gsmyrnis commited on
Commit
19eae51
1 Parent(s): 282d358

End of training

Browse files
README.md CHANGED
@@ -4,6 +4,7 @@ license: llama3.1
4
  base_model: meta-llama/Meta-Llama-3.1-8B
5
  tags:
6
  - llama-factory
 
7
  - generated_from_trainer
8
  model-index:
9
  - name: llama3-1_8b_dcft-it
@@ -15,7 +16,7 @@ should probably proofread and complete it, then remove this comment. -->
15
 
16
  # llama3-1_8b_dcft-it
17
 
18
- This model is a fine-tuned version of [meta-llama/Meta-Llama-3.1-8B](https://huggingface.co/meta-llama/Meta-Llama-3.1-8B) on an unknown dataset.
19
  It achieves the following results on the evaluation set:
20
  - Loss: 0.7122
21
 
 
4
  base_model: meta-llama/Meta-Llama-3.1-8B
5
  tags:
6
  - llama-factory
7
+ - full
8
  - generated_from_trainer
9
  model-index:
10
  - name: llama3-1_8b_dcft-it
 
16
 
17
  # llama3-1_8b_dcft-it
18
 
19
+ This model is a fine-tuned version of [meta-llama/Meta-Llama-3.1-8B](https://huggingface.co/meta-llama/Meta-Llama-3.1-8B) on the mlfoundations-dev/DCLM-IT-Dataset dataset.
20
  It achieves the following results on the evaluation set:
21
  - Loss: 0.7122
22
 
all_results.json ADDED
@@ -0,0 +1,12 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "eval_loss": 0.7122252583503723,
4
+ "eval_runtime": 140.6773,
5
+ "eval_samples_per_second": 297.866,
6
+ "eval_steps_per_second": 1.166,
7
+ "total_flos": 2.2026686217575832e+20,
8
+ "train_loss": 0.6892199146274841,
9
+ "train_runtime": 30399.4314,
10
+ "train_samples_per_second": 78.569,
11
+ "train_steps_per_second": 0.153
12
+ }
eval_results.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "eval_loss": 0.7122252583503723,
4
+ "eval_runtime": 140.6773,
5
+ "eval_samples_per_second": 297.866,
6
+ "eval_steps_per_second": 1.166
7
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 3.0,
3
+ "total_flos": 2.2026686217575832e+20,
4
+ "train_loss": 0.6892199146274841,
5
+ "train_runtime": 30399.4314,
6
+ "train_samples_per_second": 78.569,
7
+ "train_steps_per_second": 0.153
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3328 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 3.0,
5
+ "eval_steps": 500,
6
+ "global_step": 4665,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.006430868167202572,
13
+ "grad_norm": 4.730106830596924,
14
+ "learning_rate": 5e-06,
15
+ "loss": 0.8965,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.012861736334405145,
20
+ "grad_norm": 2.0916528701782227,
21
+ "learning_rate": 5e-06,
22
+ "loss": 0.8501,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.01929260450160772,
27
+ "grad_norm": 0.8616329431533813,
28
+ "learning_rate": 5e-06,
29
+ "loss": 0.8318,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.02572347266881029,
34
+ "grad_norm": 0.7073356509208679,
35
+ "learning_rate": 5e-06,
36
+ "loss": 0.8193,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.03215434083601286,
41
+ "grad_norm": 1.3553227186203003,
42
+ "learning_rate": 5e-06,
43
+ "loss": 0.8094,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.03858520900321544,
48
+ "grad_norm": 0.6813921928405762,
49
+ "learning_rate": 5e-06,
50
+ "loss": 0.8042,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.04501607717041801,
55
+ "grad_norm": 1.011812448501587,
56
+ "learning_rate": 5e-06,
57
+ "loss": 0.7912,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.05144694533762058,
62
+ "grad_norm": 2.1421170234680176,
63
+ "learning_rate": 5e-06,
64
+ "loss": 0.7894,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.05787781350482315,
69
+ "grad_norm": 1.2183887958526611,
70
+ "learning_rate": 5e-06,
71
+ "loss": 0.7799,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.06430868167202572,
76
+ "grad_norm": 1.1371192932128906,
77
+ "learning_rate": 5e-06,
78
+ "loss": 0.7832,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.0707395498392283,
83
+ "grad_norm": 1.3382622003555298,
84
+ "learning_rate": 5e-06,
85
+ "loss": 0.7791,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.07717041800643087,
90
+ "grad_norm": 0.6512683629989624,
91
+ "learning_rate": 5e-06,
92
+ "loss": 0.7784,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.08360128617363344,
97
+ "grad_norm": 0.632128894329071,
98
+ "learning_rate": 5e-06,
99
+ "loss": 0.7665,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.09003215434083602,
104
+ "grad_norm": 0.4840221405029297,
105
+ "learning_rate": 5e-06,
106
+ "loss": 0.7643,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.09646302250803858,
111
+ "grad_norm": 0.5068333745002747,
112
+ "learning_rate": 5e-06,
113
+ "loss": 0.7772,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.10289389067524116,
118
+ "grad_norm": 0.5646687150001526,
119
+ "learning_rate": 5e-06,
120
+ "loss": 0.7679,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.10932475884244373,
125
+ "grad_norm": 0.9486843943595886,
126
+ "learning_rate": 5e-06,
127
+ "loss": 0.7724,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.1157556270096463,
132
+ "grad_norm": 0.5386438369750977,
133
+ "learning_rate": 5e-06,
134
+ "loss": 0.7615,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.12218649517684887,
139
+ "grad_norm": 0.7876360416412354,
140
+ "learning_rate": 5e-06,
141
+ "loss": 0.767,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.12861736334405144,
146
+ "grad_norm": 0.5463624596595764,
147
+ "learning_rate": 5e-06,
148
+ "loss": 0.7666,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.13504823151125403,
153
+ "grad_norm": 0.7764928340911865,
154
+ "learning_rate": 5e-06,
155
+ "loss": 0.7564,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.1414790996784566,
160
+ "grad_norm": 0.8027799725532532,
161
+ "learning_rate": 5e-06,
162
+ "loss": 0.7546,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.14790996784565916,
167
+ "grad_norm": 1.3793781995773315,
168
+ "learning_rate": 5e-06,
169
+ "loss": 0.7597,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.15434083601286175,
174
+ "grad_norm": 0.4461333155632019,
175
+ "learning_rate": 5e-06,
176
+ "loss": 0.7637,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.1607717041800643,
181
+ "grad_norm": 0.5069792866706848,
182
+ "learning_rate": 5e-06,
183
+ "loss": 0.7663,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.16720257234726688,
188
+ "grad_norm": 0.4338971972465515,
189
+ "learning_rate": 5e-06,
190
+ "loss": 0.7567,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.17363344051446947,
195
+ "grad_norm": 0.5476683974266052,
196
+ "learning_rate": 5e-06,
197
+ "loss": 0.7581,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.18006430868167203,
202
+ "grad_norm": 0.5481943488121033,
203
+ "learning_rate": 5e-06,
204
+ "loss": 0.7591,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.1864951768488746,
209
+ "grad_norm": 0.5772653818130493,
210
+ "learning_rate": 5e-06,
211
+ "loss": 0.754,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.19292604501607716,
216
+ "grad_norm": 0.455953449010849,
217
+ "learning_rate": 5e-06,
218
+ "loss": 0.7601,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.19935691318327975,
223
+ "grad_norm": 0.5032763481140137,
224
+ "learning_rate": 5e-06,
225
+ "loss": 0.7534,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.2057877813504823,
230
+ "grad_norm": 0.5598179697990417,
231
+ "learning_rate": 5e-06,
232
+ "loss": 0.7567,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.21221864951768488,
237
+ "grad_norm": 0.5307891368865967,
238
+ "learning_rate": 5e-06,
239
+ "loss": 0.7701,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.21864951768488747,
244
+ "grad_norm": 0.654017984867096,
245
+ "learning_rate": 5e-06,
246
+ "loss": 0.7565,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.22508038585209003,
251
+ "grad_norm": 0.49319934844970703,
252
+ "learning_rate": 5e-06,
253
+ "loss": 0.7423,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.2315112540192926,
258
+ "grad_norm": 0.5508062243461609,
259
+ "learning_rate": 5e-06,
260
+ "loss": 0.7569,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.2379421221864952,
265
+ "grad_norm": 0.5229071378707886,
266
+ "learning_rate": 5e-06,
267
+ "loss": 0.7557,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.24437299035369775,
272
+ "grad_norm": 0.5349363684654236,
273
+ "learning_rate": 5e-06,
274
+ "loss": 0.7569,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.2508038585209003,
279
+ "grad_norm": 0.4683885872364044,
280
+ "learning_rate": 5e-06,
281
+ "loss": 0.7496,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.2572347266881029,
286
+ "grad_norm": 0.4715147316455841,
287
+ "learning_rate": 5e-06,
288
+ "loss": 0.7528,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.26366559485530544,
293
+ "grad_norm": 0.42438462376594543,
294
+ "learning_rate": 5e-06,
295
+ "loss": 0.7612,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.27009646302250806,
300
+ "grad_norm": 0.7097042798995972,
301
+ "learning_rate": 5e-06,
302
+ "loss": 0.749,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.2765273311897106,
307
+ "grad_norm": 0.43447116017341614,
308
+ "learning_rate": 5e-06,
309
+ "loss": 0.7396,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.2829581993569132,
314
+ "grad_norm": 0.5114174485206604,
315
+ "learning_rate": 5e-06,
316
+ "loss": 0.7471,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.28938906752411575,
321
+ "grad_norm": 0.4831767678260803,
322
+ "learning_rate": 5e-06,
323
+ "loss": 0.7449,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.2958199356913183,
328
+ "grad_norm": 0.49875640869140625,
329
+ "learning_rate": 5e-06,
330
+ "loss": 0.7483,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.3022508038585209,
335
+ "grad_norm": 0.489754855632782,
336
+ "learning_rate": 5e-06,
337
+ "loss": 0.7451,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.3086816720257235,
342
+ "grad_norm": 0.5207638144493103,
343
+ "learning_rate": 5e-06,
344
+ "loss": 0.7463,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.31511254019292606,
349
+ "grad_norm": 0.5335565805435181,
350
+ "learning_rate": 5e-06,
351
+ "loss": 0.7403,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.3215434083601286,
356
