{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.9386666666666666,
  "eval_steps": 500,
  "global_step": 110,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.008533333333333334,
      "grad_norm": 231.34270101410158,
      "learning_rate": 0.0,
      "loss": 8.0033,
      "step": 1
    },
    {
      "epoch": 0.017066666666666667,
      "grad_norm": 222.45613156024717,
      "learning_rate": 3.010299956639811e-07,
      "loss": 8.0428,
      "step": 2
    },
    {
      "epoch": 0.0256,
      "grad_norm": 215.11231622980122,
      "learning_rate": 4.771212547196623e-07,
      "loss": 8.1972,
      "step": 3
    },
    {
      "epoch": 0.034133333333333335,
      "grad_norm": 219.60924103962475,
      "learning_rate": 6.020599913279622e-07,
      "loss": 7.9839,
      "step": 4
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 215.38857509452538,
      "learning_rate": 6.989700043360186e-07,
      "loss": 7.9458,
      "step": 5
    },
    {
      "epoch": 0.0512,
      "grad_norm": 216.6292736162405,
      "learning_rate": 7.781512503836435e-07,
      "loss": 8.0918,
      "step": 6
    },
    {
      "epoch": 0.05973333333333333,
      "grad_norm": 221.48329860849555,
      "learning_rate": 8.450980400142567e-07,
      "loss": 7.6396,
      "step": 7
    },
    {
      "epoch": 0.06826666666666667,
      "grad_norm": 209.19887181519408,
      "learning_rate": 9.030899869919433e-07,
      "loss": 7.9538,
      "step": 8
    },
    {
      "epoch": 0.0768,
      "grad_norm": 212.49168182248923,
      "learning_rate": 9.542425094393247e-07,
      "loss": 7.956,
      "step": 9
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 210.10834258781824,
      "learning_rate": 9.999999999999997e-07,
      "loss": 7.8862,
      "step": 10
    },
    {
      "epoch": 0.09386666666666667,
      "grad_norm": 202.27608183186166,
      "learning_rate": 1.0413926851582248e-06,
      "loss": 7.4513,
      "step": 11
    },
    {
      "epoch": 0.1024,
      "grad_norm": 193.55936185702825,
      "learning_rate": 1.0791812460476246e-06,
      "loss": 7.4564,
      "step": 12
    },
    {
      "epoch": 0.11093333333333333,
      "grad_norm": 193.33017014294484,
      "learning_rate": 1.1139433523068364e-06,
      "loss": 6.787,
      "step": 13
    },
    {
      "epoch": 0.11946666666666667,
      "grad_norm": 184.58026709266622,
      "learning_rate": 1.1461280356782378e-06,
      "loss": 6.6556,
      "step": 14
    },
    {
      "epoch": 0.128,
      "grad_norm": 173.93108257115804,
      "learning_rate": 1.176091259055681e-06,
      "loss": 6.8126,
      "step": 15
    },
    {
      "epoch": 0.13653333333333334,
      "grad_norm": 159.06078707329158,
      "learning_rate": 1.2041199826559244e-06,
      "loss": 6.0696,
      "step": 16
    },
    {
      "epoch": 0.14506666666666668,
      "grad_norm": 144.47206558492545,
      "learning_rate": 1.230448921378274e-06,
      "loss": 5.8741,
      "step": 17
    },
    {
      "epoch": 0.1536,
      "grad_norm": 124.25199240731514,
      "learning_rate": 1.2552725051033058e-06,
      "loss": 6.4679,
      "step": 18
    },
    {
      "epoch": 0.16213333333333332,
      "grad_norm": 117.71459376788206,
      "learning_rate": 1.2787536009528286e-06,
      "loss": 5.8792,
      "step": 19
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 98.0143135672668,
      "learning_rate": 1.301029995663981e-06,
      "loss": 5.7364,
      "step": 20
    },
    {
      "epoch": 0.1792,
      "grad_norm": 70.62207198023327,
      "learning_rate": 1.322219294733919e-06,
      "loss": 6.1405,
      "step": 21
    },
    {
      "epoch": 0.18773333333333334,
      "grad_norm": 61.18474481475652,
