terry69 commited on
Commit
97eec5a
1 Parent(s): f10eaaa

Model save

Browse files
Files changed (4) hide show
  1. README.md +69 -0
  2. all_results.json +9 -0
  3. train_results.json +9 -0
  4. trainer_state.json +1394 -0
README.md ADDED
@@ -0,0 +1,69 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: llama3
3
+ library_name: peft
4
+ tags:
5
+ - trl
6
+ - sft
7
+ - generated_from_trainer
8
+ base_model: meta-llama/Meta-Llama-3-8B
9
+ datasets:
10
+ - generator
11
+ model-index:
12
+ - name: downstream_0.02p_seed42_level2_rare
13
+ results: []
14
+ ---
15
+
16
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
17
+ should probably proofread and complete it, then remove this comment. -->
18
+
19
+ # downstream_0.02p_seed42_level2_rare
20
+
21
+ This model is a fine-tuned version of [meta-llama/Meta-Llama-3-8B](https://huggingface.co/meta-llama/Meta-Llama-3-8B) on the generator dataset.
22
+ It achieves the following results on the evaluation set:
23
+ - Loss: 1.1101
24
+
25
+ ## Model description
26
+
27
+ More information needed
28
+
29
+ ## Intended uses & limitations
30
+
31
+ More information needed
32
+
33
+ ## Training and evaluation data
34
+
35
+ More information needed
36
+
37
+ ## Training procedure
38
+
39
+ ### Training hyperparameters
40
+
41
+ The following hyperparameters were used during training:
42
+ - learning_rate: 0.0002
43
+ - train_batch_size: 4
44
+ - eval_batch_size: 1
45
+ - seed: 42
46
+ - distributed_type: multi-GPU
47
+ - num_devices: 4
48
+ - gradient_accumulation_steps: 4
49
+ - total_train_batch_size: 64
50
+ - total_eval_batch_size: 4
51
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
52
+ - lr_scheduler_type: cosine
53
+ - lr_scheduler_warmup_ratio: 0.1
54
+ - num_epochs: 1
55
+
56
+ ### Training results
57
+
58
+ | Training Loss | Epoch | Step | Validation Loss |
59
+ |:-------------:|:-----:|:----:|:---------------:|
60
+ | 1.071 | 1.0 | 959 | 1.1101 |
61
+
62
+
63
+ ### Framework versions
64
+
65
+ - PEFT 0.11.1
66
+ - Transformers 4.43.4
67
+ - Pytorch 2.3.1+cu121
68
+ - Datasets 2.19.1
69
+ - Tokenizers 0.19.1
all_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "total_flos": 1.2060020938113024e+16,
4
+ "train_loss": 1.1071907986689657,
5
+ "train_runtime": 19793.4474,
6
+ "train_samples": 104971,
7
+ "train_samples_per_second": 3.101,
8
+ "train_steps_per_second": 0.048
9
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "total_flos": 1.2060020938113024e+16,
4
+ "train_loss": 1.1071907986689657,
5
+ "train_runtime": 19793.4474,
6
+ "train_samples": 104971,
7
+ "train_samples_per_second": 3.101,
8
+ "train_steps_per_second": 0.048
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,1394 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.0,
5
+ "eval_steps": 500,
6
+ "global_step": 959,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0010427528675703858,
13
+ "grad_norm": 0.46784728546447485,
14
+ "learning_rate": 2.0833333333333334e-06,
15
+ "loss": 1.3538,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.005213764337851929,
20
+ "grad_norm": 0.4299186002140457,
21
+ "learning_rate": 1.0416666666666668e-05,
22
+ "loss": 1.3601,
23
+ "step": 5
24
+ },
25
+ {
26
+ "epoch": 0.010427528675703858,
27
+ "grad_norm": 0.5025473100643405,
28
+ "learning_rate": 2.0833333333333336e-05,
29
+ "loss": 1.3602,
30
+ "step": 10
31
+ },
32
+ {
33
+ "epoch": 0.01564129301355579,
34
+ "grad_norm": 0.22754157012043386,
35
+ "learning_rate": 3.125e-05,
36
+ "loss": 1.3526,
37
+ "step": 15
38
+ },
39
+ {
40
+ "epoch": 0.020855057351407715,
41
+ "grad_norm": 0.14930678513355825,
42
+ "learning_rate": 4.166666666666667e-05,
43
+ "loss": 1.3157,
44
+ "step": 20
45
+ },
46
+ {
47
+ "epoch": 0.026068821689259645,
48
+ "grad_norm": 0.1493862762381592,
49
+ "learning_rate": 5.208333333333334e-05,
50
+ "loss": 1.2959,
51
+ "step": 25
52
+ },
53
+ {
54
+ "epoch": 0.03128258602711158,
55
+ "grad_norm": 0.14284419715578545,
56
+ "learning_rate": 6.25e-05,
57
+ "loss": 1.2774,
58
+ "step": 30
59
+ },
60
+ {
61
+ "epoch": 0.0364963503649635,
62
+ "grad_norm": 0.13626355620208974,
63
+ "learning_rate": 7.291666666666667e-05,
64
+ "loss": 1.2487,
65
+ "step": 35
66
+ },
67
+ {
68
+ "epoch": 0.04171011470281543,
69
+ "grad_norm": 0.10695646364370354,
70
+ "learning_rate": 8.333333333333334e-05,
71
+ "loss": 1.2206,
72
+ "step": 40
73
+ },
74
+ {
75
+ "epoch": 0.04692387904066736,
76
+ "grad_norm": 0.09407825046309691,
77
+ "learning_rate": 9.375e-05,
78
+ "loss": 1.2028,
79
+ "step": 45
80
+ },
81
+ {
82
+ "epoch": 0.05213764337851929,
83
+ "grad_norm": 0.08120415093523357,
84
+ "learning_rate": 0.00010416666666666667,
85
+ "loss": 1.1819,
86
+ "step": 50
87
+ },
88
+ {
89
+ "epoch": 0.05735140771637122,
90
+ "grad_norm": 0.07854484960093237,
91
+ "learning_rate": 0.00011458333333333333,
