appvoid commited on
Commit
99e4837
1 Parent(s): 50b259c

Upload folder using huggingface_hub

Browse files
added_tokens.json ADDED
@@ -0,0 +1,5 @@
 
 
 
 
 
 
1
+ {
2
+ "[BOS]": 32001,
3
+ "[EOS]": 32002,
4
+ "[PAD]": 32000
5
+ }
checkpoint-2250/config.json ADDED
@@ -0,0 +1,32 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "appvoid/arco-mini-run-3",
3
+ "architectures": [
4
+ "LlamaForCausalLM"
5
+ ],
6
+ "attention_bias": false,
7
+ "attention_dropout": 0.0,
8
+ "bos_token_id": 1,
9
+ "eos_token_id": 2,
10
+ "head_dim": 96,
11
+ "hidden_act": "silu",
12
+ "hidden_size": 1536,
13
+ "initializer_range": 0.02,
14
+ "intermediate_size": 3072,
15
+ "max_position_embeddings": 2048,
16
+ "mlp_bias": false,
17
+ "model_type": "llama",
18
+ "num_attention_heads": 8,
19
+ "num_hidden_layers": 8,
20
+ "num_key_value_heads": 8,
21
+ "pad_token_id": 0,
22
+ "pretraining_tp": 1,
23
+ "rms_norm_eps": 1e-05,
24
+ "rope_scaling": null,
25
+ "rope_theta": 100000,
26
+ "sliding_window": null,
27
+ "tie_word_embeddings": false,
28
+ "torch_dtype": "float32",
29
+ "transformers_version": "4.45.1",
30
+ "use_cache": true,
31
+ "vocab_size": 32003
32
+ }
checkpoint-2250/generation_config.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 1,
4
+ "eos_token_id": 2,
5
+ "pad_token_id": 0,
6
+ "transformers_version": "4.45.1"
7
+ }
checkpoint-2250/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d7da48b5ebb819b9c7c7986c3f2f0d1eeff797b1d24cf4ccf3638363d483bf91
3
+ size 997345472
checkpoint-2250/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:e28e593aa172d40e598ea674e77959b951606385d4fe4a7af59916fbb43ede79
3
+ size 1994737722
checkpoint-2250/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:386fcc8cc1089aade9450d86fb239ea3483f455fd2d78d8378645feecfec9d69
3
+ size 14244
checkpoint-2250/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1fa7b0a07a77239aa276c8f4457f190e8ab830494b0402a18140f02280d03eba
3
+ size 1064
checkpoint-2250/trainer_state.json ADDED
@@ -0,0 +1,1608 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.0,
5
+ "eval_steps": 5000,
6
+ "global_step": 2250,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0044444444444444444,
13
+ "grad_norm": 0.5433621406555176,
14
+ "learning_rate": 2.0000000000000003e-06,
15
+ "loss": 1.9321,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.008888888888888889,
20
+ "grad_norm": 0.561606764793396,
21
+ "learning_rate": 4.000000000000001e-06,
22
+ "loss": 1.6473,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.013333333333333334,
27
+ "grad_norm": 0.5591593384742737,
28
+ "learning_rate": 6e-06,
29
+ "loss": 1.6608,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.017777777777777778,
34
+ "grad_norm": 0.4737153649330139,
35
+ "learning_rate": 8.000000000000001e-06,
36
+ "loss": 1.593,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.022222222222222223,
41
+ "grad_norm": 0.49554353952407837,
42
+ "learning_rate": 1e-05,
43
+ "loss": 1.5977,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.02666666666666667,
48
+ "grad_norm": 0.5209193229675293,
49
+ "learning_rate": 1.2e-05,
50
+ "loss": 1.7224,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.03111111111111111,
55
+ "grad_norm": 0.6041632294654846,
56
+ "learning_rate": 1.4000000000000001e-05,
57
+ "loss": 1.7147,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.035555555555555556,
62
+ "grad_norm": 0.5665949583053589,
63
+ "learning_rate": 1.6000000000000003e-05,
64
+ "loss": 1.8407,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.04,
69
+ "grad_norm": 0.46845224499702454,
70
+ "learning_rate": 1.8e-05,
71
+ "loss": 1.7081,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.044444444444444446,
76
+ "grad_norm": 0.5971758365631104,
77
+ "learning_rate": 2e-05,
78
+ "loss": 1.6679,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.04888888888888889,
83
+ "grad_norm": 0.5474440455436707,
84
+ "learning_rate": 2.2000000000000003e-05,
85
+ "loss": 1.7097,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.05333333333333334,
90
+ "grad_norm": 0.5440825819969177,
91
+ "learning_rate": 2.4e-05,
92
+ "loss": 1.699,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.057777777777777775,
97
+ "grad_norm": 0.5594825148582458,
98
+ "learning_rate": 2.6000000000000002e-05,
99
+ "loss": 1.5727,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.06222222222222222,
104
+ "grad_norm": 0.5222841501235962,
105
+ "learning_rate": 2.8000000000000003e-05,
106
+ "loss": 1.7716,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.06666666666666667,
111
+ "grad_norm": 0.5387088060379028,
112
+ "learning_rate": 3e-05,
113
+ "loss": 1.7168,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.07111111111111111,
118
+ "grad_norm": 0.582731306552887,
119
+ "learning_rate": 3.2000000000000005e-05,
120
+ "loss": 1.6742,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.07555555555555556,
125
+ "grad_norm": 0.4863213002681732,
126
+ "learning_rate": 3.4000000000000007e-05,
127
+ "loss": 1.8133,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.08,
132
+ "grad_norm": 0.558056652545929,
133
+ "learning_rate": 3.6e-05,
134
+ "loss": 1.6343,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.08444444444444445,
139
+ "grad_norm": 0.5111934542655945,
140
+ "learning_rate": 3.8e-05,
141
+ "loss": 1.7636,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.08888888888888889,
146
+ "grad_norm": 0.5395738482475281,
147
+ "learning_rate": 4e-05,
148
+ "loss": 1.802,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.09333333333333334,
153
+ "grad_norm": 0.5868604779243469,
154
+ "learning_rate": 4.2e-05,
155
+ "loss": 1.7807,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.09777777777777778,
160
+ "grad_norm": 0.6610602140426636,
161
+ "learning_rate": 4.4000000000000006e-05,
