Hugging Face's logo

Sarim-Hash
/
moldir_new_exp

Safetensors
Model card Files
xet
Community
Sarim-Hash commited on
Commit
5cd5e10
·
verified ·
1 Parent(s): f48985c

Upload folder using huggingface_hub

Browse files
Files changed (14) hide show
  1. .gitattributes +1 -0
  2. .gitignore +1 -0
  3. checkpoint-5000/added_tokens.json +24 -0
  4. checkpoint-5000/chat_template.jinja +54 -0
  5. checkpoint-5000/config.json +28 -0
  6. checkpoint-5000/generation_config.json +14 -0
  7. checkpoint-5000/merges.txt +0 -0
  8. checkpoint-5000/model.safetensors +3 -0
  9. checkpoint-5000/special_tokens_map.json +31 -0
  10. checkpoint-5000/tokenizer.json +3 -0
  11. checkpoint-5000/tokenizer_config.json +208 -0
  12. checkpoint-5000/trainer_state.json +3534 -0
  13. checkpoint-5000/training_args.bin +3 -0
  14. checkpoint-5000/vocab.json +0 -0
.gitattributes CHANGED
@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
 
 
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
36
+ checkpoint-5000/tokenizer.json filter=lfs diff=lfs merge=lfs -text
.gitignore ADDED
@@ -0,0 +1 @@
 
 
1
+ push.sh
checkpoint-5000/added_tokens.json ADDED
@@ -0,0 +1,24 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "</tool_call>": 151658,
3
+ "<tool_call>": 151657,
4
+ "<|box_end|>": 151649,
5
+ "<|box_start|>": 151648,
6
+ "<|endoftext|>": 151643,
7
+ "<|file_sep|>": 151664,
8
+ "<|fim_middle|>": 151660,
9
+ "<|fim_pad|>": 151662,
10
+ "<|fim_prefix|>": 151659,
11
+ "<|fim_suffix|>": 151661,
12
+ "<|im_end|>": 151645,
13
+ "<|im_start|>": 151644,
14
+ "<|image_pad|>": 151655,
15
+ "<|object_ref_end|>": 151647,
16
+ "<|object_ref_start|>": 151646,
17
+ "<|quad_end|>": 151651,
18
+ "<|quad_start|>": 151650,
19
+ "<|repo_name|>": 151663,
20
+ "<|video_pad|>": 151656,
21
+ "<|vision_end|>": 151653,
22
+ "<|vision_pad|>": 151654,
23
+ "<|vision_start|>": 151652
24
+ }
checkpoint-5000/chat_template.jinja ADDED
@@ -0,0 +1,54 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {%- if tools %}
2
+ {{- '<|im_start|>system\n' }}
3
+ {%- if messages[0]['role'] == 'system' %}
4
+ {{- messages[0]['content'] }}
5
+ {%- else %}
6
+ {{- 'You are Qwen, created by Alibaba Cloud. You are a helpful assistant.' }}
7
+ {%- endif %}
8
+ {{- "\n\n# Tools\n\nYou may call one or more functions to assist with the user query.\n\nYou are provided with function signatures within <tools></tools> XML tags:\n<tools>" }}
9
+ {%- for tool in tools %}
10
+ {{- "\n" }}
11
+ {{- tool | tojson }}
12
+ {%- endfor %}
13
+ {{- "\n</tools>\n\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\n<tool_call>\n{\"name\": <function-name>, \"arguments\": <args-json-object>}\n</tool_call><|im_end|>\n" }}
14
+ {%- else %}
15
+ {%- if messages[0]['role'] == 'system' %}
16
+ {{- '<|im_start|>system\n' + messages[0]['content'] + '<|im_end|>\n' }}
17
+ {%- else %}
18
+ {{- '<|im_start|>system\nYou are Qwen, created by Alibaba Cloud. You are a helpful assistant.<|im_end|>\n' }}
19
+ {%- endif %}
20
+ {%- endif %}
21
+ {%- for message in messages %}
22
+ {%- if (message.role == "user") or (message.role == "system" and not loop.first) or (message.role == "assistant" and not message.tool_calls) %}
23
+ {{- '<|im_start|>' + message.role + '\n' + message.content + '<|im_end|>' + '\n' }}
24
+ {%- elif message.role == "assistant" %}
25
+ {{- '<|im_start|>' + message.role }}
26
+ {%- if message.content %}
27
+ {{- '\n' + message.content }}
28
+ {%- endif %}
29
+ {%- for tool_call in message.tool_calls %}
30
+ {%- if tool_call.function is defined %}
31
+ {%- set tool_call = tool_call.function %}
32
+ {%- endif %}
33
+ {{- '\n<tool_call>\n{"name": "' }}
34
+ {{- tool_call.name }}
35
+ {{- '", "arguments": ' }}
36
+ {{- tool_call.arguments | tojson }}
37
+ {{- '}\n</tool_call>' }}
38
+ {%- endfor %}
39
+ {{- '<|im_end|>\n' }}
40
+ {%- elif message.role == "tool" %}
41
+ {%- if (loop.index0 == 0) or (messages[loop.index0 - 1].role != "tool") %}
42
+ {{- '<|im_start|>user' }}
43
+ {%- endif %}
44
+ {{- '\n<tool_response>\n' }}
45
+ {{- message.content }}
46
+ {{- '\n</tool_response>' }}
47
+ {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %}
48
+ {{- '<|im_end|>\n' }}
49
+ {%- endif %}
50
+ {%- endif %}
51
+ {%- endfor %}
52
+ {%- if add_generation_prompt %}
53
+ {{- '<|im_start|>assistant\n' }}
54
+ {%- endif %}
checkpoint-5000/config.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "Qwen2ForCausalLM"
4
+ ],
5
+ "attention_dropout": 0.0,
6
+ "bos_token_id": 151643,
7
+ "eos_token_id": 151645,
8
+ "hidden_act": "silu",
9
+ "hidden_size": 896,
10
+ "initializer_range": 0.02,
11
+ "intermediate_size": 4864,
12
+ "max_position_embeddings": 32768,
13
+ "max_window_layers": 24,
14
+ "model_type": "qwen2",
15
+ "num_attention_heads": 14,
16
+ "num_hidden_layers": 24,
17
+ "num_key_value_heads": 2,
18
+ "rms_norm_eps": 1e-06,
19
+ "rope_scaling": null,
20
+ "rope_theta": 1000000.0,
21
+ "sliding_window": 32768,
22
+ "tie_word_embeddings": true,
23
+ "torch_dtype": "bfloat16",
24
+ "transformers_version": "4.52.4",
25
+ "use_cache": false,
26
+ "use_sliding_window": false,
27
+ "vocab_size": 151936
28
+ }
checkpoint-5000/generation_config.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token_id": 151643,
3
+ "do_sample": true,
4
+ "eos_token_id": [
5
+ 151645,
6
+ 151643
7
+ ],
8
+ "pad_token_id": 151643,
9
+ "repetition_penalty": 1.05,
10
+ "temperature": 0.7,
11
+ "top_k": 20,
12
+ "top_p": 0.8,
13
+ "transformers_version": "4.52.4"
14
+ }
checkpoint-5000/merges.txt ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-5000/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:4a6e797a186ae9c036550b7c19ac4c3777c3a2c66c6c4c73dcc8e27d26c7b284
3
+ size 1260367448
checkpoint-5000/special_tokens_map.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "additional_special_tokens": [
3
+ "<|im_start|>",
4
+ "<|im_end|>",
5
+ "<|object_ref_start|>",
6
+ "<|object_ref_end|>",
7
+ "<|box_start|>",
8
+ "<|box_end|>",
9
+ "<|quad_start|>",
10
+ "<|quad_end|>",
11
+ "<|vision_start|>",
12
+ "<|vision_end|>",
13
+ "<|vision_pad|>",
14
+ "<|image_pad|>",
15
+ "<|video_pad|>"
16
+ ],
17
+ "eos_token": {
18
+ "content": "<|im_end|>",
19
+ "lstrip": false,
20
+ "normalized": false,
21
+ "rstrip": false,
22
+ "single_word": false
23
+ },
24
+ "pad_token": {
25
+ "content": "<|endoftext|>",
26
+ "lstrip": false,
27
+ "normalized": false,
28
+ "rstrip": false,
29
+ "single_word": false
30
+ }
31
+ }
checkpoint-5000/tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9c5ae00e602b8860cbd784ba82a8aa14e8feecec692e7076590d014d7b7fdafa
3
+ size 11421896
checkpoint-5000/tokenizer_config.json ADDED
@@ -0,0 +1,208 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": false,
3
+ "add_prefix_space": false,
4
+ "added_tokens_decoder": {
5
+ "151643": {
6
+ "content": "<|endoftext|>",
7
+ "lstrip": false,
8
+ "normalized": false,
9
+ "rstrip": false,
10
+ "single_word": false,
11
+ "special": true
12
+ },
13
+ "151644": {
14
+ "content": "<|im_start|>",
15
+ "lstrip": false,
16
+ "normalized": false,
17
+ "rstrip": false,
18
+ "single_word": false,
19
+ "special": true
20
+ },
21
+ "151645": {
22
+ "content": "<|im_end|>",
23
+ "lstrip": false,
24
+ "normalized": false,
25
+ "rstrip": false,
26
+ "single_word": false,
27
+ "special": true
28
+ },
29
+ "151646": {
30
+ "content": "<|object_ref_start|>",
31
+ "lstrip": false,
32
+ "normalized": false,
33
+ "rstrip": false,
34
+ "single_word": false,
35
+ "special": true
36
+ },
37
+ "151647": {
38
+ "content": "<|object_ref_end|>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false,
43
+ "special": true
44
+ },
45
+ "151648": {
46
+ "content": "<|box_start|>",
47
+ "lstrip": false,
48
+ "normalized": false,
49
+ "rstrip": false,
50
+ "single_word": false,
51
+ "special": true
52
+ },
53
+ "151649": {
54
+ "content": "<|box_end|>",
55
+ "lstrip": false,
56
+ "normalized": false,
57
+ "rstrip": false,
58
+ "single_word": false,
59
+ "special": true
60
+ },
61
+ "151650": {
62
+ "content": "<|quad_start|>",
63
+ "lstrip": false,
64
+ "normalized": false,
65
+ "rstrip": false,
66
+ "single_word": false,
67
+ "special": true
68
+ },
69
+ "151651": {
70
+ "content": "<|quad_end|>",
71
+ "lstrip": false,
72
+ "normalized": false,
73
+ "rstrip": false,
74
+ "single_word": false,
75
+ "special": true
76
+ },
77
+ "151652": {
78
+ "content": "<|vision_start|>",
79
+ "lstrip": false,
80
+ "normalized": false,
81
+ "rstrip": false,
82
+ "single_word": false,
83
+ "special": true
84
+ },
85
+ "151653": {
86
+ "content": "<|vision_end|>",
87
+ "lstrip": false,
88
+ "normalized": false,
89
+ "rstrip": false,
90
+ "single_word": false,
91
+ "special": true
92
+ },
93
+ "151654": {
94
+ "content": "<|vision_pad|>",
95
+ "lstrip": false,
96
+ "normalized": false,
97
+ "rstrip": false,
98
+ "single_word": false,
99
+ "special": true
100
+ },
101
+ "151655": {
102
+ "content": "<|image_pad|>",
103
+ "lstrip": false,
104
+ "normalized": false,
105
+ "rstrip": false,
106
+ "single_word": false,
107
+ "special": true
108
+ },
109
+ "151656": {
110
+ "content": "<|video_pad|>",
111
+ "lstrip": false,
112
+ "normalized": false,
113
+ "rstrip": false,
114
+ "single_word": false,
115
+ "special": true
116
+ },
117
+ "151657": {
118
+ "content": "<tool_call>",
119
+ "lstrip": false,
120
+ "normalized": false,
121
+ "rstrip": false,
122
+ "single_word": false,
123
+ "special": false
124
+ },
125
+ "151658": {
126
+ "content": "</tool_call>",
127
+ "lstrip": false,
128
+ "normalized": false,
129
+ "rstrip": false,
130
+ "single_word": false,
131
+ "special": false
132
+ },
133
+ "151659": {
134
+ "content": "<|fim_prefix|>",
135
+ "lstrip": false,
136
+ "normalized": false,
137
+ "rstrip": false,
138
+ "single_word": false,
139
+ "special": false
140
+ },
141
+ "151660": {
142
+ "content": "<|fim_middle|>",
143
+ "lstrip": false,
144
+ "normalized": false,
145
+ "rstrip": false,
146
+ "single_word": false,
147
+ "special": false
148
+ },
149
+ "151661": {
150
+ "content": "<|fim_suffix|>",
151
+ "lstrip": false,
152
+ "normalized": false,
153
+ "rstrip": false,
154
+ "single_word": false,
155
+ "special": false
156
+ },
157
+ "151662": {
158
+ "content": "<|fim_pad|>",
159
+ "lstrip": false,
160
+ "normalized": false,
161
+ "rstrip": false,
162
+ "single_word": false,
163
+ "special": false
164
+ },
165
+ "151663": {
166
+ "content": "<|repo_name|>",
167
+ "lstrip": false,
168
+ "normalized": false,
169
+ "rstrip": false,
170
+ "single_word": false,
171
+ "special": false
172
+ },
173
+ "151664": {
174
+ "content": "<|file_sep|>",
175
+ "lstrip": false,
176
+ "normalized": false,
177
+ "rstrip": false,
178
+ "single_word": false,
179
+ "special": false
180
+ }
181
+ },
182
+ "additional_special_tokens": [
183
+ "<|im_start|>",
184
+ "<|im_end|>",
185
+ "<|object_ref_start|>",
186
+ "<|object_ref_end|>",
187
+ "<|box_start|>",
188
+ "<|box_end|>",
189
+ "<|quad_start|>",
190
+ "<|quad_end|>",
191
+ "<|vision_start|>",
192
+ "<|vision_end|>",
193
+ "<|vision_pad|>",
194
+ "<|image_pad|>",
195
+ "<|video_pad|>"
196
+ ],
197
+ "bos_token": null,
198
+ "clean_up_tokenization_spaces": false,
199
+ "eos_token": "<|im_end|>",
200
+ "errors": "replace",
201
+ "extra_special_tokens": {},
202
+ "model_max_length": 32768,
203
+ "pad_token": "<|endoftext|>",
204
+ "padding_side": "right",
205
+ "split_special_tokens": false,
206
+ "tokenizer_class": "Qwen2Tokenizer",
207
+ "unk_token": null
208
+ }
checkpoint-5000/trainer_state.json ADDED
@@ -0,0 +1,3534 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 1.1221065626665918,
6
+ "eval_steps": 500,
7
+ "global_step": 5000,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.0022446059313711735,
14
+ "grad_norm": 7.085300922393799,
15
+ "learning_rate": 1.3462976813762156e-07,
16
+ "loss": 0.7522,
17
+ "step": 10
18
+ },
19
+ {
20
+ "epoch": 0.004489211862742347,
21
+ "grad_norm": 6.747836112976074,
22
+ "learning_rate": 2.842183994016455e-07,
23
+ "loss": 0.7426,
24
+ "step": 20
25
+ },
26
+ {
27
+ "epoch": 0.006733817794113521,
28
+ "grad_norm": 6.484082221984863,
29
+ "learning_rate": 4.3380703066566945e-07,
30
+ "loss": 0.7352,
31
+ "step": 30
32
+ },
33
+ {
34
+ "epoch": 0.008978423725484694,
35
+ "grad_norm": 5.182391166687012,
36
+ "learning_rate": 5.833956619296934e-07,
37
+ "loss": 0.6797,
38
+ "step": 40
39
+ },
40
+ {
41
+ "epoch": 0.011223029656855869,
42
+ "grad_norm": 3.4766058921813965,
43
+ "learning_rate": 7.329842931937173e-07,
44
+ "loss": 0.5879,
45
+ "step": 50
46
+ },
47
+ {
48
+ "epoch": 0.013467635588227042,
49
+ "grad_norm": 2.9406728744506836,
50
+ "learning_rate": 8.825729244577413e-07,
51
+ "loss": 0.4917,
52
+ "step": 60
53
+ },
54
+ {
55
+ "epoch": 0.015712241519598217,
56
+ "grad_norm": 2.0085201263427734,
57
+ "learning_rate": 1.0321615557217653e-06,
58
+ "loss": 0.362,
59
+ "step": 70
60
+ },
61
+ {
62
+ "epoch": 0.01795684745096939,
63
+ "grad_norm": 1.118497610092163,
64
+ "learning_rate": 1.1817501869857892e-06,
65
+ "loss": 0.2813,
66
+ "step": 80
67
+ },
68
+ {
69
+ "epoch": 0.020201453382340563,
70
