": 0.04,
      "grad_norm": 87.5,
      "learning_rate": 8.466666666666667e-07,
      "loss": 4.1628,
      "step": 730
    },
    {
      "epoch": 0.04,
      "grad_norm": 86.5,
      "learning_rate": 8.399999999999999e-07,
      "loss": 4.0588,
      "step": 740
    },
    {
      "epoch": 0.04,
      "grad_norm": 88.0,
      "learning_rate": 8.333333333333333e-07,
      "loss": 4.0117,
      "step": 750
    },
    {
      "epoch": 0.04,
      "grad_norm": 88.0,
      "learning_rate": 8.266666666666667e-07,
      "loss": 3.9443,
      "step": 760
    },
    {
      "epoch": 0.04,
      "grad_norm": 88.5,
      "learning_rate": 8.199999999999999e-07,
      "loss": 3.8509,
      "step": 770
    },
    {
      "epoch": 0.04,
      "grad_norm": 88.0,
      "learning_rate": 8.133333333333333e-07,
      "loss": 3.7851,
      "step": 780
    },
    {
      "epoch": 0.04,
      "grad_norm": 87.5,
      "learning_rate": 8.066666666666666e-07,
      "loss": 3.7559,
      "step": 790
    },
    {
      "epoch": 0.04,
      "grad_norm": 87.0,
      "learning_rate": 8e-07,
      "loss": 3.6867,
      "step": 800
    },
    {
      "epoch": 0.04,
      "grad_norm": 88.0,
      "learning_rate": 7.933333333333333e-07,
      "loss": 3.6217,
      "step": 810
    },
    {
      "epoch": 0.04,
      "grad_norm": 86.5,
      "learning_rate": 7.866666666666666e-07,
      "loss": 3.5678,
      "step": 820
    },
    {
      "epoch": 0.04,
      "grad_norm": 86.5,
      "learning_rate": 7.799999999999999e-07,
      "loss": 3.5387,
      "step": 830
    },
    {
      "epoch": 0.04,
      "grad_norm": 86.5,
      "learning_rate": 7.733333333333333e-07,
      "loss": 3.4999,
      "step": 840
    },
    {
      "epoch": 0.04,
      "grad_norm": 87.0,
      "learning_rate": 7.666666666666667e-07,
      "loss": 3.4263,
      "step": 850
    },
    {
      "epoch": 0.04,
      "grad_norm": 87.0,
      "learning_rate": 7.599999999999999e-07,
      "loss": 3.4185,
      "step": 860
    },
    {
      "epoch": 0.04,
      "grad_norm": 86.0,
      "learning_rate": 7.533333333333332e-07,
      "loss": 3.3753,
      "step": 870
    },
    {
      "epoch": 0.04,
      "grad_norm": 86.0,
      "learning_rate": 7.466666666666667e-07,
      "loss": 3.318,
      "step": 880
    },
    {
      "epoch": 0.04,
      "grad_norm": 85.5,
      "learning_rate": 7.4e-07,
      "loss": 3.2846,
      "step": 890
    },
    {
      "epoch": 0.04,
      "grad_norm": 86.5,
      "learning_rate": 7.333333333333332e-07,
      "loss": 3.2757,
      "step": 900
    },
    {
      "epoch": 0.05,
      "grad_norm": 85.0,
      "learning_rate": 7.266666666666667e-07,
      "loss": 3.2204,
      "step": 910
    },
    {
      "epoch": 0.05,
      "grad_norm": 87.0,
      "learning_rate": 7.2e-07,
      "loss": 3.1933,
      "step": 920
    },
    {
      "epoch": 0.05,
      "grad_norm": 85.0,
      "learning_rate": 7.133333333333333e-07,
      "loss": 3.1404,
      "step": 930
    },
    {
      "epoch": 0.05,
      "grad_norm": 84.5,
      "learning_rate": 7.066666666666666e-07,
      "loss": 3.1084,
      "step": 940
    },
    {
      "epoch": 0.05,