162
+ "loss": 1.7328,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.10222222222222223,
167
+ "grad_norm": 0.4879331588745117,
168
+ "learning_rate": 4.600000000000001e-05,
169
+ "loss": 1.6453,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.10666666666666667,
174
+ "grad_norm": 0.49884936213493347,
175
+ "learning_rate": 4.8e-05,
176
+ "loss": 1.7553,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.1111111111111111,
181
+ "grad_norm": 0.5518313050270081,
182
+ "learning_rate": 5e-05,
183
+ "loss": 1.7899,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.11555555555555555,
188
+ "grad_norm": 0.4758407473564148,
189
+ "learning_rate": 5.2000000000000004e-05,
190
+ "loss": 1.8008,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.12,
195
+ "grad_norm": 0.6643330454826355,
196
+ "learning_rate": 5.4000000000000005e-05,
197
+ "loss": 1.8044,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.12444444444444444,
202
+ "grad_norm": 0.6399062275886536,
203
+ "learning_rate": 5.6000000000000006e-05,
204
+ "loss": 1.707,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.1288888888888889,
209
+ "grad_norm": 0.5865938663482666,
210
+ "learning_rate": 5.8e-05,
211
+ "loss": 1.8816,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.13333333333333333,
216
+ "grad_norm": 0.696479320526123,
217
+ "learning_rate": 6e-05,
218
+ "loss": 1.8446,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.13777777777777778,
223
+ "grad_norm": 0.5724856853485107,
224
+ "learning_rate": 6.2e-05,
225
+ "loss": 1.8147,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.14222222222222222,
230
+ "grad_norm": 0.61114901304245,
231
+ "learning_rate": 6.400000000000001e-05,
232
+ "loss": 1.7069,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.14666666666666667,
237
+ "grad_norm": 0.47783616185188293,
238
+ "learning_rate": 6.6e-05,
239
+ "loss": 1.945,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.1511111111111111,
244
+ "grad_norm": 0.5438987612724304,
245
+ "learning_rate": 6.800000000000001e-05,
246
+ "loss": 1.8745,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.15555555555555556,
251
+ "grad_norm": 0.6080267429351807,
252
+ "learning_rate": 7e-05,
253
+ "loss": 1.7863,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.16,
258
+ "grad_norm": 0.5038191676139832,
259
+ "learning_rate": 7.2e-05,
260
+ "loss": 1.7838,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.16444444444444445,
265
+ "grad_norm": 0.6252524256706238,
266
+ "learning_rate": 7.4e-05,
267
+ "loss": 1.7028,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.1688888888888889,
272
+ "grad_norm": 0.5980324149131775,
273
+ "learning_rate": 7.6e-05,
274
+ "loss": 1.7397,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.17333333333333334,
279
+ "grad_norm": 0.7241755723953247,
280
+ "learning_rate": 7.800000000000001e-05,
281
+ "loss": 1.7465,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.17777777777777778,
286
+ "grad_norm": 0.5854328870773315,
287
+ "learning_rate": 8e-05,
288
+ "loss": 1.7453,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.18222222222222223,
293
+ "grad_norm": 0.6349270939826965,
294
+ "learning_rate": 8.2e-05,
295
+ "loss": 1.6712,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.18666666666666668,
300
+ "grad_norm": 0.6904433965682983,
301
+ "learning_rate": 8.4e-05,
302
+ "loss": 1.7417,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.19111111111111112,
307
+ "grad_norm": 0.5410600900650024,
308
+ "learning_rate": 8.6e-05,
309
+ "loss": 1.8458,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.19555555555555557,
314
+ "grad_norm": 0.6205611228942871,
315
+ "learning_rate": 8.800000000000001e-05,
316
+ "loss": 1.7107,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.2,
321
+ "grad_norm": 0.5386173129081726,
322
+ "learning_rate": 9e-05,
323
+ "loss": 1.8438,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.20444444444444446,
328
+ "grad_norm": 0.7793389558792114,
329
+ "learning_rate": 9.200000000000001e-05,
330
+ "loss": 1.8507,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.2088888888888889,
335
+ "grad_norm": 0.5682786703109741,
336
+ "learning_rate": 9.4e-05,
337
+ "loss": 1.6696,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.21333333333333335,
342
+ "grad_norm": 0.6214142441749573,
343
+ "learning_rate": 9.6e-05,
344
+ "loss": 1.7636,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.21777777777777776,
349
+ "grad_norm": 0.6407720446586609,
350
+ "learning_rate": 9.8e-05,
351
+ "loss": 1.945,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.2222222222222222,
356
+ "grad_norm": 0.5883258581161499,
357
+ "learning_rate": 0.0001,
358
+ "loss": 1.749,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.22666666666666666,
363
+ "grad_norm": 0.7052844762802124,
364
+ "learning_rate": 9.942857142857144e-05,
365
+ "loss": 1.7102,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.2311111111111111,
370
+ "grad_norm": 0.5479081869125366,
371
+ "learning_rate": 9.885714285714286e-05,
372
+ "loss": 1.7169,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.23555555555555555,
377
+ "grad_norm": 0.5972569584846497,
378
+ "learning_rate": 9.828571428571429e-05,
379
+ "loss": 1.7405,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.24,
384
+ "grad_norm": 0.5114515423774719,
385
+ "learning_rate": 9.771428571428572e-05,
386
+ "loss": 1.9784,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.24444444444444444,
391
+ "grad_norm": 0.5898337960243225,
392
+ "learning_rate": 9.714285714285715e-05,
393
+ "loss": 1.7976,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.24888888888888888,
398
+ "grad_norm": 0.6429341435432434,
399
+ "learning_rate": 9.657142857142858e-05,
400
+ "loss": 1.958,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.25333333333333335,