+ "grad_norm": 0.764472484588623,
71
+ "learning_rate": 1.3313388182498132e-06,
72
+ "loss": 0.2272,
73
+ "step": 90
74
+ },
75
+ {
76
+ "epoch": 0.022446059313711738,
77
+ "grad_norm": 0.5994025468826294,
78
+ "learning_rate": 1.480927449513837e-06,
79
+ "loss": 0.1925,
80
+ "step": 100
81
+ },
82
+ {
83
+ "epoch": 0.02469066524508291,
84
+ "grad_norm": 0.5585537552833557,
85
+ "learning_rate": 1.630516080777861e-06,
86
+ "loss": 0.1728,
87
+ "step": 110
88
+ },
89
+ {
90
+ "epoch": 0.026935271176454084,
91
+ "grad_norm": 0.4982088804244995,
92
+ "learning_rate": 1.780104712041885e-06,
93
+ "loss": 0.1535,
94
+ "step": 120
95
+ },
96
+ {
97
+ "epoch": 0.02917987710782526,
98
+ "grad_norm": 0.5461462736129761,
99
+ "learning_rate": 1.929693343305909e-06,
100
+ "loss": 0.142,
101
+ "step": 130
102
+ },
103
+ {
104
+ "epoch": 0.031424483039196434,
105
+ "grad_norm": 0.4731317460536957,
106
+ "learning_rate": 2.0792819745699327e-06,
107
+ "loss": 0.1325,
108
+ "step": 140
109
+ },
110
+ {
111
+ "epoch": 0.033669088970567605,
112
+ "grad_norm": 0.4937710165977478,
113
+ "learning_rate": 2.228870605833957e-06,
114
+ "loss": 0.1237,
115
+ "step": 150
116
+ },
117
+ {
118
+ "epoch": 0.03591369490193878,
119
+ "grad_norm": 0.4619077742099762,
120
+ "learning_rate": 2.378459237097981e-06,
121
+ "loss": 0.1134,
122
+ "step": 160
123
+ },
124
+ {
125
+ "epoch": 0.038158300833309955,
126
+ "grad_norm": 0.4655718207359314,
127
+ "learning_rate": 2.5280478683620047e-06,
128
+ "loss": 0.1082,
129
+ "step": 170
130
+ },
131
+ {
132
+ "epoch": 0.040402906764681126,
133
+ "grad_norm": 0.6071754097938538,
134
+ "learning_rate": 2.6776364996260284e-06,
135
+ "loss": 0.103,
136
+ "step": 180
137
+ },
138
+ {
139
+ "epoch": 0.0426475126960523,
140
+ "grad_norm": 0.44958844780921936,
141
+ "learning_rate": 2.8272251308900526e-06,
142
+ "loss": 0.1004,
143
+ "step": 190
144
+ },
145
+ {
146
+ "epoch": 0.044892118627423476,
147
+ "grad_norm": 0.4919949471950531,
148
+ "learning_rate": 2.9768137621540767e-06,
149
+ "loss": 0.0967,
150
+ "step": 200
151
+ },
152
+ {
153
+ "epoch": 0.04713672455879465,
154
+ "grad_norm": 0.4707821011543274,
155
+ "learning_rate": 3.1264023934181005e-06,
156
+ "loss": 0.0912,
157
+ "step": 210
158
+ },
159
+ {
160
+ "epoch": 0.04938133049016582,
161
+ "grad_norm": 0.4630533456802368,
162
+ "learning_rate": 3.2759910246821242e-06,
163
+ "loss": 0.0895,
164
+ "step": 220
165
+ },
166
+ {
167
+ "epoch": 0.051625936421537,
168
+ "grad_norm": 0.5952326059341431,
169
+ "learning_rate": 3.4255796559461484e-06,
170
+ "loss": 0.0877,
171
+ "step": 230
172
+ },
173
+ {
174
+ "epoch": 0.05387054235290817,
175
+ "grad_norm": 0.47812679409980774,
176
+ "learning_rate": 3.575168287210172e-06,
177
+ "loss": 0.0851,
178
+ "step": 240
179
+ },
180
+ {
181
+ "epoch": 0.05611514828427934,
182
+ "grad_norm": 0.5016306638717651,
183
+ "learning_rate": 3.7247569184741963e-06,
184
+ "loss": 0.0808,
185
+ "step": 250
186
+ },
187
+ {
188
+ "epoch": 0.05835975421565052,
189
+ "grad_norm": 0.49919837713241577,
190
+ "learning_rate": 3.874345549738221e-06,
191
+ "loss": 0.0803,
192
+ "step": 260
193
+ },
194
+ {
195
+ "epoch": 0.06060436014702169,
196
+ "grad_norm": 0.4146517813205719,
197
+ "learning_rate": 4.0239341810022446e-06,
198
+ "loss": 0.0777,
199
+ "step": 270
200
+ },
201
+ {
202
+ "epoch": 0.06284896607839287,
203
+ "grad_norm": 0.4712880849838257,
204
+ "learning_rate": 4.173522812266268e-06,
205
+ "loss": 0.0788,
206
+ "step": 280
207
+ },
208
+ {
209
+ "epoch": 0.06509357200976404,
210
+ "grad_norm": 0.45096713304519653,
211
+ "learning_rate": 4.323111443530292e-06,
212
+ "loss": 0.074,
213
+ "step": 290
214
+ },
215
+ {
216
+ "epoch": 0.06733817794113521,
217
+ "grad_norm": 0.4806267023086548,
218
+ "learning_rate": 4.472700074794316e-06,
219
+ "loss": 0.072,
220
+ "step": 300
221
+ },
222
+ {
223
+ "epoch": 0.06958278387250638,
224
+ "grad_norm": 0.43456050753593445,
225
+ "learning_rate": 4.6222887060583395e-06,
226
+ "loss": 0.0716,
227
+ "step": 310
228
+ },
229
+ {
230
+ "epoch": 0.07182738980387755,
231
+ "grad_norm": 0.3963911533355713,
232
+ "learning_rate": 4.771877337322364e-06,
233
+ "loss": 0.0713,
234
+ "step": 320
235
+ },
236
+ {
237
+ "epoch": 0.07407199573524872,
238
+ "grad_norm": 0.36991456151008606,
239
+ "learning_rate": 4.921465968586388e-06,
240
+ "loss": 0.067,
241
+ "step": 330
242
+ },
243
+ {
244
+ "epoch": 0.07631660166661991,
245
+ "grad_norm": 0.5009816288948059,
246
+ "learning_rate": 5.0710545998504115e-06,
247
+ "loss": 0.068,
248
+ "step": 340
249
+ },
250
+ {
251
+ "epoch": 0.07856120759799108,
252
+ "grad_norm": 0.46386927366256714,
253
+ "learning_rate": 5.220643231114436e-06,
254
+ "loss": 0.0683,
255
+ "step": 350
256
+ },
257
+ {
258
+ "epoch": 0.08080581352936225,
259
+ "grad_norm": 0.508665144443512,
260
+ "learning_rate": 5.37023186237846e-06,
261
+ "loss": 0.0672,
262
+ "step": 360
263
+ },
264
+ {
265
+ "epoch": 0.08305041946073342,
266
+ "grad_norm": 0.41486406326293945,
267
+ "learning_rate": 5.5198204936424836e-06,
268
+ "loss": 0.0649,
269
+ "step": 370
270
+ },
271
+ {
272
+ "epoch": 0.0852950253921046,
273
+ "grad_norm": 0.4998893737792969,
274
+ "learning_rate": 5.669409124906507e-06,
275
+ "loss": 0.0658,
276
+ "step": 380
277
+ },
278
+ {
279
+ "epoch": 0.08753963132347577,
280
+ "grad_norm": 0.5872018933296204,
281
+ "learning_rate": 5.818997756170531e-06,
282
+ "loss": 0.0626,
283
+ "step": 390
284
+ },
285
+ {
286
+ "epoch": 0.08978423725484695,
287
+ "grad_norm": 0.5181050896644592,
288
+ "learning_rate": 5.968586387434555e-06,
289
+ "loss": 0.0623,
290
+ "step": 400
291
+ },
292
+ {
293
+ "epoch": 0.09202884318621812,
294
+ "grad_norm": 0.4561860263347626,
295
+ "learning_rate": 6.1181750186985785e-06,
296
+ "loss": 0.0637,
297
+ "step": 410
298
+ },
299
+ {
300
+ "epoch": 0.0942734491175893,
301
+ "grad_norm": 0.4229351878166199,
302
+ "learning_rate": 6.267763649962604e-06,
303
+ "loss": 0.0626,
304
+ "step": 420
305
+ },
306
+ {
307
+ "epoch": 0.09651805504896047,
308
+ "grad_norm": 0.43529367446899414,
309
+ "learning_rate": 6.417352281226628e-06,
310
+ "loss": 0.0623,
311
+ "step": 430
312
+ },
313
+ {
314
+ "epoch": 0.09876266098033164,
315
+ "grad_norm": 0.44300997257232666,
316
+ "learning_rate": 6.566940912490651e-06,
317
+ "loss": 0.062,
318
+ "step": 440
319
+ },
320
+ {
321
+ "epoch": 0.10100726691170281,
322
+ "grad_norm": 0.415102481842041,
323
+ "learning_rate": 6.716529543754675e-06,
324
+ "loss": 0.0583,
325
+ "step": 450
326
+ },
327
+ {
328
+ "epoch": 0.103251872843074,
329
+ "grad_norm": 0.39811965823173523,
330
+ "learning_rate": 6.866118175018699e-06,
331
+ "loss": 0.0569,
332
+ "step": 460
333
+ },
334
+ {
335
+ "epoch": 0.10549647877444517,
336
+ "grad_norm": 0.4333321750164032,
337
+ "learning_rate": 7.015706806282723e-06,
338
+ "loss": 0.0615,
339
+ "step": 470
340
+ },
341
+ {
342
+ "epoch": 0.10774108470581634,
343
+ "grad_norm": 0.379936546087265,
344
+ "learning_rate": 7.165295437546746e-06,
345
+ "loss": 0.0552,
346
+ "step": 480
347
+ },
348
+ {
349
+ "epoch": 0.10998569063718751,
350
+ "grad_norm": 0.3810630142688751,
351
+ "learning_rate": 7.314884068810772e-06,
352
+ "loss": 0.0564,
353
+ "step": 490
354
+ },
355
+ {
356
+ "epoch": 0.11223029656855868,
357
+ "grad_norm": 0.38735371828079224,
358
+ "learning_rate": 7.4644727000747955e-06,
359
+ "loss": 0.0553,
360
+ "step": 500
361
+ },
362
+ {
363
+ "epoch": 0.11447490249992985,
364
+ "grad_norm": 0.41105860471725464,
365
+ "learning_rate": 7.614061331338819e-06,
366
+ "loss": 0.0552,
367
+ "step": 510
368
+ },
369
+ {
370
+ "epoch": 0.11671950843130104,
371
+ "grad_norm": 0.41426989436149597,
372
+ "learning_rate": 7.763649962602843e-06,
373
+ "loss": 0.0538,
374
+ "step": 520
375
+ },
376
+ {
377
+ "epoch": 0.11896411436267221,
378
+ "grad_norm": 0.3534553647041321,
379
+ "learning_rate": 7.913238593866866e-06,
380
+ "loss": 0.0529,
381
+ "step": 530
382
+ },
383
+ {
384
+ "epoch": 0.12120872029404338,
385
+ "grad_norm": 0.4285803437232971,
386
+ "learning_rate": 8.06282722513089e-06,
387
+ "loss": 0.0509,
388
+ "step": 540
389
+ },
390
+ {
391
+ "epoch": 0.12345332622541455,
392
+ "grad_norm": 0.40142738819122314,
393
+ "learning_rate": 8.212415856394913e-06,
394
+ "loss": 0.0544,
395
+ "step": 550
396
+ },
397
+ {
398
+ "epoch": 0.12569793215678574,
399
+ "grad_norm": 0.434146910905838,
400
+ "learning_rate": 8.36200448765894e-06,
401
+ "loss": 0.0514,
402
+ "step": 560
403
+ },
404
+ {
405
+ "epoch": 0.1279425380881569,
406
+ "grad_norm": 0.421758770942688,
407
+ "learning_rate": 8.511593118922962e-06,
408
+ "loss": 0.0491,
409
+ "step": 570
410
+ },
411
+ {
412
+ "epoch": 0.13018714401952808,
413
+ "grad_norm": 0.41949188709259033,
414
+ "learning_rate": 8.661181750186987e-06,
415
+ "loss": 0.051,
416
+ "step": 580
417
+ },
418
+ {
419
+ "epoch": 0.13243174995089924,
420
+ "grad_norm": 0.34015727043151855,
421
+ "learning_rate": 8.81077038145101e-06,
422
+ "loss": 0.0491,
423
+ "step": 590
424
+ },
425
+ {
426
+ "epoch": 0.13467635588227042,
427
+ "grad_norm": 0.3929171562194824,
428
+ "learning_rate": 8.960359012715034e-06,
429
+ "loss": 0.0477,
430
+ "step": 600
431
+ },
432
+ {
433
+ "epoch": 0.1369209618136416,
434
+ "grad_norm": 0.41220733523368835,
435
+ "learning_rate": 9.109947643979057e-06,
436
+ "loss": 0.0483,
437
+ "step": 610
438
+ },
439
+ {
440
+ "epoch": 0.13916556774501276,
441
+ "grad_norm": 0.38868510723114014,
442
+ "learning_rate": 9.259536275243082e-06,
443
+ "loss": 0.0482,
444
+ "step": 620
445
+ },
446
+ {
447
+ "epoch": 0.14141017367638395,
448
+ "grad_norm": 0.35203954577445984,
449
+ "learning_rate": 9.409124906507107e-06,
450
+ "loss": 0.0467,
451
+ "step": 630
452
+ },
453
+ {
454
+ "epoch": 0.1436547796077551,
455
+ "grad_norm": 0.35794001817703247,
456
+ "learning_rate": 9.558713537771131e-06,
457
+ "loss": 0.0467,
458
+ "step": 640
459
+ },
460
+ {
461
+ "epoch": 0.1458993855391263,
462
+ "grad_norm": 0.33909112215042114,
463
+ "learning_rate": 9.708302169035154e-06,
464
+ "loss": 0.0453,
465
+ "step": 650
466
+ },
467
+ {
468
+ "epoch": 0.14814399147049745,
469
+ "grad_norm": 0.3420808017253876,
470
+ "learning_rate": 9.857890800299179e-06,
471
+ "loss": 0.0473,
472
+ "step": 660
473
+ },
474
+ {
475
+ "epoch": 0.15038859740186863,
476
+ "grad_norm": 0.3780367970466614,
477
+ "learning_rate": 1.0007479431563203e-05,
478
+ "loss": 0.046,
479
+ "step": 670
480
+ },
481
+ {
482
+ "epoch": 0.15263320333323982,
483
+ "grad_norm": 0.3484839200973511,
484
+ "learning_rate": 1.0157068062827226e-05,
485
+ "loss": 0.0443,
486
+ "step": 680
487
+ },
488
+ {
489
+ "epoch": 0.15487780926461098,
490
+ "grad_norm": 0.3256385624408722,
491
+ "learning_rate": 1.030665669409125e-05,
492
+ "loss": 0.0468,
493
+ "step": 690
494
+ },
495
+ {
496
+ "epoch": 0.15712241519598216,
497
+ "grad_norm": 0.3509197235107422,
498
+ "learning_rate": 1.0456245325355273e-05,
499
+ "loss": 0.0467,
500
+ "step": 700
501
+ },
502
+ {
503
+ "epoch": 0.15936702112735332,
504
+ "grad_norm": 0.3882471024990082,
505
+ "learning_rate": 1.0605833956619298e-05,
506
+ "loss": 0.0441,
507
+ "step": 710
508
+ },
509
+ {
510
+ "epoch": 0.1616116270587245,
511
+ "grad_norm": 0.41281041502952576,
512
+ "learning_rate": 1.0755422587883323e-05,
513
+ "loss": 0.045,
514
+ "step": 720
515
+ },
516
+ {
517
+ "epoch": 0.16385623299009566,
518
+ "grad_norm": 0.34965190291404724,
519
+ "learning_rate": 1.0905011219147346e-05,
520
+ "loss": 0.0472,
521
+ "step": 730
522
+ },
523
+ {
524
+ "epoch": 0.16610083892146685,
525
+ "grad_norm": 0.3685629367828369,
526
+ "learning_rate": 1.105459985041137e-05,
527
+ "loss": 0.043,
528
+ "step": 740
529
+ },
530
+ {
531
+ "epoch": 0.16834544485283803,
532
+ "grad_norm": 0.3236459791660309,
533
+ "learning_rate": 1.1204188481675393e-05,
534
+ "loss": 0.0446,
535
+ "step": 750
536
+ },
537
+ {
538
+ "epoch": 0.1705900507842092,
539
+ "grad_norm": 0.4009409546852112,
540
+ "learning_rate": 1.1353777112939418e-05,
541
+ "loss": 0.0432,
542
+ "step": 760
543
+ },
544
+ {
545
+ "epoch": 0.17283465671558038,
546
+ "grad_norm": 0.3602420389652252,
547
+ "learning_rate": 1.150336574420344e-05,
548
+ "loss": 0.0421,
549
+ "step": 770
550
+ },
551
+ {
552
+ "epoch": 0.17507926264695153,
553
+ "grad_norm": 0.30885422229766846,
554
+ "learning_rate": 1.1652954375467465e-05,
555
+ "loss": 0.0428,
556
+ "step": 780
557
+ },
558
+ {
559
+ "epoch": 0.17732386857832272,
560
+ "grad_norm": 0.3470623791217804,
561
+ "learning_rate": 1.1802543006731488e-05,
562
+ "loss": 0.0405,
563
+ "step": 790
564
+ },
565
+ {
566
+ "epoch": 0.1795684745096939,
567
+ "grad_norm": 0.31664037704467773,
568
+ "learning_rate": 1.1952131637995514e-05,
569
+ "loss": 0.0414,
570
+ "step": 800
571
+ },
572
+ {
573
+ "epoch": 0.18181308044106506,
574
+ "grad_norm": 0.28882402181625366,
575
+ "learning_rate": 1.2101720269259539e-05,
576
+ "loss": 0.042,
577
+ "step": 810
578
+ },
579
+ {
580
+ "epoch": 0.18405768637243625,
581
+ "grad_norm": 0.341634064912796,
582
+ "learning_rate": 1.2251308900523562e-05,
