{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.4166666666666667,
  "eval_steps": 5,
  "global_step": 50,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.008333333333333333,
      "grad_norm": 2.3885583877563477,
      "learning_rate": 0.001,
      "loss": 5.2644,
      "step": 1
    },
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 3.1313512325286865,
      "learning_rate": 0.001,
      "loss": 4.4436,
      "step": 2
    },
    {
      "epoch": 0.025,
      "grad_norm": NaN,
      "learning_rate": 0.001,
      "loss": 4.1142,
      "step": 3
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 2.553321123123169,
      "learning_rate": 0.001,
      "loss": 3.8086,
      "step": 4
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 2.8816118240356445,
      "learning_rate": 0.001,
      "loss": 3.4878,
      "step": 5
    },
    {
      "epoch": 0.041666666666666664,
      "eval_runtime": 3.5452,
      "eval_samples_per_second": 33.849,
      "eval_steps_per_second": 8.462,
      "step": 5
    },
    {
      "epoch": 0.05,
      "grad_norm": NaN,
      "learning_rate": 0.001,
      "loss": 3.0569,
      "step": 6
    },
    {
      "epoch": 0.058333333333333334,
      "grad_norm": 2.565500020980835,
      "learning_rate": 0.001,
      "loss": 2.9872,
      "step": 7
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 2.421236753463745,
      "learning_rate": 0.001,
      "loss": 2.2461,
      "step": 8
    },
    {
      "epoch": 0.075,
      "grad_norm": 2.8918418884277344,
      "learning_rate": 0.001,
      "loss": 1.7755,
      "step": 9
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 3.7322306632995605,
      "learning_rate": 0.001,
      "loss": 1.4434,
      "step": 10
    },
    {
      "epoch": 0.08333333333333333,
      "eval_runtime": 3.5538,
      "eval_samples_per_second": 33.766,
      "eval_steps_per_second": 8.442,
      "step": 10
    },
    {
      "epoch": 0.09166666666666666,
      "grad_norm": 3.7344257831573486,
      "learning_rate": 0.001,
      "loss": 1.3937,
      "step": 11
    },
    {
      "epoch": 0.1,
      "grad_norm": 5.106380939483643,
      "learning_rate": 0.001,
      "loss": 1.3341,
      "step": 12
    },
    {
      "epoch": 0.10833333333333334,
      "grad_norm": 2.572021245956421,
      "learning_rate": 0.001,
      "loss": 0.9658,
      "step": 13
    },
    {
      "epoch": 0.11666666666666667,
      "grad_norm": 4.370708465576172,
      "learning_rate": 0.001,
      "loss": 1.1247,
      "step": 14
    },
    {
      "epoch": 0.125,
      "grad_norm": 2.2091898918151855,
      "learning_rate": 0.001,
      "loss": 0.8327,
      "step": 15
    },
    {
      "epoch": 0.125,
      "eval_runtime": 3.5597,
      "eval_samples_per_second": 33.711,
      "eval_steps_per_second": 8.428,
      "step": 15
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 5.971612930297852,
      "learning_rate": 0.001,
      "loss": 0.7193,
      "step": 16
    },
    {
      "epoch": 0.14166666666666666,
      "grad_norm": 2.8852627277374268,
      "learning_rate": 0.001,
      "loss": 0.6945,
      "step": 17
    },
    {
      "epoch": 0.15,
      "grad_norm": 2.9274704456329346,
      "learning_rate": 0.001,
      "loss": 0.7308,
      "step": 18
    },
    {
      "epoch": 0.15833333333333333,
      "grad_norm": 1.9048141241073608,
      "learning_rate": 0.001,
      "loss": 0.6461,
      "step": 19
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 1.8781129121780396,
      "learning_rate": 0.001,
      "loss": 0.6144,
      "step": 20
    },
    {
      "epoch": 0.16666666666666666,
      "eval_runtime": 3.5692,
      "eval_samples_per_second": 33.621,
      "eval_steps_per_second": 8.405,
      "step": 20
    },
    {
      "epoch": 0.175,
      "grad_norm": 2.35707950592041,
      "learning_rate": 0.001,
      "loss": 0.8558,
      "step": 21
    },
    {
      "epoch": 0.18333333333333332,
      "grad_norm": 2.049520254135132,
      "learning_rate": 0.001,
      "loss": 0.6385,
      "step": 22
    },
    {
      "epoch": 0.19166666666666668,
      "grad_norm": 2.3720197677612305,
      "learning_rate": 0.001,
      "loss": 0.9522,
      "step": 23
    },
    {
      "epoch": 0.2,
      "grad_norm": 1.980618953704834,
      "learning_rate": 0.001,
      "loss": 0.8766,
      "step": 24
    },
    {
      "epoch": 0.20833333333333334,
      "grad_norm": 1.5879499912261963,
      "learning_rate": 0.001,
      "loss": 0.729,
      "step": 25
    },
    {
      "epoch": 0.20833333333333334,
      "eval_runtime": 3.5755,
      "eval_samples_per_second": 33.562,
      "eval_steps_per_second": 8.391,
      "step": 25
    },
    {
      "epoch": 0.21666666666666667,
      "grad_norm": 1.6505706310272217,
