appvoid commited on
Commit
9257a84
1 Parent(s): 68104b2

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-2812/config.json ADDED
@@ -0,0 +1,32 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "appvoid/arco-mini-run-4",
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-2812/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-2812/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:2b74e6e089df1f5cabadddc8329432ca60d36596872755480e71adca08612f3b
3
+ size 997345472
checkpoint-2812/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:467d1fe1cf41c17dd85c3fafb4c6da2c0c19b880403ce40ad2355ff640eb6ec3
3
+ size 1994737722
checkpoint-2812/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-2812/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9195b4b9a48e429e5bc1047d7a46165fb060d5f32bba5884316c5087a26a2879
3
+ size 1064
checkpoint-2812/trainer_state.json ADDED
@@ -0,0 +1,2000 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.9998222222222222,
5
+ "eval_steps": 5000,
6
+ "global_step": 2812,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0035555555555555557,
13
+ "grad_norm": 0.4803234934806824,
14
+ "learning_rate": 2.0000000000000003e-06,
15
+ "loss": 1.5376,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.0071111111111111115,
20
+ "grad_norm": 0.4609735310077667,
21
+ "learning_rate": 4.000000000000001e-06,
22
+ "loss": 1.3932,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.010666666666666666,
27
+ "grad_norm": 0.4800471365451813,
28
+ "learning_rate": 6e-06,
29
+ "loss": 1.6084,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.014222222222222223,
34
+ "grad_norm": 0.513812780380249,
35
+ "learning_rate": 8.000000000000001e-06,
36
+ "loss": 1.5579,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.017777777777777778,
41
+ "grad_norm": 0.5741678476333618,
42
+ "learning_rate": 1e-05,
43
+ "loss": 1.5945,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.021333333333333333,
48
+ "grad_norm": 0.42774268984794617,
49
+ "learning_rate": 1.2e-05,
50
+ "loss": 1.6154,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.024888888888888887,
55
+ "grad_norm": 0.37852978706359863,
56
+ "learning_rate": 1.4000000000000001e-05,
57
+ "loss": 1.5581,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.028444444444444446,
62
+ "grad_norm": 0.48577743768692017,
63
+ "learning_rate": 1.6000000000000003e-05,
64
+ "loss": 1.57,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.032,
69
+ "grad_norm": 0.5572775602340698,
70
+ "learning_rate": 1.8e-05,
71
+ "loss": 1.6154,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.035555555555555556,
76
+ "grad_norm": 0.4657267928123474,
77
+ "learning_rate": 2e-05,
78
+ "loss": 1.5583,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.03911111111111111,
83
+ "grad_norm": 0.48570355772972107,
84
+ "learning_rate": 2.2000000000000003e-05,
85
+ "loss": 1.6356,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.042666666666666665,
90
+ "grad_norm": 0.5374159812927246,
91
+ "learning_rate": 2.4e-05,
92
+ "loss": 1.5911,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.04622222222222222,
97
+ "grad_norm": 0.4544757306575775,
98
+ "learning_rate": 2.6000000000000002e-05,
99
+ "loss": 1.5462,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.049777777777777775,
104
+ "grad_norm": 0.49096816778182983,
105
+ "learning_rate": 2.8000000000000003e-05,
106
+ "loss": 1.4696,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.05333333333333334,
111
+ "grad_norm": 0.45160388946533203,
112
+ "learning_rate": 3e-05,
113
+ "loss": 1.4397,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.05688888888888889,
118
+ "grad_norm": 0.4654102325439453,
119
+ "learning_rate": 3.2000000000000005e-05,
120
+ "loss": 1.61,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.060444444444444446,
125
+ "grad_norm": 0.5608298182487488,
126
+ "learning_rate": 3.4000000000000007e-05,
127
+ "loss": 1.5799,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.064,
132
+ "grad_norm": 0.5087274312973022,
133
+ "learning_rate": 3.6e-05,
134
+ "loss": 1.6534,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.06755555555555555,
139
+ "grad_norm": 0.5886797308921814,
140
+ "learning_rate": 3.8e-05,
141
+ "loss": 1.5561,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.07111111111111111,
146
+ "grad_norm": 0.5276679396629333,
147
+ "learning_rate": 4e-05,
148
+ "loss": 1.5705,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.07466666666666667,
153
+ "grad_norm": 0.4331255257129669,
154
+ "learning_rate": 4.2e-05,
155
+ "loss": 1.554,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.07822222222222222,
160
+ "grad_norm": 0.5068897604942322,
161
+ "learning_rate": 4.4000000000000006e-05,
162
+ "loss": 1.451,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.08177777777777778,
167
+ "grad_norm": 0.48896610736846924,
168
+ "learning_rate": 4.600000000000001e-05,
169
+ "loss": 1.6522,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.08533333333333333,
174
+ "grad_norm": 0.5350568890571594,
175
+ "learning_rate": 4.8e-05,
176
+ "loss": 1.5571,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.08888888888888889,
181
+ "grad_norm": 0.6370730400085449,
182
+ "learning_rate": 5e-05,
183
+ "loss": 1.6112,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.09244444444444444,
188
+ "grad_norm": 0.5409080386161804,
189
+ "learning_rate": 5.2000000000000004e-05,
190
+ "loss": 1.5878,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.096,
195
+ "grad_norm": 0.5505415797233582,
196
+ "learning_rate": 5.4000000000000005e-05,
197
+ "loss": 1.6938,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.09955555555555555,
202
+ "grad_norm": 0.557578980922699,
203
+ "learning_rate": 5.6000000000000006e-05,
204
+ "loss": 1.6776,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.10311111111111111,
209
+ "grad_norm": 0.5505691170692444,
210
+ "learning_rate": 5.8e-05,
211
+ "loss": 1.7429,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.10666666666666667,
216
+ "grad_norm": 0.5328088998794556,
217
+ "learning_rate": 6e-05,
218
+ "loss": 1.6633,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.11022222222222222,
223
+ "grad_norm": 0.4911518394947052,
224
+ "learning_rate": 6.2e-05,
225
+ "loss": 1.4746,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.11377777777777778,
230
+ "grad_norm": 0.5215829610824585,
231
+ "learning_rate": 6.400000000000001e-05,
232
+ "loss": 1.4723,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.11733333333333333,
237
