{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.8773333333333333,
  "eval_steps": 500,
  "global_step": 220,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.008533333333333334,
      "grad_norm": 100.21848203113535,
      "learning_rate": 0.0,
      "loss": 7.1962,
      "step": 1
    },
    {
      "epoch": 0.017066666666666667,
      "grad_norm": 96.43006188910957,
      "learning_rate": 3.0102999566398115e-06,
      "loss": 6.9414,
      "step": 2
    },
    {
      "epoch": 0.0256,
      "grad_norm": 97.35803466618715,
      "learning_rate": 4.771212547196624e-06,
      "loss": 7.0102,
      "step": 3
    },
    {
      "epoch": 0.034133333333333335,
      "grad_norm": 95.14837816372646,
      "learning_rate": 6.020599913279623e-06,
      "loss": 6.5295,
      "step": 4
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 91.76544275692784,
      "learning_rate": 6.989700043360187e-06,
      "loss": 6.4806,
      "step": 5
    },
    {
      "epoch": 0.0512,
      "grad_norm": 84.4494318688335,
      "learning_rate": 7.781512503836437e-06,
      "loss": 6.4194,
      "step": 6
    },
    {
      "epoch": 0.05973333333333333,
      "grad_norm": 71.37977490595638,
      "learning_rate": 8.450980400142568e-06,
      "loss": 5.4953,
      "step": 7
    },
    {
      "epoch": 0.06826666666666667,
      "grad_norm": 49.31153456754566,
      "learning_rate": 9.030899869919434e-06,
      "loss": 5.4123,
      "step": 8
    },
    {
      "epoch": 0.0768,
      "grad_norm": 20.37296364560341,
      "learning_rate": 9.542425094393249e-06,
      "loss": 5.2334,
      "step": 9
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 7.968467079076881,
      "learning_rate": 9.999999999999999e-06,
      "loss": 5.0282,
      "step": 10
    },
    {
      "epoch": 0.09386666666666667,
      "grad_norm": 3.559446532055649,
      "learning_rate": 1.041392685158225e-05,
      "loss": 4.612,
      "step": 11
    },
    {
      "epoch": 0.1024,
      "grad_norm": 3.5528846947995674,
      "learning_rate": 1.0791812460476248e-05,
      "loss": 4.9475,
      "step": 12
    },
    {
      "epoch": 0.11093333333333333,
      "grad_norm": 3.541968897471334,
      "learning_rate": 1.1139433523068365e-05,
      "loss": 4.2777,
      "step": 13
    },
    {
      "epoch": 0.11946666666666667,
      "grad_norm": 3.54718070036198,
      "learning_rate": 1.1461280356782378e-05,
      "loss": 4.3507,
      "step": 14
    },
    {
      "epoch": 0.128,
      "grad_norm": 3.8632334830606747,
      "learning_rate": 1.1760912590556813e-05,
      "loss": 4.5364,
      "step": 15
    },
    {
      "epoch": 0.13653333333333334,
      "grad_norm": 3.6637424744054004,
      "learning_rate": 1.2041199826559246e-05,
      "loss": 3.9672,
      "step": 16
    },
    {
      "epoch": 0.14506666666666668,
      "grad_norm": 3.919802904818311,
      "learning_rate": 1.230448921378274e-05,
      "loss": 4.0618,
      "step": 17
    },
    {
      "epoch": 0.1536,
      "grad_norm": 4.71904950738746,
      "learning_rate": 1.2552725051033058e-05,
      "loss": 4.6656,
      "step": 18
    },
    {
      "epoch": 0.16213333333333332,
      "grad_norm": 4.6656317698690835,
      "learning_rate": 1.2787536009528288e-05,
      "loss": 4.1131,
      "step": 19
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 5.145138692367417,
      "learning_rate": 1.301029995663981e-05,
      "loss": 4.0989,
      "step": 20
    },
    {
      "epoch": 0.1792,
      "grad_norm": 5.923538014759818,
      "learning_rate": 1.3222192947339192e-05,
      "loss": 4.4991,
      "step": 21
    },
    {
      "epoch": 0.18773333333333334,
      "grad_norm": 5.941056962941364,
      "learning_rate": 1.3424226808222062e-05,
      "loss": 4.0836,
      "step": 22
    },
    {
      "epoch": 0.19626666666666667,
      "grad_norm": 6.171026012117947,
      "learning_rate": 1.3617278360175927e-05,
      "loss": 3.6861,
      "step": 23
    },
    {
      "epoch": 0.2048,
      "grad_norm": 7.130542138930838,
      "learning_rate": 1.380211241711606e-05,
      "loss": 4.0958,
      "step": 24
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 7.328837606110418,
      "learning_rate": 1.3979400086720374e-05,
      "loss": 3.9524,
      "step": 25
    },
    {
      "epoch": 0.22186666666666666,
      "grad_norm": 6.923489005711429,
      "learning_rate": 1.4149733479708178e-05,
      "loss": 3.6062,
      "step": 26
    },
