Ritvik19 commited on
Commit
078bd47
1 Parent(s): 4038eef

Upload 13 files

Browse files
README.md CHANGED
@@ -1,3 +1,52 @@
1
- ---
2
- license: apache-2.0
3
- ---
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: apache-2.0
3
+ library_name: peft
4
+ tags:
5
+ - alignment-handbook
6
+ - generated_from_trainer
7
+ base_model: TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T
8
+ datasets:
9
+ - Ritvik19/open-hermes-2_5-reformatted
10
+ model-index:
11
+ - name: openhermes-tinyllama-sft-qlora
12
+ results: []
13
+ ---
14
+
15
+ **Note**: This model card has been generated automatically according to the information the Trainer had access to.
16
+ Visit the [model card](https://ritvik19.github.io/small-llms/) to see the full description.
17
+
18
+ # openhermes-tinyllama-sft-qlora
19
+
20
+ This model is a fine-tuned version of [TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T](https://huggingface.co/TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T) on the Ritvik19/open-hermes-2_5-reformatted dataset.
21
+ It achieves the following results on the evaluation set:
22
+ - Loss: 1.2783
23
+
24
+ ### Training hyperparameters
25
+
26
+ The following hyperparameters were used during training:
27
+ - learning_rate: 0.0002
28
+ - train_batch_size: 1
29
+ - eval_batch_size: 1
30
+ - seed: 42
31
+ - distributed_type: multi-GPU
32
+ - gradient_accumulation_steps: 128
33
+ - total_train_batch_size: 128
34
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
35
+ - lr_scheduler_type: cosine
36
+ - lr_scheduler_warmup_ratio: 0.1
37
+ - num_epochs: 1
38
+
39
+ ### Training results
40
+
41
+ | Training Loss | Epoch | Step | Validation Loss |
42
+ |:-------------:|:------:|:----:|:---------------:|
43
+ | 1.1143 | 0.9996 | 1708 | 1.2783 |
44
+
45
+
46
+ ### Framework versions
47
+
48
+ - PEFT 0.7.1
49
+ - Transformers 4.40.1
50
+ - Pytorch 2.1.2+cu121
51
+ - Datasets 2.19.0
52
+ - Tokenizers 0.19.1
adapter_config.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "alpha_pattern": {},
3
+ "auto_mapping": null,
4
+ "base_model_name_or_path": "TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T",
5
+ "bias": "none",
6
+ "fan_in_fan_out": false,
7
+ "inference_mode": true,
8
+ "init_lora_weights": true,
9
+ "layers_pattern": null,
10
+ "layers_to_transform": null,
11
+ "loftq_config": {},
12
+ "lora_alpha": 16,
13
+ "lora_dropout": 0.05,
14
+ "megatron_config": null,
15
+ "megatron_core": "megatron.core",
16
+ "modules_to_save": null,
17
+ "peft_type": "LORA",
18
+ "r": 16,
19
+ "rank_pattern": {},
20
+ "revision": null,
21
+ "target_modules": [
22
+ "down_proj",
23
+ "v_proj",
24
+ "k_proj",
25
+ "gate_proj",
26
+ "q_proj",
27
+ "up_proj",
28
+ "o_proj"
29
+ ],
30
+ "task_type": "CAUSAL_LM"
31
+ }
adapter_model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:82e98fa6ca46951971efeeb7669132b5989baa206fa0a10e563384cfcbdfb091
3
+ size 25272360
all_results.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 0.9995747929973436,
3
+ "eval_loss": 1.278271198272705,
4
+ "eval_runtime": 1254.1335,
5
+ "eval_samples": 23109,
6
+ "eval_samples_per_second": 12.89,
7
+ "eval_steps_per_second": 12.89,
8
+ "total_flos": 2.8130589802160456e+18,
9
+ "train_loss": 0.978924176871637,
10
+ "train_runtime": 53778.1468,
11
+ "train_samples": 1001538,
12
+ "train_samples_per_second": 4.067,
13
+ "train_steps_per_second": 0.032
14
+ }
config.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T",
3
+ "architectures": [
4
+ "LlamaForCausalLM"
5
+ ],
6
+ "attention_bias": false,
7
+ "attention_dropout": 0.0,
8
+ "bos_token_id": 1,
9
+ "eos_token_id": 2,
10
+ "hidden_act": "silu",
11
+ "hidden_size": 2048,
12
+ "initializer_range": 0.02,
13
+ "intermediate_size": 5632,
14
+ "max_position_embeddings": 2048,
15
+ "model_type": "llama",
16
+ "num_attention_heads": 32,
17
+ "num_hidden_layers": 22,
18
+ "num_key_value_heads": 4,
19
+ "pretraining_tp": 1,
20
+ "rms_norm_eps": 1e-05,
21
+ "rope_scaling": null,
22
+ "rope_theta": 10000.0,
23
+ "tie_word_embeddings": false,
24
+ "torch_dtype": "bfloat16",
25
+ "transformers_version": "4.40.1",
26
+ "use_cache": true,
27
+ "vocab_size": 32000
28
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 0.9995747929973436,