      "learning_rate": 1.3424226808222062e-06,
      "loss": 5.5889,
      "step": 22
    },
    {
      "epoch": 0.19626666666666667,
      "grad_norm": 53.31741120769673,
      "learning_rate": 1.3617278360175927e-06,
      "loss": 5.3036,
      "step": 23
    },
    {
      "epoch": 0.2048,
      "grad_norm": 42.39349303788407,
      "learning_rate": 1.3802112417116059e-06,
      "loss": 5.9642,
      "step": 24
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 38.660534953497795,
      "learning_rate": 1.3979400086720373e-06,
      "loss": 6.0086,
      "step": 25
    },
    {
      "epoch": 0.22186666666666666,
      "grad_norm": 32.07764741790126,
      "learning_rate": 1.4149733479708177e-06,
      "loss": 5.6643,
      "step": 26
    },
    {
      "epoch": 0.2304,
      "grad_norm": 25.028488406885337,
      "learning_rate": 1.431363764158987e-06,
      "loss": 5.2058,
      "step": 27
    },
    {
      "epoch": 0.23893333333333333,
      "grad_norm": 26.07639533284245,
      "learning_rate": 1.4471580313422189e-06,
      "loss": 4.8004,
      "step": 28
    },
    {
      "epoch": 0.24746666666666667,
      "grad_norm": 21.2010515923868,
      "learning_rate": 1.4623979978989559e-06,
      "loss": 5.2692,
      "step": 29
    },
    {
      "epoch": 0.256,
      "grad_norm": 19.136682470240157,
      "learning_rate": 1.477121254719662e-06,
      "loss": 5.1682,
      "step": 30
    },
    {
      "epoch": 0.26453333333333334,
      "grad_norm": 22.363719632711973,
      "learning_rate": 1.4913616938342723e-06,
      "loss": 5.8755,
      "step": 31
    },
    {
      "epoch": 0.2730666666666667,
      "grad_norm": 18.759763083192176,
      "learning_rate": 1.5051499783199057e-06,
      "loss": 4.656,
      "step": 32
    },
    {
      "epoch": 0.2816,
      "grad_norm": 19.3591101676801,
      "learning_rate": 1.5185139398778872e-06,
      "loss": 5.0382,
      "step": 33
    },
    {
      "epoch": 0.29013333333333335,
      "grad_norm": 18.93526312077878,
      "learning_rate": 1.5314789170422548e-06,
      "loss": 5.2733,
      "step": 34
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 18.674257823898586,
      "learning_rate": 1.544068044350275e-06,
      "loss": 5.101,
      "step": 35
    },
    {
      "epoch": 0.3072,
      "grad_norm": 17.08780568204542,
      "learning_rate": 1.556302500767287e-06,
      "loss": 4.7201,
      "step": 36
    },
    {
      "epoch": 0.3157333333333333,
      "grad_norm": 19.267517838381355,
      "learning_rate": 1.5682017240669948e-06,
      "loss": 5.2867,
      "step": 37
    },
    {
      "epoch": 0.32426666666666665,
      "grad_norm": 18.184288973685927,
      "learning_rate": 1.57978359661681e-06,
      "loss": 5.1484,
      "step": 38
    },
    {
      "epoch": 0.3328,
      "grad_norm": 18.50588565713833,
      "learning_rate": 1.5910646070264987e-06,
      "loss": 5.0841,
      "step": 39
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 20.00324375550594,
      "learning_rate": 1.602059991327962e-06,
      "loss": 5.3427,
      "step": 40
    },
    {
      "epoch": 0.34986666666666666,
      "grad_norm": 18.167691169804883,
      "learning_rate": 1.6127838567197353e-06,
      "loss": 5.0728,
      "step": 41
    },
    {
      "epoch": 0.3584,
      "grad_norm": 18.674761969544367,
      "learning_rate": 1.6232492903979003e-06,
      "loss": 5.0627,
      "step": 42
    },
    {
      "epoch": 0.36693333333333333,
      "grad_norm": 17.20625840701983,
      "learning_rate": 1.633468455579586e-06,
      "loss": 4.7326,
      "step": 43
    },
    {
      "epoch": 0.37546666666666667,
      "grad_norm": 18.940586556170768,
      "learning_rate": 1.643452676486187e-06,
