MHGanainy commited on
Commit
46a2074
·
verified ·
1 Parent(s): bf9aeb9

MHGanainy/mgpt-lora-multi-switzerland-imbalanced-1024

Browse files
Files changed (5) hide show
  1. README.md +2 -0
  2. all_results.json +13 -0
  3. eval_results.json +8 -0
  4. train_results.json +8 -0
  5. trainer_state.json +3395 -0
README.md CHANGED
@@ -15,6 +15,8 @@ should probably proofread and complete it, then remove this comment. -->
15
  # mgpt-lora-multi-switzerland-imbalanced-1024
16
 
17
  This model is a fine-tuned version of [ai-forever/mGPT](https://huggingface.co/ai-forever/mGPT) on an unknown dataset.
 
 
18
 
19
  ## Model description
20
 
 
15
  # mgpt-lora-multi-switzerland-imbalanced-1024
16
 
17
  This model is a fine-tuned version of [ai-forever/mGPT](https://huggingface.co/ai-forever/mGPT) on an unknown dataset.
18
+ It achieves the following results on the evaluation set:
19
+ - Loss: 1.7731
20
 
21
  ## Model description
22
 
all_results.json ADDED
@@ -0,0 +1,13 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "eval_loss": 1.7731051445007324,
4
+ "eval_runtime": 1215.8742,
5
+ "eval_samples_per_second": 78.599,
6
+ "eval_steps_per_second": 9.825,
7
+ "perplexity": 5.889111541886369,
8
+ "total_flos": 5.824755462670647e+18,
9
+ "train_loss": 2.213516155517568,
10
+ "train_runtime": 14249.5377,
11
+ "train_samples_per_second": 26.934,
12
+ "train_steps_per_second": 3.367
13
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "eval_loss": 1.7731051445007324,
4
+ "eval_runtime": 1215.8742,
5
+ "eval_samples_per_second": 78.599,
6
+ "eval_steps_per_second": 9.825,
7
+ "perplexity": 5.889111541886369
8
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 1.0,
3
+ "total_flos": 5.824755462670647e+18,
4
+ "train_loss": 2.213516155517568,
5
+ "train_runtime": 14249.5377,
6
+ "train_samples_per_second": 26.934,
7
+ "train_steps_per_second": 3.367
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3395 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 1.0,
5
+ "eval_steps": 500,
6
+ "global_step": 47974,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.002084462417142619,
13
+ "grad_norm": 17.418737411499023,
14
+ "learning_rate": 5.2111831991453666e-08,
15
+ "loss": 6.7115,
16
+ "step": 100
17
+ },
18
+ {
19
+ "epoch": 0.004168924834285238,
20
+ "grad_norm": 14.615851402282715,
21
+ "learning_rate": 1.0422366398290733e-07,
22
+ "loss": 6.6983,
23
+ "step": 200
24
+ },
25
+ {
26
+ "epoch": 0.006253387251427857,
27
+ "grad_norm": 12.82895278930664,
28
+ "learning_rate": 1.5633549597436098e-07,
29
+ "loss": 6.6196,
30
+ "step": 300
31
+ },
32
+ {
33
+ "epoch": 0.008337849668570476,
34
+ "grad_norm": 9.737526893615723,
35
+ "learning_rate": 2.0844732796581466e-07,
36
+ "loss": 6.4232,
37
+ "step": 400
38
+ },
39
+ {
40
+ "epoch": 0.010422312085713094,
41
+ "grad_norm": 10.140837669372559,
42
+ "learning_rate": 2.605591599572683e-07,
43
+ "loss": 6.0683,
44
+ "step": 500
45
+ },
46
+ {
47
+ "epoch": 0.012506774502855714,
48
+ "grad_norm": 6.8095598220825195,
49
+ "learning_rate": 3.1267099194872195e-07,
50
+ "loss": 5.6784,
51
+ "step": 600
52
+ },
53
+ {
54
+ "epoch": 0.014591236919998333,
55
+ "grad_norm": 4.862451076507568,
56
+ "learning_rate": 3.6478282394017564e-07,
57
+ "loss": 5.3257,
58
+ "step": 700
59
+ },
60
+ {
61
+ "epoch": 0.016675699337140953,
62
+ "grad_norm": 4.783125877380371,
63
+ "learning_rate": 4.168946559316293e-07,
64
+ "loss": 5.0905,
65
+ "step": 800
66
+ },
67
+ {
68
+ "epoch": 0.01876016175428357,
69
+ "grad_norm": 2.310032367706299,
70
+ "learning_rate": 4.6900648792308296e-07,
71
+ "loss": 4.8735,
72
+ "step": 900
73
+ },
74
+ {
75
+ "epoch": 0.02084462417142619,
76
+ "grad_norm": 1.856097936630249,
77
+ "learning_rate": 5.211183199145366e-07,
78
+ "loss": 4.7671,
79
+ "step": 1000
80
+ },
81
+ {
82
+ "epoch": 0.02292908658856881,
83
+ "grad_norm": 1.9036556482315063,
84
+ "learning_rate": 5.732301519059903e-07,
85
+ "loss": 4.6835,
86
+ "step": 1100
87
+ },
88
+ {
89
+ "epoch": 0.025013549005711427,
90
+ "grad_norm": 2.0767664909362793,
91
+ "learning_rate": 6.253419838974439e-07,
92
+ "loss": 4.5978,
93
+ "step": 1200
94
+ },
95
+ {
96
+ "epoch": 0.027098011422854045,
97
+ "grad_norm": 5.158967018127441,
98
+ "learning_rate": 6.774538158888977e-07,
99
+ "loss": 4.5468,
100
+ "step": 1300
101
+ },
102
+ {
103
+ "epoch": 0.029182473839996666,
104
+ "grad_norm": 2.4854819774627686,
105
+ "learning_rate": 7.295656478803513e-07,
106
+ "loss": 4.4797,
107
+ "step": 1400
108
+ },
109
+ {
110
+ "epoch": 0.031266936257139284,
111
+ "grad_norm": 2.1669373512268066,
112
+ "learning_rate": 7.81677479871805e-07,
113
+ "loss": 4.4619,
114
+ "step": 1500
115
+ },
116
+ {
117
+ "epoch": 0.033351398674281905,
118
+ "grad_norm": 3.4315173625946045,
119
+ "learning_rate": 8.337893118632586e-07,
120
+ "loss": 4.4004,
121
+ "step": 1600
122
+ },
123
+ {
124
+ "epoch": 0.03543586109142452,
125
+ "grad_norm": 4.037099361419678,
126
+ "learning_rate": 8.859011438547123e-07,
127
+ "loss": 4.3784,
128
+ "step": 1700
129
+ },
130
+ {
131
+ "epoch": 0.03752032350856714,
132
+ "grad_norm": 1.5988932847976685,
133
+ "learning_rate": 9.380129758461659e-07,
134
+ "loss": 4.3,
135
+ "step": 1800
136
+ },
137
+ {
138
+ "epoch": 0.03960478592570976,
139
+ "grad_norm": 3.557048797607422,
140
+ "learning_rate": 9.901248078376196e-07,
141
+ "loss": 4.2595,
142
+ "step": 1900
143
+ },
144
+ {
145
+ "epoch": 0.04168924834285238,
146
+ "grad_norm": 2.08551025390625,
147
+ "learning_rate": 1.0422366398290733e-06,
148
+ "loss": 4.2167,
149
+ "step": 2000
150
+ },
151
+ {
152
+ "epoch": 0.043773710759995,
153
+ "grad_norm": 2.8505704402923584,
154
+ "learning_rate": 1.094348471820527e-06,
155
+ "loss": 4.177,
156
+ "step": 2100
157
+ },
158
+ {
159
+ "epoch": 0.04585817317713762,
160
+ "grad_norm": 3.39355206489563,
161
+ "learning_rate": 1.1464603038119807e-06,
162
+ "loss": 4.1004,
163
+ "step": 2200
164
+ },
165
+ {
166
+ "epoch": 0.04794263559428023,
167
+ "grad_norm": 4.5188093185424805,
168
+ "learning_rate": 1.1985721358034343e-06,
169
+ "loss": 3.9719,
170
+ "step": 2300
171
+ },
172
+ {
173
+ "epoch": 0.050027098011422855,
174
+ "grad_norm": 6.547112464904785,
175
+ "learning_rate": 1.2506839677948878e-06,
176
+ "loss": 3.8793,
177
+ "step": 2400
178
+ },
179
+ {
180
+ "epoch": 0.052111560428565476,
181
+ "grad_norm": 3.9441330432891846,
182
+ "learning_rate": 1.3027957997863417e-06,
183
+ "loss": 3.7997,
184
+ "step": 2500
185
+ },
186
+ {
187
+ "epoch": 0.05419602284570809,
188
+ "grad_norm": 18.23339080810547,
189
+ "learning_rate": 1.3549076317777954e-06,
190
+ "loss": 3.6307,
191
+ "step": 2600
192
+ },
193
+ {
194
+ "epoch": 0.05628048526285071,
195
+ "grad_norm": 3.295428991317749,
196
+ "learning_rate": 1.4070194637692489e-06,
197
+ "loss": 3.5646,
198
+ "step": 2700
199
+ },
200
+ {
201
+ "epoch": 0.05836494767999333,
202
+ "grad_norm": 15.891700744628906,
203
+ "learning_rate": 1.4591312957607026e-06,
204
+ "loss": 3.4813,
205
+ "step": 2800
206
+ },
207
+ {
208
+ "epoch": 0.06044941009713595,
209
+ "grad_norm": 5.232209205627441,
210
+ "learning_rate": 1.5112431277521565e-06,
211
+ "loss": 3.389,
212
+ "step": 2900
213
+ },
214
+ {
215
+ "epoch": 0.06253387251427857,
216
+ "grad_norm": 9.18393611907959,
217
+ "learning_rate": 1.56335495974361e-06,
218
+ "loss": 3.3027,
219
+ "step": 3000
220
+ },
221
+ {
222
+ "epoch": 0.06461833493142119,
223
+ "grad_norm": 12.729754447937012,
224
+ "learning_rate": 1.6154667917350636e-06,
225
+ "loss": 3.2259,
226
+ "step": 3100
227
+ },
228
+ {
229
+ "epoch": 0.06670279734856381,
230
+ "grad_norm": 4.382412433624268,
231
+ "learning_rate": 1.6675786237265173e-06,
232
+ "loss": 3.1394,
233
+ "step": 3200
234
+ },
235
+ {
236
+ "epoch": 0.06878725976570642,
237
+ "grad_norm": 5.850008964538574,
238
+ "learning_rate": 1.7196904557179708e-06,
239
+ "loss": 3.093,
240
+ "step": 3300
241
+ },
242
+ {
243
+ "epoch": 0.07087172218284904,
244
+ "grad_norm": 3.021024227142334,
245
+ "learning_rate": 1.7718022877094247e-06,
246
+ "loss": 2.9828,
247
+ "step": 3400
248
+ },
249
+ {
250
+ "epoch": 0.07295618459999166,
251
+ "grad_norm": 2.3273675441741943,
252
+ "learning_rate": 1.8239141197008784e-06,
253
+ "loss": 2.921,
254
+ "step": 3500
255
+ },
256
+ {
257
+ "epoch": 0.07504064701713428,
258
+ "grad_norm": 3.740726947784424,
259
+ "learning_rate": 1.8760259516923318e-06,
260
+ "loss": 2.8224,
261
+ "step": 3600
262
+ },
263
+ {
264
+ "epoch": 0.0771251094342769,
265
+ "grad_norm": 2.0490314960479736,
266
+ "learning_rate": 1.9281377836837857e-06,
267
+ "loss": 2.8053,
268
+ "step": 3700
269
+ },
270
+ {
271
+ "epoch": 0.07920957185141952,
272
+ "grad_norm": 4.149216651916504,
273
+ "learning_rate": 1.980249615675239e-06,
274
+ "loss": 2.8044,
275
+ "step": 3800
276
+ },
277
+ {
278
+ "epoch": 0.08129403426856213,
279
+ "grad_norm": 2.3400914669036865,
280
+ "learning_rate": 2.0323614476666927e-06,
281
+ "loss": 2.7467,
282
+ "step": 3900
283
+ },
284
+ {
285
+ "epoch": 0.08337849668570475,
286
+ "grad_norm": 8.31890869140625,
287
+ "learning_rate": 2.0844732796581466e-06,
288
+ "loss": 2.7686,
289
+ "step": 4000
290
+ },
291
+ {
292
+ "epoch": 0.08546295910284737,
293
+ "grad_norm": 5.363232135772705,
294
+ "learning_rate": 2.1365851116496005e-06,
295
+ "loss": 2.7288,
296
+ "step": 4100
297
+ },
298
+ {
299
+ "epoch": 0.08754742151999,
300
+ "grad_norm": 2.7400481700897217,
301
+ "learning_rate": 2.188696943641054e-06,
302
+ "loss": 2.6961,
303
+ "step": 4200
304
+ },
305
+ {
306
+ "epoch": 0.08963188393713262,
307
+ "grad_norm": 1.5836577415466309,
308
+ "learning_rate": 2.2408087756325074e-06,
309
+ "loss": 2.6586,
310
+ "step": 4300
311
+ },
312
+ {
313
+ "epoch": 0.09171634635427524,
314
+ "grad_norm": 1.6861375570297241,
315
+ "learning_rate": 2.2929206076239613e-06,
316
+ "loss": 2.6471,
317
+ "step": 4400
318
+ },
319
+ {
320
+ "epoch": 0.09380080877141785,
321
+ "grad_norm": 2.1874806880950928,
322
+ "learning_rate": 2.3450324396154148e-06,
323
+ "loss": 2.64,
324
+ "step": 4500
325
+ },
326
+ {
327
+ "epoch": 0.09588527118856047,
328
+ "grad_norm": 1.5436290502548218,
329
+ "learning_rate": 2.3971442716068687e-06,
330
+ "loss": 2.6245,
331
+ "step": 4600
332
+ },
333
+ {
334
+ "epoch": 0.09796973360570309,
335
+ "grad_norm": 1.6910173892974854,
336
+ "learning_rate": 2.449256103598322e-06,
337
+ "loss": 2.5595,
338
+ "step": 4700
339
+ },
340
+ {
341
+ "epoch": 0.10005419602284571,
342
+ "grad_norm": 1.635819673538208,
343
+ "learning_rate": 2.5013679355897756e-06,
344
+ "loss": 2.5527,
345
+ "step": 4800
346
+ },
347
+ {
348
+ "epoch": 0.10213865843998833,
349
+ "grad_norm": 1.5254827737808228,
350
+ "learning_rate": 2.5534797675812295e-06,
351
+ "loss": 2.5624,
352
+ "step": 4900
353
+ },
354
+ {
355
+ "epoch": 0.10422312085713095,
356
+ "grad_norm": 2.539045810699463,
357
+ "learning_rate": 2.6055915995726834e-06,
358
+ "loss": 2.5594,
359
+ "step": 5000
360
+ },
361
+ {
362
+ "epoch": 0.10630758327427356,
363
+ "grad_norm": 1.8983627557754517,
364
+ "learning_rate": 2.657703431564137e-06,
365
+ "loss": 2.5547,
366
+ "step": 5100
367
+ },
368
+ {
369
+ "epoch": 0.10839204569141618,
370
+ "grad_norm": 1.4213758707046509,
371
+ "learning_rate": 2.709815263555591e-06,
372
+ "loss": 2.5026,
373
+ "step": 5200
374
+ },
375
+ {
376
+ "epoch": 0.1104765081085588,
377
+ "grad_norm": 1.7480638027191162,
378