    {
      "epoch": 0.2304,
      "grad_norm": 6.409498926059221,
      "learning_rate": 1.4313637641589872e-05,
      "loss": 3.2034,
      "step": 27
    },
    {
      "epoch": 0.23893333333333333,
      "grad_norm": 5.781628405584682,
      "learning_rate": 1.4471580313422191e-05,
      "loss": 2.8158,
      "step": 28
    },
    {
      "epoch": 0.24746666666666667,
      "grad_norm": 6.2927590068243315,
      "learning_rate": 1.4623979978989559e-05,
      "loss": 2.9803,
      "step": 29
    },
    {
      "epoch": 0.256,
      "grad_norm": 6.103844678630006,
      "learning_rate": 1.4771212547196623e-05,
      "loss": 2.847,
      "step": 30
    },
    {
      "epoch": 0.26453333333333334,
      "grad_norm": 7.656341925867144,
      "learning_rate": 1.4913616938342726e-05,
      "loss": 3.0907,
      "step": 31
    },
    {
      "epoch": 0.2730666666666667,
      "grad_norm": 6.324242877501844,
      "learning_rate": 1.5051499783199059e-05,
      "loss": 2.3467,
      "step": 32
    },
    {
      "epoch": 0.2816,
      "grad_norm": 7.606313101162739,
      "learning_rate": 1.5185139398778874e-05,
      "loss": 2.5292,
      "step": 33
    },
    {
      "epoch": 0.29013333333333335,
      "grad_norm": 8.553792493849265,
      "learning_rate": 1.531478917042255e-05,
      "loss": 2.4547,
      "step": 34
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 8.483368703272543,
      "learning_rate": 1.5440680443502753e-05,
      "loss": 2.1956,
      "step": 35
    },
    {
      "epoch": 0.3072,
      "grad_norm": 8.364739352838077,
      "learning_rate": 1.5563025007672873e-05,
      "loss": 1.8552,
      "step": 36
    },
    {
      "epoch": 0.3157333333333333,
      "grad_norm": 9.37663682000104,
      "learning_rate": 1.5682017240669948e-05,
      "loss": 1.9228,
      "step": 37
    },
    {
      "epoch": 0.32426666666666665,
      "grad_norm": 9.823047193440066,
      "learning_rate": 1.57978359661681e-05,
      "loss": 1.7033,
      "step": 38
    },
    {
      "epoch": 0.3328,
      "grad_norm": 9.692618512955894,
      "learning_rate": 1.591064607026499e-05,
      "loss": 1.3768,
      "step": 39
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 9.08889021911031,
      "learning_rate": 1.6020599913279622e-05,
      "loss": 1.3015,
      "step": 40
    },
    {
      "epoch": 0.34986666666666666,
      "grad_norm": 8.081534221516058,
      "learning_rate": 1.6127838567197353e-05,
      "loss": 0.9228,
      "step": 41
    },
    {
      "epoch": 0.3584,
      "grad_norm": 6.238638048950311,
      "learning_rate": 1.6232492903979005e-05,
      "loss": 0.7267,
      "step": 42
    },
    {
      "epoch": 0.36693333333333333,
      "grad_norm": 3.4058036861773604,
      "learning_rate": 1.6334684555795865e-05,
      "loss": 0.5875,
      "step": 43
    },
    {
      "epoch": 0.37546666666666667,
      "grad_norm": 2.079163829467713,
      "learning_rate": 1.6434526764861872e-05,
      "loss": 0.6355,
      "step": 44
    },
    {
      "epoch": 0.384,
      "grad_norm": 1.5597487833024746,
      "learning_rate": 1.6532125137753435e-05,
      "loss": 0.5106,
      "step": 45
    },
    {
      "epoch": 0.39253333333333335,
      "grad_norm": 2.491689602375256,
      "learning_rate": 1.662757831681574e-05,
      "loss": 0.6454,
      "step": 46
    },
    {
      "epoch": 0.4010666666666667,
      "grad_norm": 2.010880438195854,
      "learning_rate": 1.672097857935717e-05,
      "loss": 0.4757,
      "step": 47
    },
    {
      "epoch": 0.4096,
      "grad_norm": 1.9452805114322096,
      "learning_rate": 1.681241237375587e-05,
      "loss": 0.4133,
      "step": 48
    },
    {
      "epoch": 0.41813333333333336,
      "grad_norm": 1.7620848552306103,
      "learning_rate": 1.6901960800285137e-05,
      "loss": 0.4004,
      "step": 49
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 1.278224489774809,
      "learning_rate": 1.6989700043360187e-05,
      "loss": 0.3523,
      "step": 50
    },
    {
      "epoch": 0.4352,
      "grad_norm": 1.6151354758303231,
      "learning_rate": 1.7075701760979363e-05,
      "loss": 0.4317,
      "step": 51
    },
    {
      "epoch": 0.4437333333333333,
      "grad_norm": 1.3451396055695035,
      "learning_rate": 1.716003343634799e-05,
      "loss": 0.3474,
      "step": 52
    },
    {
      "epoch": 0.45226666666666665,
      "grad_norm": 1.6814977782362666,
      "learning_rate": 1.724275869600789e-05,
