| { | |
| "best_global_step": null, | |
| "best_metric": null, | |
| "best_model_checkpoint": null, | |
| "epoch": 3.0, | |
| "eval_steps": 500, | |
| "global_step": 180, | |
| "is_hyper_param_search": false, | |
| "is_local_process_zero": true, | |
| "is_world_process_zero": true, | |
| "log_history": [ | |
| { | |
| "epoch": 0.016666666666666666, | |
| "grad_norm": 10.415586015798965, | |
| "learning_rate": 2e-05, | |
| "loss": 0.3928, | |
| "mean_token_accuracy": 0.8857417702674866, | |
| "num_tokens": 20323.0, | |
| "step": 1 | |
| }, | |
| { | |
| "epoch": 0.03333333333333333, | |
| "grad_norm": 10.271130520144448, | |
| "learning_rate": 1.988888888888889e-05, | |
| "loss": 0.4512, | |
| "mean_token_accuracy": 0.8707664608955383, | |
| "num_tokens": 38981.0, | |
| "step": 2 | |
| }, | |
| { | |
| "epoch": 0.05, | |
| "grad_norm": 8.880344134520183, | |
| "learning_rate": 1.977777777777778e-05, | |
| "loss": 0.4737, | |
| "mean_token_accuracy": 0.8786681890487671, | |
| "num_tokens": 57347.0, | |
| "step": 3 | |
| }, | |
| { | |
| "epoch": 0.06666666666666667, | |
| "grad_norm": 10.667150634660754, | |
| "learning_rate": 1.9666666666666666e-05, | |
| "loss": 0.3142, | |
| "mean_token_accuracy": 0.9128794074058533, | |
| "num_tokens": 76506.0, | |
| "step": 4 | |
| }, | |
| { | |
| "epoch": 0.08333333333333333, | |
| "grad_norm": 8.532819211594981, | |
| "learning_rate": 1.9555555555555557e-05, | |
| "loss": 0.4014, | |
| "mean_token_accuracy": 0.8839911222457886, | |
| "num_tokens": 94986.0, | |
| "step": 5 | |
| }, | |
| { | |
| "epoch": 0.1, | |
| "grad_norm": 8.472325495649157, | |
| "learning_rate": 1.9444444444444445e-05, | |
| "loss": 0.2534, | |
| "mean_token_accuracy": 0.9193734526634216, | |
| "num_tokens": 115823.0, | |
| "step": 6 | |
| }, | |
| { | |
| "epoch": 0.11666666666666667, | |
| "grad_norm": 2.303889693461022, | |
| "learning_rate": 1.9333333333333333e-05, | |
| "loss": 0.2326, | |
| "mean_token_accuracy": 0.9243853688240051, | |
| "num_tokens": 135340.0, | |
| "step": 7 | |
| }, | |
| { | |
| "epoch": 0.13333333333333333, | |
| "grad_norm": 1.9328717095833254, | |
| "learning_rate": 1.9222222222222225e-05, | |
| "loss": 0.2245, | |
| "mean_token_accuracy": 0.9283159375190735, | |
| "num_tokens": 155370.0, | |
| "step": 8 | |
| }, | |
| { | |
| "epoch": 0.15, | |
| "grad_norm": 2.822202555840132, | |
| "learning_rate": 1.9111111111111113e-05, | |
| "loss": 0.2806, | |
| "mean_token_accuracy": 0.9093520045280457, | |
| "num_tokens": 174000.0, | |
| "step": 9 | |
| }, | |
| { | |
| "epoch": 0.16666666666666666, | |
| "grad_norm": 1.5523434880416322, | |
| "learning_rate": 1.9e-05, | |
| "loss": 0.1998, | |
| "mean_token_accuracy": 0.935231626033783, | |
| "num_tokens": 195628.0, | |
| "step": 10 | |
| }, | |
| { | |
| "epoch": 0.18333333333333332, | |
| "grad_norm": 2.4495550719902126, | |
| "learning_rate": 1.888888888888889e-05, | |
| "loss": 0.2645, | |
| "mean_token_accuracy": 0.9143708944320679, | |
| "num_tokens": 215718.0, | |
| "step": 11 | |
| }, | |
| { | |
| "epoch": 0.2, | |
| "grad_norm": 2.271447813557674, | |
| "learning_rate": 1.877777777777778e-05, | |
| "loss": 0.2667, | |
| "mean_token_accuracy": 0.912392795085907, | |
| "num_tokens": 234724.0, | |
| "step": 12 | |
| }, | |
| { | |
| "epoch": 0.21666666666666667, | |
| "grad_norm": 2.646542053112607, | |
| "learning_rate": 1.866666666666667e-05, | |
| "loss": 0.287, | |
| "mean_token_accuracy": 0.9045044779777527, | |
| "num_tokens": 253330.0, | |
| "step": 13 | |
| }, | |
| { | |
| "epoch": 0.23333333333333334, | |
| "grad_norm": 2.170153048479742, | |
| "learning_rate": 1.8555555555555557e-05, | |
| "loss": 0.2268, | |
| "mean_token_accuracy": 0.9230367541313171, | |
| "num_tokens": 272130.0, | |
| "step": 14 | |
| }, | |
| { | |
| "epoch": 0.25, | |
| "grad_norm": 1.8508062583233198, | |
| "learning_rate": 1.8444444444444448e-05, | |
| "loss": 0.2228, | |
| "mean_token_accuracy": 0.9244704246520996, | |
| "num_tokens": 292020.0, | |
| "step": 15 | |
| }, | |
| { | |
| "epoch": 0.26666666666666666, | |
| "grad_norm": 1.8770429443477359, | |
| "learning_rate": 1.8333333333333333e-05, | |
| "loss": 0.236, | |
| "mean_token_accuracy": 0.9211986660957336, | |
| "num_tokens": 311379.0, | |
| "step": 16 | |
| }, | |
| { | |
| "epoch": 0.2833333333333333, | |
| "grad_norm": 1.9148567988930494, | |
| "learning_rate": 1.8222222222222224e-05, | |
| "loss": 0.2231, | |
| "mean_token_accuracy": 0.9292123913764954, | |
| "num_tokens": 330451.0, | |
| "step": 17 | |
| }, | |
| { | |
| "epoch": 0.3, | |
| "grad_norm": 1.612193810374408, | |
| "learning_rate": 1.8111111111111112e-05, | |
| "loss": 0.2204, | |
| "mean_token_accuracy": 0.9254255294799805, | |
| "num_tokens": 349197.0, | |
| "step": 18 | |
| }, | |
| { | |
| "epoch": 0.31666666666666665, | |
| "grad_norm": 1.833360520767258, | |
| "learning_rate": 1.8e-05, | |
| "loss": 0.255, | |
| "mean_token_accuracy": 0.9199110269546509, | |
| "num_tokens": 369434.0, | |
| "step": 19 | |
| }, | |
| { | |
| "epoch": 0.3333333333333333, | |
| "grad_norm": 1.89838266117527, | |
| "learning_rate": 1.7888888888888892e-05, | |
| "loss": 0.2617, | |
| "mean_token_accuracy": 0.9107837080955505, | |
| "num_tokens": 387390.0, | |
| "step": 20 | |
| }, | |
| { | |
| "epoch": 0.35, | |
| "grad_norm": 1.689532449309742, | |
| "learning_rate": 1.7777777777777777e-05, | |
| "loss": 0.2406, | |
| "mean_token_accuracy": 0.9206206202507019, | |
| "num_tokens": 405986.0, | |
| "step": 21 | |
| }, | |
| { | |
| "epoch": 0.36666666666666664, | |
| "grad_norm": 1.6883639816680873, | |
| "learning_rate": 1.7666666666666668e-05, | |
| "loss": 0.2468, | |
| "mean_token_accuracy": 0.9216131567955017, | |
| "num_tokens": 424773.0, | |