92
+ "loss": 1.1687,
93
+ "step": 55
94
+ },
95
+ {
96
+ "epoch": 0.06256517205422316,
97
+ "grad_norm": 0.06991743542761439,
98
+ "learning_rate": 0.000125,
99
+ "loss": 1.1476,
100
+ "step": 60
101
+ },
102
+ {
103
+ "epoch": 0.06777893639207508,
104
+ "grad_norm": 0.07010747792123796,
105
+ "learning_rate": 0.0001354166666666667,
106
+ "loss": 1.1566,
107
+ "step": 65
108
+ },
109
+ {
110
+ "epoch": 0.072992700729927,
111
+ "grad_norm": 0.06735485294531884,
112
+ "learning_rate": 0.00014583333333333335,
113
+ "loss": 1.1758,
114
+ "step": 70
115
+ },
116
+ {
117
+ "epoch": 0.07820646506777894,
118
+ "grad_norm": 0.07054279022592949,
119
+ "learning_rate": 0.00015625,
120
+ "loss": 1.1725,
121
+ "step": 75
122
+ },
123
+ {
124
+ "epoch": 0.08342022940563086,
125
+ "grad_norm": 0.07848476612174879,
126
+ "learning_rate": 0.0001666666666666667,
127
+ "loss": 1.1588,
128
+ "step": 80
129
+ },
130
+ {
131
+ "epoch": 0.0886339937434828,
132
+ "grad_norm": 0.07428124015010305,
133
+ "learning_rate": 0.00017708333333333335,
134
+ "loss": 1.1409,
135
+ "step": 85
136
+ },
137
+ {
138
+ "epoch": 0.09384775808133472,
139
+ "grad_norm": 0.07511025896318015,
140
+ "learning_rate": 0.0001875,
141
+ "loss": 1.1501,
142
+ "step": 90
143
+ },
144
+ {
145
+ "epoch": 0.09906152241918666,
146
+ "grad_norm": 0.08140724060317898,
147
+ "learning_rate": 0.0001979166666666667,
148
+ "loss": 1.1525,
149
+ "step": 95
150
+ },
151
+ {
152
+ "epoch": 0.10427528675703858,
153
+ "grad_norm": 0.09875089257447961,
154
+ "learning_rate": 0.00019998939866722242,
155
+ "loss": 1.1152,
156
+ "step": 100
157
+ },
158
+ {
159
+ "epoch": 0.10948905109489052,
160
+ "grad_norm": 0.10683544050076133,
161
+ "learning_rate": 0.00019994633460515538,
162
+ "loss": 1.1245,
163
+ "step": 105
164
+ },
165
+ {
166
+ "epoch": 0.11470281543274244,
167
+ "grad_norm": 0.10489956661825363,
168
+ "learning_rate": 0.00019987015948614691,
169
+ "loss": 1.1228,
170
+ "step": 110
171
+ },
172
+ {
173
+ "epoch": 0.11991657977059438,
174
+ "grad_norm": 0.07725971069252748,
175
+ "learning_rate": 0.00019976089854612702,
176
+ "loss": 1.1215,
177
+ "step": 115
178
+ },
179
+ {
180
+ "epoch": 0.1251303441084463,
181
+ "grad_norm": 0.07944990580241551,
182
+ "learning_rate": 0.000199618587981973,
183
+ "loss": 1.116,
184
+ "step": 120
185
+ },
186
+ {
187
+ "epoch": 0.13034410844629823,
188
+ "grad_norm": 0.0834401702395657,
189
+ "learning_rate": 0.00019944327493951773,
190
+ "loss": 1.1144,
191
+ "step": 125
192
+ },
193
+ {
194
+ "epoch": 0.13555787278415016,
195
+ "grad_norm": 0.08900854650193943,
196
+ "learning_rate": 0.00019923501749793097,
197
+ "loss": 1.1048,
198
+ "step": 130
199
+ },
200
+ {
201
+ "epoch": 0.14077163712200208,
202
+ "grad_norm": 0.08078088093283514,
203
+ "learning_rate": 0.0001989938846504783,
204
+ "loss": 1.1022,
205
+ "step": 135
206
+ },
207
+ {
208
+ "epoch": 0.145985401459854,
209
+ "grad_norm": 0.08120650571343319,
210
+ "learning_rate": 0.00019871995628166443,
211
+ "loss": 1.1269,
212
+ "step": 140
213
+ },
214
+ {
215
+ "epoch": 0.15119916579770595,
216
+ "grad_norm": 0.08251173811384645,
217
+ "learning_rate": 0.00019841332314076855,
218
+ "loss": 1.1049,
219
+ "step": 145
220
+ },
221
+ {
222
+ "epoch": 0.15641293013555788,
223
+ "grad_norm": 0.0811645274318103,
224
+ "learning_rate": 0.00019807408681177997,
225
+ "loss": 1.1132,
226
+ "step": 150
227
+ },
228
+ {
229
+ "epoch": 0.1616266944734098,
230
+ "grad_norm": 0.07646936117341427,
231
+ "learning_rate": 0.00019770235967974463,
232
+ "loss": 1.1058,
233
+ "step": 155
234
+ },
235
+ {
236
+ "epoch": 0.16684045881126172,
237
+ "grad_norm": 0.07385173118278343,
238
+ "learning_rate": 0.00019729826489353324,
239
+ "loss": 1.1209,
240
+ "step": 160
241
+ },
242
+ {
243
+ "epoch": 0.17205422314911367,
244
+ "grad_norm": 0.08021452641715054,
245
+ "learning_rate": 0.00019686193632504338,
246
+ "loss": 1.1049,
247
+ "step": 165
248
+ },
249
+ {
250
+ "epoch": 0.1772679874869656,
251
+ "grad_norm": 0.07668807421928069,
252
+ "learning_rate": 0.00019639351852484947,
253
+ "loss": 1.1106,
254
+ "step": 170
255
+ },
256
+ {
257
+ "epoch": 0.18248175182481752,
258
+ "grad_norm": 0.07892223313284867,
259
+ "learning_rate": 0.0001958931666743148,
260
+ "loss": 1.1161,
261
+ "step": 175
262
+ },
263
+ {
264
+ "epoch": 0.18769551616266944,
265
+ "grad_norm": 0.08190647698912198,
266
+ "learning_rate": 0.0001953610465341816,
267
+ "loss": 1.0996,
268
+ "step": 180
269
+ },
270
+ {
271
+ "epoch": 0.19290928050052136,
272
+ "grad_norm": 0.07800476181033798,
273
+ "learning_rate": 0.00019479733438965667,
274
+ "loss": 1.1247,
275
+ "step": 185
276
+ },
277
+ {
278
+ "epoch": 0.1981230448383733,
279
+ "grad_norm": 0.08349049942704777,
280
+ "learning_rate": 0.00019420221699200995,