+ "grad_norm": 0.5551868081092834,
238
+ "learning_rate": 6.6e-05,
239
+ "loss": 1.5322,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.12088888888888889,
244
+ "grad_norm": 0.607334554195404,
245
+ "learning_rate": 6.800000000000001e-05,
246
+ "loss": 1.7652,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.12444444444444444,
251
+ "grad_norm": 0.4849174916744232,
252
+ "learning_rate": 7e-05,
253
+ "loss": 1.5915,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.128,
258
+ "grad_norm": 0.5409530997276306,
259
+ "learning_rate": 7.2e-05,
260
+ "loss": 1.6263,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.13155555555555556,
265
+ "grad_norm": 0.5955730080604553,
266
+ "learning_rate": 7.4e-05,
267
+ "loss": 1.598,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.1351111111111111,
272
+ "grad_norm": 0.5792020559310913,
273
+ "learning_rate": 7.6e-05,
274
+ "loss": 1.7498,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.13866666666666666,
279
+ "grad_norm": 0.6078203916549683,
280
+ "learning_rate": 7.800000000000001e-05,
281
+ "loss": 1.5885,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.14222222222222222,
286
+ "grad_norm": 0.470548540353775,
287
+ "learning_rate": 8e-05,
288
+ "loss": 1.4596,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.14577777777777778,
293
+ "grad_norm": 0.600089967250824,
294
+ "learning_rate": 8.2e-05,
295
+ "loss": 1.6343,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.14933333333333335,
300
+ "grad_norm": 0.5364957451820374,
301
+ "learning_rate": 8.4e-05,
302
+ "loss": 1.4748,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.15288888888888888,
307
+ "grad_norm": 0.5835921168327332,
308
+ "learning_rate": 8.6e-05,
309
+ "loss": 1.6809,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.15644444444444444,
314
+ "grad_norm": 0.5760766863822937,
315
+ "learning_rate": 8.800000000000001e-05,
316
+ "loss": 1.6276,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.16,
321
+ "grad_norm": 0.5958523154258728,
322
+ "learning_rate": 9e-05,
323
+ "loss": 1.4696,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.16355555555555557,
328
+ "grad_norm": 0.5406598448753357,
329
+ "learning_rate": 9.200000000000001e-05,
330
+ "loss": 1.625,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.1671111111111111,
335
+ "grad_norm": 0.5989697575569153,
336
+ "learning_rate": 9.4e-05,
337
+ "loss": 1.6854,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.17066666666666666,
342
+ "grad_norm": 0.594978392124176,
343
+ "learning_rate": 9.6e-05,
344
+ "loss": 1.5774,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.17422222222222222,
349
+ "grad_norm": 0.5095472931861877,
350
+ "learning_rate": 9.8e-05,
351
+ "loss": 1.7095,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.17777777777777778,
356
+ "grad_norm": 0.7304088473320007,
357
+ "learning_rate": 0.0001,
358
+ "loss": 1.6842,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.18133333333333335,
363
+ "grad_norm": 0.6202882528305054,
364
+ "learning_rate": 9.95674740484429e-05,
365
+ "loss": 1.696,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.18488888888888888,
370
+ "grad_norm": 0.49087047576904297,
371
+ "learning_rate": 9.913494809688582e-05,
372
+ "loss": 1.6507,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.18844444444444444,
377
+ "grad_norm": 0.6279426217079163,
378
+ "learning_rate": 9.870242214532872e-05,
379
+ "loss": 1.6809,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.192,
384
+ "grad_norm": 0.602878987789154,
385
+ "learning_rate": 9.826989619377162e-05,
386
+ "loss": 1.6173,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.19555555555555557,
391
+ "grad_norm": 0.6200081706047058,
392
+ "learning_rate": 9.783737024221454e-05,
393
+ "loss": 1.6787,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.1991111111111111,
398
+ "grad_norm": 0.6582353115081787,
399
+ "learning_rate": 9.740484429065745e-05,
400
+ "loss": 1.7095,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.20266666666666666,
405
+ "grad_norm": 0.541404664516449,
406
+ "learning_rate": 9.697231833910035e-05,
407
+ "loss": 1.8418,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.20622222222222222,
412
+ "grad_norm": 0.5303178429603577,
413
+ "learning_rate": 9.653979238754325e-05,
414
+ "loss": 1.6112,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.20977777777777779,
419
+ "grad_norm": 0.527113676071167,
420
+ "learning_rate": 9.610726643598617e-05,
421
+ "loss": 1.6454,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.21333333333333335,
426
+ "grad_norm": 0.5398814678192139,
427
+ "learning_rate": 9.567474048442907e-05,
428
+ "loss": 1.5353,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.21688888888888888,
433
+ "grad_norm": 0.5357266068458557,
434
+ "learning_rate": 9.524221453287197e-05,
435
+ "loss": 1.6816,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.22044444444444444,
440
+ "grad_norm": 0.4769757390022278,
441
+ "learning_rate": 9.480968858131488e-05,
442
+ "loss": 1.6625,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.224,
447
+ "grad_norm": 0.5274131298065186,
448
+ "learning_rate": 9.437716262975779e-05,
449
+ "loss": 1.7129,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.22755555555555557,
454
+ "grad_norm": 0.6454447507858276,
455
+ "learning_rate": 9.394463667820069e-05,
456
+ "loss": 1.5577,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.2311111111111111,
461
+ "grad_norm": 0.5967287421226501,
462
+ "learning_rate": 9.35121107266436e-05,
463
+ "loss": 1.3905,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.23466666666666666,
468
+ "grad_norm": 0.57136470079422,
469
+ "learning_rate": 9.307958477508652e-05,
470
+ "loss": 1.6029,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.23822222222222222,
475
+ "grad_norm": 0.5300968885421753,
476
+ "learning_rate": 9.264705882352942e-05,
477
+ "loss": 1.7363,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.24177777777777779,
482
+ "grad_norm": 0.44372138381004333,
483
+ "learning_rate": 9.221453287197233e-05,
484
+ "loss": 1.6467,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.24533333333333332,
489
+ "grad_norm": 0.45939210057258606,
490
+ "learning_rate": 9.178200692041523e-05,
491
+ "loss": 1.5413,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.24888888888888888,
496
+ "grad_norm": 0.5719866752624512,
497
+ "learning_rate": 9.134948096885813e-05,
498
+ "loss": 1.5702,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.25244444444444447,
503
+ "grad_norm": 0.4535101652145386,
504