+ "grad_norm": 0.5709009766578674,
357
+ "learning_rate": 5e-06,
358
+ "loss": 0.7425,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.3279742765273312,
363
+ "grad_norm": 0.45602336525917053,
364
+ "learning_rate": 5e-06,
365
+ "loss": 0.7506,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.33440514469453375,
370
+ "grad_norm": 0.49307122826576233,
371
+ "learning_rate": 5e-06,
372
+ "loss": 0.7404,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.3408360128617363,
377
+ "grad_norm": 0.49949631094932556,
378
+ "learning_rate": 5e-06,
379
+ "loss": 0.7465,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.34726688102893893,
384
+ "grad_norm": 0.43178921937942505,
385
+ "learning_rate": 5e-06,
386
+ "loss": 0.7531,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.3536977491961415,
391
+ "grad_norm": 0.46599695086479187,
392
+ "learning_rate": 5e-06,
393
+ "loss": 0.7428,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.36012861736334406,
398
+ "grad_norm": 0.4541228115558624,
399
+ "learning_rate": 5e-06,
400
+ "loss": 0.7427,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.3665594855305466,
405
+ "grad_norm": 0.474062979221344,
406
+ "learning_rate": 5e-06,
407
+ "loss": 0.7408,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.3729903536977492,
412
+ "grad_norm": 0.47080013155937195,
413
+ "learning_rate": 5e-06,
414
+ "loss": 0.7423,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.37942122186495175,
419
+ "grad_norm": 0.46832209825515747,
420
+ "learning_rate": 5e-06,
421
+ "loss": 0.7383,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.3858520900321543,
426
+ "grad_norm": 0.4157029986381531,
427
+ "learning_rate": 5e-06,
428
+ "loss": 0.7509,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.39228295819935693,
433
+ "grad_norm": 0.512323260307312,
434
+ "learning_rate": 5e-06,
435
+ "loss": 0.7387,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.3987138263665595,
440
+ "grad_norm": 0.4567117393016815,
441
+ "learning_rate": 5e-06,
442
+ "loss": 0.7379,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.40514469453376206,
447
+ "grad_norm": 0.4581872522830963,
448
+ "learning_rate": 5e-06,
449
+ "loss": 0.7384,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.4115755627009646,
454
+ "grad_norm": 0.43767768144607544,
455
+ "learning_rate": 5e-06,
456
+ "loss": 0.7349,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.4180064308681672,
461
+ "grad_norm": 0.5342622399330139,
462
+ "learning_rate": 5e-06,
463
+ "loss": 0.7379,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.42443729903536975,
468
+ "grad_norm": 0.561100423336029,
469
+ "learning_rate": 5e-06,
470
+ "loss": 0.7361,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.43086816720257237,
475
+ "grad_norm": 0.4456179141998291,
476
+ "learning_rate": 5e-06,
477
+ "loss": 0.7373,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.43729903536977494,
482
+ "grad_norm": 0.5494213104248047,
483
+ "learning_rate": 5e-06,
484
+ "loss": 0.7428,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.4437299035369775,
489
+ "grad_norm": 0.6552912592887878,
490
+ "learning_rate": 5e-06,
491
+ "loss": 0.7397,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.45016077170418006,
496
+ "grad_norm": 0.6181358098983765,
497
+ "learning_rate": 5e-06,
498
+ "loss": 0.7375,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.4565916398713826,
503
+ "grad_norm": 0.45060378313064575,
504
+ "learning_rate": 5e-06,
505
+ "loss": 0.7352,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.4630225080385852,
510
+ "grad_norm": 0.4362952411174774,
511
+ "learning_rate": 5e-06,
512
+ "loss": 0.7385,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.4694533762057878,
517
+ "grad_norm": 0.4858558177947998,
518
+ "learning_rate": 5e-06,
519
+ "loss": 0.7364,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.4758842443729904,
524
+ "grad_norm": 0.5299956202507019,
525
+ "learning_rate": 5e-06,
526
+ "loss": 0.7368,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.48231511254019294,
531
+ "grad_norm": 0.6190028190612793,
532
+ "learning_rate": 5e-06,
533
+ "loss": 0.7286,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.4887459807073955,
538
+ "grad_norm": 0.42335936427116394,
539
+ "learning_rate": 5e-06,
540
+ "loss": 0.7368,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.49517684887459806,
545
+ "grad_norm": 0.5196449160575867,
546
+ "learning_rate": 5e-06,
547
+ "loss": 0.7432,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.5016077170418006,
552
+ "grad_norm": 0.587582528591156,
553
+ "learning_rate": 5e-06,
554
+ "loss": 0.7405,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.5080385852090032,
559
+ "grad_norm": 0.5125169157981873,
560
+ "learning_rate": 5e-06,
561
+ "loss": 0.7346,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.5144694533762058,
566
+ "grad_norm": 0.42861226201057434,
567
+ "learning_rate": 5e-06,
568
+ "loss": 0.7343,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.5209003215434084,
573
+ "grad_norm": 0.41551926732063293,
574
+ "learning_rate": 5e-06,
575
+ "loss": 0.7401,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.5273311897106109,
580
+ "grad_norm": 0.511359453201294,
581
+ "learning_rate": 5e-06,
582
+ "loss": 0.7333,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.5337620578778135,
587
+ "grad_norm": 0.4694862961769104,
588
+ "learning_rate": 5e-06,
589
+ "loss": 0.7405,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.5401929260450161,
594
+ "grad_norm": 0.48257577419281006,
595
+ "learning_rate": 5e-06,
596
+ "loss": 0.735,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.5466237942122186,
601
+ "grad_norm": 0.4408928155899048,
602
+ "learning_rate": 5e-06,
603
+ "loss": 0.7235,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.5530546623794212,
608
+ "grad_norm": 0.5172277092933655,
609
+ "learning_rate": 5e-06,
610
+ "loss": 0.7398,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.5594855305466238,
615
+ "grad_norm": 0.4982483983039856,
616
+ "learning_rate": 5e-06,
617
+ "loss": 0.7383,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.5659163987138264,
622
+ "grad_norm": 0.4628170132637024,
623
+ "learning_rate": 5e-06,
624
+ "loss": 0.741,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.572347266881029,
629
+ "grad_norm": 0.46205154061317444,
630
+ "learning_rate": 5e-06,
631
+ "loss": 0.7304,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.5787781350482315,
636
+ "grad_norm": 0.4182255268096924,
637
+ "learning_rate": 5e-06,
638
+ "loss": 0.7351,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.5852090032154341,
643
+ "grad_norm": 0.5075783729553223,
644
+ "learning_rate": 5e-06,
645
+ "loss": 0.732,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.5916398713826366,
650
+ "grad_norm": 0.4244738817214966,
651
+ "learning_rate": 5e-06,
652
+ "loss": 0.7357,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.5980707395498392,
657
+ "grad_norm": 0.473067969083786,
658
+ "learning_rate": 5e-06,
659
+ "loss": 0.739,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.6045016077170418,
664
+ "grad_norm": 0.4673498272895813,
665
+ "learning_rate": 5e-06,
666
+ "loss": 0.7421,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.6109324758842444,
671
+ "grad_norm": 0.41633403301239014,
672
+ "learning_rate": 5e-06,
673
+ "loss": 0.733,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.617363344051447,
678
+ "grad_norm": 0.4132135212421417,
679
+ "learning_rate": 5e-06,
680
+ "loss": 0.7306,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.6237942122186495,
685
+ "grad_norm": 0.48543354868888855,
686
+ "learning_rate": 5e-06,
687
+ "loss": 0.7267,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.6302250803858521,
692
+ "grad_norm": 0.45808976888656616,
693
+ "learning_rate": 5e-06,
694
+ "loss": 0.7339,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.6366559485530546,
699
+ "grad_norm": 0.46231311559677124,
700
+ "learning_rate": 5e-06,
701
+ "loss": 0.7321,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 0.6430868167202572,
706
+ "grad_norm": 0.43952593207359314,
707
+ "learning_rate": 5e-06,
708
+ "loss": 0.7244,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 0.6495176848874598,
713
+ "grad_norm": 0.4417444169521332,
714
+ "learning_rate": 5e-06,
715
+ "loss": 0.7339,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 0.6559485530546624,
720
+ "grad_norm": 0.460893839597702,
721
+ "learning_rate": 5e-06,
722
+ "loss": 0.7317,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 0.662379421221865,
727
+ "grad_norm": 0.4568830728530884,
728
+ "learning_rate": 5e-06,
729
+ "loss": 0.7294,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 0.6688102893890675,
734
+ "grad_norm": 0.4672453999519348,
735
+ "learning_rate": 5e-06,
736
+ "loss": 0.7306,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 0.6752411575562701,
741
+ "grad_norm": 0.677759051322937,
742
+ "learning_rate": 5e-06,
743
+ "loss": 0.7234,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 0.6816720257234726,
748
+ "grad_norm": 0.6139099597930908,
749
+ "learning_rate": 5e-06,
750
+ "loss": 0.7346,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 0.6881028938906752,
755
+ "grad_norm": 0.4375672936439514,
756
+ "learning_rate": 5e-06,
757
+ "loss": 0.7323,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 0.6945337620578779,
762
+ "grad_norm": 0.39761385321617126,
763
+ "learning_rate": 5e-06,
764
+ "loss": 0.7348,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 0.7009646302250804,
769
+ "grad_norm": 0.4165497422218323,
770
+ "learning_rate": 5e-06,
771
+ "loss": 0.7267,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 0.707395498392283,
776
+ "grad_norm": 0.4338400661945343,
777
+ "learning_rate": 5e-06,
778
+ "loss": 0.7305,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 0.7138263665594855,
783
+ "grad_norm": 0.43742889165878296,
784
+ "learning_rate": 5e-06,
785
+ "loss": 0.7311,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 0.7202572347266881,
790
+ "grad_norm": 0.45418253540992737,
791
+ "learning_rate": 5e-06,
792
