Update fine-tuned model

adapter_config.json

@@ -20,13 +20,13 @@
   "rank_pattern": {},
   "revision": null,
   "target_modules": [
-    "o_proj",
+    "up_proj",
     "v_proj",
-    "gate_proj",
-    "q_proj",
     "k_proj",
+    "o_proj",
     "down_proj",
-    "up_proj"
+    "q_proj",
+    "gate_proj"
   ],
   "task_type": " CAUSAL_LM",
   "use_dora": false,

adapter_model.safetensors

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:4a641f6d2564a6076878554540bdfe200bfec1fc0994c52eb1b36ef9117046a1
+oid sha256:5071eefd11452403100752dcc8e9cf21826af65505b32f044995ac421709a382
 size 159967880

optimizer.pt

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:66f85623ed373017f1217e306ec9e8d3699fa5a4bd07aa5e758198be749b67e4
+oid sha256:1ceb9954b27df0a9c7b22a4b0dd40f1a6d9b2c5115174dc93ae5e730e35959d7
 size 852876198

rng_state.pth

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:7bcd1946989dec18b20ec0998bdf631c74a9092694d6c30d23748c8509993d51
+oid sha256:7b918787de9d3efe75e74ec5c4be660d11de629db20fd08362ba694defebb8f6
 size 14244