      "loss": 0.3706,
      "step": 53
    },
    {
      "epoch": 0.4608,
      "grad_norm": 1.1682442432688667,
      "learning_rate": 1.7323937598229687e-05,
      "loss": 0.3488,
      "step": 54
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 0.8839814540462471,
      "learning_rate": 1.7403626894942437e-05,
      "loss": 0.293,
      "step": 55
    },
    {
      "epoch": 0.47786666666666666,
      "grad_norm": 0.7974304806295485,
      "learning_rate": 1.7481880270062003e-05,
      "loss": 0.2717,
      "step": 56
    },
    {
      "epoch": 0.4864,
      "grad_norm": 0.6232203657585239,
      "learning_rate": 1.7558748556724913e-05,
      "loss": 0.1741,
      "step": 57
    },
    {
      "epoch": 0.49493333333333334,
      "grad_norm": 0.6850688604563008,
      "learning_rate": 1.763427993562937e-05,
      "loss": 0.228,
      "step": 58
    },
    {
      "epoch": 0.5034666666666666,
      "grad_norm": 0.5923826384300431,
      "learning_rate": 1.7708520116421443e-05,
      "loss": 0.2131,
      "step": 59
    },
    {
      "epoch": 0.512,
      "grad_norm": 0.489754430485032,
      "learning_rate": 1.7781512503836432e-05,
      "loss": 0.165,
      "step": 60
    },
    {
      "epoch": 0.5205333333333333,
      "grad_norm": 0.5280940052395061,
      "learning_rate": 1.7853298350107667e-05,
      "loss": 0.1658,
      "step": 61
    },
    {
      "epoch": 0.5290666666666667,
      "grad_norm": 0.4750905992036739,
      "learning_rate": 1.7923916894982537e-05,
      "loss": 0.1438,
      "step": 62
    },
    {
      "epoch": 0.5376,
      "grad_norm": 0.4162998392722401,
      "learning_rate": 1.7993405494535815e-05,
      "loss": 0.1555,
      "step": 63
    },
    {
      "epoch": 0.5461333333333334,
      "grad_norm": 0.26863266246370443,
      "learning_rate": 1.806179973983887e-05,
      "loss": 0.1323,
      "step": 64
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 0.26534221125601215,
      "learning_rate": 1.8129133566428553e-05,
      "loss": 0.1671,
      "step": 65
    },
    {
      "epoch": 0.5632,
      "grad_norm": 0.2548662962257576,
      "learning_rate": 1.8195439355418686e-05,
      "loss": 0.1308,
      "step": 66
    },
    {
      "epoch": 0.5717333333333333,
      "grad_norm": 0.18045394638578796,
      "learning_rate": 1.8260748027008263e-05,
      "loss": 0.1262,
      "step": 67
    },
    {
      "epoch": 0.5802666666666667,
      "grad_norm": 0.17070388073612064,
      "learning_rate": 1.8325089127062364e-05,
      "loss": 0.1192,
      "step": 68
    },
    {
      "epoch": 0.5888,
      "grad_norm": 0.1531381679244776,
      "learning_rate": 1.8388490907372553e-05,
      "loss": 0.1274,
      "step": 69
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 0.18196434993687946,
      "learning_rate": 1.8450980400142568e-05,
      "loss": 0.1375,
      "step": 70
    },
    {
      "epoch": 0.6058666666666667,
      "grad_norm": 0.15324416972951205,
      "learning_rate": 1.8512583487190752e-05,
      "loss": 0.1599,
      "step": 71
    },
    {
      "epoch": 0.6144,
      "grad_norm": 0.10884462064503801,
      "learning_rate": 1.857332496431268e-05,
      "loss": 0.1041,
      "step": 72
    },
    {
      "epoch": 0.6229333333333333,
      "grad_norm": 0.12915133528192668,
      "learning_rate": 1.8633228601204555e-05,
      "loss": 0.1406,
      "step": 73
    },
    {
      "epoch": 0.6314666666666666,
      "grad_norm": 0.12553425699952878,
      "learning_rate": 1.8692317197309763e-05,
      "loss": 0.1256,
      "step": 74
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.11976960918968543,
      "learning_rate": 1.8750612633916997e-05,
      "loss": 0.1144,
      "step": 75
    },
    {
      "epoch": 0.6485333333333333,
      "grad_norm": 0.115805998298789,
      "learning_rate": 1.8808135922807914e-05,
      "loss": 0.1528,
      "step": 76
    },
    {
      "epoch": 0.6570666666666667,
      "grad_norm": 0.10325948496697443,
      "learning_rate": 1.8864907251724818e-05,
      "loss": 0.1044,
      "step": 77
    },
    {
      "epoch": 0.6656,
      "grad_norm": 0.09595064346541006,
      "learning_rate": 1.8920946026904802e-05,
      "loss": 0.1534,
      "step": 78
    },
    {
      "epoch": 0.6741333333333334,
      "grad_norm": 0.08796742845240496,
      "learning_rate": 1.8976270912904414e-05,
      "loss": 0.1155,
      "step": 79
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 0.08218991738379527,
