Hugging Face's logo

furmaniak
/
qwen2.5-32b-openalex

Text Generation
Transformers
Safetensors
qwen2
llama-factory
full
Generated from Trainer
conversational
text-generation-inference
Model card Files
xet
Community
1
furmaniak commited on
Commit
32abdb8
·
verified ·
1 Parent(s): 378b0f8

End of training

Browse files
Files changed (5) hide show
  1. README.md +2 -1
  2. all_results.json +8 -0
  3. train_results.json +8 -0
  4. trainer_state.json +2527 -0
  5. training_loss.png +0 -0
README.md CHANGED
@@ -4,6 +4,7 @@ license: apache-2.0
4
  base_model: Qwen/Qwen2.5-32B
5
  tags:
6
  - llama-factory
 
7
  - generated_from_trainer
8
  model-index:
9
  - name: qwen2.5-32b-openalex
@@ -15,7 +16,7 @@ should probably proofread and complete it, then remove this comment. -->
15
 
16
  # qwen2.5-32b-openalex
17
 
18
- This model is a fine-tuned version of [Qwen/Qwen2.5-32B](https://huggingface.co/Qwen/Qwen2.5-32B) on an unknown dataset.
19
 
20
  ## Model description
21
 
 
4
  base_model: Qwen/Qwen2.5-32B
5
  tags:
6
  - llama-factory
7
+ - full
8
  - generated_from_trainer
9
  model-index:
10
  - name: qwen2.5-32b-openalex
 
16
 
17
  # qwen2.5-32b-openalex
18
 
19
+ This model is a fine-tuned version of [Qwen/Qwen2.5-32B](https://huggingface.co/Qwen/Qwen2.5-32B) on the openalex dataset.
20
 
21
  ## Model description
22
 
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 0.9977164939399262,
3
+ "total_flos": 4998655006212096.0,
4
+ "train_loss": 1.5558027747651222,
5
+ "train_runtime": 142154.3689,
6
+ "train_samples_per_second": 0.641,
7
+ "train_steps_per_second": 0.002
8
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 0.9977164939399262,
3
+ "total_flos": 4998655006212096.0,
4
+ "train_loss": 1.5558027747651222,
5
+ "train_runtime": 142154.3689,
6
+ "train_samples_per_second": 0.641,
7
+ "train_steps_per_second": 0.002
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2527 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.9977164939399262,
5
+ "eval_steps": 500,
6
+ "global_step": 355,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.002810468997013877,
13
+ "grad_norm": 0.08777584135532379,
14
+ "learning_rate": 1.111111111111111e-06,
15
+ "loss": 1.6284,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.005620937994027754,
20
+ "grad_norm": 0.08739772439002991,
21
+ "learning_rate": 2.222222222222222e-06,
22
+ "loss": 1.6386,
23
+ "step": 2
24
+ },
25
+ {
26
+ "epoch": 0.00843140699104163,
27
+ "grad_norm": 0.07890280336141586,
28
+ "learning_rate": 3.3333333333333333e-06,
29
+ "loss": 1.6366,
30
+ "step": 3
31
+ },
32
+ {
33
+ "epoch": 0.011241875988055507,
34
+ "grad_norm": 0.050849832594394684,
35
+ "learning_rate": 4.444444444444444e-06,
36
+ "loss": 1.6428,
37
+ "step": 4
38
+ },
39
+ {
40
+ "epoch": 0.014052344985069383,
41
+ "grad_norm": 0.026262454688549042,
42
+ "learning_rate": 5.555555555555557e-06,
43
+ "loss": 1.6335,
44
+ "step": 5
45
+ },
46
+ {
47
+ "epoch": 0.01686281398208326,
48
+ "grad_norm": 0.017007650807499886,
49
+ "learning_rate": 6.666666666666667e-06,
50
+ "loss": 1.6298,
51
+ "step": 6
52
+ },
53
+ {
54
+ "epoch": 0.019673282979097137,
55
+ "grad_norm": 0.021000387147068977,
56
+ "learning_rate": 7.77777777777778e-06,
57
+ "loss": 1.6349,
58
+ "step": 7
59
+ },
60
+ {
61
+ "epoch": 0.022483751976111015,
62
+ "grad_norm": 0.039422884583473206,
63
+ "learning_rate": 8.888888888888888e-06,
64
+ "loss": 1.6161,
65
+ "step": 8
66
+ },
67
+ {
68
+ "epoch": 0.02529422097312489,
69
+ "grad_norm": 0.03416357561945915,
70
+ "learning_rate": 1e-05,
71
+ "loss": 1.6133,
72
+ "step": 9
73
+ },
74
+ {
75
+ "epoch": 0.028104689970138767,
76
+ "grad_norm": 0.023096244782209396,
77
+ "learning_rate": 1.1111111111111113e-05,
78
+ "loss": 1.6017,
79
+ "step": 10
80
+ },
81
+ {
82
+ "epoch": 0.030915158967152644,
83
+ "grad_norm": 0.028580009937286377,
84
+ "learning_rate": 1.2222222222222224e-05,
85
+ "loss": 1.6117,
86
+ "step": 11
87
+ },
88
+ {
89
+ "epoch": 0.03372562796416652,
90
+ "grad_norm": 0.02169407717883587,
91
+ "learning_rate": 1.3333333333333333e-05,
92
+ "loss": 1.605,
93
+ "step": 12
94
+ },
95
+ {
96
+ "epoch": 0.036536096961180396,
97
+ "grad_norm": 0.02079104818403721,
98
+ "learning_rate": 1.4444444444444446e-05,
99
+ "loss": 1.6006,
100
+ "step": 13
101
+ },
102
+ {
103
+ "epoch": 0.039346565958194274,
104
+ "grad_norm": 0.02266255021095276,
105
+ "learning_rate": 1.555555555555556e-05,
106
+ "loss": 1.6076,
107
+ "step": 14
108
+ },
109
+ {
110
+ "epoch": 0.04215703495520815,
111
+ "grad_norm": 0.023310977965593338,
112
+ "learning_rate": 1.6666666666666667e-05,
113
+ "loss": 1.6051,
114
+ "step": 15
115
+ },
116
+ {
117
+ "epoch": 0.04496750395222203,
118
+ "grad_norm": 0.02227545529603958,
119
+ "learning_rate": 1.7777777777777777e-05,
120
+ "loss": 1.5976,
121
+ "step": 16
122
+ },
123
+ {
124
+ "epoch": 0.04777797294923591,
125
+ "grad_norm": 0.02008313126862049,
126
+ "learning_rate": 1.888888888888889e-05,
127
+ "loss": 1.6048,
128
+ "step": 17
129
+ },
130
+ {
131
+ "epoch": 0.05058844194624978,
132
+ "grad_norm": 0.020431598648428917,
133
+ "learning_rate": 2e-05,
134
+ "loss": 1.6033,
135
+ "step": 18
136
+ },
137
+ {
138
+ "epoch": 0.053398910943263656,
139
+ "grad_norm": 0.019984332844614983,
140
+ "learning_rate": 1.999956548296958e-05,
141
+ "loss": 1.5915,
142
+ "step": 19
143
+ },
144
+ {
145
+ "epoch": 0.05620937994027753,
146
+ "grad_norm": 0.020108483731746674,
147
+ "learning_rate": 1.9998261969639324e-05,
148
+ "loss": 1.5938,
149
+ "step": 20
150
+ },
151
+ {
152
+ "epoch": 0.05901984893729141,
153
+ "grad_norm": 0.016152869910001755,
154
+ "learning_rate": 1.9996089573288985e-05,
155
+ "loss": 1.5931,
156
+ "step": 21
157
+ },
158
+ {
159
+ "epoch": 0.06183031793430529,
160
+ "grad_norm": 0.016522705554962158,
161
+ "learning_rate": 1.99930484827072e-05,
162
+ "loss": 1.5953,
163
+ "step": 22
164
+ },
165
+ {
166
+ "epoch": 0.06464078693131917,
167
+ "grad_norm": 0.017014645040035248,
168
+ "learning_rate": 1.9989138962175105e-05,
169
+ "loss": 1.5898,
170
+ "step": 23
171
+ },
172
+ {
173
+ "epoch": 0.06745125592833304,
174
+ "grad_norm": 0.016037074849009514,
175
+ "learning_rate": 1.9984361351443343e-05,
176
+ "loss": 1.5904,
177
+ "step": 24
178
+ },
179
+ {
180
+ "epoch": 0.07026172492534692,
181
+ "grad_norm": 0.01631341129541397,
182
+ "learning_rate": 1.9978716065702566e-05,
183
+ "loss": 1.5913,
184
+ "step": 25
185
+ },
186
+ {
187
+ "epoch": 0.07307219392236079,
188
+ "grad_norm": 0.014392613433301449,
189
+ "learning_rate": 1.9972203595547334e-05,
190
+ "loss": 1.5893,
191
+ "step": 26
192
+ },
193
+ {
194
+ "epoch": 0.07588266291937468,
195
+ "grad_norm": 0.015151307918131351,
196
+ "learning_rate": 1.996482450693348e-05,
197
+ "loss": 1.5912,
198
+ "step": 27
199
+ },
200
+ {
201
+ "epoch": 0.07869313191638855,
202
+ "grad_norm": 0.015482740476727486,
203
+ "learning_rate": 1.9956579441128942e-05,
204
+ "loss": 1.5847,
205
+ "step": 28
206
+ },
207
+ {
208
+ "epoch": 0.08150360091340242,
209
+ "grad_norm": 0.01364535465836525,
210
+ "learning_rate": 1.994746911465802e-05,
211
+ "loss": 1.585,
212
+ "step": 29
213
+ },
214
+ {
215
+ "epoch": 0.0843140699104163,
216
+ "grad_norm": 0.014720232225954533,
217
+ "learning_rate": 1.9937494319239112e-05,
218
+ "loss": 1.5773,
219
+ "step": 30
220
+ },
221
+ {
222
+ "epoch": 0.08712453890743017,
223
+ "grad_norm": 0.012587211094796658,
224
+ "learning_rate": 1.9926655921715924e-05,
225
+ "loss": 1.5766,
226
+ "step": 31
227
+ },
228
+ {
229
+ "epoch": 0.08993500790444406,
230
+ "grad_norm": 0.013409728184342384,
231
+ "learning_rate": 1.9914954863982106e-05,
232
+ "loss": 1.5764,
233
+ "step": 32
234
+ },
235
+ {
236
+ "epoch": 0.09274547690145793,
237
+ "grad_norm": 0.013652725145220757,
238
+ "learning_rate": 1.990239216289944e-05,
239
+ "loss": 1.5818,
240
+ "step": 33
241
+ },
242
+ {
243
+ "epoch": 0.09555594589847181,
244
+ "grad_norm": 0.015371325425803661,
245
+ "learning_rate": 1.9888968910209433e-05,
246
+ "loss": 1.5834,
247
+ "step": 34
248
+ },
249
+ {
250
+ "epoch": 0.09836641489548568,
251
+ "grad_norm": 0.013734452426433563,
252
+ "learning_rate": 1.9874686272438467e-05,
253
+ "loss": 1.5719,
254
+ "step": 35
255
+ },
256
+ {
257
+ "epoch": 0.10117688389249956,
258
+ "grad_norm": 0.012110204435884953,
259
+ "learning_rate": 1.9859545490796414e-05,
260
+ "loss": 1.5797,
261
+ "step": 36
262
+ },
263
+ {
264
+ "epoch": 0.10398735288951344,
265
+ "grad_norm": 0.013209005817770958,