      "grad_norm": 83.5,
      "learning_rate": 7e-07,
      "loss": 3.0518,
      "step": 950
    },
    {
      "epoch": 0.05,
      "grad_norm": 84.5,
      "learning_rate": 6.933333333333333e-07,
      "loss": 3.0331,
      "step": 960
    },
    {
      "epoch": 0.05,
      "grad_norm": 84.0,
      "learning_rate": 6.866666666666666e-07,
      "loss": 3.0252,
      "step": 970
    },
    {
      "epoch": 0.05,
      "grad_norm": 83.0,
      "learning_rate": 6.800000000000001e-07,
      "loss": 2.9718,
      "step": 980
    },
    {
      "epoch": 0.05,
      "grad_norm": 84.0,
      "learning_rate": 6.733333333333333e-07,
      "loss": 2.9666,
      "step": 990
    },
    {
      "epoch": 0.05,
      "grad_norm": 82.0,
      "learning_rate": 6.666666666666666e-07,
      "loss": 2.9071,
      "step": 1000
    },
    {
      "epoch": 0.05,
      "eval_loss": 2.927218437194824,
      "eval_runtime": 65.2971,
      "eval_samples_per_second": 15.315,
      "eval_steps_per_second": 15.315,
      "step": 1000
    },
    {
      "epoch": 0.05,
      "grad_norm": 83.5,
      "learning_rate": 6.6e-07,
      "loss": 2.9056,
      "step": 1010
    },
    {
      "epoch": 0.05,
      "grad_norm": 83.0,
      "learning_rate": 6.533333333333333e-07,
      "loss": 2.8741,
      "step": 1020
    },
    {
      "epoch": 0.05,
      "grad_norm": 83.5,
      "learning_rate": 6.466666666666666e-07,
      "loss": 2.8856,
      "step": 1030
    },
    {
      "epoch": 0.05,
      "grad_norm": 83.5,
      "learning_rate": 6.4e-07,
      "loss": 2.8256,
      "step": 1040
    },
    {
      "epoch": 0.05,
      "grad_norm": 82.5,
      "learning_rate": 6.333333333333332e-07,
      "loss": 2.8308,
      "step": 1050
    },
    {
      "epoch": 0.05,
      "grad_norm": 84.0,
      "learning_rate": 6.266666666666667e-07,
      "loss": 2.8299,
      "step": 1060
    },
    {
      "epoch": 0.05,
      "grad_norm": 83.0,
      "learning_rate": 6.2e-07,
      "loss": 2.7982,
      "step": 1070
    },
    {
      "epoch": 0.05,
      "grad_norm": 82.5,
      "learning_rate": 6.133333333333332e-07,
      "loss": 2.7887,
      "step": 1080
    },
    {
      "epoch": 0.05,
      "grad_norm": 83.0,
      "learning_rate": 6.066666666666666e-07,
      "loss": 2.7436,
      "step": 1090
    },
    {
      "epoch": 0.06,
      "grad_norm": 83.0,
      "learning_rate": 6e-07,
      "loss": 2.7838,
      "step": 1100
    },
    {
      "epoch": 0.06,
      "grad_norm": 82.0,
      "learning_rate": 5.933333333333334e-07,
      "loss": 2.7444,
      "step": 1110
    },
    {
      "epoch": 0.06,
      "grad_norm": 83.0,
      "learning_rate": 5.866666666666666e-07,
      "loss": 2.7411,
      "step": 1120
    },
    {
      "epoch": 0.06,
      "grad_norm": 82.5,
      "learning_rate": 5.8e-07,
      "loss": 2.7418,
      "step": 1130
    },
    {
      "epoch": 0.06,
      "grad_norm": 81.5,
      "learning_rate": 5.733333333333334e-07,
      "loss": 2.7021,
      "step": 1140
    },
    {
      "epoch": 0.06,
      "grad_norm": 82.0,
      "learning_rate": 5.666666666666666e-07,
      "loss": 2.7303,
      "step": 1150
    },
    {
      "epoch": 0.06,