+ "loss": 0.7277,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 0.7266881028938906,
797
+ "grad_norm": 0.42107295989990234,
798
+ "learning_rate": 5e-06,
799
+ "loss": 0.7319,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 0.7331189710610932,
804
+ "grad_norm": 0.40914231538772583,
805
+ "learning_rate": 5e-06,
806
+ "loss": 0.7251,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 0.7395498392282959,
811
+ "grad_norm": 0.42050373554229736,
812
+ "learning_rate": 5e-06,
813
+ "loss": 0.7403,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 0.7459807073954984,
818
+ "grad_norm": 0.4320564568042755,
819
+ "learning_rate": 5e-06,
820
+ "loss": 0.7319,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 0.752411575562701,
825
+ "grad_norm": 0.4363013803958893,
826
+ "learning_rate": 5e-06,
827
+ "loss": 0.7315,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 0.7588424437299035,
832
+ "grad_norm": 0.50197434425354,
833
+ "learning_rate": 5e-06,
834
+ "loss": 0.7287,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 0.7652733118971061,
839
+ "grad_norm": 0.5218095183372498,
840
+ "learning_rate": 5e-06,
841
+ "loss": 0.7294,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 0.7717041800643086,
846
+ "grad_norm": 0.4605177044868469,
847
+ "learning_rate": 5e-06,
848
+ "loss": 0.7218,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 0.7781350482315113,
853
+ "grad_norm": 0.4640117287635803,
854
+ "learning_rate": 5e-06,
855
+ "loss": 0.7297,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 0.7845659163987139,
860
+ "grad_norm": 0.43073731660842896,
861
+ "learning_rate": 5e-06,
862
+ "loss": 0.7299,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 0.7909967845659164,
867
+ "grad_norm": 0.43865692615509033,
868
+ "learning_rate": 5e-06,
869
+ "loss": 0.7299,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 0.797427652733119,
874
+ "grad_norm": 0.4125821590423584,
875
+ "learning_rate": 5e-06,
876
+ "loss": 0.738,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 0.8038585209003215,
881
+ "grad_norm": 0.41375529766082764,
882
+ "learning_rate": 5e-06,
883
+ "loss": 0.7324,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 0.8102893890675241,
888
+ "grad_norm": 0.43837442994117737,
889
+ "learning_rate": 5e-06,
890
+ "loss": 0.7219,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 0.8167202572347267,
895
+ "grad_norm": 0.45211347937583923,
896
+ "learning_rate": 5e-06,
897
+ "loss": 0.725,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 0.8231511254019293,
902
+ "grad_norm": 0.4578869640827179,
903
+ "learning_rate": 5e-06,
904
+ "loss": 0.7307,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 0.8295819935691319,
909
+ "grad_norm": 0.42134717106819153,
910
+ "learning_rate": 5e-06,
911
+ "loss": 0.7203,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 0.8360128617363344,
916
+ "grad_norm": 0.4580245912075043,
917
+ "learning_rate": 5e-06,
918
+ "loss": 0.7242,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 0.842443729903537,
923
+ "grad_norm": 0.4085647165775299,
924
+ "learning_rate": 5e-06,
925
+ "loss": 0.7182,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 0.8488745980707395,
930
+ "grad_norm": 0.5211206674575806,
931
+ "learning_rate": 5e-06,
932
+ "loss": 0.7259,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 0.8553054662379421,
937
+ "grad_norm": 0.5008974671363831,
938
+ "learning_rate": 5e-06,
939
+ "loss": 0.7164,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 0.8617363344051447,
944
+ "grad_norm": 0.4538878798484802,
945
+ "learning_rate": 5e-06,
946
+ "loss": 0.7198,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 0.8681672025723473,
951
+ "grad_norm": 0.407697468996048,
952
+ "learning_rate": 5e-06,
953
+ "loss": 0.7255,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 0.8745980707395499,
958
+ "grad_norm": 0.4785331189632416,
959
+ "learning_rate": 5e-06,
960
+ "loss": 0.7273,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 0.8810289389067524,
965
+ "grad_norm": 0.4148114323616028,
966
+ "learning_rate": 5e-06,
967
+ "loss": 0.7247,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 0.887459807073955,
972
+ "grad_norm": 0.38368263840675354,
973
+ "learning_rate": 5e-06,
974
+ "loss": 0.7268,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 0.8938906752411575,
979
+ "grad_norm": 0.40352755784988403,
980
+ "learning_rate": 5e-06,
981
+ "loss": 0.7285,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 0.9003215434083601,
986
+ "grad_norm": 0.4232112467288971,
987
+ "learning_rate": 5e-06,
988
+ "loss": 0.7249,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 0.9067524115755627,
993
+ "grad_norm": 0.4366598129272461,
994
+ "learning_rate": 5e-06,
995
+ "loss": 0.7249,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 0.9131832797427653,
1000
+ "grad_norm": 0.4052753150463104,
1001
+ "learning_rate": 5e-06,
1002
+ "loss": 0.7245,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 0.9196141479099679,
1007
+ "grad_norm": 0.44511350989341736,
1008
+ "learning_rate": 5e-06,
1009
+ "loss": 0.7305,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 0.9260450160771704,
1014
+ "grad_norm": 0.44077491760253906,
1015
+ "learning_rate": 5e-06,
1016
+ "loss": 0.7294,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 0.932475884244373,
1021
+ "grad_norm": 0.48145055770874023,
1022
+ "learning_rate": 5e-06,
1023
+ "loss": 0.7215,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 0.9389067524115756,
1028
+ "grad_norm": 0.42547109723091125,
1029
+ "learning_rate": 5e-06,
1030
+ "loss": 0.7292,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 0.9453376205787781,
1035
+ "grad_norm": 0.4287051558494568,
1036
+ "learning_rate": 5e-06,
1037
+ "loss": 0.7155,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 0.9517684887459807,
1042
+ "grad_norm": 0.4230569005012512,
1043
+ "learning_rate": 5e-06,
1044
+ "loss": 0.7198,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 0.9581993569131833,
1049
+ "grad_norm": 0.4719720184803009,
1050
+ "learning_rate": 5e-06,
1051
+ "loss": 0.7297,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 0.9646302250803859,
1056
+ "grad_norm": 0.43969443440437317,
1057
+ "learning_rate": 5e-06,
1058
+ "loss": 0.7287,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 0.9710610932475884,
1063
+ "grad_norm": 0.4330804646015167,
1064
+ "learning_rate": 5e-06,
1065
+ "loss": 0.7209,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 0.977491961414791,
1070
+ "grad_norm": 0.38477885723114014,
1071
+ "learning_rate": 5e-06,
1072
+ "loss": 0.7246,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 0.9839228295819936,
1077
+ "grad_norm": 0.46622517704963684,
1078
+ "learning_rate": 5e-06,
1079
+ "loss": 0.7281,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 0.9903536977491961,
1084
+ "grad_norm": 0.47588425874710083,
1085
+ "learning_rate": 5e-06,
1086
+ "loss": 0.7264,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 0.9967845659163987,
1091
+ "grad_norm": 0.43833327293395996,
1092
+ "learning_rate": 5e-06,
1093
+ "loss": 0.7345,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 1.0,
1098
+ "eval_loss": 0.7232183814048767,
1099
+ "eval_runtime": 140.4382,
1100
+ "eval_samples_per_second": 298.373,
1101
+ "eval_steps_per_second": 1.168,
1102
+ "step": 1555
1103
+ },
1104
+ {
1105
+ "epoch": 1.0032154340836013,
1106
+ "grad_norm": 0.6193146705627441,
1107
+ "learning_rate": 5e-06,
1108
+ "loss": 0.7137,
1109
+ "step": 1560
1110
+ },
1111
+ {
1112
+ "epoch": 1.0096463022508038,
1113
+ "grad_norm": 0.4350009560585022,
1114
+ "learning_rate": 5e-06,
1115
+ "loss": 0.682,
1116
+ "step": 1570
1117
+ },
1118
+ {
1119
+ "epoch": 1.0160771704180065,
1120
+ "grad_norm": 0.44338950514793396,
1121
+ "learning_rate": 5e-06,
1122
+ "loss": 0.6971,
1123
+ "step": 1580
1124
+ },
1125
+ {
1126
+ "epoch": 1.022508038585209,
1127
+ "grad_norm": 0.4447615444660187,
1128
+ "learning_rate": 5e-06,
1129
+ "loss": 0.687,
1130
+ "step": 1590
1131
+ },
1132
+ {
1133
+ "epoch": 1.0289389067524115,
1134
+ "grad_norm": 0.4388461112976074,
1135
+ "learning_rate": 5e-06,
1136
+ "loss": 0.6841,
1137
+ "step": 1600
1138
+ },
1139
+ {
1140
+ "epoch": 1.0353697749196142,
1141
+ "grad_norm": 0.523465096950531,
1142
+ "learning_rate": 5e-06,
1143
+ "loss": 0.6922,
1144
+ "step": 1610
1145
+ },
1146
+ {
1147
+ "epoch": 1.0418006430868167,
1148
+ "grad_norm": 0.46927884221076965,
1149
+ "learning_rate": 5e-06,
1150
+ "loss": 0.678,
1151
+ "step": 1620
1152
+ },
1153
+ {
1154
+ "epoch": 1.0482315112540193,
1155
+ "grad_norm": 0.47517913579940796,
1156
+ "learning_rate": 5e-06,
1157
+ "loss": 0.6735,
1158
+ "step": 1630
1159
+ },
1160
+ {
1161
+ "epoch": 1.0546623794212218,
1162
+ "grad_norm": 0.42782580852508545,
1163
+ "learning_rate": 5e-06,
1164
+ "loss": 0.6835,
1165
+ "step": 1640
1166
+ },
1167
+ {
1168
+ "epoch": 1.0610932475884245,
1169
+ "grad_norm": 0.4523870348930359,
1170
+ "learning_rate": 5e-06,
1171
+ "loss": 0.6902,
1172
+ "step": 1650
1173
+ },
1174
+ {
1175
+ "epoch": 1.067524115755627,
1176
+ "grad_norm": 0.46784067153930664,
1177
+ "learning_rate": 5e-06,
1178
+ "loss": 0.6814,
1179
+ "step": 1660
1180
+ },
1181
+ {
1182
+ "epoch": 1.0739549839228295,
1183
+ "grad_norm": 0.43110141158103943,
1184
+ "learning_rate": 5e-06,
1185
+ "loss": 0.6793,
1186
+ "step": 1670
1187
+ },
1188
+ {
1189
+ "epoch": 1.0803858520900322,
1190
+ "grad_norm": 0.44774794578552246,
1191
+ "learning_rate": 5e-06,
1192
+ "loss": 0.6853,
1193
+ "step": 1680
1194
+ },
1195
+ {
1196
+ "epoch": 1.0868167202572347,
1197
+ "grad_norm": 0.5212559103965759,
1198
+ "learning_rate": 5e-06,
1199
+ "loss": 0.6863,
1200
+ "step": 1690
1201
+ },
1202
+ {
1203
+ "epoch": 1.0932475884244373,
1204
+ "grad_norm": 0.49354031682014465,
1205
+ "learning_rate": 5e-06,
1206
+ "loss": 0.68,
1207
+ "step": 1700
1208
+ },
1209
+ {
1210
+ "epoch": 1.09967845659164,
1211
+ "grad_norm": 0.4270998239517212,
1212
+ "learning_rate": 5e-06,
1213
+ "loss": 0.6845,
1214
+ "step": 1710
1215
+ },
1216
+ {
1217
+ "epoch": 1.1061093247588425,
1218
+ "grad_norm": 0.43898463249206543,
1219
+ "learning_rate": 5e-06,
1220
+ "loss": 0.683,
1221
+ "step": 1720
1222