266
+ "learning_rate": 1.9843547881068763e-05,
267
+ "loss": 1.5789,
268
+ "step": 37
269
+ },
270
+ {
271
+ "epoch": 0.10679782188652731,
272
+ "grad_norm": 0.01261916570365429,
273
+ "learning_rate": 1.9826694833502295e-05,
274
+ "loss": 1.5716,
275
+ "step": 38
276
+ },
277
+ {
278
+ "epoch": 0.1096082908835412,
279
+ "grad_norm": 0.012995808385312557,
280
+ "learning_rate": 1.9808987812684247e-05,
281
+ "loss": 1.5682,
282
+ "step": 39
283
+ },
284
+ {
285
+ "epoch": 0.11241875988055507,
286
+ "grad_norm": 0.013399253599345684,
287
+ "learning_rate": 1.979042835741503e-05,
288
+ "loss": 1.5711,
289
+ "step": 40
290
+ },
291
+ {
292
+ "epoch": 0.11522922887756895,
293
+ "grad_norm": 0.012696914374828339,
294
+ "learning_rate": 1.9771018080574534e-05,
295
+ "loss": 1.5742,
296
+ "step": 41
297
+ },
298
+ {
299
+ "epoch": 0.11803969787458282,
300
+ "grad_norm": 0.011595464311540127,
301
+ "learning_rate": 1.9750758668981925e-05,
302
+ "loss": 1.581,
303
+ "step": 42
304
+ },
305
+ {
306
+ "epoch": 0.12085016687159669,
307
+ "grad_norm": 0.01301959715783596,
308
+ "learning_rate": 1.9729651883249075e-05,
309
+ "loss": 1.5821,
310
+ "step": 43
311
+ },
312
+ {
313
+ "epoch": 0.12366063586861058,
314
+ "grad_norm": 0.012804425321519375,
315
+ "learning_rate": 1.9707699557627554e-05,
316
+ "loss": 1.5921,
317
+ "step": 44
318
+ },
319
+ {
320
+ "epoch": 0.12647110486562446,
321
+ "grad_norm": 0.012021846137940884,
322
+ "learning_rate": 1.968490359984923e-05,
323
+ "loss": 1.5795,
324
+ "step": 45
325
+ },
326
+ {
327
+ "epoch": 0.12928157386263833,
328
+ "grad_norm": 0.013476583175361156,
329
+ "learning_rate": 1.9661265990960486e-05,
330
+ "loss": 1.5755,
331
+ "step": 46
332
+ },
333
+ {
334
+ "epoch": 0.1320920428596522,
335
+ "grad_norm": 0.011448990553617477,
336
+ "learning_rate": 1.9636788785150037e-05,
337
+ "loss": 1.5688,
338
+ "step": 47
339
+ },
340
+ {
341
+ "epoch": 0.13490251185666607,
342
+ "grad_norm": 0.014088047668337822,
343
+ "learning_rate": 1.9611474109570446e-05,
344
+ "loss": 1.5785,
345
+ "step": 48
346
+ },
347
+ {
348
+ "epoch": 0.13771298085367994,
349
+ "grad_norm": 0.013553822413086891,
350
+ "learning_rate": 1.9585324164153236e-05,
351
+ "loss": 1.5812,
352
+ "step": 49
353
+ },
354
+ {
355
+ "epoch": 0.14052344985069384,
356
+ "grad_norm": 0.011343201622366905,
357
+ "learning_rate": 1.9558341221417744e-05,
358
+ "loss": 1.5778,
359
+ "step": 50
360
+ },
361
+ {
362
+ "epoch": 0.14333391884770771,
363
+ "grad_norm": 0.01123133860528469,
364
+ "learning_rate": 1.9530527626273592e-05,
365
+ "loss": 1.5758,
366
+ "step": 51
367
+ },
368
+ {
369
+ "epoch": 0.14614438784472158,
370
+ "grad_norm": 0.01259944774210453,
371
+ "learning_rate": 1.9501885795816937e-05,
372
+ "loss": 1.5731,
373
+ "step": 52
374
+ },
375
+ {
376
+ "epoch": 0.14895485684173546,
377
+ "grad_norm": 0.011086889542639256,
378
+ "learning_rate": 1.9472418219120403e-05,
379
+ "loss": 1.576,
380
+ "step": 53
381
+ },
382
+ {
383
+ "epoch": 0.15176532583874935,
384
+ "grad_norm": 0.011971558444201946,
385
+ "learning_rate": 1.9442127457016768e-05,
386
+ "loss": 1.571,
387
+ "step": 54
388
+ },
389
+ {
390
+ "epoch": 0.15457579483576322,
391
+ "grad_norm": 0.012076422572135925,
392
+ "learning_rate": 1.9411016141876438e-05,
393
+ "loss": 1.5743,
394
+ "step": 55
395
+ },
396
+ {
397
+ "epoch": 0.1573862638327771,
398
+ "grad_norm": 0.01147051528096199,
399
+ "learning_rate": 1.9379086977378664e-05,
400
+ "loss": 1.5701,
401
+ "step": 56
402
+ },
403
+ {
404
+ "epoch": 0.16019673282979097,
405
+ "grad_norm": 0.013713942840695381,
406
+ "learning_rate": 1.9346342738276593e-05,
407
+ "loss": 1.5632,
408
+ "step": 57
409
+ },
410
+ {
411
+ "epoch": 0.16300720182680484,
412
+ "grad_norm": 0.012207642197608948,
413
+ "learning_rate": 1.9312786270156135e-05,
414
+ "loss": 1.5684,
415
+ "step": 58
416
+ },
417
+ {
418
+ "epoch": 0.16581767082381874,
419
+ "grad_norm": 0.01164440531283617,
420
+ "learning_rate": 1.927842048918867e-05,
421
+ "loss": 1.572,
422
+ "step": 59
423
+ },
424
+ {
425
+ "epoch": 0.1686281398208326,
426
+ "grad_norm": 0.014730863273143768,
427
+ "learning_rate": 1.9243248381877605e-05,
428
+ "loss": 1.5737,
429
+ "step": 60
430
+ },
431
+ {
432
+ "epoch": 0.17143860881784648,
433
+ "grad_norm": 0.01201706100255251,
434
+ "learning_rate": 1.9207273004798873e-05,
435
+ "loss": 1.5708,
436
+ "step": 61
437
+ },
438
+ {
439
+ "epoch": 0.17424907781486035,
440
+ "grad_norm": 0.012422306463122368,
441
+ "learning_rate": 1.9170497484335276e-05,
442
+ "loss": 1.5666,
443
+ "step": 62
444
+ },
445
+ {
446
+ "epoch": 0.17705954681187422,
447
+ "grad_norm": 0.014150385744869709,
448
+ "learning_rate": 1.9132925016404805e-05,
449
+ "loss": 1.5652,
450
+ "step": 63
451
+ },
452
+ {
453
+ "epoch": 0.17987001580888812,
454
+ "grad_norm": 0.01331349741667509,
455
+ "learning_rate": 1.9094558866182892e-05,
456
+ "loss": 1.5613,
457
+ "step": 64
458
+ },
459
+ {
460
+ "epoch": 0.182680484805902,
461
+ "grad_norm": 0.014323413372039795,
462
+ "learning_rate": 1.9055402367818673e-05,
463
+ "loss": 1.5643,
464
+ "step": 65
465
+ },
466
+ {
467
+ "epoch": 0.18549095380291586,
468
+ "grad_norm": 0.010913478210568428,
469
+ "learning_rate": 1.901545892414523e-05,
470
+ "loss": 1.5768,
471
+ "step": 66
472
+ },
473
+ {
474
+ "epoch": 0.18830142279992973,
475
+ "grad_norm": 0.013672353699803352,
476
+ "learning_rate": 1.897473200638386e-05,
477
+ "loss": 1.5707,
478
+ "step": 67
479
+ },
480
+ {
481
+ "epoch": 0.19111189179694363,
482
+ "grad_norm": 0.011649075895547867,
483
+ "learning_rate": 1.8933225153842446e-05,
484
+ "loss": 1.5678,
485
+ "step": 68
486
+ },
487
+ {
488
+ "epoch": 0.1939223607939575,
489
+ "grad_norm": 0.012527153827250004,
490
+ "learning_rate": 1.8890941973607843e-05,
491
+ "loss": 1.5637,
492
+ "step": 69
493
+ },
494
+ {
495
+ "epoch": 0.19673282979097137,
496
+ "grad_norm": 0.013441166840493679,
497
+ "learning_rate": 1.8847886140232438e-05,
498
+ "loss": 1.5543,
499
+ "step": 70
500
+ },
501
+ {
502
+ "epoch": 0.19954329878798524,
503
+ "grad_norm": 0.014678705483675003,
504
+ "learning_rate": 1.8804061395414795e-05,
505
+ "loss": 1.5594,
506
+ "step": 71
507
+ },
508
+ {
509
+ "epoch": 0.2023537677849991,
510
+ "grad_norm": 0.015578769147396088,
511
+ "learning_rate": 1.875947154767452e-05,
512
+ "loss": 1.5766,
513
+ "step": 72
514
+ },
515
+ {
516
+ "epoch": 0.205164236782013,
517
+ "grad_norm": 0.013635441660881042,
518
+ "learning_rate": 1.8714120472021252e-05,
519
+ "loss": 1.5622,
520
+ "step": 73
521
+ },
522
+ {
523
+ "epoch": 0.20797470577902688,
524
+ "grad_norm": 0.011884918436408043,
525
+ "learning_rate": 1.8668012109617933e-05,
526
+ "loss": 1.5539,
527
+ "step": 74
528
+ },
529
+ {
530
+ "epoch": 0.21078517477604075,
531
+ "grad_norm": 0.013244202360510826,
532
+ "learning_rate": 1.862115046743831e-05,
533
+ "loss": 1.5641,
534
+ "step": 75
535
+ },
536
+ {
537
+ "epoch": 0.21359564377305462,
538
+ "grad_norm": 0.011851202696561813,
539
+ "learning_rate": 1.85735396179187e-05,
540
+ "loss": 1.554,
541
+ "step": 76
542
+ },
543
+ {
544
+ "epoch": 0.2164061127700685,
545
+ "grad_norm": 0.012839299626648426,
546
+ "learning_rate": 1.8525183698604098e-05,
547
+ "loss": 1.5663,
548
+ "step": 77
549
+ },
550
+ {
551
+ "epoch": 0.2192165817670824,
552
+ "grad_norm": 0.013278639875352383,
553
+ "learning_rate": 1.8476086911788588e-05,
554
+ "loss": 1.5674,
555
+ "step": 78
556
+ },
557
+ {
558
+ "epoch": 0.22202705076409626,
559
+ "grad_norm": 0.011714858934283257,
560
+ "learning_rate": 1.8426253524150176e-05,
561
+ "loss": 1.5628,
562
+ "step": 79
563
+ },
564
+ {
565
+ "epoch": 0.22483751976111013,
566
+ "grad_norm": 0.01387378666549921,
567
+ "learning_rate": 1.8375687866379988e-05,
568
+ "loss": 1.5746,
569
+ "step": 80
570
+ },
571
+ {
572
+ "epoch": 0.227647988758124,
573
+ "grad_norm": 0.014316901564598083,
574
+ "learning_rate": 1.8324394332805913e-05,
575
+ "loss": 1.56,
576
+ "step": 81
577
+ },
578
+ {
579
+ "epoch": 0.2304584577551379,
580
+ "grad_norm": 0.013246218673884869,
581
+ "learning_rate": 1.8272377381010726e-05,
582
+ "loss": 1.5604,
583
+ "step": 82
584
+ },
585
+ {
586
+ "epoch": 0.23326892675215177,
587
+ "grad_norm": 0.014117361046373844,
588
+ "learning_rate": 1.8219641531444713e-05,
589
+ "loss": 1.5535,
590
+ "step": 83
591
+ },
592
+ {
593
+ "epoch": 0.23607939574916564,
594
+ "grad_norm": 0.013312868773937225,
595
+ "learning_rate": 1.8166191367032828e-05,
596