+ "learning_rate": 2.761927095547044e-06,
379
+ "loss": 2.514,
380
+ "step": 5300
381
+ },
382
+ {
383
+ "epoch": 0.11256097052570142,
384
+ "grad_norm": 1.9647337198257446,
385
+ "learning_rate": 2.8140389275384977e-06,
386
+ "loss": 2.5433,
387
+ "step": 5400
388
+ },
389
+ {
390
+ "epoch": 0.11464543294284404,
391
+ "grad_norm": 2.1344046592712402,
392
+ "learning_rate": 2.8661507595299516e-06,
393
+ "loss": 2.5185,
394
+ "step": 5500
395
+ },
396
+ {
397
+ "epoch": 0.11672989535998667,
398
+ "grad_norm": 2.501701593399048,
399
+ "learning_rate": 2.918262591521405e-06,
400
+ "loss": 2.516,
401
+ "step": 5600
402
+ },
403
+ {
404
+ "epoch": 0.11881435777712927,
405
+ "grad_norm": 3.260753631591797,
406
+ "learning_rate": 2.970374423512859e-06,
407
+ "loss": 2.4857,
408
+ "step": 5700
409
+ },
410
+ {
411
+ "epoch": 0.1208988201942719,
412
+ "grad_norm": 2.426595687866211,
413
+ "learning_rate": 3.022486255504313e-06,
414
+ "loss": 2.4193,
415
+ "step": 5800
416
+ },
417
+ {
418
+ "epoch": 0.12298328261141452,
419
+ "grad_norm": 2.5531206130981445,
420
+ "learning_rate": 3.074598087495766e-06,
421
+ "loss": 2.458,
422
+ "step": 5900
423
+ },
424
+ {
425
+ "epoch": 0.12506774502855714,
426
+ "grad_norm": 4.4168243408203125,
427
+ "learning_rate": 3.12670991948722e-06,
428
+ "loss": 2.4794,
429
+ "step": 6000
430
+ },
431
+ {
432
+ "epoch": 0.12715220744569974,
433
+ "grad_norm": 3.948293924331665,
434
+ "learning_rate": 3.1788217514786733e-06,
435
+ "loss": 2.4691,
436
+ "step": 6100
437
+ },
438
+ {
439
+ "epoch": 0.12923666986284238,
440
+ "grad_norm": 1.663045048713684,
441
+ "learning_rate": 3.2309335834701272e-06,
442
+ "loss": 2.4494,
443
+ "step": 6200
444
+ },
445
+ {
446
+ "epoch": 0.131321132279985,
447
+ "grad_norm": 3.5404489040374756,
448
+ "learning_rate": 3.283045415461581e-06,
449
+ "loss": 2.428,
450
+ "step": 6300
451
+ },
452
+ {
453
+ "epoch": 0.13340559469712762,
454
+ "grad_norm": 1.4624788761138916,
455
+ "learning_rate": 3.3351572474530346e-06,
456
+ "loss": 2.3999,
457
+ "step": 6400
458
+ },
459
+ {
460
+ "epoch": 0.13549005711427023,
461
+ "grad_norm": 2.683394432067871,
462
+ "learning_rate": 3.387269079444488e-06,
463
+ "loss": 2.417,
464
+ "step": 6500
465
+ },
466
+ {
467
+ "epoch": 0.13757451953141284,
468
+ "grad_norm": 2.5286734104156494,
469
+ "learning_rate": 3.4393809114359415e-06,
470
+ "loss": 2.423,
471
+ "step": 6600
472
+ },
473
+ {
474
+ "epoch": 0.13965898194855547,
475
+ "grad_norm": 1.595863938331604,
476
+ "learning_rate": 3.4914927434273954e-06,
477
+ "loss": 2.433,
478
+ "step": 6700
479
+ },
480
+ {
481
+ "epoch": 0.14174344436569808,
482
+ "grad_norm": 5.466402053833008,
483
+ "learning_rate": 3.5436045754188493e-06,
484
+ "loss": 2.4116,
485
+ "step": 6800
486
+ },
487
+ {
488
+ "epoch": 0.14382790678284071,
489
+ "grad_norm": 1.5954893827438354,
490
+ "learning_rate": 3.595716407410303e-06,
491
+ "loss": 2.3939,
492
+ "step": 6900
493
+ },
494
+ {
495
+ "epoch": 0.14591236919998332,
496
+ "grad_norm": 2.247056007385254,
497
+ "learning_rate": 3.6478282394017567e-06,
498
+ "loss": 2.3678,
499
+ "step": 7000
500
+ },
501
+ {
502
+ "epoch": 0.14799683161712596,
503
+ "grad_norm": 5.489955425262451,
504
+ "learning_rate": 3.6999400713932098e-06,
505
+ "loss": 2.3802,
506
+ "step": 7100
507
+ },
508
+ {
509
+ "epoch": 0.15008129403426856,
510
+ "grad_norm": 1.5120584964752197,
511
+ "learning_rate": 3.7520519033846637e-06,
512
+ "loss": 2.3891,
513
+ "step": 7200
514
+ },
515
+ {
516
+ "epoch": 0.15216575645141117,
517
+ "grad_norm": 2.228731870651245,
518
+ "learning_rate": 3.8041637353761176e-06,
519
+ "loss": 2.3644,
520
+ "step": 7300
521
+ },
522
+ {
523
+ "epoch": 0.1542502188685538,
524
+ "grad_norm": 1.7720115184783936,
525
+ "learning_rate": 3.8562755673675715e-06,
526
+ "loss": 2.3507,
527
+ "step": 7400
528
+ },
529
+ {
530
+ "epoch": 0.15633468128569641,
531
+ "grad_norm": 4.0883331298828125,
532
+ "learning_rate": 3.9083873993590245e-06,
533
+ "loss": 2.3572,
534
+ "step": 7500
535
+ },
536
+ {
537
+ "epoch": 0.15841914370283905,
538
+ "grad_norm": 1.3633663654327393,
539
+ "learning_rate": 3.960499231350478e-06,
540
+ "loss": 2.3387,
541
+ "step": 7600
542
+ },
543
+ {
544
+ "epoch": 0.16050360611998166,
545
+ "grad_norm": 3.6679422855377197,
546
+ "learning_rate": 4.0126110633419315e-06,
547
+ "loss": 2.3446,
548
+ "step": 7700
549
+ },
550
+ {
551
+ "epoch": 0.16258806853712426,
552
+ "grad_norm": 2.032133102416992,
553
+ "learning_rate": 4.064722895333385e-06,
554
+ "loss": 2.3273,
555
+ "step": 7800
556
+ },
557
+ {
558
+ "epoch": 0.1646725309542669,
559
+ "grad_norm": 1.4509003162384033,
560
+ "learning_rate": 4.116834727324839e-06,
561
+ "loss": 2.3072,
562
+ "step": 7900
563
+ },
564
+ {
565
+ "epoch": 0.1667569933714095,
566
+ "grad_norm": 4.3479413986206055,
567
+ "learning_rate": 4.168946559316293e-06,
568
+ "loss": 2.3016,
569
+ "step": 8000
570
+ },
571
+ {
572
+ "epoch": 0.16884145578855214,
573
+ "grad_norm": 12.375444412231445,
574
+ "learning_rate": 4.221058391307747e-06,
575
+ "loss": 2.3145,
576
+ "step": 8100
577
+ },
578
+ {
579
+ "epoch": 0.17092591820569475,
580
+ "grad_norm": 1.4382028579711914,
581
+ "learning_rate": 4.273170223299201e-06,
582
+ "loss": 2.274,
583
+ "step": 8200
584
+ },
585
+ {
586
+ "epoch": 0.17301038062283736,
587
+ "grad_norm": 7.938540458679199,
588
+ "learning_rate": 4.325282055290654e-06,
589
+ "loss": 2.2873,
590
+ "step": 8300
591
+ },
592
+ {
593
+ "epoch": 0.17509484303998,
594
+ "grad_norm": 2.1342923641204834,
595
+ "learning_rate": 4.377393887282108e-06,
596
+ "loss": 2.2906,
597
+ "step": 8400
598
+ },
599
+ {
600
+ "epoch": 0.1771793054571226,
601
+ "grad_norm": 1.8758960962295532,
602
+ "learning_rate": 4.429505719273561e-06,
603
+ "loss": 2.2879,
604
+ "step": 8500
605
+ },
606
+ {
607
+ "epoch": 0.17926376787426523,
608
+ "grad_norm": 6.642971038818359,
609
+ "learning_rate": 4.481617551265015e-06,
610
+ "loss": 2.2867,
611
+ "step": 8600
612
+ },
613
+ {
614
+ "epoch": 0.18134823029140784,
615
+ "grad_norm": 5.171383380889893,
616
+ "learning_rate": 4.533729383256469e-06,
617
+ "loss": 2.2571,
618
+ "step": 8700
619
+ },
620
+ {
621
+ "epoch": 0.18343269270855048,
622
+ "grad_norm": 1.664364218711853,
623
+ "learning_rate": 4.585841215247923e-06,
624
+ "loss": 2.2709,
625
+ "step": 8800
626
+ },
627
+ {
628
+ "epoch": 0.18551715512569308,
629
+ "grad_norm": 7.0319719314575195,
630
+ "learning_rate": 4.6379530472393765e-06,
631
+ "loss": 2.2643,
632
+ "step": 8900
633
+ },
634
+ {
635
+ "epoch": 0.1876016175428357,
636
+ "grad_norm": 2.7922122478485107,
637
+ "learning_rate": 4.6900648792308296e-06,
638
+ "loss": 2.2473,
639
+ "step": 9000
640
+ },
641
+ {
642
+ "epoch": 0.18968607995997833,
643
+ "grad_norm": 1.8431055545806885,
644
+ "learning_rate": 4.7421767112222835e-06,
645
+ "loss": 2.2499,
646
+ "step": 9100
647
+ },
648
+ {
649
+ "epoch": 0.19177054237712093,
650
+ "grad_norm": 3.7758209705352783,
651
+ "learning_rate": 4.794288543213737e-06,
652
+ "loss": 2.2595,
653
+ "step": 9200
654
+ },
655
+ {
656
+ "epoch": 0.19385500479426357,
657
+ "grad_norm": 2.5738108158111572,
658
+ "learning_rate": 4.84640037520519e-06,
659
+ "loss": 2.2364,
660
+ "step": 9300
661
+ },
662
+ {
663
+ "epoch": 0.19593946721140618,
664
+ "grad_norm": 9.412129402160645,
665
+ "learning_rate": 4.898512207196644e-06,
666
+ "loss": 2.2371,
667
+ "step": 9400
668
+ },
669
+ {
670
+ "epoch": 0.19802392962854878,
671
+ "grad_norm": 1.357433795928955,
672
+ "learning_rate": 4.950624039188098e-06,
673
+ "loss": 2.2418,
674
+ "step": 9500
675
+ },
676
+ {
677
+ "epoch": 0.20010839204569142,
678
+ "grad_norm": 9.067081451416016,
679
+ "learning_rate": 5.002735871179551e-06,
680
+ "loss": 2.2445,
681
+ "step": 9600
682
+ },
683
+ {
684
+ "epoch": 0.20219285446283403,
685
+ "grad_norm": 2.770761728286743,
686
+ "learning_rate": 5.054847703171005e-06,
687
+ "loss": 2.2224,
688
+ "step": 9700
689
+ },
690
+ {
691
+ "epoch": 0.20427731687997666,
692
+ "grad_norm": 1.7720422744750977,
693
+ "learning_rate": 5.106959535162459e-06,
694
+ "loss": 2.2507,
695
+ "step": 9800
696
+ },
697
+ {
698
+ "epoch": 0.20636177929711927,
699
+ "grad_norm": 5.686391830444336,
700
+ "learning_rate": 5.159071367153913e-06,
701
+ "loss": 2.233,
702
+ "step": 9900
703
+ },
704
+ {
705
+ "epoch": 0.2084462417142619,
706
+ "grad_norm": 6.246903419494629,
707
+ "learning_rate": 5.211183199145367e-06,
708
+ "loss": 2.2266,
709
+ "step": 10000
710
+ },
711
+ {
712
+ "epoch": 0.2105307041314045,
713
+ "grad_norm": 7.122190475463867,
714
+ "learning_rate": 5.26329503113682e-06,
715
+ "loss": 2.239,
716
+ "step": 10100
717
+ },
718
+ {
719
+ "epoch": 0.21261516654854712,
720
+ "grad_norm": 2.073593854904175,
721
+ "learning_rate": 5.315406863128274e-06,
722
+ "loss": 2.2405,
723
+ "step": 10200
724
+ },
725
+ {
726
+ "epoch": 0.21469962896568975,
727
+ "grad_norm": 2.734534740447998,
728
+ "learning_rate": 5.367518695119728e-06,
729
+ "loss": 2.2019,
730
+ "step": 10300
731
+ },
732
+ {
733
+ "epoch": 0.21678409138283236,
734
+ "grad_norm": 3.9620697498321533,
735
+ "learning_rate": 5.419630527111182e-06,
736
+ "loss": 2.2132,
737
+ "step": 10400
738
+ },
739
+ {
740
+ "epoch": 0.218868553799975,
741
+ "grad_norm": 4.667324542999268,
742
+ "learning_rate": 5.471742359102634e-06,
743
+ "loss": 2.2028,
744
+ "step": 10500
745
+ },
746
+ {
747
+ "epoch": 0.2209530162171176,
748
+ "grad_norm": 2.702505111694336,
749
+ "learning_rate": 5.523854191094088e-06,
750
+ "loss": 2.2188,
751
+ "step": 10600
752
+ },
753
+ {
754
+ "epoch": 0.2230374786342602,
755
+ "grad_norm": 2.8783977031707764,
756
+ "learning_rate": 5.575966023085542e-06,
757
+ "loss": 2.2058,
758
+ "step": 10700
759
+ },
760
+ {
761
+ "epoch": 0.22512194105140285,
762
+ "grad_norm": 4.026909351348877,
763
+ "learning_rate": 5.6280778550769955e-06,
764
+ "loss": 2.2147,
765
+ "step": 10800
766
+ },
767
+ {
768
+ "epoch": 0.22720640346854545,
769
+ "grad_norm": 2.730255126953125,
770
+ "learning_rate": 5.680189687068449e-06,
771
+ "loss": 2.203,
772
+ "step": 10900
773
+ },
774
+ {
775
+ "epoch": 0.2292908658856881,
776
+ "grad_norm": 1.5225945711135864,
777
+ "learning_rate": 5.732301519059903e-06,
778
+ "loss": 2.1795,
779
+ "step": 11000
780
+ },
781
+ {
782
+ "epoch": 0.2313753283028307,
783
+ "grad_norm": 2.083085775375366,
784
+ "learning_rate": 5.784413351051356e-06,
785
+ "loss": 2.1758,
786
+ "step": 11100
787
+ },
788
+ {
789
+ "epoch": 0.23345979071997333,
790
+ "grad_norm": 3.0502681732177734,
791
+ "learning_rate": 5.83652518304281e-06,
792
+ "loss": 2.1901,
793
+ "step": 11200
794
+ },
795
+ {
796
+ "epoch": 0.23554425313711594,
797
+ "grad_norm": 1.8443273305892944,
798
+ "learning_rate": 5.888637015034264e-06,
799
+ "loss": 2.1827,
800
+ "step": 11300
801
+ },
802
+ {
803
+ "epoch": 0.23762871555425855,
804
+ "grad_norm": 2.201040506362915,
805
+ "learning_rate": 5.940748847025718e-06,
806
+ "loss": 2.1681,
807
+ "step": 11400
808
+ },
809
+ {
810
+ "epoch": 0.23971317797140118,
811
+ "grad_norm": 4.19305419921875,
812
+ "learning_rate": 5.992860679017172e-06,
813
+ "loss": 2.1854,
814
+ "step": 11500
815
+ },
816
+ {
817
+ "epoch": 0.2417976403885438,
818
+ "grad_norm": 1.3625741004943848,
819
+ "learning_rate": 6.044972511008626e-06,
820
+ "loss": 2.1777,
821
+ "step": 11600
822
+ },
823
+ {
824
+ "epoch": 0.24388210280568642,