trainer_state.json

@@ -10,527 +10,527 @@
   "log_history": [
     {
       "epoch": 0.06666666666666667,
-      "grad_norm": 0.9476538300514221,
+      "grad_norm": 1.0890171527862549,
       "learning_rate": 5e-05,
-      "loss": 0.9643,
+      "loss": 0.9504,
       "step": 1
     },
     {
       "epoch": 0.13333333333333333,
-      "grad_norm": 0.9662647843360901,
+      "grad_norm": 1.0416314601898193,
       "learning_rate": 0.0001,
-      "loss": 0.9546,
+      "loss": 0.9342,
       "step": 2
     },
     {
       "epoch": 0.2,
-      "grad_norm": 0.7108058333396912,
+      "grad_norm": 0.869629442691803,
       "learning_rate": 0.00015000000000000001,
-      "loss": 0.8759,
+      "loss": 0.881,
       "step": 3
     },
     {
       "epoch": 0.26666666666666666,
-      "grad_norm": 0.5320820212364197,
+      "grad_norm": 0.5775812268257141,
       "learning_rate": 0.0002,
-      "loss": 0.8395,
+      "loss": 0.8136,
       "step": 4
     },
     {
       "epoch": 0.3333333333333333,
-      "grad_norm": 0.48567327857017517,
+      "grad_norm": 0.4219946563243866,
       "learning_rate": 0.00019990212265199738,
-      "loss": 0.7871,
+      "loss": 0.8022,
       "step": 5
     },
     {
       "epoch": 0.4,
-      "grad_norm": 0.41398224234580994,
+      "grad_norm": 0.36623886227607727,
       "learning_rate": 0.00019960868220749448,
-      "loss": 0.7754,
+      "loss": 0.7536,
       "step": 6
     },
     {
       "epoch": 0.4666666666666667,
-      "grad_norm": 0.3813694715499878,
+      "grad_norm": 0.3498327434062958,
       "learning_rate": 0.00019912025308994148,
-      "loss": 0.7711,
+      "loss": 0.7613,
       "step": 7
     },
     {
       "epoch": 0.5333333333333333,
-      "grad_norm": 0.3496707081794739,
+      "grad_norm": 0.3222409784793854,
       "learning_rate": 0.00019843779142227256,
-      "loss": 0.812,
+      "loss": 0.7335,
       "step": 8
     },
     {
       "epoch": 0.6,
-      "grad_norm": 0.31798169016838074,
+      "grad_norm": 0.30498430132865906,
       "learning_rate": 0.0001975626331552507,
-      "loss": 0.7317,
+      "loss": 0.7342,
       "step": 9
     },
     {
       "epoch": 0.6666666666666666,
-      "grad_norm": 0.29637330770492554,
+      "grad_norm": 0.2843049168586731,
       "learning_rate": 0.00019649649145228102,
-      "loss": 0.7586,
+      "loss": 0.7494,
       "step": 10
     },
     {
       "epoch": 0.7333333333333333,
-      "grad_norm": 0.27794530987739563,
+      "grad_norm": 0.28558269143104553,
       "learning_rate": 0.00019524145333581317,
-      "loss": 0.7274,
+      "loss": 0.7202,
       "step": 11
     },
     {
       "epoch": 0.8,
-      "grad_norm": 0.2824317216873169,
+      "grad_norm": 0.2747940719127655,
       "learning_rate": 0.00019379997560189675,
-      "loss": 0.7263,
+      "loss": 0.6978,
       "step": 12
     },
     {
       "epoch": 0.8666666666666667,
-      "grad_norm": 0.27272021770477295,
+      "grad_norm": 0.280610054731369,
       "learning_rate": 0.00019217488001088784,
-      "loss": 0.7107,
+      "loss": 0.712,
       "step": 13
     },
     {
       "epoch": 0.9333333333333333,
-      "grad_norm": 0.2762473523616791,
+      "grad_norm": 0.26551946997642517,
       "learning_rate": 0.0001903693477637204,
-      "loss": 0.7007,
+      "loss": 0.6815,
       "step": 14
     },
     {
       "epoch": 1.0,
-      "grad_norm": 0.2674989104270935,
+      "grad_norm": 0.26354852318763733,
       "learning_rate": 0.0001883869132745561,
-      "loss": 0.6997,
+      "loss": 0.6705,
       "step": 15
     },
     {
       "epoch": 1.0666666666666667,
-      "grad_norm": 0.3227459490299225,