281
+ "loss": 1.1154,
282
+ "step": 190
283
+ },
284
+ {
285
+ "epoch": 0.20333680917622524,
286
+ "grad_norm": 0.07929575871932729,
287
+ "learning_rate": 0.00019357589149670608,
288
+ "loss": 1.1184,
289
+ "step": 195
290
+ },
291
+ {
292
+ "epoch": 0.20855057351407716,
293
+ "grad_norm": 0.0735399192652975,
294
+ "learning_rate": 0.00019291856539808917,
295
+ "loss": 1.0968,
296
+ "step": 200
297
+ },
298
+ {
299
+ "epoch": 0.21376433785192908,
300
+ "grad_norm": 0.07775467151795544,
301
+ "learning_rate": 0.00019223045646064212,
302
+ "loss": 1.1122,
303
+ "step": 205
304
+ },
305
+ {
306
+ "epoch": 0.21897810218978103,
307
+ "grad_norm": 0.07608187355699407,
308
+ "learning_rate": 0.00019151179264684402,
309
+ "loss": 1.1129,
310
+ "step": 210
311
+ },
312
+ {
313
+ "epoch": 0.22419186652763295,
314
+ "grad_norm": 0.07668601971351766,
315
+ "learning_rate": 0.00019076281204164874,
316
+ "loss": 1.0979,
317
+ "step": 215
318
+ },
319
+ {
320
+ "epoch": 0.22940563086548488,
321
+ "grad_norm": 0.07230005483681756,
322
+ "learning_rate": 0.00018998376277361008,
323
+ "loss": 1.1215,
324
+ "step": 220
325
+ },
326
+ {
327
+ "epoch": 0.2346193952033368,
328
+ "grad_norm": 0.0733672154981931,
329
+ "learning_rate": 0.00018917490293267973,
330
+ "loss": 1.1021,
331
+ "step": 225
332
+ },
333
+ {
334
+ "epoch": 0.23983315954118875,
335
+ "grad_norm": 0.08070384712102877,
336
+ "learning_rate": 0.00018833650048470524,
337
+ "loss": 1.1131,
338
+ "step": 230
339
+ },
340
+ {
341
+ "epoch": 0.24504692387904067,
342
+ "grad_norm": 0.0789014320960882,
343
+ "learning_rate": 0.0001874688331826557,
344
+ "loss": 1.1226,
345
+ "step": 235
346
+ },
347
+ {
348
+ "epoch": 0.2502606882168926,
349
+ "grad_norm": 0.0713759955633646,
350
+ "learning_rate": 0.00018657218847460572,
351
+ "loss": 1.124,
352
+ "step": 240
353
+ },
354
+ {
355
+ "epoch": 0.25547445255474455,
356
+ "grad_norm": 0.07275793106627063,
357
+ "learning_rate": 0.00018564686340850708,
358
+ "loss": 1.1081,
359
+ "step": 245
360
+ },
361
+ {
362
+ "epoch": 0.26068821689259647,
363
+ "grad_norm": 0.07708474011231153,
364
+ "learning_rate": 0.0001846931645337803,
365
+ "loss": 1.094,
366
+ "step": 250
367
+ },
368
+ {
369
+ "epoch": 0.2659019812304484,
370
+ "grad_norm": 0.08547989244439409,
371
+ "learning_rate": 0.00018371140779975824,
372
+ "loss": 1.1068,
373
+ "step": 255
374
+ },
375
+ {
376
+ "epoch": 0.2711157455683003,
377
+ "grad_norm": 0.07980805306815425,
378
+ "learning_rate": 0.00018270191845101602,
379
+ "loss": 1.1097,
380
+ "step": 260
381
+ },
382
+ {
383
+ "epoch": 0.27632950990615224,
384
+ "grad_norm": 0.0771809814717238,
385
+ "learning_rate": 0.0001816650309196209,
386
+ "loss": 1.0993,
387
+ "step": 265
388
+ },
389
+ {
390
+ "epoch": 0.28154327424400416,
391
+ "grad_norm": 0.07825602560329317,
392
+ "learning_rate": 0.00018060108871433922,
393
+ "loss": 1.0965,
394
+ "step": 270
395
+ },
396
+ {
397
+ "epoch": 0.2867570385818561,
398
+ "grad_norm": 0.07544233821374238,
399
+ "learning_rate": 0.00017951044430683565,
400
+ "loss": 1.1077,
401
+ "step": 275
402
+ },
403
+ {
404
+ "epoch": 0.291970802919708,
405
+ "grad_norm": 0.08595174428600973,
406
+ "learning_rate": 0.00017839345901490367,
407
+ "loss": 1.1444,
408
+ "step": 280
409
+ },
410
+ {
411
+ "epoch": 0.29718456725756,
412
+ "grad_norm": 0.08036998457602522,
413
+ "learning_rate": 0.000177250502882765,
414
+ "loss": 1.1018,
415
+ "step": 285
416
+ },
417
+ {
418
+ "epoch": 0.3023983315954119,
419
+ "grad_norm": 0.0758408964978662,
420
+ "learning_rate": 0.0001760819545584783,
421
+ "loss": 1.1144,
422
+ "step": 290
423
+ },
424
+ {
425
+ "epoch": 0.30761209593326383,
426
+ "grad_norm": 0.08039719317248988,
427
+ "learning_rate": 0.00017488820116849757,
428
+ "loss": 1.0848,
429
+ "step": 295
430
+ },
431
+ {
432
+ "epoch": 0.31282586027111575,
433
+ "grad_norm": 0.08195730354878057,
434
+ "learning_rate": 0.0001736696381894216,
435
+ "loss": 1.1091,
436
+ "step": 300
437
+ },
438
+ {
439
+ "epoch": 0.3180396246089677,
440
+ "grad_norm": 0.0857915617590216,
441
+ "learning_rate": 0.0001724266693169772,
442
+ "loss": 1.1179,
443
+ "step": 305
444
+ },
445
+ {
446
+ "epoch": 0.3232533889468196,
447
+ "grad_norm": 0.0727205241081358,
448
+ "learning_rate": 0.00017115970633227936,
449
+ "loss": 1.1104,
450
+ "step": 310
451
+ },
452
+ {
453
+ "epoch": 0.3284671532846715,
454
+ "grad_norm": 0.08177574294024298,
455
+ "learning_rate": 0.00016986916896541323,
456
+ "loss": 1.1,
457
+ "step": 315
458
+ },
459
+ {
460
+ "epoch": 0.33368091762252344,
461
+ "grad_norm": 0.07784461413056201,
462
+ "learning_rate": 0.00016855548475638225,
463
+ "loss": 1.0934,
464
+ "step": 320
465
+ },
466
+ {
467
+ "epoch": 0.33889468196037537,
468
+ "grad_norm": 0.0708482833267521,