+ "loss": 1.5571,
597
+ "step": 84
598
+ },
599
+ {
600
+ "epoch": 0.23888986474617951,
601
+ "grad_norm": 0.012200911529362202,
602
+ "learning_rate": 1.811203153277641e-05,
603
+ "loss": 1.5636,
604
+ "step": 85
605
+ },
606
+ {
607
+ "epoch": 0.24170033374319339,
608
+ "grad_norm": 0.012060770764946938,
609
+ "learning_rate": 1.8057166735349533e-05,
610
+ "loss": 1.5548,
611
+ "step": 86
612
+ },
613
+ {
614
+ "epoch": 0.24451080274020728,
615
+ "grad_norm": 0.01396957691758871,
616
+ "learning_rate": 1.800160174268996e-05,
617
+ "loss": 1.566,
618
+ "step": 87
619
+ },
620
+ {
621
+ "epoch": 0.24732127173722115,
622
+ "grad_norm": 0.017935393378138542,
623
+ "learning_rate": 1.7945341383584818e-05,
624
+ "loss": 1.5705,
625
+ "step": 88
626
+ },
627
+ {
628
+ "epoch": 0.25013174073423505,
629
+ "grad_norm": 0.01408262737095356,
630
+ "learning_rate": 1.7888390547250944e-05,
631
+ "loss": 1.5701,
632
+ "step": 89
633
+ },
634
+ {
635
+ "epoch": 0.2529422097312489,
636
+ "grad_norm": 0.014612286351621151,
637
+ "learning_rate": 1.7830754182909985e-05,
638
+ "loss": 1.56,
639
+ "step": 90
640
+ },
641
+ {
642
+ "epoch": 0.2557526787282628,
643
+ "grad_norm": 0.016053492203354836,
644
+ "learning_rate": 1.7772437299358324e-05,
645
+ "loss": 1.5655,
646
+ "step": 91
647
+ },
648
+ {
649
+ "epoch": 0.25856314772527667,
650
+ "grad_norm": 0.014997400343418121,
651
+ "learning_rate": 1.771344496453177e-05,
652
+ "loss": 1.5692,
653
+ "step": 92
654
+ },
655
+ {
656
+ "epoch": 0.26137361672229054,
657
+ "grad_norm": 0.013961107470095158,
658
+ "learning_rate": 1.7653782305065158e-05,
659
+ "loss": 1.56,
660
+ "step": 93
661
+ },
662
+ {
663
+ "epoch": 0.2641840857193044,
664
+ "grad_norm": 0.015686677768826485,
665
+ "learning_rate": 1.7593454505846807e-05,
666
+ "loss": 1.5561,
667
+ "step": 94
668
+ },
669
+ {
670
+ "epoch": 0.2669945547163183,
671
+ "grad_norm": 0.013397088274359703,
672
+ "learning_rate": 1.753246680956795e-05,
673
+ "loss": 1.5651,
674
+ "step": 95
675
+ },
676
+ {
677
+ "epoch": 0.26980502371333215,
678
+ "grad_norm": 0.014148705638945103,
679
+ "learning_rate": 1.7470824516267125e-05,
680
+ "loss": 1.5538,
681
+ "step": 96
682
+ },
683
+ {
684
+ "epoch": 0.272615492710346,
685
+ "grad_norm": 0.012879609130322933,
686
+ "learning_rate": 1.7408532982869573e-05,
687
+ "loss": 1.5592,
688
+ "step": 97
689
+ },
690
+ {
691
+ "epoch": 0.2754259617073599,
692
+ "grad_norm": 0.012351011857390404,
693
+ "learning_rate": 1.7345597622721727e-05,
694
+ "loss": 1.5633,
695
+ "step": 98
696
+ },
697
+ {
698
+ "epoch": 0.2782364307043738,
699
+ "grad_norm": 0.010927798226475716,
700
+ "learning_rate": 1.7282023905120743e-05,
701
+ "loss": 1.5623,
702
+ "step": 99
703
+ },
704
+ {
705
+ "epoch": 0.2810468997013877,
706
+ "grad_norm": 0.015191658399999142,
707
+ "learning_rate": 1.721781735483921e-05,
708
+ "loss": 1.5585,
709
+ "step": 100
710
+ },
711
+ {
712
+ "epoch": 0.28385736869840156,
713
+ "grad_norm": 0.01361748855561018,
714
+ "learning_rate": 1.7152983551645054e-05,
715
+ "loss": 1.5553,
716
+ "step": 101
717
+ },
718
+ {
719
+ "epoch": 0.28666783769541543,
720
+ "grad_norm": 0.01628255844116211,
721
+ "learning_rate": 1.708752812981659e-05,
722
+ "loss": 1.5681,
723
+ "step": 102
724
+ },
725
+ {
726
+ "epoch": 0.2894783066924293,
727
+ "grad_norm": 0.011448734439909458,
728
+ "learning_rate": 1.702145677765293e-05,
729
+ "loss": 1.5619,
730
+ "step": 103
731
+ },
732
+ {
733
+ "epoch": 0.29228877568944317,
734
+ "grad_norm": 0.0159872155636549,
735
+ "learning_rate": 1.6954775236979616e-05,
736
+ "loss": 1.5528,
737
+ "step": 104
738
+ },
739
+ {
740
+ "epoch": 0.29509924468645704,
741
+ "grad_norm": 0.014284605160355568,
742
+ "learning_rate": 1.6887489302649657e-05,
743
+ "loss": 1.547,
744
+ "step": 105
745
+ },
746
+ {
747
+ "epoch": 0.2979097136834709,
748
+ "grad_norm": 0.014883718453347683,
749
+ "learning_rate": 1.6819604822039924e-05,
750
+ "loss": 1.5608,
751
+ "step": 106
752
+ },
753
+ {
754
+ "epoch": 0.3007201826804848,
755
+ "grad_norm": 0.01631166599690914,
756
+ "learning_rate": 1.6751127694543012e-05,
757
+ "loss": 1.561,
758
+ "step": 107
759
+ },
760
+ {
761
+ "epoch": 0.3035306516774987,
762
+ "grad_norm": 0.014855324290692806,
763
+ "learning_rate": 1.6682063871054534e-05,
764
+ "loss": 1.557,
765
+ "step": 108
766
+ },
767
+ {
768
+ "epoch": 0.3063411206745126,
769
+ "grad_norm": 0.014950740151107311,
770
+ "learning_rate": 1.661241935345599e-05,
771
+ "loss": 1.5686,
772
+ "step": 109
773
+ },
774
+ {
775
+ "epoch": 0.30915158967152645,
776
+ "grad_norm": 0.015889016911387444,
777
+ "learning_rate": 1.654220019409317e-05,
778
+ "loss": 1.5525,
779
+ "step": 110
780
+ },
781
+ {
782
+ "epoch": 0.3119620586685403,
783
+ "grad_norm": 0.012233362533152103,
784
+ "learning_rate": 1.6471412495250195e-05,
785
+ "loss": 1.5586,
786
+ "step": 111
787
+ },
788
+ {
789
+ "epoch": 0.3147725276655542,
790
+ "grad_norm": 0.013401877135038376,
791
+ "learning_rate": 1.640006240861921e-05,
792
+ "loss": 1.5645,
793
+ "step": 112
794
+ },
795
+ {
796
+ "epoch": 0.31758299666256806,
797
+ "grad_norm": 0.012674611061811447,
798
+ "learning_rate": 1.632815613476576e-05,
799
+ "loss": 1.5564,
800
+ "step": 113
801
+ },
802
+ {
803
+ "epoch": 0.32039346565958193,
804
+ "grad_norm": 0.013244451023638248,
805
+ "learning_rate": 1.6255699922589968e-05,
806
+ "loss": 1.5554,
807
+ "step": 114
808
+ },
809
+ {
810
+ "epoch": 0.3232039346565958,
811
+ "grad_norm": 0.013073718175292015,
812
+ "learning_rate": 1.6182700068783463e-05,
813
+ "loss": 1.5561,
814
+ "step": 115
815
+ },
816
+ {
817
+ "epoch": 0.3260144036536097,
818
+ "grad_norm": 0.012644422240555286,
819
+ "learning_rate": 1.610916291728218e-05,
820
+ "loss": 1.5538,
821
+ "step": 116
822
+ },
823
+ {
824
+ "epoch": 0.32882487265062355,
825
+ "grad_norm": 0.013174659572541714,
826
+ "learning_rate": 1.6035094858715065e-05,
827
+ "loss": 1.5509,
828
+ "step": 117
829
+ },
830
+ {
831
+ "epoch": 0.33163534164763747,
832
+ "grad_norm": 0.015327691100537777,
833
+ "learning_rate": 1.5960502329848683e-05,
834
+ "loss": 1.558,
835
+ "step": 118
836
+ },
837
+ {
838
+ "epoch": 0.33444581064465134,
839
+ "grad_norm": 0.011017784476280212,
840
+ "learning_rate": 1.588539181302786e-05,
841
+ "loss": 1.5614,
842
+ "step": 119
843
+ },
844
+ {
845
+ "epoch": 0.3372562796416652,
846
+ "grad_norm": 0.015872148796916008,
847
+ "learning_rate": 1.580976983561235e-05,
848
+ "loss": 1.5557,
849
+ "step": 120
850
+ },
851
+ {
852
+ "epoch": 0.3400667486386791,
853
+ "grad_norm": 0.01222875714302063,
854
+ "learning_rate": 1.5733642969409553e-05,
855
+ "loss": 1.5603,
856
+ "step": 121
857
+ },
858
+ {
859
+ "epoch": 0.34287721763569295,
860
+ "grad_norm": 0.015869170427322388,
861
+ "learning_rate": 1.5657017830103448e-05,
862
+ "loss": 1.5581,
863
+ "step": 122
864
+ },
865
+ {
866
+ "epoch": 0.3456876866327068,
867
+ "grad_norm": 0.01336450781673193,
868
+ "learning_rate": 1.5579901076679625e-05,
869
+ "loss": 1.5663,
870
+ "step": 123
871
+ },
872
+ {
873
+ "epoch": 0.3484981556297207,
874
+ "grad_norm": 0.015786062926054,
875
+ "learning_rate": 1.5502299410846626e-05,
876
+ "loss": 1.5518,
877
+ "step": 124
878
+ },
879
+ {
880
+ "epoch": 0.35130862462673457,
881
+ "grad_norm": 0.01679217629134655,
882
+ "learning_rate": 1.5424219576453526e-05,
883
+ "loss": 1.5535,
884
+ "step": 125
885
+ },
886
+ {
887
+ "epoch": 0.35411909362374844,
888
+ "grad_norm": 0.011585685424506664,
889
+ "learning_rate": 1.5345668358903886e-05,
890
+ "loss": 1.5715,
891
+ "step": 126
892
+ },
893
+ {
894
+ "epoch": 0.35692956262076236,
895
+ "grad_norm": 0.015714086592197418,
896
+ "learning_rate": 1.5266652584566056e-05,
897
+ "loss": 1.5489,
898
+ "step": 127
899
+ },
900
+ {
901
+ "epoch": 0.35974003161777623,
902
+ "grad_norm": 0.013761353679001331,
903
+ "learning_rate": 1.5187179120179969e-05,
904
+ "loss": 1.5515,
905
+ "step": 128
906
+ },
907
+ {
908
+ "epoch": 0.3625505006147901,
909
+ "grad_norm": 0.013305050320923328,
910
+ "learning_rate": 1.5107254872260366e-05,
911
+ "loss": 1.5596,
912
+ "step": 129
913
+ },
914
+ {
915
+ "epoch": 0.365360969611804,
916
+ "grad_norm": 0.013329329900443554,
917
+ "learning_rate": 1.5026886786496624e-05,
918
+ "loss": 1.5488,
919
+ "step": 130
920
+ },
921
+ {
922
+ "epoch": 0.36817143860881785,
923
+ "grad_norm": 0.014221809804439545,
924
+ "learning_rate": 1.4946081847149134e-05,
925
+ "loss": 1.5536,
926
+ "step": 131
927
+ },
928
+ {
929