583
+ "loss": 0.0419,
584
+ "step": 820
585
+ },
586
+ {
587
+ "epoch": 0.1863022923038074,
588
+ "grad_norm": 0.32544925808906555,
589
+ "learning_rate": 1.2400897531787586e-05,
590
+ "loss": 0.0386,
591
+ "step": 830
592
+ },
593
+ {
594
+ "epoch": 0.1885468982351786,
595
+ "grad_norm": 0.32963812351226807,
596
+ "learning_rate": 1.2550486163051609e-05,
597
+ "loss": 0.0433,
598
+ "step": 840
599
+ },
600
+ {
601
+ "epoch": 0.19079150416654975,
602
+ "grad_norm": 0.34846410155296326,
603
+ "learning_rate": 1.2700074794315634e-05,
604
+ "loss": 0.0425,
605
+ "step": 850
606
+ },
607
+ {
608
+ "epoch": 0.19303611009792093,
609
+ "grad_norm": 0.4119662642478943,
610
+ "learning_rate": 1.2849663425579657e-05,
611
+ "loss": 0.0411,
612
+ "step": 860
613
+ },
614
+ {
615
+ "epoch": 0.19528071602929212,
616
+ "grad_norm": 0.36676207184791565,
617
+ "learning_rate": 1.2999252056843681e-05,
618
+ "loss": 0.0407,
619
+ "step": 870
620
+ },
621
+ {
622
+ "epoch": 0.19752532196066327,
623
+ "grad_norm": 0.320718914270401,
624
+ "learning_rate": 1.3148840688107704e-05,
625
+ "loss": 0.0408,
626
+ "step": 880
627
+ },
628
+ {
629
+ "epoch": 0.19976992789203446,
630
+ "grad_norm": 0.297377347946167,
631
+ "learning_rate": 1.3298429319371729e-05,
632
+ "loss": 0.0393,
633
+ "step": 890
634
+ },
635
+ {
636
+ "epoch": 0.20201453382340562,
637
+ "grad_norm": 0.29334571957588196,
638
+ "learning_rate": 1.3448017950635752e-05,
639
+ "loss": 0.0404,
640
+ "step": 900
641
+ },
642
+ {
643
+ "epoch": 0.2042591397547768,
644
+ "grad_norm": 0.3002082407474518,
645
+ "learning_rate": 1.3597606581899776e-05,
646
+ "loss": 0.0381,
647
+ "step": 910
648
+ },
649
+ {
650
+ "epoch": 0.206503745686148,
651
+ "grad_norm": 0.3855285942554474,
652
+ "learning_rate": 1.3747195213163799e-05,
653
+ "loss": 0.0395,
654
+ "step": 920
655
+ },
656
+ {
657
+ "epoch": 0.20874835161751915,
658
+ "grad_norm": 0.37728843092918396,
659
+ "learning_rate": 1.3896783844427824e-05,
660
+ "loss": 0.0387,
661
+ "step": 930
662
+ },
663
+ {
664
+ "epoch": 0.21099295754889033,
665
+ "grad_norm": 0.3107747733592987,
666
+ "learning_rate": 1.404637247569185e-05,
667
+ "loss": 0.0365,
668
+ "step": 940
669
+ },
670
+ {
671
+ "epoch": 0.2132375634802615,
672
+ "grad_norm": 0.31299862265586853,
673
+ "learning_rate": 1.4195961106955873e-05,
674
+ "loss": 0.0386,
675
+ "step": 950
676
+ },
677
+ {
678
+ "epoch": 0.21548216941163267,
679
+ "grad_norm": 0.2866477072238922,
680
+ "learning_rate": 1.4345549738219897e-05,
681
+ "loss": 0.0384,
682
+ "step": 960
683
+ },
684
+ {
685
+ "epoch": 0.21772677534300383,
686
+ "grad_norm": 0.2896515429019928,
687
+ "learning_rate": 1.449513836948392e-05,
688
+ "loss": 0.0368,
689
+ "step": 970
690
+ },
691
+ {
692
+ "epoch": 0.21997138127437502,
693
+ "grad_norm": 0.3208376169204712,
694
+ "learning_rate": 1.4644727000747945e-05,
695
+ "loss": 0.035,
696
+ "step": 980
697
+ },
698
+ {
699
+ "epoch": 0.2222159872057462,
700
+ "grad_norm": 0.26684877276420593,
701
+ "learning_rate": 1.479431563201197e-05,
702
+ "loss": 0.0386,
703
+ "step": 990
704
+ },
705
+ {
706
+ "epoch": 0.22446059313711736,
707
+ "grad_norm": 0.2770873010158539,
708
+ "learning_rate": 1.4943904263275992e-05,
709
+ "loss": 0.0359,
710
+ "step": 1000
711
+ },
712
+ {
713
+ "epoch": 0.22670519906848854,
714
+ "grad_norm": 0.33455002307891846,
715
+ "learning_rate": 1.5093492894540017e-05,
716
+ "loss": 0.0386,
717
+ "step": 1010
718
+ },
719
+ {
720
+ "epoch": 0.2289498049998597,
721
+ "grad_norm": 0.2847146689891815,
722
+ "learning_rate": 1.524308152580404e-05,
723
+ "loss": 0.036,
724
+ "step": 1020
725
+ },
726
+ {
727
+ "epoch": 0.2311944109312309,
728
+ "grad_norm": 0.3237374722957611,
729
+ "learning_rate": 1.5392670157068064e-05,
730
+ "loss": 0.0383,
731
+ "step": 1030
732
+ },
733
+ {
734
+ "epoch": 0.23343901686260207,
735
+ "grad_norm": 0.26867830753326416,
736
+ "learning_rate": 1.5542258788332087e-05,
737
+ "loss": 0.0336,
738
+ "step": 1040
739
+ },
740
+ {
741
+ "epoch": 0.23568362279397323,
742
+ "grad_norm": 0.3390122056007385,
743
+ "learning_rate": 1.569184741959611e-05,
744
+ "loss": 0.037,
745
+ "step": 1050
746
+ },
747
+ {
748
+ "epoch": 0.23792822872534442,
749
+ "grad_norm": 0.3243669867515564,
750
+ "learning_rate": 1.5841436050860136e-05,
751
+ "loss": 0.0369,
752
+ "step": 1060
753
+ },
754
+ {
755
+ "epoch": 0.24017283465671557,
756
+ "grad_norm": 0.2567446827888489,
757
+ "learning_rate": 1.599102468212416e-05,
758
+ "loss": 0.0343,
759
+ "step": 1070
760
+ },
761
+ {
762
+ "epoch": 0.24241744058808676,
763
+ "grad_norm": 0.3240516781806946,
764
+ "learning_rate": 1.6140613313388185e-05,
765
+ "loss": 0.0361,
766
+ "step": 1080
767
+ },
768
+ {
769
+ "epoch": 0.24466204651945792,
770
+ "grad_norm": 0.30721980333328247,
771
+ "learning_rate": 1.629020194465221e-05,
772
+ "loss": 0.0351,
773
+ "step": 1090
774
+ },
775
+ {
776
+ "epoch": 0.2469066524508291,
777
+ "grad_norm": 0.2947623133659363,
778
+ "learning_rate": 1.643979057591623e-05,
779
+ "loss": 0.0349,
780
+ "step": 1100
781
+ },
782
+ {
783
+ "epoch": 0.24915125838220029,
784
+ "grad_norm": 0.3040514290332794,
785
+ "learning_rate": 1.6589379207180258e-05,
786
+ "loss": 0.0347,
787
+ "step": 1110
788
+ },
789
+ {
790
+ "epoch": 0.25139586431357147,
791
+ "grad_norm": 0.2889814078807831,
792
+ "learning_rate": 1.673896783844428e-05,
793
+ "loss": 0.0336,
794
+ "step": 1120
795
+ },
796
+ {
797
+ "epoch": 0.25364047024494263,
798
+ "grad_norm": 0.27692848443984985,
799
+ "learning_rate": 1.6888556469708303e-05,
800
+ "loss": 0.0358,
801
+ "step": 1130
802
+ },
803
+ {
804
+ "epoch": 0.2558850761763138,
805
+ "grad_norm": 0.344008207321167,
806
+ "learning_rate": 1.7038145100972326e-05,
807
+ "loss": 0.0356,
808
+ "step": 1140
809
+ },
810
+ {
811
+ "epoch": 0.25812968210768494,
812
+ "grad_norm": 0.2950272858142853,
813
+ "learning_rate": 1.7187733732236352e-05,
814
+ "loss": 0.0351,
815
+ "step": 1150
816
+ },
817
+ {
818
+ "epoch": 0.26037428803905616,
819
+ "grad_norm": 0.28355881571769714,
820
+ "learning_rate": 1.7337322363500375e-05,
821
+ "loss": 0.0328,
822
+ "step": 1160
823
+ },
824
+ {
825
+ "epoch": 0.2626188939704273,
826
+ "grad_norm": 0.3065374493598938,
827
+ "learning_rate": 1.7486910994764398e-05,
828
+ "loss": 0.0354,
829
+ "step": 1170
830
+ },
831
+ {
832
+ "epoch": 0.26486349990179847,
833
+ "grad_norm": 0.249955415725708,
834
+ "learning_rate": 1.763649962602842e-05,
835
+ "loss": 0.0342,
836
+ "step": 1180
837
+ },
838
+ {
839
+ "epoch": 0.2671081058331697,
840
+ "grad_norm": 0.26293373107910156,
841
+ "learning_rate": 1.7786088257292447e-05,
842
+ "loss": 0.0334,
843
+ "step": 1190
844
+ },
845
+ {
846
+ "epoch": 0.26935271176454084,
847
+ "grad_norm": 0.27912405133247375,
848
+ "learning_rate": 1.793567688855647e-05,
849
+ "loss": 0.0341,
850
+ "step": 1200
851
+ },
852
+ {
853
+ "epoch": 0.271597317695912,
854
+ "grad_norm": 0.2818824052810669,
855
+ "learning_rate": 1.8085265519820493e-05,
856
+ "loss": 0.0334,
857
+ "step": 1210
858
+ },
859
+ {
860
+ "epoch": 0.2738419236272832,
861
+ "grad_norm": 0.3036912977695465,
862
+ "learning_rate": 1.823485415108452e-05,
863
+ "loss": 0.0321,
864
+ "step": 1220
865
+ },
866
+ {
867
+ "epoch": 0.27608652955865437,
868
+ "grad_norm": 0.24145382642745972,
869
+ "learning_rate": 1.8384442782348542e-05,
870
+ "loss": 0.0335,
871
+ "step": 1230
872
+ },
873
+ {
874
+ "epoch": 0.2783311354900255,
875
+ "grad_norm": 0.3205563724040985,
876
+ "learning_rate": 1.853403141361257e-05,
877
+ "loss": 0.0337,
878
+ "step": 1240
879
+ },
880
+ {
881
+ "epoch": 0.2805757414213967,
882
+ "grad_norm": 0.24150335788726807,
883
+ "learning_rate": 1.868362004487659e-05,
884
+ "loss": 0.0339,
885
+ "step": 1250
886
+ },
887
+ {
888
+ "epoch": 0.2828203473527679,
889
+ "grad_norm": 0.25747033953666687,
890
+ "learning_rate": 1.8833208676140614e-05,
891
+ "loss": 0.0323,
892
+ "step": 1260
893
+ },
894
+ {
895
+ "epoch": 0.28506495328413906,
896
+ "grad_norm": 0.2524860203266144,
897
+ "learning_rate": 1.898279730740464e-05,
898
+ "loss": 0.0333,
899
+ "step": 1270
900
+ },
901
+ {
902
+ "epoch": 0.2873095592155102,
903
+ "grad_norm": 0.20733146369457245,
904
+ "learning_rate": 1.9132385938668663e-05,
905
+ "loss": 0.032,
906
+ "step": 1280
907
+ },
908
+ {
909
+ "epoch": 0.2895541651468814,
910
+ "grad_norm": 0.24969425797462463,
911
+ "learning_rate": 1.9281974569932686e-05,
912
+ "loss": 0.0334,
913
+ "step": 1290
914
+ },
915
+ {
916
+ "epoch": 0.2917987710782526,
917
+ "grad_norm": 0.26867517828941345,
918
+ "learning_rate": 1.943156320119671e-05,
919
+ "loss": 0.0317,
920
+ "step": 1300
921
+ },
922
+ {
923
+ "epoch": 0.29404337700962374,
924
+ "grad_norm": 0.23903688788414001,
925
+ "learning_rate": 1.9581151832460736e-05,
926
+ "loss": 0.0324,
927
+ "step": 1310
928
+ },
929
+ {
930
+ "epoch": 0.2962879829409949,
931
+ "grad_norm": 0.24634772539138794,
932
+ "learning_rate": 1.973074046372476e-05,
933
+ "loss": 0.0315,
934
+ "step": 1320
935
+ },
936
+ {
937
+ "epoch": 0.2985325888723661,
938
+ "grad_norm": 0.24410435557365417,
939
+ "learning_rate": 1.988032909498878e-05,
940
+ "loss": 0.0307,
941
+ "step": 1330
942
+ },
943
+ {
944
+ "epoch": 0.30077719480373727,
945
+ "grad_norm": 0.24449145793914795,
946
+ "learning_rate": 1.9999998636276648e-05,
947
+ "loss": 0.0311,
948
+ "step": 1340
949
+ },
950
+ {
951
+ "epoch": 0.3030218007351084,
952
+ "grad_norm": 0.2650293707847595,
953
+ "learning_rate": 1.999995090599835e-05,
954
+ "loss": 0.0327,
955
+ "step": 1350
956
+ },
957
+ {
958
+ "epoch": 0.30526640666647964,
959
+ "grad_norm": 0.2856460511684418,
960
+ "learning_rate": 1.9999834989924354e-05,
961
+ "loss": 0.0305,
962
+ "step": 1360
963
+ },
964
+ {
965
+ "epoch": 0.3075110125978508,
966
+ "grad_norm": 0.23453539609909058,
967
+ "learning_rate": 1.9999650888845042e-05,
968
+ "loss": 0.0314,
969
+ "step": 1370
970
+ },
971
+ {
972
+ "epoch": 0.30975561852922195,
973
+ "grad_norm": 0.25706619024276733,
974
+ "learning_rate": 1.9999398604015737e-05,
975
+ "loss": 0.0305,
976
+ "step": 1380
977
+ },
978
+ {
979
+ "epoch": 0.3120002244605931,
980
+ "grad_norm": 0.26156002283096313,
981
+ "learning_rate": 1.9999078137156663e-05,
982
+ "loss": 0.031,
983
+ "step": 1390
984
+ },
985
+ {
986
+ "epoch": 0.3142448303919643,
987
+ "grad_norm": 0.3038729131221771,
988
+ "learning_rate": 1.9998689490452966e-05,
989
+ "loss": 0.0312,
990
+ "step": 1400
991
+ },
992
+ {
993
+ "epoch": 0.3164894363233355,
994
+ "grad_norm": 0.393939346075058,
995
+ "learning_rate": 1.9998232666554674e-05,
996
+ "loss": 0.0361,
997
+ "step": 1410
998
+ },
999
+ {
1000
+ "epoch": 0.31873404225470664,
1001
+ "grad_norm": 0.3251310884952545,
1002
+ "learning_rate": 1.999770766857669e-05,
1003
+ "loss": 0.0338,
1004
+ "step": 1420
1005
+ },
1006
+ {
1007
+ "epoch": 0.32097864818607785,
1008
+ "grad_norm": 0.2506806552410126,
1009
+ "learning_rate": 1.999711450009878e-05,
1010
+ "loss": 0.0311,
1011
+ "step": 1430
1012
+ },
1013
+ {
1014
+ "epoch": 0.323223254117449,
1015
+ "grad_norm": 0.274758517742157,
1016
+ "learning_rate": 1.999645316516552e-05,
1017
+ "loss": 0.0309,
1018
+ "step": 1440
1019
+ },
1020
+ {
1021
+ "epoch": 0.32546786004882017,
1022
+ "grad_norm": 0.2681165337562561,
1023
+ "learning_rate": 1.9995723668286304e-05,
1024
+ "loss": 0.0299,
1025
+ "step": 1450
1026
+ },
1027
+ {
1028
+ "epoch": 0.3277124659801913,
1029
+ "grad_norm": 0.2143799513578415,
1030
+ "learning_rate": 1.999492601443529e-05,
1031
+ "loss": 0.03,
1032
+ "step": 1460
1033
+ },
1034
+ {
1035
+ "epoch": 0.32995707191156254,
1036
+ "grad_norm": 0.2572579085826874,
1037
+ "learning_rate": 1.9994060209051366e-05,
1038
+ "loss": 0.0303,
1039
+ "step": 1470
1040
+ },
1041
+ {
1042
+ "epoch": 0.3322016778429337,
1043
+ "grad_norm": 0.21482343971729279,
1044
+ "learning_rate": 1.9993126258038126e-05,
1045
+ "loss": 0.0301,
1046
+ "step": 1480
1047
+ },
1048
+ {
1049
+ "epoch": 0.33444628377430485,
1050
+ "grad_norm": 0.2568591237068176,
1051
+ "learning_rate": 1.9992124167763823e-05,
1052
+ "loss": 0.0315,
1053
+ "step": 1490
1054
+ },
1055
+ {
1056
+ "epoch": 0.33669088970567607,
1057
+ "grad_norm": 0.2510339617729187,
1058
+ "learning_rate": 1.9991053945061318e-05,
1059
+ "loss": 0.0299,
1060
+ "step": 1500
1061
+ },
1062
+ {
1063
+ "epoch": 0.3389354956370472,
1064
+ "grad_norm": 0.2693713903427124,
1065
+ "learning_rate": 1.9989915597228048e-05,
1066
+ "loss": 0.0302,
1067
+ "step": 1510
1068
+ },
1069
+ {
1070
+ "epoch": 0.3411801015684184,
1071
+ "grad_norm": 0.2134774774312973,
1072
+ "learning_rate": 1.9988709132025967e-05,
1073
+ "loss": 0.0286,
1074
+ "step": 1520
1075
+ },
1076
+ {
1077
+ "epoch": 0.3434247074997896,
1078
+ "grad_norm": 0.21737788617610931,
1079
+ "learning_rate": 1.9987434557681492e-05,
1080
+ "loss": 0.029,
1081
+ "step": 1530
1082
+ },
1083
+ {
1084
+ "epoch": 0.34566931343116075,
1085
+ "grad_norm": 0.21042650938034058,
1086
+ "learning_rate": 1.998609188288546e-05,
1087
+ "loss": 0.0298,
1088
+ "step": 1540
1089