+      "grad_norm": 0.2972894608974457,
       "learning_rate": 0.00018623145725200278,
-      "loss": 0.6351,
+      "loss": 0.6399,
       "step": 16
     },
     {
       "epoch": 1.1333333333333333,
-      "grad_norm": 0.2768968939781189,
+      "grad_norm": 0.2863878905773163,
       "learning_rate": 0.00018390719910244487,
-      "loss": 0.6226,
+      "loss": 0.6012,
       "step": 17
     },
     {
       "epoch": 1.2,
-      "grad_norm": 0.27085432410240173,
+      "grad_norm": 0.26009681820869446,
       "learning_rate": 0.00018141868867035745,
-      "loss": 0.5835,
+      "loss": 0.5994,
       "step": 18
     },
     {
       "epoch": 1.2666666666666666,
-      "grad_norm": 0.2956984043121338,
+      "grad_norm": 0.2787269651889801,
       "learning_rate": 0.00017877079733177184,
-      "loss": 0.6212,
+      "loss": 0.5932,
       "step": 19
     },
     {
       "epoch": 1.3333333333333333,
-      "grad_norm": 0.2729918360710144,
+      "grad_norm": 0.2598305642604828,
       "learning_rate": 0.0001759687084583285,
-      "loss": 0.6001,
+      "loss": 0.574,
       "step": 20
     },
     {
       "epoch": 1.4,
-      "grad_norm": 0.26887187361717224,
+      "grad_norm": 0.27728283405303955,
       "learning_rate": 0.00017301790727058345,
-      "loss": 0.5663,
+      "loss": 0.5735,
       "step": 21
     },
     {
       "epoch": 1.4666666666666668,
-      "grad_norm": 0.2910808324813843,
+      "grad_norm": 0.2823718786239624,
       "learning_rate": 0.00016992417010043142,
-      "loss": 0.5958,
+      "loss": 0.5756,
       "step": 22
     },
     {
       "epoch": 1.5333333333333332,
-      "grad_norm": 0.27241790294647217,
+      "grad_norm": 0.25957608222961426,
       "learning_rate": 0.0001666935530836651,
-      "loss": 0.5866,
+      "loss": 0.5275,
       "step": 23
     },
     {
       "epoch": 1.6,
-      "grad_norm": 0.26449328660964966,
+      "grad_norm": 0.24662478268146515,
       "learning_rate": 0.0001633323803048047,
-      "loss": 0.5758,
+      "loss": 0.5476,
       "step": 24
     },
     {
       "epoch": 1.6666666666666665,
-      "grad_norm": 0.24551400542259216,
+      "grad_norm": 0.23672237992286682,
       "learning_rate": 0.00015984723141740576,
-      "loss": 0.551,
+      "loss": 0.514,
       "step": 25
     },
     {
       "epoch": 1.7333333333333334,
-      "grad_norm": 0.24193474650382996,
+      "grad_norm": 0.23386318981647491,
       "learning_rate": 0.0001562449287640781,
-      "loss": 0.5664,
+      "loss": 0.5029,
       "step": 26
     },
     {
       "epoch": 1.8,
-      "grad_norm": 0.2385631799697876,
+      "grad_norm": 0.2601586878299713,
       "learning_rate": 0.00015253252402142988,
-      "loss": 0.5449,
+      "loss": 0.5334,
       "step": 27
     },
     {
       "epoch": 1.8666666666666667,
-      "grad_norm": 0.24548892676830292,
+      "grad_norm": 0.25172144174575806,
       "learning_rate": 0.00014871728439607966,
-      "loss": 0.531,
+      "loss": 0.5153,
       "step": 28
     },
     {
       "epoch": 1.9333333333333333,
-      "grad_norm": 0.24892379343509674,
+      "grad_norm": 0.24073539674282074,
       "learning_rate": 0.00014480667839875786,
-      "loss": 0.5413,
+      "loss": 0.5375,
       "step": 29
     },
     {
       "epoch": 2.0,
-      "grad_norm": 0.24928441643714905,
+      "grad_norm": 0.24093535542488098,
       "learning_rate": 0.0001408083612243465,
-      "loss": 0.5393,
+      "loss": 0.5012,
       "step": 30
     },
     {
       "epoch": 2.066666666666667,
-      "grad_norm": 0.2353409379720688,
+      "grad_norm": 0.2312004268169403,
       "learning_rate": 0.00013673015976647568,