469
+ "learning_rate": 0.0001672190889134691,
470
+ "loss": 1.0958,
471
+ "step": 325
472
+ },
473
+ {
474
+ "epoch": 0.34410844629822734,
475
+ "grad_norm": 0.076390205474366,
476
+ "learning_rate": 0.0001658604241690564,
477
+ "loss": 1.105,
478
+ "step": 330
479
+ },
480
+ {
481
+ "epoch": 0.34932221063607927,
482
+ "grad_norm": 0.07309708286911666,
483
+ "learning_rate": 0.00016447994063295457,
484
+ "loss": 1.095,
485
+ "step": 335
486
+ },
487
+ {
488
+ "epoch": 0.3545359749739312,
489
+ "grad_norm": 0.07017926439528561,
490
+ "learning_rate": 0.00016307809564328551,
491
+ "loss": 1.1157,
492
+ "step": 340
493
+ },
494
+ {
495
+ "epoch": 0.3597497393117831,
496
+ "grad_norm": 0.07365098763599127,
497
+ "learning_rate": 0.00016165535361497218,
498
+ "loss": 1.1186,
499
+ "step": 345
500
+ },
501
+ {
502
+ "epoch": 0.36496350364963503,
503
+ "grad_norm": 0.07663605771628923,
504
+ "learning_rate": 0.00016021218588588298,
505
+ "loss": 1.0749,
506
+ "step": 350
507
+ },
508
+ {
509
+ "epoch": 0.37017726798748696,
510
+ "grad_norm": 0.07615854076662545,
511
+ "learning_rate": 0.0001587490705606832,
512
+ "loss": 1.0827,
513
+ "step": 355
514
+ },
515
+ {
516
+ "epoch": 0.3753910323253389,
517
+ "grad_norm": 0.0753345353309753,
518
+ "learning_rate": 0.00015726649235244455,
519
+ "loss": 1.1082,
520
+ "step": 360
521
+ },
522
+ {
523
+ "epoch": 0.3806047966631908,
524
+ "grad_norm": 0.07913485493599222,
525
+ "learning_rate": 0.00015576494242206508,
526
+ "loss": 1.1258,
527
+ "step": 365
528
+ },
529
+ {
530
+ "epoch": 0.3858185610010427,
531
+ "grad_norm": 0.07705620467095986,
532
+ "learning_rate": 0.0001542449182155537,
533
+ "loss": 1.0772,
534
+ "step": 370
535
+ },
536
+ {
537
+ "epoch": 0.3910323253388947,
538
+ "grad_norm": 0.07160314888274456,
539
+ "learning_rate": 0.00015270692329923176,
540
+ "loss": 1.0996,
541
+ "step": 375
542
+ },
543
+ {
544
+ "epoch": 0.3962460896767466,
545
+ "grad_norm": 0.08325118544541214,
546
+ "learning_rate": 0.0001511514671929076,
547
+ "loss": 1.0904,
548
+ "step": 380
549
+ },
550
+ {
551
+ "epoch": 0.40145985401459855,
552
+ "grad_norm": 0.07199438515468881,
553
+ "learning_rate": 0.00014957906520107845,
554
+ "loss": 1.0851,
555
+ "step": 385
556
+ },
557
+ {
558
+ "epoch": 0.40667361835245047,
559
+ "grad_norm": 0.07710028013752196,
560
+ "learning_rate": 0.00014799023824221613,
561
+ "loss": 1.1123,
562
+ "step": 390
563
+ },
564
+ {
565
+ "epoch": 0.4118873826903024,
566
+ "grad_norm": 0.07407414298584401,
567
+ "learning_rate": 0.0001463855126761928,
568
+ "loss": 1.0878,
569
+ "step": 395
570
+ },
571
+ {
572
+ "epoch": 0.4171011470281543,
573
+ "grad_norm": 0.07467701529997763,
574
+ "learning_rate": 0.0001447654201299041,
575
+ "loss": 1.0975,
576
+ "step": 400
577
+ },
578
+ {
579
+ "epoch": 0.42231491136600624,
580
+ "grad_norm": 0.07107152720346374,
581
+ "learning_rate": 0.00014313049732114715,
582
+ "loss": 1.0657,
583
+ "step": 405
584
+ },
585
+ {
586
+ "epoch": 0.42752867570385816,
587
+ "grad_norm": 0.07823458012876569,
588
+ "learning_rate": 0.00014148128588081256,
589
+ "loss": 1.1153,
590
+ "step": 410
591
+ },
592
+ {
593
+ "epoch": 0.43274244004171014,
594
+ "grad_norm": 0.08009223556489412,
595
+ "learning_rate": 0.0001398183321734481,
596
+ "loss": 1.0974,
597
+ "step": 415
598
+ },
599
+ {
600
+ "epoch": 0.43795620437956206,
601
+ "grad_norm": 0.07669197698500169,
602
+ "learning_rate": 0.00013814218711625457,
603
+ "loss": 1.0904,
604
+ "step": 420
605
+ },
606
+ {
607
+ "epoch": 0.443169968717414,
608
+ "grad_norm": 0.08468765745640104,
609
+ "learning_rate": 0.0001364534059965735,
610
+ "loss": 1.0808,
611
+ "step": 425
612
+ },
613
+ {
614
+ "epoch": 0.4483837330552659,
615
+ "grad_norm": 0.07933899715254406,
616
+ "learning_rate": 0.00013475254828792662,
617
+ "loss": 1.1232,
618
+ "step": 430
619
+ },
620
+ {
621
+ "epoch": 0.45359749739311783,
622
+ "grad_norm": 0.07992483417151192,
623
+ "learning_rate": 0.0001330401774646691,
624
+ "loss": 1.0752,
625
+ "step": 435
626
+ },
627
+ {
628
+ "epoch": 0.45881126173096975,
629
+ "grad_norm": 0.07194633805909506,
630
+ "learning_rate": 0.00013131686081531698,
631
+ "loss": 1.1021,
632
+ "step": 440
633
+ },
634
+ {
635
+ "epoch": 0.4640250260688217,
636
+ "grad_norm": 0.07408216210208647,
637
+ "learning_rate": 0.00012958316925461085,
638
+ "loss": 1.103,
639
+ "step": 445
640
+ },
641
+ {
642
+ "epoch": 0.4692387904066736,
643
+ "grad_norm": 0.07365408906170111,
644
+ "learning_rate": 0.00012783967713437882,
645
+ "loss": 1.1039,
646
+ "step": 450
647
+ },
648
+ {
649
+ "epoch": 0.4744525547445255,
650
+ "grad_norm": 0.07264336315306943,
651
+ "learning_rate": 0.0001260869620532601,
652
+ "loss": 1.0703,
653
+ "step": 455
654
+ },
655
+ {
656
+ "epoch": 0.4796663190823775,