| "step": 22 | |
| }, | |
| { | |
| "epoch": 0.38333333333333336, | |
| "grad_norm": 1.4657652178099831, | |
| "learning_rate": 1.7555555555555556e-05, | |
| "loss": 0.211, | |
| "mean_token_accuracy": 0.9315024018287659, | |
| "num_tokens": 444011.0, | |
| "step": 23 | |
| }, | |
| { | |
| "epoch": 0.4, | |
| "grad_norm": 1.2496844817803525, | |
| "learning_rate": 1.7444444444444448e-05, | |
| "loss": 0.1853, | |
| "mean_token_accuracy": 0.9384945631027222, | |
| "num_tokens": 464975.0, | |
| "step": 24 | |
| }, | |
| { | |
| "epoch": 0.4166666666666667, | |
| "grad_norm": 1.358446086201356, | |
| "learning_rate": 1.7333333333333336e-05, | |
| "loss": 0.198, | |
| "mean_token_accuracy": 0.9333889484405518, | |
| "num_tokens": 486425.0, | |
| "step": 25 | |
| }, | |
| { | |
| "epoch": 0.43333333333333335, | |
| "grad_norm": 0.9431555050834606, | |
| "learning_rate": 1.7222222222222224e-05, | |
| "loss": 0.1392, | |
| "mean_token_accuracy": 0.9550256729125977, | |
| "num_tokens": 509794.0, | |
| "step": 26 | |
| }, | |
| { | |
| "epoch": 0.45, | |
| "grad_norm": 1.9793286155892176, | |
| "learning_rate": 1.7111111111111112e-05, | |
| "loss": 0.2719, | |
| "mean_token_accuracy": 0.9111931324005127, | |
| "num_tokens": 527991.0, | |
| "step": 27 | |
| }, | |
| { | |
| "epoch": 0.4666666666666667, | |
| "grad_norm": 1.5957545211368038, | |
| "learning_rate": 1.7e-05, | |
| "loss": 0.1977, | |
| "mean_token_accuracy": 0.9349620342254639, | |
| "num_tokens": 547103.0, | |
| "step": 28 | |
| }, | |
| { | |
| "epoch": 0.48333333333333334, | |
| "grad_norm": 3.1522248529429553, | |
| "learning_rate": 1.688888888888889e-05, | |
| "loss": 0.1857, | |
| "mean_token_accuracy": 0.9351325631141663, | |
| "num_tokens": 566491.0, | |
| "step": 29 | |
| }, | |
| { | |
| "epoch": 0.5, | |
| "grad_norm": 1.5505396336667892, | |
| "learning_rate": 1.677777777777778e-05, | |
| "loss": 0.2239, | |
| "mean_token_accuracy": 0.924814760684967, | |
| "num_tokens": 585075.0, | |
| "step": 30 | |
| }, | |
| { | |
| "epoch": 0.5166666666666667, | |
| "grad_norm": 1.4311688305606354, | |
| "learning_rate": 1.6666666666666667e-05, | |
| "loss": 0.2077, | |
| "mean_token_accuracy": 0.9314337968826294, | |
| "num_tokens": 605808.0, | |
| "step": 31 | |
| }, | |
| { | |
| "epoch": 0.5333333333333333, | |
| "grad_norm": 1.2265884485285432, | |
| "learning_rate": 1.6555555555555556e-05, | |
| "loss": 0.1881, | |
| "mean_token_accuracy": 0.9358243942260742, | |
| "num_tokens": 626059.0, | |
| "step": 32 | |
| }, | |
| { | |
| "epoch": 0.55, | |
| "grad_norm": 0.8079478385329993, | |
| "learning_rate": 1.6444444444444444e-05, | |
| "loss": 0.1233, | |
| "mean_token_accuracy": 0.9597011208534241, | |
| "num_tokens": 650342.0, | |
| "step": 33 | |
| }, | |
| { | |
| "epoch": 0.5666666666666667, | |
| "grad_norm": 1.2783396203778647, | |
| "learning_rate": 1.6333333333333335e-05, | |
| "loss": 0.2127, | |
| "mean_token_accuracy": 0.9305210709571838, | |
| "num_tokens": 670263.0, | |
| "step": 34 | |
| }, | |
| { | |
| "epoch": 0.5833333333333334, | |
| "grad_norm": 0.9877687041686216, | |
| "learning_rate": 1.6222222222222223e-05, | |
| "loss": 0.1746, | |
| "mean_token_accuracy": 0.9428037405014038, | |
| "num_tokens": 691344.0, | |
| "step": 35 | |
| }, | |
| { | |
| "epoch": 0.6, | |
| "grad_norm": 1.5309480298196683, | |
| "learning_rate": 1.6111111111111115e-05, | |
| "loss": 0.2611, | |
| "mean_token_accuracy": 0.9084930419921875, | |
| "num_tokens": 709722.0, | |
| "step": 36 | |
| }, | |
| { | |
| "epoch": 0.6166666666666667, | |
| "grad_norm": 1.3958581151438867, | |
| "learning_rate": 1.6000000000000003e-05, | |
| "loss": 0.252, | |
| "mean_token_accuracy": 0.9160849452018738, | |
| "num_tokens": 729659.0, | |
| "step": 37 | |
| }, | |
| { | |
| "epoch": 0.6333333333333333, | |
| "grad_norm": 1.4234777494453432, | |
| "learning_rate": 1.588888888888889e-05, | |
| "loss": 0.1948, | |
| "mean_token_accuracy": 0.9306625723838806, | |
| "num_tokens": 747899.0, | |
| "step": 38 | |
| }, | |
| { | |
| "epoch": 0.65, | |
| "grad_norm": 1.1918567687934656, | |
| "learning_rate": 1.577777777777778e-05, | |
| "loss": 0.1923, | |
| "mean_token_accuracy": 0.9355297088623047, | |
| "num_tokens": 767996.0, | |
| "step": 39 | |
| }, | |
| { | |
| "epoch": 0.6666666666666666, | |
| "grad_norm": 1.4254154834768535, | |
| "learning_rate": 1.5666666666666667e-05, | |
| "loss": 0.2187, | |
| "mean_token_accuracy": 0.9221748113632202, | |
| "num_tokens": 786672.0, | |
| "step": 40 | |
| }, | |
| { | |
| "epoch": 0.6833333333333333, | |
| "grad_norm": 1.2363741195385614, | |
| "learning_rate": 1.555555555555556e-05, | |
| "loss": 0.1894, | |
| "mean_token_accuracy": 0.933707058429718, | |
| "num_tokens": 806857.0, | |
| "step": 41 | |
| }, | |
| { | |
| "epoch": 0.7, | |
| "grad_norm": 1.6616933320839042, | |
| "learning_rate": 1.5444444444444446e-05, | |
| "loss": 0.2601, | |
| "mean_token_accuracy": 0.912670910358429, | |
| "num_tokens": 825411.0, | |
| "step": 42 | |
| }, | |
| { | |
| "epoch": 0.7166666666666667, | |
| "grad_norm": 1.1594596021236696, | |
| "learning_rate": 1.5333333333333334e-05, | |
| "loss": 0.197, | |
| "mean_token_accuracy": 0.9320076107978821, | |
| "num_tokens": 845293.0, | |
| "step": 43 | |
| }, | |
| { | |
| "epoch": 0.7333333333333333, | |
| "grad_norm": 1.255447405006153, | |
| "learning_rate": 1.5222222222222223e-05, | |
| "loss": 0.2177, | |
| "mean_token_accuracy": 0.9241234660148621, | |
| "num_tokens": 864080.0, | |
| "step": 44 | |
| }, | |
| { | |
| "epoch": 0.75, | |
| "grad_norm": 1.3555481042529305, | |
| "learning_rate": 1.5111111111111112e-05, | |
| "loss": 0.2464, | |
| "mean_token_accuracy": 0.9197713136672974, | |