-      "loss": 0.5004,
+      "loss": 0.4631,
       "step": 31
     },
     {
       "epoch": 2.1333333333333333,
-      "grad_norm": 0.23783504962921143,
+      "grad_norm": 0.2351023256778717,
       "learning_rate": 0.00013258005729601177,
-      "loss": 0.4859,
+      "loss": 0.4647,
       "step": 32
     },
     {
       "epoch": 2.2,
-      "grad_norm": 0.22492557764053345,
+      "grad_norm": 0.22365152835845947,
       "learning_rate": 0.0001283661778334297,
-      "loss": 0.4805,
+      "loss": 0.4219,
       "step": 33
     },
     {
       "epoch": 2.2666666666666666,
-      "grad_norm": 0.24246421456336975,
+      "grad_norm": 0.2297082245349884,
       "learning_rate": 0.00012409677024566144,
-      "loss": 0.466,
+      "loss": 0.4349,
       "step": 34
     },
     {
       "epoch": 2.3333333333333335,
-      "grad_norm": 0.22781789302825928,
+      "grad_norm": 0.23444686830043793,
       "learning_rate": 0.00011978019209855174,
-      "loss": 0.444,
+      "loss": 0.4285,
       "step": 35
     },
     {
       "epoch": 2.4,
-      "grad_norm": 0.2497468739748001,
+      "grad_norm": 0.25463634729385376,
       "learning_rate": 0.00011542489329653024,
-      "loss": 0.4322,
+      "loss": 0.427,
       "step": 36
     },
     {
       "epoch": 2.466666666666667,
-      "grad_norm": 0.2430230975151062,
+      "grad_norm": 0.2404577136039734,
       "learning_rate": 0.000111039399541527,
-      "loss": 0.4522,
+      "loss": 0.4204,
       "step": 37
     },
     {
       "epoch": 2.533333333333333,
-      "grad_norm": 0.2502894103527069,
+      "grad_norm": 0.27046656608581543,
       "learning_rate": 0.00010663229564351041,
-      "loss": 0.445,
+      "loss": 0.4349,
       "step": 38
     },
     {
       "epoch": 2.6,
-      "grad_norm": 0.2519069314002991,
+      "grad_norm": 0.2494724541902542,
       "learning_rate": 0.00010221220871531869,
-      "loss": 0.4538,
+      "loss": 0.4269,
       "step": 39
     },
     {
       "epoch": 2.6666666666666665,
-      "grad_norm": 0.26106491684913635,
+      "grad_norm": 0.25197190046310425,
       "learning_rate": 9.778779128468132e-05,
-      "loss": 0.4281,
+      "loss": 0.4022,
       "step": 40
     },
     {
       "epoch": 2.7333333333333334,
-      "grad_norm": 0.2525814175605774,
+      "grad_norm": 0.2529221177101135,
       "learning_rate": 9.336770435648964e-05,
-      "loss": 0.4355,
+      "loss": 0.4256,
       "step": 41
     },
     {
       "epoch": 2.8,
-      "grad_norm": 0.265308678150177,
+      "grad_norm": 0.26619741320610046,
       "learning_rate": 8.896060045847304e-05,
-      "loss": 0.4473,
+      "loss": 0.4239,
       "step": 42
     },
     {
       "epoch": 2.8666666666666667,
-      "grad_norm": 0.2648494839668274,
+      "grad_norm": 0.2642028033733368,
       "learning_rate": 8.457510670346976e-05,
-      "loss": 0.4022,
+      "loss": 0.414,
       "step": 43
     },
     {
       "epoch": 2.9333333333333336,
-      "grad_norm": 0.2691289186477661,
+      "grad_norm": 0.2735430598258972,
       "learning_rate": 8.021980790144827e-05,
-      "loss": 0.4406,
+      "loss": 0.3948,
       "step": 44
     },
     {
       "epoch": 3.0,
-      "grad_norm": 0.2824676036834717,
+      "grad_norm": 0.26235178112983704,
       "learning_rate": 7.590322975433857e-05,
-      "loss": 0.452,
+      "loss": 0.4013,
       "step": 45
     },
     {
       "epoch": 3.066666666666667,
-      "grad_norm": 0.2525165379047394,
+      "grad_norm": 0.2630228102207184,
       "learning_rate": 7.163382216657034e-05,
-      "loss": 0.3927,
+      "loss": 0.3624,
       "step": 46