657
+ "grad_norm": 0.0716348036748029,
658
+ "learning_rate": 0.00012432560466535362,
659
+ "loss": 1.078,
660
+ "step": 460
661
+ },
662
+ {
663
+ "epoch": 0.4848800834202294,
664
+ "grad_norm": 0.07275630175563283,
665
+ "learning_rate": 0.00012255618848785378,
666
+ "loss": 1.0931,
667
+ "step": 465
668
+ },
669
+ {
670
+ "epoch": 0.49009384775808135,
671
+ "grad_norm": 0.08738232111757031,
672
+ "learning_rate": 0.00012077929970773823,
673
+ "loss": 1.1046,
674
+ "step": 470
675
+ },
676
+ {
677
+ "epoch": 0.49530761209593327,
678
+ "grad_norm": 0.07302314407960024,
679
+ "learning_rate": 0.00011899552698757078,
680
+ "loss": 1.0797,
681
+ "step": 475
682
+ },
683
+ {
684
+ "epoch": 0.5005213764337852,
685
+ "grad_norm": 0.07630391551541794,
686
+ "learning_rate": 0.00011720546127048452,
687
+ "loss": 1.0853,
688
+ "step": 480
689
+ },
690
+ {
691
+ "epoch": 0.5057351407716372,
692
+ "grad_norm": 0.0786638943841889,
693
+ "learning_rate": 0.0001154096955844091,
694
+ "loss": 1.0936,
695
+ "step": 485
696
+ },
697
+ {
698
+ "epoch": 0.5109489051094891,
699
+ "grad_norm": 0.0738033508924629,
700
+ "learning_rate": 0.00011360882484560755,
701
+ "loss": 1.0947,
702
+ "step": 490
703
+ },
704
+ {
705
+ "epoch": 0.516162669447341,
706
+ "grad_norm": 0.07194256539748715,
707
+ "learning_rate": 0.00011180344566158739,
708
+ "loss": 1.0567,
709
+ "step": 495
710
+ },
711
+ {
712
+ "epoch": 0.5213764337851929,
713
+ "grad_norm": 0.07372207865811028,
714
+ "learning_rate": 0.0001099941561334515,
715
+ "loss": 1.096,
716
+ "step": 500
717
+ },
718
+ {
719
+ "epoch": 0.5265901981230449,
720
+ "grad_norm": 0.08419340992248064,
721
+ "learning_rate": 0.00010818155565775443,
722
+ "loss": 1.0906,
723
+ "step": 505
724
+ },
725
+ {
726
+ "epoch": 0.5318039624608968,
727
+ "grad_norm": 0.07572982107794511,
728
+ "learning_rate": 0.00010636624472792889,
729
+ "loss": 1.0672,
730
+ "step": 510
731
+ },
732
+ {
733
+ "epoch": 0.5370177267987487,
734
+ "grad_norm": 0.07601878254011342,
735
+ "learning_rate": 0.00010454882473534961,
736
+ "loss": 1.0828,
737
+ "step": 515
738
+ },
739
+ {
740
+ "epoch": 0.5422314911366006,
741
+ "grad_norm": 0.07348182851139312,
742
+ "learning_rate": 0.0001027298977700992,
743
+ "loss": 1.0725,
744
+ "step": 520
745
+ },
746
+ {
747
+ "epoch": 0.5474452554744526,
748
+ "grad_norm": 0.0744277902361585,
749
+ "learning_rate": 0.0001009100664215028,
750
+ "loss": 1.0895,
751
+ "step": 525
752
+ },
753
+ {
754
+ "epoch": 0.5526590198123045,
755
+ "grad_norm": 0.07570350615821111,
756
+ "learning_rate": 9.908993357849721e-05,
757
+ "loss": 1.0873,
758
+ "step": 530
759
+ },
760
+ {
761
+ "epoch": 0.5578727841501564,
762
+ "grad_norm": 0.07422866916118566,
763
+ "learning_rate": 9.727010222990082e-05,
764
+ "loss": 1.0812,
765
+ "step": 535
766
+ },
767
+ {
768
+ "epoch": 0.5630865484880083,
769
+ "grad_norm": 0.07362006062815561,
770
+ "learning_rate": 9.545117526465041e-05,
771
+ "loss": 1.0905,
772
+ "step": 540
773
+ },
774
+ {
775
+ "epoch": 0.5683003128258602,
776
+ "grad_norm": 0.0700033281234262,
777
+ "learning_rate": 9.363375527207111e-05,
778
+ "loss": 1.0682,
779
+ "step": 545
780
+ },
781
+ {
782
+ "epoch": 0.5735140771637122,
783
+ "grad_norm": 0.07230470722040953,
784
+ "learning_rate": 9.181844434224558e-05,
785
+ "loss": 1.0873,
786
+ "step": 550
787
+ },
788
+ {
789
+ "epoch": 0.5787278415015641,
790
+ "grad_norm": 0.08088691708607157,
791
+ "learning_rate": 9.000584386654853e-05,
792
+ "loss": 1.0785,
793
+ "step": 555
794
+ },
795
+ {
796
+ "epoch": 0.583941605839416,
797
+ "grad_norm": 0.0744369753893106,
798
+ "learning_rate": 8.819655433841262e-05,
799
+ "loss": 1.107,
800
+ "step": 560
801
+ },
802
+ {
803
+ "epoch": 0.5891553701772679,
804
+ "grad_norm": 0.07574963261021694,
805
+ "learning_rate": 8.639117515439248e-05,
806
+ "loss": 1.0854,
807
+ "step": 565
808
+ },
809
+ {
810
+ "epoch": 0.59436913451512,
811
+ "grad_norm": 0.07470955964117636,
812
+ "learning_rate": 8.459030441559091e-05,
813
+ "loss": 1.1039,
814
+ "step": 570
815
+ },
816
+ {
817
+ "epoch": 0.5995828988529719,
818
+ "grad_norm": 0.0753809437283073,
819
+ "learning_rate": 8.27945387295155e-05,
820
+ "loss": 1.097,
821
+ "step": 575
822
+ },
823
+ {
824
+ "epoch": 0.6047966631908238,
825
+ "grad_norm": 0.07151693665161514,
826
+ "learning_rate": 8.100447301242923e-05,
827
+ "loss": 1.1062,
828
+ "step": 580
829
+ },
830
+ {
831
+ "epoch": 0.6100104275286757,
832
+ "grad_norm": 0.07299808736310547,
833
+ "learning_rate": 7.92207002922618e-05,
834
+ "loss": 1.1024,
835
+ "step": 585
836
+ },
837
+ {
838
+ "epoch": 0.6152241918665277,
839
+ "grad_norm": 0.07463126953374469,
840
+ "learning_rate": 7.744381151214627e-05,
841
+ "loss": 1.0809,
842
+ "step": 590
843
+ },
844
+ {
845
+ "epoch": 0.6204379562043796,