+ },
1223
+ {
1224
+ "epoch": 1.112540192926045,
1225
+ "grad_norm": 0.413997083902359,
1226
+ "learning_rate": 5e-06,
1227
+ "loss": 0.6755,
1228
+ "step": 1730
1229
+ },
1230
+ {
1231
+ "epoch": 1.1189710610932475,
1232
+ "grad_norm": 0.4593328833580017,
1233
+ "learning_rate": 5e-06,
1234
+ "loss": 0.6888,
1235
+ "step": 1740
1236
+ },
1237
+ {
1238
+ "epoch": 1.1254019292604502,
1239
+ "grad_norm": 0.47585126757621765,
1240
+ "learning_rate": 5e-06,
1241
+ "loss": 0.6865,
1242
+ "step": 1750
1243
+ },
1244
+ {
1245
+ "epoch": 1.1318327974276527,
1246
+ "grad_norm": 0.4210260808467865,
1247
+ "learning_rate": 5e-06,
1248
+ "loss": 0.6833,
1249
+ "step": 1760
1250
+ },
1251
+ {
1252
+ "epoch": 1.1382636655948553,
1253
+ "grad_norm": 0.44741642475128174,
1254
+ "learning_rate": 5e-06,
1255
+ "loss": 0.6849,
1256
+ "step": 1770
1257
+ },
1258
+ {
1259
+ "epoch": 1.144694533762058,
1260
+ "grad_norm": 0.437013179063797,
1261
+ "learning_rate": 5e-06,
1262
+ "loss": 0.6876,
1263
+ "step": 1780
1264
+ },
1265
+ {
1266
+ "epoch": 1.1511254019292605,
1267
+ "grad_norm": 0.45807886123657227,
1268
+ "learning_rate": 5e-06,
1269
+ "loss": 0.6858,
1270
+ "step": 1790
1271
+ },
1272
+ {
1273
+ "epoch": 1.157556270096463,
1274
+ "grad_norm": 0.46383801102638245,
1275
+ "learning_rate": 5e-06,
1276
+ "loss": 0.6718,
1277
+ "step": 1800
1278
+ },
1279
+ {
1280
+ "epoch": 1.1639871382636655,
1281
+ "grad_norm": 0.5218130946159363,
1282
+ "learning_rate": 5e-06,
1283
+ "loss": 0.6831,
1284
+ "step": 1810
1285
+ },
1286
+ {
1287
+ "epoch": 1.1704180064308682,
1288
+ "grad_norm": 0.4491232931613922,
1289
+ "learning_rate": 5e-06,
1290
+ "loss": 0.6837,
1291
+ "step": 1820
1292
+ },
1293
+ {
1294
+ "epoch": 1.1768488745980707,
1295
+ "grad_norm": 0.45633968710899353,
1296
+ "learning_rate": 5e-06,
1297
+ "loss": 0.6782,
1298
+ "step": 1830
1299
+ },
1300
+ {
1301
+ "epoch": 1.1832797427652733,
1302
+ "grad_norm": 0.4493134915828705,
1303
+ "learning_rate": 5e-06,
1304
+ "loss": 0.685,
1305
+ "step": 1840
1306
+ },
1307
+ {
1308
+ "epoch": 1.189710610932476,
1309
+ "grad_norm": 0.42465460300445557,
1310
+ "learning_rate": 5e-06,
1311
+ "loss": 0.6878,
1312
+ "step": 1850
1313
+ },
1314
+ {
1315
+ "epoch": 1.1961414790996785,
1316
+ "grad_norm": 0.4019971787929535,
1317
+ "learning_rate": 5e-06,
1318
+ "loss": 0.677,
1319
+ "step": 1860
1320
+ },
1321
+ {
1322
+ "epoch": 1.202572347266881,
1323
+ "grad_norm": 0.45171162486076355,
1324
+ "learning_rate": 5e-06,
1325
+ "loss": 0.686,
1326
+ "step": 1870
1327
+ },
1328
+ {
1329
+ "epoch": 1.2090032154340835,
1330
+ "grad_norm": 0.43534427881240845,
1331
+ "learning_rate": 5e-06,
1332
+ "loss": 0.6816,
1333
+ "step": 1880
1334
+ },
1335
+ {
1336
+ "epoch": 1.2154340836012862,
1337
+ "grad_norm": 0.4472478926181793,
1338
+ "learning_rate": 5e-06,
1339
+ "loss": 0.6839,
1340
+ "step": 1890
1341
+ },
1342
+ {
1343
+ "epoch": 1.2218649517684887,
1344
+ "grad_norm": 0.41748490929603577,
1345
+ "learning_rate": 5e-06,
1346
+ "loss": 0.6913,
1347
+ "step": 1900
1348
+ },
1349
+ {
1350
+ "epoch": 1.2282958199356913,
1351
+ "grad_norm": 0.4147058427333832,
1352
+ "learning_rate": 5e-06,
1353
+ "loss": 0.681,
1354
+ "step": 1910
1355
+ },
1356
+ {
1357
+ "epoch": 1.234726688102894,
1358
+ "grad_norm": 0.41148611903190613,
1359
+ "learning_rate": 5e-06,
1360
+ "loss": 0.6819,
1361
+ "step": 1920
1362
+ },
1363
+ {
1364
+ "epoch": 1.2411575562700965,
1365
+ "grad_norm": 0.4393286406993866,
1366
+ "learning_rate": 5e-06,
1367
+ "loss": 0.6903,
1368
+ "step": 1930
1369
+ },
1370
+ {
1371
+ "epoch": 1.247588424437299,
1372
+ "grad_norm": 0.4369371235370636,
1373
+ "learning_rate": 5e-06,
1374
+ "loss": 0.6872,
1375
+ "step": 1940
1376
+ },
1377
+ {
1378
+ "epoch": 1.2540192926045015,
1379
+ "grad_norm": 0.5068768858909607,
1380
+ "learning_rate": 5e-06,
1381
+ "loss": 0.6869,
1382
+ "step": 1950
1383
+ },
1384
+ {
1385
+ "epoch": 1.2604501607717042,
1386
+ "grad_norm": 0.43698254227638245,
1387
+ "learning_rate": 5e-06,
1388
+ "loss": 0.6853,
1389
+ "step": 1960
1390
+ },
1391
+ {
1392
+ "epoch": 1.2668810289389068,
1393
+ "grad_norm": 0.439619779586792,
1394
+ "learning_rate": 5e-06,
1395
+ "loss": 0.681,
1396
+ "step": 1970
1397
+ },
1398
+ {
1399
+ "epoch": 1.2733118971061093,
1400
+ "grad_norm": 0.4120563566684723,
1401
+ "learning_rate": 5e-06,
1402
+ "loss": 0.6815,
1403
+ "step": 1980
1404
+ },
1405
+ {
1406
+ "epoch": 1.279742765273312,
1407
+ "grad_norm": 0.39503830671310425,
1408
+ "learning_rate": 5e-06,
1409
+ "loss": 0.6789,
1410
+ "step": 1990
1411
+ },
1412
+ {
1413
+ "epoch": 1.2861736334405145,
1414
+ "grad_norm": 0.46114471554756165,
1415
+ "learning_rate": 5e-06,
1416
+ "loss": 0.6858,
1417
+ "step": 2000
1418
+ },
1419
+ {
1420
+ "epoch": 1.292604501607717,
1421
+ "grad_norm": 0.44008398056030273,
1422
+ "learning_rate": 5e-06,
1423
+ "loss": 0.6916,
1424
+ "step": 2010
1425
+ },
1426
+ {
1427
+ "epoch": 1.2990353697749195,
1428
+ "grad_norm": 0.41201072931289673,
1429
+ "learning_rate": 5e-06,
1430
+ "loss": 0.6832,
1431
+ "step": 2020
1432
+ },
1433
+ {
1434
+ "epoch": 1.3054662379421222,
1435
+ "grad_norm": 0.42483213543891907,
1436
+ "learning_rate": 5e-06,
1437
+ "loss": 0.6876,
1438
+ "step": 2030
1439
+ },
1440
+ {
1441
+ "epoch": 1.3118971061093248,
1442
+ "grad_norm": 0.4412234127521515,
1443
+ "learning_rate": 5e-06,
1444
+ "loss": 0.6736,
1445
+ "step": 2040
1446
+ },
1447
+ {
1448
+ "epoch": 1.3183279742765273,
1449
+ "grad_norm": 0.42483067512512207,
1450
+ "learning_rate": 5e-06,
1451
+ "loss": 0.6866,
1452
+ "step": 2050
1453
+ },
1454
+ {
1455
+ "epoch": 1.32475884244373,
1456
+ "grad_norm": 0.412567675113678,
1457
+ "learning_rate": 5e-06,
1458
+ "loss": 0.6877,
1459
+ "step": 2060
1460
+ },
1461
+ {
1462
+ "epoch": 1.3311897106109325,
1463
+ "grad_norm": 0.4586575925350189,
1464
+ "learning_rate": 5e-06,
1465
+ "loss": 0.6898,
1466
+ "step": 2070
1467
+ },
1468
+ {
1469
+ "epoch": 1.337620578778135,
1470
+ "grad_norm": 0.41622015833854675,
1471
+ "learning_rate": 5e-06,
1472
+ "loss": 0.6836,
1473
+ "step": 2080
1474
+ },
1475
+ {
1476
+ "epoch": 1.3440514469453375,
1477
+ "grad_norm": 0.4891818165779114,
1478
+ "learning_rate": 5e-06,
1479
+ "loss": 0.6825,
1480
+ "step": 2090
1481
+ },
1482
+ {
1483
+ "epoch": 1.3504823151125402,
1484
+ "grad_norm": 0.42719897627830505,
1485
+ "learning_rate": 5e-06,
1486
+ "loss": 0.6915,
1487
+ "step": 2100
1488
+ },
1489
+ {
1490
+ "epoch": 1.3569131832797428,
1491
+ "grad_norm": 0.4267047643661499,
1492
+ "learning_rate": 5e-06,
1493
+ "loss": 0.6829,
1494
+ "step": 2110
1495
+ },
1496
+ {
1497
+ "epoch": 1.3633440514469453,
1498
+ "grad_norm": 0.48593926429748535,
1499
+ "learning_rate": 5e-06,
1500
+ "loss": 0.6865,
1501
+ "step": 2120
1502
+ },
1503
+ {
1504
+ "epoch": 1.369774919614148,
1505
+ "grad_norm": 0.46337270736694336,
1506
+ "learning_rate": 5e-06,
1507
+ "loss": 0.6784,
1508
+ "step": 2130
1509
+ },
1510
+ {
1511
+ "epoch": 1.3762057877813505,
1512
+ "grad_norm": 0.42621052265167236,
1513
+ "learning_rate": 5e-06,
1514
+ "loss": 0.6815,
1515
+ "step": 2140
1516
+ },
1517
+ {
1518
+ "epoch": 1.382636655948553,
1519
+ "grad_norm": 0.4374221861362457,
1520
+ "learning_rate": 5e-06,
1521
+ "loss": 0.6823,
1522
+ "step": 2150
1523
+ },
1524
+ {
1525
+ "epoch": 1.3890675241157555,
1526
+ "grad_norm": 0.49710190296173096,
1527
+ "learning_rate": 5e-06,
1528
+ "loss": 0.6788,
1529
+ "step": 2160
1530
+ },
1531
+ {
1532
+ "epoch": 1.3954983922829582,
1533
+ "grad_norm": 0.43773987889289856,
1534
+ "learning_rate": 5e-06,
1535
+ "loss": 0.6897,
1536
+ "step": 2170
1537
+ },
1538
+ {
1539
+ "epoch": 1.4019292604501608,
1540
+ "grad_norm": 0.420480877161026,
1541
+ "learning_rate": 5e-06,
1542
+ "loss": 0.6877,
1543
+ "step": 2180
1544
+ },
1545
+ {
1546
+ "epoch": 1.4083601286173635,
1547
+ "grad_norm": 0.41698333621025085,
1548
+ "learning_rate": 5e-06,
1549
+ "loss": 0.6782,
1550
+ "step": 2190
1551
+ },
1552
+ {
1553
+ "epoch": 1.414790996784566,
1554
+ "grad_norm": 0.45082971453666687,
1555
+ "learning_rate": 5e-06,
1556
+ "loss": 0.6884,
1557
+ "step": 2200
1558
+ },
1559
+ {
1560
+ "epoch": 1.4212218649517685,
1561
+ "grad_norm": 0.44047510623931885,
1562
+ "learning_rate": 5e-06,
1563
+ "loss": 0.68,
1564
+ "step": 2210
1565
+ },
1566
+ {
1567
+ "epoch": 1.427652733118971,
1568
+ "grad_norm": 0.43505367636680603,
1569
+ "learning_rate": 5e-06,
1570
+ "loss": 0.684,
1571
+ "step": 2220
1572
+ },
1573
+ {
1574
+ "epoch": 1.4340836012861735,
1575
+ "grad_norm": 0.42423659563064575,
1576
+ "learning_rate": 5e-06,
1577
+ "loss": 0.6852,
1578
+ "step": 2230
1579
+ },
1580
+ {
1581
+ "epoch": 1.4405144694533762,
1582
+ "grad_norm": 0.5248254537582397,
1583
+ "learning_rate": 5e-06,
1584
+ "loss": 0.6796,
1585
+ "step": 2240
1586
+ },
1587
+ {
1588
+ "epoch": 1.4469453376205788,
1589
+ "grad_norm": 0.47595280408859253,
1590
+ "learning_rate": 5e-06,
1591
+ "loss": 0.6812,
1592
+ "step": 2250
1593
+ },
1594
+ {
1595
+ "epoch": 1.4533762057877815,
1596
+ "grad_norm": 0.41155120730400085,
1597
+ "learning_rate": 5e-06,
1598
+ "loss": 0.6894,
1599
+ "step": 2260
1600
+ },
1601
+ {
1602
+ "epoch": 1.459807073954984,
1603
+ "grad_norm": 0.4290079176425934,
1604
+ "learning_rate": 5e-06,
1605
+ "loss": 0.684,
1606
+ "step": 2270
1607
+ },
1608
+ {
1609
+ "epoch": 1.4662379421221865,
1610
+ "grad_norm": 0.4066310226917267,
1611
+ "learning_rate": 5e-06,
1612
+ "loss": 0.6823,
1613
+ "step": 2280
1614
+ },
1615
+ {
1616
+ "epoch": 1.472668810289389,
1617
+ "grad_norm": 0.4360986351966858,
1618
+ "learning_rate": 5e-06,
1619
+ "loss": 0.6886,
1620
+ "step": 2290
1621
+ },
1622
+ {
1623
+ "epoch": 1.4790996784565915,
1624
+ "grad_norm": 0.3978036642074585,
1625
+ "learning_rate": 5e-06,
1626
+ "loss": 0.6849,
1627
+ "step": 2300
1628
+ },
1629
+ {
1630
+ "epoch": 1.4855305466237942,
1631
+ "grad_norm": 0.41997137665748596,
1632
+ "learning_rate": 5e-06,
1633
+ "loss": 0.6834,
1634
+ "step": 2310
1635
+ },
1636
+ {
1637
+ "epoch": 1.4919614147909968,
1638
+ "grad_norm": 0.4409499764442444,
1639
+ "learning_rate": 5e-06,
1640
+ "loss": 0.6873,
1641
+ "step": 2320
1642
+ },
1643
+ {
1644
+ "epoch": 1.4983922829581995,