3
+ "eval_loss": 1.278271198272705,
4
+ "eval_runtime": 1254.1335,
5
+ "eval_samples": 23109,
6
+ "eval_samples_per_second": 12.89,
7
+ "eval_steps_per_second": 12.89
8
+ }
special_tokens_map.json ADDED
@@ -0,0 +1,24 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "<s>",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "eos_token": {
10
+ "content": "</s>",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "pad_token": "</s>",
17
+ "unk_token": {
18
+ "content": "<unk>",
19
+ "lstrip": false,
20
+ "normalized": false,
21
+ "rstrip": false,
22
+ "single_word": false
23
+ }
24
+ }
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
tokenizer.model ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9e556afd44213b6bd1be2b850ebbbd98f5481437a8021afaf58ee7fb1818d347
3
+ size 499723
tokenizer_config.json ADDED
@@ -0,0 +1,42 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": true,
3
+ "add_eos_token": false,
4
+ "added_tokens_decoder": {
5
+ "0": {
6
+ "content": "<unk>",
7
+ "lstrip": false,
8
+ "normalized": false,
9
+ "rstrip": false,
10
+ "single_word": false,
11
+ "special": true
12
+ },
13
+ "1": {
14
+ "content": "<s>",
15
+ "lstrip": false,
16
+ "normalized": false,
17
+ "rstrip": false,
18
+ "single_word": false,
19
+ "special": true
20
+ },
21
+ "2": {
22
+ "content": "</s>",
23
+ "lstrip": false,
24
+ "normalized": false,
25
+ "rstrip": false,
26
+ "single_word": false,
27
+ "special": true
28
+ }
29
+ },
30
+ "bos_token": "<s>",
31
+ "chat_template": "{% for message in messages %}\n{% if message['role'] == 'user' %}\n{{ '<|user|>\n' + message['content'] + eos_token }}\n{% elif message['role'] == 'system' %}\n{{ '<|system|>\n' + message['content'] + eos_token }}\n{% elif message['role'] == 'assistant' %}\n{{ '<|assistant|>\n' + message['content'] + eos_token }}\n{% endif %}\n{% if loop.last and add_generation_prompt %}\n{{ '<|assistant|>' }}\n{% endif %}\n{% endfor %}",
32
+ "clean_up_tokenization_spaces": false,
33
+ "eos_token": "</s>",
34
+ "legacy": false,
35
+ "model_max_length": 2048,
36
+ "pad_token": "</s>",
37
+ "padding_side": "right",
38
+ "sp_model_kwargs": {},
39
+ "tokenizer_class": "LlamaTokenizer",
40
+ "unk_token": "<unk>",
41
+ "use_default_system_prompt": false
42
+ }
train_results.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 0.9995747929973436,
3
+ "total_flos": 2.8130589802160456e+18,
4
+ "train_loss": 0.978924176871637,
5
+ "train_runtime": 53778.1468,
6
+ "train_samples": 1001538,
7
+ "train_samples_per_second": 4.067,
8
+ "train_steps_per_second": 0.032
9
+ }
trainer_state.json ADDED
@@ -0,0 +1,2432 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.9995747929973436,
5
+ "eval_steps": 500,
6
+ "global_step": 1708,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0005852311434410677,
13
+ "grad_norm": 0.515625,
14
+ "learning_rate": 1.1695906432748538e-06,
15
+ "loss": 1.737,
16
+ "step": 1
17
+ },
18
+ {
19
+ "epoch": 0.0029261557172053382,
20
+ "grad_norm": 0.5234375,
21
+ "learning_rate": 5.8479532163742686e-06,
22
+ "loss": 1.7512,
23
+ "step": 5
24
+ },
25
+ {
26
+ "epoch": 0.0058523114344106765,
27
+ "grad_norm": 0.48046875,
28
+ "learning_rate": 1.1695906432748537e-05,
29
+ "loss": 1.7378,
30
+ "step": 10
31
+ },
32
+ {
33
+ "epoch": 0.008778467151616015,
34
+ "grad_norm": 0.474609375,
35
+ "learning_rate": 1.7543859649122806e-05,
36
+ "loss": 1.7494,
37
+ "step": 15
38
+ },
39
+ {
40
+ "epoch": 0.011704622868821353,
41
+ "grad_norm": 0.4765625,
42
+ "learning_rate": 2.3391812865497074e-05,
43
+ "loss": 1.7101,
44
+ "step": 20
45
+ },
46
+ {
47
+ "epoch": 0.014630778586026691,
48
+ "grad_norm": 0.482421875,
49
+ "learning_rate": 2.9239766081871346e-05,
50
+ "loss": 1.6696,
51
+ "step": 25
52
+ },
53
+ {
54
+ "epoch": 0.01755693430323203,
55
+ "grad_norm": 0.34765625,
56
+ "learning_rate": 3.508771929824561e-05,
57
+ "loss": 1.6369,
58
+ "step": 30
59
+ },
60
+ {
61
+ "epoch": 0.02048309002043737,
62
+ "grad_norm": 0.287109375,
63
+ "learning_rate": 4.093567251461988e-05,
64
+ "loss": 1.6058,
65
+ "step": 35
66
+ },
67
+ {
68
+ "epoch": 0.023409245737642706,
69
+ "grad_norm": 0.2333984375,
70
+ "learning_rate": 4.678362573099415e-05,
71
+ "loss": 1.5587,
72