825
+ "grad_norm": 2.7626659870147705,
826
+ "learning_rate": 6.097084343000078e-06,
827
+ "loss": 2.1823,
828
+ "step": 11700
829
+ },
830
+ {
831
+ "epoch": 0.24596656522282903,
832
+ "grad_norm": 5.543747901916504,
833
+ "learning_rate": 6.149196174991532e-06,
834
+ "loss": 2.1628,
835
+ "step": 11800
836
+ },
837
+ {
838
+ "epoch": 0.24805102763997164,
839
+ "grad_norm": 1.4751501083374023,
840
+ "learning_rate": 6.201308006982986e-06,
841
+ "loss": 2.162,
842
+ "step": 11900
843
+ },
844
+ {
845
+ "epoch": 0.2501354900571143,
846
+ "grad_norm": 2.3164498805999756,
847
+ "learning_rate": 6.25341983897444e-06,
848
+ "loss": 2.1571,
849
+ "step": 12000
850
+ },
851
+ {
852
+ "epoch": 0.2522199524742569,
853
+ "grad_norm": 1.5216565132141113,
854
+ "learning_rate": 6.305531670965893e-06,
855
+ "loss": 2.1822,
856
+ "step": 12100
857
+ },
858
+ {
859
+ "epoch": 0.2543044148913995,
860
+ "grad_norm": 2.282949924468994,
861
+ "learning_rate": 6.357643502957347e-06,
862
+ "loss": 2.1718,
863
+ "step": 12200
864
+ },
865
+ {
866
+ "epoch": 0.25638887730854215,
867
+ "grad_norm": 1.349082112312317,
868
+ "learning_rate": 6.4097553349488006e-06,
869
+ "loss": 2.1843,
870
+ "step": 12300
871
+ },
872
+ {
873
+ "epoch": 0.25847333972568476,
874
+ "grad_norm": 3.20103120803833,
875
+ "learning_rate": 6.4618671669402545e-06,
876
+ "loss": 2.1698,
877
+ "step": 12400
878
+ },
879
+ {
880
+ "epoch": 0.26055780214282737,
881
+ "grad_norm": 1.9603382349014282,
882
+ "learning_rate": 6.513978998931708e-06,
883
+ "loss": 2.1502,
884
+ "step": 12500
885
+ },
886
+ {
887
+ "epoch": 0.26264226455997,
888
+ "grad_norm": 3.995859384536743,
889
+ "learning_rate": 6.566090830923162e-06,
890
+ "loss": 2.1536,
891
+ "step": 12600
892
+ },
893
+ {
894
+ "epoch": 0.2647267269771126,
895
+ "grad_norm": 4.198755264282227,
896
+ "learning_rate": 6.618202662914615e-06,
897
+ "loss": 2.1655,
898
+ "step": 12700
899
+ },
900
+ {
901
+ "epoch": 0.26681118939425524,
902
+ "grad_norm": 9.24932861328125,
903
+ "learning_rate": 6.670314494906069e-06,
904
+ "loss": 2.1528,
905
+ "step": 12800
906
+ },
907
+ {
908
+ "epoch": 0.26889565181139785,
909
+ "grad_norm": 2.8210318088531494,
910
+ "learning_rate": 6.722426326897523e-06,
911
+ "loss": 2.1388,
912
+ "step": 12900
913
+ },
914
+ {
915
+ "epoch": 0.27098011422854046,
916
+ "grad_norm": 1.819380760192871,
917
+ "learning_rate": 6.774538158888976e-06,
918
+ "loss": 2.1477,
919
+ "step": 13000
920
+ },
921
+ {
922
+ "epoch": 0.27306457664568307,
923
+ "grad_norm": 2.15307354927063,
924
+ "learning_rate": 6.826649990880429e-06,
925
+ "loss": 2.1549,
926
+ "step": 13100
927
+ },
928
+ {
929
+ "epoch": 0.2751490390628257,
930
+ "grad_norm": 3.6344521045684814,
931
+ "learning_rate": 6.878761822871883e-06,
932
+ "loss": 2.1478,
933
+ "step": 13200
934
+ },
935
+ {
936
+ "epoch": 0.27723350147996834,
937
+ "grad_norm": 3.5121541023254395,
938
+ "learning_rate": 6.930873654863337e-06,
939
+ "loss": 2.1366,
940
+ "step": 13300
941
+ },
942
+ {
943
+ "epoch": 0.27931796389711094,
944
+ "grad_norm": 1.6062060594558716,
945
+ "learning_rate": 6.982985486854791e-06,
946
+ "loss": 2.1338,
947
+ "step": 13400
948
+ },
949
+ {
950
+ "epoch": 0.28140242631425355,
951
+ "grad_norm": 3.3421785831451416,
952
+ "learning_rate": 7.035097318846245e-06,
953
+ "loss": 2.1485,
954
+ "step": 13500
955
+ },
956
+ {
957
+ "epoch": 0.28348688873139616,
958
+ "grad_norm": 1.5233893394470215,
959
+ "learning_rate": 7.087209150837699e-06,
960
+ "loss": 2.1412,
961
+ "step": 13600
962
+ },
963
+ {
964
+ "epoch": 0.28557135114853877,
965
+ "grad_norm": 12.393982887268066,
966
+ "learning_rate": 7.139320982829152e-06,
967
+ "loss": 2.1399,
968
+ "step": 13700
969
+ },
970
+ {
971
+ "epoch": 0.28765581356568143,
972
+ "grad_norm": 2.9735476970672607,
973
+ "learning_rate": 7.191432814820606e-06,
974
+ "loss": 2.143,
975
+ "step": 13800
976
+ },
977
+ {
978
+ "epoch": 0.28974027598282404,
979
+ "grad_norm": 2.875746965408325,
980
+ "learning_rate": 7.2435446468120595e-06,
981
+ "loss": 2.1396,
982
+ "step": 13900
983
+ },
984
+ {
985
+ "epoch": 0.29182473839996664,
986
+ "grad_norm": 1.34048330783844,
987
+ "learning_rate": 7.2956564788035134e-06,
988
+ "loss": 2.1132,
989
+ "step": 14000
990
+ },
991
+ {
992
+ "epoch": 0.29390920081710925,
993
+ "grad_norm": 1.4782146215438843,
994
+ "learning_rate": 7.347768310794967e-06,
995
+ "loss": 2.1326,
996
+ "step": 14100
997
+ },
998
+ {
999
+ "epoch": 0.2959936632342519,
1000
+ "grad_norm": 2.069708824157715,
1001
+ "learning_rate": 7.3998801427864195e-06,
1002
+ "loss": 2.1433,
1003
+ "step": 14200
1004
+ },
1005
+ {
1006
+ "epoch": 0.2980781256513945,
1007
+ "grad_norm": 1.770173192024231,
1008
+ "learning_rate": 7.451991974777873e-06,
1009
+ "loss": 2.1154,
1010
+ "step": 14300
1011
+ },
1012
+ {
1013
+ "epoch": 0.30016258806853713,
1014
+ "grad_norm": 2.3121659755706787,
1015
+ "learning_rate": 7.504103806769327e-06,
1016
+ "loss": 2.1279,
1017
+ "step": 14400
1018
+ },
1019
+ {
1020
+ "epoch": 0.30224705048567974,
1021
+ "grad_norm": 1.7393426895141602,
1022
+ "learning_rate": 7.556215638760781e-06,
1023
+ "loss": 2.1328,
1024
+ "step": 14500
1025
+ },
1026
+ {
1027
+ "epoch": 0.30433151290282234,
1028
+ "grad_norm": 1.6336350440979004,
1029
+ "learning_rate": 7.608327470752235e-06,
1030
+ "loss": 2.0962,
1031
+ "step": 14600
1032
+ },
1033
+ {
1034
+ "epoch": 0.306415975319965,
1035
+ "grad_norm": 1.4256808757781982,
1036
+ "learning_rate": 7.660439302743689e-06,
1037
+ "loss": 2.1283,
1038
+ "step": 14700
1039
+ },
1040
+ {
1041
+ "epoch": 0.3085004377371076,
1042
+ "grad_norm": 1.3236781358718872,
1043
+ "learning_rate": 7.712551134735143e-06,
1044
+ "loss": 2.1225,
1045
+ "step": 14800
1046
+ },
1047
+ {
1048
+ "epoch": 0.3105849001542502,
1049
+ "grad_norm": 15.130003929138184,
1050
+ "learning_rate": 7.764662966726597e-06,
1051
+ "loss": 2.1256,
1052
+ "step": 14900
1053
+ },
1054
+ {
1055
+ "epoch": 0.31266936257139283,
1056
+ "grad_norm": 3.1798925399780273,
1057
+ "learning_rate": 7.816774798718049e-06,
1058
+ "loss": 2.1199,
1059
+ "step": 15000
1060
+ },
1061
+ {
1062
+ "epoch": 0.31475382498853544,
1063
+ "grad_norm": 3.058833599090576,
1064
+ "learning_rate": 7.868886630709503e-06,
1065
+ "loss": 2.1067,
1066
+ "step": 15100
1067
+ },
1068
+ {
1069
+ "epoch": 0.3168382874056781,
1070
+ "grad_norm": 2.1483590602874756,
1071
+ "learning_rate": 7.920998462700957e-06,
1072
+ "loss": 2.0995,
1073
+ "step": 15200
1074
+ },
1075
+ {
1076
+ "epoch": 0.3189227498228207,
1077
+ "grad_norm": 1.3835676908493042,
1078
+ "learning_rate": 7.97311029469241e-06,
1079
+ "loss": 2.1013,
1080
+ "step": 15300
1081
+ },
1082
+ {
1083
+ "epoch": 0.3210072122399633,
1084
+ "grad_norm": 1.9250987768173218,
1085
+ "learning_rate": 8.025222126683863e-06,
1086
+ "loss": 2.1124,
1087
+ "step": 15400
1088
+ },
1089
+ {
1090
+ "epoch": 0.3230916746571059,
1091
+ "grad_norm": 10.668524742126465,
1092
+ "learning_rate": 8.077333958675317e-06,
1093
+ "loss": 2.0705,
1094
+ "step": 15500
1095
+ },
1096
+ {
1097
+ "epoch": 0.32517613707424853,
1098
+ "grad_norm": 1.4059637784957886,
1099
+ "learning_rate": 8.12944579066677e-06,
1100
+ "loss": 2.1161,
1101
+ "step": 15600
1102
+ },
1103
+ {
1104
+ "epoch": 0.3272605994913912,
1105
+ "grad_norm": 1.4063282012939453,
1106
+ "learning_rate": 8.181557622658225e-06,
1107
+ "loss": 2.1158,
1108
+ "step": 15700
1109
+ },
1110
+ {
1111
+ "epoch": 0.3293450619085338,
1112
+ "grad_norm": 1.4921411275863647,
1113
+ "learning_rate": 8.233669454649678e-06,
1114
+ "loss": 2.0935,
1115
+ "step": 15800
1116
+ },
1117
+ {
1118
+ "epoch": 0.3314295243256764,
1119
+ "grad_norm": 1.4278446435928345,
1120
+ "learning_rate": 8.285781286641132e-06,
1121
+ "loss": 2.0921,
1122
+ "step": 15900
1123
+ },
1124
+ {
1125
+ "epoch": 0.333513986742819,
1126
+ "grad_norm": 1.509752631187439,
1127
+ "learning_rate": 8.337893118632586e-06,
1128
+ "loss": 2.0946,
1129
+ "step": 16000
1130
+ },
1131
+ {
1132
+ "epoch": 0.3355984491599616,
1133
+ "grad_norm": 3.8793394565582275,
1134
+ "learning_rate": 8.39000495062404e-06,
1135
+ "loss": 2.0952,
1136
+ "step": 16100
1137
+ },
1138
+ {
1139
+ "epoch": 0.3376829115771043,
1140
+ "grad_norm": 2.2685413360595703,
1141
+ "learning_rate": 8.442116782615494e-06,
1142
+ "loss": 2.0802,
1143
+ "step": 16200
1144
+ },
1145
+ {
1146
+ "epoch": 0.3397673739942469,
1147
+ "grad_norm": 1.4082143306732178,
1148
+ "learning_rate": 8.494228614606948e-06,
1149
+ "loss": 2.0913,
1150
+ "step": 16300
1151
+ },
1152
+ {
1153
+ "epoch": 0.3418518364113895,
1154
+ "grad_norm": 2.058350086212158,
1155
+ "learning_rate": 8.546340446598402e-06,
1156
+ "loss": 2.1075,
1157
+ "step": 16400
1158
+ },
1159
+ {
1160
+ "epoch": 0.3439362988285321,
1161
+ "grad_norm": 1.5691351890563965,
1162
+ "learning_rate": 8.598452278589856e-06,
1163
+ "loss": 2.0984,
1164
+ "step": 16500
1165
+ },
1166
+ {
1167
+ "epoch": 0.3460207612456747,
1168
+ "grad_norm": 2.385117769241333,
1169
+ "learning_rate": 8.650564110581308e-06,
1170
+ "loss": 2.0793,
1171
+ "step": 16600
1172
+ },
1173
+ {
1174
+ "epoch": 0.3481052236628174,
1175
+ "grad_norm": 2.0215940475463867,
1176
+ "learning_rate": 8.702675942572762e-06,
1177
+ "loss": 2.0739,
1178
+ "step": 16700
1179
+ },
1180
+ {
1181
+ "epoch": 0.35018968607996,
1182
+ "grad_norm": 1.5603607892990112,
1183
+ "learning_rate": 8.754787774564216e-06,
1184
+ "loss": 2.0733,
1185
+ "step": 16800
1186
+ },
1187
+ {
1188
+ "epoch": 0.3522741484971026,
1189
+ "grad_norm": 1.732659101486206,
1190
+ "learning_rate": 8.80689960655567e-06,
1191
+ "loss": 2.0928,
1192
+ "step": 16900
1193
+ },
1194
+ {
1195
+ "epoch": 0.3543586109142452,
1196
+ "grad_norm": 18.339719772338867,
1197
+ "learning_rate": 8.859011438547122e-06,
1198
+ "loss": 2.0802,
1199
+ "step": 17000
1200
+ },
1201
+ {
1202
+ "epoch": 0.35644307333138786,
1203
+ "grad_norm": 1.269181251525879,
1204
+ "learning_rate": 8.911123270538576e-06,
1205
+ "loss": 2.063,
1206
+ "step": 17100
1207
+ },
1208
+ {
1209
+ "epoch": 0.35852753574853047,
1210
+ "grad_norm": 1.4720960855484009,
1211
+ "learning_rate": 8.96323510253003e-06,
1212
+ "loss": 2.0952,
1213
+ "step": 17200
1214
+ },
1215
+ {
1216
+ "epoch": 0.3606119981656731,
1217
+ "grad_norm": 1.8136069774627686,
1218
+ "learning_rate": 9.015346934521484e-06,
1219
+ "loss": 2.0834,
1220
+ "step": 17300
1221
+ },
1222
+ {
1223
+ "epoch": 0.3626964605828157,
1224
+ "grad_norm": 1.4650546312332153,
1225
+ "learning_rate": 9.067458766512937e-06,
1226
+ "loss": 2.0775,
1227
+ "step": 17400
1228
+ },
1229
+ {
1230
+ "epoch": 0.3647809229999583,
1231
+ "grad_norm": 1.538031816482544,
1232
+ "learning_rate": 9.119570598504391e-06,
1233
+ "loss": 2.094,
1234
+ "step": 17500
1235
+ },
1236
+ {
1237
+ "epoch": 0.36686538541710095,
1238
+ "grad_norm": 1.2462719678878784,
1239
+ "learning_rate": 9.171682430495845e-06,
1240
+ "loss": 2.072,
1241
+ "step": 17600
1242
+ },
1243
+ {
1244
+ "epoch": 0.36894984783424356,
1245
+ "grad_norm": 1.4545553922653198,
1246
+ "learning_rate": 9.223794262487299e-06,
1247
+ "loss": 2.0787,
1248
+ "step": 17700
1249
+ },
1250
+ {
1251
+ "epoch": 0.37103431025138617,
1252
+ "grad_norm": 1.3159983158111572,
1253
+ "learning_rate": 9.275906094478753e-06,
1254
+ "loss": 2.0681,
1255
+ "step": 17800
1256
+ },
1257
+ {
1258
+ "epoch": 0.3731187726685288,
1259