      "grad_norm": 83.0,
      "learning_rate": 5.6e-07,
      "loss": 2.7109,
      "step": 1160
    },
    {
      "epoch": 0.06,
      "grad_norm": 83.5,
      "learning_rate": 5.533333333333334e-07,
      "loss": 2.7083,
      "step": 1170
    },
    {
      "epoch": 0.06,
      "grad_norm": 83.0,
      "learning_rate": 5.466666666666666e-07,
      "loss": 2.7078,
      "step": 1180
    },
    {
      "epoch": 0.06,
      "grad_norm": 82.5,
      "learning_rate": 5.4e-07,
      "loss": 2.727,
      "step": 1190
    },
    {
      "epoch": 0.06,
      "grad_norm": 81.5,
      "learning_rate": 5.333333333333333e-07,
      "loss": 2.6749,
      "step": 1200
    },
    {
      "epoch": 0.06,
      "grad_norm": 83.5,
      "learning_rate": 5.266666666666666e-07,
      "loss": 2.7182,
      "step": 1210
    },
    {
      "epoch": 0.06,
      "grad_norm": 83.5,
      "learning_rate": 5.2e-07,
      "loss": 2.6814,
      "step": 1220
    },
    {
      "epoch": 0.06,
      "grad_norm": 82.0,
      "learning_rate": 5.133333333333333e-07,
      "loss": 2.7148,
      "step": 1230
    },
    {
      "epoch": 0.06,
      "grad_norm": 82.5,
      "learning_rate": 5.066666666666667e-07,
      "loss": 2.6929,
      "step": 1240
    },
    {
      "epoch": 0.06,
      "grad_norm": 82.0,
      "learning_rate": 5e-07,
      "loss": 2.664,
      "step": 1250
    },
    {
      "epoch": 0.06,
      "grad_norm": 82.0,
      "learning_rate": 4.933333333333333e-07,
      "loss": 2.6901,
      "step": 1260
    },
    {
      "epoch": 0.06,
      "grad_norm": 82.0,
      "learning_rate": 4.866666666666666e-07,
      "loss": 2.6883,
      "step": 1270
    },
    {
      "epoch": 0.06,
      "grad_norm": 81.5,
      "learning_rate": 4.8e-07,
      "loss": 2.6782,
      "step": 1280
    },
    {
      "epoch": 0.06,
      "grad_norm": 81.0,
      "learning_rate": 4.733333333333333e-07,
      "loss": 2.6456,
      "step": 1290
    },
    {
      "epoch": 0.07,
      "grad_norm": 81.0,
      "learning_rate": 4.6666666666666666e-07,
      "loss": 2.648,
      "step": 1300
    },
    {
      "epoch": 0.07,
      "grad_norm": 81.5,
      "learning_rate": 4.6e-07,
      "loss": 2.6704,
      "step": 1310
    },
    {
      "epoch": 0.07,
      "grad_norm": 81.5,
      "learning_rate": 4.5333333333333326e-07,
      "loss": 2.7021,
      "step": 1320
    },
    {
      "epoch": 0.07,
      "grad_norm": 81.0,
      "learning_rate": 4.4666666666666664e-07,
      "loss": 2.6636,
      "step": 1330
    },
    {
      "epoch": 0.07,
      "grad_norm": 81.5,
      "learning_rate": 4.3999999999999997e-07,
      "loss": 2.6572,
      "step": 1340
    },
    {
      "epoch": 0.07,
      "grad_norm": 82.5,
      "learning_rate": 4.3333333333333335e-07,
      "loss": 2.6371,
      "step": 1350
    },
    {
      "epoch": 0.07,
      "grad_norm": 81.5,
      "learning_rate": 4.266666666666667e-07,
      "loss": 2.5982,
      "step": 1360
    },
    {
      "epoch": 0.07,
      "grad_norm": 82.5,
      "learning_rate": 4.1999999999999995e-07,
      "loss": 2.6661,
      "step": 1370
    },
    {
      "epoch": 0.07,
      "grad_norm": 82.5,