405
+ "grad_norm": 0.46451956033706665,
406
+ "learning_rate": 9.6e-05,
407
+ "loss": 1.5966,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.2577777777777778,
412
+ "grad_norm": 0.506208598613739,
413
+ "learning_rate": 9.542857142857143e-05,
414
+ "loss": 1.6479,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.26222222222222225,
419
+ "grad_norm": 0.5113669633865356,
420
+ "learning_rate": 9.485714285714287e-05,
421
+ "loss": 1.6449,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.26666666666666666,
426
+ "grad_norm": 0.5901801586151123,
427
+ "learning_rate": 9.428571428571429e-05,
428
+ "loss": 1.7377,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.27111111111111114,
433
+ "grad_norm": 0.5738946199417114,
434
+ "learning_rate": 9.371428571428572e-05,
435
+ "loss": 1.8211,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.27555555555555555,
440
+ "grad_norm": 0.5505834817886353,
441
+ "learning_rate": 9.314285714285715e-05,
442
+ "loss": 1.7923,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.28,
447
+ "grad_norm": 0.6749151349067688,
448
+ "learning_rate": 9.257142857142858e-05,
449
+ "loss": 1.851,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.28444444444444444,
454
+ "grad_norm": 0.618687629699707,
455
+ "learning_rate": 9.200000000000001e-05,
456
+ "loss": 1.8906,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.28888888888888886,
461
+ "grad_norm": 0.592284619808197,
462
+ "learning_rate": 9.142857142857143e-05,
463
+ "loss": 1.8052,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.29333333333333333,
468
+ "grad_norm": 0.6234279274940491,
469
+ "learning_rate": 9.085714285714286e-05,
470
+ "loss": 1.7278,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.29777777777777775,
475
+ "grad_norm": 0.5879189372062683,
476
+ "learning_rate": 9.028571428571428e-05,
477
+ "loss": 1.8085,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.3022222222222222,
482
+ "grad_norm": 0.6300005912780762,
483
+ "learning_rate": 8.971428571428571e-05,
484
+ "loss": 1.7155,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.30666666666666664,
489
+ "grad_norm": 0.563451886177063,
490
+ "learning_rate": 8.914285714285715e-05,
491
+ "loss": 1.7602,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.3111111111111111,
496
+ "grad_norm": 0.6689388751983643,
497
+ "learning_rate": 8.857142857142857e-05,
498
+ "loss": 1.7183,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.31555555555555553,
503
+ "grad_norm": 0.5935807228088379,
504
+ "learning_rate": 8.800000000000001e-05,
505
+ "loss": 1.8198,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.32,
510
+ "grad_norm": 0.6254555583000183,
511
+ "learning_rate": 8.742857142857144e-05,
512
+ "loss": 1.7565,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.3244444444444444,
517
+ "grad_norm": 0.640834391117096,
518
+ "learning_rate": 8.685714285714286e-05,
519
+ "loss": 1.6407,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.3288888888888889,
524
+ "grad_norm": 0.7603657245635986,
525
+ "learning_rate": 8.62857142857143e-05,
526
+ "loss": 1.8392,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.3333333333333333,
531
+ "grad_norm": 0.5401626229286194,
532
+ "learning_rate": 8.571428571428571e-05,
533
+ "loss": 1.4939,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.3377777777777778,
538
+ "grad_norm": 0.5616275668144226,
539
+ "learning_rate": 8.514285714285714e-05,
540
+ "loss": 1.6581,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.3422222222222222,
545
+ "grad_norm": 0.6039714813232422,
546
+ "learning_rate": 8.457142857142858e-05,
547
+ "loss": 1.7711,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.3466666666666667,
552
+ "grad_norm": 0.6184443831443787,
553
+ "learning_rate": 8.4e-05,
554
+ "loss": 1.709,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.3511111111111111,
559
+ "grad_norm": 0.5194800496101379,
560
+ "learning_rate": 8.342857142857143e-05,
561
+ "loss": 1.7707,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.35555555555555557,
566
+ "grad_norm": 0.6379169225692749,
567
+ "learning_rate": 8.285714285714287e-05,
568
+ "loss": 1.8612,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.36,
573
+ "grad_norm": 0.6198997497558594,
574
+ "learning_rate": 8.228571428571429e-05,
575
+ "loss": 1.8448,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.36444444444444446,
580
+ "grad_norm": 0.6147898435592651,
581
+ "learning_rate": 8.171428571428572e-05,
582
+ "loss": 1.6975,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.3688888888888889,
587
+ "grad_norm": 0.5424386858940125,
588
+ "learning_rate": 8.114285714285714e-05,
589
+ "loss": 1.6583,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.37333333333333335,
594
+ "grad_norm": 0.607720673084259,
595
+ "learning_rate": 8.057142857142857e-05,
596
+ "loss": 1.6709,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.37777777777777777,
601
+ "grad_norm": 0.5133110880851746,
602
+ "learning_rate": 8e-05,
603
+ "loss": 1.7619,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.38222222222222224,
608
+ "grad_norm": 0.525132417678833,
609
+ "learning_rate": 7.942857142857143e-05,
610
+ "loss": 1.651,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.38666666666666666,
615
+ "grad_norm": 0.4882131516933441,
616
+ "learning_rate": 7.885714285714286e-05,
617
+ "loss": 1.6483,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.39111111111111113,
622
+ "grad_norm": 0.6584396958351135,
623
+ "learning_rate": 7.828571428571429e-05,
624
+ "loss": 1.7908,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.39555555555555555,
629
+ "grad_norm": 0.4846736490726471,
630
+ "learning_rate": 7.771428571428572e-05,
631
+ "loss": 1.7241,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.4,