+ "grad_norm": 4.405596733093262,
1260
+ "learning_rate": 9.328017926470205e-06,
1261
+ "loss": 2.0666,
1262
+ "step": 17900
1263
+ },
1264
+ {
1265
+ "epoch": 0.3752032350856714,
1266
+ "grad_norm": 1.6247169971466064,
1267
+ "learning_rate": 9.380129758461659e-06,
1268
+ "loss": 2.0682,
1269
+ "step": 18000
1270
+ },
1271
+ {
1272
+ "epoch": 0.37728769750281405,
1273
+ "grad_norm": 1.2033179998397827,
1274
+ "learning_rate": 9.432241590453113e-06,
1275
+ "loss": 2.0714,
1276
+ "step": 18100
1277
+ },
1278
+ {
1279
+ "epoch": 0.37937215991995665,
1280
+ "grad_norm": 1.3838162422180176,
1281
+ "learning_rate": 9.484353422444567e-06,
1282
+ "loss": 2.0692,
1283
+ "step": 18200
1284
+ },
1285
+ {
1286
+ "epoch": 0.38145662233709926,
1287
+ "grad_norm": 1.642264723777771,
1288
+ "learning_rate": 9.53646525443602e-06,
1289
+ "loss": 2.0674,
1290
+ "step": 18300
1291
+ },
1292
+ {
1293
+ "epoch": 0.38354108475424187,
1294
+ "grad_norm": 1.152984619140625,
1295
+ "learning_rate": 9.588577086427475e-06,
1296
+ "loss": 2.0644,
1297
+ "step": 18400
1298
+ },
1299
+ {
1300
+ "epoch": 0.3856255471713845,
1301
+ "grad_norm": 3.9230525493621826,
1302
+ "learning_rate": 9.640688918418929e-06,
1303
+ "loss": 2.0642,
1304
+ "step": 18500
1305
+ },
1306
+ {
1307
+ "epoch": 0.38771000958852714,
1308
+ "grad_norm": 1.4267147779464722,
1309
+ "learning_rate": 9.69280075041038e-06,
1310
+ "loss": 2.0842,
1311
+ "step": 18600
1312
+ },
1313
+ {
1314
+ "epoch": 0.38979447200566975,
1315
+ "grad_norm": 2.8921425342559814,
1316
+ "learning_rate": 9.744912582401835e-06,
1317
+ "loss": 2.0604,
1318
+ "step": 18700
1319
+ },
1320
+ {
1321
+ "epoch": 0.39187893442281235,
1322
+ "grad_norm": 1.3720977306365967,
1323
+ "learning_rate": 9.797024414393289e-06,
1324
+ "loss": 2.0512,
1325
+ "step": 18800
1326
+ },
1327
+ {
1328
+ "epoch": 0.39396339683995496,
1329
+ "grad_norm": 2.229217052459717,
1330
+ "learning_rate": 9.849136246384743e-06,
1331
+ "loss": 2.0377,
1332
+ "step": 18900
1333
+ },
1334
+ {
1335
+ "epoch": 0.39604785925709757,
1336
+ "grad_norm": 1.2066770792007446,
1337
+ "learning_rate": 9.901248078376196e-06,
1338
+ "loss": 2.0627,
1339
+ "step": 19000
1340
+ },
1341
+ {
1342
+ "epoch": 0.39813232167424023,
1343
+ "grad_norm": 1.3302040100097656,
1344
+ "learning_rate": 9.953359910367649e-06,
1345
+ "loss": 2.063,
1346
+ "step": 19100
1347
+ },
1348
+ {
1349
+ "epoch": 0.40021678409138284,
1350
+ "grad_norm": 2.0192320346832275,
1351
+ "learning_rate": 1.0005471742359103e-05,
1352
+ "loss": 2.0521,
1353
+ "step": 19200
1354
+ },
1355
+ {
1356
+ "epoch": 0.40230124650852545,
1357
+ "grad_norm": 1.3492109775543213,
1358
+ "learning_rate": 1.0057583574350558e-05,
1359
+ "loss": 2.0433,
1360
+ "step": 19300
1361
+ },
1362
+ {
1363
+ "epoch": 0.40438570892566805,
1364
+ "grad_norm": 1.3807893991470337,
1365
+ "learning_rate": 1.010969540634201e-05,
1366
+ "loss": 2.0624,
1367
+ "step": 19400
1368
+ },
1369
+ {
1370
+ "epoch": 0.4064701713428107,
1371
+ "grad_norm": 1.525590419769287,
1372
+ "learning_rate": 1.0161807238333466e-05,
1373
+ "loss": 2.0475,
1374
+ "step": 19500
1375
+ },
1376
+ {
1377
+ "epoch": 0.4085546337599533,
1378
+ "grad_norm": 1.2582364082336426,
1379
+ "learning_rate": 1.0213919070324918e-05,
1380
+ "loss": 2.0339,
1381
+ "step": 19600
1382
+ },
1383
+ {
1384
+ "epoch": 0.41063909617709593,
1385
+ "grad_norm": 2.245859146118164,
1386
+ "learning_rate": 1.026603090231637e-05,
1387
+ "loss": 2.0401,
1388
+ "step": 19700
1389
+ },
1390
+ {
1391
+ "epoch": 0.41272355859423854,
1392
+ "grad_norm": 1.3547762632369995,
1393
+ "learning_rate": 1.0318142734307826e-05,
1394
+ "loss": 2.035,
1395
+ "step": 19800
1396
+ },
1397
+ {
1398
+ "epoch": 0.41480802101138115,
1399
+ "grad_norm": 1.5345648527145386,
1400
+ "learning_rate": 1.0370254566299278e-05,
1401
+ "loss": 2.048,
1402
+ "step": 19900
1403
+ },
1404
+ {
1405
+ "epoch": 0.4168924834285238,
1406
+ "grad_norm": 9.708149909973145,
1407
+ "learning_rate": 1.0422366398290734e-05,
1408
+ "loss": 2.0277,
1409
+ "step": 20000
1410
+ },
1411
+ {
1412
+ "epoch": 0.4189769458456664,
1413
+ "grad_norm": 1.277744174003601,
1414
+ "learning_rate": 1.0474478230282186e-05,
1415
+ "loss": 2.046,
1416
+ "step": 20100
1417
+ },
1418
+ {
1419
+ "epoch": 0.421061408262809,
1420
+ "grad_norm": 1.1756649017333984,
1421
+ "learning_rate": 1.052659006227364e-05,
1422
+ "loss": 2.0232,
1423
+ "step": 20200
1424
+ },
1425
+ {
1426
+ "epoch": 0.42314587067995163,
1427
+ "grad_norm": 1.0774590969085693,
1428
+ "learning_rate": 1.0578701894265094e-05,
1429
+ "loss": 2.0486,
1430
+ "step": 20300
1431
+ },
1432
+ {
1433
+ "epoch": 0.42523033309709424,
1434
+ "grad_norm": 1.1391072273254395,
1435
+ "learning_rate": 1.0630813726256548e-05,
1436
+ "loss": 2.0329,
1437
+ "step": 20400
1438
+ },
1439
+ {
1440
+ "epoch": 0.4273147955142369,
1441
+ "grad_norm": 1.9197932481765747,
1442
+ "learning_rate": 1.0682925558248001e-05,
1443
+ "loss": 2.0328,
1444
+ "step": 20500
1445
+ },
1446
+ {
1447
+ "epoch": 0.4293992579313795,
1448
+ "grad_norm": 1.3254817724227905,
1449
+ "learning_rate": 1.0735037390239455e-05,
1450
+ "loss": 2.0308,
1451
+ "step": 20600
1452
+ },
1453
+ {
1454
+ "epoch": 0.4314837203485221,
1455
+ "grad_norm": 4.676088809967041,
1456
+ "learning_rate": 1.0787149222230908e-05,
1457
+ "loss": 2.0502,
1458
+ "step": 20700
1459
+ },
1460
+ {
1461
+ "epoch": 0.4335681827656647,
1462
+ "grad_norm": 1.493910551071167,
1463
+ "learning_rate": 1.0839261054222363e-05,
1464
+ "loss": 2.0197,
1465
+ "step": 20800
1466
+ },
1467
+ {
1468
+ "epoch": 0.43565264518280733,
1469
+ "grad_norm": 1.8109139204025269,
1470
+ "learning_rate": 1.0891372886213815e-05,
1471
+ "loss": 2.055,
1472
+ "step": 20900
1473
+ },
1474
+ {
1475
+ "epoch": 0.43773710759995,
1476
+ "grad_norm": 1.8932719230651855,
1477
+ "learning_rate": 1.0943484718205268e-05,
1478
+ "loss": 2.0294,
1479
+ "step": 21000
1480
+ },
1481
+ {
1482
+ "epoch": 0.4398215700170926,
1483
+ "grad_norm": 1.4016826152801514,
1484
+ "learning_rate": 1.0995596550196723e-05,
1485
+ "loss": 2.0341,
1486
+ "step": 21100
1487
+ },
1488
+ {
1489
+ "epoch": 0.4419060324342352,
1490
+ "grad_norm": 1.1845966577529907,
1491
+ "learning_rate": 1.1047708382188175e-05,
1492
+ "loss": 2.04,
1493
+ "step": 21200
1494
+ },
1495
+ {
1496
+ "epoch": 0.4439904948513778,
1497
+ "grad_norm": 9.983181953430176,
1498
+ "learning_rate": 1.1099820214179631e-05,
1499
+ "loss": 2.0413,
1500
+ "step": 21300
1501
+ },
1502
+ {
1503
+ "epoch": 0.4460749572685204,
1504
+ "grad_norm": 1.4713338613510132,
1505
+ "learning_rate": 1.1151932046171083e-05,
1506
+ "loss": 2.0447,
1507
+ "step": 21400
1508
+ },
1509
+ {
1510
+ "epoch": 0.4481594196856631,
1511
+ "grad_norm": 1.1357747316360474,
1512
+ "learning_rate": 1.1204043878162539e-05,
1513
+ "loss": 2.008,
1514
+ "step": 21500
1515
+ },
1516
+ {
1517
+ "epoch": 0.4502438821028057,
1518
+ "grad_norm": 1.479264497756958,
1519
+ "learning_rate": 1.1256155710153991e-05,
1520
+ "loss": 2.0303,
1521
+ "step": 21600
1522
+ },
1523
+ {
1524
+ "epoch": 0.4523283445199483,
1525
+ "grad_norm": 1.3185663223266602,
1526
+ "learning_rate": 1.1308267542145447e-05,
1527
+ "loss": 2.0427,
1528
+ "step": 21700
1529
+ },
1530
+ {
1531
+ "epoch": 0.4544128069370909,
1532
+ "grad_norm": 1.1067243814468384,
1533
+ "learning_rate": 1.1360379374136899e-05,
1534
+ "loss": 2.0116,
1535
+ "step": 21800
1536
+ },
1537
+ {
1538
+ "epoch": 0.45649726935423357,
1539
+ "grad_norm": 1.9280306100845337,
1540
+ "learning_rate": 1.1412491206128353e-05,
1541
+ "loss": 2.0235,
1542
+ "step": 21900
1543
+ },
1544
+ {
1545
+ "epoch": 0.4585817317713762,
1546
+ "grad_norm": 1.7216917276382446,
1547
+ "learning_rate": 1.1464603038119807e-05,
1548
+ "loss": 2.0208,
1549
+ "step": 22000
1550
+ },
1551
+ {
1552
+ "epoch": 0.4606661941885188,
1553
+ "grad_norm": 1.0976884365081787,
1554
+ "learning_rate": 1.151671487011126e-05,
1555
+ "loss": 2.0185,
1556
+ "step": 22100
1557
+ },
1558
+ {
1559
+ "epoch": 0.4627506566056614,
1560
+ "grad_norm": 1.3677102327346802,
1561
+ "learning_rate": 1.1568826702102713e-05,
1562
+ "loss": 2.0132,
1563
+ "step": 22200
1564
+ },
1565
+ {
1566
+ "epoch": 0.464835119022804,
1567
+ "grad_norm": 1.1687935590744019,
1568
+ "learning_rate": 1.1620938534094167e-05,
1569
+ "loss": 2.0224,
1570
+ "step": 22300
1571
+ },
1572
+ {
1573
+ "epoch": 0.46691958143994666,
1574
+ "grad_norm": 2.3308753967285156,
1575
+ "learning_rate": 1.167305036608562e-05,
1576
+ "loss": 2.0277,
1577
+ "step": 22400
1578
+ },
1579
+ {
1580
+ "epoch": 0.46900404385708927,
1581
+ "grad_norm": 1.6247777938842773,
1582
+ "learning_rate": 1.1725162198077074e-05,
1583
+ "loss": 2.0265,
1584
+ "step": 22500
1585
+ },
1586
+ {
1587
+ "epoch": 0.4710885062742319,
1588
+ "grad_norm": 1.235781192779541,
1589
+ "learning_rate": 1.1777274030068528e-05,
1590
+ "loss": 2.0124,
1591
+ "step": 22600
1592
+ },
1593
+ {
1594
+ "epoch": 0.4731729686913745,
1595
+ "grad_norm": 1.9984397888183594,
1596
+ "learning_rate": 1.182938586205998e-05,
1597
+ "loss": 1.9896,
1598
+ "step": 22700
1599
+ },
1600
+ {
1601
+ "epoch": 0.4752574311085171,
1602
+ "grad_norm": 1.3742737770080566,
1603
+ "learning_rate": 1.1881497694051436e-05,
1604
+ "loss": 2.0,
1605
+ "step": 22800
1606
+ },
1607
+ {
1608
+ "epoch": 0.47734189352565976,
1609
+ "grad_norm": 2.8917479515075684,
1610
+ "learning_rate": 1.1933609526042888e-05,
1611
+ "loss": 2.0025,
1612
+ "step": 22900
1613
+ },
1614
+ {
1615
+ "epoch": 0.47942635594280236,
1616
+ "grad_norm": 1.2879999876022339,
1617
+ "learning_rate": 1.1985721358034344e-05,
1618
+ "loss": 2.0312,
1619
+ "step": 23000
1620
+ },
1621
+ {
1622
+ "epoch": 0.48151081835994497,
1623
+ "grad_norm": 0.9497489929199219,
1624
+ "learning_rate": 1.2037833190025796e-05,
1625
+ "loss": 2.0129,
1626
+ "step": 23100
1627
+ },
1628
+ {
1629
+ "epoch": 0.4835952807770876,
1630
+ "grad_norm": 1.982295274734497,
1631
+ "learning_rate": 1.2089945022017252e-05,
1632
+ "loss": 2.0036,
1633
+ "step": 23200
1634
+ },
1635
+ {
1636
+ "epoch": 0.4856797431942302,
1637
+ "grad_norm": 1.4037415981292725,
1638
+ "learning_rate": 1.2142056854008704e-05,
1639
+ "loss": 1.9977,
1640
+ "step": 23300
1641
+ },
1642
+ {
1643
+ "epoch": 0.48776420561137285,
1644
+ "grad_norm": 1.1049786806106567,
1645
+ "learning_rate": 1.2194168686000156e-05,
1646
+ "loss": 2.0144,
1647
+ "step": 23400
1648
+ },
1649
+ {
1650
+ "epoch": 0.48984866802851545,
1651
+ "grad_norm": 1.9810779094696045,
1652
+ "learning_rate": 1.2246280517991612e-05,
1653
+ "loss": 2.004,
1654
+ "step": 23500
1655
+ },
1656
+ {
1657
+ "epoch": 0.49193313044565806,
1658
+ "grad_norm": 1.4957938194274902,
1659
+ "learning_rate": 1.2298392349983064e-05,
1660
+ "loss": 1.9874,
1661
+ "step": 23600
1662
+ },
1663
+ {
1664
+ "epoch": 0.49401759286280067,
1665
+ "grad_norm": 1.414520263671875,
1666
+ "learning_rate": 1.235050418197452e-05,
1667
+ "loss": 2.0238,
1668
+ "step": 23700
1669
+ },
1670
+ {
1671
+ "epoch": 0.4961020552799433,
1672
+ "grad_norm": 1.2930928468704224,
1673
+ "learning_rate": 1.2402616013965972e-05,
1674
+ "loss": 1.9898,
1675
+ "step": 23800
1676
+ },
1677
+ {
1678
+ "epoch": 0.49818651769708594,
1679
+ "grad_norm": 1.3122200965881348,
1680
+ "learning_rate": 1.2454727845957426e-05,
1681
+ "loss": 1.9952,
1682
+ "step": 23900
1683
+ },
1684
+ {
1685
+ "epoch": 0.5002709801142285,
1686