| "num_tokens": 882551.0, | |
| "step": 45 | |
| }, | |
| { | |
| "epoch": 0.7666666666666667, | |
| "grad_norm": 1.5287024940858407, | |
| "learning_rate": 1.5000000000000002e-05, | |
| "loss": 0.2669, | |
| "mean_token_accuracy": 0.9085003733634949, | |
| "num_tokens": 901006.0, | |
| "step": 46 | |
| }, | |
| { | |
| "epoch": 0.7833333333333333, | |
| "grad_norm": 1.0365262523875451, | |
| "learning_rate": 1.488888888888889e-05, | |
| "loss": 0.1867, | |
| "mean_token_accuracy": 0.9368327260017395, | |
| "num_tokens": 920813.0, | |
| "step": 47 | |
| }, | |
| { | |
| "epoch": 0.8, | |
| "grad_norm": 1.1161600400033647, | |
| "learning_rate": 1.477777777777778e-05, | |
| "loss": 0.2144, | |
| "mean_token_accuracy": 0.9287330508232117, | |
| "num_tokens": 940941.0, | |
| "step": 48 | |
| }, | |
| { | |
| "epoch": 0.8166666666666667, | |
| "grad_norm": 1.2654313555050083, | |
| "learning_rate": 1.4666666666666666e-05, | |
| "loss": 0.181, | |
| "mean_token_accuracy": 0.9393802881240845, | |
| "num_tokens": 960656.0, | |
| "step": 49 | |
| }, | |
| { | |
| "epoch": 0.8333333333333334, | |
| "grad_norm": 1.1999839375524808, | |
| "learning_rate": 1.4555555555555556e-05, | |
| "loss": 0.2165, | |
| "mean_token_accuracy": 0.924753725528717, | |
| "num_tokens": 979901.0, | |
| "step": 50 | |
| }, | |
| { | |
| "epoch": 0.85, | |
| "grad_norm": 1.4358719832483007, | |
| "learning_rate": 1.4444444444444446e-05, | |
| "loss": 0.2568, | |
| "mean_token_accuracy": 0.9150856137275696, | |
| "num_tokens": 997293.0, | |
| "step": 51 | |
| }, | |
| { | |
| "epoch": 0.8666666666666667, | |
| "grad_norm": 0.907854371432327, | |
| "learning_rate": 1.4333333333333334e-05, | |
| "loss": 0.1773, | |
| "mean_token_accuracy": 0.9409731030464172, | |
| "num_tokens": 1018152.0, | |
| "step": 52 | |
| }, | |
| { | |
| "epoch": 0.8833333333333333, | |
| "grad_norm": 1.3658237813204563, | |
| "learning_rate": 1.4222222222222224e-05, | |
| "loss": 0.2182, | |
| "mean_token_accuracy": 0.9189878702163696, | |
| "num_tokens": 1035916.0, | |
| "step": 53 | |
| }, | |
| { | |
| "epoch": 0.9, | |
| "grad_norm": 1.0227797653853614, | |
| "learning_rate": 1.4111111111111113e-05, | |
| "loss": 0.1937, | |
| "mean_token_accuracy": 0.9301167130470276, | |
| "num_tokens": 1055995.0, | |
| "step": 54 | |
| }, | |
| { | |
| "epoch": 0.9166666666666666, | |
| "grad_norm": 1.002167288276357, | |
| "learning_rate": 1.4e-05, | |
| "loss": 0.1628, | |
| "mean_token_accuracy": 0.9427170753479004, | |
| "num_tokens": 1076188.0, | |
| "step": 55 | |
| }, | |
| { | |
| "epoch": 0.9333333333333333, | |
| "grad_norm": 1.1799372070517915, | |
| "learning_rate": 1.388888888888889e-05, | |
| "loss": 0.2145, | |
| "mean_token_accuracy": 0.925633430480957, | |
| "num_tokens": 1095323.0, | |
| "step": 56 | |
| }, | |
| { | |
| "epoch": 0.95, | |
| "grad_norm": 1.9565071620010974, | |
| "learning_rate": 1.377777777777778e-05, | |
| "loss": 0.2276, | |
| "mean_token_accuracy": 0.923713207244873, | |
| "num_tokens": 1113823.0, | |
| "step": 57 | |
| }, | |
| { | |
| "epoch": 0.9666666666666667, | |
| "grad_norm": 1.3720630422421265, | |
| "learning_rate": 1.3666666666666667e-05, | |
| "loss": 0.2254, | |
| "mean_token_accuracy": 0.9204455018043518, | |
| "num_tokens": 1131913.0, | |
| "step": 58 | |
| }, | |
| { | |
| "epoch": 0.9833333333333333, | |
| "grad_norm": 1.2312026050291756, | |
| "learning_rate": 1.3555555555555557e-05, | |
| "loss": 0.2288, | |
| "mean_token_accuracy": 0.9231975078582764, | |
| "num_tokens": 1150068.0, | |
| "step": 59 | |
| }, | |
| { | |
| "epoch": 1.0, | |
| "grad_norm": 1.0535788172725804, | |
| "learning_rate": 1.3444444444444447e-05, | |
| "loss": 0.1853, | |
| "mean_token_accuracy": 0.9440000057220459, | |
| "num_tokens": 1165110.0, | |
| "step": 60 | |
| }, | |
| { | |
| "epoch": 1.0166666666666666, | |
| "grad_norm": 1.1158002070455915, | |
| "learning_rate": 1.3333333333333333e-05, | |
| "loss": 0.1817, | |
| "mean_token_accuracy": 0.937036395072937, | |
| "num_tokens": 1183696.0, | |
| "step": 61 | |
| }, | |
| { | |
| "epoch": 1.0333333333333334, | |
| "grad_norm": 1.0736249727571867, | |
| "learning_rate": 1.3222222222222223e-05, | |
| "loss": 0.1726, | |
| "mean_token_accuracy": 0.936906635761261, | |
| "num_tokens": 1201818.0, | |
| "step": 62 | |
| }, | |
| { | |
| "epoch": 1.05, | |
| "grad_norm": 0.9326362452347312, | |
| "learning_rate": 1.3111111111111113e-05, | |
| "loss": 0.1497, | |
| "mean_token_accuracy": 0.9461251497268677, | |
| "num_tokens": 1222105.0, | |
| "step": 63 | |
| }, | |
| { | |
| "epoch": 1.0666666666666667, | |
| "grad_norm": 1.0392083191471302, | |
| "learning_rate": 1.3000000000000001e-05, | |
| "loss": 0.1642, | |
| "mean_token_accuracy": 0.9368287920951843, | |
| "num_tokens": 1241483.0, | |
| "step": 64 | |
| }, | |
| { | |
| "epoch": 1.0833333333333333, | |
| "grad_norm": 1.147040989505759, | |
| "learning_rate": 1.288888888888889e-05, | |
| "loss": 0.1752, | |
| "mean_token_accuracy": 0.9369705319404602, | |
| "num_tokens": 1260457.0, | |
| "step": 65 | |
| }, | |
| { | |
| "epoch": 1.1, | |
| "grad_norm": 0.9805982619164562, | |
| "learning_rate": 1.2777777777777777e-05, | |
| "loss": 0.1541, | |
| "mean_token_accuracy": 0.9449800252914429, | |
| "num_tokens": 1279517.0, | |
| "step": 66 | |
| }, | |
| { | |
| "epoch": 1.1166666666666667, | |
| "grad_norm": 0.9058555751871202, | |
| "learning_rate": 1.2666666666666667e-05, | |
| "loss": 0.136, | |
| "mean_token_accuracy": 0.9510924816131592, | |
| "num_tokens": 1299484.0, | |
| "step": 67 | |
| }, | |
| { | |
| "epoch": 1.1333333333333333, | |
| "grad_norm": 0.8685189058450895, | |
| "learning_rate": 1.2555555555555557e-05, | |
| "loss": 0.125, | |
| "mean_token_accuracy": 0.9575818777084351, | |