636
+ "grad_norm": 0.5569609999656677,
637
+ "learning_rate": 7.714285714285715e-05,
638
+ "loss": 1.8487,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.40444444444444444,
643
+ "grad_norm": 0.47317251563072205,
644
+ "learning_rate": 7.657142857142857e-05,
645
+ "loss": 1.5844,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.4088888888888889,
650
+ "grad_norm": 0.49643898010253906,
651
+ "learning_rate": 7.6e-05,
652
+ "loss": 1.701,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.41333333333333333,
657
+ "grad_norm": 0.6150220036506653,
658
+ "learning_rate": 7.542857142857144e-05,
659
+ "loss": 1.6521,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.4177777777777778,
664
+ "grad_norm": 0.5863474607467651,
665
+ "learning_rate": 7.485714285714285e-05,
666
+ "loss": 1.7961,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.4222222222222222,
671
+ "grad_norm": 0.46018537878990173,
672
+ "learning_rate": 7.428571428571429e-05,
673
+ "loss": 1.5727,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.4266666666666667,
678
+ "grad_norm": 0.5820701718330383,
679
+ "learning_rate": 7.371428571428572e-05,
680
+ "loss": 1.7221,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.4311111111111111,
685
+ "grad_norm": 0.5305566787719727,
686
+ "learning_rate": 7.314285714285715e-05,
687
+ "loss": 1.5491,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.43555555555555553,
692
+ "grad_norm": 0.44739487767219543,
693
+ "learning_rate": 7.257142857142858e-05,
694
+ "loss": 1.7449,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.44,
699
+ "grad_norm": 0.525854766368866,
700
+ "learning_rate": 7.2e-05,
701
+ "loss": 1.6216,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 0.4444444444444444,
706
+ "grad_norm": 0.6370983719825745,
707
+ "learning_rate": 7.142857142857143e-05,
708
+ "loss": 1.8326,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 0.4488888888888889,
713
+ "grad_norm": 0.5000634789466858,
714
+ "learning_rate": 7.085714285714285e-05,
715
+ "loss": 1.6554,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 0.4533333333333333,
720
+ "grad_norm": 0.5493870973587036,
721
+ "learning_rate": 7.028571428571428e-05,
722
+ "loss": 1.6535,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 0.4577777777777778,
727
+ "grad_norm": 0.6068606376647949,
728
+ "learning_rate": 6.971428571428572e-05,
729
+ "loss": 1.7912,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 0.4622222222222222,
734
+ "grad_norm": 0.36175239086151123,
735
+ "learning_rate": 6.914285714285715e-05,
736
+ "loss": 1.7161,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 0.4666666666666667,
741
+ "grad_norm": 0.4946162700653076,
742
+ "learning_rate": 6.857142857142858e-05,
743
+ "loss": 1.7134,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 0.4711111111111111,
748
+ "grad_norm": 0.570744514465332,
749
+ "learning_rate": 6.800000000000001e-05,
750
+ "loss": 1.7526,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 0.47555555555555556,
755
+ "grad_norm": 0.4829612374305725,
756
+ "learning_rate": 6.742857142857143e-05,
757
+ "loss": 1.5849,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 0.48,
762
+ "grad_norm": 0.5220139026641846,
763
+ "learning_rate": 6.685714285714286e-05,
764
+ "loss": 1.5798,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 0.48444444444444446,
769
+ "grad_norm": 0.4307192265987396,
770
+ "learning_rate": 6.628571428571428e-05,
771
+ "loss": 1.6771,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 0.4888888888888889,
776
+ "grad_norm": 0.5403544306755066,
777
+ "learning_rate": 6.571428571428571e-05,
778
+ "loss": 1.6165,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 0.49333333333333335,
783
+ "grad_norm": 0.47385355830192566,
784
+ "learning_rate": 6.514285714285715e-05,
785
+ "loss": 1.6693,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 0.49777777777777776,
790
+ "grad_norm": 0.5639126300811768,
791
+ "learning_rate": 6.457142857142856e-05,
792
+ "loss": 1.6192,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 0.5022222222222222,
797
+ "grad_norm": 0.596899688243866,
798
+ "learning_rate": 6.400000000000001e-05,
799
+ "loss": 1.742,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 0.5066666666666667,
804
+ "grad_norm": 0.5001611113548279,
805
+ "learning_rate": 6.342857142857143e-05,
806
+ "loss": 1.7284,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 0.5111111111111111,
811
+ "grad_norm": 0.5272433757781982,
812
+ "learning_rate": 6.285714285714286e-05,
813
+ "loss": 1.7103,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 0.5155555555555555,
818
+ "grad_norm": 0.46714940667152405,
819
+ "learning_rate": 6.22857142857143e-05,
820
+ "loss": 1.739,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 0.52,
825
+ "grad_norm": 0.4891936182975769,
826
+ "learning_rate": 6.171428571428571e-05,
827
+ "loss": 1.5622,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 0.5244444444444445,
832
+ "grad_norm": 0.5693128705024719,
833
+ "learning_rate": 6.114285714285714e-05,
834
+ "loss": 1.7711,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 0.5288888888888889,
839
+ "grad_norm": 0.4832131862640381,
840
+ "learning_rate": 6.0571428571428576e-05,
841
+ "loss": 1.6518,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 0.5333333333333333,
846
+ "grad_norm": 0.4521544277667999,
847
+ "learning_rate": 6e-05,
848
+ "loss": 1.7293,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 0.5377777777777778,
853
+ "grad_norm": 0.530257523059845,
854
+ "learning_rate": 5.9428571428571434e-05,
855
+ "loss": 1.7398,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 0.5422222222222223,
860
+ "grad_norm": 0.4766942262649536,
861
+ "learning_rate": 5.885714285714285e-05,
862