      "learning_rate": 1.9030899869919434e-05,
      "loss": 0.1311,
      "step": 80
    },
    {
      "epoch": 0.6912,
      "grad_norm": 0.08290815261109215,
      "learning_rate": 1.9084850188786497e-05,
      "loss": 0.11,
      "step": 81
    },
    {
      "epoch": 0.6997333333333333,
      "grad_norm": 0.0794132180176064,
      "learning_rate": 1.9138138523837165e-05,
      "loss": 0.1135,
      "step": 82
    },
    {
      "epoch": 0.7082666666666667,
      "grad_norm": 0.06934410705255296,
      "learning_rate": 1.919078092376074e-05,
      "loss": 0.109,
      "step": 83
    },
    {
      "epoch": 0.7168,
      "grad_norm": 0.09000563031870593,
      "learning_rate": 1.9242792860618813e-05,
      "loss": 0.12,
      "step": 84
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 0.1134042277879818,
      "learning_rate": 1.929418925714293e-05,
      "loss": 0.1223,
      "step": 85
    },
    {
      "epoch": 0.7338666666666667,
      "grad_norm": 0.09118764690233076,
      "learning_rate": 1.9344984512435673e-05,
      "loss": 0.1459,
      "step": 86
    },
    {
      "epoch": 0.7424,
      "grad_norm": 0.07873016754353963,
      "learning_rate": 1.9395192526186183e-05,
      "loss": 0.1422,
      "step": 87
    },
    {
      "epoch": 0.7509333333333333,
      "grad_norm": 0.1796495874463076,
      "learning_rate": 1.9444826721501687e-05,
      "loss": 0.1291,
      "step": 88
    },
    {
      "epoch": 0.7594666666666666,
      "grad_norm": 0.0679589944174269,
      "learning_rate": 1.9493900066449125e-05,
      "loss": 0.108,
      "step": 89
    },
    {
      "epoch": 0.768,
      "grad_norm": 0.08174688574235538,
      "learning_rate": 1.9542425094393246e-05,
      "loss": 0.1081,
      "step": 90
    },
    {
      "epoch": 0.7765333333333333,
      "grad_norm": 0.057137370501406756,
      "learning_rate": 1.9590413923210934e-05,
      "loss": 0.0934,
      "step": 91
    },
    {
      "epoch": 0.7850666666666667,
      "grad_norm": 0.06578111924908255,
      "learning_rate": 1.9637878273455555e-05,
      "loss": 0.1085,
      "step": 92
    },
    {
      "epoch": 0.7936,
      "grad_norm": 0.08945990540906254,
      "learning_rate": 1.968482948553935e-05,
      "loss": 0.1747,
      "step": 93
    },
    {
      "epoch": 0.8021333333333334,
      "grad_norm": 0.06183863311044229,
      "learning_rate": 1.9731278535996986e-05,
      "loss": 0.1136,
      "step": 94
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 0.05777899602544702,
      "learning_rate": 1.9777236052888476e-05,
      "loss": 0.0984,
      "step": 95
    },
    {
      "epoch": 0.8192,
      "grad_norm": 0.08130851607693534,
      "learning_rate": 1.9822712330395683e-05,
      "loss": 0.187,
      "step": 96
    },
    {
      "epoch": 0.8277333333333333,
      "grad_norm": 0.06426546202002927,
      "learning_rate": 1.986771734266245e-05,
      "loss": 0.1296,
      "step": 97
    },
    {
      "epoch": 0.8362666666666667,
      "grad_norm": 0.069692313707994,
      "learning_rate": 1.991226075692495e-05,
      "loss": 0.1404,
      "step": 98
    },
    {
      "epoch": 0.8448,
      "grad_norm": 0.05494542266886729,
      "learning_rate": 1.9956351945975496e-05,
      "loss": 0.116,
      "step": 99
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.07571686966840627,
      "learning_rate": 1.9999999999999998e-05,
      "loss": 0.1539,
      "step": 100
    },
    {
      "epoch": 0.8618666666666667,
      "grad_norm": 0.054351059117603705,
      "learning_rate": 2e-05,
      "loss": 0.1037,
      "step": 101
    },
    {
      "epoch": 0.8704,
      "grad_norm": 0.06531899611551092,
      "learning_rate": 2e-05,
      "loss": 0.0827,
      "step": 102
    },
    {
      "epoch": 0.8789333333333333,
      "grad_norm": 0.06131678646504652,
      "learning_rate": 2e-05,
      "loss": 0.1266,
      "step": 103
    },
    {
      "epoch": 0.8874666666666666,
      "grad_norm": 0.06850220540661824,
      "learning_rate": 2e-05,
      "loss": 0.1456,
      "step": 104
    },
    {
      "epoch": 0.896,
      "grad_norm": 0.05806908951252483,
      "learning_rate": 2e-05,
      "loss": 0.0954,
      "step": 105
    },
    {
      "epoch": 0.9045333333333333,
      "grad_norm": 0.06503642452033717,
      "learning_rate": 2e-05,
      "loss": 0.1417,
      "step": 106
    },
    {
      "epoch": 0.9130666666666667,