+ "step": 40
73
+ },
74
+ {
75
+ "epoch": 0.026335401454848046,
76
+ "grad_norm": 0.1708984375,
77
+ "learning_rate": 5.2631578947368424e-05,
78
+ "loss": 1.5149,
79
+ "step": 45
80
+ },
81
+ {
82
+ "epoch": 0.029261557172053382,
83
+ "grad_norm": 0.140625,
84
+ "learning_rate": 5.847953216374269e-05,
85
+ "loss": 1.4769,
86
+ "step": 50
87
+ },
88
+ {
89
+ "epoch": 0.03218771288925872,
90
+ "grad_norm": 0.12060546875,
91
+ "learning_rate": 6.432748538011695e-05,
92
+ "loss": 1.4573,
93
+ "step": 55
94
+ },
95
+ {
96
+ "epoch": 0.03511386860646406,
97
+ "grad_norm": 0.09228515625,
98
+ "learning_rate": 7.017543859649122e-05,
99
+ "loss": 1.4219,
100
+ "step": 60
101
+ },
102
+ {
103
+ "epoch": 0.0380400243236694,
104
+ "grad_norm": 0.09375,
105
+ "learning_rate": 7.602339181286549e-05,
106
+ "loss": 1.398,
107
+ "step": 65
108
+ },
109
+ {
110
+ "epoch": 0.04096618004087474,
111
+ "grad_norm": 0.06884765625,
112
+ "learning_rate": 8.187134502923976e-05,
113
+ "loss": 1.3912,
114
+ "step": 70
115
+ },
116
+ {
117
+ "epoch": 0.043892335758080075,
118
+ "grad_norm": 0.06787109375,
119
+ "learning_rate": 8.771929824561403e-05,
120
+ "loss": 1.3633,
121
+ "step": 75
122
+ },
123
+ {
124
+ "epoch": 0.04681849147528541,
125
+ "grad_norm": 0.06103515625,
126
+ "learning_rate": 9.35672514619883e-05,
127
+ "loss": 1.3546,
128
+ "step": 80
129
+ },
130
+ {
131
+ "epoch": 0.049744647192490755,
132
+ "grad_norm": 0.05712890625,
133
+ "learning_rate": 9.941520467836257e-05,
134
+ "loss": 1.3309,
135
+ "step": 85
136
+ },
137
+ {
138
+ "epoch": 0.05267080290969609,
139
+ "grad_norm": 0.05517578125,
140
+ "learning_rate": 0.00010526315789473685,
141
+ "loss": 1.3234,
142
+ "step": 90
143
+ },
144
+ {
145
+ "epoch": 0.05559695862690143,
146
+ "grad_norm": 0.048828125,
147
+ "learning_rate": 0.00011111111111111112,
148
+ "loss": 1.3061,
149
+ "step": 95
150
+ },
151
+ {
152
+ "epoch": 0.058523114344106765,
153
+ "grad_norm": 0.048828125,
154
+ "learning_rate": 0.00011695906432748539,
155
+ "loss": 1.2844,
156
+ "step": 100
157
+ },
158
+ {
159
+ "epoch": 0.06144927006131211,
160
+ "grad_norm": 0.04833984375,
161
+ "learning_rate": 0.00012280701754385965,
162
+ "loss": 1.2973,
163
+ "step": 105
164
+ },
165
+ {
166
+ "epoch": 0.06437542577851744,
167
+ "grad_norm": 0.050537109375,
168
+ "learning_rate": 0.0001286549707602339,
169
+ "loss": 1.2836,
170
+ "step": 110
171
+ },
172
+ {
173
+ "epoch": 0.06730158149572278,
174
+ "grad_norm": 0.048095703125,
175
+ "learning_rate": 0.0001345029239766082,
176
+ "loss": 1.2723,
177
+ "step": 115
178
+ },
179
+ {
180
+ "epoch": 0.07022773721292812,
181
+ "grad_norm": 0.046630859375,
182
+ "learning_rate": 0.00014035087719298245,
183
+ "loss": 1.2634,
184
+ "step": 120
185
+ },
186
+ {
187
+ "epoch": 0.07315389293013345,
188
+ "grad_norm": 0.05078125,
189
+ "learning_rate": 0.00014619883040935673,
190
+ "loss": 1.2355,
191
+ "step": 125
192
+ },
193
+ {
194
+ "epoch": 0.0760800486473388,
195
+ "grad_norm": 0.05029296875,
196
+ "learning_rate": 0.00015204678362573098,
197
+ "loss": 1.2494,
198
+ "step": 130
199
+ },
200
+ {
201
+ "epoch": 0.07900620436454414,
202
+ "grad_norm": 0.054931640625,
203
+ "learning_rate": 0.00015789473684210527,
204
+ "loss": 1.253,
205
+ "step": 135
206
+ },
207
+ {
208
+ "epoch": 0.08193236008174948,
209
+ "grad_norm": 0.05322265625,
210
+ "learning_rate": 0.00016374269005847952,
211
+ "loss": 1.2499,
212
+ "step": 140
213
+ },
214
+ {
215
+ "epoch": 0.08485851579895481,
216
+ "grad_norm": 0.04833984375,
217
+ "learning_rate": 0.0001695906432748538,
218
+ "loss": 1.2193,
219
+ "step": 145
220
+ },
221
+ {
222
+ "epoch": 0.08778467151616015,
223
+ "grad_norm": 0.05712890625,
224
+ "learning_rate": 0.00017543859649122806,
225
+ "loss": 1.2339,
226
+ "step": 150
227
+ },
228
+ {
229
+ "epoch": 0.09071082723336549,
230
+ "grad_norm": 0.056884765625,
231
+ "learning_rate": 0.00018128654970760234,
232
+ "loss": 1.2427,
233
+ "step": 155
234
+ },
235
+ {
236
+ "epoch": 0.09363698295057082,
237
+ "grad_norm": 0.052490234375,
238
+ "learning_rate": 0.0001871345029239766,
239
+ "loss": 1.2184,
240
+ "step": 160
241
+ },
242
+ {
243
+ "epoch": 0.09656313866777616,
244
+ "grad_norm": 0.06298828125,