846
+ "grad_norm": 0.07475965582424028,
847
+ "learning_rate": 7.567439533464639e-05,
848
+ "loss": 1.0708,
849
+ "step": 595
850
+ },
851
+ {
852
+ "epoch": 0.6256517205422315,
853
+ "grad_norm": 0.0733039750634976,
854
+ "learning_rate": 7.391303794673992e-05,
855
+ "loss": 1.1059,
856
+ "step": 600
857
+ },
858
+ {
859
+ "epoch": 0.6308654848800834,
860
+ "grad_norm": 0.08113303731253642,
861
+ "learning_rate": 7.216032286562122e-05,
862
+ "loss": 1.0891,
863
+ "step": 605
864
+ },
865
+ {
866
+ "epoch": 0.6360792492179353,
867
+ "grad_norm": 0.07598750215168182,
868
+ "learning_rate": 7.041683074538916e-05,
869
+ "loss": 1.0951,
870
+ "step": 610
871
+ },
872
+ {
873
+ "epoch": 0.6412930135557873,
874
+ "grad_norm": 0.07271525090431738,
875
+ "learning_rate": 6.868313918468305e-05,
876
+ "loss": 1.0708,
877
+ "step": 615
878
+ },
879
+ {
880
+ "epoch": 0.6465067778936392,
881
+ "grad_norm": 0.07349014640316023,
882
+ "learning_rate": 6.69598225353309e-05,
883
+ "loss": 1.0856,
884
+ "step": 620
885
+ },
886
+ {
887
+ "epoch": 0.6517205422314911,
888
+ "grad_norm": 0.07174197708446833,
889
+ "learning_rate": 6.524745171207339e-05,
890
+ "loss": 1.085,
891
+ "step": 625
892
+ },
893
+ {
894
+ "epoch": 0.656934306569343,
895
+ "grad_norm": 0.07579799503336161,
896
+ "learning_rate": 6.354659400342653e-05,
897
+ "loss": 1.0805,
898
+ "step": 630
899
+ },
900
+ {
901
+ "epoch": 0.662148070907195,
902
+ "grad_norm": 0.07866794639764096,
903
+ "learning_rate": 6.185781288374545e-05,
904
+ "loss": 1.0852,
905
+ "step": 635
906
+ },
907
+ {
908
+ "epoch": 0.6673618352450469,
909
+ "grad_norm": 0.07476193110508485,
910
+ "learning_rate": 6.0181667826551924e-05,
911
+ "loss": 1.0896,
912
+ "step": 640
913
+ },
914
+ {
915
+ "epoch": 0.6725755995828988,
916
+ "grad_norm": 0.0772747671129761,
917
+ "learning_rate": 5.851871411918743e-05,
918
+ "loss": 1.0792,
919
+ "step": 645
920
+ },
921
+ {
922
+ "epoch": 0.6777893639207507,
923
+ "grad_norm": 0.07566640995898331,
924
+ "learning_rate": 5.6869502678852835e-05,
925
+ "loss": 1.0471,
926
+ "step": 650
927
+ },
928
+ {
929
+ "epoch": 0.6830031282586028,
930
+ "grad_norm": 0.07164138898307278,
931
+ "learning_rate": 5.523457987009595e-05,
932
+ "loss": 1.1035,
933
+ "step": 655
934
+ },
935
+ {
936
+ "epoch": 0.6882168925964547,
937
+ "grad_norm": 0.07099725484474564,
938
+ "learning_rate": 5.3614487323807195e-05,
939
+ "loss": 1.0992,
940
+ "step": 660
941
+ },
942
+ {
943
+ "epoch": 0.6934306569343066,
944
+ "grad_norm": 0.07751613627358377,
945
+ "learning_rate": 5.20097617577839e-05,
946
+ "loss": 1.0837,
947
+ "step": 665
948
+ },
949
+ {
950
+ "epoch": 0.6986444212721585,
951
+ "grad_norm": 0.07882659762962813,
952
+ "learning_rate": 5.042093479892158e-05,
953
+ "loss": 1.081,
954
+ "step": 670
955
+ },
956
+ {
957
+ "epoch": 0.7038581856100105,
958
+ "grad_norm": 0.07504468684412657,
959
+ "learning_rate": 4.8848532807092416e-05,
960
+ "loss": 1.0711,
961
+ "step": 675
962
+ },
963
+ {
964
+ "epoch": 0.7090719499478624,
965
+ "grad_norm": 0.0747790732557037,
966
+ "learning_rate": 4.729307670076826e-05,
967
+ "loss": 1.077,
968
+ "step": 680
969
+ },
970
+ {
971
+ "epoch": 0.7142857142857143,
972
+ "grad_norm": 0.07214223012913477,
973
+ "learning_rate": 4.5755081784446306e-05,
974
+ "loss": 1.0894,
975
+ "step": 685
976
+ },
977
+ {
978
+ "epoch": 0.7194994786235662,
979
+ "grad_norm": 0.07363920926565273,
980
+ "learning_rate": 4.4235057577934905e-05,
981
+ "loss": 1.0853,
982
+ "step": 690
983
+ },
984
+ {
985
+ "epoch": 0.7247132429614181,
986
+ "grad_norm": 0.0735821627304811,
987
+ "learning_rate": 4.273350764755548e-05,
988
+ "loss": 1.082,
989
+ "step": 695
990
+ },
991
+ {
992
+ "epoch": 0.7299270072992701,
993
+ "grad_norm": 0.0738898873124254,
994
+ "learning_rate": 4.1250929439316824e-05,
995
+ "loss": 1.0773,
996
+ "step": 700
997
+ },
998
+ {
999
+ "epoch": 0.735140771637122,
1000
+ "grad_norm": 0.07402633045377013,
1001
+ "learning_rate": 3.978781411411705e-05,
1002
+ "loss": 1.1247,
1003
+ "step": 705
1004
+ },
1005
+ {
1006
+ "epoch": 0.7403545359749739,
1007
+ "grad_norm": 0.07284695841320597,
1008
+ "learning_rate": 3.8344646385027837e-05,
1009
+ "loss": 1.0754,
1010
+ "step": 710
1011
+ },
1012
+ {
1013
+ "epoch": 0.7455683003128258,
1014
+ "grad_norm": 0.07929374122905068,
1015
+ "learning_rate": 3.692190435671452e-05,
1016
+ "loss": 1.0795,
1017
+ "step": 715
1018
+ },
1019
+ {
1020
+ "epoch": 0.7507820646506778,
1021
+ "grad_norm": 0.0734239751966692,
1022
+ "learning_rate": 3.5520059367045465e-05,
1023
+ "loss": 1.0887,
1024
+ "step": 720
1025
+ },
1026
+ {
1027
+ "epoch": 0.7559958289885297,
1028
+ "grad_norm": 0.07435223656654096,
1029
+ "learning_rate": 3.413957583094358e-05,
1030
+ "loss": 1.0999,
1031
+ "step": 725