+ },
1090
+ {
1091
+ "epoch": 0.3479139193625319,
1092
+ "grad_norm": 0.24526509642601013,
1093
+ "learning_rate": 1.998468111679304e-05,
1094
+ "loss": 0.0285,
1095
+ "step": 1550
1096
+ },
1097
+ {
1098
+ "epoch": 0.35015852529390307,
1099
+ "grad_norm": 0.2452835738658905,
1100
+ "learning_rate": 1.9983202269023706e-05,
1101
+ "loss": 0.0285,
1102
+ "step": 1560
1103
+ },
1104
+ {
1105
+ "epoch": 0.3524031312252743,
1106
+ "grad_norm": 0.21953906118869781,
1107
+ "learning_rate": 1.9981655349661146e-05,
1108
+ "loss": 0.0288,
1109
+ "step": 1570
1110
+ },
1111
+ {
1112
+ "epoch": 0.35464773715664544,
1113
+ "grad_norm": 0.2213865965604782,
1114
+ "learning_rate": 1.9980040369253206e-05,
1115
+ "loss": 0.0294,
1116
+ "step": 1580
1117
+ },
1118
+ {
1119
+ "epoch": 0.3568923430880166,
1120
+ "grad_norm": 0.24777103960514069,
1121
+ "learning_rate": 1.9978357338811814e-05,
1122
+ "loss": 0.0302,
1123
+ "step": 1590
1124
+ },
1125
+ {
1126
+ "epoch": 0.3591369490193878,
1127
+ "grad_norm": 0.23945562541484833,
1128
+ "learning_rate": 1.9976606269812904e-05,
1129
+ "loss": 0.029,
1130
+ "step": 1600
1131
+ },
1132
+ {
1133
+ "epoch": 0.36138155495075897,
1134
+ "grad_norm": 0.1871986836194992,
1135
+ "learning_rate": 1.9974787174196332e-05,
1136
+ "loss": 0.0279,
1137
+ "step": 1610
1138
+ },
1139
+ {
1140
+ "epoch": 0.3636261608821301,
1141
+ "grad_norm": 0.22911369800567627,
1142
+ "learning_rate": 1.9972900064365817e-05,
1143
+ "loss": 0.0299,
1144
+ "step": 1620
1145
+ },
1146
+ {
1147
+ "epoch": 0.3658707668135013,
1148
+ "grad_norm": 0.21428261697292328,
1149
+ "learning_rate": 1.9970944953188818e-05,
1150
+ "loss": 0.0273,
1151
+ "step": 1630
1152
+ },
1153
+ {
1154
+ "epoch": 0.3681153727448725,
1155
+ "grad_norm": 0.240596204996109,
1156
+ "learning_rate": 1.9968921853996492e-05,
1157
+ "loss": 0.0286,
1158
+ "step": 1640
1159
+ },
1160
+ {
1161
+ "epoch": 0.37035997867624365,
1162
+ "grad_norm": 0.2429644763469696,
1163
+ "learning_rate": 1.9966830780583564e-05,
1164
+ "loss": 0.0284,
1165
+ "step": 1650
1166
+ },
1167
+ {
1168
+ "epoch": 0.3726045846076148,
1169
+ "grad_norm": 0.2194654494524002,
1170
+ "learning_rate": 1.996467174720826e-05,
1171
+ "loss": 0.0288,
1172
+ "step": 1660
1173
+ },
1174
+ {
1175
+ "epoch": 0.374849190538986,
1176
+ "grad_norm": 0.2488565593957901,
1177
+ "learning_rate": 1.9962444768592185e-05,
1178
+ "loss": 0.0279,
1179
+ "step": 1670
1180
+ },
1181
+ {
1182
+ "epoch": 0.3770937964703572,
1183
+ "grad_norm": 0.22848640382289886,
1184
+ "learning_rate": 1.996014985992025e-05,
1185
+ "loss": 0.0281,
1186
+ "step": 1680
1187
+ },
1188
+ {
1189
+ "epoch": 0.37933840240172834,
1190
+ "grad_norm": 0.20066608488559723,
1191
+ "learning_rate": 1.9957787036840548e-05,
1192
+ "loss": 0.0289,
1193
+ "step": 1690
1194
+ },
1195
+ {
1196
+ "epoch": 0.3815830083330995,
1197
+ "grad_norm": 0.22604599595069885,
1198
+ "learning_rate": 1.9955356315464257e-05,
1199
+ "loss": 0.0295,
1200
+ "step": 1700
1201
+ },
1202
+ {
1203
+ "epoch": 0.3838276142644707,
1204
+ "grad_norm": 0.24926242232322693,
1205
+ "learning_rate": 1.9952857712365523e-05,
1206
+ "loss": 0.0293,
1207
+ "step": 1710
1208
+ },
1209
+ {
1210
+ "epoch": 0.38607222019584186,
1211
+ "grad_norm": 0.2565000653266907,
1212
+ "learning_rate": 1.9950291244581356e-05,
1213
+ "loss": 0.0292,
1214
+ "step": 1720
1215
+ },
1216
+ {
1217
+ "epoch": 0.388316826127213,
1218
+ "grad_norm": 0.18487876653671265,
1219
+ "learning_rate": 1.9947656929611502e-05,
1220
+ "loss": 0.0268,
1221
+ "step": 1730
1222
+ },
1223
+ {
1224
+ "epoch": 0.39056143205858423,
1225
+ "grad_norm": 0.21695543825626373,
1226
+ "learning_rate": 1.994495478541834e-05,
1227
+ "loss": 0.0278,
1228
+ "step": 1740
1229
+ },
1230
+ {
1231
+ "epoch": 0.3928060379899554,
1232
+ "grad_norm": 0.18348629772663116,
1233
+ "learning_rate": 1.9942184830426744e-05,
1234
+ "loss": 0.0274,
1235
+ "step": 1750
1236
+ },
1237
+ {
1238
+ "epoch": 0.39505064392132655,
1239
+ "grad_norm": 0.235065758228302,
1240
+ "learning_rate": 1.9939347083523967e-05,
1241
+ "loss": 0.0284,
1242
+ "step": 1760
1243
+ },
1244
+ {
1245
+ "epoch": 0.39729524985269776,
1246
+ "grad_norm": 0.2515522539615631,
1247
+ "learning_rate": 1.9936441564059504e-05,
1248
+ "loss": 0.0277,
1249
+ "step": 1770
1250
+ },
1251
+ {
1252
+ "epoch": 0.3995398557840689,
1253
+ "grad_norm": 0.22060731053352356,
1254
+ "learning_rate": 1.9933468291844972e-05,
1255
+ "loss": 0.0263,
1256
+ "step": 1780
1257
+ },
1258
+ {
1259
+ "epoch": 0.4017844617154401,
1260
+ "grad_norm": 0.21448932588100433,
1261
+ "learning_rate": 1.993042728715396e-05,
1262
+ "loss": 0.0277,
1263
+ "step": 1790
1264
+ },
1265
+ {
1266
+ "epoch": 0.40402906764681124,
1267
+ "grad_norm": 0.20610381662845612,
1268
+ "learning_rate": 1.9927318570721903e-05,
1269
+ "loss": 0.0284,
1270
+ "step": 1800
1271
+ },
1272
+ {
1273
+ "epoch": 0.40627367357818245,
1274
+ "grad_norm": 0.21657615900039673,
1275
+ "learning_rate": 1.9924142163745935e-05,
1276
+ "loss": 0.0263,
1277
+ "step": 1810
1278
+ },
1279
+ {
1280
+ "epoch": 0.4085182795095536,
1281
+ "grad_norm": 0.20956206321716309,
1282
+ "learning_rate": 1.992089808788475e-05,
1283
+ "loss": 0.027,
1284
+ "step": 1820
1285
+ },
1286
+ {
1287
+ "epoch": 0.41076288544092476,
1288
+ "grad_norm": 0.20613710582256317,
1289
+ "learning_rate": 1.991758636525844e-05,
1290
+ "loss": 0.0262,
1291
+ "step": 1830
1292
+ },
1293
+ {
1294
+ "epoch": 0.413007491372296,
1295
+ "grad_norm": 0.18393391370773315,
1296
+ "learning_rate": 1.9914207018448363e-05,
1297
+ "loss": 0.0248,
1298
+ "step": 1840
1299
+ },
1300
+ {
1301
+ "epoch": 0.41525209730366713,
1302
+ "grad_norm": 0.19099575281143188,
1303
+ "learning_rate": 1.991076007049698e-05,
1304
+ "loss": 0.0252,
1305
+ "step": 1850
1306
+ },
1307
+ {
1308
+ "epoch": 0.4174967032350383,
1309
+ "grad_norm": 0.20824317634105682,
1310
+ "learning_rate": 1.990724554490769e-05,
1311
+ "loss": 0.0265,
1312
+ "step": 1860
1313
+ },
1314
+ {
1315
+ "epoch": 0.41974130916640945,
1316
+ "grad_norm": 0.219533771276474,
1317
+ "learning_rate": 1.9903663465644687e-05,
1318
+ "loss": 0.0241,
1319
+ "step": 1870
1320
+ },
1321
+ {
1322
+ "epoch": 0.42198591509778066,
1323
+ "grad_norm": 0.22310471534729004,
1324
+ "learning_rate": 1.990001385713278e-05,
1325
+ "loss": 0.0261,
1326
+ "step": 1880
1327
+ },
1328
+ {
1329
+ "epoch": 0.4242305210291518,
1330
+ "grad_norm": 0.18399077653884888,
1331
+ "learning_rate": 1.9896296744257243e-05,
1332
+ "loss": 0.0243,
1333
+ "step": 1890
1334
+ },
1335
+ {
1336
+ "epoch": 0.426475126960523,
1337
+ "grad_norm": 0.17510205507278442,
1338
+ "learning_rate": 1.989251215236362e-05,
1339
+ "loss": 0.0248,
1340
+ "step": 1900
1341
+ },
1342
+ {
1343
+ "epoch": 0.4287197328918942,
1344
+ "grad_norm": 0.20756864547729492,
1345
+ "learning_rate": 1.988866010725759e-05,
1346
+ "loss": 0.0266,
1347
+ "step": 1910
1348
+ },
1349
+ {
1350
+ "epoch": 0.43096433882326535,
1351
+ "grad_norm": 0.20950593054294586,
1352
+ "learning_rate": 1.9884740635204755e-05,
1353
+ "loss": 0.0265,
1354
+ "step": 1920
1355
+ },
1356
+ {
1357
+ "epoch": 0.4332089447546365,
1358
+ "grad_norm": 0.17630548775196075,
1359
+ "learning_rate": 1.9880753762930473e-05,
1360
+ "loss": 0.0251,
1361
+ "step": 1930
1362
+ },
1363
+ {
1364
+ "epoch": 0.43545355068600766,
1365
+ "grad_norm": 0.17798230051994324,
1366
+ "learning_rate": 1.9876699517619686e-05,
1367
+ "loss": 0.0272,
1368
+ "step": 1940
1369
+ },
1370
+ {
1371
+ "epoch": 0.4376981566173789,
1372
+ "grad_norm": 0.17199009656906128,
1373
+ "learning_rate": 1.9872577926916727e-05,
1374
+ "loss": 0.0249,
1375
+ "step": 1950
1376
+ },
1377
+ {
1378
+ "epoch": 0.43994276254875003,
1379
+ "grad_norm": 0.19935180246829987,
1380
+ "learning_rate": 1.9868389018925126e-05,
1381
+ "loss": 0.0262,
1382
+ "step": 1960
1383
+ },
1384
+ {
1385
+ "epoch": 0.4421873684801212,
1386
+ "grad_norm": 0.2195315659046173,
1387
+ "learning_rate": 1.9864132822207424e-05,
1388
+ "loss": 0.026,
1389
+ "step": 1970
1390
+ },
1391
+ {
1392
+ "epoch": 0.4444319744114924,
1393
+ "grad_norm": 0.2122250646352768,
1394
+ "learning_rate": 1.9859809365784982e-05,
1395
+ "loss": 0.0263,
1396
+ "step": 1980
1397
+ },
1398
+ {
1399
+ "epoch": 0.44667658034286356,
1400
+ "grad_norm": 0.21738848090171814,
1401
+ "learning_rate": 1.9855418679137775e-05,
1402
+ "loss": 0.0263,
1403
+ "step": 1990
1404
+ },
1405
+ {
1406
+ "epoch": 0.4489211862742347,
1407
+ "grad_norm": 0.21562571823596954,
1408
+ "learning_rate": 1.9850960792204197e-05,
1409
+ "loss": 0.0261,
1410
+ "step": 2000
1411
+ },
1412
+ {
1413
+ "epoch": 0.4511657922056059,
1414
+ "grad_norm": 0.1967390477657318,
1415
+ "learning_rate": 1.9846435735380855e-05,
1416
+ "loss": 0.025,
1417
+ "step": 2010
1418
+ },
1419
+ {
1420
+ "epoch": 0.4534103981369771,
1421
+ "grad_norm": 0.1860983669757843,
1422
+ "learning_rate": 1.9841843539522353e-05,
1423
+ "loss": 0.0234,
1424
+ "step": 2020
1425
+ },
1426
+ {
1427
+ "epoch": 0.45565500406834825,
1428
+ "grad_norm": 0.20370668172836304,
1429
+ "learning_rate": 1.983718423594111e-05,
1430
+ "loss": 0.0246,
1431
+ "step": 2030
1432
+ },
1433
+ {
1434
+ "epoch": 0.4578996099997194,
1435
+ "grad_norm": 0.20051617920398712,
1436
+ "learning_rate": 1.9832457856407104e-05,
1437
+ "loss": 0.0254,
1438
+ "step": 2040
1439
+ },
1440
+ {
1441
+ "epoch": 0.4601442159310906,
1442
+ "grad_norm": 0.19836241006851196,
1443
+ "learning_rate": 1.9827664433147694e-05,
1444
+ "loss": 0.0259,
1445
+ "step": 2050
1446
+ },
1447
+ {
1448
+ "epoch": 0.4623888218624618,
1449
+ "grad_norm": 0.21288608014583588,
1450
+ "learning_rate": 1.9822803998847378e-05,
1451
+ "loss": 0.026,
1452
+ "step": 2060
1453
+ },
1454
+ {
1455
+ "epoch": 0.46463342779383293,
1456
+ "grad_norm": 0.21260212361812592,
1457
+ "learning_rate": 1.9817876586647572e-05,
1458
+ "loss": 0.0254,
1459
+ "step": 2070
1460
+ },
1461
+ {
1462
+ "epoch": 0.46687803372520414,
1463
+ "grad_norm": 0.19190289080142975,
1464
+ "learning_rate": 1.98128822301464e-05,
1465
+ "loss": 0.0245,
1466
+ "step": 2080
1467
+ },
1468
+ {
1469
+ "epoch": 0.4691226396565753,
1470
+ "grad_norm": 0.17896448075771332,
1471
+ "learning_rate": 1.980782096339844e-05,
1472
+ "loss": 0.0254,
1473
+ "step": 2090
1474
+ },
1475
+ {
1476
+ "epoch": 0.47136724558794646,
1477
+ "grad_norm": 0.20132991671562195,
1478
+ "learning_rate": 1.9802692820914514e-05,
1479
+ "loss": 0.0245,
1480
+ "step": 2100
1481
+ },
1482
+ {
1483
+ "epoch": 0.4736118515193176,
1484
+ "grad_norm": 0.18621641397476196,
1485
+ "learning_rate": 1.9797497837661442e-05,
1486
+ "loss": 0.0244,
1487
+ "step": 2110
1488
+ },
1489
+ {
1490
+ "epoch": 0.47585645745068883,
1491
+ "grad_norm": 0.19119122624397278,
1492
+ "learning_rate": 1.97922360490618e-05,
1493
+ "loss": 0.0252,
1494
+ "step": 2120
1495
+ },
1496
+ {
1497
+ "epoch": 0.47810106338206,
1498
+ "grad_norm": 0.21065153181552887,
1499
+ "learning_rate": 1.9786907490993698e-05,
1500
+ "loss": 0.0241,
1501
+ "step": 2130
1502
+ },
1503
+ {
1504
+ "epoch": 0.48034566931343115,
1505
+ "grad_norm": 0.20101730525493622,
1506
+ "learning_rate": 1.97815121997905e-05,
1507
+ "loss": 0.025,
1508
+ "step": 2140
1509
+ },
1510
+ {
1511
+ "epoch": 0.48259027524480236,
1512
+ "grad_norm": 0.19666339457035065,
1513
+ "learning_rate": 1.9776050212240624e-05,
1514
+ "loss": 0.0247,
1515
+ "step": 2150
1516
+ },
1517
+ {
1518
+ "epoch": 0.4848348811761735,
1519
+ "grad_norm": 0.19246205687522888,
1520
+ "learning_rate": 1.9770521565587234e-05,
1521
+ "loss": 0.0243,
1522
+ "step": 2160
1523
+ },
1524
+ {
1525
+ "epoch": 0.4870794871075447,
1526
+ "grad_norm": 0.1777629405260086,
1527
+ "learning_rate": 1.9764926297528036e-05,
1528
+ "loss": 0.025,
1529
+ "step": 2170
1530
+ },
1531
+ {
1532
+ "epoch": 0.48932409303891583,
1533
+ "grad_norm": 0.16932068765163422,
1534
+ "learning_rate": 1.9759264446215006e-05,
1535
+ "loss": 0.0232,
1536
+ "step": 2180
1537
+ },
1538
+ {
1539
+ "epoch": 0.49156869897028704,
1540
+ "grad_norm": 0.20206604897975922,
1541
+ "learning_rate": 1.975353605025411e-05,
1542
+ "loss": 0.0248,
1543
+ "step": 2190
1544
+ },
1545
+ {
1546
+ "epoch": 0.4938133049016582,
1547
+ "grad_norm": 0.2303825467824936,
1548
+ "learning_rate": 1.9747741148705063e-05,
1549
+ "loss": 0.0247,
1550
+ "step": 2200
1551
+ },
1552
+ {
1553
+ "epoch": 0.49605791083302936,
1554
+ "grad_norm": 0.1818767488002777,
1555
+ "learning_rate": 1.974187978108106e-05,
1556
+ "loss": 0.0242,
1557
+ "step": 2210
1558
+ },
1559
+ {
1560
+ "epoch": 0.49830251676440057,
1561
+ "grad_norm": 0.1894429624080658,
1562
+ "learning_rate": 1.9735951987348496e-05,
1563
+ "loss": 0.0244,
1564
+ "step": 2220
1565
+ },
1566
+ {
1567
+ "epoch": 0.5005471226957717,
1568
+ "grad_norm": 0.17991645634174347,
1569
+ "learning_rate": 1.9729957807926705e-05,
1570
+ "loss": 0.0249,
1571
+ "step": 2230
1572
+ },
1573
+ {
1574
+ "epoch": 0.5027917286271429,
1575
+ "grad_norm": 0.214262455701828,
1576
+ "learning_rate": 1.9723897283687673e-05,
1577
+ "loss": 0.0231,
1578
+ "step": 2240