1645
+ "grad_norm": 0.44297707080841064,
1646
+ "learning_rate": 5e-06,
1647
+ "loss": 0.682,
1648
+ "step": 2330
1649
+ },
1650
+ {
1651
+ "epoch": 1.504823151125402,
1652
+ "grad_norm": 0.4389215409755707,
1653
+ "learning_rate": 5e-06,
1654
+ "loss": 0.6892,
1655
+ "step": 2340
1656
+ },
1657
+ {
1658
+ "epoch": 1.5112540192926045,
1659
+ "grad_norm": 0.44480717182159424,
1660
+ "learning_rate": 5e-06,
1661
+ "loss": 0.6884,
1662
+ "step": 2350
1663
+ },
1664
+ {
1665
+ "epoch": 1.517684887459807,
1666
+ "grad_norm": 0.44355508685112,
1667
+ "learning_rate": 5e-06,
1668
+ "loss": 0.6876,
1669
+ "step": 2360
1670
+ },
1671
+ {
1672
+ "epoch": 1.5241157556270095,
1673
+ "grad_norm": 0.46087756752967834,
1674
+ "learning_rate": 5e-06,
1675
+ "loss": 0.6828,
1676
+ "step": 2370
1677
+ },
1678
+ {
1679
+ "epoch": 1.5305466237942122,
1680
+ "grad_norm": 0.4672592580318451,
1681
+ "learning_rate": 5e-06,
1682
+ "loss": 0.6871,
1683
+ "step": 2380
1684
+ },
1685
+ {
1686
+ "epoch": 1.5369774919614148,
1687
+ "grad_norm": 0.3982642889022827,
1688
+ "learning_rate": 5e-06,
1689
+ "loss": 0.6819,
1690
+ "step": 2390
1691
+ },
1692
+ {
1693
+ "epoch": 1.5434083601286175,
1694
+ "grad_norm": 0.40598487854003906,
1695
+ "learning_rate": 5e-06,
1696
+ "loss": 0.6838,
1697
+ "step": 2400
1698
+ },
1699
+ {
1700
+ "epoch": 1.54983922829582,
1701
+ "grad_norm": 0.4345811605453491,
1702
+ "learning_rate": 5e-06,
1703
+ "loss": 0.6815,
1704
+ "step": 2410
1705
+ },
1706
+ {
1707
+ "epoch": 1.5562700964630225,
1708
+ "grad_norm": 0.43568089604377747,
1709
+ "learning_rate": 5e-06,
1710
+ "loss": 0.6911,
1711
+ "step": 2420
1712
+ },
1713
+ {
1714
+ "epoch": 1.562700964630225,
1715
+ "grad_norm": 0.43922844529151917,
1716
+ "learning_rate": 5e-06,
1717
+ "loss": 0.6834,
1718
+ "step": 2430
1719
+ },
1720
+ {
1721
+ "epoch": 1.5691318327974275,
1722
+ "grad_norm": 0.4793626368045807,
1723
+ "learning_rate": 5e-06,
1724
+ "loss": 0.6833,
1725
+ "step": 2440
1726
+ },
1727
+ {
1728
+ "epoch": 1.5755627009646302,
1729
+ "grad_norm": 0.45686307549476624,
1730
+ "learning_rate": 5e-06,
1731
+ "loss": 0.6864,
1732
+ "step": 2450
1733
+ },
1734
+ {
1735
+ "epoch": 1.5819935691318328,
1736
+ "grad_norm": 0.41061604022979736,
1737
+ "learning_rate": 5e-06,
1738
+ "loss": 0.6768,
1739
+ "step": 2460
1740
+ },
1741
+ {
1742
+ "epoch": 1.5884244372990355,
1743
+ "grad_norm": 0.45562943816185,
1744
+ "learning_rate": 5e-06,
1745
+ "loss": 0.6743,
1746
+ "step": 2470
1747
+ },
1748
+ {
1749
+ "epoch": 1.594855305466238,
1750
+ "grad_norm": 0.4296809136867523,
1751
+ "learning_rate": 5e-06,
1752
+ "loss": 0.6802,
1753
+ "step": 2480
1754
+ },
1755
+ {
1756
+ "epoch": 1.6012861736334405,
1757
+ "grad_norm": 0.4218539595603943,
1758
+ "learning_rate": 5e-06,
1759
+ "loss": 0.6857,
1760
+ "step": 2490
1761
+ },
1762
+ {
1763
+ "epoch": 1.607717041800643,
1764
+ "grad_norm": 0.45991575717926025,
1765
+ "learning_rate": 5e-06,
1766
+ "loss": 0.684,
1767
+ "step": 2500
1768
+ },
1769
+ {
1770
+ "epoch": 1.6141479099678455,
1771
+ "grad_norm": 0.43671083450317383,
1772
+ "learning_rate": 5e-06,
1773
+ "loss": 0.6872,
1774
+ "step": 2510
1775
+ },
1776
+ {
1777
+ "epoch": 1.6205787781350482,
1778
+ "grad_norm": 0.4566083550453186,
1779
+ "learning_rate": 5e-06,
1780
+ "loss": 0.6808,
1781
+ "step": 2520
1782
+ },
1783
+ {
1784
+ "epoch": 1.6270096463022508,
1785
+ "grad_norm": 0.4394720792770386,
1786
+ "learning_rate": 5e-06,
1787
+ "loss": 0.6841,
1788
+ "step": 2530
1789
+ },
1790
+ {
1791
+ "epoch": 1.6334405144694535,
1792
+ "grad_norm": 0.4831625521183014,
1793
+ "learning_rate": 5e-06,
1794
+ "loss": 0.6846,
1795
+ "step": 2540
1796
+ },
1797
+ {
1798
+ "epoch": 1.639871382636656,
1799
+ "grad_norm": 0.4193684458732605,
1800
+ "learning_rate": 5e-06,
1801
+ "loss": 0.6858,
1802
+ "step": 2550
1803
+ },
1804
+ {
1805
+ "epoch": 1.6463022508038585,
1806
+ "grad_norm": 0.47811901569366455,
1807
+ "learning_rate": 5e-06,
1808
+ "loss": 0.6758,
1809
+ "step": 2560
1810
+ },
1811
+ {
1812
+ "epoch": 1.652733118971061,
1813
+ "grad_norm": 0.4748084545135498,
1814
+ "learning_rate": 5e-06,
1815
+ "loss": 0.6861,
1816
+ "step": 2570
1817
+ },
1818
+ {
1819
+ "epoch": 1.6591639871382635,
1820
+ "grad_norm": 0.42245808243751526,
1821
+ "learning_rate": 5e-06,
1822
+ "loss": 0.6745,
1823
+ "step": 2580
1824
+ },
1825
+ {
1826
+ "epoch": 1.6655948553054662,
1827
+ "grad_norm": 0.4233896732330322,
1828
+ "learning_rate": 5e-06,
1829
+ "loss": 0.6862,
1830
+ "step": 2590
1831
+ },
1832
+ {
1833
+ "epoch": 1.6720257234726688,
1834
+ "grad_norm": 0.4050581455230713,
1835
+ "learning_rate": 5e-06,
1836
+ "loss": 0.676,
1837
+ "step": 2600
1838
+ },
1839
+ {
1840
+ "epoch": 1.6784565916398715,
1841
+ "grad_norm": 0.41761529445648193,
1842
+ "learning_rate": 5e-06,
1843
+ "loss": 0.6802,
1844
+ "step": 2610
1845
+ },
1846
+ {
1847
+ "epoch": 1.684887459807074,
1848
+ "grad_norm": 0.4060108959674835,
1849
+ "learning_rate": 5e-06,
1850
+ "loss": 0.684,
1851
+ "step": 2620
1852
+ },
1853
+ {
1854
+ "epoch": 1.6913183279742765,
1855
+ "grad_norm": 0.40532317757606506,
1856
+ "learning_rate": 5e-06,
1857
+ "loss": 0.68,
1858
+ "step": 2630
1859
+ },
1860
+ {
1861
+ "epoch": 1.697749196141479,
1862
+ "grad_norm": 0.47850868105888367,
1863
+ "learning_rate": 5e-06,
1864
+ "loss": 0.6879,
1865
+ "step": 2640
1866
+ },
1867
+ {
1868
+ "epoch": 1.7041800643086815,
1869
+ "grad_norm": 0.4595736861228943,
1870
+ "learning_rate": 5e-06,
1871
+ "loss": 0.6861,
1872
+ "step": 2650
1873
+ },
1874
+ {
1875
+ "epoch": 1.7106109324758842,
1876
+ "grad_norm": 0.3999944031238556,
1877
+ "learning_rate": 5e-06,
1878
+ "loss": 0.6811,
1879
+ "step": 2660
1880
+ },
1881
+ {
1882
+ "epoch": 1.717041800643087,
1883
+ "grad_norm": 0.4152866303920746,
1884
+ "learning_rate": 5e-06,
1885
+ "loss": 0.676,
1886
+ "step": 2670
1887
+ },
1888
+ {
1889
+ "epoch": 1.7234726688102895,
1890
+ "grad_norm": 0.5088204741477966,
1891
+ "learning_rate": 5e-06,
1892
+ "loss": 0.6868,
1893
+ "step": 2680
1894
+ },
1895
+ {
1896
+ "epoch": 1.729903536977492,
1897
+ "grad_norm": 0.4383102059364319,
1898
+ "learning_rate": 5e-06,
1899
+ "loss": 0.6818,
1900
+ "step": 2690
1901
+ },
1902
+ {
1903
+ "epoch": 1.7363344051446945,
1904
+ "grad_norm": 0.4219019114971161,
1905
+ "learning_rate": 5e-06,
1906
+ "loss": 0.6767,
1907
+ "step": 2700
1908
+ },
1909
+ {
1910
+ "epoch": 1.742765273311897,
1911
+ "grad_norm": 0.4663357138633728,
1912
+ "learning_rate": 5e-06,
1913
+ "loss": 0.6783,
1914
+ "step": 2710
1915
+ },
1916
+ {
1917
+ "epoch": 1.7491961414790995,
1918
+ "grad_norm": 0.43959125876426697,
1919
+ "learning_rate": 5e-06,
1920
+ "loss": 0.6824,
1921
+ "step": 2720
1922
+ },
1923
+ {
1924
+ "epoch": 1.7556270096463023,
1925
+ "grad_norm": 0.43940484523773193,
1926
+ "learning_rate": 5e-06,
1927
+ "loss": 0.6769,
1928
+ "step": 2730
1929
+ },
1930
+ {
1931
+ "epoch": 1.762057877813505,
1932
+ "grad_norm": 0.4071805477142334,
1933
+ "learning_rate": 5e-06,
1934
+ "loss": 0.6893,
1935
+ "step": 2740
1936
+ },
1937
+ {
1938
+ "epoch": 1.7684887459807075,
1939
+ "grad_norm": 0.40912047028541565,
1940
+ "learning_rate": 5e-06,
1941
+ "loss": 0.6877,
1942
+ "step": 2750
1943
+ },
1944
+ {
1945
+ "epoch": 1.77491961414791,
1946
+ "grad_norm": 0.4339078366756439,
1947
+ "learning_rate": 5e-06,
1948
+ "loss": 0.6788,
1949
+ "step": 2760
1950
+ },
1951
+ {
1952
+ "epoch": 1.7813504823151125,
1953
+ "grad_norm": 0.4326707720756531,
1954
+ "learning_rate": 5e-06,
1955
+ "loss": 0.6831,
1956
+ "step": 2770
1957
+ },
1958
+ {
1959
+ "epoch": 1.787781350482315,
1960
+ "grad_norm": 0.4307939410209656,
1961
+ "learning_rate": 5e-06,
1962
+ "loss": 0.6878,
1963
+ "step": 2780
1964
+ },
1965
+ {
1966
+ "epoch": 1.7942122186495175,
1967
+ "grad_norm": 0.3918740749359131,
1968
+ "learning_rate": 5e-06,
1969
+ "loss": 0.6912,
1970
+ "step": 2790
1971
+ },
1972
+ {
1973
+ "epoch": 1.8006430868167203,
1974
+ "grad_norm": 0.40045326948165894,
1975
+ "learning_rate": 5e-06,
1976
+ "loss": 0.6852,
1977
+ "step": 2800
1978
+ },
1979
+ {
1980
+ "epoch": 1.807073954983923,
1981
+ "grad_norm": 0.40693676471710205,
1982
+ "learning_rate": 5e-06,
1983
+ "loss": 0.6842,
1984
+ "step": 2810
1985
+ },
1986
+ {
1987
+ "epoch": 1.8135048231511255,
1988
+ "grad_norm": 0.3957662284374237,
1989
+ "learning_rate": 5e-06,
1990
+ "loss": 0.6777,
1991
+ "step": 2820
1992
+ },
1993
+ {
1994
+ "epoch": 1.819935691318328,
1995
+ "grad_norm": 0.4147331714630127,
1996
+ "learning_rate": 5e-06,
1997
+ "loss": 0.679,
1998
+ "step": 2830
1999
+ },
2000
+ {
2001
+ "epoch": 1.8263665594855305,
2002
+ "grad_norm": 0.421351820230484,
2003
+ "learning_rate": 5e-06,
2004
+ "loss": 0.6872,
2005
+ "step": 2840
2006
+ },
2007
+ {
2008
+ "epoch": 1.832797427652733,
2009
+ "grad_norm": 0.4355145990848541,
2010
+ "learning_rate": 5e-06,
2011
+ "loss": 0.6847,
2012
+ "step": 2850
2013
+ },
2014
+ {
2015
+ "epoch": 1.8392282958199357,
2016
+ "grad_norm": 0.41382715106010437,
2017
+ "learning_rate": 5e-06,
2018
+ "loss": 0.6777,
2019
+ "step": 2860
2020
+ },
2021
+ {
2022
+ "epoch": 1.8456591639871383,
2023
+ "grad_norm": 0.4280456006526947,
2024
+ "learning_rate": 5e-06,
2025
+ "loss": 0.6781,
2026
+ "step": 2870
2027
+ },
2028
+ {
2029
+ "epoch": 1.852090032154341,
2030
+ "grad_norm": 0.49057596921920776,
2031
+ "learning_rate": 5e-06,
2032
+ "loss": 0.6844,
2033
+ "step": 2880
2034
+ },
2035
+ {
2036
+ "epoch": 1.8585209003215435,
2037
+ "grad_norm": 0.41203203797340393,
2038
+ "learning_rate": 5e-06,
2039
+ "loss": 0.6858,
2040
+ "step": 2890
2041
+ },
2042
+ {
2043
+ "epoch": 1.864951768488746,
2044
+ "grad_norm": 0.4137505888938904,
2045
+ "learning_rate": 5e-06,
2046
+ "loss": 0.6808,
2047
+ "step": 2900
2048
+ },
2049
+ {
2050
+ "epoch": 1.8713826366559485,
2051
+ "grad_norm": 0.46201327443122864,
2052
+ "learning_rate": 5e-06,
2053
+ "loss": 0.6798,
2054
+ "step": 2910
2055
+ },
2056
+ {
2057
+ "epoch": 1.877813504823151,
2058
+ "grad_norm": 0.4486853778362274,
2059
+ "learning_rate": 5e-06,
2060
+ "loss": 0.6862,
2061
+ "step": 2920
2062
+ },
2063
+ {
2064
+ "epoch": 1.8842443729903537,
2065
+ "grad_norm": 0.4082019329071045,
2066