245
+ "learning_rate": 0.00019298245614035088,
246
+ "loss": 1.2306,
247
+ "step": 165
248
+ },
249
+ {
250
+ "epoch": 0.09948929438498151,
251
+ "grad_norm": 0.06298828125,
252
+ "learning_rate": 0.00019883040935672513,
253
+ "loss": 1.214,
254
+ "step": 170
255
+ },
256
+ {
257
+ "epoch": 0.10241545010218685,
258
+ "grad_norm": 0.0673828125,
259
+ "learning_rate": 0.00019999665774502696,
260
+ "loss": 1.2176,
261
+ "step": 175
262
+ },
263
+ {
264
+ "epoch": 0.10534160581939218,
265
+ "grad_norm": 0.0634765625,
266
+ "learning_rate": 0.0001999830802170989,
267
+ "loss": 1.204,
268
+ "step": 180
269
+ },
270
+ {
271
+ "epoch": 0.10826776153659752,
272
+ "grad_norm": 0.06298828125,
273
+ "learning_rate": 0.00019995905994229593,
274
+ "loss": 1.2153,
275
+ "step": 185
276
+ },
277
+ {
278
+ "epoch": 0.11119391725380286,
279
+ "grad_norm": 0.07080078125,
280
+ "learning_rate": 0.00019992459942941906,
281
+ "loss": 1.1936,
282
+ "step": 190
283
+ },
284
+ {
285
+ "epoch": 0.1141200729710082,
286
+ "grad_norm": 0.064453125,
287
+ "learning_rate": 0.00019987970227770135,
288
+ "loss": 1.1987,
289
+ "step": 195
290
+ },
291
+ {
292
+ "epoch": 0.11704622868821353,
293
+ "grad_norm": 0.07177734375,
294
+ "learning_rate": 0.00019982437317643217,
295
+ "loss": 1.2065,
296
+ "step": 200
297
+ },
298
+ {
299
+ "epoch": 0.11997238440541888,
300
+ "grad_norm": 0.0654296875,
301
+ "learning_rate": 0.00019975861790446722,
302
+ "loss": 1.2088,
303
+ "step": 205
304
+ },
305
+ {
306
+ "epoch": 0.12289854012262422,
307
+ "grad_norm": 0.07373046875,
308
+ "learning_rate": 0.0001996824433296252,
309
+ "loss": 1.2082,
310
+ "step": 210
311
+ },
312
+ {
313
+ "epoch": 0.12582469583982955,
314
+ "grad_norm": 0.07958984375,
315
+ "learning_rate": 0.00019959585740797028,
316
+ "loss": 1.2062,
317
+ "step": 215
318
+ },
319
+ {
320
+ "epoch": 0.1287508515570349,
321
+ "grad_norm": 0.0966796875,
322
+ "learning_rate": 0.0001994988691829812,
323
+ "loss": 1.2046,
324
+ "step": 220
325
+ },
326
+ {
327
+ "epoch": 0.13167700727424023,
328
+ "grad_norm": 0.07275390625,
329
+ "learning_rate": 0.00019939148878460677,
330
+ "loss": 1.195,
331
+ "step": 225
332
+ },
333
+ {
334
+ "epoch": 0.13460316299144556,
335
+ "grad_norm": 0.0859375,
336
+ "learning_rate": 0.00019927372742820779,
337
+ "loss": 1.1807,
338
+ "step": 230
339
+ },
340
+ {
341
+ "epoch": 0.1375293187086509,
342
+ "grad_norm": 0.07666015625,
343
+ "learning_rate": 0.0001991455974133857,
344
+ "loss": 1.1887,
345
+ "step": 235
346
+ },
347
+ {
348
+ "epoch": 0.14045547442585624,
349
+ "grad_norm": 0.07373046875,
350
+ "learning_rate": 0.0001990071121226979,
351
+ "loss": 1.189,
352
+ "step": 240
353
+ },
354
+ {
355
+ "epoch": 0.14338163014306157,
356
+ "grad_norm": 0.0751953125,
357
+ "learning_rate": 0.0001988582860202601,
358
+ "loss": 1.172,
359
+ "step": 245
360
+ },
361
+ {
362
+ "epoch": 0.1463077858602669,
363
+ "grad_norm": 0.078125,
364
+ "learning_rate": 0.00019869913465023548,
365
+ "loss": 1.1738,
366
+ "step": 250
367
+ },
368
+ {
369
+ "epoch": 0.14923394157747225,
370
+ "grad_norm": 0.08447265625,
371
+ "learning_rate": 0.00019852967463521124,
372
+ "loss": 1.1947,
373
+ "step": 255
374
+ },
375
+ {
376
+ "epoch": 0.1521600972946776,
377
+ "grad_norm": 0.080078125,
378
+ "learning_rate": 0.0001983499236744625,
379
+ "loss": 1.1789,
380
+ "step": 260
381
+ },
382
+ {
383
+ "epoch": 0.15508625301188295,
384
+ "grad_norm": 0.078125,
385
+ "learning_rate": 0.00019815990054210361,
386
+ "loss": 1.1878,
387
+ "step": 265
388
+ },
389
+ {
390
+ "epoch": 0.15801240872908828,
391
+ "grad_norm": 0.072265625,
392
+ "learning_rate": 0.00019795962508512742,
393
+ "loss": 1.1825,
394
+ "step": 270
395
+ },
396
+ {
397
+ "epoch": 0.16093856444629362,
398
+ "grad_norm": 0.103515625,
399
+ "learning_rate": 0.00019774911822133216,
400
+ "loss": 1.1848,
401
+ "step": 275
402
+ },
403
+ {
404
+ "epoch": 0.16386472016349896,
405
+ "grad_norm": 0.091796875,
406
+ "learning_rate": 0.0001975284019371368,
407
+ "loss": 1.1634,
408
+ "step": 280
409
+ },
410
+ {
411
+ "epoch": 0.1667908758807043,
412
+ "grad_norm": 0.078125,
413
+ "learning_rate": 0.0001972974992852847,
414
+ "loss": 1.1539,
415
+ "step": 285
416
