{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 6.0,
  "eval_steps": 500,
  "global_step": 72,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 2.9228241443634033,
      "learning_rate": 1.25e-06,
      "loss": 0.8419,
      "step": 1
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 3.107433557510376,
      "learning_rate": 2.5e-06,
      "loss": 0.7889,
      "step": 2
    },
    {
      "epoch": 0.25,
      "grad_norm": 3.6661031246185303,
      "learning_rate": 3.7500000000000005e-06,
      "loss": 0.8787,
      "step": 3
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 3.025033473968506,
      "learning_rate": 5e-06,
      "loss": 0.7976,
      "step": 4
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 3.2095539569854736,
      "learning_rate": 6.25e-06,
      "loss": 0.8938,
      "step": 5
    },
    {
      "epoch": 0.5,
      "grad_norm": 2.795494318008423,
      "learning_rate": 7.500000000000001e-06,
      "loss": 0.7685,
      "step": 6
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 2.414928674697876,
      "learning_rate": 8.750000000000001e-06,
      "loss": 0.7512,
      "step": 7
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 1.8572832345962524,
      "learning_rate": 1e-05,
      "loss": 0.7278,
      "step": 8
    },
    {
      "epoch": 0.75,
      "grad_norm": 1.3794453144073486,
      "learning_rate": 9.993977281025862e-06,
      "loss": 0.7446,
      "step": 9
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 1.688467264175415,
      "learning_rate": 9.975923633360985e-06,
      "loss": 0.7833,
      "step": 10
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 2.3060460090637207,
      "learning_rate": 9.945882549823906e-06,
      "loss": 0.7109,
      "step": 11
    },
    {
      "epoch": 1.0,
      "grad_norm": 2.0330917835235596,
      "learning_rate": 9.903926402016153e-06,
      "loss": 0.68,
      "step": 12
    },
    {
      "epoch": 1.0833333333333333,
      "grad_norm": 1.9667448997497559,
      "learning_rate": 9.850156265972722e-06,
      "loss": 0.6321,
      "step": 13
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 2.1519808769226074,
      "learning_rate": 9.784701678661045e-06,
      "loss": 0.5683,
      "step": 14
    },
    {
      "epoch": 1.25,
      "grad_norm": 1.9210096597671509,
      "learning_rate": 9.707720325915105e-06,
      "loss": 0.6297,
      "step": 15
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 1.7269850969314575,
      "learning_rate": 9.619397662556434e-06,
      "loss": 0.5803,
      "step": 16
    },
    {
      "epoch": 1.4166666666666667,
      "grad_norm": 1.4123969078063965,
      "learning_rate": 9.519946465617217e-06,
      "loss": 0.6347,
      "step": 17
    },
    {
      "epoch": 1.5,
      "grad_norm": 1.3246344327926636,
      "learning_rate": 9.409606321741776e-06,
      "loss": 0.5657,
      "step": 18
    },
    {
      "epoch": 1.5833333333333335,
      "grad_norm": 1.0732675790786743,
      "learning_rate": 9.288643050001362e-06,
      "loss": 0.5388,
      "step": 19
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 1.266241192817688,
      "learning_rate": 9.157348061512728e-06,
      "loss": 0.5415,
      "step": 20
    },
    {
      "epoch": 1.75,
      "grad_norm": 1.1674039363861084,
      "learning_rate": 9.016037657403225e-06,
      "loss": 0.5379,
      "step": 21
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 1.054961919784546,
      "learning_rate": 8.865052266813686e-06,
      "loss": 0.5102,
      "step": 22
    },
    {
      "epoch": 1.9166666666666665,
      "grad_norm": 1.2106841802597046,
      "learning_rate": 8.704755626774796e-06,
      "loss": 0.5697,
      "step": 23
    },
    {
      "epoch": 2.0,
      "grad_norm": 1.2781378030776978,
      "learning_rate": 8.535533905932739e-06,
      "loss": 0.4438,
      "step": 24
    },
    {
      "epoch": 2.0833333333333335,
      "grad_norm": 0.9391329288482666,
      "learning_rate": 8.357794774235094e-06,
      "loss": 0.4015,
      "step": 25