+ "loss": 1.5728,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 0.5466666666666666,
867
+ "grad_norm": 0.5979341864585876,
868
+ "learning_rate": 5.828571428571429e-05,
869
+ "loss": 1.7144,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 0.5511111111111111,
874
+ "grad_norm": 0.48419347405433655,
875
+ "learning_rate": 5.771428571428572e-05,
876
+ "loss": 1.6109,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 0.5555555555555556,
881
+ "grad_norm": 0.5022163391113281,
882
+ "learning_rate": 5.714285714285714e-05,
883
+ "loss": 1.6527,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 0.56,
888
+ "grad_norm": 0.44246387481689453,
889
+ "learning_rate": 5.6571428571428574e-05,
890
+ "loss": 1.5973,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 0.5644444444444444,
895
+ "grad_norm": 0.4790962338447571,
896
+ "learning_rate": 5.6000000000000006e-05,
897
+ "loss": 1.7611,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 0.5688888888888889,
902
+ "grad_norm": 0.539997398853302,
903
+ "learning_rate": 5.542857142857143e-05,
904
+ "loss": 1.6742,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 0.5733333333333334,
909
+ "grad_norm": 0.4964543282985687,
910
+ "learning_rate": 5.485714285714286e-05,
911
+ "loss": 1.7395,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 0.5777777777777777,
916
+ "grad_norm": 0.5202584266662598,
917
+ "learning_rate": 5.428571428571428e-05,
918
+ "loss": 1.8882,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 0.5822222222222222,
923
+ "grad_norm": 0.5655657649040222,
924
+ "learning_rate": 5.3714285714285714e-05,
925
+ "loss": 1.6829,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 0.5866666666666667,
930
+ "grad_norm": 0.4495587944984436,
931
+ "learning_rate": 5.314285714285715e-05,
932
+ "loss": 1.6082,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 0.5911111111111111,
937
+ "grad_norm": 0.5401484370231628,
938
+ "learning_rate": 5.257142857142857e-05,
939
+ "loss": 1.6704,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 0.5955555555555555,
944
+ "grad_norm": 0.6409158706665039,
945
+ "learning_rate": 5.2000000000000004e-05,
946
+ "loss": 1.6984,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 0.6,
951
+ "grad_norm": 0.47010332345962524,
952
+ "learning_rate": 5.142857142857143e-05,
953
+ "loss": 1.7012,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 0.6044444444444445,
958
+ "grad_norm": 0.5039106011390686,
959
+ "learning_rate": 5.085714285714286e-05,
960
+ "loss": 1.7446,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 0.6088888888888889,
965
+ "grad_norm": 0.46006426215171814,
966
+ "learning_rate": 5.028571428571429e-05,
967
+ "loss": 1.4179,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 0.6133333333333333,
972
+ "grad_norm": 0.5222061276435852,
973
+ "learning_rate": 4.971428571428572e-05,
974
+ "loss": 1.6808,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 0.6177777777777778,
979
+ "grad_norm": 0.45127660036087036,
980
+ "learning_rate": 4.9142857142857144e-05,
981
+ "loss": 1.653,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 0.6222222222222222,
986
+ "grad_norm": 0.4859090745449066,
987
+ "learning_rate": 4.8571428571428576e-05,
988
+ "loss": 1.7781,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 0.6266666666666667,
993
+ "grad_norm": 0.6080654859542847,
994
+ "learning_rate": 4.8e-05,
995
+ "loss": 1.6916,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 0.6311111111111111,
1000
+ "grad_norm": 0.5803218483924866,
1001
+ "learning_rate": 4.742857142857143e-05,
1002
+ "loss": 1.7859,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 0.6355555555555555,
1007
+ "grad_norm": 0.590130090713501,
1008
+ "learning_rate": 4.685714285714286e-05,
1009
+ "loss": 1.6935,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 0.64,
1014
+ "grad_norm": 0.4160462021827698,
1015
+ "learning_rate": 4.628571428571429e-05,
1016
+ "loss": 1.5872,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 0.6444444444444445,
1021
+ "grad_norm": 0.4726947546005249,
1022
+ "learning_rate": 4.5714285714285716e-05,
1023
+ "loss": 1.7101,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 0.6488888888888888,
1028
+ "grad_norm": 0.48443475365638733,
1029
+ "learning_rate": 4.514285714285714e-05,
1030
+ "loss": 1.7473,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 0.6533333333333333,
1035
+ "grad_norm": 0.5587878823280334,
1036
+ "learning_rate": 4.4571428571428574e-05,
1037
+ "loss": 1.5633,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 0.6577777777777778,
1042
+ "grad_norm": 0.43862953782081604,
1043
+ "learning_rate": 4.4000000000000006e-05,
1044
+ "loss": 1.6364,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 0.6622222222222223,
1049
+ "grad_norm": 0.4286442995071411,
1050
+ "learning_rate": 4.342857142857143e-05,
1051
+ "loss": 1.6191,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 0.6666666666666666,
1056
+ "grad_norm": 0.45126351714134216,
1057
+ "learning_rate": 4.2857142857142856e-05,
1058
+ "loss": 1.7249,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 0.6711111111111111,
1063
+ "grad_norm": 0.5152072906494141,
1064
+ "learning_rate": 4.228571428571429e-05,
1065
+ "loss": 1.6294,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 0.6755555555555556,
1070
+ "grad_norm": 0.4662505090236664,
1071
+ "learning_rate": 4.1714285714285714e-05,
1072
+ "loss": 1.6245,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 0.68,
1077
+ "grad_norm": 0.49927669763565063,
1078
+ "learning_rate": 4.1142857142857146e-05,
1079
+ "loss": 1.5931,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 0.6844444444444444,
1084
+ "grad_norm": 0.4711079001426697,
1085
+ "learning_rate": 4.057142857142857e-05,
1086
+ "loss": 1.6273,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 0.6888888888888889,