1032
+ },
1033
+ {
1034
+ "epoch": 0.7612095933263816,
1035
+ "grad_norm": 0.07261210019867713,
1036
+ "learning_rate": 3.278091108653091e-05,
1037
+ "loss": 1.0832,
1038
+ "step": 730
1039
+ },
1040
+ {
1041
+ "epoch": 0.7664233576642335,
1042
+ "grad_norm": 0.07607256887516554,
1043
+ "learning_rate": 3.144451524361779e-05,
1044
+ "loss": 1.1057,
1045
+ "step": 735
1046
+ },
1047
+ {
1048
+ "epoch": 0.7716371220020855,
1049
+ "grad_norm": 0.07249789517904658,
1050
+ "learning_rate": 3.013083103458676e-05,
1051
+ "loss": 1.0786,
1052
+ "step": 740
1053
+ },
1054
+ {
1055
+ "epoch": 0.7768508863399375,
1056
+ "grad_norm": 0.07092399285995109,
1057
+ "learning_rate": 2.8840293667720653e-05,
1058
+ "loss": 1.0361,
1059
+ "step": 745
1060
+ },
1061
+ {
1062
+ "epoch": 0.7820646506777894,
1063
+ "grad_norm": 0.07310960304099395,
1064
+ "learning_rate": 2.7573330683022847e-05,
1065
+ "loss": 1.0902,
1066
+ "step": 750
1067
+ },
1068
+ {
1069
+ "epoch": 0.7872784150156413,
1070
+ "grad_norm": 0.07182455138220446,
1071
+ "learning_rate": 2.6330361810578395e-05,
1072
+ "loss": 1.0864,
1073
+ "step": 755
1074
+ },
1075
+ {
1076
+ "epoch": 0.7924921793534933,
1077
+ "grad_norm": 0.07508985054363387,
1078
+ "learning_rate": 2.511179883150242e-05,
1079
+ "loss": 1.1085,
1080
+ "step": 760
1081
+ },
1082
+ {
1083
+ "epoch": 0.7977059436913452,
1084
+ "grad_norm": 0.07685850755584918,
1085
+ "learning_rate": 2.3918045441521718e-05,
1086
+ "loss": 1.1116,
1087
+ "step": 765
1088
+ },
1089
+ {
1090
+ "epoch": 0.8029197080291971,
1091
+ "grad_norm": 0.07574318675677963,
1092
+ "learning_rate": 2.274949711723502e-05,
1093
+ "loss": 1.0735,
1094
+ "step": 770
1095
+ },
1096
+ {
1097
+ "epoch": 0.808133472367049,
1098
+ "grad_norm": 0.07349993942522902,
1099
+ "learning_rate": 2.1606540985096312e-05,
1100
+ "loss": 1.0892,
1101
+ "step": 775
1102
+ },
1103
+ {
1104
+ "epoch": 0.8133472367049009,
1105
+ "grad_norm": 0.07510810135075115,
1106
+ "learning_rate": 2.0489555693164342e-05,
1107
+ "loss": 1.0929,
1108
+ "step": 780
1109
+ },
1110
+ {
1111
+ "epoch": 0.8185610010427529,
1112
+ "grad_norm": 0.07465217855129215,
1113
+ "learning_rate": 1.9398911285660816e-05,
1114
+ "loss": 1.0974,
1115
+ "step": 785
1116
+ },
1117
+ {
1118
+ "epoch": 0.8237747653806048,
1119
+ "grad_norm": 0.07641853556955017,
1120
+ "learning_rate": 1.8334969080379115e-05,
1121
+ "loss": 1.0981,
1122
+ "step": 790
1123
+ },
1124
+ {
1125
+ "epoch": 0.8289885297184567,
1126
+ "grad_norm": 0.07374429336005603,
1127
+ "learning_rate": 1.7298081548984002e-05,
1128
+ "loss": 1.1147,
1129
+ "step": 795
1130
+ },
1131
+ {
1132
+ "epoch": 0.8342022940563086,
1133
+ "grad_norm": 0.07198920669236027,
1134
+ "learning_rate": 1.628859220024177e-05,
1135
+ "loss": 1.0805,
1136
+ "step": 800
1137
+ },
1138
+ {
1139
+ "epoch": 0.8394160583941606,
1140
+ "grad_norm": 0.07357888739399879,
1141
+ "learning_rate": 1.5306835466219738e-05,
1142
+ "loss": 1.0708,
1143
+ "step": 805
1144
+ },
1145
+ {
1146
+ "epoch": 0.8446298227320125,
1147
+ "grad_norm": 0.07321249998664951,
1148
+ "learning_rate": 1.4353136591492933e-05,
1149
+ "loss": 1.1037,
1150
+ "step": 810
1151
+ },
1152
+ {
1153
+ "epoch": 0.8498435870698644,
1154
+ "grad_norm": 0.07782709844758377,
1155
+ "learning_rate": 1.3427811525394319e-05,
1156
+ "loss": 1.0904,
1157
+ "step": 815
1158
+ },
1159
+ {
1160
+ "epoch": 0.8550573514077163,
1161
+ "grad_norm": 0.07455259445795498,
1162
+ "learning_rate": 1.253116681734432e-05,
1163
+ "loss": 1.0768,
1164
+ "step": 820
1165
+ },
1166
+ {
1167
+ "epoch": 0.8602711157455682,
1168
+ "grad_norm": 0.07401992962356452,
1169
+ "learning_rate": 1.1663499515294762e-05,
1170
+ "loss": 1.0653,
1171
+ "step": 825
1172
+ },
1173
+ {
1174
+ "epoch": 0.8654848800834203,
1175
+ "grad_norm": 0.07220555107508732,
1176
+ "learning_rate": 1.0825097067320267e-05,
1177
+ "loss": 1.0729,
1178
+ "step": 830
1179
+ },
1180
+ {
1181
+ "epoch": 0.8706986444212722,
1182
+ "grad_norm": 0.07544891513968513,
1183
+ "learning_rate": 1.0016237226389947e-05,
1184
+ "loss": 1.0855,
1185
+ "step": 835
1186
+ },
1187
+ {
1188
+ "epoch": 0.8759124087591241,
1189
+ "grad_norm": 0.07485172694158737,
1190
+ "learning_rate": 9.237187958351279e-06,
1191
+ "loss": 1.09,
1192
+ "step": 840
1193
+ },
1194
+ {
1195
+ "epoch": 0.881126173096976,
1196
+ "grad_norm": 0.07275386970426083,
1197
+ "learning_rate": 8.488207353155986e-06,
1198
+ "loss": 1.0896,
1199
+ "step": 845
1200
+ },
1201
+ {
1202
+ "epoch": 0.886339937434828,
1203
+ "grad_norm": 0.07454861219445595,
1204
+ "learning_rate": 7.769543539357904e-06,
1205
+ "loss": 1.0953,
1206
+ "step": 850
1207
+ },
1208
+ {
1209
+ "epoch": 0.8915537017726799,
1210
+ "grad_norm": 0.07164206957934503,
1211
+ "learning_rate": 7.081434601910864e-06,
1212