1579
+ },
1580
+ {
1581
+ "epoch": 0.505036334558514,
1582
+ "grad_norm": 0.19449850916862488,
1583
+ "learning_rate": 1.9717770455955776e-05,
1584
+ "loss": 0.0237,
1585
+ "step": 2250
1586
+ },
1587
+ {
1588
+ "epoch": 0.5072809404898853,
1589
+ "grad_norm": 0.1926821768283844,
1590
+ "learning_rate": 1.9711577366507477e-05,
1591
+ "loss": 0.0248,
1592
+ "step": 2260
1593
+ },
1594
+ {
1595
+ "epoch": 0.5095255464212565,
1596
+ "grad_norm": 0.2037525773048401,
1597
+ "learning_rate": 1.9705318057571056e-05,
1598
+ "loss": 0.023,
1599
+ "step": 2270
1600
+ },
1601
+ {
1602
+ "epoch": 0.5117701523526276,
1603
+ "grad_norm": 0.1556444764137268,
1604
+ "learning_rate": 1.9698992571826322e-05,
1605
+ "loss": 0.0234,
1606
+ "step": 2280
1607
+ },
1608
+ {
1609
+ "epoch": 0.5140147582839988,
1610
+ "grad_norm": 0.20549353957176208,
1611
+ "learning_rate": 1.9692600952404312e-05,
1612
+ "loss": 0.0232,
1613
+ "step": 2290
1614
+ },
1615
+ {
1616
+ "epoch": 0.5162593642153699,
1617
+ "grad_norm": 0.1754326969385147,
1618
+ "learning_rate": 1.9686143242887e-05,
1619
+ "loss": 0.0237,
1620
+ "step": 2300
1621
+ },
1622
+ {
1623
+ "epoch": 0.5185039701467411,
1624
+ "grad_norm": 0.1987963318824768,
1625
+ "learning_rate": 1.967961948730702e-05,
1626
+ "loss": 0.0251,
1627
+ "step": 2310
1628
+ },
1629
+ {
1630
+ "epoch": 0.5207485760781123,
1631
+ "grad_norm": 0.19438199698925018,
1632
+ "learning_rate": 1.9673029730147332e-05,
1633
+ "loss": 0.0239,
1634
+ "step": 2320
1635
+ },
1636
+ {
1637
+ "epoch": 0.5229931820094834,
1638
+ "grad_norm": 0.19073012471199036,
1639
+ "learning_rate": 1.966637401634094e-05,
1640
+ "loss": 0.0227,
1641
+ "step": 2330
1642
+ },
1643
+ {
1644
+ "epoch": 0.5252377879408546,
1645
+ "grad_norm": 0.1820707619190216,
1646
+ "learning_rate": 1.9659652391270576e-05,
1647
+ "loss": 0.023,
1648
+ "step": 2340
1649
+ },
1650
+ {
1651
+ "epoch": 0.5274823938722258,
1652
+ "grad_norm": 0.17488014698028564,
1653
+ "learning_rate": 1.965286490076841e-05,
1654
+ "loss": 0.0241,
1655
+ "step": 2350
1656
+ },
1657
+ {
1658
+ "epoch": 0.5297269998035969,
1659
+ "grad_norm": 0.20880946516990662,
1660
+ "learning_rate": 1.9646011591115706e-05,
1661
+ "loss": 0.024,
1662
+ "step": 2360
1663
+ },
1664
+ {
1665
+ "epoch": 0.5319716057349682,
1666
+ "grad_norm": 0.18289141356945038,
1667
+ "learning_rate": 1.9639092509042533e-05,
1668
+ "loss": 0.0241,
1669
+ "step": 2370
1670
+ },
1671
+ {
1672
+ "epoch": 0.5342162116663394,
1673
+ "grad_norm": 0.20128047466278076,
1674
+ "learning_rate": 1.963210770172743e-05,
1675
+ "loss": 0.0237,
1676
+ "step": 2380
1677
+ },
1678
+ {
1679
+ "epoch": 0.5364608175977105,
1680
+ "grad_norm": 0.17308512330055237,
1681
+ "learning_rate": 1.9625057216797106e-05,
1682
+ "loss": 0.025,
1683
+ "step": 2390
1684
+ },
1685
+ {
1686
+ "epoch": 0.5387054235290817,
1687
+ "grad_norm": 0.19591808319091797,
1688
+ "learning_rate": 1.961794110232608e-05,
1689
+ "loss": 0.022,
1690
+ "step": 2400
1691
+ },
1692
+ {
1693
+ "epoch": 0.5409500294604529,
1694
+ "grad_norm": 0.16618050634860992,
1695
+ "learning_rate": 1.9610759406836382e-05,
1696
+ "loss": 0.0227,
1697
+ "step": 2410
1698
+ },
1699
+ {
1700
+ "epoch": 0.543194635391824,
1701
+ "grad_norm": 0.17903420329093933,
1702
+ "learning_rate": 1.9603512179297226e-05,
1703
+ "loss": 0.0236,
1704
+ "step": 2420
1705
+ },
1706
+ {
1707
+ "epoch": 0.5454392413231952,
1708
+ "grad_norm": 0.20347997546195984,
1709
+ "learning_rate": 1.959619946912464e-05,
1710
+ "loss": 0.0231,
1711
+ "step": 2430
1712
+ },
1713
+ {
1714
+ "epoch": 0.5476838472545664,
1715
+ "grad_norm": 0.22455480694770813,
1716
+ "learning_rate": 1.9588821326181172e-05,
1717
+ "loss": 0.0248,
1718
+ "step": 2440
1719
+ },
1720
+ {
1721
+ "epoch": 0.5499284531859375,
1722
+ "grad_norm": 0.16458284854888916,
1723
+ "learning_rate": 1.9581377800775518e-05,
1724
+ "loss": 0.0224,
1725
+ "step": 2450
1726
+ },
1727
+ {
1728
+ "epoch": 0.5521730591173087,
1729
+ "grad_norm": 0.1932162195444107,
1730
+ "learning_rate": 1.95738689436622e-05,
1731
+ "loss": 0.0235,
1732
+ "step": 2460
1733
+ },
1734
+ {
1735
+ "epoch": 0.5544176650486798,
1736
+ "grad_norm": 0.1769714504480362,
1737
+ "learning_rate": 1.9566294806041214e-05,
1738
+ "loss": 0.0215,
1739
+ "step": 2470
1740
+ },
1741
+ {
1742
+ "epoch": 0.556662270980051,
1743
+ "grad_norm": 0.20865550637245178,
1744
+ "learning_rate": 1.9558655439557665e-05,
1745
+ "loss": 0.0223,
1746
+ "step": 2480
1747
+ },
1748
+ {
1749
+ "epoch": 0.5589068769114223,
1750
+ "grad_norm": 0.2173549085855484,
1751
+ "learning_rate": 1.9550950896301445e-05,
1752
+ "loss": 0.0234,
1753
+ "step": 2490
1754
+ },
1755
+ {
1756
+ "epoch": 0.5611514828427934,
1757
+ "grad_norm": 0.18162918090820312,
1758
+ "learning_rate": 1.954318122880685e-05,
1759
+ "loss": 0.0243,
1760
+ "step": 2500
1761
+ },
1762
+ {
1763
+ "epoch": 0.5633960887741646,
1764
+ "grad_norm": 0.17128832638263702,
1765
+ "learning_rate": 1.9535346490052235e-05,
1766
+ "loss": 0.0239,
1767
+ "step": 2510
1768
+ },
1769
+ {
1770
+ "epoch": 0.5656406947055358,
1771
+ "grad_norm": 0.18167993426322937,
1772
+ "learning_rate": 1.952744673345965e-05,
1773
+ "loss": 0.0241,
1774
+ "step": 2520
1775
+ },
1776
+ {
1777
+ "epoch": 0.5678853006369069,
1778
+ "grad_norm": 0.20374241471290588,
1779
+ "learning_rate": 1.9519482012894483e-05,
1780
+ "loss": 0.0235,
1781
+ "step": 2530
1782
+ },
1783
+ {
1784
+ "epoch": 0.5701299065682781,
1785
+ "grad_norm": 0.17413835227489471,
1786
+ "learning_rate": 1.9511452382665077e-05,
1787
+ "loss": 0.0226,
1788
+ "step": 2540
1789
+ },
1790
+ {
1791
+ "epoch": 0.5723745124996493,
1792
+ "grad_norm": 0.20678037405014038,
1793
+ "learning_rate": 1.9503357897522378e-05,
1794
+ "loss": 0.0238,
1795
+ "step": 2550
1796
+ },
1797
+ {
1798
+ "epoch": 0.5746191184310204,
1799
+ "grad_norm": 0.17220425605773926,
1800
+ "learning_rate": 1.949519861265954e-05,
1801
+ "loss": 0.0226,
1802
+ "step": 2560
1803
+ },
1804
+ {
1805
+ "epoch": 0.5768637243623916,
1806
+ "grad_norm": 0.19188691675662994,
1807
+ "learning_rate": 1.9486974583711584e-05,
1808
+ "loss": 0.0223,
1809
+ "step": 2570
1810
+ },
1811
+ {
1812
+ "epoch": 0.5791083302937629,
1813
+ "grad_norm": 0.18967117369174957,
1814
+ "learning_rate": 1.947868586675497e-05,
1815
+ "loss": 0.0234,
1816
+ "step": 2580
1817
+ },
1818
+ {
1819
+ "epoch": 0.581352936225134,
1820
+ "grad_norm": 0.16889534890651703,
1821
+ "learning_rate": 1.947033251830725e-05,
1822
+ "loss": 0.0223,
1823
+ "step": 2590
1824
+ },
1825
+ {
1826
+ "epoch": 0.5835975421565052,
1827
+ "grad_norm": 0.23073066771030426,
1828
+ "learning_rate": 1.9461914595326684e-05,
1829
+ "loss": 0.0228,
1830
+ "step": 2600
1831
+ },
1832
+ {
1833
+ "epoch": 0.5858421480878763,
1834
+ "grad_norm": 0.19199195504188538,
1835
+ "learning_rate": 1.945343215521182e-05,
1836
+ "loss": 0.0217,
1837
+ "step": 2610
1838
+ },
1839
+ {
1840
+ "epoch": 0.5880867540192475,
1841
+ "grad_norm": 0.1747967153787613,
1842
+ "learning_rate": 1.944488525580114e-05,
1843
+ "loss": 0.0218,
1844
+ "step": 2620
1845
+ },
1846
+ {
1847
+ "epoch": 0.5903313599506187,
1848
+ "grad_norm": 0.16960597038269043,
1849
+ "learning_rate": 1.943627395537265e-05,
1850
+ "loss": 0.0232,
1851
+ "step": 2630
1852
+ },
1853
+ {
1854
+ "epoch": 0.5925759658819898,
1855
+ "grad_norm": 1.8774281740188599,
1856
+ "learning_rate": 1.9427598312643467e-05,
1857
+ "loss": 0.0268,
1858
+ "step": 2640
1859
+ },
1860
+ {
1861
+ "epoch": 0.594820571813361,
1862
+ "grad_norm": 0.26028814911842346,
1863
+ "learning_rate": 1.9418858386769447e-05,
1864
+ "loss": 0.0327,
1865
+ "step": 2650
1866
+ },
1867
+ {
1868
+ "epoch": 0.5970651777447322,
1869
+ "grad_norm": 0.22514741122722626,
1870
+ "learning_rate": 1.9410054237344757e-05,
1871
+ "loss": 0.0288,
1872
+ "step": 2660
1873
+ },
1874
+ {
1875
+ "epoch": 0.5993097836761033,
1876
+ "grad_norm": 0.21931113302707672,
1877
+ "learning_rate": 1.9401185924401488e-05,
1878
+ "loss": 0.0251,
1879
+ "step": 2670
1880
+ },
1881
+ {
1882
+ "epoch": 0.6015543896074745,
1883
+ "grad_norm": 0.1910109966993332,
1884
+ "learning_rate": 1.9392253508409235e-05,
1885
+ "loss": 0.0242,
1886
+ "step": 2680
1887
+ },
1888
+ {
1889
+ "epoch": 0.6037989955388458,
1890
+ "grad_norm": 0.17131438851356506,
1891
+ "learning_rate": 1.938325705027469e-05,
1892
+ "loss": 0.0234,
1893
+ "step": 2690
1894
+ },
1895
+ {
1896
+ "epoch": 0.6060436014702169,
1897
+ "grad_norm": 0.1875181645154953,
1898
+ "learning_rate": 1.9374196611341212e-05,
1899
+ "loss": 0.0241,
1900
+ "step": 2700
1901
+ },
1902
+ {
1903
+ "epoch": 0.6082882074015881,
1904
+ "grad_norm": 0.18994557857513428,
1905
+ "learning_rate": 1.936507225338843e-05,
1906
+ "loss": 0.0226,
1907
+ "step": 2710
1908
+ },
1909
+ {
1910
+ "epoch": 0.6105328133329593,
1911
+ "grad_norm": 0.19114020466804504,
1912
+ "learning_rate": 1.9355884038631812e-05,
1913
+ "loss": 0.023,
1914
+ "step": 2720
1915
+ },
1916
+ {
1917
+ "epoch": 0.6127774192643304,
1918
+ "grad_norm": 0.18819326162338257,
1919
+ "learning_rate": 1.9346632029722243e-05,
1920
+ "loss": 0.023,
1921
+ "step": 2730
1922
+ },
1923
+ {
1924
+ "epoch": 0.6150220251957016,
1925
+ "grad_norm": 0.2011801302433014,
1926
+ "learning_rate": 1.9337316289745586e-05,
1927
+ "loss": 0.0233,
1928
+ "step": 2740
1929
+ },
1930
+ {
1931
+ "epoch": 0.6172666311270728,
1932
+ "grad_norm": 0.176308736205101,
1933
+ "learning_rate": 1.9327936882222267e-05,
1934
+ "loss": 0.0227,
1935
+ "step": 2750
1936
+ },
1937
+ {
1938
+ "epoch": 0.6195112370584439,
1939
+ "grad_norm": 0.1711064577102661,
1940
+ "learning_rate": 1.931849387110684e-05,
1941
+ "loss": 0.0238,
1942
+ "step": 2760
1943
+ },
1944
+ {
1945
+ "epoch": 0.6217558429898151,
1946
+ "grad_norm": 0.1591506451368332,
1947
+ "learning_rate": 1.930898732078754e-05,
1948
+ "loss": 0.0218,
1949
+ "step": 2770
1950
+ },
1951
+ {
1952
+ "epoch": 0.6240004489211862,
1953
+ "grad_norm": 0.17407435178756714,
1954
+ "learning_rate": 1.929941729608586e-05,
1955
+ "loss": 0.0235,
1956
+ "step": 2780
1957
+ },
1958
+ {
1959
+ "epoch": 0.6262450548525574,
1960
+ "grad_norm": 0.16112394630908966,
1961
+ "learning_rate": 1.9289783862256087e-05,
1962
+ "loss": 0.0213,
1963
+ "step": 2790
1964
+ },
1965
+ {
1966
+ "epoch": 0.6284896607839286,
1967
+ "grad_norm": 0.15335716307163239,
1968
+ "learning_rate": 1.9280087084984892e-05,
1969
+ "loss": 0.0228,
1970
+ "step": 2800
1971
+ },
1972
+ {
1973
+ "epoch": 0.6307342667152998,
1974
+ "grad_norm": 0.18014346063137054,
1975
+ "learning_rate": 1.9270327030390832e-05,
1976
+ "loss": 0.0233,
1977
+ "step": 2810
1978
+ },
1979
+ {
1980
+ "epoch": 0.632978872646671,
1981
+ "grad_norm": 0.16869892179965973,
1982
+ "learning_rate": 1.9260503765023954e-05,
1983
+ "loss": 0.022,
1984
+ "step": 2820
1985
+ },
1986
+ {
1987
+ "epoch": 0.6352234785780422,
1988
+ "grad_norm": 0.1692594587802887,
1989
+ "learning_rate": 1.9250617355865292e-05,
1990
+ "loss": 0.0226,
1991
+ "step": 2830
1992
+ },
1993
+ {
1994
+ "epoch": 0.6374680845094133,
1995
+ "grad_norm": 0.19598528742790222,
1996
+ "learning_rate": 1.924066787032646e-05,
1997
+ "loss": 0.0214,
1998
+ "step": 2840
1999
+ },
2000
+ {
2001
+ "epoch": 0.6397126904407845,
2002
+ "grad_norm": 0.17125625908374786,
2003
+ "learning_rate": 1.9230655376249134e-05,
2004
+ "loss": 0.022,
2005
+ "step": 2850
2006
+ },
2007
+ {
2008
+ "epoch": 0.6419572963721557,
2009
+ "grad_norm": 0.1635292023420334,
2010
+ "learning_rate": 1.9220579941904645e-05,
2011
+ "loss": 0.0217,
2012
+ "step": 2860
2013
+ },
2014
+ {
2015
+ "epoch": 0.6442019023035268,
2016
+ "grad_norm": 0.18467473983764648,
2017
+ "learning_rate": 1.9210441635993483e-05,
2018
+ "loss": 0.0226,
2019
+ "step": 2870
2020
+ },
2021
+ {
2022
+ "epoch": 0.646446508234898,
2023
+ "grad_norm": 0.17099305987358093,
2024
+ "learning_rate": 1.9200240527644828e-05,
2025
+ "loss": 0.021,
2026
+ "step": 2880
2027
+ },
2028
+ {
2029
+ "epoch": 0.6486911141662692,
2030
+ "grad_norm": 0.15335629880428314,
2031
+ "learning_rate": 1.918997668641609e-05,
2032
+ "loss": 0.0207,
2033
+ "step": 2890
2034
+ },
2035
+ {
2036
+ "epoch": 0.6509357200976403,
2037
+ "grad_norm": 0.15978077054023743,
2038
+ "learning_rate": 1.9179650182292436e-05,
2039
+ "loss": 0.0214,
2040
+ "step": 2900
2041
+ },
2042
+ {
2043
+ "epoch": 0.6531803260290115,
2044
+ "grad_norm": 0.1606997549533844,
2045
+ "learning_rate": 1.91692610856863e-05,
2046
+ "loss": 0.021,
2047
+ "step": 2910
2048
+ },
2049
+ {
2050
+ "epoch": 0.6554249319603827,
2051
+ "grad_norm": 0.16981342434883118,
2052
+ "learning_rate": 1.915880946743691e-05,
2053
+ "loss": 0.0218,
2054
+ "step": 2920
2055
+ },
2056
+ {
2057
+ "epoch": 0.6576695378917539,
2058
+ "grad_norm": 0.17529399693012238,
2059
+ "learning_rate": 1.91482953988098e-05,
2060
+ "loss": 0.0217,
2061
+ "step": 2930
2062
+ },
2063
+ {
2064
+ "epoch": 0.6599141438231251,
2065
+ "grad_norm": 0.1750255823135376,
2066
+ "learning_rate": 1.9137718951496352e-05,
2067
+ "loss": 0.0221,
2068
+ "step": 2940
2069
+ },
2070
+ {
2071