      "grad_norm": 0.050486271853277066,
      "learning_rate": 2e-05,
      "loss": 0.0959,
      "step": 107
    },
    {
      "epoch": 0.9216,
      "grad_norm": 0.07746063813802379,
      "learning_rate": 2e-05,
      "loss": 0.1256,
      "step": 108
    },
    {
      "epoch": 0.9301333333333334,
      "grad_norm": 0.051231172380840004,
      "learning_rate": 2e-05,
      "loss": 0.1116,
      "step": 109
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 0.056296443557859455,
      "learning_rate": 2e-05,
      "loss": 0.1056,
      "step": 110
    },
    {
      "epoch": 0.9472,
      "grad_norm": 0.05058663240713958,
      "learning_rate": 2e-05,
      "loss": 0.0971,
      "step": 111
    },
    {
      "epoch": 0.9557333333333333,
      "grad_norm": 0.05532886570130611,
      "learning_rate": 2e-05,
      "loss": 0.1086,
      "step": 112
    },
    {
      "epoch": 0.9642666666666667,
      "grad_norm": 0.05327811326654907,
      "learning_rate": 2e-05,
      "loss": 0.0989,
      "step": 113
    },
    {
      "epoch": 0.9728,
      "grad_norm": 0.05663279364147864,
      "learning_rate": 2e-05,
      "loss": 0.0958,
      "step": 114
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 0.04930904541225805,
      "learning_rate": 2e-05,
      "loss": 0.0887,
      "step": 115
    },
    {
      "epoch": 0.9898666666666667,
      "grad_norm": 0.06096947951115022,
      "learning_rate": 2e-05,
      "loss": 0.106,
      "step": 116
    },
    {
      "epoch": 0.9984,
      "grad_norm": 0.050092322361182495,
      "learning_rate": 2e-05,
      "loss": 0.0931,
      "step": 117
    },
    {
      "epoch": 1.0069333333333332,
      "grad_norm": 0.04980408443758999,
      "learning_rate": 2e-05,
      "loss": 0.0955,
      "step": 118
    },
    {
      "epoch": 1.0154666666666667,
      "grad_norm": 0.051183082721834305,
      "learning_rate": 2e-05,
      "loss": 0.1049,
      "step": 119
    },
    {
      "epoch": 1.024,
      "grad_norm": 0.04332220265802814,
      "learning_rate": 2e-05,
      "loss": 0.0983,
      "step": 120
    },
    {
      "epoch": 1.0325333333333333,
      "grad_norm": 0.07211731499677299,
      "learning_rate": 2e-05,
      "loss": 0.1386,
      "step": 121
    },
    {
      "epoch": 1.0410666666666666,
      "grad_norm": 0.06550870223740553,
      "learning_rate": 2e-05,
      "loss": 0.1334,
      "step": 122
    },
    {
      "epoch": 1.0496,
      "grad_norm": 0.05331839690767287,
      "learning_rate": 2e-05,
      "loss": 0.1014,
      "step": 123
    },
    {
      "epoch": 1.0581333333333334,
      "grad_norm": 0.05227685628767905,
      "learning_rate": 2e-05,
      "loss": 0.1098,
      "step": 124
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 0.07641693882491171,
      "learning_rate": 2e-05,
      "loss": 0.1127,
      "step": 125
    },
    {
      "epoch": 1.0752,
      "grad_norm": 0.052835367770791786,
      "learning_rate": 2e-05,
      "loss": 0.1231,
      "step": 126
    },
    {
      "epoch": 1.0837333333333334,
      "grad_norm": 0.07520329755025788,
      "learning_rate": 2e-05,
      "loss": 0.085,
      "step": 127
    },
    {
      "epoch": 1.0922666666666667,
      "grad_norm": 0.07670066152157425,
      "learning_rate": 2e-05,
      "loss": 0.1071,
      "step": 128
    },
    {
      "epoch": 1.1008,
      "grad_norm": 0.052832906560645154,
      "learning_rate": 2e-05,
      "loss": 0.1093,
      "step": 129
    },
    {
      "epoch": 1.1093333333333333,
      "grad_norm": 0.06573889037311398,
      "learning_rate": 2e-05,
      "loss": 0.1193,
      "step": 130
    },
    {
      "epoch": 1.1178666666666666,
      "grad_norm": 0.05175471296566334,
      "learning_rate": 2e-05,
      "loss": 0.1184,
      "step": 131
    },
    {
      "epoch": 1.1264,
      "grad_norm": 0.05912231419793496,
      "learning_rate": 2e-05,
      "loss": 0.1154,
      "step": 132
    },
    {
      "epoch": 1.1349333333333333,
      "grad_norm": 0.04899140475981105,
      "learning_rate": 2e-05,
      "loss": 0.0957,
      "step": 133
    },
    {
      "epoch": 1.1434666666666666,
      "grad_norm": 0.05939916939142137,
      "learning_rate": 2e-05,
      "loss": 0.0979,
      "step": 134
    },
    {
      "epoch": 1.152,
      "grad_norm": 0.0516819217599706,
      "learning_rate": 2e-05,
      "loss": 0.0834,
      "step": 135
    },
    {
      "epoch": 1.1605333333333334,
      "grad_norm": 0.05456440346454737,