+ "loss": 1.0944,
1213
+ "step": 855
1214
+ },
1215
+ {
1216
+ "epoch": 0.8967674661105318,
1217
+ "grad_norm": 0.07286862134246115,
1218
+ "learning_rate": 6.424108503293924e-06,
1219
+ "loss": 1.1096,
1220
+ "step": 860
1221
+ },
1222
+ {
1223
+ "epoch": 0.9019812304483837,
1224
+ "grad_norm": 0.07369229576160694,
1225
+ "learning_rate": 5.797783007990076e-06,
1226
+ "loss": 1.0951,
1227
+ "step": 865
1228
+ },
1229
+ {
1230
+ "epoch": 0.9071949947862357,
1231
+ "grad_norm": 0.07460818380676967,
1232
+ "learning_rate": 5.202665610343338e-06,
1233
+ "loss": 1.0883,
1234
+ "step": 870
1235
+ },
1236
+ {
1237
+ "epoch": 0.9124087591240876,
1238
+ "grad_norm": 0.07357667175850421,
1239
+ "learning_rate": 4.6389534658184075e-06,
1240
+ "loss": 1.0856,
1241
+ "step": 875
1242
+ },
1243
+ {
1244
+ "epoch": 0.9176225234619395,
1245
+ "grad_norm": 0.07355488764311813,
1246
+ "learning_rate": 4.106833325685222e-06,
1247
+ "loss": 1.0992,
1248
+ "step": 880
1249
+ },
1250
+ {
1251
+ "epoch": 0.9228362877997914,
1252
+ "grad_norm": 0.07560170907908333,
1253
+ "learning_rate": 3.606481475150536e-06,
1254
+ "loss": 1.0753,
1255
+ "step": 885
1256
+ },
1257
+ {
1258
+ "epoch": 0.9280500521376434,
1259
+ "grad_norm": 0.07352332452876986,
1260
+ "learning_rate": 3.138063674956648e-06,
1261
+ "loss": 1.0606,
1262
+ "step": 890
1263
+ },
1264
+ {
1265
+ "epoch": 0.9332638164754953,
1266
+ "grad_norm": 0.07595937879635985,
1267
+ "learning_rate": 2.701735106466796e-06,
1268
+ "loss": 1.0931,
1269
+ "step": 895
1270
+ },
1271
+ {
1272
+ "epoch": 0.9384775808133472,
1273
+ "grad_norm": 0.07046192596564868,
1274
+ "learning_rate": 2.2976403202553787e-06,
1275
+ "loss": 1.0931,
1276
+ "step": 900
1277
+ },
1278
+ {
1279
+ "epoch": 0.9436913451511991,
1280
+ "grad_norm": 0.07358829064156538,
1281
+ "learning_rate": 1.925913188220052e-06,
1282
+ "loss": 1.0806,
1283
+ "step": 905
1284
+ },
1285
+ {
1286
+ "epoch": 0.948905109489051,
1287
+ "grad_norm": 0.07595473779694568,
1288
+ "learning_rate": 1.586676859231473e-06,
1289
+ "loss": 1.0816,
1290
+ "step": 910
1291
+ },
1292
+ {
1293
+ "epoch": 0.954118873826903,
1294
+ "grad_norm": 0.07568884330826342,
1295
+ "learning_rate": 1.2800437183355885e-06,
1296
+ "loss": 1.0809,
1297
+ "step": 915
1298
+ },
1299
+ {
1300
+ "epoch": 0.959332638164755,
1301
+ "grad_norm": 0.07584100660095472,
1302
+ "learning_rate": 1.0061153495217412e-06,
1303
+ "loss": 1.0634,
1304
+ "step": 920
1305
+ },
1306
+ {
1307
+ "epoch": 0.9645464025026069,
1308
+ "grad_norm": 0.07304112910406586,
1309
+ "learning_rate": 7.64982502069056e-07,
1310
+ "loss": 1.0592,
1311
+ "step": 925
1312
+ },
1313
+ {
1314
+ "epoch": 0.9697601668404588,
1315
+ "grad_norm": 0.07324941671378657,
1316
+ "learning_rate": 5.567250604822882e-07,
1317
+ "loss": 1.0764,
1318
+ "step": 930
1319
+ },
1320
+ {
1321
+ "epoch": 0.9749739311783108,
1322
+ "grad_norm": 0.07540315428759628,
1323
+ "learning_rate": 3.814120180270164e-07,
1324
+ "loss": 1.0862,
1325
+ "step": 935
1326
+ },
1327
+ {
1328
+ "epoch": 0.9801876955161627,
1329
+ "grad_norm": 0.07167856975306086,
1330
+ "learning_rate": 2.3910145387299185e-07,
1331
+ "loss": 1.0798,
1332
+ "step": 940
1333
+ },
1334
+ {
1335
+ "epoch": 0.9854014598540146,
1336
+ "grad_norm": 0.07399712911952666,
1337
+ "learning_rate": 1.298405138531078e-07,
1338
+ "loss": 1.0819,
1339
+ "step": 945
1340
+ },
1341
+ {
1342
+ "epoch": 0.9906152241918665,
1343
+ "grad_norm": 0.07550044600887201,
1344
+ "learning_rate": 5.366539484464861e-08,
1345
+ "loss": 1.088,
1346
+ "step": 950
1347
+ },
1348
+ {
1349
+ "epoch": 0.9958289885297185,
1350
+ "grad_norm": 0.07533429394464258,
1351
+ "learning_rate": 1.0601332777604444e-08,
1352
+ "loss": 1.071,
1353
+ "step": 955
1354
+ },
1355
+ {
1356
+ "epoch": 1.0,
1357
+ "eval_loss": 1.1101280450820923,
1358
+ "eval_runtime": 2.0768,
1359
+ "eval_samples_per_second": 3.371,
1360
+ "eval_steps_per_second": 0.963,
1361
+ "step": 959
1362
+ },
1363
+ {
1364
+ "epoch": 1.0,
1365
+ "step": 959,
1366
+ "total_flos": 1.2060020938113024e+16,
1367
+ "train_loss": 1.1071907986689657,
1368
+ "train_runtime": 19793.4474,
1369
+ "train_samples_per_second": 3.101,
1370
+ "train_steps_per_second": 0.048
1371
+ }
1372
+ ],
1373
+ "logging_steps": 5,
1374
+ "max_steps": 959,
1375
+ "num_input_tokens_seen": 0,
1376
+ "num_train_epochs": 1,
1377
+ "save_steps": 100,
1378
+ "stateful_callbacks": {
1379
+ "TrainerControl": {
1380
+ "args": {
1381
+ "should_epoch_stop": false,
1382
+ "should_evaluate": false,
1383
+ "should_log": false,
1384
+ "should_save": true,
1385
+ "should_training_stop": true
1386
+ },
1387
+ "attributes": {}
1388
+ }
1389
+ },
1390
+ "total_flos": 1.2060020938113024e+16,
1391
+ "train_batch_size": 4,
1392
+ "trial_name": null,
1393
+ "trial_params": null
1394
+ }