{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.066666666666667,
  "eval_steps": 2,
  "global_step": 23,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 3.9902522563934326,
      "learning_rate": 1e-05,
      "loss": 3.1186,
      "step": 1
    },
    {
      "epoch": 0.13333333333333333,
      "eval_loss": 3.2423932552337646,
      "eval_runtime": 1.2697,
      "eval_samples_per_second": 5.513,
      "eval_steps_per_second": 0.788,
      "step": 1
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 1.956419587135315,
      "learning_rate": 2e-05,
      "loss": 2.7205,
      "step": 2
    },
    {
      "epoch": 0.26666666666666666,
      "eval_loss": 3.2410244941711426,
      "eval_runtime": 0.7729,
      "eval_samples_per_second": 9.057,
      "eval_steps_per_second": 1.294,
      "step": 2
    },
    {
      "epoch": 0.4,
      "grad_norm": 2.8411946296691895,
      "learning_rate": 3e-05,
      "loss": 3.3243,
      "step": 3
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 2.700608968734741,
      "learning_rate": 4e-05,
      "loss": 3.0208,
      "step": 4
    },
    {
      "epoch": 0.5333333333333333,
      "eval_loss": 3.221039295196533,
      "eval_runtime": 0.7718,
      "eval_samples_per_second": 9.07,
      "eval_steps_per_second": 1.296,
      "step": 4
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 2.6714189052581787,
      "learning_rate": 5e-05,
      "loss": 3.1712,
      "step": 5
    },
    {
      "epoch": 0.8,
      "grad_norm": 2.4651601314544678,
      "learning_rate": 6e-05,
      "loss": 3.0124,
      "step": 6
    },
    {
      "epoch": 0.8,
      "eval_loss": 3.148014545440674,
      "eval_runtime": 0.7749,
      "eval_samples_per_second": 9.033,
      "eval_steps_per_second": 1.29,
      "step": 6
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 2.5564746856689453,
      "learning_rate": 7e-05,
      "loss": 2.8285,
      "step": 7
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 4.563579559326172,
      "learning_rate": 8e-05,
      "loss": 4.971,
      "step": 8
    },
    {
      "epoch": 1.0666666666666667,
      "eval_loss": 2.948533773422241,
      "eval_runtime": 0.7741,
      "eval_samples_per_second": 9.042,
      "eval_steps_per_second": 1.292,
      "step": 8
    },
    {
      "epoch": 1.2,
      "grad_norm": 2.2848174571990967,
      "learning_rate": 9e-05,
      "loss": 2.3897,
      "step": 9
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 2.549710512161255,
      "learning_rate": 0.0001,
      "loss": 2.2839,
      "step": 10
    },
    {
      "epoch": 1.3333333333333333,
      "eval_loss": 2.652517080307007,
      "eval_runtime": 0.775,
      "eval_samples_per_second": 9.033,
      "eval_steps_per_second": 1.29,
      "step": 10
    },
    {
      "epoch": 1.4666666666666668,
      "grad_norm": 2.489722967147827,
      "learning_rate": 9.85470908713026e-05,
      "loss": 2.3386,
      "step": 11
    },
    {
      "epoch": 1.6,
      "grad_norm": 2.8757503032684326,
      "learning_rate": 9.42728012826605e-05,
      "loss": 2.8977,
      "step": 12
    },
    {
      "epoch": 1.6,
      "eval_loss": 2.484462022781372,
      "eval_runtime": 0.7748,
      "eval_samples_per_second": 9.035,
      "eval_steps_per_second": 1.291,
      "step": 12
    },
    {
      "epoch": 1.7333333333333334,
      "grad_norm": 3.176732301712036,
      "learning_rate": 8.742553740855506e-05,
      "loss": 2.5185,
      "step": 13
    },
    {
      "epoch": 1.8666666666666667,
      "grad_norm": 2.6962947845458984,
      "learning_rate": 7.840323733655778e-05,
      "loss": 2.191,
      "step": 14
    },
    {
      "epoch": 1.8666666666666667,
      "eval_loss": 2.3859164714813232,
      "eval_runtime": 0.7751,
      "eval_samples_per_second": 9.031,
      "eval_steps_per_second": 1.29,
      "step": 14
    },
    {
      "epoch": 2.0,
      "grad_norm": 5.198688983917236,
      "learning_rate": 6.773024435212678e-05,
      "loss": 3.705,
      "step": 15
    },
    {
      "epoch": 2.1333333333333333,
      "grad_norm": 2.419804096221924,
      "learning_rate": 5.602683401276615e-05,
      "loss": 2.0216,
      "step": 16
    },
    {
      "epoch": 2.1333333333333333,
      "eval_loss": 2.297755002975464,
      "eval_runtime": 0.7761,
      "eval_samples_per_second": 9.02,
      "eval_steps_per_second": 1.289,
      "step": 16
    },
    {
      "epoch": 2.2666666666666666,
      "grad_norm": 3.1209776401519775,
      "learning_rate": 4.397316598723385e-05,
      "loss": 1.9696,
      "step": 17
    },
    {
      "epoch": 2.4,
      "grad_norm": 2.1371848583221436,
      "learning_rate": 3.226975564787322e-05,
      "loss": 1.8771,
      "step": 18
    },
    {
      "epoch": 2.4,
      "eval_loss": 2.2590200901031494,
      "eval_runtime": 0.7733,
      "eval_samples_per_second": 9.052,
      "eval_steps_per_second": 1.293,
      "step": 18
    },
    {
      "epoch": 2.533333333333333,
      "grad_norm": 3.206876754760742,
      "learning_rate": 2.1596762663442218e-05,
      "loss": 2.1814,
      "step": 19
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 3.7504143714904785,
      "learning_rate": 1.257446259144494e-05,
      "loss": 2.1504,
      "step": 20
    },
    {
      "epoch": 2.6666666666666665,
      "eval_loss": 2.232135057449341,
      "eval_runtime": 0.7747,
      "eval_samples_per_second": 9.036,
      "eval_steps_per_second": 1.291,
      "step": 20
    },
    {
      "epoch": 2.8,
      "grad_norm": 3.0680432319641113,
      "learning_rate": 5.727198717339511e-06,
      "loss": 2.0356,
      "step": 21
    },
    {
      "epoch": 2.9333333333333336,
      "grad_norm": 2.331746816635132,
      "learning_rate": 1.4529091286973995e-06,
      "loss": 1.7334,
      "step": 22
    },
    {
      "epoch": 2.9333333333333336,
      "eval_loss": 2.22377610206604,
      "eval_runtime": 0.7735,
      "eval_samples_per_second": 9.049,
      "eval_steps_per_second": 1.293,
      "step": 22
    },
    {
      "epoch": 3.066666666666667,
      "grad_norm": 4.347665309906006,
      "learning_rate": 0.0,
      "loss": 2.7201,
      "step": 23
    }
  ],
  "logging_steps": 1,
  "max_steps": 23,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 4,
  "save_steps": 25,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 1.692430365622272e+16,
  "train_batch_size": 8,
  "trial_name": null,
  "trial_params": null
}