     },
     {
       "epoch": 3.1333333333333333,
-      "grad_norm": 0.254032701253891,
+      "grad_norm": 0.2455410361289978,
       "learning_rate": 6.741994270398826e-05,
-      "loss": 0.3965,
+      "loss": 0.3559,
       "step": 47
     },
     {
       "epoch": 3.2,
-      "grad_norm": 0.2576282322406769,
+      "grad_norm": 0.25239506363868713,
       "learning_rate": 6.326984023352435e-05,
-      "loss": 0.3795,
+      "loss": 0.3297,
       "step": 48
     },
     {
       "epoch": 3.2666666666666666,
-      "grad_norm": 0.2692203223705292,
+      "grad_norm": 0.26092275977134705,
       "learning_rate": 5.91916387756535e-05,
-      "loss": 0.3606,
+      "loss": 0.3519,
       "step": 49
     },
     {
       "epoch": 3.3333333333333335,
-      "grad_norm": 0.2536472976207733,
+      "grad_norm": 0.2558125853538513,
       "learning_rate": 5.5193321601242156e-05,
-      "loss": 0.3584,
+      "loss": 0.3467,
       "step": 50
     },
     {
       "epoch": 3.4,
-      "grad_norm": 0.26730450987815857,
+      "grad_norm": 0.2603452503681183,
       "learning_rate": 5.1282715603920374e-05,
-      "loss": 0.3683,
+      "loss": 0.3606,
       "step": 51
     },
     {
       "epoch": 3.466666666666667,
-      "grad_norm": 0.2513953745365143,
+      "grad_norm": 0.2685030996799469,
       "learning_rate": 4.746747597857014e-05,
-      "loss": 0.379,
+      "loss": 0.3385,
       "step": 52
     },
     {
       "epoch": 3.533333333333333,
-      "grad_norm": 0.2627832889556885,
+      "grad_norm": 0.2547042965888977,
       "learning_rate": 4.375507123592194e-05,
-      "loss": 0.3735,
+      "loss": 0.3502,
       "step": 53
     },
     {
       "epoch": 3.6,
-      "grad_norm": 0.259952574968338,
+      "grad_norm": 0.25863558053970337,
       "learning_rate": 4.015276858259427e-05,
-      "loss": 0.3411,
+      "loss": 0.3353,
       "step": 54
     },
     {
       "epoch": 3.6666666666666665,
-      "grad_norm": 0.2816048860549927,
+      "grad_norm": 0.25985899567604065,
       "learning_rate": 3.6667619695195285e-05,
-      "loss": 0.3803,
+      "loss": 0.3314,
       "step": 55
     },
     {
       "epoch": 3.7333333333333334,
-      "grad_norm": 0.27485090494155884,
+      "grad_norm": 0.2722785174846649,
       "learning_rate": 3.330644691633492e-05,
-      "loss": 0.3556,
+      "loss": 0.3224,
       "step": 56
     },
     {
       "epoch": 3.8,
-      "grad_norm": 0.2661534249782562,
+      "grad_norm": 0.2661519944667816,
       "learning_rate": 3.0075829899568597e-05,
-      "loss": 0.3528,
+      "loss": 0.3487,
       "step": 57
     },
     {
       "epoch": 3.8666666666666667,
-      "grad_norm": 0.26727545261383057,
+      "grad_norm": 0.2682656943798065,
       "learning_rate": 2.6982092729416587e-05,
-      "loss": 0.3504,
+      "loss": 0.3412,
       "step": 58
     },
     {
       "epoch": 3.9333333333333336,
-      "grad_norm": 0.26828691363334656,
+      "grad_norm": 0.2595905363559723,
       "learning_rate": 2.403129154167153e-05,
-      "loss": 0.3344,
+      "loss": 0.3242,
       "step": 59
     },
     {
       "epoch": 4.0,
-      "grad_norm": 0.28051289916038513,
+      "grad_norm": 0.2578358054161072,
       "learning_rate": 2.1229202668228197e-05,
-      "loss": 0.3626,
+      "loss": 0.306,
       "step": 60
     },
     {
       "epoch": 4.066666666666666,
-      "grad_norm": 0.2530427575111389,
+      "grad_norm": 0.2525722086429596,
       "learning_rate": 1.858131132964259e-05,
-      "loss": 0.3507,
+      "loss": 0.3234,
       "step": 61
     },
     {
       "epoch": 4.133333333333334,
-      "grad_norm": 0.2655912935733795,