| "num_tokens": 1319473.0, | |
| "step": 68 | |
| }, | |
| { | |
| "epoch": 1.15, | |
| "grad_norm": 0.7442438614909151, | |
| "learning_rate": 1.2444444444444446e-05, | |
| "loss": 0.1179, | |
| "mean_token_accuracy": 0.957948625087738, | |
| "num_tokens": 1341520.0, | |
| "step": 69 | |
| }, | |
| { | |
| "epoch": 1.1666666666666667, | |
| "grad_norm": 1.2278003815150234, | |
| "learning_rate": 1.2333333333333334e-05, | |
| "loss": 0.186, | |
| "mean_token_accuracy": 0.9343335628509521, | |
| "num_tokens": 1359186.0, | |
| "step": 70 | |
| }, | |
| { | |
| "epoch": 1.1833333333333333, | |
| "grad_norm": 1.0420462136657762, | |
| "learning_rate": 1.2222222222222224e-05, | |
| "loss": 0.153, | |
| "mean_token_accuracy": 0.9469709396362305, | |
| "num_tokens": 1378315.0, | |
| "step": 71 | |
| }, | |
| { | |
| "epoch": 1.2, | |
| "grad_norm": 1.0380048193076985, | |
| "learning_rate": 1.211111111111111e-05, | |
| "loss": 0.1436, | |
| "mean_token_accuracy": 0.9483470916748047, | |
| "num_tokens": 1398153.0, | |
| "step": 72 | |
| }, | |
| { | |
| "epoch": 1.2166666666666668, | |
| "grad_norm": 1.0084621189290743, | |
| "learning_rate": 1.2e-05, | |
| "loss": 0.1615, | |
| "mean_token_accuracy": 0.9417263865470886, | |
| "num_tokens": 1417629.0, | |
| "step": 73 | |
| }, | |
| { | |
| "epoch": 1.2333333333333334, | |
| "grad_norm": 0.9505316501027468, | |
| "learning_rate": 1.188888888888889e-05, | |
| "loss": 0.1445, | |
| "mean_token_accuracy": 0.9472274780273438, | |
| "num_tokens": 1437025.0, | |
| "step": 74 | |
| }, | |
| { | |
| "epoch": 1.25, | |
| "grad_norm": 1.1884286204876424, | |
| "learning_rate": 1.177777777777778e-05, | |
| "loss": 0.1698, | |
| "mean_token_accuracy": 0.9374273419380188, | |
| "num_tokens": 1455251.0, | |
| "step": 75 | |
| }, | |
| { | |
| "epoch": 1.2666666666666666, | |
| "grad_norm": 1.2379531503777974, | |
| "learning_rate": 1.1666666666666668e-05, | |
| "loss": 0.1899, | |
| "mean_token_accuracy": 0.9276366233825684, | |
| "num_tokens": 1473505.0, | |
| "step": 76 | |
| }, | |
| { | |
| "epoch": 1.2833333333333332, | |
| "grad_norm": 0.9831497253026844, | |
| "learning_rate": 1.1555555555555556e-05, | |
| "loss": 0.159, | |
| "mean_token_accuracy": 0.9436038732528687, | |
| "num_tokens": 1493095.0, | |
| "step": 77 | |
| }, | |
| { | |
| "epoch": 1.3, | |
| "grad_norm": 0.9439881364034777, | |
| "learning_rate": 1.1444444444444444e-05, | |
| "loss": 0.1398, | |
| "mean_token_accuracy": 0.951481282711029, | |
| "num_tokens": 1512761.0, | |
| "step": 78 | |
| }, | |
| { | |
| "epoch": 1.3166666666666667, | |
| "grad_norm": 1.1347468457271879, | |
| "learning_rate": 1.1333333333333334e-05, | |
| "loss": 0.1735, | |
| "mean_token_accuracy": 0.9395575523376465, | |
| "num_tokens": 1531560.0, | |
| "step": 79 | |
| }, | |
| { | |
| "epoch": 1.3333333333333333, | |
| "grad_norm": 1.3653117110046264, | |
| "learning_rate": 1.1222222222222224e-05, | |
| "loss": 0.2011, | |
| "mean_token_accuracy": 0.9258978962898254, | |
| "num_tokens": 1549916.0, | |
| "step": 80 | |
| }, | |
| { | |
| "epoch": 1.35, | |
| "grad_norm": 0.9813633271839456, | |
| "learning_rate": 1.1111111111111113e-05, | |
| "loss": 0.1372, | |
| "mean_token_accuracy": 0.9503588676452637, | |
| "num_tokens": 1571334.0, | |
| "step": 81 | |
| }, | |
| { | |
| "epoch": 1.3666666666666667, | |
| "grad_norm": 0.7962753001770728, | |
| "learning_rate": 1.1000000000000001e-05, | |
| "loss": 0.1172, | |
| "mean_token_accuracy": 0.9567482471466064, | |
| "num_tokens": 1592652.0, | |
| "step": 82 | |
| }, | |
| { | |
| "epoch": 1.3833333333333333, | |
| "grad_norm": 0.913780453529574, | |
| "learning_rate": 1.088888888888889e-05, | |
| "loss": 0.1236, | |
| "mean_token_accuracy": 0.9562375545501709, | |
| "num_tokens": 1612736.0, | |
| "step": 83 | |
| }, | |
| { | |
| "epoch": 1.4, | |
| "grad_norm": 1.0378983131114818, | |
| "learning_rate": 1.0777777777777778e-05, | |
| "loss": 0.1517, | |
| "mean_token_accuracy": 0.9468337297439575, | |
| "num_tokens": 1631698.0, | |
| "step": 84 | |
| }, | |
| { | |
| "epoch": 1.4166666666666667, | |
| "grad_norm": 0.8763910012325973, | |
| "learning_rate": 1.0666666666666667e-05, | |
| "loss": 0.1366, | |
| "mean_token_accuracy": 0.9536712169647217, | |
| "num_tokens": 1651859.0, | |
| "step": 85 | |
| }, | |
| { | |
| "epoch": 1.4333333333333333, | |
| "grad_norm": 0.7078652833933885, | |
| "learning_rate": 1.0555555555555557e-05, | |
| "loss": 0.1024, | |
| "mean_token_accuracy": 0.9619000554084778, | |
| "num_tokens": 1673006.0, | |
| "step": 86 | |
| }, | |
| { | |
| "epoch": 1.45, | |
| "grad_norm": 0.8659401761097084, | |
| "learning_rate": 1.0444444444444445e-05, | |
| "loss": 0.1254, | |
| "mean_token_accuracy": 0.9535650014877319, | |
| "num_tokens": 1692728.0, | |
| "step": 87 | |
| }, | |
| { | |
| "epoch": 1.4666666666666668, | |
| "grad_norm": 0.8708809194871703, | |
| "learning_rate": 1.0333333333333335e-05, | |
| "loss": 0.1439, | |
| "mean_token_accuracy": 0.9477262496948242, | |
| "num_tokens": 1712396.0, | |
| "step": 88 | |
| }, | |
| { | |
| "epoch": 1.4833333333333334, | |
| "grad_norm": 1.012787064893325, | |
| "learning_rate": 1.0222222222222223e-05, | |
| "loss": 0.1418, | |
| "mean_token_accuracy": 0.9502722024917603, | |
| "num_tokens": 1732251.0, | |
| "step": 89 | |
| }, | |
| { | |
| "epoch": 1.5, | |
| "grad_norm": 1.20605467124662, | |
| "learning_rate": 1.0111111111111111e-05, | |
| "loss": 0.1648, | |
| "mean_token_accuracy": 0.9385513067245483, | |
| "num_tokens": 1751139.0, | |
| "step": 90 | |
| }, | |
| { | |
| "epoch": 1.5166666666666666, | |
| "grad_norm": 0.7709893587047212, | |
| "learning_rate": 1e-05, | |
| "loss": 0.1143, | |