+ },
417
+ {
418
+ "epoch": 0.16971703159790963,
419
+ "grad_norm": 0.06982421875,
420
+ "learning_rate": 0.00019705643438243584,
421
+ "loss": 1.1656,
422
+ "step": 290
423
+ },
424
+ {
425
+ "epoch": 0.17264318731511497,
426
+ "grad_norm": 0.0859375,
427
+ "learning_rate": 0.00019680523240664786,
428
+ "loss": 1.1923,
429
+ "step": 295
430
+ },
431
+ {
432
+ "epoch": 0.1755693430323203,
433
+ "grad_norm": 0.07958984375,
434
+ "learning_rate": 0.00019654391959474647,
435
+ "loss": 1.1651,
436
+ "step": 300
437
+ },
438
+ {
439
+ "epoch": 0.17849549874952564,
440
+ "grad_norm": 0.08056640625,
441
+ "learning_rate": 0.00019627252323958504,
442
+ "loss": 1.1501,
443
+ "step": 305
444
+ },
445
+ {
446
+ "epoch": 0.18142165446673097,
447
+ "grad_norm": 0.0859375,
448
+ "learning_rate": 0.00019599107168719412,
449
+ "loss": 1.1581,
450
+ "step": 310
451
+ },
452
+ {
453
+ "epoch": 0.1843478101839363,
454
+ "grad_norm": 0.08349609375,
455
+ "learning_rate": 0.0001956995943338206,
456
+ "loss": 1.1785,
457
+ "step": 315
458
+ },
459
+ {
460
+ "epoch": 0.18727396590114165,
461
+ "grad_norm": 0.08447265625,
462
+ "learning_rate": 0.00019539812162285767,
463
+ "loss": 1.1691,
464
+ "step": 320
465
+ },
466
+ {
467
+ "epoch": 0.19020012161834698,
468
+ "grad_norm": 0.0751953125,
469
+ "learning_rate": 0.00019508668504166505,
470
+ "loss": 1.1758,
471
+ "step": 325
472
+ },
473
+ {
474
+ "epoch": 0.19312627733555232,
475
+ "grad_norm": 0.0703125,
476
+ "learning_rate": 0.00019476531711828027,
477
+ "loss": 1.1582,
478
+ "step": 330
479
+ },
480
+ {
481
+ "epoch": 0.19605243305275769,
482
+ "grad_norm": 0.08642578125,
483
+ "learning_rate": 0.0001944340514180212,
484
+ "loss": 1.1767,
485
+ "step": 335
486
+ },
487
+ {
488
+ "epoch": 0.19897858876996302,
489
+ "grad_norm": 0.0703125,
490
+ "learning_rate": 0.00019409292253998062,
491
+ "loss": 1.1392,
492
+ "step": 340
493
+ },
494
+ {
495
+ "epoch": 0.20190474448716836,
496
+ "grad_norm": 0.1064453125,
497
+ "learning_rate": 0.0001937419661134121,
498
+ "loss": 1.1626,
499
+ "step": 345
500
+ },
501
+ {
502
+ "epoch": 0.2048309002043737,
503
+ "grad_norm": 0.08203125,
504
+ "learning_rate": 0.00019338121879400896,
505
+ "loss": 1.1551,
506
+ "step": 350
507
+ },
508
+ {
509
+ "epoch": 0.20775705592157903,
510
+ "grad_norm": 0.080078125,
511
+ "learning_rate": 0.00019301071826007576,
512
+ "loss": 1.1495,
513
+ "step": 355
514
+ },
515
+ {
516
+ "epoch": 0.21068321163878437,
517
+ "grad_norm": 0.0810546875,
518
+ "learning_rate": 0.00019263050320859283,
519
+ "loss": 1.1514,
520
+ "step": 360
521
+ },
522
+ {
523
+ "epoch": 0.2136093673559897,
524
+ "grad_norm": 0.08935546875,
525
+ "learning_rate": 0.00019224061335117472,
526
+ "loss": 1.1649,
527
+ "step": 365
528
+ },
529
+ {
530
+ "epoch": 0.21653552307319504,
531
+ "grad_norm": 0.08837890625,
532
+ "learning_rate": 0.0001918410894099224,
533
+ "loss": 1.1433,
534
+ "step": 370
535
+ },
536
+ {
537
+ "epoch": 0.21946167879040038,
538
+ "grad_norm": 0.09423828125,
539
+ "learning_rate": 0.00019143197311317014,
540
+ "loss": 1.1275,
541
+ "step": 375
542
+ },
543
+ {
544
+ "epoch": 0.22238783450760571,
545
+ "grad_norm": 0.06787109375,
546
+ "learning_rate": 0.00019101330719112705,
547
+ "loss": 1.1684,
548
+ "step": 380
549
+ },
550
+ {
551
+ "epoch": 0.22531399022481105,
552
+ "grad_norm": 0.07763671875,
553
+ "learning_rate": 0.00019058513537141428,
554
+ "loss": 1.1606,
555
+ "step": 385
556
+ },
557
+ {
558
+ "epoch": 0.2282401459420164,
559
+ "grad_norm": 0.07421875,
560
+ "learning_rate": 0.0001901475023744977,
561
+ "loss": 1.148,
562
+ "step": 390
563
+ },
564
+ {
565
+ "epoch": 0.23116630165922172,
566
+ "grad_norm": 0.0693359375,
567
+ "learning_rate": 0.00018970045390901728,
568
+ "loss": 1.1626,
569
+ "step": 395
570
+ },
571
+ {
572
+ "epoch": 0.23409245737642706,
573
+ "grad_norm": 0.0849609375,
574
+ "learning_rate": 0.00018924403666701286,
575
+ "loss": 1.1575,
576
+ "step": 400
577
+ },
578
+ {
579
+ "epoch": 0.23701861309363242,
580
+ "grad_norm": 0.07470703125,
581
+ "learning_rate": 0.00018877829831904746,
582
+ "loss": 1.1637,
583
+ "step": 405
584
+ },
585
+ {
586
+ "epoch": 0.23994476881083776,
587
+ "grad_norm": 0.07568359375,