      "loss": 5.0623,
      "step": 44
    },
    {
      "epoch": 0.384,
      "grad_norm": 16.508592622361657,
      "learning_rate": 1.6532125137753431e-06,
      "loss": 4.3398,
      "step": 45
    },
    {
      "epoch": 0.39253333333333335,
      "grad_norm": 18.88828805204721,
      "learning_rate": 1.6627578316815738e-06,
      "loss": 4.9771,
      "step": 46
    },
    {
      "epoch": 0.4010666666666667,
      "grad_norm": 15.580054007792855,
      "learning_rate": 1.672097857935717e-06,
      "loss": 4.0601,
      "step": 47
    },
    {
      "epoch": 0.4096,
      "grad_norm": 17.934643242134936,
      "learning_rate": 1.6812412373755868e-06,
      "loss": 4.7386,
      "step": 48
    },
    {
      "epoch": 0.41813333333333336,
      "grad_norm": 16.802048621838498,
      "learning_rate": 1.6901960800285134e-06,
      "loss": 4.3118,
      "step": 49
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 18.92271445418054,
      "learning_rate": 1.6989700043360184e-06,
      "loss": 4.7678,
      "step": 50
    },
    {
      "epoch": 0.4352,
      "grad_norm": 16.825531514403565,
      "learning_rate": 1.707570176097936e-06,
      "loss": 4.09,
      "step": 51
    },
    {
      "epoch": 0.4437333333333333,
      "grad_norm": 17.235188635315886,
      "learning_rate": 1.716003343634799e-06,
      "loss": 4.2779,
      "step": 52
    },
    {
      "epoch": 0.45226666666666665,
      "grad_norm": 18.166659760546757,
      "learning_rate": 1.7242758696007888e-06,
      "loss": 4.2348,
      "step": 53
    },
    {
      "epoch": 0.4608,
      "grad_norm": 18.879052137730344,
      "learning_rate": 1.7323937598229684e-06,
      "loss": 4.4625,
      "step": 54
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 19.006170776563348,
      "learning_rate": 1.7403626894942437e-06,
      "loss": 4.2942,
      "step": 55
    },
    {
      "epoch": 0.47786666666666666,
      "grad_norm": 19.315665667678836,
      "learning_rate": 1.7481880270062002e-06,
      "loss": 4.1825,
      "step": 56
    },
    {
      "epoch": 0.4864,
      "grad_norm": 18.44355038438234,
      "learning_rate": 1.7558748556724912e-06,
      "loss": 3.8468,
      "step": 57
    },
    {
      "epoch": 0.49493333333333334,
      "grad_norm": 19.75148178529509,
      "learning_rate": 1.7634279935629368e-06,
      "loss": 4.099,
      "step": 58
    },
    {
      "epoch": 0.5034666666666666,
      "grad_norm": 19.002733535887344,
      "learning_rate": 1.7708520116421439e-06,
      "loss": 3.8604,
      "step": 59
    },
    {
      "epoch": 0.512,
      "grad_norm": 19.561516392754022,
      "learning_rate": 1.7781512503836432e-06,
      "loss": 3.7147,
      "step": 60
    },
    {
      "epoch": 0.5205333333333333,
      "grad_norm": 18.095989714574884,
      "learning_rate": 1.7853298350107666e-06,
      "loss": 3.4101,
      "step": 61
    },
    {
      "epoch": 0.5290666666666667,
      "grad_norm": 18.710104039370346,
      "learning_rate": 1.7923916894982536e-06,
      "loss": 3.3494,
      "step": 62
    },
    {
      "epoch": 0.5376,
      "grad_norm": 18.676494100466652,
      "learning_rate": 1.7993405494535814e-06,
      "loss": 3.2121,
      "step": 63
    },
    {
      "epoch": 0.5461333333333334,
      "grad_norm": 19.871653149070237,
      "learning_rate": 1.8061799739838866e-06,
      "loss": 3.3171,
      "step": 64
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 20.376954529048405,
      "learning_rate": 1.8129133566428552e-06,
      "loss": 3.3528,
      "step": 65
    },
    {
      "epoch": 0.5632,
      "grad_norm": 20.251598153805123,
      "learning_rate": 1.8195439355418683e-06,
      "loss": 3.1833,