| "mean_token_accuracy": 0.9584763050079346, | |
| "num_tokens": 1772929.0, | |
| "step": 91 | |
| }, | |
| { | |
| "epoch": 1.5333333333333332, | |
| "grad_norm": 0.9143355507406298, | |
| "learning_rate": 9.88888888888889e-06, | |
| "loss": 0.1332, | |
| "mean_token_accuracy": 0.9550284743309021, | |
| "num_tokens": 1792455.0, | |
| "step": 92 | |
| }, | |
| { | |
| "epoch": 1.55, | |
| "grad_norm": 1.156665256897338, | |
| "learning_rate": 9.777777777777779e-06, | |
| "loss": 0.1452, | |
| "mean_token_accuracy": 0.9457477927207947, | |
| "num_tokens": 1810962.0, | |
| "step": 93 | |
| }, | |
| { | |
| "epoch": 1.5666666666666667, | |
| "grad_norm": 1.0204063013809, | |
| "learning_rate": 9.666666666666667e-06, | |
| "loss": 0.1504, | |
| "mean_token_accuracy": 0.944669783115387, | |
| "num_tokens": 1830171.0, | |
| "step": 94 | |
| }, | |
| { | |
| "epoch": 1.5833333333333335, | |
| "grad_norm": 1.13940818302726, | |
| "learning_rate": 9.555555555555556e-06, | |
| "loss": 0.1624, | |
| "mean_token_accuracy": 0.9425520896911621, | |
| "num_tokens": 1849120.0, | |
| "step": 95 | |
| }, | |
| { | |
| "epoch": 1.6, | |
| "grad_norm": 1.1239662031696884, | |
| "learning_rate": 9.444444444444445e-06, | |
| "loss": 0.169, | |
| "mean_token_accuracy": 0.941411018371582, | |
| "num_tokens": 1868698.0, | |
| "step": 96 | |
| }, | |
| { | |
| "epoch": 1.6166666666666667, | |
| "grad_norm": 0.9337438130011902, | |
| "learning_rate": 9.333333333333334e-06, | |
| "loss": 0.1127, | |
| "mean_token_accuracy": 0.9583436846733093, | |
| "num_tokens": 1889793.0, | |
| "step": 97 | |
| }, | |
| { | |
| "epoch": 1.6333333333333333, | |
| "grad_norm": 1.2548785873636994, | |
| "learning_rate": 9.222222222222224e-06, | |
| "loss": 0.1874, | |
| "mean_token_accuracy": 0.9316017031669617, | |
| "num_tokens": 1907473.0, | |
| "step": 98 | |
| }, | |
| { | |
| "epoch": 1.65, | |
| "grad_norm": 1.1746557760923275, | |
| "learning_rate": 9.111111111111112e-06, | |
| "loss": 0.1915, | |
| "mean_token_accuracy": 0.9325609803199768, | |
| "num_tokens": 1926318.0, | |
| "step": 99 | |
| }, | |
| { | |
| "epoch": 1.6666666666666665, | |
| "grad_norm": 0.9306519879019831, | |
| "learning_rate": 9e-06, | |
| "loss": 0.1331, | |
| "mean_token_accuracy": 0.9495912790298462, | |
| "num_tokens": 1946708.0, | |
| "step": 100 | |
| }, | |
| { | |
| "epoch": 1.6833333333333333, | |
| "grad_norm": 0.9446275954390885, | |
| "learning_rate": 8.888888888888888e-06, | |
| "loss": 0.1434, | |
| "mean_token_accuracy": 0.9497577548027039, | |
| "num_tokens": 1965342.0, | |
| "step": 101 | |
| }, | |
| { | |
| "epoch": 1.7, | |
| "grad_norm": 0.9234966150999687, | |
| "learning_rate": 8.777777777777778e-06, | |
| "loss": 0.1376, | |
| "mean_token_accuracy": 0.9505731463432312, | |
| "num_tokens": 1985111.0, | |
| "step": 102 | |
| }, | |
| { | |
| "epoch": 1.7166666666666668, | |
| "grad_norm": 0.9537386059477831, | |
| "learning_rate": 8.666666666666668e-06, | |
| "loss": 0.1376, | |
| "mean_token_accuracy": 0.9508804678916931, | |
| "num_tokens": 2004615.0, | |
| "step": 103 | |
| }, | |
| { | |
| "epoch": 1.7333333333333334, | |
| "grad_norm": 0.9913708002681217, | |
| "learning_rate": 8.555555555555556e-06, | |
| "loss": 0.1628, | |
| "mean_token_accuracy": 0.9396049380302429, | |
| "num_tokens": 2023853.0, | |
| "step": 104 | |
| }, | |
| { | |
| "epoch": 1.75, | |
| "grad_norm": 1.1848216877825122, | |
| "learning_rate": 8.444444444444446e-06, | |
| "loss": 0.1723, | |
| "mean_token_accuracy": 0.9336273670196533, | |
| "num_tokens": 2041684.0, | |
| "step": 105 | |
| }, | |
| { | |
| "epoch": 1.7666666666666666, | |
| "grad_norm": 0.9897585477322013, | |
| "learning_rate": 8.333333333333334e-06, | |
| "loss": 0.14, | |
| "mean_token_accuracy": 0.9489489197731018, | |
| "num_tokens": 2060735.0, | |
| "step": 106 | |
| }, | |
| { | |
| "epoch": 1.7833333333333332, | |
| "grad_norm": 0.6769645173431437, | |
| "learning_rate": 8.222222222222222e-06, | |
| "loss": 0.1125, | |
| "mean_token_accuracy": 0.9590517282485962, | |
| "num_tokens": 2081676.0, | |
| "step": 107 | |
| }, | |
| { | |
| "epoch": 1.8, | |
| "grad_norm": 0.9941938323842807, | |
| "learning_rate": 8.111111111111112e-06, | |
| "loss": 0.1558, | |
| "mean_token_accuracy": 0.9427565932273865, | |
| "num_tokens": 2100126.0, | |
| "step": 108 | |
| }, | |
| { | |
| "epoch": 1.8166666666666667, | |
| "grad_norm": 1.023487530043029, | |
| "learning_rate": 8.000000000000001e-06, | |
| "loss": 0.1498, | |
| "mean_token_accuracy": 0.9459511041641235, | |
| "num_tokens": 2118412.0, | |
| "step": 109 | |
| }, | |
| { | |
| "epoch": 1.8333333333333335, | |
| "grad_norm": 1.0442509083619982, | |
| "learning_rate": 7.88888888888889e-06, | |
| "loss": 0.1528, | |
| "mean_token_accuracy": 0.9426274299621582, | |
| "num_tokens": 2136945.0, | |
| "step": 110 | |
| }, | |
| { | |
| "epoch": 1.85, | |
| "grad_norm": 0.7382938848577654, | |
| "learning_rate": 7.77777777777778e-06, | |
| "loss": 0.1069, | |
| "mean_token_accuracy": 0.9606086611747742, | |
| "num_tokens": 2158142.0, | |
| "step": 111 | |
| }, | |
| { | |
| "epoch": 1.8666666666666667, | |
| "grad_norm": 1.013004919544077, | |
| "learning_rate": 7.666666666666667e-06, | |
| "loss": 0.1301, | |
| "mean_token_accuracy": 0.9497557282447815, | |
| "num_tokens": 2176933.0, | |
| "step": 112 | |
| }, | |
| { | |
| "epoch": 1.8833333333333333, | |
| "grad_norm": 1.0119787562037492, | |
| "learning_rate": 7.555555555555556e-06, | |
| "loss": 0.1566, | |
| "mean_token_accuracy": 0.9420549869537354, | |
| "num_tokens": 2196697.0, | |
| "step": 113 | |
| }, | |
| { | |
| "epoch": 1.9, | |
| "grad_norm": 0.9854931097065066, | |
| "learning_rate": 7.444444444444445e-06, | |
| "loss": 0.1534, | |