+ "learning_rate": 9.091695501730105e-05,
505
+ "loss": 1.5331,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.256,
510
+ "grad_norm": 0.5633770227432251,
511
+ "learning_rate": 9.048442906574395e-05,
512
+ "loss": 1.696,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.25955555555555554,
517
+ "grad_norm": 0.6633341908454895,
518
+ "learning_rate": 9.005190311418685e-05,
519
+ "loss": 1.5428,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.26311111111111113,
524
+ "grad_norm": 0.6005223393440247,
525
+ "learning_rate": 8.961937716262977e-05,
526
+ "loss": 1.8278,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.26666666666666666,
531
+ "grad_norm": 0.5239768624305725,
532
+ "learning_rate": 8.918685121107267e-05,
533
+ "loss": 1.6761,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.2702222222222222,
538
+ "grad_norm": 0.4788583517074585,
539
+ "learning_rate": 8.875432525951558e-05,
540
+ "loss": 1.548,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.2737777777777778,
545
+ "grad_norm": 0.5428124666213989,
546
+ "learning_rate": 8.832179930795848e-05,
547
+ "loss": 1.6972,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.2773333333333333,
552
+ "grad_norm": 0.42001649737358093,
553
+ "learning_rate": 8.78892733564014e-05,
554
+ "loss": 1.6244,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.2808888888888889,
559
+ "grad_norm": 0.5100952386856079,
560
+ "learning_rate": 8.74567474048443e-05,
561
+ "loss": 1.6704,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.28444444444444444,
566
+ "grad_norm": 0.49174782633781433,
567
+ "learning_rate": 8.70242214532872e-05,
568
+ "loss": 1.6876,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.288,
573
+ "grad_norm": 0.543880820274353,
574
+ "learning_rate": 8.659169550173011e-05,
575
+ "loss": 1.599,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.29155555555555557,
580
+ "grad_norm": 0.4966542422771454,
581
+ "learning_rate": 8.615916955017301e-05,
582
+ "loss": 1.4723,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.2951111111111111,
587
+ "grad_norm": 0.44916948676109314,
588
+ "learning_rate": 8.572664359861592e-05,
589
+ "loss": 1.452,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.2986666666666667,
594
+ "grad_norm": 0.5791043639183044,
595
+ "learning_rate": 8.529411764705883e-05,
596
+ "loss": 1.7569,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.3022222222222222,
601
+ "grad_norm": 0.5880780816078186,
602
+ "learning_rate": 8.486159169550173e-05,
603
+ "loss": 1.4779,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.30577777777777776,
608
+ "grad_norm": 0.5578981041908264,
609
+ "learning_rate": 8.442906574394463e-05,
610
+ "loss": 1.6577,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.30933333333333335,
615
+ "grad_norm": 0.6132334470748901,
616
+ "learning_rate": 8.399653979238755e-05,
617
+ "loss": 1.5862,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.3128888888888889,
622
+ "grad_norm": 0.512484073638916,
623
+ "learning_rate": 8.356401384083046e-05,
624
+ "loss": 1.4891,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.3164444444444444,
629
+ "grad_norm": 0.4793022871017456,
630
+ "learning_rate": 8.313148788927336e-05,
631
+ "loss": 1.601,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.32,
636
+ "grad_norm": 0.5512364506721497,
637
+ "learning_rate": 8.269896193771626e-05,
638
+ "loss": 1.6191,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.32355555555555554,
643
+ "grad_norm": 0.5528599619865417,
644
+ "learning_rate": 8.226643598615918e-05,
645
+ "loss": 1.6555,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.32711111111111113,
650
+ "grad_norm": 0.4718135595321655,
651
+ "learning_rate": 8.183391003460208e-05,
652
+ "loss": 1.3796,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.33066666666666666,
657
+ "grad_norm": 0.5744655728340149,
658
+ "learning_rate": 8.140138408304498e-05,
659
+ "loss": 1.7323,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.3342222222222222,
664
+ "grad_norm": 0.5298731923103333,
665
+ "learning_rate": 8.09688581314879e-05,
666
+ "loss": 1.6613,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.3377777777777778,
671
+ "grad_norm": 0.507189154624939,
672
+ "learning_rate": 8.05363321799308e-05,
673
+ "loss": 1.4932,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.3413333333333333,
678
+ "grad_norm": 0.5233726501464844,
679
+ "learning_rate": 8.01038062283737e-05,
680
+ "loss": 1.5989,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.3448888888888889,
685
+ "grad_norm": 0.5754904747009277,
686
+ "learning_rate": 7.967128027681662e-05,
687
+ "loss": 1.6657,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.34844444444444445,
692
+ "grad_norm": 0.6196070909500122,
693
+ "learning_rate": 7.923875432525953e-05,
694
+ "loss": 1.6808,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.352,
699
+ "grad_norm": 0.461910605430603,
700
+ "learning_rate": 7.880622837370243e-05,
701
+ "loss": 1.6012,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 0.35555555555555557,
706
+ "grad_norm": 0.4632907807826996,
707
+ "learning_rate": 7.837370242214533e-05,
708
+ "loss": 1.5879,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 0.3591111111111111,
713
+ "grad_norm": 0.48907166719436646,
714
+ "learning_rate": 7.794117647058824e-05,
715
+ "loss": 1.6109,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 0.3626666666666667,
720
+ "grad_norm": 0.5417441129684448,
721
+ "learning_rate": 7.750865051903114e-05,
722
+ "loss": 1.5687,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 0.3662222222222222,
727
+ "grad_norm": 0.519092857837677,
728
+ "learning_rate": 7.707612456747404e-05,
729
+ "loss": 1.6197,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 0.36977777777777776,
734
+ "grad_norm": 0.45026785135269165,
735
+ "learning_rate": 7.664359861591696e-05,
736
+ "loss": 1.5194,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 0.37333333333333335,
741
+ "grad_norm": 0.5378026366233826,
742
+ "learning_rate": 7.621107266435986e-05,
743
+ "loss": 1.419,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 0.3768888888888889,
748
+ "grad_norm": 0.4889166057109833,
749
+ "learning_rate": 7.577854671280276e-05,
750
+ "loss": 1.6356,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 0.3804444444444444,
755
+ "grad_norm": 0.5200234055519104,
756
+ "learning_rate": 7.534602076124569e-05,
757
+ "loss": 1.7118,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 0.384,
762
+ "grad_norm": 0.4398309886455536,
763