      "learning_rate": 2e-05,
      "loss": 0.1183,
      "step": 136
    },
    {
      "epoch": 1.1690666666666667,
      "grad_norm": 0.059906464476343235,
      "learning_rate": 2e-05,
      "loss": 0.1048,
      "step": 137
    },
    {
      "epoch": 1.1776,
      "grad_norm": 0.0720112680204319,
      "learning_rate": 2e-05,
      "loss": 0.1168,
      "step": 138
    },
    {
      "epoch": 1.1861333333333333,
      "grad_norm": 0.04940202805828527,
      "learning_rate": 2e-05,
      "loss": 0.0948,
      "step": 139
    },
    {
      "epoch": 1.1946666666666665,
      "grad_norm": 0.060088609545130046,
      "learning_rate": 2e-05,
      "loss": 0.0952,
      "step": 140
    },
    {
      "epoch": 1.2032,
      "grad_norm": 0.04694761423612446,
      "learning_rate": 2e-05,
      "loss": 0.0717,
      "step": 141
    },
    {
      "epoch": 1.2117333333333333,
      "grad_norm": 0.05628581562512457,
      "learning_rate": 2e-05,
      "loss": 0.1062,
      "step": 142
    },
    {
      "epoch": 1.2202666666666666,
      "grad_norm": 0.06876420990437652,
      "learning_rate": 2e-05,
      "loss": 0.1218,
      "step": 143
    },
    {
      "epoch": 1.2288000000000001,
      "grad_norm": 0.058774700501610655,
      "learning_rate": 2e-05,
      "loss": 0.1125,
      "step": 144
    },
    {
      "epoch": 1.2373333333333334,
      "grad_norm": 0.061855922064341186,
      "learning_rate": 2e-05,
      "loss": 0.1295,
      "step": 145
    },
    {
      "epoch": 1.2458666666666667,
      "grad_norm": 0.0813047704730138,
      "learning_rate": 2e-05,
      "loss": 0.1165,
      "step": 146
    },
    {
      "epoch": 1.2544,
      "grad_norm": 0.061374000305305446,
      "learning_rate": 2e-05,
      "loss": 0.1094,
      "step": 147
    },
    {
      "epoch": 1.2629333333333332,
      "grad_norm": 0.055537169110833,
      "learning_rate": 2e-05,
      "loss": 0.1054,
      "step": 148
    },
    {
      "epoch": 1.2714666666666667,
      "grad_norm": 0.04423248714119304,
      "learning_rate": 2e-05,
      "loss": 0.0841,
      "step": 149
    },
    {
      "epoch": 1.28,
      "grad_norm": 0.049931966607835034,
      "learning_rate": 2e-05,
      "loss": 0.0961,
      "step": 150
    },
    {
      "epoch": 1.2885333333333333,
      "grad_norm": 0.06178656953298769,
      "learning_rate": 2e-05,
      "loss": 0.0854,
      "step": 151
    },
    {
      "epoch": 1.2970666666666666,
      "grad_norm": 0.05783812343287897,
      "learning_rate": 2e-05,
      "loss": 0.1141,
      "step": 152
    },
    {
      "epoch": 1.3056,
      "grad_norm": 0.048955120400167584,
      "learning_rate": 2e-05,
      "loss": 0.0947,
      "step": 153
    },
    {
      "epoch": 1.3141333333333334,
      "grad_norm": 0.12270174746806978,
      "learning_rate": 2e-05,
      "loss": 0.1553,
      "step": 154
    },
    {
      "epoch": 1.3226666666666667,
      "grad_norm": 0.06928026959973474,
      "learning_rate": 2e-05,
      "loss": 0.1274,
      "step": 155
    },
    {
      "epoch": 1.3312,
      "grad_norm": 0.04756100666105405,
      "learning_rate": 2e-05,
      "loss": 0.0893,
      "step": 156
    },
    {
      "epoch": 1.3397333333333332,
      "grad_norm": 0.056054951338196934,
      "learning_rate": 2e-05,
      "loss": 0.0831,
      "step": 157
    },
    {
      "epoch": 1.3482666666666667,
      "grad_norm": 0.0516990471964239,
      "learning_rate": 2e-05,
      "loss": 0.0883,
      "step": 158
    },
    {
      "epoch": 1.3568,
      "grad_norm": 0.06011650542069954,
      "learning_rate": 2e-05,
      "loss": 0.0938,
      "step": 159
    },
    {
      "epoch": 1.3653333333333333,
      "grad_norm": 0.051831307951873976,
      "learning_rate": 2e-05,
      "loss": 0.1019,
      "step": 160
    },
    {
      "epoch": 1.3738666666666668,
      "grad_norm": 0.0544902702048936,
      "learning_rate": 2e-05,
      "loss": 0.0906,
      "step": 161
    },
    {
      "epoch": 1.3824,
      "grad_norm": 0.06057617032526,
      "learning_rate": 2e-05,
      "loss": 0.1206,
      "step": 162
    },
    {
      "epoch": 1.3909333333333334,
      "grad_norm": 0.07288058025189605,
      "learning_rate": 2e-05,
      "loss": 0.1175,
      "step": 163
    },
    {
      "epoch": 1.3994666666666666,
      "grad_norm": 0.05639043792084219,
      "learning_rate": 2e-05,
      "loss": 0.1031,
      "step": 164
    },
    {
      "epoch": 1.408,
