{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.6666666666666666,
  "eval_steps": 10,
  "global_step": 40,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 0.0,
      "learning_rate": 0,
      "loss": 0.6115,
      "step": 1
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 0.0,
      "learning_rate": 0,
      "loss": 0.3864,
      "step": 2
    },
    {
      "epoch": 0.05,
      "grad_norm": 0.0,
      "learning_rate": 0,
      "loss": 0.6927,
      "step": 3
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 19.340276501798407,
      "learning_rate": 0.0,
      "loss": 0.2759,
      "step": 4
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 23.635250390786137,
      "learning_rate": 4.30676558073393e-07,
      "loss": 0.5341,
      "step": 5
    },
    {
      "epoch": 0.1,
      "grad_norm": 18.32023170957666,
      "learning_rate": 6.826061944859853e-07,
      "loss": 0.3237,
      "step": 6
    },
    {
      "epoch": 0.11666666666666667,
      "grad_norm": 22.992808668979116,
      "learning_rate": 8.61353116146786e-07,
      "loss": 0.5046,
      "step": 7
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 22.992808668979116,
      "learning_rate": 8.61353116146786e-07,
      "loss": 0.6481,
      "step": 8
    },
    {
      "epoch": 0.15,
      "grad_norm": 78.06457663370756,
      "learning_rate": 1e-06,
      "loss": 0.8268,
      "step": 9
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 21.040225059552967,
      "learning_rate": 1e-06,
      "loss": 0.6063,
      "step": 10
    },
    {
      "epoch": 0.16666666666666666,
      "eval_loss": 0.4745715260505676,
      "eval_runtime": 82.5774,
      "eval_samples_per_second": 0.363,
      "eval_steps_per_second": 0.182,
      "step": 10
    },
    {
      "epoch": 0.18333333333333332,
      "grad_norm": 18.275514090804755,
      "learning_rate": 1e-06,
      "loss": 0.362,
      "step": 11
    },
    {
      "epoch": 0.2,
      "grad_norm": 21.939783395899433,
      "learning_rate": 1e-06,
      "loss": 0.7011,
      "step": 12
    },
    {
      "epoch": 0.21666666666666667,
      "grad_norm": 13.538998823241776,
      "learning_rate": 1e-06,
      "loss": 0.3093,
      "step": 13
    },
    {
      "epoch": 0.23333333333333334,
      "grad_norm": 15.066863508260852,
      "learning_rate": 1e-06,
      "loss": 0.3859,
      "step": 14
    },
    {
      "epoch": 0.25,
      "grad_norm": 17.511916980391526,
      "learning_rate": 1e-06,
      "loss": 0.2982,
      "step": 15
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 24.51472248776934,
      "learning_rate": 1e-06,
      "loss": 0.4318,
      "step": 16
    },
    {
      "epoch": 0.2833333333333333,
      "grad_norm": 17.70508835924277,
      "learning_rate": 1e-06,
      "loss": 0.2826,
      "step": 17
    },
    {
      "epoch": 0.3,
      "grad_norm": 24.09449475989017,
      "learning_rate": 1e-06,
      "loss": 0.9326,
      "step": 18
    },
    {
      "epoch": 0.31666666666666665,
      "grad_norm": 16.93121063464416,
      "learning_rate": 1e-06,
      "loss": 0.7623,
      "step": 19
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 16.47139132489221,
      "learning_rate": 1e-06,
      "loss": 0.4869,
      "step": 20
    },
    {
      "epoch": 0.3333333333333333,
      "eval_loss": 0.39905643463134766,
      "eval_runtime": 86.161,
      "eval_samples_per_second": 0.348,
      "eval_steps_per_second": 0.174,
      "step": 20
    },
    {
      "epoch": 0.35,
      "grad_norm": 13.353254948686084,
      "learning_rate": 1e-06,
      "loss": 0.3214,
      "step": 21
    },
    {
      "epoch": 0.36666666666666664,
      "grad_norm": 15.60815644877678,
      "learning_rate": 1e-06,
      "loss": 0.3531,
      "step": 22
    },
    {
      "epoch": 0.38333333333333336,
      "grad_norm": 10.67603065821911,
      "learning_rate": 1e-06,
      "loss": 0.2338,
      "step": 23
    },
    {
      "epoch": 0.4,
      "grad_norm": 14.185334834442026,
      "learning_rate": 1e-06,
      "loss": 0.2733,
      "step": 24
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 41.2581742019271,
      "learning_rate": 1e-06,
      "loss": 0.2923,
      "step": 25
    },
    {
      "epoch": 0.43333333333333335,
      "grad_norm": 31.043373528646374,
      "learning_rate": 1e-06,
      "loss": 0.5414,
      "step": 26
    },
    {
      "epoch": 0.45,
      "grad_norm": 23.723534545016552,
      "learning_rate": 1e-06,
      "loss": 0.5977,
      "step": 27
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 10.5258615897717,
      "learning_rate": 1e-06,
      "loss": 0.2245,
      "step": 28
    },
    {
      "epoch": 0.48333333333333334,
      "grad_norm": 14.978248083451351,
      "learning_rate": 1e-06,
      "loss": 0.2496,
      "step": 29
    },
    {
      "epoch": 0.5,
      "grad_norm": 13.904234733715963,
      "learning_rate": 1e-06,
      "loss": 0.2581,
      "step": 30
    },
    {
      "epoch": 0.5,
      "eval_loss": 0.36848002672195435,
      "eval_runtime": 83.1811,
      "eval_samples_per_second": 0.361,
      "eval_steps_per_second": 0.18,
      "step": 30
    },
    {
      "epoch": 0.5166666666666667,
      "grad_norm": 7.805045027080617,
      "learning_rate": 1e-06,
      "loss": 0.1419,
      "step": 31
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 16.171216396613268,
      "learning_rate": 1e-06,
      "loss": 0.3105,
      "step": 32
    },
    {
      "epoch": 0.55,
      "grad_norm": 19.385896633409814,
      "learning_rate": 1e-06,
      "loss": 0.4161,
      "step": 33
    },
    {
      "epoch": 0.5666666666666667,
      "grad_norm": 16.85224250337557,
      "learning_rate": 1e-06,
      "loss": 0.3111,
      "step": 34
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 20.96740518228531,
      "learning_rate": 1e-06,
      "loss": 0.5486,
      "step": 35
    },
    {
      "epoch": 0.6,
      "grad_norm": 8.543503676953911,
      "learning_rate": 1e-06,
      "loss": 0.1977,
      "step": 36
    },
    {
      "epoch": 0.6166666666666667,
      "grad_norm": 12.313382964255357,
      "learning_rate": 1e-06,
      "loss": 0.3224,
      "step": 37
    },
    {
      "epoch": 0.6333333333333333,
      "grad_norm": 18.142221411776074,
      "learning_rate": 1e-06,
      "loss": 0.3998,
      "step": 38
    },
    {
      "epoch": 0.65,
      "grad_norm": 16.746965275752668,
      "learning_rate": 1e-06,
      "loss": 0.5016,
      "step": 39
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 13.820322988796189,
      "learning_rate": 1e-06,
      "loss": 0.321,
      "step": 40
    },
    {
      "epoch": 0.6666666666666666,
      "eval_loss": 0.36720359325408936,
      "eval_runtime": 83.5123,
      "eval_samples_per_second": 0.359,
      "eval_steps_per_second": 0.18,
      "step": 40
    }
  ],
  "logging_steps": 1.0,
  "max_steps": 500,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 9,
  "save_steps": 10,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 353980428288.0,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}