+ "learning_rate": 7.491349480968859e-05,
764
+ "loss": 1.525,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 0.38755555555555554,
769
+ "grad_norm": 0.43217843770980835,
770
+ "learning_rate": 7.448096885813149e-05,
771
+ "loss": 1.5643,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 0.39111111111111113,
776
+ "grad_norm": 0.5189200043678284,
777
+ "learning_rate": 7.40484429065744e-05,
778
+ "loss": 1.6891,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 0.39466666666666667,
783
+ "grad_norm": 0.5237637758255005,
784
+ "learning_rate": 7.36159169550173e-05,
785
+ "loss": 1.4445,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 0.3982222222222222,
790
+ "grad_norm": 0.5614046454429626,
791
+ "learning_rate": 7.318339100346021e-05,
792
+ "loss": 1.6439,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 0.4017777777777778,
797
+ "grad_norm": 0.4191811680793762,
798
+ "learning_rate": 7.275086505190312e-05,
799
+ "loss": 1.4344,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 0.4053333333333333,
804
+ "grad_norm": 0.5043474435806274,
805
+ "learning_rate": 7.231833910034602e-05,
806
+ "loss": 1.7017,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 0.4088888888888889,
811
+ "grad_norm": 0.40949752926826477,
812
+ "learning_rate": 7.188581314878892e-05,
813
+ "loss": 1.5903,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 0.41244444444444445,
818
+ "grad_norm": 0.4599238634109497,
819
+ "learning_rate": 7.145328719723184e-05,
820
+ "loss": 1.5666,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 0.416,
825
+ "grad_norm": 0.5736513137817383,
826
+ "learning_rate": 7.102076124567474e-05,
827
+ "loss": 1.5525,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 0.41955555555555557,
832
+ "grad_norm": 0.5437818169593811,
833
+ "learning_rate": 7.058823529411765e-05,
834
+ "loss": 1.6668,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 0.4231111111111111,
839
+ "grad_norm": 0.4318547248840332,
840
+ "learning_rate": 7.015570934256056e-05,
841
+ "loss": 1.4075,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 0.4266666666666667,
846
+ "grad_norm": 0.44979867339134216,
847
+ "learning_rate": 6.972318339100347e-05,
848
+ "loss": 1.3973,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 0.43022222222222223,
853
+ "grad_norm": 0.4653863310813904,
854
+ "learning_rate": 6.929065743944637e-05,
855
+ "loss": 1.4578,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 0.43377777777777776,
860
+ "grad_norm": 0.5257763266563416,
861
+ "learning_rate": 6.885813148788927e-05,
862
+ "loss": 1.5667,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 0.43733333333333335,
867
+ "grad_norm": 0.5117728114128113,
868
+ "learning_rate": 6.842560553633219e-05,
869
+ "loss": 1.6843,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 0.4408888888888889,
874
+ "grad_norm": 0.4611428678035736,
875
+ "learning_rate": 6.799307958477509e-05,
876
+ "loss": 1.7192,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 0.4444444444444444,
881
+ "grad_norm": 0.586694061756134,
882
+ "learning_rate": 6.756055363321799e-05,
883
+ "loss": 1.6057,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 0.448,
888
+ "grad_norm": 0.43433499336242676,
889
+ "learning_rate": 6.71280276816609e-05,
890
+ "loss": 1.6829,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 0.45155555555555554,
895
+ "grad_norm": 0.5851064920425415,
896
+ "learning_rate": 6.66955017301038e-05,
897
+ "loss": 1.6039,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 0.45511111111111113,
902
+ "grad_norm": 0.5549812912940979,
903
+ "learning_rate": 6.626297577854672e-05,
904
+ "loss": 1.6076,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 0.45866666666666667,
909
+ "grad_norm": 0.4489051103591919,
910
+ "learning_rate": 6.583044982698962e-05,
911
+ "loss": 1.6347,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 0.4622222222222222,
916
+ "grad_norm": 0.5636203289031982,
917
+ "learning_rate": 6.539792387543253e-05,
918
+ "loss": 1.3819,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 0.4657777777777778,
923
+ "grad_norm": 0.5598219037055969,
924
+ "learning_rate": 6.496539792387544e-05,
925
+ "loss": 1.6914,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 0.4693333333333333,
930
+ "grad_norm": 0.44435766339302063,
931
+ "learning_rate": 6.453287197231834e-05,
932
+ "loss": 1.5487,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 0.4728888888888889,
937
+ "grad_norm": 0.4664863646030426,
938
+ "learning_rate": 6.410034602076125e-05,
939
+ "loss": 1.5156,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 0.47644444444444445,
944
+ "grad_norm": 0.5192257761955261,
945
+ "learning_rate": 6.366782006920415e-05,
946
+ "loss": 1.5507,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 0.48,
951
+ "grad_norm": 0.6014835238456726,
952
+ "learning_rate": 6.323529411764705e-05,
953
+ "loss": 1.4809,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 0.48355555555555557,
958
+ "grad_norm": 0.5586997270584106,
959
+ "learning_rate": 6.280276816608997e-05,
960
+ "loss": 1.5619,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 0.4871111111111111,
965
+ "grad_norm": 0.4059390723705292,
966
+ "learning_rate": 6.237024221453287e-05,
967
+ "loss": 1.4799,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 0.49066666666666664,
972
+ "grad_norm": 0.41877785325050354,
973
+ "learning_rate": 6.193771626297578e-05,
974
+ "loss": 1.4187,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 0.49422222222222223,
979
+ "grad_norm": 0.4456830620765686,
980
+ "learning_rate": 6.15051903114187e-05,
981
+ "loss": 1.5507,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 0.49777777777777776,
986
+ "grad_norm": 0.45245644450187683,
987
+ "learning_rate": 6.10726643598616e-05,
988
+ "loss": 1.5478,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 0.5013333333333333,
993
+ "grad_norm": 0.4327283501625061,
994
+ "learning_rate": 6.06401384083045e-05,
995
+ "loss": 1.5734,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 0.5048888888888889,
1000
+ "grad_norm": 0.6047600507736206,
1001
+ "learning_rate": 6.020761245674741e-05,
1002
+ "loss": 1.6916,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 0.5084444444444445,
1007
+ "grad_norm": 0.4880015254020691,
1008
+ "learning_rate": 5.9775086505190316e-05,
1009
+ "loss": 1.6346,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 0.512,
1014
+ "grad_norm": 0.4689754843711853,
1015
+ "learning_rate": 5.934256055363322e-05,
1016
+ "loss": 1.5714,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 0.5155555555555555,