      "step": 66
    },
    {
      "epoch": 0.5717333333333333,
      "grad_norm": 19.44626118241266,
      "learning_rate": 1.826074802700826e-06,
      "loss": 2.9975,
      "step": 67
    },
    {
      "epoch": 0.5802666666666667,
      "grad_norm": 18.230010490142433,
      "learning_rate": 1.8325089127062361e-06,
      "loss": 2.7141,
      "step": 68
    },
    {
      "epoch": 0.5888,
      "grad_norm": 19.672034786384422,
      "learning_rate": 1.8388490907372552e-06,
      "loss": 2.7342,
      "step": 69
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 20.431907892006116,
      "learning_rate": 1.8450980400142566e-06,
      "loss": 2.8332,
      "step": 70
    },
    {
      "epoch": 0.6058666666666667,
      "grad_norm": 20.936816395090222,
      "learning_rate": 1.851258348719075e-06,
      "loss": 2.6939,
      "step": 71
    },
    {
      "epoch": 0.6144,
      "grad_norm": 18.78824631153452,
      "learning_rate": 1.857332496431268e-06,
      "loss": 2.3357,
      "step": 72
    },
    {
      "epoch": 0.6229333333333333,
      "grad_norm": 19.94754779630663,
      "learning_rate": 1.8633228601204554e-06,
      "loss": 2.3903,
      "step": 73
    },
    {
      "epoch": 0.6314666666666666,
      "grad_norm": 20.795786885743603,
      "learning_rate": 1.8692317197309759e-06,
      "loss": 2.3105,
      "step": 74
    },
    {
      "epoch": 0.64,
      "grad_norm": 22.39299642885025,
      "learning_rate": 1.8750612633916996e-06,
      "loss": 2.3909,
      "step": 75
    },
    {
      "epoch": 0.6485333333333333,
      "grad_norm": 20.92445445380723,
      "learning_rate": 1.880813592280791e-06,
      "loss": 2.1323,
      "step": 76
    },
    {
      "epoch": 0.6570666666666667,
      "grad_norm": 19.657343750620992,
      "learning_rate": 1.8864907251724815e-06,
      "loss": 1.8835,
      "step": 77
    },
    {
      "epoch": 0.6656,
      "grad_norm": 20.47587021316379,
      "learning_rate": 1.89209460269048e-06,
      "loss": 1.8998,
      "step": 78
    },
    {
      "epoch": 0.6741333333333334,
      "grad_norm": 20.25205700634583,
      "learning_rate": 1.897627091290441e-06,
      "loss": 1.7855,
      "step": 79
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 21.14208582351207,
      "learning_rate": 1.903089986991943e-06,
      "loss": 1.8428,
      "step": 80
    },
    {
      "epoch": 0.6912,
      "grad_norm": 20.39475158794498,
      "learning_rate": 1.9084850188786494e-06,
      "loss": 1.7485,
      "step": 81
    },
    {
      "epoch": 0.6997333333333333,
      "grad_norm": 16.571971790449002,
      "learning_rate": 1.9138138523837166e-06,
      "loss": 1.4696,
      "step": 82
    },
    {
      "epoch": 0.7082666666666667,
      "grad_norm": 15.676999411458654,
      "learning_rate": 1.919078092376074e-06,
      "loss": 1.388,
      "step": 83
    },
    {
      "epoch": 0.7168,
      "grad_norm": 14.1970537594678,
      "learning_rate": 1.9242792860618812e-06,
      "loss": 1.361,
      "step": 84
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 12.809108973893466,
      "learning_rate": 1.9294189257142923e-06,
      "loss": 1.3529,
      "step": 85
    },
    {
      "epoch": 0.7338666666666667,
      "grad_norm": 12.601555234808817,
      "learning_rate": 1.934498451243567e-06,
      "loss": 1.3159,
      "step": 86
    },
    {
      "epoch": 0.7424,
      "grad_norm": 11.144989228891582,
      "learning_rate": 1.939519252618618e-06,
      "loss": 1.2511,
      "step": 87
    },
    {
      "epoch": 0.7509333333333333,
      "grad_norm": 9.96803209356588,
      "learning_rate": 1.9444826721501684e-06,
      "loss": 1.0659,
      "step": 88
    },
    {
      "epoch": 0.7594666666666666,