      "learning_rate": 4.1333333333333333e-07,
      "loss": 2.6486,
      "step": 1380
    },
    {
      "epoch": 0.07,
      "grad_norm": 81.0,
      "learning_rate": 4.0666666666666666e-07,
      "loss": 2.6539,
      "step": 1390
    },
    {
      "epoch": 0.07,
      "grad_norm": 82.0,
      "learning_rate": 4e-07,
      "loss": 2.6366,
      "step": 1400
    },
    {
      "epoch": 0.07,
      "grad_norm": 82.0,
      "learning_rate": 3.933333333333333e-07,
      "loss": 2.6239,
      "step": 1410
    },
    {
      "epoch": 0.07,
      "grad_norm": 82.5,
      "learning_rate": 3.8666666666666664e-07,
      "loss": 2.6454,
      "step": 1420
    },
    {
      "epoch": 0.07,
      "grad_norm": 82.0,
      "learning_rate": 3.7999999999999996e-07,
      "loss": 2.6683,
      "step": 1430
    },
    {
      "epoch": 0.07,
      "grad_norm": 81.5,
      "learning_rate": 3.7333333333333334e-07,
      "loss": 2.6349,
      "step": 1440
    },
    {
      "epoch": 0.07,
      "grad_norm": 82.0,
      "learning_rate": 3.666666666666666e-07,
      "loss": 2.6492,
      "step": 1450
    },
    {
      "epoch": 0.07,
      "grad_norm": 83.0,
      "learning_rate": 3.6e-07,
      "loss": 2.6264,
      "step": 1460
    },
    {
      "epoch": 0.07,
      "grad_norm": 82.0,
      "learning_rate": 3.533333333333333e-07,
      "loss": 2.6021,
      "step": 1470
    },
    {
      "epoch": 0.07,
      "grad_norm": 81.5,
      "learning_rate": 3.4666666666666665e-07,
      "loss": 2.6382,
      "step": 1480
    },
    {
      "epoch": 0.07,
      "grad_norm": 82.0,
      "learning_rate": 3.4000000000000003e-07,
      "loss": 2.6441,
      "step": 1490
    },
    {
      "epoch": 0.07,
      "grad_norm": 83.0,
      "learning_rate": 3.333333333333333e-07,
      "loss": 2.6279,
      "step": 1500
    },
    {
      "epoch": 0.07,
      "eval_loss": 2.6444902420043945,
      "eval_runtime": 65.2696,
      "eval_samples_per_second": 15.321,
      "eval_steps_per_second": 15.321,
      "step": 1500
    },
    {
      "epoch": 0.08,
      "grad_norm": 82.5,
      "learning_rate": 3.2666666666666663e-07,
      "loss": 2.625,
      "step": 1510
    },
    {
      "epoch": 0.08,
      "grad_norm": 82.0,
      "learning_rate": 3.2e-07,
      "loss": 2.6214,
      "step": 1520
    },
    {
      "epoch": 0.08,
      "grad_norm": 82.0,
      "learning_rate": 3.1333333333333333e-07,
      "loss": 2.6139,
      "step": 1530
    },
    {
      "epoch": 0.08,
      "grad_norm": 81.5,
      "learning_rate": 3.066666666666666e-07,
      "loss": 2.6246,
      "step": 1540
    },
    {
      "epoch": 0.08,
      "grad_norm": 81.0,
      "learning_rate": 3e-07,
      "loss": 2.6358,
      "step": 1550
    },
    {
      "epoch": 0.08,
      "grad_norm": 81.5,
      "learning_rate": 2.933333333333333e-07,
      "loss": 2.6655,
      "step": 1560
    },
    {
      "epoch": 0.08,
      "grad_norm": 81.5,
      "learning_rate": 2.866666666666667e-07,
      "loss": 2.6385,
      "step": 1570
    },
    {
      "epoch": 0.08,
      "grad_norm": 81.0,
      "learning_rate": 2.8e-07,
      "loss": 2.6439,
      "step": 1580
    },
    {