1021
+ "grad_norm": 0.4588066041469574,
1022
+ "learning_rate": 5.8910034602076125e-05,
1023
+ "loss": 1.5547,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 0.5191111111111111,
1028
+ "grad_norm": 0.45055222511291504,
1029
+ "learning_rate": 5.847750865051903e-05,
1030
+ "loss": 1.4591,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 0.5226666666666666,
1035
+ "grad_norm": 0.49660903215408325,
1036
+ "learning_rate": 5.8044982698961933e-05,
1037
+ "loss": 1.7409,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 0.5262222222222223,
1042
+ "grad_norm": 0.48975858092308044,
1043
+ "learning_rate": 5.761245674740484e-05,
1044
+ "loss": 1.5158,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 0.5297777777777778,
1049
+ "grad_norm": 0.4958665668964386,
1050
+ "learning_rate": 5.7179930795847756e-05,
1051
+ "loss": 1.4612,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 0.5333333333333333,
1056
+ "grad_norm": 0.4389738142490387,
1057
+ "learning_rate": 5.6747404844290664e-05,
1058
+ "loss": 1.6067,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 0.5368888888888889,
1063
+ "grad_norm": 0.44060131907463074,
1064
+ "learning_rate": 5.631487889273357e-05,
1065
+ "loss": 1.3391,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 0.5404444444444444,
1070
+ "grad_norm": 0.5496039390563965,
1071
+ "learning_rate": 5.588235294117647e-05,
1072
+ "loss": 1.5108,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 0.544,
1077
+ "grad_norm": 0.5372530221939087,
1078
+ "learning_rate": 5.544982698961938e-05,
1079
+ "loss": 1.4777,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 0.5475555555555556,
1084
+ "grad_norm": 0.5017176270484924,
1085
+ "learning_rate": 5.501730103806229e-05,
1086
+ "loss": 1.5007,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 0.5511111111111111,
1091
+ "grad_norm": 0.5397398471832275,
1092
+ "learning_rate": 5.458477508650519e-05,
1093
+ "loss": 1.6057,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 0.5546666666666666,
1098
+ "grad_norm": 0.5731176733970642,
1099
+ "learning_rate": 5.41522491349481e-05,
1100
+ "loss": 1.6644,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 0.5582222222222222,
1105
+ "grad_norm": 0.48925384879112244,
1106
+ "learning_rate": 5.3719723183391005e-05,
1107
+ "loss": 1.5506,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 0.5617777777777778,
1112
+ "grad_norm": 0.47176703810691833,
1113
+ "learning_rate": 5.3287197231833906e-05,
1114
+ "loss": 1.5355,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 0.5653333333333334,
1119
+ "grad_norm": 0.45709192752838135,
1120
+ "learning_rate": 5.285467128027683e-05,
1121
+ "loss": 1.4926,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 0.5688888888888889,
1126
+ "grad_norm": 0.5231002569198608,
1127
+ "learning_rate": 5.242214532871973e-05,
1128
+ "loss": 1.5645,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 0.5724444444444444,
1133
+ "grad_norm": 0.4811376929283142,
1134
+ "learning_rate": 5.1989619377162636e-05,
1135
+ "loss": 1.5169,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 0.576,
1140
+ "grad_norm": 0.5673519968986511,
1141
+ "learning_rate": 5.1557093425605544e-05,
1142
+ "loss": 1.4974,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 0.5795555555555556,
1147
+ "grad_norm": 0.5168330669403076,
1148
+ "learning_rate": 5.1124567474048445e-05,
1149
+ "loss": 1.4242,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 0.5831111111111111,
1154
+ "grad_norm": 0.49934643507003784,
1155
+ "learning_rate": 5.069204152249135e-05,
1156
+ "loss": 1.6342,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 0.5866666666666667,
1161
+ "grad_norm": 0.44559621810913086,
1162
+ "learning_rate": 5.0259515570934254e-05,
1163
+ "loss": 1.5204,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 0.5902222222222222,
1168
+ "grad_norm": 0.5243204832077026,
1169
+ "learning_rate": 4.982698961937716e-05,
1170
+ "loss": 1.4703,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 0.5937777777777777,
1175
+ "grad_norm": 0.5117699503898621,
1176
+ "learning_rate": 4.9394463667820076e-05,
1177
+ "loss": 1.7011,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 0.5973333333333334,
1182
+ "grad_norm": 0.42527756094932556,
1183
+ "learning_rate": 4.896193771626298e-05,
1184
+ "loss": 1.4331,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 0.6008888888888889,
1189
+ "grad_norm": 0.5092193484306335,
1190
+ "learning_rate": 4.8529411764705885e-05,
1191
+ "loss": 1.4378,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 0.6044444444444445,
1196
+ "grad_norm": 0.5100553631782532,
1197
+ "learning_rate": 4.809688581314879e-05,
1198
+ "loss": 1.5999,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 0.608,
1203
+ "grad_norm": 0.5817019939422607,
1204
+ "learning_rate": 4.7664359861591694e-05,
1205
+ "loss": 1.6094,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 0.6115555555555555,
1210
+ "grad_norm": 0.41723236441612244,
1211
+ "learning_rate": 4.723183391003461e-05,
1212
+ "loss": 1.3555,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 0.6151111111111112,
1217
+ "grad_norm": 0.5209750533103943,
1218
+ "learning_rate": 4.679930795847751e-05,
1219
+ "loss": 1.56,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 0.6186666666666667,
1224
+ "grad_norm": 0.48648136854171753,
1225
+ "learning_rate": 4.636678200692042e-05,
1226
+ "loss": 1.48,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 0.6222222222222222,
1231
+ "grad_norm": 0.5282444357872009,
1232
+ "learning_rate": 4.5934256055363325e-05,
1233
+ "loss": 1.5003,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 0.6257777777777778,
1238
+ "grad_norm": 0.4915744364261627,
1239
+ "learning_rate": 4.5501730103806226e-05,
1240
+ "loss": 1.4575,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 0.6293333333333333,
1245
+ "grad_norm": 0.568629801273346,
1246
+ "learning_rate": 4.506920415224914e-05,
1247
+ "loss": 1.4804,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 0.6328888888888888,
1252
+ "grad_norm": 0.48679119348526,
1253
+ "learning_rate": 4.463667820069204e-05,
1254
+ "loss": 1.5015,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 0.6364444444444445,
1259
+ "grad_norm": 0.5196161866188049,
1260
+ "learning_rate": 4.420415224913495e-05,
1261
+ "loss": 1.561,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 0.64,
1266
+ "grad_norm": 0.4946150779724121,
1267
+ "learning_rate": 4.377162629757786e-05,
1268
+ "loss": 1.5151,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 0.6435555555555555,