+ "epoch": 0.6621587497544962,
2072
+ "grad_norm": 0.17034149169921875,
2073
+ "learning_rate": 1.912708019761325e-05,
2074
+ "loss": 0.021,
2075
+ "step": 2950
2076
+ },
2077
+ {
2078
+ "epoch": 0.6644033556858674,
2079
+ "grad_norm": 0.1882370561361313,
2080
+ "learning_rate": 1.9116379209702056e-05,
2081
+ "loss": 0.0208,
2082
+ "step": 2960
2083
+ },
2084
+ {
2085
+ "epoch": 0.6666479616172386,
2086
+ "grad_norm": 0.17587997019290924,
2087
+ "learning_rate": 1.910561606072865e-05,
2088
+ "loss": 0.0208,
2089
+ "step": 2970
2090
+ },
2091
+ {
2092
+ "epoch": 0.6688925675486097,
2093
+ "grad_norm": 0.18303704261779785,
2094
+ "learning_rate": 1.909479082408279e-05,
2095
+ "loss": 0.0196,
2096
+ "step": 2980
2097
+ },
2098
+ {
2099
+ "epoch": 0.6711371734799809,
2100
+ "grad_norm": 0.1817975491285324,
2101
+ "learning_rate": 1.908390357357758e-05,
2102
+ "loss": 0.0209,
2103
+ "step": 2990
2104
+ },
2105
+ {
2106
+ "epoch": 0.6733817794113521,
2107
+ "grad_norm": 0.194996640086174,
2108
+ "learning_rate": 1.9072954383448955e-05,
2109
+ "loss": 0.0215,
2110
+ "step": 3000
2111
+ },
2112
+ {
2113
+ "epoch": 0.6756263853427232,
2114
+ "grad_norm": 0.20948557555675507,
2115
+ "learning_rate": 1.9061943328355214e-05,
2116
+ "loss": 0.02,
2117
+ "step": 3010
2118
+ },
2119
+ {
2120
+ "epoch": 0.6778709912740944,
2121
+ "grad_norm": 0.17736251652240753,
2122
+ "learning_rate": 1.905087048337648e-05,
2123
+ "loss": 0.0202,
2124
+ "step": 3020
2125
+ },
2126
+ {
2127
+ "epoch": 0.6801155972054657,
2128
+ "grad_norm": 0.14099887013435364,
2129
+ "learning_rate": 1.9039735924014197e-05,
2130
+ "loss": 0.0203,
2131
+ "step": 3030
2132
+ },
2133
+ {
2134
+ "epoch": 0.6823602031368368,
2135
+ "grad_norm": 0.16595132648944855,
2136
+ "learning_rate": 1.902853972619062e-05,
2137
+ "loss": 0.0213,
2138
+ "step": 3040
2139
+ },
2140
+ {
2141
+ "epoch": 0.684604809068208,
2142
+ "grad_norm": 0.14856795966625214,
2143
+ "learning_rate": 1.9017281966248284e-05,
2144
+ "loss": 0.02,
2145
+ "step": 3050
2146
+ },
2147
+ {
2148
+ "epoch": 0.6868494149995792,
2149
+ "grad_norm": 0.16550858318805695,
2150
+ "learning_rate": 1.90059627209495e-05,
2151
+ "loss": 0.0214,
2152
+ "step": 3060
2153
+ },
2154
+ {
2155
+ "epoch": 0.6890940209309503,
2156
+ "grad_norm": 0.20143896341323853,
2157
+ "learning_rate": 1.8994582067475827e-05,
2158
+ "loss": 0.0208,
2159
+ "step": 3070
2160
+ },
2161
+ {
2162
+ "epoch": 0.6913386268623215,
2163
+ "grad_norm": 0.16624027490615845,
2164
+ "learning_rate": 1.8983140083427528e-05,
2165
+ "loss": 0.0202,
2166
+ "step": 3080
2167
+ },
2168
+ {
2169
+ "epoch": 0.6935832327936926,
2170
+ "grad_norm": 0.17451374232769012,
2171
+ "learning_rate": 1.8971636846823074e-05,
2172
+ "loss": 0.0215,
2173
+ "step": 3090
2174
+ },
2175
+ {
2176
+ "epoch": 0.6958278387250638,
2177
+ "grad_norm": 0.18585652112960815,
2178
+ "learning_rate": 1.8960072436098577e-05,
2179
+ "loss": 0.0194,
2180
+ "step": 3100
2181
+ },
2182
+ {
2183
+ "epoch": 0.698072444656435,
2184
+ "grad_norm": 0.1638859361410141,
2185
+ "learning_rate": 1.894844693010728e-05,
2186
+ "loss": 0.0203,
2187
+ "step": 3110
2188
+ },
2189
+ {
2190
+ "epoch": 0.7003170505878061,
2191
+ "grad_norm": 0.18684209883213043,
2192
+ "learning_rate": 1.8936760408119012e-05,
2193
+ "loss": 0.0223,
2194
+ "step": 3120
2195
+ },
2196
+ {
2197
+ "epoch": 0.7025616565191773,
2198
+ "grad_norm": 0.1838609278202057,
2199
+ "learning_rate": 1.8925012949819645e-05,
2200
+ "loss": 0.0216,
2201
+ "step": 3130
2202
+ },
2203
+ {
2204
+ "epoch": 0.7048062624505486,
2205
+ "grad_norm": 0.17233972251415253,
2206
+ "learning_rate": 1.8913204635310548e-05,
2207
+ "loss": 0.0201,
2208
+ "step": 3140
2209
+ },
2210
+ {
2211
+ "epoch": 0.7070508683819197,
2212
+ "grad_norm": 0.18251539766788483,
2213
+ "learning_rate": 1.8901335545108054e-05,
2214
+ "loss": 0.0207,
2215
+ "step": 3150
2216
+ },
2217
+ {
2218
+ "epoch": 0.7092954743132909,
2219
+ "grad_norm": 0.1725347936153412,
2220
+ "learning_rate": 1.8889405760142887e-05,
2221
+ "loss": 0.0209,
2222
+ "step": 3160
2223
+ },
2224
+ {
2225
+ "epoch": 0.7115400802446621,
2226
+ "grad_norm": 0.17256340384483337,
2227
+ "learning_rate": 1.8877415361759645e-05,
2228
+ "loss": 0.0209,
2229
+ "step": 3170
2230
+ },
2231
+ {
2232
+ "epoch": 0.7137846861760332,
2233
+ "grad_norm": 0.1629970371723175,
2234
+ "learning_rate": 1.8865364431716205e-05,
2235
+ "loss": 0.0208,
2236
+ "step": 3180
2237
+ },
2238
+ {
2239
+ "epoch": 0.7160292921074044,
2240
+ "grad_norm": 0.20335057377815247,
2241
+ "learning_rate": 1.8853253052183206e-05,
2242
+ "loss": 0.0206,
2243
+ "step": 3190
2244
+ },
2245
+ {
2246
+ "epoch": 0.7182738980387756,
2247
+ "grad_norm": 0.15751416981220245,
2248
+ "learning_rate": 1.8841081305743447e-05,
2249
+ "loss": 0.0202,
2250
+ "step": 3200
2251
+ },
2252
+ {
2253
+ "epoch": 0.7205185039701467,
2254
+ "grad_norm": 0.15457507967948914,
2255
+ "learning_rate": 1.8828849275391366e-05,
2256
+ "loss": 0.0214,
2257
+ "step": 3210
2258
+ },
2259
+ {
2260
+ "epoch": 0.7227631099015179,
2261
+ "grad_norm": 0.1803683042526245,
2262
+ "learning_rate": 1.8816557044532443e-05,
2263
+ "loss": 0.0196,
2264
+ "step": 3220
2265
+ },
2266
+ {
2267
+ "epoch": 0.7250077158328891,
2268
+ "grad_norm": 0.18161389231681824,
2269
+ "learning_rate": 1.880420469698264e-05,
2270
+ "loss": 0.0212,
2271
+ "step": 3230
2272
+ },
2273
+ {
2274
+ "epoch": 0.7272523217642602,
2275
+ "grad_norm": 0.17406050860881805,
2276
+ "learning_rate": 1.879179231696784e-05,
2277
+ "loss": 0.02,
2278
+ "step": 3240
2279
+ },
2280
+ {
2281
+ "epoch": 0.7294969276956315,
2282
+ "grad_norm": 0.15951761603355408,
2283
+ "learning_rate": 1.8779319989123253e-05,
2284
+ "loss": 0.0202,
2285
+ "step": 3250
2286
+ },
2287
+ {
2288
+ "epoch": 0.7317415336270026,
2289
+ "grad_norm": 0.17296704649925232,
2290
+ "learning_rate": 1.8766787798492863e-05,
2291
+ "loss": 0.0195,
2292
+ "step": 3260
2293
+ },
2294
+ {
2295
+ "epoch": 0.7339861395583738,
2296
+ "grad_norm": 0.16530241072177887,
2297
+ "learning_rate": 1.8754195830528826e-05,
2298
+ "loss": 0.0208,
2299
+ "step": 3270
2300
+ },
2301
+ {
2302
+ "epoch": 0.736230745489745,
2303
+ "grad_norm": 0.16106492280960083,
2304
+ "learning_rate": 1.8741544171090898e-05,
2305
+ "loss": 0.0209,
2306
+ "step": 3280
2307
+ },
2308
+ {
2309
+ "epoch": 0.7384753514211161,
2310
+ "grad_norm": 0.17415162920951843,
2311
+ "learning_rate": 1.872883290644585e-05,
2312
+ "loss": 0.021,
2313
+ "step": 3290
2314
+ },
2315
+ {
2316
+ "epoch": 0.7407199573524873,
2317
+ "grad_norm": 0.16503530740737915,
2318
+ "learning_rate": 1.8716062123266877e-05,
2319
+ "loss": 0.0199,
2320
+ "step": 3300
2321
+ },
2322
+ {
2323
+ "epoch": 0.7429645632838585,
2324
+ "grad_norm": 0.17592734098434448,
2325
+ "learning_rate": 1.8703231908633007e-05,
2326
+ "loss": 0.0199,
2327
+ "step": 3310
2328
+ },
2329
+ {
2330
+ "epoch": 0.7452091692152296,
2331
+ "grad_norm": 0.16938206553459167,
2332
+ "learning_rate": 1.8690342350028513e-05,
2333
+ "loss": 0.0195,
2334
+ "step": 3320
2335
+ },
2336
+ {
2337
+ "epoch": 0.7474537751466008,
2338
+ "grad_norm": 0.16405285894870758,
2339
+ "learning_rate": 1.8677393535342298e-05,
2340
+ "loss": 0.021,
2341
+ "step": 3330
2342
+ },
2343
+ {
2344
+ "epoch": 0.749698381077972,
2345
+ "grad_norm": 0.16769342124462128,
2346
+ "learning_rate": 1.8664385552867332e-05,
2347
+ "loss": 0.0199,
2348
+ "step": 3340
2349
+ },
2350
+ {
2351
+ "epoch": 0.7519429870093431,
2352
+ "grad_norm": 0.17460818588733673,
2353
+ "learning_rate": 1.8651318491300002e-05,
2354
+ "loss": 0.0206,
2355
+ "step": 3350
2356
+ },
2357
+ {
2358
+ "epoch": 0.7541875929407144,
2359
+ "grad_norm": 0.1495262235403061,
2360
+ "learning_rate": 1.863819243973955e-05,
2361
+ "loss": 0.0194,
2362
+ "step": 3360
2363
+ },
2364
+ {
2365
+ "epoch": 0.7564321988720856,
2366
+ "grad_norm": 0.15108689665794373,
2367
+ "learning_rate": 1.862500748768744e-05,
2368
+ "loss": 0.0198,
2369
+ "step": 3370
2370
+ },
2371
+ {
2372
+ "epoch": 0.7586768048034567,
2373
+ "grad_norm": 0.15738345682621002,
2374
+ "learning_rate": 1.8611763725046758e-05,
2375
+ "loss": 0.0191,
2376
+ "step": 3380
2377
+ },
2378
+ {
2379
+ "epoch": 0.7609214107348279,
2380
+ "grad_norm": 0.14987443387508392,
2381
+ "learning_rate": 1.85984612421216e-05,
2382
+ "loss": 0.0186,
2383
+ "step": 3390
2384
+ },
2385
+ {
2386
+ "epoch": 0.763166016666199,
2387
+ "grad_norm": 0.1464933604001999,
2388
+ "learning_rate": 1.858510012961645e-05,
2389
+ "loss": 0.0209,
2390
+ "step": 3400
2391
+ },
2392
+ {
2393
+ "epoch": 0.7654106225975702,
2394
+ "grad_norm": 0.14822939038276672,
2395
+ "learning_rate": 1.857168047863556e-05,
2396
+ "loss": 0.02,
2397
+ "step": 3410
2398
+ },
2399
+ {
2400
+ "epoch": 0.7676552285289414,
2401
+ "grad_norm": 0.1794120967388153,
2402
+ "learning_rate": 1.8558202380682343e-05,
2403
+ "loss": 0.0211,
2404
+ "step": 3420
2405
+ },
2406
+ {
2407
+ "epoch": 0.7698998344603125,
2408
+ "grad_norm": 0.15938477218151093,
2409
+ "learning_rate": 1.8544665927658723e-05,
2410
+ "loss": 0.0197,
2411
+ "step": 3430
2412
+ },
2413
+ {
2414
+ "epoch": 0.7721444403916837,
2415
+ "grad_norm": 0.1710355430841446,
2416
+ "learning_rate": 1.853107121186455e-05,
2417
+ "loss": 0.0196,
2418
+ "step": 3440
2419
+ },
2420
+ {
2421
+ "epoch": 0.7743890463230549,
2422
+ "grad_norm": 0.15917006134986877,
2423
+ "learning_rate": 1.8517418325996916e-05,
2424
+ "loss": 0.0197,
2425
+ "step": 3450
2426
+ },
2427
+ {
2428
+ "epoch": 0.776633652254426,
2429
+ "grad_norm": 0.15458229184150696,
2430
+ "learning_rate": 1.8503707363149573e-05,
2431
+ "loss": 0.0193,
2432
+ "step": 3460
2433
+ },
2434
+ {
2435
+ "epoch": 0.7788782581857973,
2436
+ "grad_norm": 0.1885480433702469,
2437
+ "learning_rate": 1.8489938416812273e-05,
2438
+ "loss": 0.0194,
2439
+ "step": 3470
2440
+ },
2441
+ {
2442
+ "epoch": 0.7811228641171685,
2443
+ "grad_norm": 0.1443496197462082,
2444
+ "learning_rate": 1.847611158087013e-05,
2445
+ "loss": 0.0196,
2446
+ "step": 3480
2447
+ },
2448
+ {
2449
+ "epoch": 0.7833674700485396,
2450
+ "grad_norm": 0.1544029414653778,
2451
+ "learning_rate": 1.846222694960299e-05,
2452
+ "loss": 0.0198,
2453
+ "step": 3490
2454
+ },
2455
+ {
2456
+ "epoch": 0.7856120759799108,
2457
+ "grad_norm": 0.17099037766456604,
2458
+ "learning_rate": 1.8448284617684784e-05,
2459
+ "loss": 0.0193,
2460
+ "step": 3500
2461
+ },
2462
+ {
2463
+ "epoch": 0.787856681911282,
2464
+ "grad_norm": 0.1704227477312088,
2465
+ "learning_rate": 1.843428468018287e-05,
2466
+ "loss": 0.019,
2467
+ "step": 3510
2468
+ },
2469
+ {
2470
+ "epoch": 0.7901012878426531,
2471
+ "grad_norm": 0.1799788922071457,
2472
+ "learning_rate": 1.842022723255741e-05,
2473
+ "loss": 0.0199,
2474
+ "step": 3520
2475
+ },
2476
+ {
2477
+ "epoch": 0.7923458937740243,
2478
+ "grad_norm": 0.16611269116401672,
2479
+ "learning_rate": 1.8406112370660695e-05,
2480
+ "loss": 0.0206,
2481
+ "step": 3530
2482
+ },
2483
+ {
2484
+ "epoch": 0.7945904997053955,
2485
+ "grad_norm": 0.16963708400726318,
2486
+ "learning_rate": 1.8391940190736514e-05,
2487
+ "loss": 0.0186,
2488
+ "step": 3540
2489
+ },
2490
+ {
2491
+ "epoch": 0.7968351056367666,
2492
+ "grad_norm": 0.16803216934204102,
2493
+ "learning_rate": 1.8377710789419473e-05,
2494
+ "loss": 0.0185,
2495
+ "step": 3550
2496
+ },
2497
+ {
2498
+ "epoch": 0.7990797115681378,
2499
+ "grad_norm": 0.15741732716560364,
2500
+ "learning_rate": 1.8363424263734354e-05,
2501
+ "loss": 0.0201,
2502
+ "step": 3560
2503
+ },
2504
+ {
2505
+ "epoch": 0.8013243174995089,
2506
+ "grad_norm": 0.1796884834766388,
2507
+ "learning_rate": 1.834908071109545e-05,
2508
+ "loss": 0.019,
2509
+ "step": 3570
2510
+ },
2511
+ {
2512
+ "epoch": 0.8035689234308802,
2513
+ "grad_norm": 0.15816806256771088,
2514
+ "learning_rate": 1.8334680229305894e-05,
2515
+ "loss": 0.0193,
2516
+ "step": 3580
2517
+ },
2518
+ {
2519
+ "epoch": 0.8058135293622514,
2520
+ "grad_norm": 0.15980146825313568,
2521
+ "learning_rate": 1.8320222916556996e-05,
2522
+ "loss": 0.0198,
2523
+ "step": 3590
2524
+ },
2525
+ {
2526
+ "epoch": 0.8080581352936225,
2527
+ "grad_norm": 0.14864562451839447,
2528
+ "learning_rate": 1.8305708871427583e-05,
2529
+ "loss": 0.0188,
2530
+ "step": 3600
2531
+ },
2532
+ {
2533
+ "epoch": 0.8103027412249937,
2534
+ "grad_norm": 0.145126610994339,
2535
+ "learning_rate": 1.829113819288331e-05,
2536
+ "loss": 0.0187,
2537
+ "step": 3610
2538
+ },
2539
+ {
2540
+ "epoch": 0.8125473471563649,
2541
+ "grad_norm": 0.14894086122512817,
2542
+ "learning_rate": 1.827651098027599e-05,
2543
+ "loss": 0.0198,
2544
+ "step": 3620
2545
+ },
2546
+ {
2547
+ "epoch": 0.814791953087736,
2548
+ "grad_norm": 0.1573464423418045,
2549
+ "learning_rate": 1.8261827333342938e-05,
2550
+ "loss": 0.0192,
2551
+ "step": 3630
2552
+ },
2553
+ {
2554
+ "epoch": 0.8170365590191072,
2555
+ "grad_norm": 0.16083981096744537,
2556
+ "learning_rate": 1.824708735220625e-05,
2557
+ "loss": 0.0194,
2558
+ "step": 3640
2559
+ },
2560
+ {
2561
+ "epoch": 0.8192811649504784,