+ "epoch": 0.3709819076058317,
930
+ "grad_norm": 0.011903174221515656,
931
+ "learning_rate": 1.4864847076442358e-05,
932
+ "loss": 1.5612,
933
+ "step": 132
934
+ },
935
+ {
936
+ "epoch": 0.3737923766028456,
937
+ "grad_norm": 0.012618706561625004,
938
+ "learning_rate": 1.4783189533954555e-05,
939
+ "loss": 1.5578,
940
+ "step": 133
941
+ },
942
+ {
943
+ "epoch": 0.37660284559985946,
944
+ "grad_norm": 0.012923737987875938,
945
+ "learning_rate": 1.4701116316004307e-05,
946
+ "loss": 1.5619,
947
+ "step": 134
948
+ },
949
+ {
950
+ "epoch": 0.37941331459687333,
951
+ "grad_norm": 0.012171992100775242,
952
+ "learning_rate": 1.46186345550338e-05,
953
+ "loss": 1.5596,
954
+ "step": 135
955
+ },
956
+ {
957
+ "epoch": 0.38222378359388726,
958
+ "grad_norm": 0.014030322432518005,
959
+ "learning_rate": 1.4535751418989e-05,
960
+ "loss": 1.5541,
961
+ "step": 136
962
+ },
963
+ {
964
+ "epoch": 0.3850342525909011,
965
+ "grad_norm": 0.012220495380461216,
966
+ "learning_rate": 1.4452474110696738e-05,
967
+ "loss": 1.55,
968
+ "step": 137
969
+ },
970
+ {
971
+ "epoch": 0.387844721587915,
972
+ "grad_norm": 0.013919586315751076,
973
+ "learning_rate": 1.4368809867238754e-05,
974
+ "loss": 1.5607,
975
+ "step": 138
976
+ },
977
+ {
978
+ "epoch": 0.39065519058492887,
979
+ "grad_norm": 0.011982360854744911,
980
+ "learning_rate": 1.4284765959322772e-05,
981
+ "loss": 1.5464,
982
+ "step": 139
983
+ },
984
+ {
985
+ "epoch": 0.39346565958194274,
986
+ "grad_norm": 0.012515905313193798,
987
+ "learning_rate": 1.4200349690650654e-05,
988
+ "loss": 1.5645,
989
+ "step": 140
990
+ },
991
+ {
992
+ "epoch": 0.3962761285789566,
993
+ "grad_norm": 0.011968614533543587,
994
+ "learning_rate": 1.411556839728367e-05,
995
+ "loss": 1.5559,
996
+ "step": 141
997
+ },
998
+ {
999
+ "epoch": 0.3990865975759705,
1000
+ "grad_norm": 0.010865562595427036,
1001
+ "learning_rate": 1.4030429447004992e-05,
1002
+ "loss": 1.5617,
1003
+ "step": 142
1004
+ },
1005
+ {
1006
+ "epoch": 0.40189706657298435,
1007
+ "grad_norm": 0.013639074750244617,
1008
+ "learning_rate": 1.3944940238679384e-05,
1009
+ "loss": 1.5469,
1010
+ "step": 143
1011
+ },
1012
+ {
1013
+ "epoch": 0.4047075355699982,
1014
+ "grad_norm": 0.0128669748082757,
1015
+ "learning_rate": 1.3859108201610236e-05,
1016
+ "loss": 1.5466,
1017
+ "step": 144
1018
+ },
1019
+ {
1020
+ "epoch": 0.4075180045670121,
1021
+ "grad_norm": 0.011727554723620415,
1022
+ "learning_rate": 1.3772940794893916e-05,
1023
+ "loss": 1.5523,
1024
+ "step": 145
1025
+ },
1026
+ {
1027
+ "epoch": 0.410328473564026,
1028
+ "grad_norm": 0.015109344385564327,
1029
+ "learning_rate": 1.368644550677157e-05,
1030
+ "loss": 1.5554,
1031
+ "step": 146
1032
+ },
1033
+ {
1034
+ "epoch": 0.4131389425610399,
1035
+ "grad_norm": 0.013233068399131298,
1036
+ "learning_rate": 1.3599629853978342e-05,
1037
+ "loss": 1.5594,
1038
+ "step": 147
1039
+ },
1040
+ {
1041
+ "epoch": 0.41594941155805376,
1042
+ "grad_norm": 0.014392644166946411,
1043
+ "learning_rate": 1.3512501381090158e-05,
1044
+ "loss": 1.5603,
1045
+ "step": 148
1046
+ },
1047
+ {
1048
+ "epoch": 0.41875988055506763,
1049
+ "grad_norm": 0.011739206500351429,
1050
+ "learning_rate": 1.3425067659868084e-05,
1051
+ "loss": 1.5508,
1052
+ "step": 149
1053
+ },
1054
+ {
1055
+ "epoch": 0.4215703495520815,
1056
+ "grad_norm": 0.016567695885896683,
1057
+ "learning_rate": 1.3337336288600297e-05,
1058
+ "loss": 1.5529,
1059
+ "step": 150
1060
+ },
1061
+ {
1062
+ "epoch": 0.4243808185490954,
1063
+ "grad_norm": 0.01213662326335907,
1064
+ "learning_rate": 1.324931489144178e-05,
1065
+ "loss": 1.5468,
1066
+ "step": 151
1067
+ },
1068
+ {
1069
+ "epoch": 0.42719128754610924,
1070
+ "grad_norm": 0.01404926273971796,
1071
+ "learning_rate": 1.3161011117751756e-05,
1072
+ "loss": 1.5564,
1073
+ "step": 152
1074
+ },
1075
+ {
1076
+ "epoch": 0.4300017565431231,
1077
+ "grad_norm": 0.013470892794430256,
1078
+ "learning_rate": 1.3072432641428931e-05,
1079
+ "loss": 1.5541,
1080
+ "step": 153
1081
+ },
1082
+ {
1083
+ "epoch": 0.432812225540137,
1084
+ "grad_norm": 0.01260072086006403,
1085
+ "learning_rate": 1.2983587160244602e-05,
1086
+ "loss": 1.5453,
1087
+ "step": 154
1088
+ },
1089
+ {
1090
+ "epoch": 0.4356226945371509,
1091
+ "grad_norm": 0.012238179333508015,
1092
+ "learning_rate": 1.2894482395173695e-05,
1093
+ "loss": 1.5541,
1094
+ "step": 155
1095
+ },
1096
+ {
1097
+ "epoch": 0.4384331635341648,
1098
+ "grad_norm": 0.014110546559095383,
1099
+ "learning_rate": 1.2805126089723798e-05,
1100
+ "loss": 1.5606,
1101
+ "step": 156
1102
+ },
1103
+ {
1104
+ "epoch": 0.44124363253117865,
1105
+ "grad_norm": 0.011262672953307629,
1106
+ "learning_rate": 1.2715526009262209e-05,
1107
+ "loss": 1.5603,
1108
+ "step": 157
1109
+ },
1110
+ {
1111
+ "epoch": 0.4440541015281925,
1112
+ "grad_norm": 0.014026992954313755,
1113
+ "learning_rate": 1.2625689940341102e-05,
1114
+ "loss": 1.5462,
1115
+ "step": 158
1116
+ },
1117
+ {
1118
+ "epoch": 0.4468645705252064,
1119
+ "grad_norm": 0.011127503588795662,
1120
+ "learning_rate": 1.2535625690020861e-05,
1121
+ "loss": 1.5497,
1122
+ "step": 159
1123
+ },
1124
+ {
1125
+ "epoch": 0.44967503952222027,
1126
+ "grad_norm": 0.014035338535904884,
1127
+ "learning_rate": 1.24453410851916e-05,
1128
+ "loss": 1.5551,
1129
+ "step": 160
1130
+ },
1131
+ {
1132
+ "epoch": 0.45248550851923414,
1133
+ "grad_norm": 0.01174125261604786,
1134
+ "learning_rate": 1.2354843971892998e-05,
1135
+ "loss": 1.5494,
1136
+ "step": 161
1137
+ },
1138
+ {
1139
+ "epoch": 0.455295977516248,
1140
+ "grad_norm": 0.013476992025971413,
1141
+ "learning_rate": 1.2264142214632441e-05,
1142
+ "loss": 1.5622,
1143
+ "step": 162
1144
+ },
1145
+ {
1146
+ "epoch": 0.4581064465132619,
1147
+ "grad_norm": 0.012524358928203583,
1148
+ "learning_rate": 1.2173243695701575e-05,
1149
+ "loss": 1.5512,
1150
+ "step": 163
1151
+ },
1152
+ {
1153
+ "epoch": 0.4609169155102758,
1154
+ "grad_norm": 0.011893150396645069,
1155
+ "learning_rate": 1.2082156314491298e-05,
1156
+ "loss": 1.5601,
1157
+ "step": 164
1158
+ },
1159
+ {
1160
+ "epoch": 0.4637273845072897,
1161
+ "grad_norm": 0.011717031709849834,
1162
+ "learning_rate": 1.1990887986805295e-05,
1163
+ "loss": 1.5401,
1164
+ "step": 165
1165
+ },
1166
+ {
1167
+ "epoch": 0.46653785350430355,
1168
+ "grad_norm": 0.01049530878663063,
1169
+ "learning_rate": 1.1899446644172106e-05,
1170
+ "loss": 1.5434,
1171
+ "step": 166
1172
+ },
1173
+ {
1174
+ "epoch": 0.4693483225013174,
1175
+ "grad_norm": 0.013684769161045551,
1176
+ "learning_rate": 1.1807840233155863e-05,
1177
+ "loss": 1.5473,
1178
+ "step": 167
1179
+ },
1180
+ {
1181
+ "epoch": 0.4721587914983313,
1182
+ "grad_norm": 0.010303209535777569,
1183
+ "learning_rate": 1.1716076714665701e-05,
1184
+ "loss": 1.5534,
1185
+ "step": 168
1186
+ },
1187
+ {
1188
+ "epoch": 0.47496926049534516,
1189
+ "grad_norm": 0.013134041801095009,
1190
+ "learning_rate": 1.1624164063263931e-05,
1191
+ "loss": 1.54,
1192
+ "step": 169
1193
+ },
1194
+ {
1195
+ "epoch": 0.47777972949235903,
1196
+ "grad_norm": 0.011170011013746262,
1197
+ "learning_rate": 1.1532110266473026e-05,
1198
+ "loss": 1.5519,
1199
+ "step": 170
1200
+ },
1201
+ {
1202
+ "epoch": 0.4805901984893729,
1203
+ "grad_norm": 0.01223431620746851,
1204
+ "learning_rate": 1.1439923324081465e-05,
1205
+ "loss": 1.5461,
1206
+ "step": 171
1207
+ },
1208
+ {
1209
+ "epoch": 0.48340066748638677,
1210
+ "grad_norm": 0.01103509496897459,
1211
+ "learning_rate": 1.1347611247448544e-05,
1212
+ "loss": 1.5469,
1213
+ "step": 172
1214
+ },
1215
+ {
1216
+ "epoch": 0.48621113648340064,
1217
+ "grad_norm": 0.012365833856165409,
1218
+ "learning_rate": 1.1255182058808143e-05,
1219
+ "loss": 1.5546,
1220
+ "step": 173
1221
+ },
1222
+ {
1223
+ "epoch": 0.48902160548041457,
1224
+ "grad_norm": 0.011856972239911556,
1225
+ "learning_rate": 1.1162643790571574e-05,
1226
+ "loss": 1.5493,
1227
+ "step": 174
1228
+ },
1229
+ {
1230
+ "epoch": 0.49183207447742844,
1231
+ "grad_norm": 0.011247235350310802,
1232
+ "learning_rate": 1.1070004484629543e-05,
1233
+ "loss": 1.5485,
1234
+ "step": 175
1235
+ },
1236
+ {
1237
+ "epoch": 0.4946425434744423,
1238
+ "grad_norm": 0.010246271267533302,
1239
+ "learning_rate": 1.0977272191653272e-05,
1240
+ "loss": 1.5385,
1241
+ "step": 176
1242
+ },
1243
+ {
1244
+ "epoch": 0.4974530124714562,
1245
+ "grad_norm": 0.011663992889225483,
1246
+ "learning_rate": 1.0884454970394871e-05,
1247
+ "loss": 1.5543,