588
+ "learning_rate": 0.0001883032875092283,
589
+ "loss": 1.1441,
590
+ "step": 410
591
+ },
592
+ {
593
+ "epoch": 0.2428709245280431,
594
+ "grad_norm": 0.0771484375,
595
+ "learning_rate": 0.00018781905385012627,
596
+ "loss": 1.1615,
597
+ "step": 415
598
+ },
599
+ {
600
+ "epoch": 0.24579708024524843,
601
+ "grad_norm": 0.06884765625,
602
+ "learning_rate": 0.000187325647917594,
603
+ "loss": 1.1536,
604
+ "step": 420
605
+ },
606
+ {
607
+ "epoch": 0.24872323596245377,
608
+ "grad_norm": 0.08203125,
609
+ "learning_rate": 0.00018682312124548346,
610
+ "loss": 1.1512,
611
+ "step": 425
612
+ },
613
+ {
614
+ "epoch": 0.2516493916796591,
615
+ "grad_norm": 0.07470703125,
616
+ "learning_rate": 0.00018631152632026364,
617
+ "loss": 1.1397,
618
+ "step": 430
619
+ },
620
+ {
621
+ "epoch": 0.25457554739686444,
622
+ "grad_norm": 0.07958984375,
623
+ "learning_rate": 0.00018579091657553844,
624
+ "loss": 1.1585,
625
+ "step": 435
626
+ },
627
+ {
628
+ "epoch": 0.2575017031140698,
629
+ "grad_norm": 0.08154296875,
630
+ "learning_rate": 0.00018526134638646583,
631
+ "loss": 1.1612,
632
+ "step": 440
633
+ },
634
+ {
635
+ "epoch": 0.2604278588312751,
636
+ "grad_norm": 0.07470703125,
637
+ "learning_rate": 0.00018472287106407876,
638
+ "loss": 1.1272,
639
+ "step": 445
640
+ },
641
+ {
642
+ "epoch": 0.26335401454848045,
643
+ "grad_norm": 0.09375,
644
+ "learning_rate": 0.00018417554684950794,
645
+ "loss": 1.1413,
646
+ "step": 450
647
+ },
648
+ {
649
+ "epoch": 0.2662801702656858,
650
+ "grad_norm": 0.0703125,
651
+ "learning_rate": 0.00018361943090810796,
652
+ "loss": 1.1489,
653
+ "step": 455
654
+ },
655
+ {
656
+ "epoch": 0.2692063259828911,
657
+ "grad_norm": 0.0888671875,
658
+ "learning_rate": 0.00018305458132348657,
659
+ "loss": 1.1575,
660
+ "step": 460
661
+ },
662
+ {
663
+ "epoch": 0.27213248170009646,
664
+ "grad_norm": 0.07666015625,
665
+ "learning_rate": 0.00018248105709143799,
666
+ "loss": 1.136,
667
+ "step": 465
668
+ },
669
+ {
670
+ "epoch": 0.2750586374173018,
671
+ "grad_norm": 0.08203125,
672
+ "learning_rate": 0.00018189891811378137,
673
+ "loss": 1.1369,
674
+ "step": 470
675
+ },
676
+ {
677
+ "epoch": 0.27798479313450714,
678
+ "grad_norm": 0.08251953125,
679
+ "learning_rate": 0.0001813082251921041,
680
+ "loss": 1.1255,
681
+ "step": 475
682
+ },
683
+ {
684
+ "epoch": 0.28091094885171247,
685
+ "grad_norm": 0.09375,
686
+ "learning_rate": 0.0001807090400214114,
687
+ "loss": 1.1288,
688
+ "step": 480
689
+ },
690
+ {
691
+ "epoch": 0.2838371045689178,
692
+ "grad_norm": 0.07958984375,
693
+ "learning_rate": 0.00018010142518368278,
694
+ "loss": 1.1233,
695
+ "step": 485
696
+ },
697
+ {
698
+ "epoch": 0.28676326028612315,
699
+ "grad_norm": 0.078125,
700
+ "learning_rate": 0.00017948544414133534,
701
+ "loss": 1.1475,
702
+ "step": 490
703
+ },
704
+ {
705
+ "epoch": 0.2896894160033285,
706
+ "grad_norm": 0.080078125,
707
+ "learning_rate": 0.00017886116123059574,
708
+ "loss": 1.1356,
709
+ "step": 495
710
+ },
711
+ {
712
+ "epoch": 0.2926155717205338,
713
+ "grad_norm": 0.07568359375,
714
+ "learning_rate": 0.00017822864165478034,
715
+ "loss": 1.1553,
716
+ "step": 500
717
+ },
718
+ {
719
+ "epoch": 0.29554172743773915,
720
+ "grad_norm": 0.08154296875,
721
+ "learning_rate": 0.00017758795147748523,
722
+ "loss": 1.1188,
723
+ "step": 505
724
+ },
725
+ {
726
+ "epoch": 0.2984678831549445,
727
+ "grad_norm": 0.07275390625,
728
+ "learning_rate": 0.00017693915761568608,
729
+ "loss": 1.1388,
730
+ "step": 510
731
+ },
732
+ {
733
+ "epoch": 0.3013940388721499,
734
+ "grad_norm": 0.07568359375,
735
+ "learning_rate": 0.000176282327832749,
736
+ "loss": 1.1267,
737
+ "step": 515
738
+ },
739
+ {
740
+ "epoch": 0.3043201945893552,
741
+ "grad_norm": 0.083984375,
742
+ "learning_rate": 0.0001756175307313531,
743
+ "loss": 1.1341,
744
+ "step": 520
745
+ },
746
+ {
747
+ "epoch": 0.30724635030656056,
748
+ "grad_norm": 0.08349609375,
749
+ "learning_rate": 0.00017494483574632513,
750
+ "loss": 1.1365,
751
+ "step": 525
752
+ },
753
+ {
754
+ "epoch": 0.3101725060237659,
755
+ "grad_norm": 0.08447265625,
756
+ "learning_rate": 0.00017426431313738734,
757
+ "loss": 1.1335,
758
+ "step": 530
