{
  "best_metric": 7.97989559173584,
  "best_model_checkpoint": "/kaggle/output/checkpoint-40000",
  "epoch": 640.0,
  "eval_steps": 20000,
  "global_step": 40000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.02,
      "learning_rate": 1.6666666666666663e-10,
      "loss": 1.051,
      "step": 1
    },
    {
      "epoch": 16.0,
      "learning_rate": 1.665e-07,
      "loss": 1.1135,
      "step": 1000
    },
    {
      "epoch": 32.0,
      "learning_rate": 3.3316666666666664e-07,
      "loss": 1.0858,
      "step": 2000
    },
    {
      "epoch": 48.0,
      "learning_rate": 4.996666666666667e-07,
      "loss": 1.0483,
      "step": 3000
    },
    {
      "epoch": 64.0,
      "learning_rate": 6.661666666666666e-07,
      "loss": 0.9837,
      "step": 4000
    },
    {
      "epoch": 80.0,
      "learning_rate": 8.326666666666666e-07,
      "loss": 0.874,
      "step": 5000
    },
    {
      "epoch": 96.0,
      "learning_rate": 9.993333333333333e-07,
      "loss": 0.7317,
      "step": 6000
    },
    {
      "epoch": 112.0,
      "learning_rate": 1.1656666666666667e-06,
      "loss": 0.5665,
      "step": 7000
    },
    {
      "epoch": 128.0,
      "learning_rate": 1.3323333333333331e-06,
      "loss": 0.424,
      "step": 8000
    },
    {
      "epoch": 144.0,
      "learning_rate": 1.4989999999999998e-06,
      "loss": 0.2762,
      "step": 9000
    },
    {
      "epoch": 160.0,
      "learning_rate": 1.6653333333333332e-06,
      "loss": 0.1968,
      "step": 10000
    },
    {
      "epoch": 176.0,
      "learning_rate": 1.8319999999999998e-06,
      "loss": 0.1287,
      "step": 11000
    },
    {
      "epoch": 192.0,
      "learning_rate": 1.9984999999999996e-06,
      "loss": 0.0919,
      "step": 12000
    },
    {
      "epoch": 208.0,
      "learning_rate": 2.1651666666666666e-06,
      "loss": 0.0714,
      "step": 13000
    },
    {
      "epoch": 224.0,
      "learning_rate": 2.3314999999999996e-06,
      "loss": 0.0603,
      "step": 14000
    },
    {
      "epoch": 240.0,
      "learning_rate": 2.4981666666666662e-06,
      "loss": 0.0427,
      "step": 15000
    },
    {
      "epoch": 256.0,
      "learning_rate": 2.6646666666666663e-06,
      "loss": 0.0515,
      "step": 16000
    },
    {
      "epoch": 272.0,
      "learning_rate": 2.831333333333333e-06,
      "loss": 0.0469,
      "step": 17000
    },
    {
      "epoch": 288.0,
      "learning_rate": 2.9979999999999995e-06,
      "loss": 0.0374,
      "step": 18000
    },
    {
      "epoch": 304.0,
      "learning_rate": 3.1644999999999995e-06,
      "loss": 0.0467,
      "step": 19000
    },
    {
      "epoch": 320.0,
      "learning_rate": 3.3311666666666666e-06,
      "loss": 0.0405,
      "step": 20000
    },
    {
      "epoch": 320.0,
      "eval_accuracy": 0.3499001996007984,
      "eval_loss": 9.993309020996094,
      "eval_runtime": 54.6324,
      "eval_samples_per_second": 91.704,
      "eval_steps_per_second": 11.477,
      "step": 20000
    },
    {
      "epoch": 336.0,
      "learning_rate": 3.497666666666666e-06,
      "loss": 0.0488,
      "step": 21000
    },
    {
      "epoch": 352.0,
      "learning_rate": 3.664333333333333e-06,
      "loss": 0.0428,
      "step": 22000
    },
    {
      "epoch": 368.0,
      "learning_rate": 3.830833333333333e-06,
      "loss": 0.0371,
      "step": 23000
    },
    {
      "epoch": 384.0,
      "learning_rate": 3.997499999999999e-06,
      "loss": 0.0411,
      "step": 24000
    },
    {
      "epoch": 400.0,
      "learning_rate": 4.1639999999999994e-06,
      "loss": 0.0404,
      "step": 25000
    },
    {
      "epoch": 416.0,
      "learning_rate": 4.3306666666666665e-06,
      "loss": 0.0281,
      "step": 26000
    },
    {
      "epoch": 432.0,
      "learning_rate": 4.4971666666666665e-06,
      "loss": 0.043,
      "step": 27000
    },
    {
      "epoch": 448.0,
      "learning_rate": 4.663833333333333e-06,
      "loss": 0.0279,
      "step": 28000
    },
    {
      "epoch": 464.0,
      "learning_rate": 4.830333333333333e-06,
      "loss": 0.052,
      "step": 29000
    },
    {
      "epoch": 480.0,
      "learning_rate": 4.997e-06,
      "loss": 0.022,
      "step": 30000
    },
    {
      "epoch": 496.0,
      "learning_rate": 5.1635e-06,
      "loss": 0.0288,
      "step": 31000
    },
    {
      "epoch": 512.0,
      "learning_rate": 5.330166666666666e-06,
      "loss": 0.0302,
      "step": 32000
    },
    {
      "epoch": 528.0,
      "learning_rate": 5.496833333333333e-06,
      "loss": 0.0222,
      "step": 33000
    },
    {
      "epoch": 544.0,
      "learning_rate": 5.663499999999999e-06,
      "loss": 0.0222,
      "step": 34000
    },
    {
      "epoch": 560.0,
      "learning_rate": 5.829999999999999e-06,
      "loss": 0.0265,
      "step": 35000
    },
    {
      "epoch": 576.0,
      "learning_rate": 5.996499999999999e-06,
      "loss": 0.0173,
      "step": 36000
    },
    {
      "epoch": 592.0,
      "learning_rate": 6.163166666666666e-06,
      "loss": 0.0289,
      "step": 37000
    },
    {
      "epoch": 608.0,
      "learning_rate": 6.329833333333333e-06,
      "loss": 0.0176,
      "step": 38000
    },
    {
      "epoch": 624.0,
      "learning_rate": 6.4964999999999995e-06,
      "loss": 0.023,
      "step": 39000
    },
    {
      "epoch": 640.0,
      "learning_rate": 6.6629999999999996e-06,
      "loss": 0.0249,
      "step": 40000
    },
    {
      "epoch": 640.0,
      "eval_accuracy": 0.36806387225548903,
      "eval_loss": 7.97989559173584,
      "eval_runtime": 54.1746,
      "eval_samples_per_second": 92.479,
      "eval_steps_per_second": 11.574,
      "step": 40000
    }
  ],
  "logging_steps": 1000,
  "max_steps": 10000000,
  "num_train_epochs": 161291,
  "save_steps": 20000,
  "total_flos": 8.361420521472e+16,
  "trial_name": null,
  "trial_params": null
}