1273
+ "grad_norm": 0.40968433022499084,
1274
+ "learning_rate": 4.333910034602076e-05,
1275
+ "loss": 1.5373,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 0.6471111111111111,
1280
+ "grad_norm": 0.6429114937782288,
1281
+ "learning_rate": 4.290657439446367e-05,
1282
+ "loss": 1.4867,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 0.6506666666666666,
1287
+ "grad_norm": 0.474758118391037,
1288
+ "learning_rate": 4.247404844290658e-05,
1289
+ "loss": 1.5035,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 0.6542222222222223,
1294
+ "grad_norm": 0.51218581199646,
1295
+ "learning_rate": 4.204152249134948e-05,
1296
+ "loss": 1.5725,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 0.6577777777777778,
1301
+ "grad_norm": 0.49607232213020325,
1302
+ "learning_rate": 4.160899653979239e-05,
1303
+ "loss": 1.5352,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 0.6613333333333333,
1308
+ "grad_norm": 0.4859633147716522,
1309
+ "learning_rate": 4.11764705882353e-05,
1310
+ "loss": 1.4925,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 0.6648888888888889,
1315
+ "grad_norm": 0.4592611491680145,
1316
+ "learning_rate": 4.0743944636678205e-05,
1317
+ "loss": 1.5156,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 0.6684444444444444,
1322
+ "grad_norm": 0.47916117310523987,
1323
+ "learning_rate": 4.031141868512111e-05,
1324
+ "loss": 1.545,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 0.672,
1329
+ "grad_norm": 0.5305891633033752,
1330
+ "learning_rate": 3.9878892733564014e-05,
1331
+ "loss": 1.5384,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 0.6755555555555556,
1336
+ "grad_norm": 0.4583602547645569,
1337
+ "learning_rate": 3.944636678200692e-05,
1338
+ "loss": 1.5635,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 0.6791111111111111,
1343
+ "grad_norm": 0.5024811625480652,
1344
+ "learning_rate": 3.901384083044983e-05,
1345
+ "loss": 1.5016,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 0.6826666666666666,
1350
+ "grad_norm": 0.5373083353042603,
1351
+ "learning_rate": 3.858131487889274e-05,
1352
+ "loss": 1.5399,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 0.6862222222222222,
1357
+ "grad_norm": 0.415873646736145,
1358
+ "learning_rate": 3.8148788927335645e-05,
1359
+ "loss": 1.6384,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 0.6897777777777778,
1364
+ "grad_norm": 0.46044766902923584,
1365
+ "learning_rate": 3.7716262975778546e-05,
1366
+ "loss": 1.5588,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 0.6933333333333334,
1371
+ "grad_norm": 0.37672215700149536,
1372
+ "learning_rate": 3.7283737024221454e-05,
1373
+ "loss": 1.49,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 0.6968888888888889,
1378
+ "grad_norm": 0.40345415472984314,
1379
+ "learning_rate": 3.685121107266436e-05,
1380
+ "loss": 1.3789,
1381
+ "step": 1960
1382
+ },
1383
+ {
1384
+ "epoch": 0.7004444444444444,
1385
+ "grad_norm": 0.49566739797592163,
1386
+ "learning_rate": 3.641868512110726e-05,
1387
+ "loss": 1.3318,
1388
+ "step": 1970
1389
+ },
1390
+ {
1391
+ "epoch": 0.704,
1392
+ "grad_norm": 0.48587340116500854,
1393
+ "learning_rate": 3.598615916955018e-05,
1394
+ "loss": 1.4758,
1395
+ "step": 1980
1396
+ },
1397
+ {
1398
+ "epoch": 0.7075555555555556,
1399
+ "grad_norm": 0.596446692943573,
1400
+ "learning_rate": 3.5553633217993085e-05,
1401
+ "loss": 1.5347,
1402
+ "step": 1990
1403
+ },
1404
+ {
1405
+ "epoch": 0.7111111111111111,
1406
+ "grad_norm": 0.4951972961425781,
1407
+ "learning_rate": 3.5121107266435986e-05,
1408
+ "loss": 1.2704,
1409
+ "step": 2000
1410
+ },
1411
+ {
1412
+ "epoch": 0.7146666666666667,
1413
+ "grad_norm": 0.4018455743789673,
1414
+ "learning_rate": 3.4688581314878894e-05,
1415
+ "loss": 1.5217,
1416
+ "step": 2010
1417
+ },
1418
+ {
1419
+ "epoch": 0.7182222222222222,
1420
+ "grad_norm": 0.5961456894874573,
1421
+ "learning_rate": 3.4256055363321795e-05,
1422
+ "loss": 1.7622,
1423
+ "step": 2020
1424
+ },
1425
+ {
1426
+ "epoch": 0.7217777777777777,
1427
+ "grad_norm": 0.4609779119491577,
1428
+ "learning_rate": 3.382352941176471e-05,
1429
+ "loss": 1.5252,
1430
+ "step": 2030
1431
+ },
1432
+ {
1433
+ "epoch": 0.7253333333333334,
1434
+ "grad_norm": 0.43142765760421753,
1435
+ "learning_rate": 3.339100346020762e-05,
1436
+ "loss": 1.4461,
1437
+ "step": 2040
1438
+ },
1439
+ {
1440
+ "epoch": 0.7288888888888889,
1441
+ "grad_norm": 0.4517713785171509,
1442
+ "learning_rate": 3.295847750865052e-05,
1443
+ "loss": 1.5962,
1444
+ "step": 2050
1445
+ },
1446
+ {
1447
+ "epoch": 0.7324444444444445,
1448
+ "grad_norm": 0.48978036642074585,
1449
+ "learning_rate": 3.2525951557093426e-05,
1450
+ "loss": 1.5366,
1451
+ "step": 2060
1452
+ },
1453
+ {
1454
+ "epoch": 0.736,
1455
+ "grad_norm": 0.40700387954711914,
1456
+ "learning_rate": 3.2093425605536334e-05,
1457
+ "loss": 1.5572,
1458
+ "step": 2070
1459
+ },
1460
+ {
1461
+ "epoch": 0.7395555555555555,
1462
+ "grad_norm": 0.5392187237739563,
1463
+ "learning_rate": 3.166089965397924e-05,
1464
+ "loss": 1.5552,
1465
+ "step": 2080
1466
+ },
1467
+ {
1468
+ "epoch": 0.7431111111111111,
1469
+ "grad_norm": 0.44562795758247375,
1470
+ "learning_rate": 3.122837370242215e-05,
1471
+ "loss": 1.5194,
1472
+ "step": 2090
1473
+ },
1474
+ {
1475
+ "epoch": 0.7466666666666667,
1476
+ "grad_norm": 0.44013121724128723,
1477
+ "learning_rate": 3.079584775086505e-05,
1478
+ "loss": 1.3915,
1479
+ "step": 2100
1480
+ },
1481
+ {
1482
+ "epoch": 0.7502222222222222,
1483
+ "grad_norm": 0.4336005747318268,
1484
+ "learning_rate": 3.036332179930796e-05,
1485
+ "loss": 1.4715,
1486
+ "step": 2110
1487
+ },
1488
+ {
1489
+ "epoch": 0.7537777777777778,
1490
+ "grad_norm": 0.5743895769119263,
1491
+ "learning_rate": 2.9930795847750863e-05,
1492
+ "loss": 1.5256,
1493
+ "step": 2120
1494
+ },
1495
+ {
1496
+ "epoch": 0.7573333333333333,
1497
+ "grad_norm": 0.45934122800827026,
1498
+ "learning_rate": 2.9498269896193774e-05,
1499
+ "loss": 1.5873,
1500
+ "step": 2130
1501
+ },
1502
+ {
1503
+ "epoch": 0.7608888888888888,
1504
+ "grad_norm": 0.5065307021141052,
1505
+ "learning_rate": 2.9065743944636682e-05,
1506
+ "loss": 1.5582,
1507
+ "step": 2140
1508
+ },
1509
+ {
1510
+ "epoch": 0.7644444444444445,
1511
+ "grad_norm": 0.511725664138794,
1512
+ "learning_rate": 2.8633217993079586e-05,
1513
+ "loss": 1.4813,
1514
+ "step": 2150
1515
+ },
1516
+ {
1517
+ "epoch": 0.768,
1518
+ "grad_norm": 0.5018854737281799,
1519
+ "learning_rate": 2.820069204152249e-05,
1520
+ "loss": 1.5786,