+ "learning_rate": 5e-06,
2067
+ "loss": 0.6843,
2068
+ "step": 2930
2069
+ },
2070
+ {
2071
+ "epoch": 1.8906752411575563,
2072
+ "grad_norm": 0.48371437191963196,
2073
+ "learning_rate": 5e-06,
2074
+ "loss": 0.6781,
2075
+ "step": 2940
2076
+ },
2077
+ {
2078
+ "epoch": 1.897106109324759,
2079
+ "grad_norm": 0.4703909456729889,
2080
+ "learning_rate": 5e-06,
2081
+ "loss": 0.6843,
2082
+ "step": 2950
2083
+ },
2084
+ {
2085
+ "epoch": 1.9035369774919615,
2086
+ "grad_norm": 0.40100324153900146,
2087
+ "learning_rate": 5e-06,
2088
+ "loss": 0.6838,
2089
+ "step": 2960
2090
+ },
2091
+ {
2092
+ "epoch": 1.909967845659164,
2093
+ "grad_norm": 0.4890632629394531,
2094
+ "learning_rate": 5e-06,
2095
+ "loss": 0.6771,
2096
+ "step": 2970
2097
+ },
2098
+ {
2099
+ "epoch": 1.9163987138263665,
2100
+ "grad_norm": 0.4435786008834839,
2101
+ "learning_rate": 5e-06,
2102
+ "loss": 0.6812,
2103
+ "step": 2980
2104
+ },
2105
+ {
2106
+ "epoch": 1.922829581993569,
2107
+ "grad_norm": 0.43092137575149536,
2108
+ "learning_rate": 5e-06,
2109
+ "loss": 0.6723,
2110
+ "step": 2990
2111
+ },
2112
+ {
2113
+ "epoch": 1.9292604501607717,
2114
+ "grad_norm": 0.45887503027915955,
2115
+ "learning_rate": 5e-06,
2116
+ "loss": 0.6811,
2117
+ "step": 3000
2118
+ },
2119
+ {
2120
+ "epoch": 1.9356913183279743,
2121
+ "grad_norm": 0.4193710386753082,
2122
+ "learning_rate": 5e-06,
2123
+ "loss": 0.6801,
2124
+ "step": 3010
2125
+ },
2126
+ {
2127
+ "epoch": 1.942122186495177,
2128
+ "grad_norm": 0.45064231753349304,
2129
+ "learning_rate": 5e-06,
2130
+ "loss": 0.6718,
2131
+ "step": 3020
2132
+ },
2133
+ {
2134
+ "epoch": 1.9485530546623795,
2135
+ "grad_norm": 0.42754465341567993,
2136
+ "learning_rate": 5e-06,
2137
+ "loss": 0.6736,
2138
+ "step": 3030
2139
+ },
2140
+ {
2141
+ "epoch": 1.954983922829582,
2142
+ "grad_norm": 0.41854625940322876,
2143
+ "learning_rate": 5e-06,
2144
+ "loss": 0.6818,
2145
+ "step": 3040
2146
+ },
2147
+ {
2148
+ "epoch": 1.9614147909967845,
2149
+ "grad_norm": 0.4096625745296478,
2150
+ "learning_rate": 5e-06,
2151
+ "loss": 0.6787,
2152
+ "step": 3050
2153
+ },
2154
+ {
2155
+ "epoch": 1.967845659163987,
2156
+ "grad_norm": 0.41215813159942627,
2157
+ "learning_rate": 5e-06,
2158
+ "loss": 0.6752,
2159
+ "step": 3060
2160
+ },
2161
+ {
2162
+ "epoch": 1.9742765273311897,
2163
+ "grad_norm": 0.47351738810539246,
2164
+ "learning_rate": 5e-06,
2165
+ "loss": 0.6835,
2166
+ "step": 3070
2167
+ },
2168
+ {
2169
+ "epoch": 1.9807073954983923,
2170
+ "grad_norm": 0.4130474925041199,
2171
+ "learning_rate": 5e-06,
2172
+ "loss": 0.6803,
2173
+ "step": 3080
2174
+ },
2175
+ {
2176
+ "epoch": 1.987138263665595,
2177
+ "grad_norm": 0.41312044858932495,
2178
+ "learning_rate": 5e-06,
2179
+ "loss": 0.6729,
2180
+ "step": 3090
2181
+ },
2182
+ {
2183
+ "epoch": 1.9935691318327975,
2184
+ "grad_norm": 0.40591350197792053,
2185
+ "learning_rate": 5e-06,
2186
+ "loss": 0.6722,
2187
+ "step": 3100
2188
+ },
2189
+ {
2190
+ "epoch": 2.0,
2191
+ "grad_norm": 0.40826907753944397,
2192
+ "learning_rate": 5e-06,
2193
+ "loss": 0.686,
2194
+ "step": 3110
2195
+ },
2196
+ {
2197
+ "epoch": 2.0,
2198
+ "eval_loss": 0.7126035690307617,
2199
+ "eval_runtime": 139.886,
2200
+ "eval_samples_per_second": 299.551,
2201
+ "eval_steps_per_second": 1.172,
2202
+ "step": 3110
2203
+ },
2204
+ {
2205
+ "epoch": 2.0064308681672025,
2206
+ "grad_norm": 0.561937153339386,
2207
+ "learning_rate": 5e-06,
2208
+ "loss": 0.6404,
2209
+ "step": 3120
2210
+ },
2211
+ {
2212
+ "epoch": 2.012861736334405,
2213
+ "grad_norm": 0.5182865858078003,
2214
+ "learning_rate": 5e-06,
2215
+ "loss": 0.64,
2216
+ "step": 3130
2217
+ },
2218
+ {
2219
+ "epoch": 2.0192926045016075,
2220
+ "grad_norm": 0.5018469095230103,
2221
+ "learning_rate": 5e-06,
2222
+ "loss": 0.6359,
2223
+ "step": 3140
2224
+ },
2225
+ {
2226
+ "epoch": 2.0257234726688105,
2227
+ "grad_norm": 0.4944702982902527,
2228
+ "learning_rate": 5e-06,
2229
+ "loss": 0.6381,
2230
+ "step": 3150
2231
+ },
2232
+ {
2233
+ "epoch": 2.032154340836013,
2234
+ "grad_norm": 0.4453904330730438,
2235
+ "learning_rate": 5e-06,
2236
+ "loss": 0.6372,
2237
+ "step": 3160
2238
+ },
2239
+ {
2240
+ "epoch": 2.0385852090032155,
2241
+ "grad_norm": 0.43754857778549194,
2242
+ "learning_rate": 5e-06,
2243
+ "loss": 0.6394,
2244
+ "step": 3170
2245
+ },
2246
+ {
2247
+ "epoch": 2.045016077170418,
2248
+ "grad_norm": 0.43891504406929016,
2249
+ "learning_rate": 5e-06,
2250
+ "loss": 0.6429,
2251
+ "step": 3180
2252
+ },
2253
+ {
2254
+ "epoch": 2.0514469453376205,
2255
+ "grad_norm": 0.42905229330062866,
2256
+ "learning_rate": 5e-06,
2257
+ "loss": 0.6352,
2258
+ "step": 3190
2259
+ },
2260
+ {
2261
+ "epoch": 2.057877813504823,
2262
+ "grad_norm": 0.4976702928543091,
2263
+ "learning_rate": 5e-06,
2264
+ "loss": 0.6394,
2265
+ "step": 3200
2266
+ },
2267
+ {
2268
+ "epoch": 2.0643086816720255,
2269
+ "grad_norm": 0.4487721621990204,
2270
+ "learning_rate": 5e-06,
2271
+ "loss": 0.6367,
2272
+ "step": 3210
2273
+ },
2274
+ {
2275
+ "epoch": 2.0707395498392285,
2276
+ "grad_norm": 0.48409563302993774,
2277
+ "learning_rate": 5e-06,
2278
+ "loss": 0.6364,
2279
+ "step": 3220
2280
+ },
2281
+ {
2282
+ "epoch": 2.077170418006431,
2283
+ "grad_norm": 0.4372307360172272,
2284
+ "learning_rate": 5e-06,
2285
+ "loss": 0.6441,
2286
+ "step": 3230
2287
+ },
2288
+ {
2289
+ "epoch": 2.0836012861736335,
2290
+ "grad_norm": 0.46748873591423035,
2291
+ "learning_rate": 5e-06,
2292
+ "loss": 0.6364,
2293
+ "step": 3240
2294
+ },
2295
+ {
2296
+ "epoch": 2.090032154340836,
2297
+ "grad_norm": 0.46158337593078613,
2298
+ "learning_rate": 5e-06,
2299
+ "loss": 0.6334,
2300
+ "step": 3250
2301
+ },
2302
+ {
2303
+ "epoch": 2.0964630225080385,
2304
+ "grad_norm": 0.43315762281417847,
2305
+ "learning_rate": 5e-06,
2306
+ "loss": 0.6395,
2307
+ "step": 3260
2308
+ },
2309
+ {
2310
+ "epoch": 2.102893890675241,
2311
+ "grad_norm": 0.4499836564064026,
2312
+ "learning_rate": 5e-06,
2313
+ "loss": 0.6444,
2314
+ "step": 3270
2315
+ },
2316
+ {
2317
+ "epoch": 2.1093247588424435,
2318
+ "grad_norm": 0.45043113827705383,
2319
+ "learning_rate": 5e-06,
2320
+ "loss": 0.6384,
2321
+ "step": 3280
2322
+ },
2323
+ {
2324
+ "epoch": 2.1157556270096465,
2325
+ "grad_norm": 0.4223954677581787,
2326
+ "learning_rate": 5e-06,
2327
+ "loss": 0.638,
2328
+ "step": 3290
2329
+ },
2330
+ {
2331
+ "epoch": 2.122186495176849,
2332
+ "grad_norm": 0.45464426279067993,
2333
+ "learning_rate": 5e-06,
2334
+ "loss": 0.6466,
2335
+ "step": 3300
2336
+ },
2337
+ {
2338
+ "epoch": 2.1286173633440515,
2339
+ "grad_norm": 0.4449687898159027,
2340
+ "learning_rate": 5e-06,
2341
+ "loss": 0.6297,
2342
+ "step": 3310
2343
+ },
2344
+ {
2345
+ "epoch": 2.135048231511254,
2346
+ "grad_norm": 0.4286421537399292,
2347
+ "learning_rate": 5e-06,
2348
+ "loss": 0.6408,
2349
+ "step": 3320
2350
+ },
2351
+ {
2352
+ "epoch": 2.1414790996784565,
2353
+ "grad_norm": 0.4531044065952301,
2354
+ "learning_rate": 5e-06,
2355
+ "loss": 0.6416,
2356
+ "step": 3330
2357
+ },
2358
+ {
2359
+ "epoch": 2.147909967845659,
2360
+ "grad_norm": 0.44140374660491943,
2361
+ "learning_rate": 5e-06,
2362
+ "loss": 0.636,
2363
+ "step": 3340
2364
+ },
2365
+ {
2366
+ "epoch": 2.154340836012862,
2367
+ "grad_norm": 0.4317072927951813,
2368
+ "learning_rate": 5e-06,
2369
+ "loss": 0.6395,
2370
+ "step": 3350
2371
+ },
2372
+ {
2373
+ "epoch": 2.1607717041800645,
2374
+ "grad_norm": 0.47132372856140137,
2375
+ "learning_rate": 5e-06,
2376
+ "loss": 0.6233,
2377
+ "step": 3360
2378
+ },
2379
+ {
2380
+ "epoch": 2.167202572347267,
2381
+ "grad_norm": 0.4424266815185547,
2382
+ "learning_rate": 5e-06,
2383
+ "loss": 0.6417,
2384
+ "step": 3370
2385
+ },
2386
+ {
2387
+ "epoch": 2.1736334405144695,
2388
+ "grad_norm": 0.42858994007110596,
2389
+ "learning_rate": 5e-06,
2390
+ "loss": 0.6418,
2391
+ "step": 3380
2392
+ },
2393
+ {
2394
+ "epoch": 2.180064308681672,
2395
+ "grad_norm": 0.4775191843509674,
2396
+ "learning_rate": 5e-06,
2397
+ "loss": 0.6369,
2398
+ "step": 3390
2399
+ },
2400
+ {
2401
+ "epoch": 2.1864951768488745,
2402
+ "grad_norm": 0.46210339665412903,
2403
+ "learning_rate": 5e-06,
2404
+ "loss": 0.6427,
2405
+ "step": 3400
2406
+ },
2407
+ {
2408
+ "epoch": 2.192926045016077,
2409
+ "grad_norm": 0.46885842084884644,
2410
+ "learning_rate": 5e-06,
2411
+ "loss": 0.6456,
2412
+ "step": 3410
2413
+ },
2414
+ {
2415
+ "epoch": 2.19935691318328,
2416
+ "grad_norm": 0.4760117828845978,
2417
+ "learning_rate": 5e-06,
2418
+ "loss": 0.6435,
2419
+ "step": 3420
2420
+ },
2421
+ {
2422
+ "epoch": 2.2057877813504825,
2423
+ "grad_norm": 0.5036518573760986,
2424
+ "learning_rate": 5e-06,
2425
+ "loss": 0.6383,
2426
+ "step": 3430
2427
+ },
2428
+ {
2429
+ "epoch": 2.212218649517685,
2430
+ "grad_norm": 0.4869937002658844,
2431
+ "learning_rate": 5e-06,
2432
+ "loss": 0.634,
2433
+ "step": 3440
2434
+ },
2435
+ {
2436
+ "epoch": 2.2186495176848875,
2437
+ "grad_norm": 0.4235919117927551,
2438
+ "learning_rate": 5e-06,
2439
+ "loss": 0.6383,
2440
+ "step": 3450
2441
+ },
2442
+ {
2443
+ "epoch": 2.22508038585209,
2444
+ "grad_norm": 0.4805637001991272,
2445
+ "learning_rate": 5e-06,
2446
+ "loss": 0.6413,
2447
+ "step": 3460
2448
+ },
2449
+ {
2450
+ "epoch": 2.2315112540192925,
2451
+ "grad_norm": 0.4369070827960968,
2452
+ "learning_rate": 5e-06,
2453
+ "loss": 0.6348,
2454
+ "step": 3470
2455
+ },
2456
+ {
2457
+ "epoch": 2.237942122186495,
2458
+ "grad_norm": 0.43729808926582336,
2459
+ "learning_rate": 5e-06,
2460
+ "loss": 0.6489,
2461
+ "step": 3480
2462
+ },
2463
+ {
2464
+ "epoch": 2.244372990353698,
2465
+ "grad_norm": 0.514873206615448,
2466
+ "learning_rate": 5e-06,
2467
+ "loss": 0.6451,
2468
+ "step": 3490
2469
+ },
2470
+ {
2471
+ "epoch": 2.2508038585209005,
2472
+ "grad_norm": 0.4235300123691559,
2473
+ "learning_rate": 5e-06,
2474
+ "loss": 0.6355,
2475
+ "step": 3500
2476
+ },
2477
+ {
2478
+ "epoch": 2.257234726688103,
2479
+ "grad_norm": 0.4553775191307068,
2480
+ "learning_rate": 5e-06,
2481
+ "loss": 0.6374,
2482
+ "step": 3510
2483
+ },
2484
+ {
2485
+ "epoch": 2.2636655948553055,
2486
+ "grad_norm": 0.444014310836792,
2487
+ "learning_rate": 5e-06,
2488
+ "loss": 0.6504,