759
+ },
760
+ {
761
+ "epoch": 0.31309866174097123,
762
+ "grad_norm": 0.0703125,
763
+ "learning_rate": 0.00017357603398181936,
764
+ "loss": 1.1484,
765
+ "step": 535
766
+ },
767
+ {
768
+ "epoch": 0.31602481745817657,
769
+ "grad_norm": 0.07568359375,
770
+ "learning_rate": 0.00017288007016703444,
771
+ "loss": 1.1186,
772
+ "step": 540
773
+ },
774
+ {
775
+ "epoch": 0.3189509731753819,
776
+ "grad_norm": 0.06982421875,
777
+ "learning_rate": 0.00017217649438307106,
778
+ "loss": 1.1442,
779
+ "step": 545
780
+ },
781
+ {
782
+ "epoch": 0.32187712889258724,
783
+ "grad_norm": 0.07080078125,
784
+ "learning_rate": 0.00017146538011500093,
785
+ "loss": 1.1284,
786
+ "step": 550
787
+ },
788
+ {
789
+ "epoch": 0.3248032846097926,
790
+ "grad_norm": 0.0693359375,
791
+ "learning_rate": 0.00017074680163525375,
792
+ "loss": 1.1331,
793
+ "step": 555
794
+ },
795
+ {
796
+ "epoch": 0.3277294403269979,
797
+ "grad_norm": 0.07421875,
798
+ "learning_rate": 0.00017002083399586,
799
+ "loss": 1.1255,
800
+ "step": 560
801
+ },
802
+ {
803
+ "epoch": 0.33065559604420325,
804
+ "grad_norm": 0.07421875,
805
+ "learning_rate": 0.00016928755302061173,
806
+ "loss": 1.1354,
807
+ "step": 565
808
+ },
809
+ {
810
+ "epoch": 0.3335817517614086,
811
+ "grad_norm": 0.078125,
812
+ "learning_rate": 0.0001685470352971437,
813
+ "loss": 1.1333,
814
+ "step": 570
815
+ },
816
+ {
817
+ "epoch": 0.3365079074786139,
818
+ "grad_norm": 0.07470703125,
819
+ "learning_rate": 0.00016779935816893353,
820
+ "loss": 1.1376,
821
+ "step": 575
822
+ },
823
+ {
824
+ "epoch": 0.33943406319581926,
825
+ "grad_norm": 0.06982421875,
826
+ "learning_rate": 0.00016704459972722414,
827
+ "loss": 1.1249,
828
+ "step": 580
829
+ },
830
+ {
831
+ "epoch": 0.3423602189130246,
832
+ "grad_norm": 0.0732421875,
833
+ "learning_rate": 0.00016628283880286703,
834
+ "loss": 1.1451,
835
+ "step": 585
836
+ },
837
+ {
838
+ "epoch": 0.34528637463022993,
839
+ "grad_norm": 0.0693359375,
840
+ "learning_rate": 0.00016551415495808915,
841
+ "loss": 1.1195,
842
+ "step": 590
843
+ },
844
+ {
845
+ "epoch": 0.34821253034743527,
846
+ "grad_norm": 0.0810546875,
847
+ "learning_rate": 0.00016473862847818277,
848
+ "loss": 1.146,
849
+ "step": 595
850
+ },
851
+ {
852
+ "epoch": 0.3511386860646406,
853
+ "grad_norm": 0.07470703125,
854
+ "learning_rate": 0.00016395634036312013,
855
+ "loss": 1.1327,
856
+ "step": 600
857
+ },
858
+ {
859
+ "epoch": 0.35406484178184594,
860
+ "grad_norm": 0.0791015625,
861
+ "learning_rate": 0.00016316737231909342,
862
+ "loss": 1.1176,
863
+ "step": 605
864
+ },
865
+ {
866
+ "epoch": 0.3569909974990513,
867
+ "grad_norm": 0.07470703125,
868
+ "learning_rate": 0.000162371806749981,
869
+ "loss": 1.1208,
870
+ "step": 610
871
+ },
872
+ {
873
+ "epoch": 0.3599171532162566,
874
+ "grad_norm": 0.07568359375,
875
+ "learning_rate": 0.00016156972674874056,
876
+ "loss": 1.1315,
877
+ "step": 615
878
+ },
879
+ {
880
+ "epoch": 0.36284330893346195,
881
+ "grad_norm": 0.06982421875,
882
+ "learning_rate": 0.00016076121608873072,
883
+ "loss": 1.1455,
884
+ "step": 620
885
+ },
886
+ {
887
+ "epoch": 0.3657694646506673,
888
+ "grad_norm": 0.072265625,
889
+ "learning_rate": 0.000159946359214961,
890
+ "loss": 1.1234,
891
+ "step": 625
892
+ },
893
+ {
894
+ "epoch": 0.3686956203678726,
895
+ "grad_norm": 0.07421875,
896
+ "learning_rate": 0.00015912524123527221,
897
+ "loss": 1.1185,
898
+ "step": 630
899
+ },
900
+ {
901
+ "epoch": 0.37162177608507796,
902
+ "grad_norm": 0.0693359375,
903
+ "learning_rate": 0.0001582979479114472,
904
+ "loss": 1.1208,
905
+ "step": 635
906
+ },
907
+ {
908
+ "epoch": 0.3745479318022833,
909
+ "grad_norm": 0.07666015625,
910
+ "learning_rate": 0.0001574645656502536,
911
+ "loss": 1.1257,
912
+ "step": 640
913
+ },
914
+ {
915
+ "epoch": 0.37747408751948863,
916
+ "grad_norm": 0.07421875,
917
+ "learning_rate": 0.0001566251814944188,
918
+ "loss": 1.1317,
919
+ "step": 645
920
+ },
921
+ {
922
+ "epoch": 0.38040024323669397,
923
+ "grad_norm": 0.07373046875,
924
+ "learning_rate": 0.00015577988311353904,
925
+ "loss": 1.1431,
926
+ "step": 650
927
+ },
928
+ {
929
+ "epoch": 0.3833263989538993,
930
+ "grad_norm": 0.0771484375,
931