+ "grad_norm": 3.088305950164795,
1687
+ "learning_rate": 1.250683967794888e-05,
1688
+ "loss": 1.9919,
1689
+ "step": 24000
1690
+ },
1691
+ {
1692
+ "epoch": 0.5023554425313712,
1693
+ "grad_norm": 1.2572028636932373,
1694
+ "learning_rate": 1.2558951509940333e-05,
1695
+ "loss": 2.0099,
1696
+ "step": 24100
1697
+ },
1698
+ {
1699
+ "epoch": 0.5044399049485138,
1700
+ "grad_norm": 1.3861281871795654,
1701
+ "learning_rate": 1.2611063341931786e-05,
1702
+ "loss": 2.0091,
1703
+ "step": 24200
1704
+ },
1705
+ {
1706
+ "epoch": 0.5065243673656564,
1707
+ "grad_norm": 3.073563814163208,
1708
+ "learning_rate": 1.2663175173923241e-05,
1709
+ "loss": 1.995,
1710
+ "step": 24300
1711
+ },
1712
+ {
1713
+ "epoch": 0.508608829782799,
1714
+ "grad_norm": 0.9809319972991943,
1715
+ "learning_rate": 1.2715287005914693e-05,
1716
+ "loss": 2.013,
1717
+ "step": 24400
1718
+ },
1719
+ {
1720
+ "epoch": 0.5106932921999416,
1721
+ "grad_norm": 1.243375301361084,
1722
+ "learning_rate": 1.2767398837906149e-05,
1723
+ "loss": 1.9997,
1724
+ "step": 24500
1725
+ },
1726
+ {
1727
+ "epoch": 0.5127777546170843,
1728
+ "grad_norm": 1.1517629623413086,
1729
+ "learning_rate": 1.2819510669897601e-05,
1730
+ "loss": 1.988,
1731
+ "step": 24600
1732
+ },
1733
+ {
1734
+ "epoch": 0.5148622170342269,
1735
+ "grad_norm": 1.890515685081482,
1736
+ "learning_rate": 1.2871622501889053e-05,
1737
+ "loss": 1.9872,
1738
+ "step": 24700
1739
+ },
1740
+ {
1741
+ "epoch": 0.5169466794513695,
1742
+ "grad_norm": 1.2368491888046265,
1743
+ "learning_rate": 1.2923734333880509e-05,
1744
+ "loss": 1.9788,
1745
+ "step": 24800
1746
+ },
1747
+ {
1748
+ "epoch": 0.5190311418685121,
1749
+ "grad_norm": 1.298607587814331,
1750
+ "learning_rate": 1.2975846165871961e-05,
1751
+ "loss": 1.9849,
1752
+ "step": 24900
1753
+ },
1754
+ {
1755
+ "epoch": 0.5211156042856547,
1756
+ "grad_norm": 1.2520874738693237,
1757
+ "learning_rate": 1.3027957997863417e-05,
1758
+ "loss": 2.0153,
1759
+ "step": 25000
1760
+ },
1761
+ {
1762
+ "epoch": 0.5232000667027974,
1763
+ "grad_norm": 1.6040500402450562,
1764
+ "learning_rate": 1.3080069829854869e-05,
1765
+ "loss": 1.9786,
1766
+ "step": 25100
1767
+ },
1768
+ {
1769
+ "epoch": 0.52528452911994,
1770
+ "grad_norm": 1.2517794370651245,
1771
+ "learning_rate": 1.3132181661846325e-05,
1772
+ "loss": 1.9779,
1773
+ "step": 25200
1774
+ },
1775
+ {
1776
+ "epoch": 0.5273689915370826,
1777
+ "grad_norm": 1.0364949703216553,
1778
+ "learning_rate": 1.3184293493837777e-05,
1779
+ "loss": 2.001,
1780
+ "step": 25300
1781
+ },
1782
+ {
1783
+ "epoch": 0.5294534539542252,
1784
+ "grad_norm": 1.2333202362060547,
1785
+ "learning_rate": 1.323640532582923e-05,
1786
+ "loss": 2.0127,
1787
+ "step": 25400
1788
+ },
1789
+ {
1790
+ "epoch": 0.5315379163713678,
1791
+ "grad_norm": 1.1749173402786255,
1792
+ "learning_rate": 1.3288517157820685e-05,
1793
+ "loss": 1.9699,
1794
+ "step": 25500
1795
+ },
1796
+ {
1797
+ "epoch": 0.5336223787885105,
1798
+ "grad_norm": 1.2822164297103882,
1799
+ "learning_rate": 1.3340628989812138e-05,
1800
+ "loss": 1.9742,
1801
+ "step": 25600
1802
+ },
1803
+ {
1804
+ "epoch": 0.535706841205653,
1805
+ "grad_norm": 12.977947235107422,
1806
+ "learning_rate": 1.3392740821803592e-05,
1807
+ "loss": 1.9848,
1808
+ "step": 25700
1809
+ },
1810
+ {
1811
+ "epoch": 0.5377913036227957,
1812
+ "grad_norm": 1.4702880382537842,
1813
+ "learning_rate": 1.3444852653795046e-05,
1814
+ "loss": 1.9828,
1815
+ "step": 25800
1816
+ },
1817
+ {
1818
+ "epoch": 0.5398757660399383,
1819
+ "grad_norm": 1.9451568126678467,
1820
+ "learning_rate": 1.3496964485786498e-05,
1821
+ "loss": 1.9818,
1822
+ "step": 25900
1823
+ },
1824
+ {
1825
+ "epoch": 0.5419602284570809,
1826
+ "grad_norm": 1.347174882888794,
1827
+ "learning_rate": 1.3549076317777952e-05,
1828
+ "loss": 1.9821,
1829
+ "step": 26000
1830
+ },
1831
+ {
1832
+ "epoch": 0.5440446908742236,
1833
+ "grad_norm": 1.4248614311218262,
1834
+ "learning_rate": 1.3601188149769406e-05,
1835
+ "loss": 1.9753,
1836
+ "step": 26100
1837
+ },
1838
+ {
1839
+ "epoch": 0.5461291532913661,
1840
+ "grad_norm": 1.8619277477264404,
1841
+ "learning_rate": 1.3653299981760858e-05,
1842
+ "loss": 1.9882,
1843
+ "step": 26200
1844
+ },
1845
+ {
1846
+ "epoch": 0.5482136157085088,
1847
+ "grad_norm": 1.6204618215560913,
1848
+ "learning_rate": 1.3705411813752314e-05,
1849
+ "loss": 1.9807,
1850
+ "step": 26300
1851
+ },
1852
+ {
1853
+ "epoch": 0.5502980781256513,
1854
+ "grad_norm": 1.8339996337890625,
1855
+ "learning_rate": 1.3757523645743766e-05,
1856
+ "loss": 1.9563,
1857
+ "step": 26400
1858
+ },
1859
+ {
1860
+ "epoch": 0.552382540542794,
1861
+ "grad_norm": 1.0893349647521973,
1862
+ "learning_rate": 1.3809635477735222e-05,
1863
+ "loss": 1.9731,
1864
+ "step": 26500
1865
+ },
1866
+ {
1867
+ "epoch": 0.5544670029599367,
1868
+ "grad_norm": 1.1871613264083862,
1869
+ "learning_rate": 1.3861747309726674e-05,
1870
+ "loss": 1.9645,
1871
+ "step": 26600
1872
+ },
1873
+ {
1874
+ "epoch": 0.5565514653770792,
1875
+ "grad_norm": 1.064344882965088,
1876
+ "learning_rate": 1.391385914171813e-05,
1877
+ "loss": 1.9775,
1878
+ "step": 26700
1879
+ },
1880
+ {
1881
+ "epoch": 0.5586359277942219,
1882
+ "grad_norm": 0.9557547569274902,
1883
+ "learning_rate": 1.3965970973709582e-05,
1884
+ "loss": 1.9658,
1885
+ "step": 26800
1886
+ },
1887
+ {
1888
+ "epoch": 0.5607203902113644,
1889
+ "grad_norm": 1.0063979625701904,
1890
+ "learning_rate": 1.4018082805701037e-05,
1891
+ "loss": 1.9578,
1892
+ "step": 26900
1893
+ },
1894
+ {
1895
+ "epoch": 0.5628048526285071,
1896
+ "grad_norm": 1.4233479499816895,
1897
+ "learning_rate": 1.407019463769249e-05,
1898
+ "loss": 1.971,
1899
+ "step": 27000
1900
+ },
1901
+ {
1902
+ "epoch": 0.5648893150456498,
1903
+ "grad_norm": 1.1650019884109497,
1904
+ "learning_rate": 1.4122306469683942e-05,
1905
+ "loss": 1.9632,
1906
+ "step": 27100
1907
+ },
1908
+ {
1909
+ "epoch": 0.5669737774627923,
1910
+ "grad_norm": 1.025070309638977,
1911
+ "learning_rate": 1.4174418301675397e-05,
1912
+ "loss": 1.9593,
1913
+ "step": 27200
1914
+ },
1915
+ {
1916
+ "epoch": 0.569058239879935,
1917
+ "grad_norm": 0.8504909873008728,
1918
+ "learning_rate": 1.422653013366685e-05,
1919
+ "loss": 1.9738,
1920
+ "step": 27300
1921
+ },
1922
+ {
1923
+ "epoch": 0.5711427022970775,
1924
+ "grad_norm": 1.2217037677764893,
1925
+ "learning_rate": 1.4278641965658303e-05,
1926
+ "loss": 1.9674,
1927
+ "step": 27400
1928
+ },
1929
+ {
1930
+ "epoch": 0.5732271647142202,
1931
+ "grad_norm": 1.1072654724121094,
1932
+ "learning_rate": 1.4330753797649757e-05,
1933
+ "loss": 1.9591,
1934
+ "step": 27500
1935
+ },
1936
+ {
1937
+ "epoch": 0.5753116271313629,
1938
+ "grad_norm": 1.6574842929840088,
1939
+ "learning_rate": 1.4382865629641211e-05,
1940
+ "loss": 1.9743,
1941
+ "step": 27600
1942
+ },
1943
+ {
1944
+ "epoch": 0.5773960895485054,
1945
+ "grad_norm": 1.6935937404632568,
1946
+ "learning_rate": 1.4434977461632665e-05,
1947
+ "loss": 1.9584,
1948
+ "step": 27700
1949
+ },
1950
+ {
1951
+ "epoch": 0.5794805519656481,
1952
+ "grad_norm": 0.9915087819099426,
1953
+ "learning_rate": 1.4487089293624119e-05,
1954
+ "loss": 1.9661,
1955
+ "step": 27800
1956
+ },
1957
+ {
1958
+ "epoch": 0.5815650143827906,
1959
+ "grad_norm": 1.6524442434310913,
1960
+ "learning_rate": 1.4539201125615571e-05,
1961
+ "loss": 1.9888,
1962
+ "step": 27900
1963
+ },
1964
+ {
1965
+ "epoch": 0.5836494767999333,
1966
+ "grad_norm": 0.9779165983200073,
1967
+ "learning_rate": 1.4591312957607027e-05,
1968
+ "loss": 1.9528,
1969
+ "step": 28000
1970
+ },
1971
+ {
1972
+ "epoch": 0.585733939217076,
1973
+ "grad_norm": 1.5924351215362549,
1974
+ "learning_rate": 1.4643424789598479e-05,
1975
+ "loss": 1.9434,
1976
+ "step": 28100
1977
+ },
1978
+ {
1979
+ "epoch": 0.5878184016342185,
1980
+ "grad_norm": 1.073769211769104,
1981
+ "learning_rate": 1.4695536621589935e-05,
1982
+ "loss": 1.9859,
1983
+ "step": 28200
1984
+ },
1985
+ {
1986
+ "epoch": 0.5899028640513612,
1987
+ "grad_norm": 1.2847269773483276,
1988
+ "learning_rate": 1.4747648453581387e-05,
1989
+ "loss": 1.9691,
1990
+ "step": 28300
1991
+ },
1992
+ {
1993
+ "epoch": 0.5919873264685038,
1994
+ "grad_norm": 2.1441261768341064,
1995
+ "learning_rate": 1.4799760285572839e-05,
1996
+ "loss": 1.9548,
1997
+ "step": 28400
1998
+ },
1999
+ {
2000
+ "epoch": 0.5940717888856464,
2001
+ "grad_norm": 1.0148779153823853,
2002
+ "learning_rate": 1.4851872117564295e-05,
2003
+ "loss": 1.956,
2004
+ "step": 28500
2005
+ },
2006
+ {
2007
+ "epoch": 0.596156251302789,
2008
+ "grad_norm": 1.3669894933700562,
2009
+ "learning_rate": 1.4903983949555747e-05,
2010
+ "loss": 1.9456,
2011
+ "step": 28600
2012
+ },
2013
+ {
2014
+ "epoch": 0.5982407137199316,
2015
+ "grad_norm": 2.084087610244751,
2016
+ "learning_rate": 1.4956095781547202e-05,
2017
+ "loss": 1.9768,
2018
+ "step": 28700
2019
+ },
2020
+ {
2021
+ "epoch": 0.6003251761370743,
2022
+ "grad_norm": 1.0451395511627197,
2023
+ "learning_rate": 1.5008207613538655e-05,
2024
+ "loss": 1.9628,
2025
+ "step": 28800
2026
+ },
2027
+ {
2028
+ "epoch": 0.6024096385542169,
2029
+ "grad_norm": 1.0861454010009766,
2030
+ "learning_rate": 1.5060319445530109e-05,
2031
+ "loss": 1.9608,
2032
+ "step": 28900
2033
+ },
2034
+ {
2035
+ "epoch": 0.6044941009713595,
2036
+ "grad_norm": 1.082926630973816,
2037
+ "learning_rate": 1.5112431277521562e-05,
2038
+ "loss": 1.9507,
2039
+ "step": 29000
2040
+ },
2041
+ {
2042
+ "epoch": 0.6065785633885021,
2043
+ "grad_norm": 1.0375463962554932,
2044
+ "learning_rate": 1.5164543109513016e-05,
2045
+ "loss": 1.9444,
2046
+ "step": 29100
2047
+ },
2048
+ {
2049
+ "epoch": 0.6086630258056447,
2050
+ "grad_norm": 1.0970326662063599,
2051
+ "learning_rate": 1.521665494150447e-05,
2052
+ "loss": 1.9602,
2053
+ "step": 29200
2054
+ },
2055
+ {
2056
+ "epoch": 0.6107474882227873,
2057
+ "grad_norm": 1.4305795431137085,
2058
+ "learning_rate": 1.5268766773495924e-05,
2059
+ "loss": 1.9663,
2060
+ "step": 29300
2061
+ },
2062
+ {
2063
+ "epoch": 0.61283195063993,
2064
+ "grad_norm": 1.2782924175262451,
2065
+ "learning_rate": 1.5320878605487378e-05,
2066
+ "loss": 1.9706,
2067
+ "step": 29400
2068
+ },
2069
+ {
2070
+ "epoch": 0.6149164130570726,
2071
+ "grad_norm": 1.2696731090545654,
2072
+ "learning_rate": 1.5372990437478832e-05,
2073
+ "loss": 1.9502,
2074
+ "step": 29500
2075
+ },
2076
+ {
2077
+ "epoch": 0.6170008754742152,
2078
+ "grad_norm": 1.0566843748092651,
2079
+ "learning_rate": 1.5425102269470286e-05,
2080
+ "loss": 1.948,
2081
+ "step": 29600
2082
+ },
2083
+ {
2084
+ "epoch": 0.6190853378913578,
2085
+ "grad_norm": 1.1071428060531616,
2086
+ "learning_rate": 1.5477214101461736e-05,
2087
+ "loss": 1.9409,
2088
+ "step": 29700
2089
+ },
2090
+ {
2091
+ "epoch": 0.6211698003085004,
2092
+ "grad_norm": 0.9255651235580444,
2093
+ "learning_rate": 1.5529325933453194e-05,
2094
+ "loss": 1.9466,
2095
+ "step": 29800
2096
+ },
2097
+ {
2098
+ "epoch": 0.6232542627256431,
2099
+ "grad_norm": 1.0186619758605957,
2100
+ "learning_rate": 1.5581437765444644e-05,
2101
+ "loss": 1.9493,
2102
+ "step": 29900
2103
+ },
2104
+ {
2105
+ "epoch": 0.6253387251427857,
2106
+ "grad_norm": 1.451917052268982,
2107
+ "learning_rate": 1.5633549597436098e-05,
2108
+ "loss": 1.9503,
2109
+ "step": 30000
2110
+ },
2111
+ {
2112
+ "epoch": 0.6274231875599283,
2113