1248
+ "step": 177
1249
+ },
1250
+ {
1251
+ "epoch": 0.5002634814684701,
1252
+ "grad_norm": 0.011617216281592846,
1253
+ "learning_rate": 1.0791560886987016e-05,
1254
+ "loss": 1.5621,
1255
+ "step": 178
1256
+ },
1257
+ {
1258
+ "epoch": 0.503073950465484,
1259
+ "grad_norm": 0.010127879679203033,
1260
+ "learning_rate": 1.069859801424196e-05,
1261
+ "loss": 1.547,
1262
+ "step": 179
1263
+ },
1264
+ {
1265
+ "epoch": 0.5058844194624978,
1266
+ "grad_norm": 0.01151992380619049,
1267
+ "learning_rate": 1.0605574430949983e-05,
1268
+ "loss": 1.5496,
1269
+ "step": 180
1270
+ },
1271
+ {
1272
+ "epoch": 0.5086948884595117,
1273
+ "grad_norm": 0.012575927190482616,
1274
+ "learning_rate": 1.0512498221177319e-05,
1275
+ "loss": 1.5523,
1276
+ "step": 181
1277
+ },
1278
+ {
1279
+ "epoch": 0.5115053574565256,
1280
+ "grad_norm": 0.011552478186786175,
1281
+ "learning_rate": 1.0419377473563621e-05,
1282
+ "loss": 1.5537,
1283
+ "step": 182
1284
+ },
1285
+ {
1286
+ "epoch": 0.5143158264535395,
1287
+ "grad_norm": 0.010599706321954727,
1288
+ "learning_rate": 1.0326220280619036e-05,
1289
+ "loss": 1.5448,
1290
+ "step": 183
1291
+ },
1292
+ {
1293
+ "epoch": 0.5171262954505533,
1294
+ "grad_norm": 0.010817637667059898,
1295
+ "learning_rate": 1.0233034738020933e-05,
1296
+ "loss": 1.5503,
1297
+ "step": 184
1298
+ },
1299
+ {
1300
+ "epoch": 0.5199367644475672,
1301
+ "grad_norm": 0.012649599462747574,
1302
+ "learning_rate": 1.0139828943910358e-05,
1303
+ "loss": 1.5486,
1304
+ "step": 185
1305
+ },
1306
+ {
1307
+ "epoch": 0.5227472334445811,
1308
+ "grad_norm": 0.012253242544829845,
1309
+ "learning_rate": 1.004661099818829e-05,
1310
+ "loss": 1.5514,
1311
+ "step": 186
1312
+ },
1313
+ {
1314
+ "epoch": 0.5255577024415949,
1315
+ "grad_norm": 0.011790635995566845,
1316
+ "learning_rate": 9.953389001811716e-06,
1317
+ "loss": 1.5518,
1318
+ "step": 187
1319
+ },
1320
+ {
1321
+ "epoch": 0.5283681714386088,
1322
+ "grad_norm": 0.013327023014426231,
1323
+ "learning_rate": 9.860171056089646e-06,
1324
+ "loss": 1.5424,
1325
+ "step": 188
1326
+ },
1327
+ {
1328
+ "epoch": 0.5311786404356227,
1329
+ "grad_norm": 0.0112162996083498,
1330
+ "learning_rate": 9.766965261979072e-06,
1331
+ "loss": 1.5488,
1332
+ "step": 189
1333
+ },
1334
+ {
1335
+ "epoch": 0.5339891094326366,
1336
+ "grad_norm": 0.012566052377223969,
1337
+ "learning_rate": 9.673779719380967e-06,
1338
+ "loss": 1.5452,
1339
+ "step": 190
1340
+ },
1341
+ {
1342
+ "epoch": 0.5367995784296504,
1343
+ "grad_norm": 0.012440058402717113,
1344
+ "learning_rate": 9.580622526436382e-06,
1345
+ "loss": 1.5457,
1346
+ "step": 191
1347
+ },
1348
+ {
1349
+ "epoch": 0.5396100474266643,
1350
+ "grad_norm": 0.011921185068786144,
1351
+ "learning_rate": 9.487501778822685e-06,
1352
+ "loss": 1.5413,
1353
+ "step": 192
1354
+ },
1355
+ {
1356
+ "epoch": 0.5424205164236782,
1357
+ "grad_norm": 0.011896064504981041,
1358
+ "learning_rate": 9.394425569050018e-06,
1359
+ "loss": 1.5423,
1360
+ "step": 193
1361
+ },
1362
+ {
1363
+ "epoch": 0.545230985420692,
1364
+ "grad_norm": 0.01354946568608284,
1365
+ "learning_rate": 9.30140198575804e-06,
1366
+ "loss": 1.5523,
1367
+ "step": 194
1368
+ },
1369
+ {
1370
+ "epoch": 0.5480414544177059,
1371
+ "grad_norm": 0.011999576352536678,
1372
+ "learning_rate": 9.208439113012984e-06,
1373
+ "loss": 1.5367,
1374
+ "step": 195
1375
+ },
1376
+ {
1377
+ "epoch": 0.5508519234147198,
1378
+ "grad_norm": 0.012224970385432243,
1379
+ "learning_rate": 9.115545029605129e-06,
1380
+ "loss": 1.5564,
1381
+ "step": 196
1382
+ },
1383
+ {
1384
+ "epoch": 0.5536623924117338,
1385
+ "grad_norm": 0.012914243154227734,
1386
+ "learning_rate": 9.022727808346731e-06,
1387
+ "loss": 1.5426,
1388
+ "step": 197
1389
+ },
1390
+ {
1391
+ "epoch": 0.5564728614087476,
1392
+ "grad_norm": 0.012274730019271374,
1393
+ "learning_rate": 8.92999551537046e-06,
1394
+ "loss": 1.5454,
1395
+ "step": 198
1396
+ },
1397
+ {
1398
+ "epoch": 0.5592833304057615,
1399
+ "grad_norm": 0.010419441387057304,
1400
+ "learning_rate": 8.837356209428428e-06,
1401
+ "loss": 1.5388,
1402
+ "step": 199
1403
+ },
1404
+ {
1405
+ "epoch": 0.5620937994027754,
1406
+ "grad_norm": 0.012639000080525875,
1407
+ "learning_rate": 8.744817941191862e-06,
1408
+ "loss": 1.5451,
1409
+ "step": 200
1410
+ },
1411
+ {
1412
+ "epoch": 0.5649042683997892,
1413
+ "grad_norm": 0.01181803084909916,
1414
+ "learning_rate": 8.652388752551458e-06,
1415
+ "loss": 1.548,
1416
+ "step": 201
1417
+ },
1418
+ {
1419
+ "epoch": 0.5677147373968031,
1420
+ "grad_norm": 0.01122727058827877,
1421
+ "learning_rate": 8.560076675918537e-06,
1422
+ "loss": 1.5531,
1423
+ "step": 202
1424
+ },
1425
+ {
1426
+ "epoch": 0.570525206393817,
1427
+ "grad_norm": 0.011986492201685905,
1428
+ "learning_rate": 8.467889733526977e-06,
1429
+ "loss": 1.5334,
1430
+ "step": 203
1431
+ },
1432
+ {
1433
+ "epoch": 0.5733356753908309,
1434
+ "grad_norm": 0.01114217285066843,
1435
+ "learning_rate": 8.375835936736072e-06,
1436
+ "loss": 1.539,
1437
+ "step": 204
1438
+ },
1439
+ {
1440
+ "epoch": 0.5761461443878447,
1441
+ "grad_norm": 0.011127611622214317,
1442
+ "learning_rate": 8.283923285334304e-06,
1443
+ "loss": 1.546,
1444
+ "step": 205
1445
+ },
1446
+ {
1447
+ "epoch": 0.5789566133848586,
1448
+ "grad_norm": 0.011980608105659485,
1449
+ "learning_rate": 8.19215976684414e-06,
1450
+ "loss": 1.5556,
1451
+ "step": 206
1452
+ },
1453
+ {
1454
+ "epoch": 0.5817670823818725,
1455
+ "grad_norm": 0.011237296275794506,
1456
+ "learning_rate": 8.100553355827897e-06,
1457
+ "loss": 1.5368,
1458
+ "step": 207
1459
+ },
1460
+ {
1461
+ "epoch": 0.5845775513788863,
1462
+ "grad_norm": 0.01083777192980051,
1463
+ "learning_rate": 8.009112013194707e-06,
1464
+ "loss": 1.5404,
1465
+ "step": 208
1466
+ },
1467
+ {
1468
+ "epoch": 0.5873880203759002,
1469
+ "grad_norm": 0.01118643768131733,
1470
+ "learning_rate": 7.917843685508702e-06,
1471
+ "loss": 1.5405,
1472
+ "step": 209
1473
+ },
1474
+ {
1475
+ "epoch": 0.5901984893729141,
1476
+ "grad_norm": 0.012426355853676796,
1477
+ "learning_rate": 7.826756304298428e-06,
1478
+ "loss": 1.5497,
1479
+ "step": 210
1480
+ },
1481
+ {
1482
+ "epoch": 0.593008958369928,
1483
+ "grad_norm": 0.011632665991783142,
1484
+ "learning_rate": 7.73585778536756e-06,
1485
+ "loss": 1.5395,
1486
+ "step": 211
1487
+ },
1488
+ {
1489
+ "epoch": 0.5958194273669418,
1490
+ "grad_norm": 0.010038619861006737,
1491
+ "learning_rate": 7.645156028107005e-06,
1492
+ "loss": 1.5388,
1493
+ "step": 212
1494
+ },
1495
+ {
1496
+ "epoch": 0.5986298963639557,
1497
+ "grad_norm": 0.01042498741298914,
1498
+ "learning_rate": 7.554658914808404e-06,
1499
+ "loss": 1.5446,
1500
+ "step": 213
1501
+ },
1502
+ {
1503
+ "epoch": 0.6014403653609696,
1504
+ "grad_norm": 0.009714511223137379,
1505
+ "learning_rate": 7.464374309979143e-06,
1506
+ "loss": 1.545,
1507
+ "step": 214
1508
+ },
1509
+ {
1510
+ "epoch": 0.6042508343579834,
1511
+ "grad_norm": 0.011047974228858948,
1512
+ "learning_rate": 7.3743100596589e-06,
1513
+ "loss": 1.5496,
1514
+ "step": 215
1515
+ },
1516
+ {
1517
+ "epoch": 0.6070613033549974,
1518
+ "grad_norm": 0.009808655828237534,
1519
+ "learning_rate": 7.284473990737795e-06,
1520
+ "loss": 1.542,
1521
+ "step": 216
1522
+ },
1523
+ {
1524
+ "epoch": 0.6098717723520113,
1525
+ "grad_norm": 0.010092736221849918,
1526
+ "learning_rate": 7.194873910276205e-06,
1527
+ "loss": 1.5517,
1528
+ "step": 217
1529
+ },
1530
+ {
1531
+ "epoch": 0.6126822413490252,
1532
+ "grad_norm": 0.01010197214782238,
1533
+ "learning_rate": 7.1055176048263085e-06,
1534
+ "loss": 1.541,
1535
+ "step": 218
1536
+ },
1537
+ {
1538
+ "epoch": 0.615492710346039,
1539
+ "grad_norm": 0.011126919649541378,
1540
+ "learning_rate": 7.0164128397554e-06,
1541
+ "loss": 1.5582,
1542
+ "step": 219
1543
+ },
1544
+ {
1545
+ "epoch": 0.6183031793430529,
1546
+ "grad_norm": 0.01078337524086237,
1547
+ "learning_rate": 6.92756735857107e-06,
1548
+ "loss": 1.5438,
1549
+ "step": 220
1550
+ },
1551
+ {
1552
+ "epoch": 0.6211136483400668,
1553
+ "grad_norm": 0.010446320287883282,
1554
+ "learning_rate": 6.838988882248243e-06,
1555
+ "loss": 1.5448,
1556
+ "step": 221
1557
+ },
1558
+ {
1559
+ "epoch": 0.6239241173370806,
1560
+ "grad_norm": 0.011228025890886784,
1561
+ "learning_rate": 6.750685108558221e-06,
1562
+ "loss": 1.5347,
1563
+ "step": 222
1564
+ },
1565
+ {
1566
+ "epoch": 0.6267345863340945,
1567
+ "grad_norm": 0.012325327843427658,
1568