1091
+ "grad_norm": 0.5319389700889587,
1092
+ "learning_rate": 4e-05,
1093
+ "loss": 1.7385,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 0.6933333333333334,
1098
+ "grad_norm": 0.4717606008052826,
1099
+ "learning_rate": 3.942857142857143e-05,
1100
+ "loss": 1.7488,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 0.6977777777777778,
1105
+ "grad_norm": 0.4487731158733368,
1106
+ "learning_rate": 3.885714285714286e-05,
1107
+ "loss": 1.4776,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 0.7022222222222222,
1112
+ "grad_norm": 0.594499409198761,
1113
+ "learning_rate": 3.8285714285714286e-05,
1114
+ "loss": 1.5591,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 0.7066666666666667,
1119
+ "grad_norm": 0.5072243809700012,
1120
+ "learning_rate": 3.771428571428572e-05,
1121
+ "loss": 1.6309,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 0.7111111111111111,
1126
+ "grad_norm": 0.6944729685783386,
1127
+ "learning_rate": 3.7142857142857143e-05,
1128
+ "loss": 1.6328,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 0.7155555555555555,
1133
+ "grad_norm": 0.41481533646583557,
1134
+ "learning_rate": 3.6571428571428576e-05,
1135
+ "loss": 1.541,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 0.72,
1140
+ "grad_norm": 0.45629650354385376,
1141
+ "learning_rate": 3.6e-05,
1142
+ "loss": 1.7933,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 0.7244444444444444,
1147
+ "grad_norm": 0.4524475932121277,
1148
+ "learning_rate": 3.5428571428571426e-05,
1149
+ "loss": 1.7052,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 0.7288888888888889,
1154
+ "grad_norm": 0.5357774496078491,
1155
+ "learning_rate": 3.485714285714286e-05,
1156
+ "loss": 1.6476,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 0.7333333333333333,
1161
+ "grad_norm": 0.4461857080459595,
1162
+ "learning_rate": 3.428571428571429e-05,
1163
+ "loss": 1.5601,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 0.7377777777777778,
1168
+ "grad_norm": 0.5301758050918579,
1169
+ "learning_rate": 3.3714285714285716e-05,
1170
+ "loss": 1.8176,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 0.7422222222222222,
1175
+ "grad_norm": 1.122097134590149,
1176
+ "learning_rate": 3.314285714285714e-05,
1177
+ "loss": 1.6481,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 0.7466666666666667,
1182
+ "grad_norm": 0.6046774387359619,
1183
+ "learning_rate": 3.257142857142857e-05,
1184
+ "loss": 1.8148,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 0.7511111111111111,
1189
+ "grad_norm": 0.4735705256462097,
1190
+ "learning_rate": 3.2000000000000005e-05,
1191
+ "loss": 1.5967,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 0.7555555555555555,
1196
+ "grad_norm": 0.4766364097595215,
1197
+ "learning_rate": 3.142857142857143e-05,
1198
+ "loss": 1.6152,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 0.76,
1203
+ "grad_norm": 0.5077019333839417,
1204
+ "learning_rate": 3.0857142857142856e-05,
1205
+ "loss": 1.6901,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 0.7644444444444445,
1210
+ "grad_norm": 0.47451454401016235,
1211
+ "learning_rate": 3.0285714285714288e-05,
1212
+ "loss": 1.5958,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 0.7688888888888888,
1217
+ "grad_norm": 0.4522535800933838,
1218
+ "learning_rate": 2.9714285714285717e-05,
1219
+ "loss": 1.5278,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 0.7733333333333333,
1224
+ "grad_norm": 0.47677576541900635,
1225
+ "learning_rate": 2.9142857142857146e-05,
1226
+ "loss": 1.7089,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 0.7777777777777778,
1231
+ "grad_norm": 0.5438882112503052,
1232
+ "learning_rate": 2.857142857142857e-05,
1233
+ "loss": 1.6967,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 0.7822222222222223,
1238
+ "grad_norm": 0.5106326341629028,
1239
+ "learning_rate": 2.8000000000000003e-05,
1240
+ "loss": 1.6133,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 0.7866666666666666,
1245
+ "grad_norm": 0.48920413851737976,
1246
+ "learning_rate": 2.742857142857143e-05,
1247
+ "loss": 1.5464,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 0.7911111111111111,
1252
+ "grad_norm": 0.4835570156574249,
1253
+ "learning_rate": 2.6857142857142857e-05,
1254
+ "loss": 1.6191,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 0.7955555555555556,
1259
+ "grad_norm": 0.4348030686378479,
1260
+ "learning_rate": 2.6285714285714286e-05,
1261
+ "loss": 1.595,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 0.8,
1266
+ "grad_norm": 0.5459887981414795,
1267
+ "learning_rate": 2.5714285714285714e-05,
1268
+ "loss": 1.6642,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 0.8044444444444444,
1273
+ "grad_norm": 0.49609118700027466,
1274
+ "learning_rate": 2.5142857142857147e-05,
1275
+ "loss": 1.6884,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 0.8088888888888889,
1280
+ "grad_norm": 0.49508237838745117,
1281
+ "learning_rate": 2.4571428571428572e-05,
1282
+ "loss": 1.5543,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 0.8133333333333334,
1287
+ "grad_norm": 0.5876829624176025,
1288
+ "learning_rate": 2.4e-05,
1289
+ "loss": 1.5876,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 0.8177777777777778,
1294
+ "grad_norm": 0.5161216259002686,
1295
+ "learning_rate": 2.342857142857143e-05,
1296
+ "loss": 1.5489,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 0.8222222222222222,
1301
+ "grad_norm": 0.49379730224609375,
1302
+ "learning_rate": 2.2857142857142858e-05,
1303
+ "loss": 1.5353,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 0.8266666666666667,
1308
+ "grad_norm": 0.4468284249305725,
1309
+ "learning_rate": 2.2285714285714287e-05,
1310
+ "loss": 1.5983,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 0.8311111111111111,
1315
