{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.3413333333333333,
  "eval_steps": 500,
  "global_step": 40,
  "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
    }
  ],
  "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": 5.708931636490404e+17,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}