+ "learning_rate": 6.662663711399705e-06,
1569
+ "loss": 1.5537,
1570
+ "step": 223
1571
+ },
1572
+ {
1573
+ "epoch": 0.6295450553311084,
1574
+ "grad_norm": 0.01042882353067398,
1575
+ "learning_rate": 6.574932340131917e-06,
1576
+ "loss": 1.55,
1577
+ "step": 224
1578
+ },
1579
+ {
1580
+ "epoch": 0.6323555243281223,
1581
+ "grad_norm": 0.012044312432408333,
1582
+ "learning_rate": 6.487498618909845e-06,
1583
+ "loss": 1.5485,
1584
+ "step": 225
1585
+ },
1586
+ {
1587
+ "epoch": 0.6351659933251361,
1588
+ "grad_norm": 0.01117675006389618,
1589
+ "learning_rate": 6.400370146021662e-06,
1590
+ "loss": 1.5488,
1591
+ "step": 226
1592
+ },
1593
+ {
1594
+ "epoch": 0.63797646232215,
1595
+ "grad_norm": 0.010941598564386368,
1596
+ "learning_rate": 6.313554493228431e-06,
1597
+ "loss": 1.5456,
1598
+ "step": 227
1599
+ },
1600
+ {
1601
+ "epoch": 0.6407869313191639,
1602
+ "grad_norm": 0.011893962509930134,
1603
+ "learning_rate": 6.227059205106085e-06,
1604
+ "loss": 1.543,
1605
+ "step": 228
1606
+ },
1607
+ {
1608
+ "epoch": 0.6435974003161777,
1609
+ "grad_norm": 0.010805683210492134,
1610
+ "learning_rate": 6.14089179838977e-06,
1611
+ "loss": 1.5479,
1612
+ "step": 229
1613
+ },
1614
+ {
1615
+ "epoch": 0.6464078693131916,
1616
+ "grad_norm": 0.011175237596035004,
1617
+ "learning_rate": 6.0550597613206205e-06,
1618
+ "loss": 1.5399,
1619
+ "step": 230
1620
+ },
1621
+ {
1622
+ "epoch": 0.6492183383102055,
1623
+ "grad_norm": 0.011044224724173546,
1624
+ "learning_rate": 5.969570552995014e-06,
1625
+ "loss": 1.547,
1626
+ "step": 231
1627
+ },
1628
+ {
1629
+ "epoch": 0.6520288073072193,
1630
+ "grad_norm": 0.010453018359839916,
1631
+ "learning_rate": 5.8844316027163315e-06,
1632
+ "loss": 1.5468,
1633
+ "step": 232
1634
+ },
1635
+ {
1636
+ "epoch": 0.6548392763042332,
1637
+ "grad_norm": 0.010159061290323734,
1638
+ "learning_rate": 5.799650309349348e-06,
1639
+ "loss": 1.536,
1640
+ "step": 233
1641
+ },
1642
+ {
1643
+ "epoch": 0.6576497453012471,
1644
+ "grad_norm": 0.010464577935636044,
1645
+ "learning_rate": 5.715234040677229e-06,
1646
+ "loss": 1.5529,
1647
+ "step": 234
1648
+ },
1649
+ {
1650
+ "epoch": 0.6604602142982611,
1651
+ "grad_norm": 0.01091894879937172,
1652
+ "learning_rate": 5.631190132761247e-06,
1653
+ "loss": 1.5445,
1654
+ "step": 235
1655
+ },
1656
+ {
1657
+ "epoch": 0.6632706832952749,
1658
+ "grad_norm": 0.011955167166888714,
1659
+ "learning_rate": 5.547525889303265e-06,
1660
+ "loss": 1.54,
1661
+ "step": 236
1662
+ },
1663
+ {
1664
+ "epoch": 0.6660811522922888,
1665
+ "grad_norm": 0.010030088014900684,
1666
+ "learning_rate": 5.464248581011002e-06,
1667
+ "loss": 1.5453,
1668
+ "step": 237
1669
+ },
1670
+ {
1671
+ "epoch": 0.6688916212893027,
1672
+ "grad_norm": 0.009817596524953842,
1673
+ "learning_rate": 5.381365444966205e-06,
1674
+ "loss": 1.5367,
1675
+ "step": 238
1676
+ },
1677
+ {
1678
+ "epoch": 0.6717020902863166,
1679
+ "grad_norm": 0.010095087811350822,
1680
+ "learning_rate": 5.298883683995697e-06,
1681
+ "loss": 1.5559,
1682
+ "step": 239
1683
+ },
1684
+ {
1685
+ "epoch": 0.6745125592833304,
1686
+ "grad_norm": 0.010223811492323875,
1687
+ "learning_rate": 5.216810466045448e-06,
1688
+ "loss": 1.5406,
1689
+ "step": 240
1690
+ },
1691
+ {
1692
+ "epoch": 0.6773230282803443,
1693
+ "grad_norm": 0.009899747557938099,
1694
+ "learning_rate": 5.135152923557647e-06,
1695
+ "loss": 1.5395,
1696
+ "step": 241
1697
+ },
1698
+ {
1699
+ "epoch": 0.6801334972773582,
1700
+ "grad_norm": 0.009352842345833778,
1701
+ "learning_rate": 5.053918152850868e-06,
1702
+ "loss": 1.5423,
1703
+ "step": 242
1704
+ },
1705
+ {
1706
+ "epoch": 0.682943966274372,
1707
+ "grad_norm": 0.0106782466173172,
1708
+ "learning_rate": 4.973113213503379e-06,
1709
+ "loss": 1.5397,
1710
+ "step": 243
1711
+ },
1712
+ {
1713
+ "epoch": 0.6857544352713859,
1714
+ "grad_norm": 0.010458718985319138,
1715
+ "learning_rate": 4.8927451277396365e-06,
1716
+ "loss": 1.5264,
1717
+ "step": 244
1718
+ },
1719
+ {
1720
+ "epoch": 0.6885649042683998,
1721
+ "grad_norm": 0.01009244006127119,
1722
+ "learning_rate": 4.812820879820034e-06,
1723
+ "loss": 1.5512,
1724
+ "step": 245
1725
+ },
1726
+ {
1727
+ "epoch": 0.6913753732654137,
1728
+ "grad_norm": 0.009827625937759876,
1729
+ "learning_rate": 4.733347415433946e-06,
1730
+ "loss": 1.5421,
1731
+ "step": 246
1732
+ },
1733
+ {
1734
+ "epoch": 0.6941858422624275,
1735
+ "grad_norm": 0.010725892148911953,
1736
+ "learning_rate": 4.654331641096118e-06,
1737
+ "loss": 1.5447,
1738
+ "step": 247
1739
+ },
1740
+ {
1741
+ "epoch": 0.6969963112594414,
1742
+ "grad_norm": 0.009530246257781982,
1743
+ "learning_rate": 4.575780423546476e-06,
1744
+ "loss": 1.5429,
1745
+ "step": 248
1746
+ },
1747
+ {
1748
+ "epoch": 0.6998067802564553,
1749
+ "grad_norm": 0.009370286948978901,
1750
+ "learning_rate": 4.497700589153379e-06,
1751
+ "loss": 1.54,
1752
+ "step": 249
1753
+ },
1754
+ {
1755
+ "epoch": 0.7026172492534691,
1756
+ "grad_norm": 0.010170893743634224,
1757
+ "learning_rate": 4.420098923320378e-06,
1758
+ "loss": 1.5448,
1759
+ "step": 250
1760
+ },
1761
+ {
1762
+ "epoch": 0.705427718250483,
1763
+ "grad_norm": 0.01000099815428257,
1764
+ "learning_rate": 4.342982169896555e-06,
1765
+ "loss": 1.5377,
1766
+ "step": 251
1767
+ },
1768
+ {
1769
+ "epoch": 0.7082381872474969,
1770
+ "grad_norm": 0.010095086880028248,
1771
+ "learning_rate": 4.266357030590449e-06,
1772
+ "loss": 1.5321,
1773
+ "step": 252
1774
+ },
1775
+ {
1776
+ "epoch": 0.7110486562445109,
1777
+ "grad_norm": 0.009943116456270218,
1778
+ "learning_rate": 4.1902301643876555e-06,
1779
+ "loss": 1.543,
1780
+ "step": 253
1781
+ },
1782
+ {
1783
+ "epoch": 0.7138591252415247,
1784
+ "grad_norm": 0.009373177774250507,
1785
+ "learning_rate": 4.114608186972143e-06,
1786
+ "loss": 1.5432,
1787
+ "step": 254
1788
+ },
1789
+ {
1790
+ "epoch": 0.7166695942385386,
1791
+ "grad_norm": 0.009264045394957066,
1792
+ "learning_rate": 4.0394976701513235e-06,
1793
+ "loss": 1.5501,
1794
+ "step": 255
1795
+ },
1796
+ {
1797
+ "epoch": 0.7194800632355525,
1798
+ "grad_norm": 0.00987312849611044,
1799
+ "learning_rate": 3.96490514128494e-06,
1800
+ "loss": 1.5376,
1801
+ "step": 256
1802
+ },
1803
+ {
1804
+ "epoch": 0.7222905322325663,
1805
+ "grad_norm": 0.010003172792494297,
1806
+ "learning_rate": 3.890837082717822e-06,
1807
+ "loss": 1.5424,
1808
+ "step": 257
1809
+ },
1810
+ {
1811
+ "epoch": 0.7251010012295802,
1812
+ "grad_norm": 0.009270971640944481,
1813
+ "learning_rate": 3.817299931216537e-06,
1814
+ "loss": 1.5453,
1815
+ "step": 258
1816
+ },
1817
+ {
1818
+ "epoch": 0.7279114702265941,
1819
+ "grad_norm": 0.009572354145348072,
1820
+ "learning_rate": 3.74430007741003e-06,
1821
+ "loss": 1.5325,
1822
+ "step": 259
1823
+ },
1824
+ {
1825
+ "epoch": 0.730721939223608,
1826
+ "grad_norm": 0.009282928891479969,
1827
+ "learning_rate": 3.671843865234238e-06,
1828
+ "loss": 1.5447,
1829
+ "step": 260
1830
+ },
1831
+ {
1832
+ "epoch": 0.7335324082206218,
1833
+ "grad_norm": 0.0098671093583107,
1834
+ "learning_rate": 3.599937591380791e-06,
1835
+ "loss": 1.5466,
1836
+ "step": 261
1837
+ },
1838
+ {
1839
+ "epoch": 0.7363428772176357,
1840
+ "grad_norm": 0.010173565708100796,
1841
+ "learning_rate": 3.5285875047498075e-06,
1842
+ "loss": 1.5347,
1843
+ "step": 262
1844
+ },
1845
+ {
1846
+ "epoch": 0.7391533462146496,
1847
+ "grad_norm": 0.0094713494181633,
1848
+ "learning_rate": 3.4577998059068354e-06,
1849
+ "loss": 1.542,
1850
+ "step": 263
1851
+ },
1852
+ {
1853
+ "epoch": 0.7419638152116634,
1854
+ "grad_norm": 0.009647979401051998,
1855
+ "learning_rate": 3.3875806465440152e-06,
1856
+ "loss": 1.5437,
1857
+ "step": 264
1858
+ },
1859
+ {
1860
+ "epoch": 0.7447742842086773,
1861
+ "grad_norm": 0.009664146229624748,
1862
+ "learning_rate": 3.3179361289454694e-06,
1863
+ "loss": 1.5406,
1864
+ "step": 265
1865
+ },
1866
+ {
1867
+ "epoch": 0.7475847532056912,
1868
+ "grad_norm": 0.010614863596856594,
1869
+ "learning_rate": 3.2488723054569905e-06,
1870
+ "loss": 1.5512,
1871
+ "step": 266
1872
+ },
1873
+ {
1874
+ "epoch": 0.750395222202705,
1875
+ "grad_norm": 0.009987459518015385,
1876
+ "learning_rate": 3.1803951779600774e-06,
1877
+ "loss": 1.5341,
1878
+ "step": 267
1879
+ },
1880
+ {
1881
+ "epoch": 0.7532056911997189,
1882
+ "grad_norm": 0.009676804766058922,
1883
+ "learning_rate": 3.112510697350348e-06,
1884
+ "loss": 1.5457,
1885
+ "step": 268
1886
+ },
1887
+ {
1888
+ "epoch": 0.7560161601967328,
1889