2562
+ "grad_norm": 0.15828320384025574,
2563
+ "learning_rate": 1.823229113737216e-05,
2564
+ "loss": 0.0189,
2565
+ "step": 3650
2566
+ },
2567
+ {
2568
+ "epoch": 0.8215257708818495,
2569
+ "grad_norm": 0.13140316307544708,
2570
+ "learning_rate": 1.8217438789730325e-05,
2571
+ "loss": 0.0194,
2572
+ "step": 3660
2573
+ },
2574
+ {
2575
+ "epoch": 0.8237703768132207,
2576
+ "grad_norm": 0.16682444512844086,
2577
+ "learning_rate": 1.8202530410553162e-05,
2578
+ "loss": 0.0199,
2579
+ "step": 3670
2580
+ },
2581
+ {
2582
+ "epoch": 0.826014982744592,
2583
+ "grad_norm": 0.15172256529331207,
2584
+ "learning_rate": 1.818756610149514e-05,
2585
+ "loss": 0.0189,
2586
+ "step": 3680
2587
+ },
2588
+ {
2589
+ "epoch": 0.828259588675963,
2590
+ "grad_norm": 0.1695002317428589,
2591
+ "learning_rate": 1.8172545964592087e-05,
2592
+ "loss": 0.0197,
2593
+ "step": 3690
2594
+ },
2595
+ {
2596
+ "epoch": 0.8305041946073343,
2597
+ "grad_norm": 0.16010014712810516,
2598
+ "learning_rate": 1.815747010226051e-05,
2599
+ "loss": 0.0182,
2600
+ "step": 3700
2601
+ },
2602
+ {
2603
+ "epoch": 0.8327488005387054,
2604
+ "grad_norm": 0.15437164902687073,
2605
+ "learning_rate": 1.8142338617296878e-05,
2606
+ "loss": 0.0198,
2607
+ "step": 3710
2608
+ },
2609
+ {
2610
+ "epoch": 0.8349934064700766,
2611
+ "grad_norm": 0.17187710106372833,
2612
+ "learning_rate": 1.812715161287693e-05,
2613
+ "loss": 0.0195,
2614
+ "step": 3720
2615
+ },
2616
+ {
2617
+ "epoch": 0.8372380124014478,
2618
+ "grad_norm": 0.16505780816078186,
2619
+ "learning_rate": 1.8111909192554976e-05,
2620
+ "loss": 0.0177,
2621
+ "step": 3730
2622
+ },
2623
+ {
2624
+ "epoch": 0.8394826183328189,
2625
+ "grad_norm": 0.161300927400589,
2626
+ "learning_rate": 1.8096611460263178e-05,
2627
+ "loss": 0.0189,
2628
+ "step": 3740
2629
+ },
2630
+ {
2631
+ "epoch": 0.8417272242641901,
2632
+ "grad_norm": 0.16342850029468536,
2633
+ "learning_rate": 1.8081258520310856e-05,
2634
+ "loss": 0.0183,
2635
+ "step": 3750
2636
+ },
2637
+ {
2638
+ "epoch": 0.8439718301955613,
2639
+ "grad_norm": 0.15704095363616943,
2640
+ "learning_rate": 1.8065850477383767e-05,
2641
+ "loss": 0.0183,
2642
+ "step": 3760
2643
+ },
2644
+ {
2645
+ "epoch": 0.8462164361269324,
2646
+ "grad_norm": 0.1607922911643982,
2647
+ "learning_rate": 1.805038743654339e-05,
2648
+ "loss": 0.019,
2649
+ "step": 3770
2650
+ },
2651
+ {
2652
+ "epoch": 0.8484610420583036,
2653
+ "grad_norm": 0.16337986290454865,
2654
+ "learning_rate": 1.803486950322622e-05,
2655
+ "loss": 0.0193,
2656
+ "step": 3780
2657
+ },
2658
+ {
2659
+ "epoch": 0.8507056479896749,
2660
+ "grad_norm": 0.19210092723369598,
2661
+ "learning_rate": 1.801929678324304e-05,
2662
+ "loss": 0.0179,
2663
+ "step": 3790
2664
+ },
2665
+ {
2666
+ "epoch": 0.852950253921046,
2667
+ "grad_norm": 0.1809729039669037,
2668
+ "learning_rate": 1.80036693827782e-05,
2669
+ "loss": 0.0193,
2670
+ "step": 3800
2671
+ },
2672
+ {
2673
+ "epoch": 0.8551948598524172,
2674
+ "grad_norm": 0.14291028678417206,
2675
+ "learning_rate": 1.79879874083889e-05,
2676
+ "loss": 0.0189,
2677
+ "step": 3810
2678
+ },
2679
+ {
2680
+ "epoch": 0.8574394657837884,
2681
+ "grad_norm": 0.2091740220785141,
2682
+ "learning_rate": 1.7972250967004448e-05,
2683
+ "loss": 0.0182,
2684
+ "step": 3820
2685
+ },
2686
+ {
2687
+ "epoch": 0.8596840717151595,
2688
+ "grad_norm": 0.15339423716068268,
2689
+ "learning_rate": 1.7956460165925556e-05,
2690
+ "loss": 0.0207,
2691
+ "step": 3830
2692
+ },
2693
+ {
2694
+ "epoch": 0.8619286776465307,
2695
+ "grad_norm": 0.1679808646440506,
2696
+ "learning_rate": 1.794061511282358e-05,
2697
+ "loss": 0.0178,
2698
+ "step": 3840
2699
+ },
2700
+ {
2701
+ "epoch": 0.8641732835779019,
2702
+ "grad_norm": 0.1681501418352127,
2703
+ "learning_rate": 1.792471591573981e-05,
2704
+ "loss": 0.0182,
2705
+ "step": 3850
2706
+ },
2707
+ {
2708
+ "epoch": 0.866417889509273,
2709
+ "grad_norm": 0.14759108424186707,
2710
+ "learning_rate": 1.790876268308472e-05,
2711
+ "loss": 0.0184,
2712
+ "step": 3860
2713
+ },
2714
+ {
2715
+ "epoch": 0.8686624954406442,
2716
+ "grad_norm": 0.15728703141212463,
2717
+ "learning_rate": 1.7892755523637224e-05,
2718
+ "loss": 0.0178,
2719
+ "step": 3870
2720
+ },
2721
+ {
2722
+ "epoch": 0.8709071013720153,
2723
+ "grad_norm": 0.14030325412750244,
2724
+ "learning_rate": 1.7876694546543955e-05,
2725
+ "loss": 0.0189,
2726
+ "step": 3880
2727
+ },
2728
+ {
2729
+ "epoch": 0.8731517073033865,
2730
+ "grad_norm": 0.13951782882213593,
2731
+ "learning_rate": 1.7860579861318496e-05,
2732
+ "loss": 0.0191,
2733
+ "step": 3890
2734
+ },
2735
+ {
2736
+ "epoch": 0.8753963132347578,
2737
+ "grad_norm": 0.16399997472763062,
2738
+ "learning_rate": 1.7844411577840654e-05,
2739
+ "loss": 0.0188,
2740
+ "step": 3900
2741
+ },
2742
+ {
2743
+ "epoch": 0.8776409191661289,
2744
+ "grad_norm": 0.14510847628116608,
2745
+ "learning_rate": 1.7828189806355694e-05,
2746
+ "loss": 0.0176,
2747
+ "step": 3910
2748
+ },
2749
+ {
2750
+ "epoch": 0.8798855250975001,
2751
+ "grad_norm": 0.1528862714767456,
2752
+ "learning_rate": 1.78119146574736e-05,
2753
+ "loss": 0.0198,
2754
+ "step": 3920
2755
+ },
2756
+ {
2757
+ "epoch": 0.8821301310288713,
2758
+ "grad_norm": 0.2043169140815735,
2759
+ "learning_rate": 1.7795586242168313e-05,
2760
+ "loss": 0.0195,
2761
+ "step": 3930
2762
+ },
2763
+ {
2764
+ "epoch": 0.8843747369602424,
2765
+ "grad_norm": 0.15285201370716095,
2766
+ "learning_rate": 1.7779204671776984e-05,
2767
+ "loss": 0.0184,
2768
+ "step": 3940
2769
+ },
2770
+ {
2771
+ "epoch": 0.8866193428916136,
2772
+ "grad_norm": 0.1563611477613449,
2773
+ "learning_rate": 1.7762770057999195e-05,
2774
+ "loss": 0.0187,
2775
+ "step": 3950
2776
+ },
2777
+ {
2778
+ "epoch": 0.8888639488229848,
2779
+ "grad_norm": 0.15826715528964996,
2780
+ "learning_rate": 1.7746282512896224e-05,
2781
+ "loss": 0.0179,
2782
+ "step": 3960
2783
+ },
2784
+ {
2785
+ "epoch": 0.8911085547543559,
2786
+ "grad_norm": 0.14216351509094238,
2787
+ "learning_rate": 1.7729742148890258e-05,
2788
+ "loss": 0.0185,
2789
+ "step": 3970
2790
+ },
2791
+ {
2792
+ "epoch": 0.8933531606857271,
2793
+ "grad_norm": 0.17049328982830048,
2794
+ "learning_rate": 1.7713149078763644e-05,
2795
+ "loss": 0.0183,
2796
+ "step": 3980
2797
+ },
2798
+ {
2799
+ "epoch": 0.8955977666170983,
2800
+ "grad_norm": 0.14374832808971405,
2801
+ "learning_rate": 1.7696503415658096e-05,
2802
+ "loss": 0.0192,
2803
+ "step": 3990
2804
+ },
2805
+ {
2806
+ "epoch": 0.8978423725484694,
2807
+ "grad_norm": 0.18668319284915924,
2808
+ "learning_rate": 1.767980527307396e-05,
2809
+ "loss": 0.0198,
2810
+ "step": 4000
2811
+ },
2812
+ {
2813
+ "epoch": 0.9000869784798406,
2814
+ "grad_norm": 0.17893734574317932,
2815
+ "learning_rate": 1.76630547648694e-05,
2816
+ "loss": 0.0198,
2817
+ "step": 4010
2818
+ },
2819
+ {
2820
+ "epoch": 0.9023315844112118,
2821
+ "grad_norm": 0.1579989641904831,
2822
+ "learning_rate": 1.7646252005259657e-05,
2823
+ "loss": 0.0182,
2824
+ "step": 4020
2825
+ },
2826
+ {
2827
+ "epoch": 0.904576190342583,
2828
+ "grad_norm": 0.17703531682491302,
2829
+ "learning_rate": 1.7629397108816242e-05,
2830
+ "loss": 0.0177,
2831
+ "step": 4030
2832
+ },
2833
+ {
2834
+ "epoch": 0.9068207962739542,
2835
+ "grad_norm": 0.14626428484916687,
2836
+ "learning_rate": 1.7612490190466177e-05,
2837
+ "loss": 0.0195,
2838
+ "step": 4040
2839
+ },
2840
+ {
2841
+ "epoch": 0.9090654022053253,
2842
+ "grad_norm": 0.15867730975151062,
2843
+ "learning_rate": 1.7595531365491192e-05,
2844
+ "loss": 0.0174,
2845
+ "step": 4050
2846
+ },
2847
+ {
2848
+ "epoch": 0.9113100081366965,
2849
+ "grad_norm": 0.14312785863876343,
2850
+ "learning_rate": 1.7578520749526952e-05,
2851
+ "loss": 0.0178,
2852
+ "step": 4060
2853
+ },
2854
+ {
2855
+ "epoch": 0.9135546140680677,
2856
+ "grad_norm": 0.15664878487586975,
2857
+ "learning_rate": 1.7561458458562265e-05,
2858
+ "loss": 0.0186,
2859
+ "step": 4070
2860
+ },
2861
+ {
2862
+ "epoch": 0.9157992199994388,
2863
+ "grad_norm": 0.1552259773015976,
2864
+ "learning_rate": 1.7544344608938296e-05,
2865
+ "loss": 0.0184,
2866
+ "step": 4080
2867
+ },
2868
+ {
2869
+ "epoch": 0.91804382593081,
2870
+ "grad_norm": 0.1600690335035324,
2871
+ "learning_rate": 1.7527179317347754e-05,
2872
+ "loss": 0.0187,
2873
+ "step": 4090
2874
+ },
2875
+ {
2876
+ "epoch": 0.9202884318621812,
2877
+ "grad_norm": 0.17803123593330383,
2878
+ "learning_rate": 1.7509962700834128e-05,
2879
+ "loss": 0.0175,
2880
+ "step": 4100
2881
+ },
2882
+ {
2883
+ "epoch": 0.9225330377935523,
2884
+ "grad_norm": 0.17079535126686096,
2885
+ "learning_rate": 1.749269487679086e-05,
2886
+ "loss": 0.0182,
2887
+ "step": 4110
2888
+ },
2889
+ {
2890
+ "epoch": 0.9247776437249235,
2891
+ "grad_norm": 0.14618434011936188,
2892
+ "learning_rate": 1.7475375962960564e-05,
2893
+ "loss": 0.018,
2894
+ "step": 4120
2895
+ },
2896
+ {
2897
+ "epoch": 0.9270222496562948,
2898
+ "grad_norm": 0.140808567404747,
2899
+ "learning_rate": 1.7458006077434208e-05,
2900
+ "loss": 0.0183,
2901
+ "step": 4130
2902
+ },
2903
+ {
2904
+ "epoch": 0.9292668555876659,
2905
+ "grad_norm": 0.15096674859523773,
2906
+ "learning_rate": 1.744058533865032e-05,
2907
+ "loss": 0.0177,
2908
+ "step": 4140
2909
+ },
2910
+ {
2911
+ "epoch": 0.9315114615190371,
2912
+ "grad_norm": 0.16479936242103577,
2913
+ "learning_rate": 1.742311386539418e-05,
2914
+ "loss": 0.0182,
2915
+ "step": 4150
2916
+ },
2917
+ {
2918
+ "epoch": 0.9337560674504083,
2919
+ "grad_norm": 0.14364103972911835,
2920
+ "learning_rate": 1.7405591776797e-05,
2921
+ "loss": 0.0171,
2922
+ "step": 4160
2923
+ },
2924
+ {
2925
+ "epoch": 0.9360006733817794,
2926
+ "grad_norm": 0.16919943690299988,
2927
+ "learning_rate": 1.7388019192335123e-05,
2928
+ "loss": 0.0184,
2929
+ "step": 4170
2930
+ },
2931
+ {
2932
+ "epoch": 0.9382452793131506,
2933
+ "grad_norm": 0.1467256247997284,
2934
+ "learning_rate": 1.7370396231829202e-05,
2935
+ "loss": 0.0173,
2936
+ "step": 4180
2937
+ },
2938
+ {
2939
+ "epoch": 0.9404898852445217,
2940
+ "grad_norm": 0.1647726446390152,
2941
+ "learning_rate": 1.735272301544339e-05,
2942
+ "loss": 0.0178,
2943
+ "step": 4190
2944
+ },
2945
+ {
2946
+ "epoch": 0.9427344911758929,
2947
+ "grad_norm": 0.16072970628738403,
2948
+ "learning_rate": 1.7334999663684504e-05,
2949
+ "loss": 0.0173,
2950
+ "step": 4200
2951
+ },
2952
+ {
2953
+ "epoch": 0.9449790971072641,
2954
+ "grad_norm": 0.15171808004379272,
2955
+ "learning_rate": 1.731722629740123e-05,
2956
+ "loss": 0.0167,
2957
+ "step": 4210
2958
+ },
2959
+ {
2960
+ "epoch": 0.9472237030386352,
2961
+ "grad_norm": 0.13393864035606384,
2962
+ "learning_rate": 1.7299403037783264e-05,
2963
+ "loss": 0.0178,
2964
+ "step": 4220
2965
+ },
2966
+ {
2967
+ "epoch": 0.9494683089700064,
2968
+ "grad_norm": 0.18740731477737427,
2969
+ "learning_rate": 1.7281530006360525e-05,
2970
+ "loss": 0.0184,
2971
+ "step": 4230
2972
+ },
2973
+ {
2974
+ "epoch": 0.9517129149013777,
2975
+ "grad_norm": 0.13795392215251923,
2976
+ "learning_rate": 1.7263607325002298e-05,
2977
+ "loss": 0.018,
2978
+ "step": 4240
2979
+ },
2980
+ {
2981
+ "epoch": 0.9539575208327488,
2982
+ "grad_norm": 0.16634628176689148,
2983
+ "learning_rate": 1.7245635115916403e-05,
2984
+ "loss": 0.0186,
2985
+ "step": 4250
2986
+ },
2987
+ {
2988
+ "epoch": 0.95620212676412,
2989
+ "grad_norm": 0.15677855908870697,
2990
+ "learning_rate": 1.7227613501648388e-05,
2991
+ "loss": 0.0179,
2992
+ "step": 4260
2993
+ },
2994
+ {
2995
+ "epoch": 0.9584467326954912,
2996
+ "grad_norm": 0.13720932602882385,
2997
+ "learning_rate": 1.720954260508067e-05,
2998
+ "loss": 0.0185,
2999
+ "step": 4270
3000
+ },
3001
+ {
3002
+ "epoch": 0.9606913386268623,
3003
+ "grad_norm": 0.15041740238666534,
3004
+ "learning_rate": 1.7191422549431692e-05,
3005
+ "loss": 0.0176,
3006
+ "step": 4280
3007
+ },
3008
+ {
3009
+ "epoch": 0.9629359445582335,
3010
+ "grad_norm": 0.1521487534046173,
3011
+ "learning_rate": 1.7173253458255103e-05,
3012
+ "loss": 0.0179,
3013
+ "step": 4290
3014
+ },
3015
+ {
3016
+ "epoch": 0.9651805504896047,
3017
+ "grad_norm": 0.15372952818870544,
3018
+ "learning_rate": 1.715503545543891e-05,
3019
+ "loss": 0.0177,
3020
+ "step": 4300
3021
+ },
3022
+ {
3023
+ "epoch": 0.9674251564209758,
3024
+ "grad_norm": 0.16285191476345062,
3025
+ "learning_rate": 1.713676866520462e-05,
3026
+ "loss": 0.0179,
3027
+ "step": 4310
3028
+ },
3029
+ {
3030
+ "epoch": 0.969669762352347,
3031
+ "grad_norm": 0.13474644720554352,
3032
+ "learning_rate": 1.7118453212106408e-05,
3033
+ "loss": 0.0175,
3034
+ "step": 4320
3035
+ },
3036
+ {
3037
+ "epoch": 0.9719143682837182,
3038
+ "grad_norm": 0.15485605597496033,
3039
+ "learning_rate": 1.710008922103027e-05,
3040
+ "loss": 0.0172,
3041
+ "step": 4330
3042
+ },
3043
+ {
3044
+ "epoch": 0.9741589742150893,
3045
+ "grad_norm": 0.18369507789611816,
3046
+ "learning_rate": 1.7081676817193136e-05,
3047
+ "loss": 0.0177,
3048
+ "step": 4340
3049
+ },
3050
+ {
3051
+ "epoch": 0.9764035801464606,
3052