+ "grad_norm": 1.0187926292419434,
2114
+ "learning_rate": 1.5685661429427552e-05,
2115
+ "loss": 1.9563,
2116
+ "step": 30100
2117
+ },
2118
+ {
2119
+ "epoch": 0.6295076499770709,
2120
+ "grad_norm": 0.871369481086731,
2121
+ "learning_rate": 1.5737773261419006e-05,
2122
+ "loss": 1.9549,
2123
+ "step": 30200
2124
+ },
2125
+ {
2126
+ "epoch": 0.6315921123942135,
2127
+ "grad_norm": 0.98649662733078,
2128
+ "learning_rate": 1.578988509341046e-05,
2129
+ "loss": 1.9596,
2130
+ "step": 30300
2131
+ },
2132
+ {
2133
+ "epoch": 0.6336765748113562,
2134
+ "grad_norm": 1.6009703874588013,
2135
+ "learning_rate": 1.5841996925401914e-05,
2136
+ "loss": 1.9348,
2137
+ "step": 30400
2138
+ },
2139
+ {
2140
+ "epoch": 0.6357610372284987,
2141
+ "grad_norm": 1.0804214477539062,
2142
+ "learning_rate": 1.5894108757393368e-05,
2143
+ "loss": 1.9428,
2144
+ "step": 30500
2145
+ },
2146
+ {
2147
+ "epoch": 0.6378454996456414,
2148
+ "grad_norm": 1.1061315536499023,
2149
+ "learning_rate": 1.594622058938482e-05,
2150
+ "loss": 1.9371,
2151
+ "step": 30600
2152
+ },
2153
+ {
2154
+ "epoch": 0.639929962062784,
2155
+ "grad_norm": 1.0033613443374634,
2156
+ "learning_rate": 1.5998332421376275e-05,
2157
+ "loss": 1.9508,
2158
+ "step": 30700
2159
+ },
2160
+ {
2161
+ "epoch": 0.6420144244799266,
2162
+ "grad_norm": 0.9282180070877075,
2163
+ "learning_rate": 1.6050444253367726e-05,
2164
+ "loss": 1.9376,
2165
+ "step": 30800
2166
+ },
2167
+ {
2168
+ "epoch": 0.6440988868970693,
2169
+ "grad_norm": 0.9301239252090454,
2170
+ "learning_rate": 1.6102556085359183e-05,
2171
+ "loss": 1.9556,
2172
+ "step": 30900
2173
+ },
2174
+ {
2175
+ "epoch": 0.6461833493142118,
2176
+ "grad_norm": 0.9229454398155212,
2177
+ "learning_rate": 1.6154667917350634e-05,
2178
+ "loss": 1.9314,
2179
+ "step": 31000
2180
+ },
2181
+ {
2182
+ "epoch": 0.6482678117313545,
2183
+ "grad_norm": 1.0757591724395752,
2184
+ "learning_rate": 1.620677974934209e-05,
2185
+ "loss": 1.9309,
2186
+ "step": 31100
2187
+ },
2188
+ {
2189
+ "epoch": 0.6503522741484971,
2190
+ "grad_norm": 3.362175464630127,
2191
+ "learning_rate": 1.625889158133354e-05,
2192
+ "loss": 1.9254,
2193
+ "step": 31200
2194
+ },
2195
+ {
2196
+ "epoch": 0.6524367365656397,
2197
+ "grad_norm": 1.1901942491531372,
2198
+ "learning_rate": 1.6311003413325e-05,
2199
+ "loss": 1.9337,
2200
+ "step": 31300
2201
+ },
2202
+ {
2203
+ "epoch": 0.6545211989827824,
2204
+ "grad_norm": 1.2026360034942627,
2205
+ "learning_rate": 1.636311524531645e-05,
2206
+ "loss": 1.9407,
2207
+ "step": 31400
2208
+ },
2209
+ {
2210
+ "epoch": 0.6566056613999249,
2211
+ "grad_norm": 1.247865915298462,
2212
+ "learning_rate": 1.6415227077307903e-05,
2213
+ "loss": 1.9345,
2214
+ "step": 31500
2215
+ },
2216
+ {
2217
+ "epoch": 0.6586901238170676,
2218
+ "grad_norm": 1.0052815675735474,
2219
+ "learning_rate": 1.6467338909299357e-05,
2220
+ "loss": 1.9295,
2221
+ "step": 31600
2222
+ },
2223
+ {
2224
+ "epoch": 0.6607745862342101,
2225
+ "grad_norm": 0.9365499019622803,
2226
+ "learning_rate": 1.651945074129081e-05,
2227
+ "loss": 1.9421,
2228
+ "step": 31700
2229
+ },
2230
+ {
2231
+ "epoch": 0.6628590486513528,
2232
+ "grad_norm": 1.7018957138061523,
2233
+ "learning_rate": 1.6571562573282265e-05,
2234
+ "loss": 1.9174,
2235
+ "step": 31800
2236
+ },
2237
+ {
2238
+ "epoch": 0.6649435110684955,
2239
+ "grad_norm": 1.0856178998947144,
2240
+ "learning_rate": 1.662367440527372e-05,
2241
+ "loss": 1.9045,
2242
+ "step": 31900
2243
+ },
2244
+ {
2245
+ "epoch": 0.667027973485638,
2246
+ "grad_norm": 1.111540675163269,
2247
+ "learning_rate": 1.6675786237265173e-05,
2248
+ "loss": 1.9263,
2249
+ "step": 32000
2250
+ },
2251
+ {
2252
+ "epoch": 0.6691124359027807,
2253
+ "grad_norm": 0.9781438708305359,
2254
+ "learning_rate": 1.6727898069256626e-05,
2255
+ "loss": 1.9115,
2256
+ "step": 32100
2257
+ },
2258
+ {
2259
+ "epoch": 0.6711968983199232,
2260
+ "grad_norm": 0.9509501457214355,
2261
+ "learning_rate": 1.678000990124808e-05,
2262
+ "loss": 1.9194,
2263
+ "step": 32200
2264
+ },
2265
+ {
2266
+ "epoch": 0.6732813607370659,
2267
+ "grad_norm": 1.0077457427978516,
2268
+ "learning_rate": 1.6832121733239534e-05,
2269
+ "loss": 1.9361,
2270
+ "step": 32300
2271
+ },
2272
+ {
2273
+ "epoch": 0.6753658231542086,
2274
+ "grad_norm": 1.0101159811019897,
2275
+ "learning_rate": 1.6884233565230988e-05,
2276
+ "loss": 1.9227,
2277
+ "step": 32400
2278
+ },
2279
+ {
2280
+ "epoch": 0.6774502855713511,
2281
+ "grad_norm": 1.6001538038253784,
2282
+ "learning_rate": 1.693634539722244e-05,
2283
+ "loss": 1.9114,
2284
+ "step": 32500
2285
+ },
2286
+ {
2287
+ "epoch": 0.6795347479884938,
2288
+ "grad_norm": 1.300024151802063,
2289
+ "learning_rate": 1.6988457229213896e-05,
2290
+ "loss": 1.9471,
2291
+ "step": 32600
2292
+ },
2293
+ {
2294
+ "epoch": 0.6816192104056363,
2295
+ "grad_norm": 1.0062751770019531,
2296
+ "learning_rate": 1.7040569061205346e-05,
2297
+ "loss": 1.9043,
2298
+ "step": 32700
2299
+ },
2300
+ {
2301
+ "epoch": 0.683703672822779,
2302
+ "grad_norm": 1.012172818183899,
2303
+ "learning_rate": 1.7092680893196804e-05,
2304
+ "loss": 1.9189,
2305
+ "step": 32800
2306
+ },
2307
+ {
2308
+ "epoch": 0.6857881352399217,
2309
+ "grad_norm": 2.5829713344573975,
2310
+ "learning_rate": 1.7144792725188254e-05,
2311
+ "loss": 1.8859,
2312
+ "step": 32900
2313
+ },
2314
+ {
2315
+ "epoch": 0.6878725976570642,
2316
+ "grad_norm": 1.1416168212890625,
2317
+ "learning_rate": 1.719690455717971e-05,
2318
+ "loss": 1.9426,
2319
+ "step": 33000
2320
+ },
2321
+ {
2322
+ "epoch": 0.6899570600742069,
2323
+ "grad_norm": 5.545751094818115,
2324
+ "learning_rate": 1.7249016389171162e-05,
2325
+ "loss": 1.9544,
2326
+ "step": 33100
2327
+ },
2328
+ {
2329
+ "epoch": 0.6920415224913494,
2330
+ "grad_norm": 1.051398515701294,
2331
+ "learning_rate": 1.7301128221162616e-05,
2332
+ "loss": 1.9391,
2333
+ "step": 33200
2334
+ },
2335
+ {
2336
+ "epoch": 0.6941259849084921,
2337
+ "grad_norm": 1.153196930885315,
2338
+ "learning_rate": 1.735324005315407e-05,
2339
+ "loss": 1.9112,
2340
+ "step": 33300
2341
+ },
2342
+ {
2343
+ "epoch": 0.6962104473256348,
2344
+ "grad_norm": 1.1652779579162598,
2345
+ "learning_rate": 1.7405351885145524e-05,
2346
+ "loss": 1.9035,
2347
+ "step": 33400
2348
+ },
2349
+ {
2350
+ "epoch": 0.6982949097427773,
2351
+ "grad_norm": 1.9276180267333984,
2352
+ "learning_rate": 1.7457463717136978e-05,
2353
+ "loss": 1.9415,
2354
+ "step": 33500
2355
+ },
2356
+ {
2357
+ "epoch": 0.70037937215992,
2358
+ "grad_norm": 0.8301405310630798,
2359
+ "learning_rate": 1.750957554912843e-05,
2360
+ "loss": 1.9054,
2361
+ "step": 33600
2362
+ },
2363
+ {
2364
+ "epoch": 0.7024638345770626,
2365
+ "grad_norm": 0.9777198433876038,
2366
+ "learning_rate": 1.7561687381119885e-05,
2367
+ "loss": 1.8924,
2368
+ "step": 33700
2369
+ },
2370
+ {
2371
+ "epoch": 0.7045482969942052,
2372
+ "grad_norm": 1.2608678340911865,
2373
+ "learning_rate": 1.761379921311134e-05,
2374
+ "loss": 1.8982,
2375
+ "step": 33800
2376
+ },
2377
+ {
2378
+ "epoch": 0.7066327594113478,
2379
+ "grad_norm": 0.9381488561630249,
2380
+ "learning_rate": 1.7665911045102793e-05,
2381
+ "loss": 1.89,
2382
+ "step": 33900
2383
+ },
2384
+ {
2385
+ "epoch": 0.7087172218284904,
2386
+ "grad_norm": 1.045607328414917,
2387
+ "learning_rate": 1.7718022877094244e-05,
2388
+ "loss": 1.9073,
2389
+ "step": 34000
2390
+ },
2391
+ {
2392
+ "epoch": 0.7108016842456331,
2393
+ "grad_norm": 1.0266004800796509,
2394
+ "learning_rate": 1.77701347090857e-05,
2395
+ "loss": 1.9222,
2396
+ "step": 34100
2397
+ },
2398
+ {
2399
+ "epoch": 0.7128861466627757,
2400
+ "grad_norm": 1.1733341217041016,
2401
+ "learning_rate": 1.782224654107715e-05,
2402
+ "loss": 1.9041,
2403
+ "step": 34200
2404
+ },
2405
+ {
2406
+ "epoch": 0.7149706090799183,
2407
+ "grad_norm": 1.0179702043533325,
2408
+ "learning_rate": 1.787435837306861e-05,
2409
+ "loss": 1.9133,
2410
+ "step": 34300
2411
+ },
2412
+ {
2413
+ "epoch": 0.7170550714970609,
2414
+ "grad_norm": 1.2114508152008057,
2415
+ "learning_rate": 1.792647020506006e-05,
2416
+ "loss": 1.8858,
2417
+ "step": 34400
2418
+ },
2419
+ {
2420
+ "epoch": 0.7191395339142035,
2421
+ "grad_norm": 0.9730684161186218,
2422
+ "learning_rate": 1.7978582037051513e-05,
2423
+ "loss": 1.9143,
2424
+ "step": 34500
2425
+ },
2426
+ {
2427
+ "epoch": 0.7212239963313462,
2428
+ "grad_norm": 0.9815762639045715,
2429
+ "learning_rate": 1.8030693869042967e-05,
2430
+ "loss": 1.9032,
2431
+ "step": 34600
2432
+ },
2433
+ {
2434
+ "epoch": 0.7233084587484888,
2435
+ "grad_norm": 0.979191243648529,
2436
+ "learning_rate": 1.808280570103442e-05,
2437
+ "loss": 1.8858,
2438
+ "step": 34700
2439
+ },
2440
+ {
2441
+ "epoch": 0.7253929211656314,
2442
+ "grad_norm": 1.051487684249878,
2443
+ "learning_rate": 1.8134917533025875e-05,
2444
+ "loss": 1.8935,
2445
+ "step": 34800
2446
+ },
2447
+ {
2448
+ "epoch": 0.727477383582774,
2449
+ "grad_norm": 1.1583081483840942,
2450
+ "learning_rate": 1.818702936501733e-05,
2451
+ "loss": 1.8998,
2452
+ "step": 34900
2453
+ },
2454
+ {
2455
+ "epoch": 0.7295618459999166,
2456
+ "grad_norm": 1.3905084133148193,
2457
+ "learning_rate": 1.8239141197008783e-05,
2458
+ "loss": 1.9105,
2459
+ "step": 35000
2460
+ },
2461
+ {
2462
+ "epoch": 0.7316463084170592,
2463
+ "grad_norm": 0.9211100339889526,
2464
+ "learning_rate": 1.8291253029000237e-05,
2465
+ "loss": 1.9145,
2466
+ "step": 35100
2467
+ },
2468
+ {
2469
+ "epoch": 0.7337307708342019,
2470
+ "grad_norm": 0.9945178627967834,
2471
+ "learning_rate": 1.834336486099169e-05,
2472
+ "loss": 1.9049,
2473
+ "step": 35200
2474
+ },
2475
+ {
2476
+ "epoch": 0.7358152332513445,
2477
+ "grad_norm": 0.9826840162277222,
2478
+ "learning_rate": 1.8395476692983144e-05,
2479
+ "loss": 1.8968,
2480
+ "step": 35300
2481
+ },
2482
+ {
2483
+ "epoch": 0.7378996956684871,
2484
+ "grad_norm": 1.0781490802764893,
2485
+ "learning_rate": 1.8447588524974598e-05,
2486
+ "loss": 1.9173,
2487
+ "step": 35400
2488
+ },
2489
+ {
2490
+ "epoch": 0.7399841580856297,
2491
+ "grad_norm": 1.347640037536621,
2492
+ "learning_rate": 1.849970035696605e-05,
2493
+ "loss": 1.8976,
2494
+ "step": 35500
2495
+ },
2496
+ {
2497
+ "epoch": 0.7420686205027723,
2498
+ "grad_norm": 0.9135119318962097,
2499
+ "learning_rate": 1.8551812188957506e-05,
2500
+ "loss": 1.8965,
2501
+ "step": 35600
2502
+ },
2503
+ {
2504
+ "epoch": 0.744153082919915,
2505
+ "grad_norm": 1.1346653699874878,
2506
+ "learning_rate": 1.8603924020948957e-05,
2507
+ "loss": 1.8989,
2508
+ "step": 35700
2509
+ },
2510
+ {
2511
+ "epoch": 0.7462375453370576,
2512
+ "grad_norm": 1.0951207876205444,
2513
+ "learning_rate": 1.865603585294041e-05,
2514
+ "loss": 1.8982,
2515
+ "step": 35800
2516
+ },
2517
+ {
2518
+ "epoch": 0.7483220077542002,
2519
+ "grad_norm": 1.0009814500808716,
2520
+ "learning_rate": 1.8708147684931864e-05,
2521
+ "loss": 1.8914,
2522
+ "step": 35900
2523
+ },
2524
+ {
2525
+ "epoch": 0.7504064701713428,
2526
+ "grad_norm": 0.9622611403465271,
2527
+ "learning_rate": 1.8760259516923318e-05,
2528
+ "loss": 1.8844,
2529
+ "step": 36000
2530
+ },
2531
+ {
2532
+ "epoch": 0.7524909325884854,
2533
+ "grad_norm": 1.4782415628433228,
2534
+ "learning_rate": 1.8812371348914772e-05,
2535
+ "loss": 1.8879,
2536
+ "step": 36100
2537
+ },
2538
+ {
2539
+ "epoch": 0.7545753950056281,
2540