+ "grad_norm": 0.010411749593913555,
1890
+ "learning_rate": 3.04522476302039e-06,
1891
+ "loss": 1.5456,
1892
+ "step": 269
1893
+ },
1894
+ {
1895
+ "epoch": 0.7588266291937467,
1896
+ "grad_norm": 0.010124873369932175,
1897
+ "learning_rate": 2.978543222347076e-06,
1898
+ "loss": 1.5452,
1899
+ "step": 270
1900
+ },
1901
+ {
1902
+ "epoch": 0.7616370981907605,
1903
+ "grad_norm": 0.009868764318525791,
1904
+ "learning_rate": 2.912471870183411e-06,
1905
+ "loss": 1.555,
1906
+ "step": 271
1907
+ },
1908
+ {
1909
+ "epoch": 0.7644475671877745,
1910
+ "grad_norm": 0.009340250864624977,
1911
+ "learning_rate": 2.847016448354948e-06,
1912
+ "loss": 1.5419,
1913
+ "step": 272
1914
+ },
1915
+ {
1916
+ "epoch": 0.7672580361847884,
1917
+ "grad_norm": 0.00967357400804758,
1918
+ "learning_rate": 2.782182645160789e-06,
1919
+ "loss": 1.5433,
1920
+ "step": 273
1921
+ },
1922
+ {
1923
+ "epoch": 0.7700685051818023,
1924
+ "grad_norm": 0.009733307175338268,
1925
+ "learning_rate": 2.71797609487926e-06,
1926
+ "loss": 1.5378,
1927
+ "step": 274
1928
+ },
1929
+ {
1930
+ "epoch": 0.7728789741788161,
1931
+ "grad_norm": 0.009725394658744335,
1932
+ "learning_rate": 2.6544023772782736e-06,
1933
+ "loss": 1.5373,
1934
+ "step": 275
1935
+ },
1936
+ {
1937
+ "epoch": 0.77568944317583,
1938
+ "grad_norm": 0.009589461609721184,
1939
+ "learning_rate": 2.591467017130426e-06,
1940
+ "loss": 1.5331,
1941
+ "step": 276
1942
+ },
1943
+ {
1944
+ "epoch": 0.7784999121728439,
1945
+ "grad_norm": 0.009730999357998371,
1946
+ "learning_rate": 2.5291754837328787e-06,
1947
+ "loss": 1.5374,
1948
+ "step": 277
1949
+ },
1950
+ {
1951
+ "epoch": 0.7813103811698577,
1952
+ "grad_norm": 0.009977961890399456,
1953
+ "learning_rate": 2.4675331904320533e-06,
1954
+ "loss": 1.5386,
1955
+ "step": 278
1956
+ },
1957
+ {
1958
+ "epoch": 0.7841208501668716,
1959
+ "grad_norm": 0.009760740213096142,
1960
+ "learning_rate": 2.4065454941531963e-06,
1961
+ "loss": 1.5521,
1962
+ "step": 279
1963
+ },
1964
+ {
1965
+ "epoch": 0.7869313191638855,
1966
+ "grad_norm": 0.009903214871883392,
1967
+ "learning_rate": 2.346217694934847e-06,
1968
+ "loss": 1.5408,
1969
+ "step": 280
1970
+ },
1971
+ {
1972
+ "epoch": 0.7897417881608993,
1973
+ "grad_norm": 0.010044459253549576,
1974
+ "learning_rate": 2.286555035468233e-06,
1975
+ "loss": 1.54,
1976
+ "step": 281
1977
+ },
1978
+ {
1979
+ "epoch": 0.7925522571579132,
1980
+ "grad_norm": 0.009294719435274601,
1981
+ "learning_rate": 2.22756270064168e-06,
1982
+ "loss": 1.5417,
1983
+ "step": 282
1984
+ },
1985
+ {
1986
+ "epoch": 0.7953627261549271,
1987
+ "grad_norm": 0.009228096343576908,
1988
+ "learning_rate": 2.16924581709002e-06,
1989
+ "loss": 1.5285,
1990
+ "step": 283
1991
+ },
1992
+ {
1993
+ "epoch": 0.798173195151941,
1994
+ "grad_norm": 0.009288915432989597,
1995
+ "learning_rate": 2.1116094527490594e-06,
1996
+ "loss": 1.5431,
1997
+ "step": 284
1998
+ },
1999
+ {
2000
+ "epoch": 0.8009836641489548,
2001
+ "grad_norm": 0.010039190761744976,
2002
+ "learning_rate": 2.0546586164151827e-06,
2003
+ "loss": 1.5324,
2004
+ "step": 285
2005
+ },
2006
+ {
2007
+ "epoch": 0.8037941331459687,
2008
+ "grad_norm": 0.009471042081713676,
2009
+ "learning_rate": 1.9983982573100413e-06,
2010
+ "loss": 1.5375,
2011
+ "step": 286
2012
+ },
2013
+ {
2014
+ "epoch": 0.8066046021429826,
2015
+ "grad_norm": 0.009732691571116447,
2016
+ "learning_rate": 1.94283326465047e-06,
2017
+ "loss": 1.5425,
2018
+ "step": 287
2019
+ },
2020
+ {
2021
+ "epoch": 0.8094150711399964,
2022
+ "grad_norm": 0.00961157213896513,
2023
+ "learning_rate": 1.887968467223591e-06,
2024
+ "loss": 1.5378,
2025
+ "step": 288
2026
+ },
2027
+ {
2028
+ "epoch": 0.8122255401370103,
2029
+ "grad_norm": 0.009570587426424026,
2030
+ "learning_rate": 1.8338086329671734e-06,
2031
+ "loss": 1.546,
2032
+ "step": 289
2033
+ },
2034
+ {
2035
+ "epoch": 0.8150360091340242,
2036
+ "grad_norm": 0.009907620027661324,
2037
+ "learning_rate": 1.7803584685552877e-06,
2038
+ "loss": 1.545,
2039
+ "step": 290
2040
+ },
2041
+ {
2042
+ "epoch": 0.8178464781310382,
2043
+ "grad_norm": 0.009468463249504566,
2044
+ "learning_rate": 1.7276226189892763e-06,
2045
+ "loss": 1.5387,
2046
+ "step": 291
2047
+ },
2048
+ {
2049
+ "epoch": 0.820656947128052,
2050
+ "grad_norm": 0.008901305496692657,
2051
+ "learning_rate": 1.6756056671940902e-06,
2052
+ "loss": 1.541,
2053
+ "step": 292
2054
+ },
2055
+ {
2056
+ "epoch": 0.8234674161250659,
2057
+ "grad_norm": 0.009180068038403988,
2058
+ "learning_rate": 1.624312133620013e-06,
2059
+ "loss": 1.543,
2060
+ "step": 293
2061
+ },
2062
+ {
2063
+ "epoch": 0.8262778851220798,
2064
+ "grad_norm": 0.0097258435562253,
2065
+ "learning_rate": 1.5737464758498243e-06,
2066
+ "loss": 1.5323,
2067
+ "step": 294
2068
+ },
2069
+ {
2070
+ "epoch": 0.8290883541190937,
2071
+ "grad_norm": 0.00945055577903986,
2072
+ "learning_rate": 1.523913088211415e-06,
2073
+ "loss": 1.5366,
2074
+ "step": 295
2075
+ },
2076
+ {
2077
+ "epoch": 0.8318988231161075,
2078
+ "grad_norm": 0.009719719178974628,
2079
+ "learning_rate": 1.474816301395906e-06,
2080
+ "loss": 1.5489,
2081
+ "step": 296
2082
+ },
2083
+ {
2084
+ "epoch": 0.8347092921131214,
2085
+ "grad_norm": 0.00904281809926033,
2086
+ "learning_rate": 1.4264603820813006e-06,
2087
+ "loss": 1.5413,
2088
+ "step": 297
2089
+ },
2090
+ {
2091
+ "epoch": 0.8375197611101353,
2092
+ "grad_norm": 0.009636901319026947,
2093
+ "learning_rate": 1.3788495325616912e-06,
2094
+ "loss": 1.5493,
2095
+ "step": 298
2096
+ },
2097
+ {
2098
+ "epoch": 0.8403302301071491,
2099
+ "grad_norm": 0.00919989962130785,
2100
+ "learning_rate": 1.3319878903820682e-06,
2101
+ "loss": 1.5387,
2102
+ "step": 299
2103
+ },
2104
+ {
2105
+ "epoch": 0.843140699104163,
2106
+ "grad_norm": 0.009369692765176296,
2107
+ "learning_rate": 1.2858795279787517e-06,
2108
+ "loss": 1.54,
2109
+ "step": 300
2110
+ },
2111
+ {
2112
+ "epoch": 0.8459511681011769,
2113
+ "grad_norm": 0.009285050444304943,
2114
+ "learning_rate": 1.2405284523254823e-06,
2115
+ "loss": 1.5496,
2116
+ "step": 301
2117
+ },
2118
+ {
2119
+ "epoch": 0.8487616370981907,
2120
+ "grad_norm": 0.009485352784395218,
2121
+ "learning_rate": 1.195938604585205e-06,
2122
+ "loss": 1.5274,
2123
+ "step": 302
2124
+ },
2125
+ {
2126
+ "epoch": 0.8515721060952046,
2127
+ "grad_norm": 0.00928215030580759,
2128
+ "learning_rate": 1.152113859767565e-06,
2129
+ "loss": 1.5437,
2130
+ "step": 303
2131
+ },
2132
+ {
2133
+ "epoch": 0.8543825750922185,
2134
+ "grad_norm": 0.009152165614068508,
2135
+ "learning_rate": 1.109058026392158e-06,
2136
+ "loss": 1.5395,
2137
+ "step": 304
2138
+ },
2139
+ {
2140
+ "epoch": 0.8571930440892324,
2141
+ "grad_norm": 0.009171172976493835,
2142
+ "learning_rate": 1.0667748461575544e-06,
2143
+ "loss": 1.5487,
2144
+ "step": 305
2145
+ },
2146
+ {
2147
+ "epoch": 0.8600035130862462,
2148
+ "grad_norm": 0.00959504209458828,
2149
+ "learning_rate": 1.0252679936161392e-06,
2150
+ "loss": 1.5374,
2151
+ "step": 306
2152
+ },
2153
+ {
2154
+ "epoch": 0.8628139820832601,
2155
+ "grad_norm": 0.00906702782958746,
2156
+ "learning_rate": 9.845410758547724e-07,
2157
+ "loss": 1.5412,
2158
+ "step": 307
2159
+ },
2160
+ {
2161
+ "epoch": 0.865624451080274,
2162
+ "grad_norm": 0.008921015076339245,
2163
+ "learning_rate": 9.445976321813277e-07,
2164
+ "loss": 1.5295,
2165
+ "step": 308
2166
+ },
2167
+ {
2168
+ "epoch": 0.868434920077288,
2169
+ "grad_norm": 0.009434668347239494,
2170
+ "learning_rate": 9.054411338171099e-07,
2171
+ "loss": 1.5474,
2172
+ "step": 309
2173
+ },
2174
+ {
2175
+ "epoch": 0.8712453890743018,
2176
+ "grad_norm": 0.009549295529723167,
2177
+ "learning_rate": 8.670749835951964e-07,
2178
+ "loss": 1.5425,
2179
+ "step": 310
2180
+ },
2181
+ {
2182
+ "epoch": 0.8740558580713157,
2183
+ "grad_norm": 0.009337035939097404,
2184
+ "learning_rate": 8.29502515664723e-07,
2185
+ "loss": 1.5412,
2186
+ "step": 311
2187
+ },
2188
+ {
2189
+ "epoch": 0.8768663270683296,
2190
+ "grad_norm": 0.008889071643352509,
2191
+ "learning_rate": 7.927269952011285e-07,
2192
+ "loss": 1.5589,
2193
+ "step": 312
2194
+ },
2195
+ {
2196
+ "epoch": 0.8796767960653434,
2197
+ "grad_norm": 0.008982825092971325,
2198
+ "learning_rate": 7.567516181223966e-07,
2199
+ "loss": 1.5504,
2200
+ "step": 313
2201
+ },
2202
+ {
2203
+ "epoch": 0.8824872650623573,
2204
+ "grad_norm": 0.009038092568516731,
2205
+ "learning_rate": 7.215795108113343e-07,
2206
+ "loss": 1.5391,
2207
+ "step": 314