| "mean_token_accuracy": 0.9418057799339294, | |
| "num_tokens": 2215923.0, | |
| "step": 114 | |
| }, | |
| { | |
| "epoch": 1.9166666666666665, | |
| "grad_norm": 0.7144804965252481, | |
| "learning_rate": 7.333333333333333e-06, | |
| "loss": 0.1037, | |
| "mean_token_accuracy": 0.9651133418083191, | |
| "num_tokens": 2236922.0, | |
| "step": 115 | |
| }, | |
| { | |
| "epoch": 1.9333333333333333, | |
| "grad_norm": 0.7694761724271274, | |
| "learning_rate": 7.222222222222223e-06, | |
| "loss": 0.1138, | |
| "mean_token_accuracy": 0.9599701762199402, | |
| "num_tokens": 2258029.0, | |
| "step": 116 | |
| }, | |
| { | |
| "epoch": 1.95, | |
| "grad_norm": 0.9606224762156166, | |
| "learning_rate": 7.111111111111112e-06, | |
| "loss": 0.1588, | |
| "mean_token_accuracy": 0.9443244338035583, | |
| "num_tokens": 2277091.0, | |
| "step": 117 | |
| }, | |
| { | |
| "epoch": 1.9666666666666668, | |
| "grad_norm": 1.0937626624760368, | |
| "learning_rate": 7e-06, | |
| "loss": 0.1532, | |
| "mean_token_accuracy": 0.9443029761314392, | |
| "num_tokens": 2296417.0, | |
| "step": 118 | |
| }, | |
| { | |
| "epoch": 1.9833333333333334, | |
| "grad_norm": 1.0711892173260553, | |
| "learning_rate": 6.88888888888889e-06, | |
| "loss": 0.1595, | |
| "mean_token_accuracy": 0.9443521499633789, | |
| "num_tokens": 2315489.0, | |
| "step": 119 | |
| }, | |
| { | |
| "epoch": 2.0, | |
| "grad_norm": 0.8768653402030852, | |
| "learning_rate": 6.777777777777779e-06, | |
| "loss": 0.1165, | |
| "mean_token_accuracy": 0.9577861428260803, | |
| "num_tokens": 2329544.0, | |
| "step": 120 | |
| }, | |
| { | |
| "epoch": 2.0166666666666666, | |
| "grad_norm": 0.6251281839168465, | |
| "learning_rate": 6.666666666666667e-06, | |
| "loss": 0.0771, | |
| "mean_token_accuracy": 0.9738717079162598, | |
| "num_tokens": 2351006.0, | |
| "step": 121 | |
| }, | |
| { | |
| "epoch": 2.033333333333333, | |
| "grad_norm": 0.6284390720490242, | |
| "learning_rate": 6.555555555555556e-06, | |
| "loss": 0.0833, | |
| "mean_token_accuracy": 0.9683251976966858, | |
| "num_tokens": 2371636.0, | |
| "step": 122 | |
| }, | |
| { | |
| "epoch": 2.05, | |
| "grad_norm": 0.6826995248721669, | |
| "learning_rate": 6.444444444444445e-06, | |
| "loss": 0.093, | |
| "mean_token_accuracy": 0.9684882760047913, | |
| "num_tokens": 2391742.0, | |
| "step": 123 | |
| }, | |
| { | |
| "epoch": 2.066666666666667, | |
| "grad_norm": 0.6985483544899995, | |
| "learning_rate": 6.333333333333333e-06, | |
| "loss": 0.0874, | |
| "mean_token_accuracy": 0.9688146710395813, | |
| "num_tokens": 2411562.0, | |
| "step": 124 | |
| }, | |
| { | |
| "epoch": 2.0833333333333335, | |
| "grad_norm": 0.7179963812086702, | |
| "learning_rate": 6.222222222222223e-06, | |
| "loss": 0.0947, | |
| "mean_token_accuracy": 0.9637842774391174, | |
| "num_tokens": 2430887.0, | |
| "step": 125 | |
| }, | |
| { | |
| "epoch": 2.1, | |
| "grad_norm": 0.7340775462108364, | |
| "learning_rate": 6.111111111111112e-06, | |
| "loss": 0.0882, | |
| "mean_token_accuracy": 0.968779444694519, | |
| "num_tokens": 2450324.0, | |
| "step": 126 | |
| }, | |
| { | |
| "epoch": 2.1166666666666667, | |
| "grad_norm": 0.6971941014215697, | |
| "learning_rate": 6e-06, | |
| "loss": 0.0865, | |
| "mean_token_accuracy": 0.966270387172699, | |
| "num_tokens": 2470605.0, | |
| "step": 127 | |
| }, | |
| { | |
| "epoch": 2.1333333333333333, | |
| "grad_norm": 0.7708208981885679, | |
| "learning_rate": 5.88888888888889e-06, | |
| "loss": 0.0936, | |
| "mean_token_accuracy": 0.9645907282829285, | |
| "num_tokens": 2489281.0, | |
| "step": 128 | |
| }, | |
| { | |
| "epoch": 2.15, | |
| "grad_norm": 1.063746925464334, | |
| "learning_rate": 5.777777777777778e-06, | |
| "loss": 0.1047, | |
| "mean_token_accuracy": 0.9620683789253235, | |
| "num_tokens": 2508213.0, | |
| "step": 129 | |
| }, | |
| { | |
| "epoch": 2.1666666666666665, | |
| "grad_norm": 0.85374641121885, | |
| "learning_rate": 5.666666666666667e-06, | |
| "loss": 0.0934, | |
| "mean_token_accuracy": 0.9634836316108704, | |
| "num_tokens": 2526747.0, | |
| "step": 130 | |
| }, | |
| { | |
| "epoch": 2.183333333333333, | |
| "grad_norm": 0.8620800950130304, | |
| "learning_rate": 5.555555555555557e-06, | |
| "loss": 0.1008, | |
| "mean_token_accuracy": 0.9645389914512634, | |
| "num_tokens": 2545705.0, | |
| "step": 131 | |
| }, | |
| { | |
| "epoch": 2.2, | |
| "grad_norm": 0.7793400238647186, | |
| "learning_rate": 5.444444444444445e-06, | |
| "loss": 0.0896, | |
| "mean_token_accuracy": 0.966309130191803, | |
| "num_tokens": 2566036.0, | |
| "step": 132 | |
| }, | |
| { | |
| "epoch": 2.216666666666667, | |
| "grad_norm": 0.8854628019833792, | |
| "learning_rate": 5.333333333333334e-06, | |
| "loss": 0.0883, | |
| "mean_token_accuracy": 0.9674826264381409, | |
| "num_tokens": 2584575.0, | |
| "step": 133 | |
| }, | |
| { | |
| "epoch": 2.2333333333333334, | |
| "grad_norm": 0.9099694952637853, | |
| "learning_rate": 5.2222222222222226e-06, | |
| "loss": 0.1028, | |
| "mean_token_accuracy": 0.9623646140098572, | |
| "num_tokens": 2603271.0, | |
| "step": 134 | |
| }, | |
| { | |
| "epoch": 2.25, | |
| "grad_norm": 1.2415591598728333, | |
| "learning_rate": 5.1111111111111115e-06, | |
| "loss": 0.13, | |
| "mean_token_accuracy": 0.951812744140625, | |
| "num_tokens": 2620691.0, | |
| "step": 135 | |
| }, | |
| { | |
| "epoch": 2.2666666666666666, | |
| "grad_norm": 0.8805897450359303, | |
| "learning_rate": 5e-06, | |
| "loss": 0.0901, | |
| "mean_token_accuracy": 0.9666962623596191, | |
| "num_tokens": 2640489.0, | |
| "step": 136 | |
| }, | |
| { | |
| "epoch": 2.283333333333333, | |
| "grad_norm": 0.6831112090735907, | |
| "learning_rate": 4.888888888888889e-06, | |
| "loss": 0.0719, | |