      "epoch": 0.08,
      "grad_norm": 84.0,
      "learning_rate": 2.733333333333333e-07,
      "loss": 2.6176,
      "step": 1590
    },
    {
      "epoch": 0.08,
      "grad_norm": 82.5,
      "learning_rate": 2.6666666666666667e-07,
      "loss": 2.622,
      "step": 1600
    },
    {
      "epoch": 0.08,
      "grad_norm": 81.0,
      "learning_rate": 2.6e-07,
      "loss": 2.6515,
      "step": 1610
    },
    {
      "epoch": 0.08,
      "grad_norm": 82.0,
      "learning_rate": 2.533333333333333e-07,
      "loss": 2.6008,
      "step": 1620
    },
    {
      "epoch": 0.08,
      "grad_norm": 82.5,
      "learning_rate": 2.4666666666666665e-07,
      "loss": 2.6303,
      "step": 1630
    },
    {
      "epoch": 0.08,
      "grad_norm": 82.0,
      "learning_rate": 2.4e-07,
      "loss": 2.6118,
      "step": 1640
    },
    {
      "epoch": 0.08,
      "grad_norm": 82.5,
      "learning_rate": 2.3333333333333333e-07,
      "loss": 2.6484,
      "step": 1650
    },
    {
      "epoch": 0.08,
      "grad_norm": 82.0,
      "learning_rate": 2.2666666666666663e-07,
      "loss": 2.6255,
      "step": 1660
    },
    {
      "epoch": 0.08,
      "grad_norm": 83.5,
      "learning_rate": 2.1999999999999998e-07,
      "loss": 2.6415,
      "step": 1670
    },
    {
      "epoch": 0.08,
      "grad_norm": 81.0,
      "learning_rate": 2.1333333333333334e-07,
      "loss": 2.6121,
      "step": 1680
    },
    {
      "epoch": 0.08,
      "grad_norm": 83.0,
      "learning_rate": 2.0666666666666666e-07,
      "loss": 2.6606,
      "step": 1690
    },
    {
      "epoch": 0.09,
      "grad_norm": 82.5,
      "learning_rate": 2e-07,
      "loss": 2.6721,
      "step": 1700
    },
    {
      "epoch": 0.09,
      "grad_norm": 82.0,
      "learning_rate": 1.9333333333333332e-07,
      "loss": 2.6079,
      "step": 1710
    },
    {
      "epoch": 0.09,
      "grad_norm": 82.0,
      "learning_rate": 1.8666666666666667e-07,
      "loss": 2.6576,
      "step": 1720
    },
    {
      "epoch": 0.09,
      "grad_norm": 83.5,
      "learning_rate": 1.8e-07,
      "loss": 2.6275,
      "step": 1730
    },
    {
      "epoch": 0.09,
      "grad_norm": 82.0,
      "learning_rate": 1.7333333333333332e-07,
      "loss": 2.6288,
      "step": 1740
    },
    {
      "epoch": 0.09,
      "grad_norm": 83.0,
      "learning_rate": 1.6666666666666665e-07,
      "loss": 2.6439,
      "step": 1750
    },
    {
      "epoch": 0.09,
      "grad_norm": 82.5,
      "learning_rate": 1.6e-07,
      "loss": 2.609,
      "step": 1760
    },
    {
      "epoch": 0.09,
      "grad_norm": 83.5,
      "learning_rate": 1.533333333333333e-07,
      "loss": 2.6129,
      "step": 1770
    },
    {
      "epoch": 0.09,
      "grad_norm": 83.5,
      "learning_rate": 1.4666666666666666e-07,
      "loss": 2.6692,
      "step": 1780
    },
    {
      "epoch": 0.09,
      "grad_norm": 82.0,
      "learning_rate": 1.4e-07,
      "loss": 2.6199,
      "step": 1790
    },
    {
      "epoch": 0.09,
      "grad_norm": 82.5,
      "learning_rate": 1.3333333333333334e-07,
      "loss": 2.6233,
      "step": 1800
    },
    {
      "epoch": 0.09,