2489
+ "step": 3520
2490
+ },
2491
+ {
2492
+ "epoch": 2.270096463022508,
2493
+ "grad_norm": 0.4582684636116028,
2494
+ "learning_rate": 5e-06,
2495
+ "loss": 0.6338,
2496
+ "step": 3530
2497
+ },
2498
+ {
2499
+ "epoch": 2.2765273311897105,
2500
+ "grad_norm": 0.5020269751548767,
2501
+ "learning_rate": 5e-06,
2502
+ "loss": 0.634,
2503
+ "step": 3540
2504
+ },
2505
+ {
2506
+ "epoch": 2.282958199356913,
2507
+ "grad_norm": 0.44650107622146606,
2508
+ "learning_rate": 5e-06,
2509
+ "loss": 0.6382,
2510
+ "step": 3550
2511
+ },
2512
+ {
2513
+ "epoch": 2.289389067524116,
2514
+ "grad_norm": 0.46265995502471924,
2515
+ "learning_rate": 5e-06,
2516
+ "loss": 0.6351,
2517
+ "step": 3560
2518
+ },
2519
+ {
2520
+ "epoch": 2.2958199356913185,
2521
+ "grad_norm": 0.44239240884780884,
2522
+ "learning_rate": 5e-06,
2523
+ "loss": 0.6406,
2524
+ "step": 3570
2525
+ },
2526
+ {
2527
+ "epoch": 2.302250803858521,
2528
+ "grad_norm": 0.49851298332214355,
2529
+ "learning_rate": 5e-06,
2530
+ "loss": 0.6373,
2531
+ "step": 3580
2532
+ },
2533
+ {
2534
+ "epoch": 2.3086816720257235,
2535
+ "grad_norm": 0.44977161288261414,
2536
+ "learning_rate": 5e-06,
2537
+ "loss": 0.637,
2538
+ "step": 3590
2539
+ },
2540
+ {
2541
+ "epoch": 2.315112540192926,
2542
+ "grad_norm": 0.47006750106811523,
2543
+ "learning_rate": 5e-06,
2544
+ "loss": 0.6429,
2545
+ "step": 3600
2546
+ },
2547
+ {
2548
+ "epoch": 2.3215434083601285,
2549
+ "grad_norm": 0.43386831879615784,
2550
+ "learning_rate": 5e-06,
2551
+ "loss": 0.6411,
2552
+ "step": 3610
2553
+ },
2554
+ {
2555
+ "epoch": 2.327974276527331,
2556
+ "grad_norm": 0.4304748475551605,
2557
+ "learning_rate": 5e-06,
2558
+ "loss": 0.6404,
2559
+ "step": 3620
2560
+ },
2561
+ {
2562
+ "epoch": 2.334405144694534,
2563
+ "grad_norm": 0.4528113901615143,
2564
+ "learning_rate": 5e-06,
2565
+ "loss": 0.6409,
2566
+ "step": 3630
2567
+ },
2568
+ {
2569
+ "epoch": 2.3408360128617365,
2570
+ "grad_norm": 0.43319591879844666,
2571
+ "learning_rate": 5e-06,
2572
+ "loss": 0.6397,
2573
+ "step": 3640
2574
+ },
2575
+ {
2576
+ "epoch": 2.347266881028939,
2577
+ "grad_norm": 0.45046094059944153,
2578
+ "learning_rate": 5e-06,
2579
+ "loss": 0.6437,
2580
+ "step": 3650
2581
+ },
2582
+ {
2583
+ "epoch": 2.3536977491961415,
2584
+ "grad_norm": 0.4646282494068146,
2585
+ "learning_rate": 5e-06,
2586
+ "loss": 0.6473,
2587
+ "step": 3660
2588
+ },
2589
+ {
2590
+ "epoch": 2.360128617363344,
2591
+ "grad_norm": 0.4470469355583191,
2592
+ "learning_rate": 5e-06,
2593
+ "loss": 0.6337,
2594
+ "step": 3670
2595
+ },
2596
+ {
2597
+ "epoch": 2.3665594855305465,
2598
+ "grad_norm": 0.45889395475387573,
2599
+ "learning_rate": 5e-06,
2600
+ "loss": 0.6393,
2601
+ "step": 3680
2602
+ },
2603
+ {
2604
+ "epoch": 2.372990353697749,
2605
+ "grad_norm": 0.41356027126312256,
2606
+ "learning_rate": 5e-06,
2607
+ "loss": 0.6354,
2608
+ "step": 3690
2609
+ },
2610
+ {
2611
+ "epoch": 2.379421221864952,
2612
+ "grad_norm": 0.4529729187488556,
2613
+ "learning_rate": 5e-06,
2614
+ "loss": 0.6403,
2615
+ "step": 3700
2616
+ },
2617
+ {
2618
+ "epoch": 2.3858520900321545,
2619
+ "grad_norm": 0.4174403250217438,
2620
+ "learning_rate": 5e-06,
2621
+ "loss": 0.6377,
2622
+ "step": 3710
2623
+ },
2624
+ {
2625
+ "epoch": 2.392282958199357,
2626
+ "grad_norm": 0.4575382173061371,
2627
+ "learning_rate": 5e-06,
2628
+ "loss": 0.6391,
2629
+ "step": 3720
2630
+ },
2631
+ {
2632
+ "epoch": 2.3987138263665595,
2633
+ "grad_norm": 0.4538198709487915,
2634
+ "learning_rate": 5e-06,
2635
+ "loss": 0.6415,
2636
+ "step": 3730
2637
+ },
2638
+ {
2639
+ "epoch": 2.405144694533762,
2640
+ "grad_norm": 0.4399804472923279,
2641
+ "learning_rate": 5e-06,
2642
+ "loss": 0.6348,
2643
+ "step": 3740
2644
+ },
2645
+ {
2646
+ "epoch": 2.4115755627009645,
2647
+ "grad_norm": 0.4382459819316864,
2648
+ "learning_rate": 5e-06,
2649
+ "loss": 0.6415,
2650
+ "step": 3750
2651
+ },
2652
+ {
2653
+ "epoch": 2.418006430868167,
2654
+ "grad_norm": 0.42854952812194824,
2655
+ "learning_rate": 5e-06,
2656
+ "loss": 0.6377,
2657
+ "step": 3760
2658
+ },
2659
+ {
2660
+ "epoch": 2.42443729903537,
2661
+ "grad_norm": 0.4322606921195984,
2662
+ "learning_rate": 5e-06,
2663
+ "loss": 0.6435,
2664
+ "step": 3770
2665
+ },
2666
+ {
2667
+ "epoch": 2.4308681672025725,
2668
+ "grad_norm": 0.45412078499794006,
2669
+ "learning_rate": 5e-06,
2670
+ "loss": 0.6401,
2671
+ "step": 3780
2672
+ },
2673
+ {
2674
+ "epoch": 2.437299035369775,
2675
+ "grad_norm": 0.4531524181365967,
2676
+ "learning_rate": 5e-06,
2677
+ "loss": 0.6454,
2678
+ "step": 3790
2679
+ },
2680
+ {
2681
+ "epoch": 2.4437299035369775,
2682
+ "grad_norm": 0.44421976804733276,
2683
+ "learning_rate": 5e-06,
2684
+ "loss": 0.6484,
2685
+ "step": 3800
2686
+ },
2687
+ {
2688
+ "epoch": 2.45016077170418,
2689
+ "grad_norm": 0.4720653295516968,
2690
+ "learning_rate": 5e-06,
2691
+ "loss": 0.6431,
2692
+ "step": 3810
2693
+ },
2694
+ {
2695
+ "epoch": 2.4565916398713825,
2696
+ "grad_norm": 0.4742264747619629,
2697
+ "learning_rate": 5e-06,
2698
+ "loss": 0.6371,
2699
+ "step": 3820
2700
+ },
2701
+ {
2702
+ "epoch": 2.463022508038585,
2703
+ "grad_norm": 0.43964919447898865,
2704
+ "learning_rate": 5e-06,
2705
+ "loss": 0.6398,
2706
+ "step": 3830
2707
+ },
2708
+ {
2709
+ "epoch": 2.469453376205788,
2710
+ "grad_norm": 0.43848881125450134,
2711
+ "learning_rate": 5e-06,
2712
+ "loss": 0.6419,
2713
+ "step": 3840
2714
+ },
2715
+ {
2716
+ "epoch": 2.4758842443729905,
2717
+ "grad_norm": 0.4461026191711426,
2718
+ "learning_rate": 5e-06,
2719
+ "loss": 0.6379,
2720
+ "step": 3850
2721
+ },
2722
+ {
2723
+ "epoch": 2.482315112540193,
2724
+ "grad_norm": 0.4415052831172943,
2725
+ "learning_rate": 5e-06,
2726
+ "loss": 0.6439,
2727
+ "step": 3860
2728
+ },
2729
+ {
2730
+ "epoch": 2.4887459807073955,
2731
+ "grad_norm": 0.4191666543483734,
2732
+ "learning_rate": 5e-06,
2733
+ "loss": 0.6446,
2734
+ "step": 3870
2735
+ },
2736
+ {
2737
+ "epoch": 2.495176848874598,
2738
+ "grad_norm": 0.43842655420303345,
2739
+ "learning_rate": 5e-06,
2740
+ "loss": 0.6439,
2741
+ "step": 3880
2742
+ },
2743
+ {
2744
+ "epoch": 2.5016077170418005,
2745
+ "grad_norm": 0.4282081127166748,
2746
+ "learning_rate": 5e-06,
2747
+ "loss": 0.6479,
2748
+ "step": 3890
2749
+ },
2750
+ {
2751
+ "epoch": 2.508038585209003,
2752
+ "grad_norm": 0.4626299738883972,
2753
+ "learning_rate": 5e-06,
2754
+ "loss": 0.6448,
2755
+ "step": 3900
2756
+ },
2757
+ {
2758
+ "epoch": 2.514469453376206,
2759
+ "grad_norm": 0.44208213686943054,
2760
+ "learning_rate": 5e-06,
2761
+ "loss": 0.6439,
2762
+ "step": 3910
2763
+ },
2764
+ {
2765
+ "epoch": 2.5209003215434085,
2766
+ "grad_norm": 0.43402865529060364,
2767
+ "learning_rate": 5e-06,
2768
+ "loss": 0.6369,
2769
+ "step": 3920
2770
+ },
2771
+ {
2772
+ "epoch": 2.527331189710611,
2773
+ "grad_norm": 0.475366473197937,
2774
+ "learning_rate": 5e-06,
2775
+ "loss": 0.6446,
2776
+ "step": 3930
2777
+ },
2778
+ {
2779
+ "epoch": 2.5337620578778135,
2780
+ "grad_norm": 0.4425564408302307,
2781
+ "learning_rate": 5e-06,
2782
+ "loss": 0.6384,
2783
+ "step": 3940
2784
+ },
2785
+ {
2786
+ "epoch": 2.540192926045016,
2787
+ "grad_norm": 0.43618571758270264,
2788
+ "learning_rate": 5e-06,
2789
+ "loss": 0.6408,
2790
+ "step": 3950
2791
+ },
2792
+ {
2793
+ "epoch": 2.5466237942122185,
2794
+ "grad_norm": 0.49698591232299805,
2795
+ "learning_rate": 5e-06,
2796
+ "loss": 0.6303,
2797
+ "step": 3960
2798
+ },
2799
+ {
2800
+ "epoch": 2.553054662379421,
2801
+ "grad_norm": 0.5115300416946411,
2802
+ "learning_rate": 5e-06,
2803
+ "loss": 0.651,
2804
+ "step": 3970
2805
+ },
2806
+ {
2807
+ "epoch": 2.559485530546624,
2808
+ "grad_norm": 0.6572542190551758,
2809
+ "learning_rate": 5e-06,
2810
+ "loss": 0.643,
2811
+ "step": 3980
2812
+ },
2813
+ {
2814
+ "epoch": 2.5659163987138265,
2815
+ "grad_norm": 0.42369475960731506,
2816
+ "learning_rate": 5e-06,
2817
+ "loss": 0.6388,
2818
+ "step": 3990
2819
+ },
2820
+ {
2821
+ "epoch": 2.572347266881029,
2822
+ "grad_norm": 0.44530463218688965,
2823
+ "learning_rate": 5e-06,
2824
+ "loss": 0.6418,
2825
+ "step": 4000
2826
+ },
2827
+ {
2828
+ "epoch": 2.5787781350482315,
2829
+ "grad_norm": 0.49780553579330444,
2830
+ "learning_rate": 5e-06,
2831
+ "loss": 0.6334,
2832
+ "step": 4010
2833
+ },
2834
+ {
2835
+ "epoch": 2.585209003215434,
2836
+ "grad_norm": 0.45106691122055054,
2837
+ "learning_rate": 5e-06,
2838
+ "loss": 0.6398,
2839
+ "step": 4020
2840
+ },
2841
+ {
2842
+ "epoch": 2.5916398713826365,
2843
+ "grad_norm": 0.43149319291114807,
2844
+ "learning_rate": 5e-06,
2845
+ "loss": 0.6392,
2846
+ "step": 4030
2847
+ },
2848
+ {
2849
+ "epoch": 2.598070739549839,
2850
+ "grad_norm": 0.44727641344070435,
2851
+ "learning_rate": 5e-06,
2852
+ "loss": 0.643,
2853
+ "step": 4040
2854
+ },
2855
+ {
2856
+ "epoch": 2.604501607717042,
2857
+ "grad_norm": 0.46136513352394104,
2858
+ "learning_rate": 5e-06,
2859
+ "loss": 0.6407,
2860
+ "step": 4050
2861
+ },
2862
+ {
2863
+ "epoch": 2.6109324758842445,
2864
+ "grad_norm": 0.43373093008995056,
2865
+ "learning_rate": 5e-06,
2866
+ "loss": 0.635,
2867
+ "step": 4060
2868
+ },
2869
+ {
2870
+ "epoch": 2.617363344051447,
2871
+ "grad_norm": 0.42928022146224976,
2872
+ "learning_rate": 5e-06,
2873
+ "loss": 0.6364,
2874
+ "step": 4070
2875
+ },
2876
+ {
2877
+ "epoch": 2.6237942122186495,
2878
+ "grad_norm": 0.4322867691516876,
2879
+ "learning_rate": 5e-06,
2880
+ "loss": 0.6411,
2881
+ "step": 4080
2882
+ },
2883
+ {
2884
+ "epoch": 2.630225080385852,
2885
+ "grad_norm": 0.4528902471065521,
2886
+ "learning_rate": 5e-06,
2887
+ "loss": 0.6382,
2888
+ "step": 4090
2889
+ },
2890
+ {
2891
+ "epoch": 2.6366559485530545,
2892
+ "grad_norm": 0.45928648114204407,
2893
+ "learning_rate": 5e-06,
2894
+ "loss": 0.6429,
2895
+ "step": 4100
2896
+ },
2897
+ {
2898
+ "epoch": 2.643086816720257,
2899
+ "grad_norm": 0.4491860270500183,
2900
+ "learning_rate": 5e-06,
2901
+ "loss": 0.6378,
2902
+ "step": 4110
2903
+ },
2904
+ {
2905
+ "epoch": 2.64951768488746,
2906
+ "grad_norm": 0.44847381114959717,
2907
+ "learning_rate": 5e-06,
2908
+ "loss": 0.6444,
2909
+ "step": 4120
2910
+ },
2911
+ {
2912