| "mean_token_accuracy": 0.9733719825744629, | |
| "num_tokens": 2661139.0, | |
| "step": 137 | |
| }, | |
| { | |
| "epoch": 2.3, | |
| "grad_norm": 0.9359785185685812, | |
| "learning_rate": 4.777777777777778e-06, | |
| "loss": 0.0979, | |
| "mean_token_accuracy": 0.9644399881362915, | |
| "num_tokens": 2681134.0, | |
| "step": 138 | |
| }, | |
| { | |
| "epoch": 2.3166666666666664, | |
| "grad_norm": 0.6982783617868149, | |
| "learning_rate": 4.666666666666667e-06, | |
| "loss": 0.0802, | |
| "mean_token_accuracy": 0.9708402156829834, | |
| "num_tokens": 2701418.0, | |
| "step": 139 | |
| }, | |
| { | |
| "epoch": 2.3333333333333335, | |
| "grad_norm": 0.8356985024729287, | |
| "learning_rate": 4.555555555555556e-06, | |
| "loss": 0.1037, | |
| "mean_token_accuracy": 0.9611542820930481, | |
| "num_tokens": 2720773.0, | |
| "step": 140 | |
| }, | |
| { | |
| "epoch": 2.35, | |
| "grad_norm": 0.9862372490871846, | |
| "learning_rate": 4.444444444444444e-06, | |
| "loss": 0.1067, | |
| "mean_token_accuracy": 0.9594425559043884, | |
| "num_tokens": 2739428.0, | |
| "step": 141 | |
| }, | |
| { | |
| "epoch": 2.3666666666666667, | |
| "grad_norm": 0.623294732436491, | |
| "learning_rate": 4.333333333333334e-06, | |
| "loss": 0.0695, | |
| "mean_token_accuracy": 0.9733567833900452, | |
| "num_tokens": 2760440.0, | |
| "step": 142 | |
| }, | |
| { | |
| "epoch": 2.3833333333333333, | |
| "grad_norm": 0.7322830332993291, | |
| "learning_rate": 4.222222222222223e-06, | |
| "loss": 0.0889, | |
| "mean_token_accuracy": 0.9665079116821289, | |
| "num_tokens": 2780009.0, | |
| "step": 143 | |
| }, | |
| { | |
| "epoch": 2.4, | |
| "grad_norm": 0.8143415765985169, | |
| "learning_rate": 4.111111111111111e-06, | |
| "loss": 0.0951, | |
| "mean_token_accuracy": 0.9636101126670837, | |
| "num_tokens": 2799989.0, | |
| "step": 144 | |
| }, | |
| { | |
| "epoch": 2.4166666666666665, | |
| "grad_norm": 0.546869291947266, | |
| "learning_rate": 4.000000000000001e-06, | |
| "loss": 0.0651, | |
| "mean_token_accuracy": 0.9757785201072693, | |
| "num_tokens": 2821423.0, | |
| "step": 145 | |
| }, | |
| { | |
| "epoch": 2.4333333333333336, | |
| "grad_norm": 0.8270848313125879, | |
| "learning_rate": 3.88888888888889e-06, | |
| "loss": 0.0915, | |
| "mean_token_accuracy": 0.9669610857963562, | |
| "num_tokens": 2840604.0, | |
| "step": 146 | |
| }, | |
| { | |
| "epoch": 2.45, | |
| "grad_norm": 0.8517198133246286, | |
| "learning_rate": 3.777777777777778e-06, | |
| "loss": 0.0932, | |
| "mean_token_accuracy": 0.964799702167511, | |
| "num_tokens": 2859437.0, | |
| "step": 147 | |
| }, | |
| { | |
| "epoch": 2.466666666666667, | |
| "grad_norm": 0.9674954444130963, | |
| "learning_rate": 3.6666666666666666e-06, | |
| "loss": 0.0995, | |
| "mean_token_accuracy": 0.9642043709754944, | |
| "num_tokens": 2878635.0, | |
| "step": 148 | |
| }, | |
| { | |
| "epoch": 2.4833333333333334, | |
| "grad_norm": 0.8923432338281196, | |
| "learning_rate": 3.555555555555556e-06, | |
| "loss": 0.107, | |
| "mean_token_accuracy": 0.9613018035888672, | |
| "num_tokens": 2897866.0, | |
| "step": 149 | |
| }, | |
| { | |
| "epoch": 2.5, | |
| "grad_norm": 0.5948440836171763, | |
| "learning_rate": 3.444444444444445e-06, | |
| "loss": 0.0722, | |
| "mean_token_accuracy": 0.9716657996177673, | |
| "num_tokens": 2920541.0, | |
| "step": 150 | |
| }, | |
| { | |
| "epoch": 2.5166666666666666, | |
| "grad_norm": 0.6997082703093433, | |
| "learning_rate": 3.3333333333333333e-06, | |
| "loss": 0.0818, | |
| "mean_token_accuracy": 0.9700831770896912, | |
| "num_tokens": 2941043.0, | |
| "step": 151 | |
| }, | |
| { | |
| "epoch": 2.533333333333333, | |
| "grad_norm": 0.6853424324861723, | |
| "learning_rate": 3.2222222222222227e-06, | |
| "loss": 0.0699, | |
| "mean_token_accuracy": 0.9737975597381592, | |
| "num_tokens": 2962451.0, | |
| "step": 152 | |
| }, | |
| { | |
| "epoch": 2.55, | |
| "grad_norm": 0.788856800633058, | |
| "learning_rate": 3.1111111111111116e-06, | |
| "loss": 0.0951, | |
| "mean_token_accuracy": 0.9657984972000122, | |
| "num_tokens": 2983102.0, | |
| "step": 153 | |
| }, | |
| { | |
| "epoch": 2.5666666666666664, | |
| "grad_norm": 0.8049580781436556, | |
| "learning_rate": 3e-06, | |
| "loss": 0.0874, | |
| "mean_token_accuracy": 0.9658728837966919, | |
| "num_tokens": 3002754.0, | |
| "step": 154 | |
| }, | |
| { | |
| "epoch": 2.5833333333333335, | |
| "grad_norm": 0.6468847476444607, | |
| "learning_rate": 2.888888888888889e-06, | |
| "loss": 0.0718, | |
| "mean_token_accuracy": 0.9740763902664185, | |
| "num_tokens": 3023792.0, | |
| "step": 155 | |
| }, | |
| { | |
| "epoch": 2.6, | |
| "grad_norm": 0.7790527794056367, | |
| "learning_rate": 2.7777777777777783e-06, | |
| "loss": 0.0907, | |
| "mean_token_accuracy": 0.9634305834770203, | |
| "num_tokens": 3043717.0, | |
| "step": 156 | |
| }, | |
| { | |
| "epoch": 2.6166666666666667, | |
| "grad_norm": 0.7784804869782793, | |
| "learning_rate": 2.666666666666667e-06, | |
| "loss": 0.0813, | |
| "mean_token_accuracy": 0.9687763452529907, | |
| "num_tokens": 3062697.0, | |
| "step": 157 | |
| }, | |
| { | |
| "epoch": 2.6333333333333333, | |
| "grad_norm": 0.8695866199163134, | |
| "learning_rate": 2.5555555555555557e-06, | |
| "loss": 0.1028, | |
| "mean_token_accuracy": 0.9597998857498169, | |
| "num_tokens": 3081540.0, | |
| "step": 158 | |
| }, | |
| { | |
| "epoch": 2.65, | |
| "grad_norm": 0.8264331195451216, | |
| "learning_rate": 2.4444444444444447e-06, | |
| "loss": 0.0884, | |
| "mean_token_accuracy": 0.965327262878418, | |
| "num_tokens": 3100748.0, | |
| "step": 159 | |
| }, | |
| { | |
| "epoch": 2.6666666666666665, | |
| "grad_norm": 0.8336042061118125, | |