      "grad_norm": 0.0586469408837505,
      "learning_rate": 2e-05,
      "loss": 0.1143,
      "step": 165
    },
    {
      "epoch": 1.4165333333333332,
      "grad_norm": 0.059243429040783904,
      "learning_rate": 2e-05,
      "loss": 0.0838,
      "step": 166
    },
    {
      "epoch": 1.4250666666666667,
      "grad_norm": 0.0621476448363388,
      "learning_rate": 2e-05,
      "loss": 0.1032,
      "step": 167
    },
    {
      "epoch": 1.4336,
      "grad_norm": 0.06083867682720169,
      "learning_rate": 2e-05,
      "loss": 0.1119,
      "step": 168
    },
    {
      "epoch": 1.4421333333333333,
      "grad_norm": 0.09583165335305677,
      "learning_rate": 2e-05,
      "loss": 0.1028,
      "step": 169
    },
    {
      "epoch": 1.4506666666666668,
      "grad_norm": 0.06411638581314043,
      "learning_rate": 2e-05,
      "loss": 0.1181,
      "step": 170
    },
    {
      "epoch": 1.4592,
      "grad_norm": 0.05632977234908945,
      "learning_rate": 2e-05,
      "loss": 0.1055,
      "step": 171
    },
    {
      "epoch": 1.4677333333333333,
      "grad_norm": 0.05666068971337413,
      "learning_rate": 2e-05,
      "loss": 0.1116,
      "step": 172
    },
    {
      "epoch": 1.4762666666666666,
      "grad_norm": 0.04502062723807536,
      "learning_rate": 2e-05,
      "loss": 0.0588,
      "step": 173
    },
    {
      "epoch": 1.4848,
      "grad_norm": 0.05916500176868301,
      "learning_rate": 2e-05,
      "loss": 0.0949,
      "step": 174
    },
    {
      "epoch": 1.4933333333333334,
      "grad_norm": 0.056484273808864845,
      "learning_rate": 2e-05,
      "loss": 0.0948,
      "step": 175
    },
    {
      "epoch": 1.5018666666666667,
      "grad_norm": 0.06652084448571674,
      "learning_rate": 2e-05,
      "loss": 0.1086,
      "step": 176
    },
    {
      "epoch": 1.5104,
      "grad_norm": 0.05400238078068516,
      "learning_rate": 2e-05,
      "loss": 0.0919,
      "step": 177
    },
    {
      "epoch": 1.5189333333333335,
      "grad_norm": 0.04979579743346662,
      "learning_rate": 2e-05,
      "loss": 0.0879,
      "step": 178
    },
    {
      "epoch": 1.5274666666666668,
      "grad_norm": 0.06876105414733971,
      "learning_rate": 2e-05,
      "loss": 0.1162,
      "step": 179
    },
    {
      "epoch": 1.536,
      "grad_norm": 0.05633262015499721,
      "learning_rate": 2e-05,
      "loss": 0.1142,
      "step": 180
    },
    {
      "epoch": 1.5445333333333333,
      "grad_norm": 0.0599508967519892,
      "learning_rate": 2e-05,
      "loss": 0.1073,
      "step": 181
    },
    {
      "epoch": 1.5530666666666666,
      "grad_norm": 0.058912170976454126,
      "learning_rate": 2e-05,
      "loss": 0.1102,
      "step": 182
    },
    {
      "epoch": 1.5615999999999999,
      "grad_norm": 0.05361414988566254,
      "learning_rate": 2e-05,
      "loss": 0.0885,
      "step": 183
    },
    {
      "epoch": 1.5701333333333334,
      "grad_norm": 0.04517277847384077,
      "learning_rate": 2e-05,
      "loss": 0.0763,
      "step": 184
    },
    {
      "epoch": 1.5786666666666667,
      "grad_norm": 0.05551553662051771,
      "learning_rate": 2e-05,
      "loss": 0.0877,
      "step": 185
    },
    {
      "epoch": 1.5872000000000002,
      "grad_norm": 0.05814223969236194,
      "learning_rate": 2e-05,
      "loss": 0.1044,
      "step": 186
    },
    {
      "epoch": 1.5957333333333334,
      "grad_norm": 0.05710054166191597,
      "learning_rate": 2e-05,
      "loss": 0.0962,
      "step": 187
    },
    {
      "epoch": 1.6042666666666667,
      "grad_norm": 0.054744343932104075,
      "learning_rate": 2e-05,
      "loss": 0.0873,
      "step": 188
    },
    {
      "epoch": 1.6128,
      "grad_norm": 0.051145521687090995,
      "learning_rate": 2e-05,
      "loss": 0.0855,
      "step": 189
    },
    {
      "epoch": 1.6213333333333333,
      "grad_norm": 0.05414658860737789,
      "learning_rate": 2e-05,
      "loss": 0.0872,
      "step": 190
    },
    {
      "epoch": 1.6298666666666666,
      "grad_norm": 0.05084744595533029,
      "learning_rate": 2e-05,
      "loss": 0.0891,
      "step": 191
    },
    {
      "epoch": 1.6383999999999999,
      "grad_norm": 0.0567070082820597,
      "learning_rate": 2e-05,
      "loss": 0.0965,
      "step": 192
    },
    {
      "epoch": 1.6469333333333334,
      "grad_norm": 0.0494785311411315,
      "learning_rate": 2e-05,
      "loss": 0.0941,
      "step": 193