      "learning_rate": 0.001,
      "loss": 0.6637,
      "step": 26
    },
    {
      "epoch": 0.225,
      "grad_norm": 1.4267758131027222,
      "learning_rate": 0.001,
      "loss": 0.9298,
      "step": 27
    },
    {
      "epoch": 0.23333333333333334,
      "grad_norm": 1.1863181591033936,
      "learning_rate": 0.001,
      "loss": 0.5314,
      "step": 28
    },
    {
      "epoch": 0.24166666666666667,
      "grad_norm": 1.2047488689422607,
      "learning_rate": 0.001,
      "loss": 0.4791,
      "step": 29
    },
    {
      "epoch": 0.25,
      "grad_norm": 1.4940290451049805,
      "learning_rate": 0.001,
      "loss": 0.6757,
      "step": 30
    },
    {
      "epoch": 0.25,
      "eval_runtime": 3.5813,
      "eval_samples_per_second": 33.507,
      "eval_steps_per_second": 8.377,
      "step": 30
    },
    {
      "epoch": 0.25833333333333336,
      "grad_norm": 1.8670457601547241,
      "learning_rate": 0.001,
      "loss": 0.9796,
      "step": 31
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 1.746319055557251,
      "learning_rate": 0.001,
      "loss": 0.73,
      "step": 32
    },
    {
      "epoch": 0.275,
      "grad_norm": 1.3656867742538452,
      "learning_rate": 0.001,
      "loss": 0.6216,
      "step": 33
    },
    {
      "epoch": 0.2833333333333333,
      "grad_norm": 1.6293808221817017,
      "learning_rate": 0.001,
      "loss": 0.7004,
      "step": 34
    },
    {
      "epoch": 0.2916666666666667,
      "grad_norm": 1.2870112657546997,
      "learning_rate": 0.001,
      "loss": 0.5613,
      "step": 35
    },
    {
      "epoch": 0.2916666666666667,
      "eval_runtime": 3.588,
      "eval_samples_per_second": 33.445,
      "eval_steps_per_second": 8.361,
      "step": 35
    },
    {
      "epoch": 0.3,
      "grad_norm": 1.688391089439392,
      "learning_rate": 0.001,
      "loss": 1.0115,
      "step": 36
    },
    {
      "epoch": 0.30833333333333335,
      "grad_norm": 1.2139495611190796,
      "learning_rate": 0.001,
      "loss": 0.5916,
      "step": 37
    },
    {
      "epoch": 0.31666666666666665,
      "grad_norm": 1.4497591257095337,
      "learning_rate": 0.001,
      "loss": 0.6898,
      "step": 38
    },
    {
      "epoch": 0.325,
      "grad_norm": 1.30401611328125,
      "learning_rate": 0.001,
      "loss": 0.52,
      "step": 39
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 1.073735237121582,
      "learning_rate": 0.001,
      "loss": 0.6473,
      "step": 40
    },
    {
      "epoch": 0.3333333333333333,
      "eval_runtime": 3.5897,
      "eval_samples_per_second": 33.429,
      "eval_steps_per_second": 8.357,
      "step": 40
    },
    {
      "epoch": 0.3416666666666667,
      "grad_norm": 1.5980756282806396,
      "learning_rate": 0.001,
      "loss": 0.8344,
      "step": 41
    },
    {
      "epoch": 0.35,
      "grad_norm": 1.258363127708435,
      "learning_rate": 0.001,
      "loss": 0.6081,
      "step": 42
    },
    {
      "epoch": 0.35833333333333334,
      "grad_norm": 1.024636149406433,
      "learning_rate": 0.001,
      "loss": 0.6289,
      "step": 43
    },
    {
      "epoch": 0.36666666666666664,
      "grad_norm": 1.5615390539169312,
      "learning_rate": 0.001,
      "loss": 0.7437,
      "step": 44
    },
    {
      "epoch": 0.375,
      "grad_norm": 0.8973283767700195,
      "learning_rate": 0.001,
      "loss": 0.4438,
      "step": 45
    },
    {
      "epoch": 0.375,
      "eval_runtime": 3.5911,
      "eval_samples_per_second": 33.416,
      "eval_steps_per_second": 8.354,
      "step": 45
    },
    {
      "epoch": 0.38333333333333336,
      "grad_norm": 1.1488583087921143,
      "learning_rate": 0.001,
      "loss": 0.5021,
      "step": 46
    },
    {
      "epoch": 0.39166666666666666,
      "grad_norm": 1.375650405883789,
      "learning_rate": 0.001,
      "loss": 0.6016,
      "step": 47
    },
    {
      "epoch": 0.4,
      "grad_norm": 1.5815932750701904,
      "learning_rate": 0.001,
      "loss": 0.6879,
      "step": 48
    },
    {
      "epoch": 0.4083333333333333,
      "grad_norm": 1.1033896207809448,
      "learning_rate": 0.001,
      "loss": 0.3819,
      "step": 49
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 1.599068522453308,
      "learning_rate": 0.001,
      "loss": 0.8746,
      "step": 50
    },
    {
      "epoch": 0.4166666666666667,
      "eval_runtime": 3.595,
      "eval_samples_per_second": 33.38,
      "eval_steps_per_second": 8.345,
      "step": 50
    }
  ],
  "logging_steps": 1,
  "max_steps": 1200,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 10,
  "save_steps": 10,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 555193368576000.0,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}