+ "grad_norm": 0.15704116225242615,
3053
+ "learning_rate": 1.7063216126142078e-05,
3054
+ "loss": 0.0181,
3055
+ "step": 4350
3056
+ },
3057
+ {
3058
+ "epoch": 0.9786481860778317,
3059
+ "grad_norm": 0.14740833640098572,
3060
+ "learning_rate": 1.7044707273753407e-05,
3061
+ "loss": 0.0163,
3062
+ "step": 4360
3063
+ },
3064
+ {
3065
+ "epoch": 0.9808927920092029,
3066
+ "grad_norm": 0.13891027867794037,
3067
+ "learning_rate": 1.7026150386231814e-05,
3068
+ "loss": 0.0178,
3069
+ "step": 4370
3070
+ },
3071
+ {
3072
+ "epoch": 0.9831373979405741,
3073
+ "grad_norm": 0.15418022871017456,
3074
+ "learning_rate": 1.700754559010954e-05,
3075
+ "loss": 0.0183,
3076
+ "step": 4380
3077
+ },
3078
+ {
3079
+ "epoch": 0.9853820038719452,
3080
+ "grad_norm": 0.14405600726604462,
3081
+ "learning_rate": 1.6988893012245494e-05,
3082
+ "loss": 0.0167,
3083
+ "step": 4390
3084
+ },
3085
+ {
3086
+ "epoch": 0.9876266098033164,
3087
+ "grad_norm": 0.18409493565559387,
3088
+ "learning_rate": 1.6970192779824383e-05,
3089
+ "loss": 0.019,
3090
+ "step": 4400
3091
+ },
3092
+ {
3093
+ "epoch": 0.9898712157346876,
3094
+ "grad_norm": 0.15557466447353363,
3095
+ "learning_rate": 1.6951445020355853e-05,
3096
+ "loss": 0.0171,
3097
+ "step": 4410
3098
+ },
3099
+ {
3100
+ "epoch": 0.9921158216660587,
3101
+ "grad_norm": 0.1519443243741989,
3102
+ "learning_rate": 1.6932649861673626e-05,
3103
+ "loss": 0.0162,
3104
+ "step": 4420
3105
+ },
3106
+ {
3107
+ "epoch": 0.9943604275974299,
3108
+ "grad_norm": 0.14214234054088593,
3109
+ "learning_rate": 1.6913807431934612e-05,
3110
+ "loss": 0.0179,
3111
+ "step": 4430
3112
+ },
3113
+ {
3114
+ "epoch": 0.9966050335288011,
3115
+ "grad_norm": 0.14018166065216064,
3116
+ "learning_rate": 1.6894917859618054e-05,
3117
+ "loss": 0.0174,
3118
+ "step": 4440
3119
+ },
3120
+ {
3121
+ "epoch": 0.9988496394601722,
3122
+ "grad_norm": 0.15058715641498566,
3123
+ "learning_rate": 1.6875981273524632e-05,
3124
+ "loss": 0.0174,
3125
+ "step": 4450
3126
+ },
3127
+ {
3128
+ "epoch": 1.0008978423725485,
3129
+ "grad_norm": 0.17037492990493774,
3130
+ "learning_rate": 1.68569978027756e-05,
3131
+ "loss": 0.017,
3132
+ "step": 4460
3133
+ },
3134
+ {
3135
+ "epoch": 1.0031424483039197,
3136
+ "grad_norm": 0.1476113498210907,
3137
+ "learning_rate": 1.68379675768119e-05,
3138
+ "loss": 0.0172,
3139
+ "step": 4470
3140
+ },
3141
+ {
3142
+ "epoch": 1.0053870542352907,
3143
+ "grad_norm": 0.13747438788414001,
3144
+ "learning_rate": 1.6818890725393275e-05,
3145
+ "loss": 0.0157,
3146
+ "step": 4480
3147
+ },
3148
+ {
3149
+ "epoch": 1.007631660166662,
3150
+ "grad_norm": 0.18724720180034637,
3151
+ "learning_rate": 1.67997673785974e-05,
3152
+ "loss": 0.0172,
3153
+ "step": 4490
3154
+ },
3155
+ {
3156
+ "epoch": 1.0098762660980332,
3157
+ "grad_norm": 0.16652311384677887,
3158
+ "learning_rate": 1.678059766681897e-05,
3159
+ "loss": 0.0166,
3160
+ "step": 4500
3161
+ },
3162
+ {
3163
+ "epoch": 1.0121208720294044,
3164
+ "grad_norm": 0.14732131361961365,
3165
+ "learning_rate": 1.6761381720768836e-05,
3166
+ "loss": 0.0167,
3167
+ "step": 4510
3168
+ },
3169
+ {
3170
+ "epoch": 1.0143654779607756,
3171
+ "grad_norm": 0.1441793441772461,
3172
+ "learning_rate": 1.6742119671473096e-05,
3173
+ "loss": 0.0165,
3174
+ "step": 4520
3175
+ },
3176
+ {
3177
+ "epoch": 1.0166100838921466,
3178
+ "grad_norm": 0.14003914594650269,
3179
+ "learning_rate": 1.6722811650272213e-05,
3180
+ "loss": 0.0178,
3181
+ "step": 4530
3182
+ },
3183
+ {
3184
+ "epoch": 1.0188546898235178,
3185
+ "grad_norm": 0.1431935429573059,
3186
+ "learning_rate": 1.6703457788820113e-05,
3187
+ "loss": 0.0173,
3188
+ "step": 4540
3189
+ },
3190
+ {
3191
+ "epoch": 1.021099295754889,
3192
+ "grad_norm": 0.13941150903701782,
3193
+ "learning_rate": 1.6684058219083283e-05,
3194
+ "loss": 0.0161,
3195
+ "step": 4550
3196
+ },
3197
+ {
3198
+ "epoch": 1.0233439016862602,
3199
+ "grad_norm": 0.1487084925174713,
3200
+ "learning_rate": 1.6664613073339885e-05,
3201
+ "loss": 0.0159,
3202
+ "step": 4560
3203
+ },
3204
+ {
3205
+ "epoch": 1.0255885076176314,
3206
+ "grad_norm": 0.1264648735523224,
3207
+ "learning_rate": 1.6645122484178847e-05,
3208
+ "loss": 0.0163,
3209
+ "step": 4570
3210
+ },
3211
+ {
3212
+ "epoch": 1.0278331135490026,
3213
+ "grad_norm": 0.1608554720878601,
3214
+ "learning_rate": 1.662558658449895e-05,
3215
+ "loss": 0.0159,
3216
+ "step": 4580
3217
+ },
3218
+ {
3219
+ "epoch": 1.0300777194803736,
3220
+ "grad_norm": 0.15731705725193024,
3221
+ "learning_rate": 1.6606005507507936e-05,
3222
+ "loss": 0.0171,
3223
+ "step": 4590
3224
+ },
3225
+ {
3226
+ "epoch": 1.0323223254117448,
3227
+ "grad_norm": 0.1623576283454895,
3228
+ "learning_rate": 1.6586379386721593e-05,
3229
+ "loss": 0.0167,
3230
+ "step": 4600
3231
+ },
3232
+ {
3233
+ "epoch": 1.034566931343116,
3234
+ "grad_norm": 0.17850559949874878,
3235
+ "learning_rate": 1.6566708355962845e-05,
3236
+ "loss": 0.0167,
3237
+ "step": 4610
3238
+ },
3239
+ {
3240
+ "epoch": 1.0368115372744873,
3241
+ "grad_norm": 0.13232485949993134,
3242
+ "learning_rate": 1.654699254936083e-05,
3243
+ "loss": 0.018,
3244
+ "step": 4620
3245
+ },
3246
+ {
3247
+ "epoch": 1.0390561432058585,
3248
+ "grad_norm": 0.13724569976329803,
3249
+ "learning_rate": 1.6527232101350017e-05,
3250
+ "loss": 0.0159,
3251
+ "step": 4630
3252
+ },
3253
+ {
3254
+ "epoch": 1.0413007491372297,
3255
+ "grad_norm": 0.14290913939476013,
3256
+ "learning_rate": 1.6507427146669248e-05,
3257
+ "loss": 0.0169,
3258
+ "step": 4640
3259
+ },
3260
+ {
3261
+ "epoch": 1.0435453550686007,
3262
+ "grad_norm": 0.1413612961769104,
3263
+ "learning_rate": 1.6487577820360844e-05,
3264
+ "loss": 0.0168,
3265
+ "step": 4650
3266
+ },
3267
+ {
3268
+ "epoch": 1.045789960999972,
3269
+ "grad_norm": 0.15013279020786285,
3270
+ "learning_rate": 1.6467684257769684e-05,
3271
+ "loss": 0.0163,
3272
+ "step": 4660
3273
+ },
3274
+ {
3275
+ "epoch": 1.0480345669313431,
3276
+ "grad_norm": 0.142470121383667,
3277
+ "learning_rate": 1.6447746594542273e-05,
3278
+ "loss": 0.0166,
3279
+ "step": 4670
3280
+ },
3281
+ {
3282
+ "epoch": 1.0502791728627143,
3283
+ "grad_norm": 0.15328320860862732,
3284
+ "learning_rate": 1.6427764966625817e-05,
3285
+ "loss": 0.0161,
3286
+ "step": 4680
3287
+ },
3288
+ {
3289
+ "epoch": 1.0525237787940855,
3290
+ "grad_norm": 0.13435743749141693,
3291
+ "learning_rate": 1.640773951026731e-05,
3292
+ "loss": 0.0154,
3293
+ "step": 4690
3294
+ },
3295
+ {
3296
+ "epoch": 1.0547683847254565,
3297
+ "grad_norm": 0.12938353419303894,
3298
+ "learning_rate": 1.638767036201259e-05,
3299
+ "loss": 0.016,
3300
+ "step": 4700
3301
+ },
3302
+ {
3303
+ "epoch": 1.0570129906568277,
3304
+ "grad_norm": 0.13953883945941925,
3305
+ "learning_rate": 1.636755765870541e-05,
3306
+ "loss": 0.017,
3307
+ "step": 4710
3308
+ },
3309
+ {
3310
+ "epoch": 1.059257596588199,
3311
+ "grad_norm": 0.14840665459632874,
3312
+ "learning_rate": 1.634740153748651e-05,
3313
+ "loss": 0.0156,
3314
+ "step": 4720
3315
+ },
3316
+ {
3317
+ "epoch": 1.0615022025195702,
3318
+ "grad_norm": 0.14732645452022552,
3319
+ "learning_rate": 1.6327202135792687e-05,
3320
+ "loss": 0.0153,
3321
+ "step": 4730
3322
+ },
3323
+ {
3324
+ "epoch": 1.0637468084509414,
3325
+ "grad_norm": 0.15273860096931458,
3326
+ "learning_rate": 1.6306959591355838e-05,
3327
+ "loss": 0.0162,
3328
+ "step": 4740
3329
+ },
3330
+ {
3331
+ "epoch": 1.0659914143823126,
3332
+ "grad_norm": 0.1429833620786667,
3333
+ "learning_rate": 1.6286674042202044e-05,
3334
+ "loss": 0.0147,
3335
+ "step": 4750
3336
+ },
3337
+ {
3338
+ "epoch": 1.0682360203136836,
3339
+ "grad_norm": 0.14377611875534058,
3340
+ "learning_rate": 1.6266345626650618e-05,
3341
+ "loss": 0.0153,
3342
+ "step": 4760
3343
+ },
3344
+ {
3345
+ "epoch": 1.0704806262450548,
3346
+ "grad_norm": 0.1336628645658493,
3347
+ "learning_rate": 1.6245974483313153e-05,
3348
+ "loss": 0.0152,
3349
+ "step": 4770
3350
+ },
3351
+ {
3352
+ "epoch": 1.072725232176426,
3353
+ "grad_norm": 0.1435423344373703,
3354
+ "learning_rate": 1.6225560751092598e-05,
3355
+ "loss": 0.0163,
3356
+ "step": 4780
3357
+ },
3358
+ {
3359
+ "epoch": 1.0749698381077972,
3360
+ "grad_norm": 0.14871567487716675,
3361
+ "learning_rate": 1.6205104569182294e-05,
3362
+ "loss": 0.0161,
3363
+ "step": 4790
3364
+ },
3365
+ {
3366
+ "epoch": 1.0772144440391684,
3367
+ "grad_norm": 0.17508377134799957,
3368
+ "learning_rate": 1.6184606077065023e-05,
3369
+ "loss": 0.0154,
3370
+ "step": 4800
3371
+ },
3372
+ {
3373
+ "epoch": 1.0794590499705397,
3374
+ "grad_norm": 0.18037168681621552,
3375
+ "learning_rate": 1.616406541451208e-05,
3376
+ "loss": 0.0162,
3377
+ "step": 4810
3378
+ },
3379
+ {
3380
+ "epoch": 1.0817036559019106,
3381
+ "grad_norm": 0.12987300753593445,
3382
+ "learning_rate": 1.6143482721582285e-05,
3383
+ "loss": 0.0156,
3384
+ "step": 4820
3385
+ },
3386
+ {
3387
+ "epoch": 1.0839482618332819,
3388
+ "grad_norm": 0.135226309299469,
3389
+ "learning_rate": 1.6122858138621068e-05,
3390
+ "loss": 0.0154,
3391
+ "step": 4830
3392
+ },
3393
+ {
3394
+ "epoch": 1.086192867764653,
3395
+ "grad_norm": 0.1384623944759369,
3396
+ "learning_rate": 1.610219180625947e-05,
3397
+ "loss": 0.0162,
3398
+ "step": 4840
3399
+ },
3400
+ {
3401
+ "epoch": 1.0884374736960243,
3402
+ "grad_norm": 0.2058112919330597,
3403
+ "learning_rate": 1.6081483865413215e-05,
3404
+ "loss": 0.0162,
3405
+ "step": 4850
3406
+ },
3407
+ {
3408
+ "epoch": 1.0906820796273955,
3409
+ "grad_norm": 0.14403843879699707,
3410
+ "learning_rate": 1.6060734457281745e-05,
3411
+ "loss": 0.015,
3412
+ "step": 4860
3413
+ },
3414
+ {
3415
+ "epoch": 1.0929266855587665,
3416
+ "grad_norm": 0.11267949640750885,
3417
+ "learning_rate": 1.603994372334724e-05,
3418
+ "loss": 0.0147,
3419
+ "step": 4870
3420
+ },
3421
+ {
3422
+ "epoch": 1.0951712914901377,
3423
+ "grad_norm": 0.1622733771800995,
3424
+ "learning_rate": 1.6019111805373672e-05,
3425
+ "loss": 0.0156,
3426
+ "step": 4880
3427
+ },
3428
+ {
3429
+ "epoch": 1.097415897421509,
3430
+ "grad_norm": 0.16310657560825348,
3431
+ "learning_rate": 1.5998238845405823e-05,
3432
+ "loss": 0.0157,
3433
+ "step": 4890
3434
+ },
3435
+ {
3436
+ "epoch": 1.0996605033528801,
3437
+ "grad_norm": 0.11895309388637543,
3438
+ "learning_rate": 1.5977324985768344e-05,
3439
+ "loss": 0.0159,
3440
+ "step": 4900
3441
+ },
3442
+ {
3443
+ "epoch": 1.1019051092842513,
3444
+ "grad_norm": 0.12787587940692902,
3445
+ "learning_rate": 1.5956370369064733e-05,
3446
+ "loss": 0.0157,
3447
+ "step": 4910
3448
+ },
3449
+ {
3450
+ "epoch": 1.1041497152156226,
3451
+ "grad_norm": 0.1474785953760147,
3452
+ "learning_rate": 1.5935375138176422e-05,
3453
+ "loss": 0.0162,
3454
+ "step": 4920
3455
+ },
3456
+ {
3457
+ "epoch": 1.1063943211469935,
3458
+ "grad_norm": 0.13858622312545776,
3459
+ "learning_rate": 1.591433943626177e-05,
3460
+ "loss": 0.0164,
3461
+ "step": 4930
3462
+ },
3463
+ {
3464
+ "epoch": 1.1086389270783648,
3465
+ "grad_norm": 0.15037216246128082,
3466
+ "learning_rate": 1.5893263406755082e-05,
3467
+ "loss": 0.0166,
3468
+ "step": 4940
3469
+ },
3470
+ {
3471
+ "epoch": 1.110883533009736,
3472
+ "grad_norm": 0.1463032215833664,
3473
+ "learning_rate": 1.587214719336565e-05,
3474
+ "loss": 0.0152,
3475
+ "step": 4950
3476
+ },
3477
+ {
3478
+ "epoch": 1.1131281389411072,
3479
+ "grad_norm": 0.14497928321361542,
3480
+ "learning_rate": 1.585099094007676e-05,
3481
+ "loss": 0.0151,
3482
+ "step": 4960
3483
+ },
3484
+ {
3485
+ "epoch": 1.1153727448724784,
3486
+ "grad_norm": 0.1287575364112854,
3487
+ "learning_rate": 1.5829794791144723e-05,
3488
+ "loss": 0.0157,
3489
+ "step": 4970
3490
+ },
3491
+ {
3492
+ "epoch": 1.1176173508038496,
3493
+ "grad_norm": 0.1426306962966919,
3494
+ "learning_rate": 1.580855889109787e-05,
3495
+ "loss": 0.0155,
3496
+ "step": 4980
3497
+ },
3498
+ {
3499
+ "epoch": 1.1198619567352206,
3500
+ "grad_norm": 0.14880262315273285,
3501
+ "learning_rate": 1.578728338473559e-05,
3502
+ "loss": 0.0167,
3503
+ "step": 4990
3504
+ },
3505
+ {
3506
+ "epoch": 1.1221065626665918,
3507
+ "grad_norm": 0.14157725870609283,
3508
+ "learning_rate": 1.5765968417127325e-05,
3509
+ "loss": 0.0167,
3510
+ "step": 5000
3511
+ }
3512
+ ],
3513
+ "logging_steps": 10,
3514
+ "max_steps": 13368,
3515
+ "num_input_tokens_seen": 0,
3516
+ "num_train_epochs": 3,
3517
+ "save_steps": 2500,
3518
+ "stateful_callbacks": {
3519
+ "TrainerControl": {
3520
+ "args": {
3521
+ "should_epoch_stop": false,
3522
+ "should_evaluate": false,
3523
+ "should_log": false,
3524
+ "should_save": true,
3525
+ "should_training_stop": false
3526
+ },
3527
+ "attributes": {}
3528
+ }
3529
+ },
3530
+ "total_flos": 1.4745131970702868e+19,
3531
+ "train_batch_size": 16,
3532
+ "trial_name": null,
3533
+ "trial_params": null
3534
+ }
checkpoint-5000/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:e82b57c71e1d454a2dd73ea6a5a8f96195709af3fa54de8509c8d8e2a7c41d73
3
+ size 7953
checkpoint-5000/vocab.json ADDED
The diff for this file is too large to render. See raw diff