+ "grad_norm": 1.0756487846374512,
2541
+ "learning_rate": 1.8864483180906226e-05,
2542
+ "loss": 1.908,
2543
+ "step": 36200
2544
+ },
2545
+ {
2546
+ "epoch": 0.7566598574227706,
2547
+ "grad_norm": 1.1616325378417969,
2548
+ "learning_rate": 1.891659501289768e-05,
2549
+ "loss": 1.9068,
2550
+ "step": 36300
2551
+ },
2552
+ {
2553
+ "epoch": 0.7587443198399133,
2554
+ "grad_norm": 1.1253652572631836,
2555
+ "learning_rate": 1.8968706844889134e-05,
2556
+ "loss": 1.9044,
2557
+ "step": 36400
2558
+ },
2559
+ {
2560
+ "epoch": 0.7608287822570559,
2561
+ "grad_norm": 0.9540199041366577,
2562
+ "learning_rate": 1.9020818676880588e-05,
2563
+ "loss": 1.857,
2564
+ "step": 36500
2565
+ },
2566
+ {
2567
+ "epoch": 0.7629132446741985,
2568
+ "grad_norm": 1.3189705610275269,
2569
+ "learning_rate": 1.907293050887204e-05,
2570
+ "loss": 1.8842,
2571
+ "step": 36600
2572
+ },
2573
+ {
2574
+ "epoch": 0.7649977070913412,
2575
+ "grad_norm": 1.7837036848068237,
2576
+ "learning_rate": 1.9125042340863496e-05,
2577
+ "loss": 1.861,
2578
+ "step": 36700
2579
+ },
2580
+ {
2581
+ "epoch": 0.7670821695084837,
2582
+ "grad_norm": 1.01956307888031,
2583
+ "learning_rate": 1.917715417285495e-05,
2584
+ "loss": 1.8852,
2585
+ "step": 36800
2586
+ },
2587
+ {
2588
+ "epoch": 0.7691666319256264,
2589
+ "grad_norm": 1.1640490293502808,
2590
+ "learning_rate": 1.9229266004846403e-05,
2591
+ "loss": 1.8695,
2592
+ "step": 36900
2593
+ },
2594
+ {
2595
+ "epoch": 0.771251094342769,
2596
+ "grad_norm": 1.3748284578323364,
2597
+ "learning_rate": 1.9281377836837857e-05,
2598
+ "loss": 1.893,
2599
+ "step": 37000
2600
+ },
2601
+ {
2602
+ "epoch": 0.7733355567599116,
2603
+ "grad_norm": 0.8749508261680603,
2604
+ "learning_rate": 1.9333489668829308e-05,
2605
+ "loss": 1.8791,
2606
+ "step": 37100
2607
+ },
2608
+ {
2609
+ "epoch": 0.7754200191770543,
2610
+ "grad_norm": 0.9299560785293579,
2611
+ "learning_rate": 1.938560150082076e-05,
2612
+ "loss": 1.8808,
2613
+ "step": 37200
2614
+ },
2615
+ {
2616
+ "epoch": 0.7775044815941968,
2617
+ "grad_norm": 0.8478776216506958,
2618
+ "learning_rate": 1.9437713332812216e-05,
2619
+ "loss": 1.8827,
2620
+ "step": 37300
2621
+ },
2622
+ {
2623
+ "epoch": 0.7795889440113395,
2624
+ "grad_norm": 1.0107454061508179,
2625
+ "learning_rate": 1.948982516480367e-05,
2626
+ "loss": 1.9092,
2627
+ "step": 37400
2628
+ },
2629
+ {
2630
+ "epoch": 0.781673406428482,
2631
+ "grad_norm": 1.0087549686431885,
2632
+ "learning_rate": 1.9541936996795123e-05,
2633
+ "loss": 1.8792,
2634
+ "step": 37500
2635
+ },
2636
+ {
2637
+ "epoch": 0.7837578688456247,
2638
+ "grad_norm": 1.1416882276535034,
2639
+ "learning_rate": 1.9594048828786577e-05,
2640
+ "loss": 1.8796,
2641
+ "step": 37600
2642
+ },
2643
+ {
2644
+ "epoch": 0.7858423312627674,
2645
+ "grad_norm": 0.9162054657936096,
2646
+ "learning_rate": 1.964616066077803e-05,
2647
+ "loss": 1.8829,
2648
+ "step": 37700
2649
+ },
2650
+ {
2651
+ "epoch": 0.7879267936799099,
2652
+ "grad_norm": 0.990573525428772,
2653
+ "learning_rate": 1.9698272492769485e-05,
2654
+ "loss": 1.8859,
2655
+ "step": 37800
2656
+ },
2657
+ {
2658
+ "epoch": 0.7900112560970526,
2659
+ "grad_norm": 0.8790944814682007,
2660
+ "learning_rate": 1.975038432476094e-05,
2661
+ "loss": 1.8789,
2662
+ "step": 37900
2663
+ },
2664
+ {
2665
+ "epoch": 0.7920957185141951,
2666
+ "grad_norm": 2.4909720420837402,
2667
+ "learning_rate": 1.9802496156752393e-05,
2668
+ "loss": 1.9049,
2669
+ "step": 38000
2670
+ },
2671
+ {
2672
+ "epoch": 0.7941801809313378,
2673
+ "grad_norm": 1.4410492181777954,
2674
+ "learning_rate": 1.9854607988743847e-05,
2675
+ "loss": 1.8903,
2676
+ "step": 38100
2677
+ },
2678
+ {
2679
+ "epoch": 0.7962646433484805,
2680
+ "grad_norm": 1.854480266571045,
2681
+ "learning_rate": 1.9906719820735297e-05,
2682
+ "loss": 1.8948,
2683
+ "step": 38200
2684
+ },
2685
+ {
2686
+ "epoch": 0.798349105765623,
2687
+ "grad_norm": 0.9377720952033997,
2688
+ "learning_rate": 1.9958831652726755e-05,
2689
+ "loss": 1.8835,
2690
+ "step": 38300
2691
+ },
2692
+ {
2693
+ "epoch": 0.8004335681827657,
2694
+ "grad_norm": 0.863426148891449,
2695
+ "learning_rate": 1.9999763616765983e-05,
2696
+ "loss": 1.888,
2697
+ "step": 38400
2698
+ },
2699
+ {
2700
+ "epoch": 0.8025180305999083,
2701
+ "grad_norm": 0.884555459022522,
2702
+ "learning_rate": 1.9992153179340215e-05,
2703
+ "loss": 1.8643,
2704
+ "step": 38500
2705
+ },
2706
+ {
2707
+ "epoch": 0.8046024930170509,
2708
+ "grad_norm": 1.795231819152832,
2709
+ "learning_rate": 1.9973831740621872e-05,
2710
+ "loss": 1.8671,
2711
+ "step": 38600
2712
+ },
2713
+ {
2714
+ "epoch": 0.8066869554341936,
2715
+ "grad_norm": 0.8534547090530396,
2716
+ "learning_rate": 1.9944818940117093e-05,
2717
+ "loss": 1.8869,
2718
+ "step": 38700
2719
+ },
2720
+ {
2721
+ "epoch": 0.8087714178513361,
2722
+ "grad_norm": 0.8905624747276306,
2723
+ "learning_rate": 1.9905145877843883e-05,
2724
+ "loss": 1.8813,
2725
+ "step": 38800
2726
+ },
2727
+ {
2728
+ "epoch": 0.8108558802684788,
2729
+ "grad_norm": 1.0225939750671387,
2730
+ "learning_rate": 1.9854855080994695e-05,
2731
+ "loss": 1.8797,
2732
+ "step": 38900
2733
+ },
2734
+ {
2735
+ "epoch": 0.8129403426856214,
2736
+ "grad_norm": 1.0849330425262451,
2737
+ "learning_rate": 1.9794000458349786e-05,
2738
+ "loss": 1.8685,
2739
+ "step": 39000
2740
+ },
2741
+ {
2742
+ "epoch": 0.815024805102764,
2743
+ "grad_norm": 1.1683331727981567,
2744
+ "learning_rate": 1.9722647242490173e-05,
2745
+ "loss": 1.8658,
2746
+ "step": 39100
2747
+ },
2748
+ {
2749
+ "epoch": 0.8171092675199066,
2750
+ "grad_norm": 2.3962318897247314,
2751
+ "learning_rate": 1.9640871919872137e-05,
2752
+ "loss": 1.8733,
2753
+ "step": 39200
2754
+ },
2755
+ {
2756
+ "epoch": 0.8191937299370492,
2757
+ "grad_norm": 0.8535931706428528,
2758
+ "learning_rate": 1.9548762148838235e-05,
2759
+ "loss": 1.8777,
2760
+ "step": 39300
2761
+ },
2762
+ {
2763
+ "epoch": 0.8212781923541919,
2764
+ "grad_norm": 1.10763418674469,
2765
+ "learning_rate": 1.94464166656527e-05,
2766
+ "loss": 1.8821,
2767
+ "step": 39400
2768
+ },
2769
+ {
2770
+ "epoch": 0.8233626547713345,
2771
+ "grad_norm": 5.269350528717041,
2772
+ "learning_rate": 1.933394517866198e-05,
2773
+ "loss": 1.8522,
2774
+ "step": 39500
2775
+ },
2776
+ {
2777
+ "epoch": 0.8254471171884771,
2778
+ "grad_norm": 1.2906358242034912,
2779
+ "learning_rate": 1.9211468250693814e-05,
2780
+ "loss": 1.8851,
2781
+ "step": 39600
2782
+ },
2783
+ {
2784
+ "epoch": 0.8275315796056197,
2785
+ "grad_norm": 1.466866374015808,
2786
+ "learning_rate": 1.907911716982097e-05,
2787
+ "loss": 1.8516,
2788
+ "step": 39700
2789
+ },
2790
+ {
2791
+ "epoch": 0.8296160420227623,
2792
+ "grad_norm": 0.8515104651451111,
2793
+ "learning_rate": 1.8937033808628157e-05,
2794
+ "loss": 1.8722,
2795
+ "step": 39800
2796
+ },
2797
+ {
2798
+ "epoch": 0.831700504439905,
2799
+ "grad_norm": 0.8316900134086609,
2800
+ "learning_rate": 1.8785370472132925e-05,
2801
+ "loss": 1.8794,
2802
+ "step": 39900
2803
+ },
2804
+ {
2805
+ "epoch": 0.8337849668570476,
2806
+ "grad_norm": 2.936185598373413,
2807
+ "learning_rate": 1.8624289734523655e-05,
2808
+ "loss": 1.8766,
2809
+ "step": 40000
2810
+ },
2811
+ {
2812
+ "epoch": 0.8358694292741902,
2813
+ "grad_norm": 0.8948720693588257,
2814
+ "learning_rate": 1.8453964264889555e-05,
2815
+ "loss": 1.8679,
2816
+ "step": 40100
2817
+ },
2818
+ {
2819
+ "epoch": 0.8379538916913328,
2820
+ "grad_norm": 1.0251227617263794,
2821
+ "learning_rate": 1.8274576642129552e-05,
2822
+ "loss": 1.8599,
2823
+ "step": 40200
2824
+ },
2825
+ {
2826
+ "epoch": 0.8400383541084754,
2827
+ "grad_norm": 2.930690050125122,
2828
+ "learning_rate": 1.8086319159238442e-05,
2829
+ "loss": 1.8634,
2830
+ "step": 40300
2831
+ },
2832
+ {
2833
+ "epoch": 0.842122816525618,
2834
+ "grad_norm": 1.140226125717163,
2835
+ "learning_rate": 1.7889393617180074e-05,
2836
+ "loss": 1.8637,
2837
+ "step": 40400
2838
+ },
2839
+ {
2840
+ "epoch": 0.8442072789427607,
2841
+ "grad_norm": 0.9171246290206909,
2842
+ "learning_rate": 1.7684011108568593e-05,
2843
+ "loss": 1.854,
2844
+ "step": 40500
2845
+ },
2846
+ {
2847
+ "epoch": 0.8462917413599033,
2848
+ "grad_norm": 0.9319982528686523,
2849
+ "learning_rate": 1.747039179138954e-05,
2850
+ "loss": 1.8384,
2851
+ "step": 40600
2852
+ },
2853
+ {
2854
+ "epoch": 0.8483762037770459,
2855
+ "grad_norm": 1.0997920036315918,
2856
+ "learning_rate": 1.7248764653003433e-05,
2857
+ "loss": 1.8613,
2858
+ "step": 40700
2859
+ },
2860
+ {
2861
+ "epoch": 0.8504606661941885,
2862
+ "grad_norm": 0.8980279564857483,
2863
+ "learning_rate": 1.701936726468477e-05,
2864
+ "loss": 1.8864,
2865
+ "step": 40800
2866
+ },
2867
+ {
2868
+ "epoch": 0.8525451286113311,
2869
+ "grad_norm": 1.1140270233154297,
2870
+ "learning_rate": 1.6782445526959553e-05,
2871
+ "loss": 1.8564,
2872
+ "step": 40900
2873
+ },
2874
+ {
2875
+ "epoch": 0.8546295910284738,
2876
+ "grad_norm": 0.9438982009887695,
2877
+ "learning_rate": 1.65382534060144e-05,
2878
+ "loss": 1.8686,
2879
+ "step": 41000
2880
+ },
2881
+ {
2882
+ "epoch": 0.8567140534456164,
2883
+ "grad_norm": 1.087593913078308,
2884
+ "learning_rate": 1.628705266145969e-05,
2885
+ "loss": 1.8612,
2886
+ "step": 41100
2887
+ },
2888
+ {
2889
+ "epoch": 0.858798515862759,
2890
+ "grad_norm": 1.5680657625198364,
2891
+ "learning_rate": 1.6029112565738647e-05,
2892
+ "loss": 1.8595,
2893
+ "step": 41200
2894
+ },
2895
+ {
2896
+ "epoch": 0.8608829782799016,
2897
+ "grad_norm": 1.1920835971832275,
2898
+ "learning_rate": 1.5764709615483084e-05,
2899
+ "loss": 1.8368,
2900
+ "step": 41300
2901
+ },
2902
+ {
2903
+ "epoch": 0.8629674406970442,
2904
+ "grad_norm": 0.9491363167762756,
2905
+ "learning_rate": 1.549412723512526e-05,
2906
+ "loss": 1.8433,
2907
+ "step": 41400
2908
+ },
2909
+ {
2910
+ "epoch": 0.8650519031141869,
2911
+ "grad_norm": 0.8679408431053162,
2912
+ "learning_rate": 1.521765547308355e-05,
2913
+ "loss": 1.8585,
2914
+ "step": 41500
2915
+ },
2916
+ {
2917
+ "epoch": 0.8671363655313294,
2918
+ "grad_norm": 0.9135258793830872,
2919
+ "learning_rate": 1.4935590690847555e-05,
2920
+ "loss": 1.8535,
2921
+ "step": 41600
2922
+ },
2923
+ {
2924
+ "epoch": 0.8692208279484721,
2925
+ "grad_norm": 0.9444493055343628,
2926
+ "learning_rate": 1.464823524529601e-05,
2927
+ "loss": 1.8606,
2928
+ "step": 41700
2929
+ },
2930
+ {
2931
+ "epoch": 0.8713052903656147,
2932
+ "grad_norm": 0.9098984003067017,
2933
+ "learning_rate": 1.4355897164587957e-05,
2934
+ "loss": 1.8634,
2935
+ "step": 41800
2936
+ },
2937
+ {
2938
+ "epoch": 0.8733897527827573,
2939
+ "grad_norm": 4.627810478210449,
2940
+ "learning_rate": 1.4058889817974664e-05,
2941
+ "loss": 1.8349,
2942
+ "step": 41900
2943
+ },
2944
+ {
2945
+ "epoch": 0.8754742151999,
2946
+ "grad_norm": 0.8299252986907959,
2947
+ "learning_rate": 1.3757531579886186e-05,
2948
+ "loss": 1.8541,
2949
+ "step": 42000
2950
+ },
2951
+ {
2952
+ "epoch": 0.8775586776170425,
2953
+ "grad_norm": 0.9095094203948975,
2954
+ "learning_rate": 1.345214548865267e-05,
2955
+ "loss": 1.885,
2956
+ "step": 42100
2957
+ },
2958
+ {
2959
+ "epoch": 0.8796431400341852,
2960
+ "grad_norm": 0.9644302725791931,
2961
+ "learning_rate": 1.3143058900226262e-05,
2962
+ "loss": 1.8788,
2963
+ "step": 42200
2964
+ },
2965
+ {
2966
+ "epoch": 0.8817276024513278,
2967
+ "grad_norm": 1.4231350421905518,