      "grad_norm": 82.0,
      "learning_rate": 1.2666666666666666e-07,
      "loss": 2.6557,
      "step": 1810
    },
    {
      "epoch": 0.09,
      "grad_norm": 82.0,
      "learning_rate": 1.2e-07,
      "loss": 2.6568,
      "step": 1820
    },
    {
      "epoch": 0.09,
      "grad_norm": 83.0,
      "learning_rate": 1.1333333333333332e-07,
      "loss": 2.6395,
      "step": 1830
    },
    {
      "epoch": 0.09,
      "grad_norm": 82.0,
      "learning_rate": 1.0666666666666667e-07,
      "loss": 2.6145,
      "step": 1840
    },
    {
      "epoch": 0.09,
      "grad_norm": 83.0,
      "learning_rate": 1e-07,
      "loss": 2.6939,
      "step": 1850
    },
    {
      "epoch": 0.09,
      "grad_norm": 81.5,
      "learning_rate": 9.333333333333334e-08,
      "loss": 2.6583,
      "step": 1860
    },
    {
      "epoch": 0.09,
      "grad_norm": 81.5,
      "learning_rate": 8.666666666666666e-08,
      "loss": 2.6327,
      "step": 1870
    },
    {
      "epoch": 0.09,
      "grad_norm": 82.5,
      "learning_rate": 8e-08,
      "loss": 2.6108,
      "step": 1880
    },
    {
      "epoch": 0.09,
      "grad_norm": 83.5,
      "learning_rate": 7.333333333333333e-08,
      "loss": 2.6593,
      "step": 1890
    },
    {
      "epoch": 0.1,
      "grad_norm": 82.5,
      "learning_rate": 6.666666666666667e-08,
      "loss": 2.6176,
      "step": 1900
    },
    {
      "epoch": 0.1,
      "grad_norm": 82.0,
      "learning_rate": 6e-08,
      "loss": 2.6241,
      "step": 1910
    },
    {
      "epoch": 0.1,
      "grad_norm": 82.0,
      "learning_rate": 5.3333333333333334e-08,
      "loss": 2.6238,
      "step": 1920
    },
    {
      "epoch": 0.1,
      "grad_norm": 83.0,
      "learning_rate": 4.666666666666667e-08,
      "loss": 2.614,
      "step": 1930
    },
    {
      "epoch": 0.1,
      "grad_norm": 82.5,
      "learning_rate": 4e-08,
      "loss": 2.6216,
      "step": 1940
    },
    {
      "epoch": 0.1,
      "grad_norm": 82.0,
      "learning_rate": 3.3333333333333334e-08,
      "loss": 2.6061,
      "step": 1950
    },
    {
      "epoch": 0.1,
      "grad_norm": 81.5,
      "learning_rate": 2.6666666666666667e-08,
      "loss": 2.6504,
      "step": 1960
    },
    {
      "epoch": 0.1,
      "grad_norm": 82.0,
      "learning_rate": 2e-08,
      "loss": 2.6582,
      "step": 1970
    },
    {
      "epoch": 0.1,
      "grad_norm": 81.0,
      "learning_rate": 1.3333333333333334e-08,
      "loss": 2.6229,
      "step": 1980
    },
    {
      "epoch": 0.1,
      "grad_norm": 81.5,
      "learning_rate": 6.666666666666667e-09,
      "loss": 2.6172,
      "step": 1990
    },
    {
      "epoch": 0.1,
      "grad_norm": 81.0,
      "learning_rate": 0.0,
      "loss": 2.6289,
      "step": 2000
    },
    {
      "epoch": 0.1,
      "eval_loss": 2.629669427871704,
      "eval_runtime": 65.1949,
      "eval_samples_per_second": 15.339,
      "eval_steps_per_second": 15.339,
      "step": 2000
    }
  ],
  "logging_steps": 10,
  "max_steps": 2000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 500,
  "total_flos": 3.227844083712e+16,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}