    },
    {
      "epoch": 1.6554666666666666,
      "grad_norm": 0.062341158530385396,
      "learning_rate": 2e-05,
      "loss": 0.1154,
      "step": 194
    },
    {
      "epoch": 1.6640000000000001,
      "grad_norm": 0.059888336716275685,
      "learning_rate": 2e-05,
      "loss": 0.1037,
      "step": 195
    },
    {
      "epoch": 1.6725333333333334,
      "grad_norm": 0.07346562318829057,
      "learning_rate": 2e-05,
      "loss": 0.1329,
      "step": 196
    },
    {
      "epoch": 1.6810666666666667,
      "grad_norm": 0.0792360016934733,
      "learning_rate": 2e-05,
      "loss": 0.1392,
      "step": 197
    },
    {
      "epoch": 1.6896,
      "grad_norm": 0.0800342963229883,
      "learning_rate": 2e-05,
      "loss": 0.1199,
      "step": 198
    },
    {
      "epoch": 1.6981333333333333,
      "grad_norm": 0.06848045933195548,
      "learning_rate": 2e-05,
      "loss": 0.0998,
      "step": 199
    },
    {
      "epoch": 1.7066666666666666,
      "grad_norm": 0.05743199019316764,
      "learning_rate": 2e-05,
      "loss": 0.0811,
      "step": 200
    },
    {
      "epoch": 1.7151999999999998,
      "grad_norm": 0.07170531168284446,
      "learning_rate": 2e-05,
      "loss": 0.1079,
      "step": 201
    },
    {
      "epoch": 1.7237333333333333,
      "grad_norm": 0.05772905481368506,
      "learning_rate": 2e-05,
      "loss": 0.0844,
      "step": 202
    },
    {
      "epoch": 1.7322666666666666,
      "grad_norm": 0.07504946014098464,
      "learning_rate": 2e-05,
      "loss": 0.1257,
      "step": 203
    },
    {
      "epoch": 1.7408000000000001,
      "grad_norm": 0.06450179819785838,
      "learning_rate": 2e-05,
      "loss": 0.1104,
      "step": 204
    },
    {
      "epoch": 1.7493333333333334,
      "grad_norm": 0.06595445965110332,
      "learning_rate": 2e-05,
      "loss": 0.093,
      "step": 205
    },
    {
      "epoch": 1.7578666666666667,
      "grad_norm": 0.07203558121131749,
      "learning_rate": 2e-05,
      "loss": 0.1117,
      "step": 206
    },
    {
      "epoch": 1.7664,
      "grad_norm": 0.05954646782409283,
      "learning_rate": 2e-05,
      "loss": 0.0729,
      "step": 207
    },
    {
      "epoch": 1.7749333333333333,
      "grad_norm": 0.06624894584410884,
      "learning_rate": 2e-05,
      "loss": 0.0998,
      "step": 208
    },
    {
      "epoch": 1.7834666666666665,
      "grad_norm": 0.06888562028256219,
      "learning_rate": 2e-05,
      "loss": 0.1398,
      "step": 209
    },
    {
      "epoch": 1.792,
      "grad_norm": 0.061224088077794406,
      "learning_rate": 2e-05,
      "loss": 0.1112,
      "step": 210
    },
    {
      "epoch": 1.8005333333333333,
      "grad_norm": 0.06857358883856608,
      "learning_rate": 2e-05,
      "loss": 0.1293,
      "step": 211
    },
    {
      "epoch": 1.8090666666666668,
      "grad_norm": 0.06177352416779139,
      "learning_rate": 2e-05,
      "loss": 0.0884,
      "step": 212
    },
    {
      "epoch": 1.8176,
      "grad_norm": 0.08324567429925228,
      "learning_rate": 2e-05,
      "loss": 0.1127,
      "step": 213
    },
    {
      "epoch": 1.8261333333333334,
      "grad_norm": 0.06771677297787752,
      "learning_rate": 2e-05,
      "loss": 0.089,
      "step": 214
    },
    {
      "epoch": 1.8346666666666667,
      "grad_norm": 0.07055754809472485,
      "learning_rate": 2e-05,
      "loss": 0.1206,
      "step": 215
    },
    {
      "epoch": 1.8432,
      "grad_norm": 0.05856797724392531,
      "learning_rate": 2e-05,
      "loss": 0.0893,
      "step": 216
    },
    {
      "epoch": 1.8517333333333332,
      "grad_norm": 0.07555286129801597,
      "learning_rate": 2e-05,
      "loss": 0.0913,
      "step": 217
    },
    {
      "epoch": 1.8602666666666665,
      "grad_norm": 0.09242462538643775,
      "learning_rate": 2e-05,
      "loss": 0.1241,
      "step": 218
    },
    {
      "epoch": 1.8688,
      "grad_norm": 0.06550805537088374,
      "learning_rate": 2e-05,
      "loss": 0.0819,
      "step": 219
    },
    {
      "epoch": 1.8773333333333333,
      "grad_norm": 0.06016048263236861,
      "learning_rate": 2e-05,
      "loss": 0.0955,
      "step": 220
    }
  ],
  "logging_steps": 1,
  "max_steps": 351,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "save_steps": 20,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 3.1374063827523994e+18,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}