+      "grad_norm": 0.2557724118232727,
       "learning_rate": 1.609280089755515e-05,
-      "loss": 0.349,
+      "loss": 0.2945,
       "step": 62
     },
     {
       "epoch": 4.2,
-      "grad_norm": 0.2573871910572052,
+      "grad_norm": 0.2506673038005829,
       "learning_rate": 1.3768542747997215e-05,
-      "loss": 0.3237,
+      "loss": 0.3157,
       "step": 63
     },
     {
       "epoch": 4.266666666666667,
-      "grad_norm": 0.25921154022216797,
+      "grad_norm": 0.25794729590415955,
       "learning_rate": 1.161308672544389e-05,
-      "loss": 0.3239,
+      "loss": 0.3085,
       "step": 64
     },
     {
       "epoch": 4.333333333333333,
-      "grad_norm": 0.25051575899124146,
+      "grad_norm": 0.2558946907520294,
       "learning_rate": 9.630652236279625e-06,
-      "loss": 0.3258,
+      "loss": 0.3096,
       "step": 65
     },
     {
       "epoch": 4.4,
-      "grad_norm": 0.2642783224582672,
+      "grad_norm": 0.25984814763069153,
       "learning_rate": 7.825119989112173e-06,
-      "loss": 0.3285,
+      "loss": 0.311,
       "step": 66
     },
     {
       "epoch": 4.466666666666667,
-      "grad_norm": 0.2573557198047638,
+      "grad_norm": 0.24387367069721222,
       "learning_rate": 6.200024398103255e-06,
-      "loss": 0.3139,
+      "loss": 0.3083,
       "step": 67
     },
     {
       "epoch": 4.533333333333333,
-      "grad_norm": 0.26767197251319885,
+      "grad_norm": 0.24648573994636536,
       "learning_rate": 4.758546664186869e-06,
-      "loss": 0.3278,
+      "loss": 0.2929,
       "step": 68
     },
     {
       "epoch": 4.6,
-      "grad_norm": 0.2601770758628845,
+      "grad_norm": 0.24927794933319092,
       "learning_rate": 3.5035085477190143e-06,
-      "loss": 0.3328,
+      "loss": 0.312,
       "step": 69
     },
     {
       "epoch": 4.666666666666667,
-      "grad_norm": 0.26734593510627747,
+      "grad_norm": 0.25699713826179504,
       "learning_rate": 2.4373668447493224e-06,
-      "loss": 0.3148,
+      "loss": 0.3157,
       "step": 70
     },
     {
       "epoch": 4.733333333333333,
-      "grad_norm": 0.27117228507995605,
+      "grad_norm": 0.25668400526046753,
       "learning_rate": 1.562208577727442e-06,
-      "loss": 0.333,
+      "loss": 0.297,
       "step": 71
     },
     {
       "epoch": 4.8,
-      "grad_norm": 0.26604366302490234,
+      "grad_norm": 0.25037774443626404,
       "learning_rate": 8.797469100585431e-07,
-      "loss": 0.3295,
+      "loss": 0.2887,
       "step": 72
     },
     {
       "epoch": 4.866666666666667,
-      "grad_norm": 0.2652713656425476,
+      "grad_norm": 0.24792499840259552,
       "learning_rate": 3.913177925055189e-07,
-      "loss": 0.3302,
+      "loss": 0.3156,
       "step": 73
     },
     {
       "epoch": 4.933333333333334,
-      "grad_norm": 0.255132257938385,
+      "grad_norm": 0.2463802695274353,
       "learning_rate": 9.78773480026396e-08,
-      "loss": 0.3194,
+      "loss": 0.2867,
       "step": 74
     },
     {
       "epoch": 5.0,
-      "grad_norm": 0.2664608061313629,
+      "grad_norm": 0.24436143040657043,
       "learning_rate": 0.0,
-      "loss": 0.3224,
+      "loss": 0.293,
       "step": 75
     }
   ],
@@ -551,7 +551,7 @@
       "attributes": {}
     }
   },
-  "total_flos": 1.1421767304265728e+17,
+  "total_flos": 1.1357004270610022e+17,
   "train_batch_size": 1,
   "trial_name": null,
   "trial_params": null

training_args.bin

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:df28259b7b35644f29b25e4ee323544c680a9a0ba2960dc768fa8cef03cf4587
+oid sha256:133ef49c1d5ba133c05e9ffbacea52565e6b8a05c8e8bf2790825a5b10a34915
 size 5240