2208
+ },
2209
+ {
2210
+ "epoch": 0.8852977340593712,
2211
+ "grad_norm": 0.0092889703810215,
2212
+ "learning_rate": 6.872137298438653e-07,
2213
+ "loss": 1.5354,
2214
+ "step": 315
2215
+ },
2216
+ {
2217
+ "epoch": 0.888108203056385,
2218
+ "grad_norm": 0.009272675029933453,
2219
+ "learning_rate": 6.536572617234082e-07,
2220
+ "loss": 1.5449,
2221
+ "step": 316
2222
+ },
2223
+ {
2224
+ "epoch": 0.8909186720533989,
2225
+ "grad_norm": 0.00896420981734991,
2226
+ "learning_rate": 6.209130226213378e-07,
2227
+ "loss": 1.5544,
2228
+ "step": 317
2229
+ },
2230
+ {
2231
+ "epoch": 0.8937291410504128,
2232
+ "grad_norm": 0.00960630364716053,
2233
+ "learning_rate": 5.889838581235641e-07,
2234
+ "loss": 1.5425,
2235
+ "step": 318
2236
+ },
2237
+ {
2238
+ "epoch": 0.8965396100474267,
2239
+ "grad_norm": 0.009224542416632175,
2240
+ "learning_rate": 5.578725429832344e-07,
2241
+ "loss": 1.5287,
2242
+ "step": 319
2243
+ },
2244
+ {
2245
+ "epoch": 0.8993500790444405,
2246
+ "grad_norm": 0.009561055339872837,
2247
+ "learning_rate": 5.275817808796013e-07,
2248
+ "loss": 1.5399,
2249
+ "step": 320
2250
+ },
2251
+ {
2252
+ "epoch": 0.9021605480414544,
2253
+ "grad_norm": 0.00883413664996624,
2254
+ "learning_rate": 4.981142041830645e-07,
2255
+ "loss": 1.5373,
2256
+ "step": 321
2257
+ },
2258
+ {
2259
+ "epoch": 0.9049710170384683,
2260
+ "grad_norm": 0.0092536062002182,
2261
+ "learning_rate": 4.6947237372640954e-07,
2262
+ "loss": 1.5372,
2263
+ "step": 322
2264
+ },
2265
+ {
2266
+ "epoch": 0.9077814860354821,
2267
+ "grad_norm": 0.008912206627428532,
2268
+ "learning_rate": 4.416587785822568e-07,
2269
+ "loss": 1.5412,
2270
+ "step": 323
2271
+ },
2272
+ {
2273
+ "epoch": 0.910591955032496,
2274
+ "grad_norm": 0.009592842310667038,
2275
+ "learning_rate": 4.1467583584676395e-07,
2276
+ "loss": 1.541,
2277
+ "step": 324
2278
+ },
2279
+ {
2280
+ "epoch": 0.9134024240295099,
2281
+ "grad_norm": 0.00898828823119402,
2282
+ "learning_rate": 3.885258904295575e-07,
2283
+ "loss": 1.539,
2284
+ "step": 325
2285
+ },
2286
+ {
2287
+ "epoch": 0.9162128930265238,
2288
+ "grad_norm": 0.009104624390602112,
2289
+ "learning_rate": 3.6321121484996447e-07,
2290
+ "loss": 1.5313,
2291
+ "step": 326
2292
+ },
2293
+ {
2294
+ "epoch": 0.9190233620235376,
2295
+ "grad_norm": 0.00905083492398262,
2296
+ "learning_rate": 3.3873400903951636e-07,
2297
+ "loss": 1.5396,
2298
+ "step": 327
2299
+ },
2300
+ {
2301
+ "epoch": 0.9218338310205516,
2302
+ "grad_norm": 0.009055250324308872,
2303
+ "learning_rate": 3.1509640015076946e-07,
2304
+ "loss": 1.5471,
2305
+ "step": 328
2306
+ },
2307
+ {
2308
+ "epoch": 0.9246443000175655,
2309
+ "grad_norm": 0.00856536254286766,
2310
+ "learning_rate": 2.923004423724474e-07,
2311
+ "loss": 1.5302,
2312
+ "step": 329
2313
+ },
2314
+ {
2315
+ "epoch": 0.9274547690145793,
2316
+ "grad_norm": 0.0095223942771554,
2317
+ "learning_rate": 2.703481167509281e-07,
2318
+ "loss": 1.5387,
2319
+ "step": 330
2320
+ },
2321
+ {
2322
+ "epoch": 0.9302652380115932,
2323
+ "grad_norm": 0.009137586690485477,
2324
+ "learning_rate": 2.4924133101807636e-07,
2325
+ "loss": 1.5379,
2326
+ "step": 331
2327
+ },
2328
+ {
2329
+ "epoch": 0.9330757070086071,
2330
+ "grad_norm": 0.009256749413907528,
2331
+ "learning_rate": 2.289819194254661e-07,
2332
+ "loss": 1.54,
2333
+ "step": 332
2334
+ },
2335
+ {
2336
+ "epoch": 0.935886176005621,
2337
+ "grad_norm": 0.00952975358814001,
2338
+ "learning_rate": 2.0957164258497031e-07,
2339
+ "loss": 1.5413,
2340
+ "step": 333
2341
+ },
2342
+ {
2343
+ "epoch": 0.9386966450026348,
2344
+ "grad_norm": 0.009139897301793098,
2345
+ "learning_rate": 1.9101218731575777e-07,
2346
+ "loss": 1.5547,
2347
+ "step": 334
2348
+ },
2349
+ {
2350
+ "epoch": 0.9415071139996487,
2351
+ "grad_norm": 0.009397204965353012,
2352
+ "learning_rate": 1.73305166497707e-07,
2353
+ "loss": 1.5374,
2354
+ "step": 335
2355
+ },
2356
+ {
2357
+ "epoch": 0.9443175829966626,
2358
+ "grad_norm": 0.009158180095255375,
2359
+ "learning_rate": 1.5645211893123846e-07,
2360
+ "loss": 1.5449,
2361
+ "step": 336
2362
+ },
2363
+ {
2364
+ "epoch": 0.9471280519936764,
2365
+ "grad_norm": 0.008892880752682686,
2366
+ "learning_rate": 1.4045450920358917e-07,
2367
+ "loss": 1.5418,
2368
+ "step": 337
2369
+ },
2370
+ {
2371
+ "epoch": 0.9499385209906903,
2372
+ "grad_norm": 0.008902773261070251,
2373
+ "learning_rate": 1.2531372756153458e-07,
2374
+ "loss": 1.5451,
2375
+ "step": 338
2376
+ },
2377
+ {
2378
+ "epoch": 0.9527489899877042,
2379
+ "grad_norm": 0.00923394039273262,
2380
+ "learning_rate": 1.1103108979056865e-07,
2381
+ "loss": 1.5329,
2382
+ "step": 339
2383
+ },
2384
+ {
2385
+ "epoch": 0.9555594589847181,
2386
+ "grad_norm": 0.009119280613958836,
2387
+ "learning_rate": 9.760783710056176e-08,
2388
+ "loss": 1.5399,
2389
+ "step": 340
2390
+ },
2391
+ {
2392
+ "epoch": 0.9583699279817319,
2393
+ "grad_norm": 0.009382793679833412,
2394
+ "learning_rate": 8.504513601789388e-08,
2395
+ "loss": 1.5372,
2396
+ "step": 341
2397
+ },
2398
+ {
2399
+ "epoch": 0.9611803969787458,
2400
+ "grad_norm": 0.0087265744805336,
2401
+ "learning_rate": 7.334407828407885e-08,
2402
+ "loss": 1.5415,
2403
+ "step": 342
2404
+ },
2405
+ {
2406
+ "epoch": 0.9639908659757597,
2407
+ "grad_norm": 0.008734731003642082,
2408
+ "learning_rate": 6.250568076088814e-08,
2409
+ "loss": 1.5388,
2410
+ "step": 343
2411
+ },
2412
+ {
2413
+ "epoch": 0.9668013349727735,
2414
+ "grad_norm": 0.00877598486840725,
2415
+ "learning_rate": 5.2530885341982586e-08,
2416
+ "loss": 1.5385,
2417
+ "step": 344
2418
+ },
2419
+ {
2420
+ "epoch": 0.9696118039697874,
2421
+ "grad_norm": 0.008809634484350681,
2422
+ "learning_rate": 4.3420558871060116e-08,
2423
+ "loss": 1.5447,
2424
+ "step": 345
2425
+ },
2426
+ {
2427
+ "epoch": 0.9724222729668013,
2428
+ "grad_norm": 0.00890128593891859,
2429
+ "learning_rate": 3.517549306652157e-08,
2430
+ "loss": 1.538,
2431
+ "step": 346
2432
+ },
2433
+ {
2434
+ "epoch": 0.9752327419638153,
2435
+ "grad_norm": 0.008788186125457287,
2436
+ "learning_rate": 2.7796404452666847e-08,
2437
+ "loss": 1.5506,
2438
+ "step": 347
2439
+ },
2440
+ {
2441
+ "epoch": 0.9780432109608291,
2442
+ "grad_norm": 0.009096509777009487,
2443
+ "learning_rate": 2.1283934297432472e-08,
2444
+ "loss": 1.5365,
2445
+ "step": 348
2446
+ },
2447
+ {
2448
+ "epoch": 0.980853679957843,
2449
+ "grad_norm": 0.00890890508890152,
2450
+ "learning_rate": 1.5638648556656198e-08,
2451
+ "loss": 1.5406,
2452
+ "step": 349
2453
+ },
2454
+ {
2455
+ "epoch": 0.9836641489548569,
2456
+ "grad_norm": 0.008733571507036686,
2457
+ "learning_rate": 1.0861037824896337e-08,
2458
+ "loss": 1.5474,
2459
+ "step": 350
2460
+ },
2461
+ {
2462
+ "epoch": 0.9864746179518707,
2463
+ "grad_norm": 0.00961330346763134,
2464
+ "learning_rate": 6.951517292800303e-09,
2465
+ "loss": 1.5417,
2466
+ "step": 351
2467
+ },
2468
+ {
2469
+ "epoch": 0.9892850869488846,
2470
+ "grad_norm": 0.009068558923900127,
2471
+ "learning_rate": 3.9104267110168235e-09,
2472
+ "loss": 1.5369,
2473
+ "step": 352
2474
+ },
2475
+ {
2476
+ "epoch": 0.9920955559458985,
2477
+ "grad_norm": 0.008888053707778454,
2478
+ "learning_rate": 1.738030360677323e-09,
2479
+ "loss": 1.5488,
2480
+ "step": 353
2481
+ },
2482
+ {
2483
+ "epoch": 0.9949060249429124,
2484
+ "grad_norm": 0.009277201257646084,
2485
+ "learning_rate": 4.3451703042207694e-10,
2486
+ "loss": 1.5375,
2487
+ "step": 354
2488
+ },
2489
+ {
2490
+ "epoch": 0.9977164939399262,
2491
+ "grad_norm": 0.009334351867437363,
2492
+ "learning_rate": 0.0,
2493
+ "loss": 1.5352,
2494
+ "step": 355
2495
+ },
2496
+ {
2497
+ "epoch": 0.9977164939399262,
2498
+ "step": 355,
2499
+ "total_flos": 4998655006212096.0,
2500
+ "train_loss": 1.5558027747651222,
2501
+ "train_runtime": 142154.3689,
2502
+ "train_samples_per_second": 0.641,
2503
+ "train_steps_per_second": 0.002
2504
+ }
2505
+ ],
2506
+ "logging_steps": 1,
2507
+ "max_steps": 355,
2508
+ "num_input_tokens_seen": 0,
2509
+ "num_train_epochs": 1,
2510
+ "save_steps": 100,
2511
+ "stateful_callbacks": {
2512
+ "TrainerControl": {
2513
+ "args": {
2514
+ "should_epoch_stop": false,
2515
+ "should_evaluate": false,
2516
+ "should_log": false,
2517
+ "should_save": true,
2518
+ "should_training_stop": true
2519
+ },
2520
+ "attributes": {}
2521
+ }
2522
+ },
2523
+ "total_flos": 4998655006212096.0,
2524
+ "train_batch_size": 2,
2525
+ "trial_name": null,
2526
+ "trial_params": null
2527
+ }
training_loss.png ADDED