1521
+ "step": 2160
1522
+ },
1523
+ {
1524
+ "epoch": 0.7715555555555556,
1525
+ "grad_norm": 0.5292341113090515,
1526
+ "learning_rate": 2.77681660899654e-05,
1527
+ "loss": 1.6471,
1528
+ "step": 2170
1529
+ },
1530
+ {
1531
+ "epoch": 0.7751111111111111,
1532
+ "grad_norm": 0.3638977110385895,
1533
+ "learning_rate": 2.733564013840831e-05,
1534
+ "loss": 1.4863,
1535
+ "step": 2180
1536
+ },
1537
+ {
1538
+ "epoch": 0.7786666666666666,
1539
+ "grad_norm": 0.49934521317481995,
1540
+ "learning_rate": 2.6903114186851214e-05,
1541
+ "loss": 1.4587,
1542
+ "step": 2190
1543
+ },
1544
+ {
1545
+ "epoch": 0.7822222222222223,
1546
+ "grad_norm": 0.5519063472747803,
1547
+ "learning_rate": 2.647058823529412e-05,
1548
+ "loss": 1.4915,
1549
+ "step": 2200
1550
+ },
1551
+ {
1552
+ "epoch": 0.7857777777777778,
1553
+ "grad_norm": 0.5289978384971619,
1554
+ "learning_rate": 2.6038062283737023e-05,
1555
+ "loss": 1.5924,
1556
+ "step": 2210
1557
+ },
1558
+ {
1559
+ "epoch": 0.7893333333333333,
1560
+ "grad_norm": 0.4768216907978058,
1561
+ "learning_rate": 2.560553633217993e-05,
1562
+ "loss": 1.4847,
1563
+ "step": 2220
1564
+ },
1565
+ {
1566
+ "epoch": 0.7928888888888889,
1567
+ "grad_norm": 0.5400416254997253,
1568
+ "learning_rate": 2.5173010380622842e-05,
1569
+ "loss": 1.5664,
1570
+ "step": 2230
1571
+ },
1572
+ {
1573
+ "epoch": 0.7964444444444444,
1574
+ "grad_norm": 0.5170167684555054,
1575
+ "learning_rate": 2.4740484429065743e-05,
1576
+ "loss": 1.7191,
1577
+ "step": 2240
1578
+ },
1579
+ {
1580
+ "epoch": 0.8,
1581
+ "grad_norm": 0.4661620259284973,
1582
+ "learning_rate": 2.430795847750865e-05,
1583
+ "loss": 1.584,
1584
+ "step": 2250
1585
+ },
1586
+ {
1587
+ "epoch": 0.8035555555555556,
1588
+ "grad_norm": 0.48751363158226013,
1589
+ "learning_rate": 2.387543252595156e-05,
1590
+ "loss": 1.6166,
1591
+ "step": 2260
1592
+ },
1593
+ {
1594
+ "epoch": 0.8071111111111111,
1595
+ "grad_norm": 0.48189136385917664,
1596
+ "learning_rate": 2.3442906574394467e-05,
1597
+ "loss": 1.412,
1598
+ "step": 2270
1599
+ },
1600
+ {
1601
+ "epoch": 0.8106666666666666,
1602
+ "grad_norm": 0.4377134144306183,
1603
+ "learning_rate": 2.301038062283737e-05,
1604
+ "loss": 1.4633,
1605
+ "step": 2280
1606
+ },
1607
+ {
1608
+ "epoch": 0.8142222222222222,
1609
+ "grad_norm": 0.4900270998477936,
1610
+ "learning_rate": 2.2577854671280275e-05,
1611
+ "loss": 1.5968,
1612
+ "step": 2290
1613
+ },
1614
+ {
1615
+ "epoch": 0.8177777777777778,
1616
+ "grad_norm": 0.5673394203186035,
1617
+ "learning_rate": 2.2145328719723187e-05,
1618
+ "loss": 1.4443,
1619
+ "step": 2300
1620
+ },
1621
+ {
1622
+ "epoch": 0.8213333333333334,
1623
+ "grad_norm": 0.5573922395706177,
1624
+ "learning_rate": 2.171280276816609e-05,
1625
+ "loss": 1.5951,
1626
+ "step": 2310
1627
+ },
1628
+ {
1629
+ "epoch": 0.8248888888888889,
1630
+ "grad_norm": 0.5815632343292236,
1631
+ "learning_rate": 2.1280276816609e-05,
1632
+ "loss": 1.54,
1633
+ "step": 2320
1634
+ },
1635
+ {
1636
+ "epoch": 0.8284444444444444,
1637
+ "grad_norm": 0.5276745557785034,
1638
+ "learning_rate": 2.0847750865051903e-05,
1639
+ "loss": 1.5903,
1640
+ "step": 2330
1641
+ },
1642
+ {
1643
+ "epoch": 0.832,
1644
+ "grad_norm": 0.4580680727958679,
1645
+ "learning_rate": 2.041522491349481e-05,
1646
+ "loss": 1.6143,
1647
+ "step": 2340
1648
+ },
1649
+ {
1650
+ "epoch": 0.8355555555555556,
1651
+ "grad_norm": 0.5015590190887451,
1652
+ "learning_rate": 1.998269896193772e-05,
1653
+ "loss": 1.4156,
1654
+ "step": 2350
1655
+ },
1656
+ {
1657
+ "epoch": 0.8391111111111111,
1658
+ "grad_norm": 0.508334219455719,
1659
+ "learning_rate": 1.9550173010380623e-05,
1660
+ "loss": 1.5272,
1661
+ "step": 2360
1662
+ },
1663
+ {
1664
+ "epoch": 0.8426666666666667,
1665
+ "grad_norm": 0.44540607929229736,
1666
+ "learning_rate": 1.9117647058823528e-05,
1667
+ "loss": 1.5522,
1668
+ "step": 2370
1669
+ },
1670
+ {
1671
+ "epoch": 0.8462222222222222,
1672
+ "grad_norm": 0.5358651876449585,
1673
+ "learning_rate": 1.868512110726644e-05,
1674
+ "loss": 1.4527,
1675
+ "step": 2380
1676
+ },
1677
+ {
1678
+ "epoch": 0.8497777777777777,
1679
+ "grad_norm": 0.5191397666931152,
1680
+ "learning_rate": 1.8252595155709343e-05,
1681
+ "loss": 1.5627,
1682
+ "step": 2390
1683
+ },
1684
+ {
1685
+ "epoch": 0.8533333333333334,
1686
+ "grad_norm": 0.4698735773563385,
1687
+ "learning_rate": 1.782006920415225e-05,
1688
+ "loss": 1.4434,
1689
+ "step": 2400
1690
+ },
1691
+ {
1692
+ "epoch": 0.8568888888888889,
1693
+ "grad_norm": 0.4450030028820038,
1694
+ "learning_rate": 1.7387543252595156e-05,
1695
+ "loss": 1.383,
1696
+ "step": 2410
1697
+ },
1698
+ {
1699
+ "epoch": 0.8604444444444445,
1700
+ "grad_norm": 0.47164052724838257,
1701
+ "learning_rate": 1.6955017301038063e-05,
1702
+ "loss": 1.5499,
1703
+ "step": 2420
1704
+ },
1705
+ {
1706
+ "epoch": 0.864,
1707
+ "grad_norm": 0.4113026559352875,
1708
+ "learning_rate": 1.652249134948097e-05,
1709
+ "loss": 1.499,
1710
+ "step": 2430
1711
+ },
1712
+ {
1713
+ "epoch": 0.8675555555555555,
1714
+ "grad_norm": 0.48519784212112427,
1715
+ "learning_rate": 1.6089965397923876e-05,
1716
+ "loss": 1.5236,
1717
+ "step": 2440
1718
+ },
1719
+ {
1720
+ "epoch": 0.8711111111111111,
1721
+ "grad_norm": 0.5262069702148438,
1722
+ "learning_rate": 1.5657439446366783e-05,
1723
+ "loss": 1.5144,
1724
+ "step": 2450
1725
+ },
1726
+ {
1727
+ "epoch": 0.8746666666666667,
1728
+ "grad_norm": 0.42513802647590637,
1729
+ "learning_rate": 1.522491349480969e-05,
1730
+ "loss": 1.4932,
1731
+ "step": 2460
1732
+ },
1733
+ {
1734
+ "epoch": 0.8782222222222222,
1735
+ "grad_norm": 0.47486934065818787,
1736
+ "learning_rate": 1.4792387543252596e-05,
1737
+ "loss": 1.4398,
1738
+ "step": 2470
1739
+ },
1740
+ {
1741
+ "epoch": 0.8817777777777778,
1742
+ "grad_norm": 0.5634934902191162,
1743
+ "learning_rate": 1.4359861591695503e-05,
1744
+ "loss": 1.65,
1745
+ "step": 2480
1746
+ },
1747
+ {
1748
+ "epoch": 0.8853333333333333,
1749
+ "grad_norm": 0.43849506974220276,
1750
+ "learning_rate": 1.3927335640138408e-05,
1751
+ "loss": 1.5201,
1752
+ "step": 2490
1753
+ },
1754
+ {
1755
+ "epoch": 0.8888888888888888,
1756
+ "grad_norm": 0.4285069704055786,
1757
+ "learning_rate": 1.3494809688581317e-05,
1758
+ "loss": 1.492,
1759
+ "step": 2500
1760
+ },
1761
+ {
1762
+ "epoch": 0.8924444444444445,
1763
+ "grad_norm": 0.5707066655158997,
1764
+ "learning_rate": 1.3062283737024222e-05,
1765
+ "loss": 1.5991,
1766
+ "step": 2510
1767
+ },
1768
+ {
1769
+ "epoch": 0.896,
1770
+ "grad_norm": 0.4697231948375702,