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 0.9480692148208618,
      "learning_rate": 8.171966420818227e-06,
      "loss": 0.3703,
      "step": 26
    },
    {
      "epoch": 2.25,
      "grad_norm": 0.9510470628738403,
      "learning_rate": 7.978496522462167e-06,
      "loss": 0.4005,
      "step": 27
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 1.0073078870773315,
      "learning_rate": 7.777851165098012e-06,
      "loss": 0.363,
      "step": 28
    },
    {
      "epoch": 2.4166666666666665,
      "grad_norm": 0.9251465201377869,
      "learning_rate": 7.570513720966108e-06,
      "loss": 0.3526,
      "step": 29
    },
    {
      "epoch": 2.5,
      "grad_norm": 0.8264657258987427,
      "learning_rate": 7.3569836841299905e-06,
      "loss": 0.4018,
      "step": 30
    },
    {
      "epoch": 2.5833333333333335,
      "grad_norm": 1.003389835357666,
      "learning_rate": 7.137775467151411e-06,
      "loss": 0.3307,
      "step": 31
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.7411445379257202,
      "learning_rate": 6.913417161825449e-06,
      "loss": 0.3747,
      "step": 32
    },
    {
      "epoch": 2.75,
      "grad_norm": 0.891286313533783,
      "learning_rate": 6.684449266961101e-06,
      "loss": 0.3751,
      "step": 33
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 1.0381487607955933,
      "learning_rate": 6.451423386272312e-06,
      "loss": 0.3242,
      "step": 34
    },
    {
      "epoch": 2.9166666666666665,
      "grad_norm": 0.9686989784240723,
      "learning_rate": 6.21490089951632e-06,
      "loss": 0.4044,
      "step": 35
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.9251928925514221,
      "learning_rate": 5.975451610080643e-06,
      "loss": 0.3169,
      "step": 36
    },
    {
      "epoch": 3.0833333333333335,
      "grad_norm": 0.8295878767967224,
      "learning_rate": 5.733652372276809e-06,
      "loss": 0.2288,
      "step": 37
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 0.8235688805580139,
      "learning_rate": 5.490085701647805e-06,
      "loss": 0.2485,
      "step": 38
    },
    {
      "epoch": 3.25,
      "grad_norm": 0.9115452766418457,
      "learning_rate": 5.245338371637091e-06,
      "loss": 0.1694,
      "step": 39
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.8993637561798096,
      "learning_rate": 5e-06,
      "loss": 0.2046,
      "step": 40
    },
    {
      "epoch": 3.4166666666666665,
      "grad_norm": 0.9077955484390259,
      "learning_rate": 4.75466162836291e-06,
      "loss": 0.336,
      "step": 41
    },
    {
      "epoch": 3.5,
      "grad_norm": 0.7887057662010193,
      "learning_rate": 4.509914298352197e-06,
      "loss": 0.2184,
      "step": 42
    },
    {
      "epoch": 3.5833333333333335,
      "grad_norm": 0.8300336599349976,
      "learning_rate": 4.266347627723192e-06,
      "loss": 0.2129,
      "step": 43
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 0.8980051875114441,
      "learning_rate": 4.02454838991936e-06,
      "loss": 0.1955,
      "step": 44
    },
    {
      "epoch": 3.75,
      "grad_norm": 0.6986350417137146,
      "learning_rate": 3.7850991004836813e-06,
      "loss": 0.3113,
      "step": 45
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 0.7953962683677673,
      "learning_rate": 3.5485766137276894e-06,
      "loss": 0.2358,
      "step": 46
    },
    {
      "epoch": 3.9166666666666665,
      "grad_norm": 0.8017967939376831,
      "learning_rate": 3.3155507330389004e-06,
      "loss": 0.2685,
      "step": 47
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.824598491191864,
      "learning_rate": 3.0865828381745515e-06,
      "loss": 0.2113,
      "step": 48
    },
    {
      "epoch": 4.083333333333333,
      "grad_norm": 0.7859355211257935,
      "learning_rate": 2.862224532848591e-06,
      "loss": 0.1764,
      "step": 49
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 0.7643988132476807,
      "learning_rate": 2.6430163158700116e-06,
      "loss": 0.2194,
      "step": 50
    },
    {
      "epoch": 4.25,