2968
+ "learning_rate": 1.2830603137274729e-05,
2969
+ "loss": 1.8451,
2970
+ "step": 42300
2971
+ },
2972
+ {
2973
+ "epoch": 0.8838120648684704,
2974
+ "grad_norm": 1.0535882711410522,
2975
+ "learning_rate": 1.2515113134023035e-05,
2976
+ "loss": 1.864,
2977
+ "step": 42400
2978
+ },
2979
+ {
2980
+ "epoch": 0.8858965272856131,
2981
+ "grad_norm": 1.3644357919692993,
2982
+ "learning_rate": 1.2196927077223523e-05,
2983
+ "loss": 1.853,
2984
+ "step": 42500
2985
+ },
2986
+ {
2987
+ "epoch": 0.8879809897027556,
2988
+ "grad_norm": 0.9575700163841248,
2989
+ "learning_rate": 1.187638604363958e-05,
2990
+ "loss": 1.851,
2991
+ "step": 42600
2992
+ },
2993
+ {
2994
+ "epoch": 0.8900654521198983,
2995
+ "grad_norm": 1.0932910442352295,
2996
+ "learning_rate": 1.1553833634431375e-05,
2997
+ "loss": 1.8539,
2998
+ "step": 42700
2999
+ },
3000
+ {
3001
+ "epoch": 0.8921499145370408,
3002
+ "grad_norm": 0.8120511174201965,
3003
+ "learning_rate": 1.1229615606835609e-05,
3004
+ "loss": 1.8331,
3005
+ "step": 42800
3006
+ },
3007
+ {
3008
+ "epoch": 0.8942343769541835,
3009
+ "grad_norm": 0.967151939868927,
3010
+ "learning_rate": 1.0904079503534057e-05,
3011
+ "loss": 1.8565,
3012
+ "step": 42900
3013
+ },
3014
+ {
3015
+ "epoch": 0.8963188393713262,
3016
+ "grad_norm": 0.8279860019683838,
3017
+ "learning_rate": 1.0577574280108226e-05,
3018
+ "loss": 1.8469,
3019
+ "step": 43000
3020
+ },
3021
+ {
3022
+ "epoch": 0.8984033017884687,
3023
+ "grad_norm": 0.986449658870697,
3024
+ "learning_rate": 1.0250449930979484e-05,
3025
+ "loss": 1.8506,
3026
+ "step": 43100
3027
+ },
3028
+ {
3029
+ "epoch": 0.9004877642056114,
3030
+ "grad_norm": 0.9188694953918457,
3031
+ "learning_rate": 9.92305711423557e-06,
3032
+ "loss": 1.8345,
3033
+ "step": 43200
3034
+ },
3035
+ {
3036
+ "epoch": 0.9025722266227539,
3037
+ "grad_norm": 0.8622938990592957,
3038
+ "learning_rate": 9.595746775745753e-06,
3039
+ "loss": 1.8451,
3040
+ "step": 43300
3041
+ },
3042
+ {
3043
+ "epoch": 0.9046566890398966,
3044
+ "grad_norm": 1.5604217052459717,
3045
+ "learning_rate": 9.268869772967448e-06,
3046
+ "loss": 1.8323,
3047
+ "step": 43400
3048
+ },
3049
+ {
3050
+ "epoch": 0.9067411514570393,
3051
+ "grad_norm": 0.8539250493049622,
3052
+ "learning_rate": 8.942776498847645e-06,
3053
+ "loss": 1.8514,
3054
+ "step": 43500
3055
+ },
3056
+ {
3057
+ "epoch": 0.9088256138741818,
3058
+ "grad_norm": 0.989700973033905,
3059
+ "learning_rate": 8.617816506222246e-06,
3060
+ "loss": 1.8386,
3061
+ "step": 43600
3062
+ },
3063
+ {
3064
+ "epoch": 0.9109100762913245,
3065
+ "grad_norm": 0.7901672124862671,
3066
+ "learning_rate": 8.294338133115956e-06,
3067
+ "loss": 1.8395,
3068
+ "step": 43700
3069
+ },
3070
+ {
3071
+ "epoch": 0.9129945387084671,
3072
+ "grad_norm": 0.9410315155982971,
3073
+ "learning_rate": 7.972688129344382e-06,
3074
+ "loss": 1.8545,
3075
+ "step": 43800
3076
+ },
3077
+ {
3078
+ "epoch": 0.9150790011256097,
3079
+ "grad_norm": 1.2357829809188843,
3080
+ "learning_rate": 7.653211284818598e-06,
3081
+ "loss": 1.8403,
3082
+ "step": 43900
3083
+ },
3084
+ {
3085
+ "epoch": 0.9171634635427524,
3086
+ "grad_norm": 0.9447447657585144,
3087
+ "learning_rate": 7.336250059950618e-06,
3088
+ "loss": 1.8304,
3089
+ "step": 44000
3090
+ },
3091
+ {
3092
+ "epoch": 0.9192479259598949,
3093
+ "grad_norm": 1.0322580337524414,
3094
+ "learning_rate": 7.0221442185559375e-06,
3095
+ "loss": 1.8415,
3096
+ "step": 44100
3097
+ },
3098
+ {
3099
+ "epoch": 0.9213323883770376,
3100
+ "grad_norm": 0.8802585601806641,
3101
+ "learning_rate": 6.711230463646687e-06,
3102
+ "loss": 1.85,
3103
+ "step": 44200
3104
+ },
3105
+ {
3106
+ "epoch": 0.9234168507941802,
3107
+ "grad_norm": 1.3486437797546387,
3108
+ "learning_rate": 6.4038420765057915e-06,
3109
+ "loss": 1.8361,
3110
+ "step": 44300
3111
+ },
3112
+ {
3113
+ "epoch": 0.9255013132113228,
3114
+ "grad_norm": 1.2704123258590698,
3115
+ "learning_rate": 6.100308559428989e-06,
3116
+ "loss": 1.8299,
3117
+ "step": 44400
3118
+ },
3119
+ {
3120
+ "epoch": 0.9275857756284654,
3121
+ "grad_norm": 0.9107852578163147,
3122
+ "learning_rate": 5.800955282517735e-06,
3123
+ "loss": 1.833,
3124
+ "step": 44500
3125
+ },
3126
+ {
3127
+ "epoch": 0.929670238045608,
3128
+ "grad_norm": 0.9406431913375854,
3129
+ "learning_rate": 5.50610313490157e-06,
3130
+ "loss": 1.8598,
3131
+ "step": 44600
3132
+ },
3133
+ {
3134
+ "epoch": 0.9317547004627507,
3135
+ "grad_norm": 0.8901939392089844,
3136
+ "learning_rate": 5.2160681807638155e-06,
3137
+ "loss": 1.8485,
3138
+ "step": 44700
3139
+ },
3140
+ {
3141
+ "epoch": 0.9338391628798933,
3142
+ "grad_norm": 0.8982817530632019,
3143
+ "learning_rate": 4.931161320539333e-06,
3144
+ "loss": 1.8423,
3145
+ "step": 44800
3146
+ },
3147
+ {
3148
+ "epoch": 0.9359236252970359,
3149
+ "grad_norm": 1.0009591579437256,
3150
+ "learning_rate": 4.6516879576475195e-06,
3151
+ "loss": 1.8406,
3152
+ "step": 44900
3153
+ },
3154
+ {
3155
+ "epoch": 0.9380080877141785,
3156
+ "grad_norm": 1.0994175672531128,
3157
+ "learning_rate": 4.377947671117785e-06,
3158
+ "loss": 1.8281,
3159
+ "step": 45000
3160
+ },
3161
+ {
3162
+ "epoch": 0.9400925501313211,
3163
+ "grad_norm": 0.9065024852752686,
3164
+ "learning_rate": 4.110233894458426e-06,
3165
+ "loss": 1.8417,
3166
+ "step": 45100
3167
+ },
3168
+ {
3169
+ "epoch": 0.9421770125484638,
3170
+ "grad_norm": 0.9834316372871399,
3171
+ "learning_rate": 3.848833601113141e-06,
3172
+ "loss": 1.8518,
3173
+ "step": 45200
3174
+ },
3175
+ {
3176
+ "epoch": 0.9442614749656064,
3177
+ "grad_norm": 1.074263572692871,
3178
+ "learning_rate": 3.594026996842356e-06,
3179
+ "loss": 1.8217,
3180
+ "step": 45300
3181
+ },
3182
+ {
3183
+ "epoch": 0.946345937382749,
3184
+ "grad_norm": 1.2309187650680542,
3185
+ "learning_rate": 3.3460872193591042e-06,
3186
+ "loss": 1.8357,
3187
+ "step": 45400
3188
+ },
3189
+ {
3190
+ "epoch": 0.9484303997998916,
3191
+ "grad_norm": 1.2959349155426025,
3192
+ "learning_rate": 3.1052800455414456e-06,
3193
+ "loss": 1.8349,
3194
+ "step": 45500
3195
+ },
3196
+ {
3197
+ "epoch": 0.9505148622170342,
3198
+ "grad_norm": 0.8000039458274841,
3199
+ "learning_rate": 2.8718636065352667e-06,
3200
+ "loss": 1.8236,
3201
+ "step": 45600
3202
+ },
3203
+ {
3204
+ "epoch": 0.9525993246341768,
3205
+ "grad_norm": 1.6720008850097656,
3206
+ "learning_rate": 2.646088111052847e-06,
3207
+ "loss": 1.8372,
3208
+ "step": 45700
3209
+ },
3210
+ {
3211
+ "epoch": 0.9546837870513195,
3212
+ "grad_norm": 0.9012230038642883,
3213
+ "learning_rate": 2.4281955771638177e-06,
3214
+ "loss": 1.8259,
3215
+ "step": 45800
3216
+ },
3217
+ {
3218
+ "epoch": 0.9567682494684621,
3219
+ "grad_norm": 1.3057595491409302,
3220
+ "learning_rate": 2.218419572866011e-06,
3221
+ "loss": 1.853,
3222
+ "step": 45900
3223
+ },
3224
+ {
3225
+ "epoch": 0.9588527118856047,
3226
+ "grad_norm": 0.9006788730621338,
3227
+ "learning_rate": 2.0169849657142825e-06,
3228
+ "loss": 1.8372,
3229
+ "step": 46000
3230
+ },
3231
+ {
3232
+ "epoch": 0.9609371743027473,
3233
+ "grad_norm": 1.2864965200424194,
3234
+ "learning_rate": 1.8241076817757041e-06,
3235
+ "loss": 1.8409,
3236
+ "step": 46100
3237
+ },
3238
+ {
3239
+ "epoch": 0.9630216367198899,
3240
+ "grad_norm": 0.9104560613632202,
3241
+ "learning_rate": 1.6399944741694962e-06,
3242
+ "loss": 1.8518,
3243
+ "step": 46200
3244
+ },
3245
+ {
3246
+ "epoch": 0.9651060991370326,
3247
+ "grad_norm": 0.9562528729438782,
3248
+ "learning_rate": 1.4648427014398336e-06,
3249
+ "loss": 1.8604,
3250
+ "step": 46300
3251
+ },
3252
+ {
3253
+ "epoch": 0.9671905615541752,
3254
+ "grad_norm": 0.9484128952026367,
3255
+ "learning_rate": 1.2988401159990793e-06,
3256
+ "loss": 1.8423,
3257
+ "step": 46400
3258
+ },
3259
+ {
3260
+ "epoch": 0.9692750239713178,
3261
+ "grad_norm": 0.9366037845611572,
3262
+ "learning_rate": 1.1421646628682215e-06,
3263
+ "loss": 1.8204,
3264
+ "step": 46500
3265
+ },
3266
+ {
3267
+ "epoch": 0.9713594863884604,
3268
+ "grad_norm": 0.9006665349006653,
3269
+ "learning_rate": 9.949842889302675e-07,
3270
+ "loss": 1.8443,
3271
+ "step": 46600
3272
+ },
3273
+ {
3274
+ "epoch": 0.973443948805603,
3275
+ "grad_norm": 0.8474847078323364,
3276
+ "learning_rate": 8.574567629010489e-07,
3277
+ "loss": 1.8455,
3278
+ "step": 46700
3279
+ },
3280
+ {
3281
+ "epoch": 0.9755284112227457,
3282
+ "grad_norm": 0.9436659812927246,
3283
+ "learning_rate": 7.297295062104215e-07,
3284
+ "loss": 1.8402,
3285
+ "step": 46800
3286
+ },
3287
+ {
3288
+ "epoch": 0.9776128736398882,
3289
+ "grad_norm": 1.5559815168380737,
3290
+ "learning_rate": 6.119394349751628e-07,
3291
+ "loss": 1.8475,
3292
+ "step": 46900
3293
+ },
3294
+ {
3295
+ "epoch": 0.9796973360570309,
3296
+ "grad_norm": 1.059956431388855,
3297
+ "learning_rate": 5.042128132329205e-07,
3298
+ "loss": 1.8565,
3299
+ "step": 47000
3300
+ },
3301
+ {
3302
+ "epoch": 0.9817817984741735,
3303
+ "grad_norm": 1.0230424404144287,
3304
+ "learning_rate": 4.0666511759459457e-07,
3305
+ "loss": 1.845,
3306
+ "step": 47100
3307
+ },
3308
+ {
3309
+ "epoch": 0.9838662608913161,
3310
+ "grad_norm": 0.9298943281173706,
3311
+ "learning_rate": 3.19400913460185e-07,
3312
+ "loss": 1.8235,
3313
+ "step": 47200
3314
+ },
3315
+ {
3316
+ "epoch": 0.9859507233084588,
3317
+ "grad_norm": 1.1216191053390503,
3318
+ "learning_rate": 2.4251374293082885e-07,
3319
+ "loss": 1.8314,
3320
+ "step": 47300
3321
+ },
3322
+ {
3323
+ "epoch": 0.9880351857256013,
3324
+ "grad_norm": 1.3075478076934814,
3325
+ "learning_rate": 1.7608602453716205e-07,
3326
+ "loss": 1.8308,
3327
+ "step": 47400
3328
+ },
3329
+ {
3330
+ "epoch": 0.990119648142744,
3331
+ "grad_norm": 0.9057138562202454,
3332
+ "learning_rate": 1.2018896489149333e-07,
3333
+ "loss": 1.8327,
3334
+ "step": 47500
3335
+ },
3336
+ {
3337
+ "epoch": 0.9922041105598866,
3338
+ "grad_norm": 0.9391676783561707,
3339
+ "learning_rate": 7.488248235850038e-08,
3340
+ "loss": 1.8382,
3341
+ "step": 47600
3342
+ },
3343
+ {
3344
+ "epoch": 0.9942885729770292,
3345
+ "grad_norm": 0.8697664141654968,
3346
+ "learning_rate": 4.0215142826263155e-08,
3347
+ "loss": 1.8641,
3348
+ "step": 47700
3349
+ },
3350
+ {
3351
+ "epoch": 0.9963730353941719,
3352
+ "grad_norm": 1.663161277770996,
3353
+ "learning_rate": 1.6224107646479747e-08,
3354
+ "loss": 1.8362,
3355
+ "step": 47800
3356
+ },
3357
+ {
3358
+ "epoch": 0.9984574978113144,
3359
+ "grad_norm": 0.9440004229545593,
3360
+ "learning_rate": 2.935093799688593e-09,
3361
+ "loss": 1.8277,
3362
+ "step": 47900
3363
+ },
3364
+ {
3365
+ "epoch": 1.0,
3366
+ "step": 47974,
3367
+ "total_flos": 5.824755462670647e+18,
3368
+ "train_loss": 2.213516155517568,
3369
+ "train_runtime": 14249.5377,
3370
+ "train_samples_per_second": 26.934,
3371
+ "train_steps_per_second": 3.367
3372
+ }
3373
+ ],
3374
+ "logging_steps": 100,
3375
+ "max_steps": 47974,
3376
+ "num_input_tokens_seen": 0,
3377
+ "num_train_epochs": 1,
3378
+ "save_steps": 500,
3379
+ "stateful_callbacks": {
3380
+ "TrainerControl": {
3381
+ "args": {
3382
+ "should_epoch_stop": false,
3383
+ "should_evaluate": false,
3384
+ "should_log": false,
3385
+ "should_save": false,
3386
+ "should_training_stop": false
3387
+ },
3388
+ "attributes": {}
3389
+ }
3390
+ },
3391
+ "total_flos": 5.824755462670647e+18,
3392
+ "train_batch_size": 1,
3393
+ "trial_name": null,
3394
+ "trial_params": null
3395
+ }