+ "grad_norm": 0.3884105384349823,
1316
+ "learning_rate": 2.1714285714285715e-05,
1317
+ "loss": 1.6029,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 0.8355555555555556,
1322
+ "grad_norm": 0.5299472808837891,
1323
+ "learning_rate": 2.1142857142857144e-05,
1324
+ "loss": 1.4086,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 0.84,
1329
+ "grad_norm": 0.4671512544155121,
1330
+ "learning_rate": 2.0571428571428573e-05,
1331
+ "loss": 1.6286,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 0.8444444444444444,
1336
+ "grad_norm": 0.42520585656166077,
1337
+ "learning_rate": 2e-05,
1338
+ "loss": 1.5687,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 0.8488888888888889,
1343
+ "grad_norm": 0.4671627879142761,
1344
+ "learning_rate": 1.942857142857143e-05,
1345
+ "loss": 1.7934,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 0.8533333333333334,
1350
+ "grad_norm": 0.44849321246147156,
1351
+ "learning_rate": 1.885714285714286e-05,
1352
+ "loss": 1.4699,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 0.8577777777777778,
1357
+ "grad_norm": 0.4914058744907379,
1358
+ "learning_rate": 1.8285714285714288e-05,
1359
+ "loss": 1.6696,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 0.8622222222222222,
1364
+ "grad_norm": 0.4552600681781769,
1365
+ "learning_rate": 1.7714285714285713e-05,
1366
+ "loss": 1.5428,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 0.8666666666666667,
1371
+ "grad_norm": 0.568909764289856,
1372
+ "learning_rate": 1.7142857142857145e-05,
1373
+ "loss": 1.5826,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 0.8711111111111111,
1378
+ "grad_norm": 0.4071631133556366,
1379
+ "learning_rate": 1.657142857142857e-05,
1380
+ "loss": 1.4793,
1381
+ "step": 1960
1382
+ },
1383
+ {
1384
+ "epoch": 0.8755555555555555,
1385
+ "grad_norm": 0.4576158821582794,
1386
+ "learning_rate": 1.6000000000000003e-05,
1387
+ "loss": 1.7766,
1388
+ "step": 1970
1389
+ },
1390
+ {
1391
+ "epoch": 0.88,
1392
+ "grad_norm": 0.48867034912109375,
1393
+ "learning_rate": 1.5428571428571428e-05,
1394
+ "loss": 1.5677,
1395
+ "step": 1980
1396
+ },
1397
+ {
1398
+ "epoch": 0.8844444444444445,
1399
+ "grad_norm": 0.5315440893173218,
1400
+ "learning_rate": 1.4857142857142858e-05,
1401
+ "loss": 1.6422,
1402
+ "step": 1990
1403
+ },
1404
+ {
1405
+ "epoch": 0.8888888888888888,
1406
+ "grad_norm": 0.5676016211509705,
1407
+ "learning_rate": 1.4285714285714285e-05,
1408
+ "loss": 1.669,
1409
+ "step": 2000
1410
+ },
1411
+ {
1412
+ "epoch": 0.8933333333333333,
1413
+ "grad_norm": 0.4910498261451721,
1414
+ "learning_rate": 1.3714285714285716e-05,
1415
+ "loss": 1.6654,
1416
+ "step": 2010
1417
+ },
1418
+ {
1419
+ "epoch": 0.8977777777777778,
1420
+ "grad_norm": 0.4945501387119293,
1421
+ "learning_rate": 1.3142857142857143e-05,
1422
+ "loss": 1.752,
1423
+ "step": 2020
1424
+ },
1425
+ {
1426
+ "epoch": 0.9022222222222223,
1427
+ "grad_norm": 0.4435444176197052,
1428
+ "learning_rate": 1.2571428571428573e-05,
1429
+ "loss": 1.4818,
1430
+ "step": 2030
1431
+ },
1432
+ {
1433
+ "epoch": 0.9066666666666666,
1434
+ "grad_norm": 0.49968045949935913,
1435
+ "learning_rate": 1.2e-05,
1436
+ "loss": 1.7248,
1437
+ "step": 2040
1438
+ },
1439
+ {
1440
+ "epoch": 0.9111111111111111,
1441
+ "grad_norm": 0.5078977942466736,
1442
+ "learning_rate": 1.1428571428571429e-05,
1443
+ "loss": 1.6665,
1444
+ "step": 2050
1445
+ },
1446
+ {
1447
+ "epoch": 0.9155555555555556,
1448
+ "grad_norm": 0.4734516739845276,
1449
+ "learning_rate": 1.0857142857142858e-05,
1450
+ "loss": 1.6927,
1451
+ "step": 2060
1452
+ },
1453
+ {
1454
+ "epoch": 0.92,
1455
+ "grad_norm": 0.5901415348052979,
1456
+ "learning_rate": 1.0285714285714286e-05,
1457
+ "loss": 1.575,
1458
+ "step": 2070
1459
+ },
1460
+ {
1461
+ "epoch": 0.9244444444444444,
1462
+ "grad_norm": 0.4999895393848419,
1463
+ "learning_rate": 9.714285714285715e-06,
1464
+ "loss": 1.6373,
1465
+ "step": 2080
1466
+ },
1467
+ {
1468
+ "epoch": 0.9288888888888889,
1469
+ "grad_norm": 0.5657374858856201,
1470
+ "learning_rate": 9.142857142857144e-06,
1471
+ "loss": 1.7343,
1472
+ "step": 2090
1473
+ },
1474
+ {
1475
+ "epoch": 0.9333333333333333,
1476
+ "grad_norm": 0.4468814432621002,
1477
+ "learning_rate": 8.571428571428573e-06,
1478
+ "loss": 1.7404,
1479
+ "step": 2100
1480
+ },
1481
+ {
1482
+ "epoch": 0.9377777777777778,
1483
+ "grad_norm": 0.4465270936489105,
1484
+ "learning_rate": 8.000000000000001e-06,
1485
+ "loss": 1.6573,
1486
+ "step": 2110
1487
+ },
1488
+ {
1489
+ "epoch": 0.9422222222222222,
1490
+ "grad_norm": 0.573610782623291,
1491
+ "learning_rate": 7.428571428571429e-06,
1492
+ "loss": 1.6556,
1493
+ "step": 2120
1494
+ },
1495
+ {
1496
+ "epoch": 0.9466666666666667,
1497
+ "grad_norm": 0.4416819214820862,
1498
+ "learning_rate": 6.857142857142858e-06,
1499
+ "loss": 1.6867,
1500
+ "step": 2130
1501
+ },
1502
+ {
1503
+ "epoch": 0.9511111111111111,
1504
+ "grad_norm": 0.5595669150352478,
1505
+ "learning_rate": 6.285714285714287e-06,
1506
+ "loss": 1.6842,
1507
+ "step": 2140
1508
+ },
1509
+ {
1510
+ "epoch": 0.9555555555555556,
1511
+ "grad_norm": 0.4565703868865967,
1512
+ "learning_rate": 5.7142857142857145e-06,
1513
+ "loss": 1.5335,
1514
+ "step": 2150
1515
+ },
1516
+ {
1517
+ "epoch": 0.96,
1518
+ "grad_norm": 0.5595963001251221,
1519
+ "learning_rate": 5.142857142857143e-06,
1520
+ "loss": 1.7135,
1521
+ "step": 2160
1522
+ },
1523
+ {
1524
+ "epoch": 0.9644444444444444,
1525
+ "grad_norm": 0.4642212986946106,
1526
+ "learning_rate": 4.571428571428572e-06,
1527
+ "loss": 1.6675,
1528
+ "step": 2170
1529
+ },
1530
+ {
1531
+ "epoch": 0.9688888888888889,
1532
+ "grad_norm": 0.45244458317756653,
1533
+ "learning_rate": 4.000000000000001e-06,
1534
+ "loss": 1.573,
1535
+ "step": 2180
1536
+ },
1537
+ {
1538