+ "epoch": 2.6559485530546625,
2913
+ "grad_norm": 0.42893797159194946,
2914
+ "learning_rate": 5e-06,
2915
+ "loss": 0.6424,
2916
+ "step": 4130
2917
+ },
2918
+ {
2919
+ "epoch": 2.662379421221865,
2920
+ "grad_norm": 0.4790765345096588,
2921
+ "learning_rate": 5e-06,
2922
+ "loss": 0.6402,
2923
+ "step": 4140
2924
+ },
2925
+ {
2926
+ "epoch": 2.6688102893890675,
2927
+ "grad_norm": 0.4363596737384796,
2928
+ "learning_rate": 5e-06,
2929
+ "loss": 0.6402,
2930
+ "step": 4150
2931
+ },
2932
+ {
2933
+ "epoch": 2.67524115755627,
2934
+ "grad_norm": 0.4559105634689331,
2935
+ "learning_rate": 5e-06,
2936
+ "loss": 0.6475,
2937
+ "step": 4160
2938
+ },
2939
+ {
2940
+ "epoch": 2.6816720257234725,
2941
+ "grad_norm": 0.4630337059497833,
2942
+ "learning_rate": 5e-06,
2943
+ "loss": 0.6443,
2944
+ "step": 4170
2945
+ },
2946
+ {
2947
+ "epoch": 2.688102893890675,
2948
+ "grad_norm": 0.4628975987434387,
2949
+ "learning_rate": 5e-06,
2950
+ "loss": 0.6425,
2951
+ "step": 4180
2952
+ },
2953
+ {
2954
+ "epoch": 2.694533762057878,
2955
+ "grad_norm": 0.507043719291687,
2956
+ "learning_rate": 5e-06,
2957
+ "loss": 0.6385,
2958
+ "step": 4190
2959
+ },
2960
+ {
2961
+ "epoch": 2.7009646302250805,
2962
+ "grad_norm": 0.4438357353210449,
2963
+ "learning_rate": 5e-06,
2964
+ "loss": 0.6415,
2965
+ "step": 4200
2966
+ },
2967
+ {
2968
+ "epoch": 2.707395498392283,
2969
+ "grad_norm": 0.4772716462612152,
2970
+ "learning_rate": 5e-06,
2971
+ "loss": 0.6392,
2972
+ "step": 4210
2973
+ },
2974
+ {
2975
+ "epoch": 2.7138263665594855,
2976
+ "grad_norm": 0.4417891502380371,
2977
+ "learning_rate": 5e-06,
2978
+ "loss": 0.6365,
2979
+ "step": 4220
2980
+ },
2981
+ {
2982
+ "epoch": 2.720257234726688,
2983
+ "grad_norm": 0.44056421518325806,
2984
+ "learning_rate": 5e-06,
2985
+ "loss": 0.6365,
2986
+ "step": 4230
2987
+ },
2988
+ {
2989
+ "epoch": 2.7266881028938905,
2990
+ "grad_norm": 0.4614117741584778,
2991
+ "learning_rate": 5e-06,
2992
+ "loss": 0.6425,
2993
+ "step": 4240
2994
+ },
2995
+ {
2996
+ "epoch": 2.733118971061093,
2997
+ "grad_norm": 0.5050578117370605,
2998
+ "learning_rate": 5e-06,
2999
+ "loss": 0.6471,
3000
+ "step": 4250
3001
+ },
3002
+ {
3003
+ "epoch": 2.739549839228296,
3004
+ "grad_norm": 0.4652516543865204,
3005
+ "learning_rate": 5e-06,
3006
+ "loss": 0.6356,
3007
+ "step": 4260
3008
+ },
3009
+ {
3010
+ "epoch": 2.7459807073954985,
3011
+ "grad_norm": 0.44051194190979004,
3012
+ "learning_rate": 5e-06,
3013
+ "loss": 0.647,
3014
+ "step": 4270
3015
+ },
3016
+ {
3017
+ "epoch": 2.752411575562701,
3018
+ "grad_norm": 0.45722419023513794,
3019
+ "learning_rate": 5e-06,
3020
+ "loss": 0.64,
3021
+ "step": 4280
3022
+ },
3023
+ {
3024
+ "epoch": 2.7588424437299035,
3025
+ "grad_norm": 0.4401618242263794,
3026
+ "learning_rate": 5e-06,
3027
+ "loss": 0.6439,
3028
+ "step": 4290
3029
+ },
3030
+ {
3031
+ "epoch": 2.765273311897106,
3032
+ "grad_norm": 0.4500727653503418,
3033
+ "learning_rate": 5e-06,
3034
+ "loss": 0.6355,
3035
+ "step": 4300
3036
+ },
3037
+ {
3038
+ "epoch": 2.7717041800643085,
3039
+ "grad_norm": 0.44464367628097534,
3040
+ "learning_rate": 5e-06,
3041
+ "loss": 0.641,
3042
+ "step": 4310
3043
+ },
3044
+ {
3045
+ "epoch": 2.778135048231511,
3046
+ "grad_norm": 0.433173805475235,
3047
+ "learning_rate": 5e-06,
3048
+ "loss": 0.6479,
3049
+ "step": 4320
3050
+ },
3051
+ {
3052
+ "epoch": 2.784565916398714,
3053
+ "grad_norm": 0.44234412908554077,
3054
+ "learning_rate": 5e-06,
3055
+ "loss": 0.6474,
3056
+ "step": 4330
3057
+ },
3058
+ {
3059
+ "epoch": 2.7909967845659165,
3060
+ "grad_norm": 0.4479934275150299,
3061
+ "learning_rate": 5e-06,
3062
+ "loss": 0.6428,
3063
+ "step": 4340
3064
+ },
3065
+ {
3066
+ "epoch": 2.797427652733119,
3067
+ "grad_norm": 0.44619840383529663,
3068
+ "learning_rate": 5e-06,
3069
+ "loss": 0.6441,
3070
+ "step": 4350
3071
+ },
3072
+ {
3073
+ "epoch": 2.8038585209003215,
3074
+ "grad_norm": 0.4315251111984253,
3075
+ "learning_rate": 5e-06,
3076
+ "loss": 0.6477,
3077
+ "step": 4360
3078
+ },
3079
+ {
3080
+ "epoch": 2.810289389067524,
3081
+ "grad_norm": 0.43586409091949463,
3082
+ "learning_rate": 5e-06,
3083
+ "loss": 0.6504,
3084
+ "step": 4370
3085
+ },
3086
+ {
3087
+ "epoch": 2.816720257234727,
3088
+ "grad_norm": 0.4625302851200104,
3089
+ "learning_rate": 5e-06,
3090
+ "loss": 0.6523,
3091
+ "step": 4380
3092
+ },
3093
+ {
3094
+ "epoch": 2.823151125401929,
3095
+ "grad_norm": 0.46072930097579956,
3096
+ "learning_rate": 5e-06,
3097
+ "loss": 0.6423,
3098
+ "step": 4390
3099
+ },
3100
+ {
3101
+ "epoch": 2.829581993569132,
3102
+ "grad_norm": 0.4475337266921997,
3103
+ "learning_rate": 5e-06,
3104
+ "loss": 0.6483,
3105
+ "step": 4400
3106
+ },
3107
+ {
3108
+ "epoch": 2.8360128617363345,
3109
+ "grad_norm": 0.43071475625038147,
3110
+ "learning_rate": 5e-06,
3111
+ "loss": 0.6426,
3112
+ "step": 4410
3113
+ },
3114
+ {
3115
+ "epoch": 2.842443729903537,
3116
+ "grad_norm": 0.4402061700820923,
3117
+ "learning_rate": 5e-06,
3118
+ "loss": 0.6383,
3119
+ "step": 4420
3120
+ },
3121
+ {
3122
+ "epoch": 2.8488745980707395,
3123
+ "grad_norm": 0.47659188508987427,
3124
+ "learning_rate": 5e-06,
3125
+ "loss": 0.6378,
3126
+ "step": 4430
3127
+ },
3128
+ {
3129
+ "epoch": 2.855305466237942,
3130
+ "grad_norm": 0.44324415922164917,
3131
+ "learning_rate": 5e-06,
3132
+ "loss": 0.6445,
3133
+ "step": 4440
3134
+ },
3135
+ {
3136
+ "epoch": 2.861736334405145,
3137
+ "grad_norm": 0.5019335746765137,
3138
+ "learning_rate": 5e-06,
3139
+ "loss": 0.6429,
3140
+ "step": 4450
3141
+ },
3142
+ {
3143
+ "epoch": 2.868167202572347,
3144
+ "grad_norm": 0.47943827509880066,
3145
+ "learning_rate": 5e-06,
3146
+ "loss": 0.6403,
3147
+ "step": 4460
3148
+ },
3149
+ {
3150
+ "epoch": 2.87459807073955,
3151
+ "grad_norm": 0.4461328387260437,
3152
+ "learning_rate": 5e-06,
3153
+ "loss": 0.6423,
3154
+ "step": 4470
3155
+ },
3156
+ {
3157
+ "epoch": 2.8810289389067525,
3158
+ "grad_norm": 0.4263225495815277,
3159
+ "learning_rate": 5e-06,
3160
+ "loss": 0.6379,
3161
+ "step": 4480
3162
+ },
3163
+ {
3164
+ "epoch": 2.887459807073955,
3165
+ "grad_norm": 0.45077577233314514,
3166
+ "learning_rate": 5e-06,
3167
+ "loss": 0.6419,
3168
+ "step": 4490
3169
+ },
3170
+ {
3171
+ "epoch": 2.8938906752411575,
3172
+ "grad_norm": 0.4050474762916565,
3173
+ "learning_rate": 5e-06,
3174
+ "loss": 0.6361,
3175
+ "step": 4500
3176
+ },
3177
+ {
3178
+ "epoch": 2.90032154340836,
3179
+ "grad_norm": 0.4340299069881439,
3180
+ "learning_rate": 5e-06,
3181
+ "loss": 0.6386,
3182
+ "step": 4510
3183
+ },
3184
+ {
3185
+ "epoch": 2.906752411575563,
3186
+ "grad_norm": 0.42679664492607117,
3187
+ "learning_rate": 5e-06,
3188
+ "loss": 0.6423,
3189
+ "step": 4520
3190
+ },
3191
+ {
3192
+ "epoch": 2.913183279742765,
3193
+ "grad_norm": 0.4645717144012451,
3194
+ "learning_rate": 5e-06,
3195
+ "loss": 0.6422,
3196
+ "step": 4530
3197
+ },
3198
+ {
3199
+ "epoch": 2.919614147909968,
3200
+ "grad_norm": 0.471055805683136,
3201
+ "learning_rate": 5e-06,
3202
+ "loss": 0.6333,
3203
+ "step": 4540
3204
+ },
3205
+ {
3206
+ "epoch": 2.9260450160771705,
3207
+ "grad_norm": 0.5037959814071655,
3208
+ "learning_rate": 5e-06,
3209
+ "loss": 0.6419,
3210
+ "step": 4550
3211
+ },
3212
+ {
3213
+ "epoch": 2.932475884244373,
3214
+ "grad_norm": 0.4540598690509796,
3215
+ "learning_rate": 5e-06,
3216
+ "loss": 0.6393,
3217
+ "step": 4560
3218
+ },
3219
+ {
3220
+ "epoch": 2.9389067524115755,
3221
+ "grad_norm": 0.44270047545433044,
3222
+ "learning_rate": 5e-06,
3223
+ "loss": 0.6367,
3224
+ "step": 4570
3225
+ },
3226
+ {
3227
+ "epoch": 2.945337620578778,
3228
+ "grad_norm": 0.43946129083633423,
3229
+ "learning_rate": 5e-06,
3230
+ "loss": 0.6402,
3231
+ "step": 4580
3232
+ },
3233
+ {
3234
+ "epoch": 2.951768488745981,
3235
+ "grad_norm": 0.46501582860946655,
3236
+ "learning_rate": 5e-06,
3237
+ "loss": 0.6372,
3238
+ "step": 4590
3239
+ },
3240
+ {
3241
+ "epoch": 2.958199356913183,
3242
+ "grad_norm": 0.4638145864009857,
3243
+ "learning_rate": 5e-06,
3244
+ "loss": 0.6479,
3245
+ "step": 4600
3246
+ },
3247
+ {
3248
+ "epoch": 2.964630225080386,
3249
+ "grad_norm": 0.4363510310649872,
3250
+ "learning_rate": 5e-06,
3251
+ "loss": 0.6391,
3252
+ "step": 4610
3253
+ },
3254
+ {
3255
+ "epoch": 2.9710610932475885,
3256
+ "grad_norm": 0.42436662316322327,
3257
+ "learning_rate": 5e-06,
3258
+ "loss": 0.643,
3259
+ "step": 4620
3260
+ },
3261
+ {
3262
+ "epoch": 2.977491961414791,
3263
+ "grad_norm": 0.4569937288761139,
3264
+ "learning_rate": 5e-06,
3265
+ "loss": 0.6369,
3266
+ "step": 4630
3267
+ },
3268
+ {
3269
+ "epoch": 2.9839228295819935,
3270
+ "grad_norm": 0.4475838243961334,
3271
+ "learning_rate": 5e-06,
3272
+ "loss": 0.6402,
3273
+ "step": 4640
3274
+ },
3275
+ {
3276
+ "epoch": 2.990353697749196,
3277
+ "grad_norm": 0.47496703267097473,
3278
+ "learning_rate": 5e-06,
3279
+ "loss": 0.6315,
3280
+ "step": 4650
3281
+ },
3282
+ {
3283
+ "epoch": 2.996784565916399,
3284
+ "grad_norm": 0.4460706114768982,
3285
+ "learning_rate": 5e-06,
3286
+ "loss": 0.6421,
3287
+ "step": 4660
3288
+ },
3289
+ {
3290
+ "epoch": 3.0,
3291
+ "eval_loss": 0.7122252583503723,
3292
+ "eval_runtime": 140.1434,
3293
+ "eval_samples_per_second": 299.001,
3294
+ "eval_steps_per_second": 1.17,
3295
+ "step": 4665
3296
+ },
3297
+ {
3298
+ "epoch": 3.0,
3299
+ "step": 4665,
3300
+ "total_flos": 2.2026686217575832e+20,
3301
+ "train_loss": 0.6892199146274841,
3302
+ "train_runtime": 30399.4314,
3303
+ "train_samples_per_second": 78.569,
3304
+ "train_steps_per_second": 0.153
3305
+ }
3306
+ ],
3307
+ "logging_steps": 10,
3308
+ "max_steps": 4665,
3309
+ "num_input_tokens_seen": 0,
3310
+ "num_train_epochs": 3,
3311
+ "save_steps": 500,
3312
+ "stateful_callbacks": {
3313
+ "TrainerControl": {
3314
+ "args": {
3315
+ "should_epoch_stop": false,
3316
+ "should_evaluate": false,
3317
+ "should_log": false,
3318
+ "should_save": true,
3319
+ "should_training_stop": true
3320
+ },
3321
+ "attributes": {}
3322
+ }
3323
+ },
3324
+ "total_flos": 2.2026686217575832e+20,
3325
+ "train_batch_size": 16,
3326
+ "trial_name": null,
3327
+ "trial_params": null
3328
+ }
training_eval_loss.png ADDED
training_loss.png ADDED