      "grad_norm": 0.6663169264793396,
      "learning_rate": 2.429486279033892e-06,
      "loss": 0.1565,
      "step": 51
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 0.7306914925575256,
      "learning_rate": 2.2221488349019903e-06,
      "loss": 0.1165,
      "step": 52
    },
    {
      "epoch": 4.416666666666667,
      "grad_norm": 0.6165188550949097,
      "learning_rate": 2.0215034775378336e-06,
      "loss": 0.1366,
      "step": 53
    },
    {
      "epoch": 4.5,
      "grad_norm": 0.7223585844039917,
      "learning_rate": 1.8280335791817733e-06,
      "loss": 0.1387,
      "step": 54
    },
    {
      "epoch": 4.583333333333333,
      "grad_norm": 0.5823842883110046,
      "learning_rate": 1.642205225764908e-06,
      "loss": 0.1139,
      "step": 55
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 0.7780449390411377,
      "learning_rate": 1.4644660940672628e-06,
      "loss": 0.1144,
      "step": 56
    },
    {
      "epoch": 4.75,
      "grad_norm": 0.5591028928756714,
      "learning_rate": 1.2952443732252058e-06,
      "loss": 0.1541,
      "step": 57
    },
    {
      "epoch": 4.833333333333333,
      "grad_norm": 0.7684037685394287,
      "learning_rate": 1.134947733186315e-06,
      "loss": 0.1222,
      "step": 58
    },
    {
      "epoch": 4.916666666666667,
      "grad_norm": 0.6371804475784302,
      "learning_rate": 9.83962342596776e-07,
      "loss": 0.1719,
      "step": 59
    },
    {
      "epoch": 5.0,
      "grad_norm": 0.6287250518798828,
      "learning_rate": 8.426519384872733e-07,
      "loss": 0.0951,
      "step": 60
    },
    {
      "epoch": 5.083333333333333,
      "grad_norm": 0.525037944316864,
      "learning_rate": 7.113569499986401e-07,
      "loss": 0.1079,
      "step": 61
    },
    {
      "epoch": 5.166666666666667,
      "grad_norm": 0.4770178496837616,
      "learning_rate": 5.903936782582253e-07,
      "loss": 0.0848,
      "step": 62
    },
    {
      "epoch": 5.25,
      "grad_norm": 0.5568702816963196,
      "learning_rate": 4.800535343827834e-07,
      "loss": 0.1811,
      "step": 63
    },
    {
      "epoch": 5.333333333333333,
      "grad_norm": 0.5440143346786499,
      "learning_rate": 3.8060233744356634e-07,
      "loss": 0.0862,
      "step": 64
    },
    {
      "epoch": 5.416666666666667,
      "grad_norm": 0.5764997005462646,
      "learning_rate": 2.9227967408489653e-07,
      "loss": 0.0938,
      "step": 65
    },
    {
      "epoch": 5.5,
      "grad_norm": 0.5530983209609985,
      "learning_rate": 2.152983213389559e-07,
      "loss": 0.0968,
      "step": 66
    },
    {
      "epoch": 5.583333333333333,
      "grad_norm": 0.5112849473953247,
      "learning_rate": 1.4984373402728014e-07,
      "loss": 0.0848,
      "step": 67
    },
    {
      "epoch": 5.666666666666667,
      "grad_norm": 0.5220197439193726,
      "learning_rate": 9.607359798384785e-08,
      "loss": 0.1404,
      "step": 68
    },
    {
      "epoch": 5.75,
      "grad_norm": 0.481840580701828,
      "learning_rate": 5.411745017609493e-08,
      "loss": 0.1179,
      "step": 69
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 0.4992443323135376,
      "learning_rate": 2.4076366639015914e-08,
      "loss": 0.115,
      "step": 70
    },
    {
      "epoch": 5.916666666666667,
      "grad_norm": 0.5124804377555847,
      "learning_rate": 6.022718974137976e-09,
      "loss": 0.1047,
      "step": 71
    },
    {
      "epoch": 6.0,
      "grad_norm": 0.5676869750022888,
      "learning_rate": 0.0,
      "loss": 0.0872,
      "step": 72
    },
    {
      "epoch": 6.0,
      "step": 72,
      "total_flos": 17281228603392.0,
      "train_loss": 0.3665730852840675,
      "train_runtime": 2825.3225,
      "train_samples_per_second": 0.195,
      "train_steps_per_second": 0.025
    }
  ],
  "logging_steps": 1,
  "max_steps": 72,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 6,
  "save_steps": 12,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 17281228603392.0,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}