      "grad_norm": 12.566400178736489,
      "learning_rate": 1.949390006644912e-06,
      "loss": 1.1682,
      "step": 89
    },
    {
      "epoch": 0.768,
      "grad_norm": 13.274690475734735,
      "learning_rate": 1.9542425094393244e-06,
      "loss": 1.09,
      "step": 90
    },
    {
      "epoch": 0.7765333333333333,
      "grad_norm": 14.71924760305363,
      "learning_rate": 1.9590413923210933e-06,
      "loss": 1.0736,
      "step": 91
    },
    {
      "epoch": 0.7850666666666667,
      "grad_norm": 15.224266478058043,
      "learning_rate": 1.963787827345555e-06,
      "loss": 1.0324,
      "step": 92
    },
    {
      "epoch": 0.7936,
      "grad_norm": 15.73634400307161,
      "learning_rate": 1.968482948553935e-06,
      "loss": 1.0381,
      "step": 93
    },
    {
      "epoch": 0.8021333333333334,
      "grad_norm": 16.5663026295097,
      "learning_rate": 1.9731278535996984e-06,
      "loss": 0.9833,
      "step": 94
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 14.713574967698303,
      "learning_rate": 1.9777236052888472e-06,
      "loss": 0.8242,
      "step": 95
    },
    {
      "epoch": 0.8192,
      "grad_norm": 16.467974476225343,
      "learning_rate": 1.982271233039568e-06,
      "loss": 0.9301,
      "step": 96
    },
    {
      "epoch": 0.8277333333333333,
      "grad_norm": 16.39536283109591,
      "learning_rate": 1.9867717342662444e-06,
      "loss": 0.8342,
      "step": 97
    },
    {
      "epoch": 0.8362666666666667,
      "grad_norm": 16.834584306117144,
      "learning_rate": 1.9912260756924947e-06,
      "loss": 0.8117,
      "step": 98
    },
    {
      "epoch": 0.8448,
      "grad_norm": 14.449603139318016,
      "learning_rate": 1.9956351945975495e-06,
      "loss": 0.718,
      "step": 99
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 12.454426811073354,
      "learning_rate": 1.9999999999999995e-06,
      "loss": 0.6327,
      "step": 100
    },
    {
      "epoch": 0.8618666666666667,
      "grad_norm": 17.3183204974823,
      "learning_rate": 2e-06,
      "loss": 0.6041,
      "step": 101
    },
    {
      "epoch": 0.8704,
      "grad_norm": 13.572018144464437,
      "learning_rate": 2e-06,
      "loss": 0.5131,
      "step": 102
    },
    {
      "epoch": 0.8789333333333333,
      "grad_norm": 9.256319104232254,
      "learning_rate": 2e-06,
      "loss": 0.5273,
      "step": 103
    },
    {
      "epoch": 0.8874666666666666,
      "grad_norm": 7.425863956831629,
      "learning_rate": 2e-06,
      "loss": 0.4786,
      "step": 104
    },
    {
      "epoch": 0.896,
      "grad_norm": 8.97923808648426,
      "learning_rate": 2e-06,
      "loss": 0.4902,
      "step": 105
    },
    {
      "epoch": 0.9045333333333333,
      "grad_norm": 7.94937375079227,
      "learning_rate": 2e-06,
      "loss": 0.4941,
      "step": 106
    },
    {
      "epoch": 0.9130666666666667,
      "grad_norm": 7.729957259085908,
      "learning_rate": 2e-06,
      "loss": 0.4249,
      "step": 107
    },
    {
      "epoch": 0.9216,
      "grad_norm": 7.382589023982135,
      "learning_rate": 2e-06,
      "loss": 0.4148,
      "step": 108
    },
    {
      "epoch": 0.9301333333333334,
      "grad_norm": 6.478191175550658,
      "learning_rate": 2e-06,
      "loss": 0.3995,
      "step": 109
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 5.982915715313309,
      "learning_rate": 2e-06,
      "loss": 0.3787,
      "step": 110
    }
  ],
  "logging_steps": 1,
  "max_steps": 301,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 10,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 1.7223626321549066e+18,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}