+ "epoch": 0.9733333333333334,
1539
+ "grad_norm": 0.4644954204559326,
1540
+ "learning_rate": 3.428571428571429e-06,
1541
+ "loss": 1.5292,
1542
+ "step": 2190
1543
+ },
1544
+ {
1545
+ "epoch": 0.9777777777777777,
1546
+ "grad_norm": 0.4594193398952484,
1547
+ "learning_rate": 2.8571428571428573e-06,
1548
+ "loss": 1.6958,
1549
+ "step": 2200
1550
+ },
1551
+ {
1552
+ "epoch": 0.9822222222222222,
1553
+ "grad_norm": 0.4561087489128113,
1554
+ "learning_rate": 2.285714285714286e-06,
1555
+ "loss": 1.6534,
1556
+ "step": 2210
1557
+ },
1558
+ {
1559
+ "epoch": 0.9866666666666667,
1560
+ "grad_norm": 0.5011770129203796,
1561
+ "learning_rate": 1.7142857142857145e-06,
1562
+ "loss": 1.4897,
1563
+ "step": 2220
1564
+ },
1565
+ {
1566
+ "epoch": 0.9911111111111112,
1567
+ "grad_norm": 0.4924561083316803,
1568
+ "learning_rate": 1.142857142857143e-06,
1569
+ "loss": 1.7416,
1570
+ "step": 2230
1571
+ },
1572
+ {
1573
+ "epoch": 0.9955555555555555,
1574
+ "grad_norm": 0.5766103863716125,
1575
+ "learning_rate": 5.714285714285715e-07,
1576
+ "loss": 1.727,
1577
+ "step": 2240
1578
+ },
1579
+ {
1580
+ "epoch": 1.0,
1581
+ "grad_norm": 0.5178750157356262,
1582
+ "learning_rate": 0.0,
1583
+ "loss": 1.5411,
1584
+ "step": 2250
1585
+ }
1586
+ ],
1587
+ "logging_steps": 10,
1588
+ "max_steps": 2250,
1589
+ "num_input_tokens_seen": 0,
1590
+ "num_train_epochs": 1,
1591
+ "save_steps": 5000,
1592
+ "stateful_callbacks": {
1593
+ "TrainerControl": {
1594
+ "args": {
1595
+ "should_epoch_stop": false,
1596
+ "should_evaluate": false,
1597
+ "should_log": false,
1598
+ "should_save": true,
1599
+ "should_training_stop": true
1600
+ },
1601
+ "attributes": {}
1602
+ }
1603
+ },
1604
+ "total_flos": 8.8552192868352e+16,
1605
+ "train_batch_size": 4,
1606
+ "trial_name": null,
1607
+ "trial_params": null
1608
+ }
checkpoint-2250/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:58a8df63d9e45b41c11487913ac79b9749f190887f60b1a27232436d4f453932
3
+ size 5176
config.json ADDED
@@ -0,0 +1,32 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "appvoid/arco-mini-run-3",
3
+ "architectures": [
4
+ "LlamaForCausalLM"
5
+ ],
6
+ "attention_bias": false,
7
+ "attention_dropout": 0.0,
8
+ "bos_token_id": 1,
9
+ "eos_token_id": 2,
10
+ "head_dim": 96,
11
+ "hidden_act": "silu",
12
+ "hidden_size": 1536,
13
+ "initializer_range": 0.02,
14
+ "intermediate_size": 3072,
15
+ "max_position_embeddings": 2048,
16
+ "mlp_bias": false,
17
+ "model_type": "llama",
18
+ "num_attention_heads": 8,
19
+ "num_hidden_layers": 8,
20
+ "num_key_value_heads": 8,
21
+ "pad_token_id": 0,
22
+ "pretraining_tp": 1,
23
+ "rms_norm_eps": 1e-05,
24
+ "rope_scaling": null,
25
+ "rope_theta": 100000,
26
+ "sliding_window": null,
27
+ "tie_word_embeddings": false,
28
+ "torch_dtype": "float32",
29
+ "transformers_version": "4.45.1",
30
+ "use_cache": true,
31
+ "vocab_size": 32003
32
+ }
generation_config.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 1,
4
+ "eos_token_id": 2,
5
+ "pad_token_id": 0,
6
+ "transformers_version": "4.45.1"
7
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d7da48b5ebb819b9c7c7986c3f2f0d1eeff797b1d24cf4ccf3638363d483bf91
3
+ size 997345472
special_tokens_map.json ADDED
@@ -0,0 +1,44 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "[BOS]",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "cls_token": {
10
+ "content": "</s>",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "eos_token": {
17
+ "content": "[EOS]",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "pad_token": {
24
+ "content": "[PAD]",
25
+ "lstrip": false,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "sep_token": {
31
+ "content": "</s>",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ },
37
+ "unk_token": {
38
+ "content": "<unk>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false
43
+ }
44
+ }
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
tokenizer.model ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:dadfd56d766715c61d2ef780a525ab43b8e6da4de6865bda3d95fdef5e134055
3
+ size 493443
tokenizer_config.json ADDED
@@ -0,0 +1,69 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": false,
3
+ "add_eos_token": false,
4
+ "add_prefix_space": true,
5
+ "added_tokens_decoder": {
6
+ "0": {
7
+ "content": "<unk>",
8
+ "lstrip": false,
9
+ "normalized": false,
10
+ "rstrip": false,
11
+ "single_word": false,
12
+ "special": true
13
+ },
14
+ "1": {
15
+ "content": "<s>",
16
+ "lstrip": false,
17
+ "normalized": false,
18
+ "rstrip": false,
19
+ "single_word": false,
20
+ "special": true
21
+ },
22
+ "2": {
23
+ "content": "</s>",
24
+ "lstrip": false,
25
+ "normalized": false,
26
+ "rstrip": false,
27
+ "single_word": false,
28
+ "special": true
29
+ },
30
+ "32000": {
31
+ "content": "[PAD]",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false,
36
+ "special": true
37
+ },
38
+ "32001": {
39
+ "content": "[BOS]",
40
+ "lstrip": false,
41
+ "normalized": false,
42
+ "rstrip": false,
43
+ "single_word": false,
44
+ "special": true
45
+ },
46
+ "32002": {
47
+ "content": "[EOS]",
48
+ "lstrip": false,
49
+ "normalized": false,
50
+ "rstrip": false,
51
+ "single_word": false,
52
+ "special": true
53
+ }
54
+ },
55
+ "additional_special_tokens": [],
56
+ "bos_token": "[BOS]",
57
+ "clean_up_tokenization_spaces": false,
58
+ "cls_token": "</s>",
59
+ "eos_token": "[EOS]",
60
+ "legacy": true,
61
+ "model_max_length": 1000000000000000019884624838656,
62
+ "pad_token": "[PAD]",
63
+ "sep_token": "</s>",
64
+ "sp_model_kwargs": {},
65
+ "spaces_between_special_tokens": false,
66
+ "tokenizer_class": "LlamaTokenizer",
67
+ "unk_token": "<unk>",
68
+ "use_default_system_prompt": false
69
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:58a8df63d9e45b41c11487913ac79b9749f190887f60b1a27232436d4f453932
3
+ size 5176