| "learning_rate": 2.3333333333333336e-06, | |
| "loss": 0.0938, | |
| "mean_token_accuracy": 0.9615654349327087, | |
| "num_tokens": 3119513.0, | |
| "step": 160 | |
| }, | |
| { | |
| "epoch": 2.6833333333333336, | |
| "grad_norm": 0.774435592352755, | |
| "learning_rate": 2.222222222222222e-06, | |
| "loss": 0.0861, | |
| "mean_token_accuracy": 0.965322732925415, | |
| "num_tokens": 3138593.0, | |
| "step": 161 | |
| }, | |
| { | |
| "epoch": 2.7, | |
| "grad_norm": 0.8708493282032755, | |
| "learning_rate": 2.1111111111111114e-06, | |
| "loss": 0.0984, | |
| "mean_token_accuracy": 0.963320791721344, | |
| "num_tokens": 3157750.0, | |
| "step": 162 | |
| }, | |
| { | |
| "epoch": 2.716666666666667, | |
| "grad_norm": 0.6844114412472727, | |
| "learning_rate": 2.0000000000000003e-06, | |
| "loss": 0.0774, | |
| "mean_token_accuracy": 0.9710574746131897, | |
| "num_tokens": 3177887.0, | |
| "step": 163 | |
| }, | |
| { | |
| "epoch": 2.7333333333333334, | |
| "grad_norm": 0.8269947045633131, | |
| "learning_rate": 1.888888888888889e-06, | |
| "loss": 0.0966, | |
| "mean_token_accuracy": 0.9629047513008118, | |
| "num_tokens": 3197305.0, | |
| "step": 164 | |
| }, | |
| { | |
| "epoch": 2.75, | |
| "grad_norm": 0.9352308958030469, | |
| "learning_rate": 1.777777777777778e-06, | |
| "loss": 0.097, | |
| "mean_token_accuracy": 0.9620761871337891, | |
| "num_tokens": 3216586.0, | |
| "step": 165 | |
| }, | |
| { | |
| "epoch": 2.7666666666666666, | |
| "grad_norm": 0.7621362303112271, | |
| "learning_rate": 1.6666666666666667e-06, | |
| "loss": 0.0907, | |
| "mean_token_accuracy": 0.9662196636199951, | |
| "num_tokens": 3235533.0, | |
| "step": 166 | |
| }, | |
| { | |
| "epoch": 2.783333333333333, | |
| "grad_norm": 0.960964098507404, | |
| "learning_rate": 1.5555555555555558e-06, | |
| "loss": 0.1011, | |
| "mean_token_accuracy": 0.9637789130210876, | |
| "num_tokens": 3253955.0, | |
| "step": 167 | |
| }, | |
| { | |
| "epoch": 2.8, | |
| "grad_norm": 0.834114847730771, | |
| "learning_rate": 1.4444444444444445e-06, | |
| "loss": 0.0945, | |
| "mean_token_accuracy": 0.9648138880729675, | |
| "num_tokens": 3272890.0, | |
| "step": 168 | |
| }, | |
| { | |
| "epoch": 2.8166666666666664, | |
| "grad_norm": 0.7527900787887315, | |
| "learning_rate": 1.3333333333333334e-06, | |
| "loss": 0.0856, | |
| "mean_token_accuracy": 0.9682297110557556, | |
| "num_tokens": 3291832.0, | |
| "step": 169 | |
| }, | |
| { | |
| "epoch": 2.8333333333333335, | |
| "grad_norm": 0.962657962120987, | |
| "learning_rate": 1.2222222222222223e-06, | |
| "loss": 0.1053, | |
| "mean_token_accuracy": 0.9603788256645203, | |
| "num_tokens": 3310072.0, | |
| "step": 170 | |
| }, | |
| { | |
| "epoch": 2.85, | |
| "grad_norm": 0.6521937551649634, | |
| "learning_rate": 1.111111111111111e-06, | |
| "loss": 0.0754, | |
| "mean_token_accuracy": 0.9735506772994995, | |
| "num_tokens": 3329622.0, | |
| "step": 171 | |
| }, | |
| { | |
| "epoch": 2.8666666666666667, | |
| "grad_norm": 0.8085295318281304, | |
| "learning_rate": 1.0000000000000002e-06, | |
| "loss": 0.0851, | |
| "mean_token_accuracy": 0.96629399061203, | |
| "num_tokens": 3348763.0, | |
| "step": 172 | |
| }, | |
| { | |
| "epoch": 2.8833333333333333, | |
| "grad_norm": 0.8908320452034533, | |
| "learning_rate": 8.88888888888889e-07, | |
| "loss": 0.0935, | |
| "mean_token_accuracy": 0.9675348401069641, | |
| "num_tokens": 3367256.0, | |
| "step": 173 | |
| }, | |
| { | |
| "epoch": 2.9, | |
| "grad_norm": 0.7445211886068831, | |
| "learning_rate": 7.777777777777779e-07, | |
| "loss": 0.0855, | |
| "mean_token_accuracy": 0.968561053276062, | |
| "num_tokens": 3386924.0, | |
| "step": 174 | |
| }, | |
| { | |
| "epoch": 2.9166666666666665, | |
| "grad_norm": 0.8905272321287844, | |
| "learning_rate": 6.666666666666667e-07, | |
| "loss": 0.0945, | |
| "mean_token_accuracy": 0.9635922312736511, | |
| "num_tokens": 3405338.0, | |
| "step": 175 | |
| }, | |
| { | |
| "epoch": 2.9333333333333336, | |
| "grad_norm": 0.884095334873471, | |
| "learning_rate": 5.555555555555555e-07, | |
| "loss": 0.1016, | |
| "mean_token_accuracy": 0.9620562791824341, | |
| "num_tokens": 3424120.0, | |
| "step": 176 | |
| }, | |
| { | |
| "epoch": 2.95, | |
| "grad_norm": 0.9696647110949745, | |
| "learning_rate": 4.444444444444445e-07, | |
| "loss": 0.1085, | |
| "mean_token_accuracy": 0.9581360220909119, | |
| "num_tokens": 3442456.0, | |
| "step": 177 | |
| }, | |
| { | |
| "epoch": 2.966666666666667, | |
| "grad_norm": 0.8575382869374056, | |
| "learning_rate": 3.3333333333333335e-07, | |
| "loss": 0.0944, | |
| "mean_token_accuracy": 0.9630635380744934, | |
| "num_tokens": 3461044.0, | |
| "step": 178 | |
| }, | |
| { | |
| "epoch": 2.9833333333333334, | |
| "grad_norm": 0.8796554050600224, | |
| "learning_rate": 2.2222222222222224e-07, | |
| "loss": 0.0965, | |
| "mean_token_accuracy": 0.9649972319602966, | |
| "num_tokens": 3479478.0, | |
| "step": 179 | |
| }, | |
| { | |
| "epoch": 3.0, | |
| "grad_norm": 0.47092378589770406, | |
| "learning_rate": 1.1111111111111112e-07, | |
| "loss": 0.0489, | |
| "mean_token_accuracy": 0.9833430051803589, | |
| "num_tokens": 3496156.0, | |
| "step": 180 | |
| } | |
| ], | |
| "logging_steps": 1, | |
| "max_steps": 180, | |
| "num_input_tokens_seen": 0, | |
| "num_train_epochs": 3, | |
| "save_steps": 500, | |
| "stateful_callbacks": { | |
| "TrainerControl": { | |
| "args": { | |
| "should_epoch_stop": false, | |
| "should_evaluate": false, | |
| "should_log": false, | |
| "should_save": true, | |
| "should_training_stop": true | |
| }, | |
| "attributes": {} | |
| } | |
| }, | |
| "total_flos": 8670117072896.0, | |
| "train_batch_size": 4, | |
| "trial_name": null, | |
| "trial_params": null | |
| } | |