1771
+ "learning_rate": 1.2629757785467128e-05,
1772
+ "loss": 1.5585,
1773
+ "step": 2520
1774
+ },
1775
+ {
1776
+ "epoch": 0.8995555555555556,
1777
+ "grad_norm": 0.4958859384059906,
1778
+ "learning_rate": 1.2197231833910034e-05,
1779
+ "loss": 1.5496,
1780
+ "step": 2530
1781
+ },
1782
+ {
1783
+ "epoch": 0.9031111111111111,
1784
+ "grad_norm": 0.4845017194747925,
1785
+ "learning_rate": 1.1764705882352942e-05,
1786
+ "loss": 1.592,
1787
+ "step": 2540
1788
+ },
1789
+ {
1790
+ "epoch": 0.9066666666666666,
1791
+ "grad_norm": 0.4356600344181061,
1792
+ "learning_rate": 1.1332179930795848e-05,
1793
+ "loss": 1.5873,
1794
+ "step": 2550
1795
+ },
1796
+ {
1797
+ "epoch": 0.9102222222222223,
1798
+ "grad_norm": 0.3917759954929352,
1799
+ "learning_rate": 1.0899653979238756e-05,
1800
+ "loss": 1.4984,
1801
+ "step": 2560
1802
+ },
1803
+ {
1804
+ "epoch": 0.9137777777777778,
1805
+ "grad_norm": 0.48273682594299316,
1806
+ "learning_rate": 1.046712802768166e-05,
1807
+ "loss": 1.4288,
1808
+ "step": 2570
1809
+ },
1810
+ {
1811
+ "epoch": 0.9173333333333333,
1812
+ "grad_norm": 0.5662245750427246,
1813
+ "learning_rate": 1.0034602076124568e-05,
1814
+ "loss": 1.5123,
1815
+ "step": 2580
1816
+ },
1817
+ {
1818
+ "epoch": 0.9208888888888889,
1819
+ "grad_norm": 0.510188639163971,
1820
+ "learning_rate": 9.602076124567474e-06,
1821
+ "loss": 1.4915,
1822
+ "step": 2590
1823
+ },
1824
+ {
1825
+ "epoch": 0.9244444444444444,
1826
+ "grad_norm": 0.5999191403388977,
1827
+ "learning_rate": 9.169550173010382e-06,
1828
+ "loss": 1.7374,
1829
+ "step": 2600
1830
+ },
1831
+ {
1832
+ "epoch": 0.928,
1833
+ "grad_norm": 0.5733387470245361,
1834
+ "learning_rate": 8.737024221453288e-06,
1835
+ "loss": 1.5551,
1836
+ "step": 2610
1837
+ },
1838
+ {
1839
+ "epoch": 0.9315555555555556,
1840
+ "grad_norm": 0.3804311156272888,
1841
+ "learning_rate": 8.304498269896194e-06,
1842
+ "loss": 1.5631,
1843
+ "step": 2620
1844
+ },
1845
+ {
1846
+ "epoch": 0.9351111111111111,
1847
+ "grad_norm": 0.44998374581336975,
1848
+ "learning_rate": 7.8719723183391e-06,
1849
+ "loss": 1.7566,
1850
+ "step": 2630
1851
+ },
1852
+ {
1853
+ "epoch": 0.9386666666666666,
1854
+ "grad_norm": 0.4219221770763397,
1855
+ "learning_rate": 7.439446366782007e-06,
1856
+ "loss": 1.454,
1857
+ "step": 2640
1858
+ },
1859
+ {
1860
+ "epoch": 0.9422222222222222,
1861
+ "grad_norm": 0.48252835869789124,
1862
+ "learning_rate": 7.006920415224914e-06,
1863
+ "loss": 1.5107,
1864
+ "step": 2650
1865
+ },
1866
+ {
1867
+ "epoch": 0.9457777777777778,
1868
+ "grad_norm": 0.5446690320968628,
1869
+ "learning_rate": 6.5743944636678194e-06,
1870
+ "loss": 1.5333,
1871
+ "step": 2660
1872
+ },
1873
+ {
1874
+ "epoch": 0.9493333333333334,
1875
+ "grad_norm": 0.4676448106765747,
1876
+ "learning_rate": 6.141868512110726e-06,
1877
+ "loss": 1.4822,
1878
+ "step": 2670
1879
+ },
1880
+ {
1881
+ "epoch": 0.9528888888888889,
1882
+ "grad_norm": 0.41428953409194946,
1883
+ "learning_rate": 5.709342560553633e-06,
1884
+ "loss": 1.398,
1885
+ "step": 2680
1886
+ },
1887
+ {
1888
+ "epoch": 0.9564444444444444,
1889
+ "grad_norm": 0.39139533042907715,
1890
+ "learning_rate": 5.2768166089965395e-06,
1891
+ "loss": 1.539,
1892
+ "step": 2690
1893
+ },
1894
+ {
1895
+ "epoch": 0.96,
1896
+ "grad_norm": 0.5213208794593811,
1897
+ "learning_rate": 4.8442906574394464e-06,
1898
+ "loss": 1.535,
1899
+ "step": 2700
1900
+ },
1901
+ {
1902
+ "epoch": 0.9635555555555556,
1903
+ "grad_norm": 0.6053948402404785,
1904
+ "learning_rate": 4.411764705882353e-06,
1905
+ "loss": 1.484,
1906
+ "step": 2710
1907
+ },
1908
+ {
1909
+ "epoch": 0.9671111111111111,
1910
+ "grad_norm": 0.44833922386169434,
1911
+ "learning_rate": 3.9792387543252595e-06,
1912
+ "loss": 1.3107,
1913
+ "step": 2720
1914
+ },
1915
+ {
1916
+ "epoch": 0.9706666666666667,
1917
+ "grad_norm": 0.4769100844860077,
1918
+ "learning_rate": 3.5467128027681665e-06,
1919
+ "loss": 1.5114,
1920
+ "step": 2730
1921
+ },
1922
+ {
1923
+ "epoch": 0.9742222222222222,
1924
+ "grad_norm": 0.5112429857254028,
1925
+ "learning_rate": 3.1141868512110726e-06,
1926
+ "loss": 1.5357,
1927
+ "step": 2740
1928
+ },
1929
+ {
1930
+ "epoch": 0.9777777777777777,
1931
+ "grad_norm": 0.4884449243545532,
1932
+ "learning_rate": 2.6816608996539796e-06,
1933
+ "loss": 1.4739,
1934
+ "step": 2750
1935
+ },
1936
+ {
1937
+ "epoch": 0.9813333333333333,
1938
+ "grad_norm": 0.5470872521400452,
1939
+ "learning_rate": 2.249134948096886e-06,
1940
+ "loss": 1.5557,
1941
+ "step": 2760
1942
+ },
1943
+ {
1944
+ "epoch": 0.9848888888888889,
1945
+ "grad_norm": 0.517669141292572,
1946
+ "learning_rate": 1.8166089965397926e-06,
1947
+ "loss": 1.5388,
1948
+ "step": 2770
1949
+ },
1950
+ {
1951
+ "epoch": 0.9884444444444445,
1952
+ "grad_norm": 0.46402767300605774,
1953
+ "learning_rate": 1.3840830449826992e-06,
1954
+ "loss": 1.5509,
1955
+ "step": 2780
1956
+ },
1957
+ {
1958
+ "epoch": 0.992,
1959
+ "grad_norm": 0.5298945307731628,
1960
+ "learning_rate": 9.515570934256056e-07,
1961
+ "loss": 1.533,
1962
+ "step": 2790
1963
+ },
1964
+ {
1965
+ "epoch": 0.9955555555555555,
1966
+ "grad_norm": 0.5506584644317627,
1967
+ "learning_rate": 5.190311418685121e-07,
1968
+ "loss": 1.404,
1969
+ "step": 2800
1970
+ },
1971
+ {
1972
+ "epoch": 0.9991111111111111,
1973
+ "grad_norm": 0.5148972868919373,
1974
+ "learning_rate": 8.65051903114187e-08,
1975
+ "loss": 1.558,
1976
+ "step": 2810
1977
+ }
1978
+ ],
1979
+ "logging_steps": 10,
1980
+ "max_steps": 2812,
1981
+ "num_input_tokens_seen": 0,
1982
+ "num_train_epochs": 1,
1983
+ "save_steps": 5000,
1984
+ "stateful_callbacks": {
1985
+ "TrainerControl": {
1986
+ "args": {
1987
+ "should_epoch_stop": false,
1988
+ "should_evaluate": false,
1989
+ "should_log": false,
1990
+ "should_save": true,
1991
+ "should_training_stop": true
1992
+ },
1993
+ "attributes": {}
1994
+ }
1995
+ },
1996
+ "total_flos": 1.1067056282035814e+17,
1997
+ "train_batch_size": 4,
1998
+ "trial_name": null,
1999
+ "trial_params": null
2000
+ }
checkpoint-2812/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1c4745953a4d16c5fbbe32e5f471e8c6aa13389decd1c644a551850315969586
3
+ size 5176
config.json ADDED
@@ -0,0 +1,32 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "appvoid/arco-mini-run-4",
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 sha256:2b74e6e089df1f5cabadddc8329432ca60d36596872755480e71adca08612f3b
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 sha256:1c4745953a4d16c5fbbe32e5f471e8c6aa13389decd1c644a551850315969586
3
+ size 5176