+ "learning_rate": 0.0001549287587949226,
932
+ "loss": 1.1253,
933
+ "step": 655
934
+ },
935
+ {
936
+ "epoch": 0.38625255467110464,
937
+ "grad_norm": 0.07080078125,
938
+ "learning_rate": 0.00015407189743436864,
939
+ "loss": 1.1314,
940
+ "step": 660
941
+ },
942
+ {
943
+ "epoch": 0.38917871038831003,
944
+ "grad_norm": 0.07275390625,
945
+ "learning_rate": 0.00015320938852688248,
946
+ "loss": 1.1148,
947
+ "step": 665
948
+ },
949
+ {
950
+ "epoch": 0.39210486610551537,
951
+ "grad_norm": 0.07080078125,
952
+ "learning_rate": 0.00015234132215732822,
953
+ "loss": 1.141,
954
+ "step": 670
955
+ },
956
+ {
957
+ "epoch": 0.3950310218227207,
958
+ "grad_norm": 0.072265625,
959
+ "learning_rate": 0.00015146778899102,
960
+ "loss": 1.1222,
961
+ "step": 675
962
+ },
963
+ {
964
+ "epoch": 0.39795717753992604,
965
+ "grad_norm": 0.07568359375,
966
+ "learning_rate": 0.00015058888026425212,
967
+ "loss": 1.1177,
968
+ "step": 680
969
+ },
970
+ {
971
+ "epoch": 0.4008833332571314,
972
+ "grad_norm": 0.0830078125,
973
+ "learning_rate": 0.00014970468777477026,
974
+ "loss": 1.1181,
975
+ "step": 685
976
+ },
977
+ {
978
+ "epoch": 0.4038094889743367,
979
+ "grad_norm": 0.08349609375,
980
+ "learning_rate": 0.00014881530387218325,
981
+ "loss": 1.1417,
982
+ "step": 690
983
+ },
984
+ {
985
+ "epoch": 0.40673564469154205,
986
+ "grad_norm": 0.08154296875,
987
+ "learning_rate": 0.00014792082144831793,
988
+ "loss": 1.1302,
989
+ "step": 695
990
+ },
991
+ {
992
+ "epoch": 0.4096618004087474,
993
+ "grad_norm": 0.06787109375,
994
+ "learning_rate": 0.00014702133392751688,
995
+ "loss": 1.122,
996
+ "step": 700
997
+ },
998
+ {
999
+ "epoch": 0.4125879561259527,
1000
+ "grad_norm": 0.07177734375,
1001
+ "learning_rate": 0.00014611693525688066,
1002
+ "loss": 1.1268,
1003
+ "step": 705
1004
+ },
1005
+ {
1006
+ "epoch": 0.41551411184315806,
1007
+ "grad_norm": 0.06982421875,
1008
+ "learning_rate": 0.00014520771989645563,
1009
+ "loss": 1.1238,
1010
+ "step": 710
1011
+ },
1012
+ {
1013
+ "epoch": 0.4184402675603634,
1014
+ "grad_norm": 0.07177734375,
1015
+ "learning_rate": 0.00014429378280936804,
1016
+ "loss": 1.119,
1017
+ "step": 715
1018
+ },
1019
+ {
1020
+ "epoch": 0.42136642327756874,
1021
+ "grad_norm": 0.0703125,
1022
+ "learning_rate": 0.0001433752194519054,
1023
+ "loss": 1.1187,
1024
+ "step": 720
1025
+ },
1026
+ {
1027
+ "epoch": 0.42429257899477407,
1028
+ "grad_norm": 0.0712890625,
1029
+ "learning_rate": 0.00014245212576354682,
1030
+ "loss": 1.122,
1031
+ "step": 725
1032
+ },
1033
+ {
1034
+ "epoch": 0.4272187347119794,
1035
+ "grad_norm": 0.0751953125,
1036
+ "learning_rate": 0.0001415245981569424,
1037
+ "loss": 1.1267,
1038
+ "step": 730
1039
+ },
1040
+ {
1041
+ "epoch": 0.43014489042918475,
1042
+ "grad_norm": 0.06591796875,
1043
+ "learning_rate": 0.00014059273350784342,
1044
+ "loss": 1.1273,
1045
+ "step": 735
1046
+ },
1047
+ {
1048
+ "epoch": 0.4330710461463901,
1049
+ "grad_norm": 0.076171875,
1050
+ "learning_rate": 0.00013965662914498428,
1051
+ "loss": 1.1267,
1052
+ "step": 740
1053
+ },
1054
+ {
1055
+ "epoch": 0.4359972018635954,
1056
+ "grad_norm": 0.06884765625,
1057
+ "learning_rate": 0.00013871638283991677,
1058
+ "loss": 1.1175,
1059
+ "step": 745
1060
+ },
1061
+ {
1062
+ "epoch": 0.43892335758080075,
1063
+ "grad_norm": 0.06787109375,
1064
+ "learning_rate": 0.0001377720927967985,
1065
+ "loss": 1.1211,
1066
+ "step": 750
1067
+ },
1068
+ {
1069
+ "epoch": 0.4418495132980061,
1070
+ "grad_norm": 0.1884765625,
1071
+ "learning_rate": 0.00013682385764213572,
1072
+ "loss": 1.1319,
1073
+ "step": 755
1074
+ },
1075
+ {
1076
+ "epoch": 0.44477566901521143,
1077
+ "grad_norm": 0.07666015625,
1078
+ "learning_rate": 0.00013587177641448265,
1079
+ "loss": 1.1233,
1080
+ "step": 760
1081
+ },
1082
+ {
1083
+ "epoch": 0.44770182473241676,
1084
+ "grad_norm": 0.078125,
1085
+ "learning_rate": 0.00013491594855409697,
1086
+ "loss": 1.1385,
1087
+ "step": 765
1088
+ },
1089
+ {
1090
+ "epoch": 0.4506279804496221,
1091
+ "grad_norm": 0.07470703125,
1092
+ "learning_rate": 0.00013395647389255396,
1093
+ "loss": 1.1189,
1094
+ "step": 770
1095
+ },
1096
+ {
1097
+ "epoch": 0.45355413616682744,
1098
+ "grad_norm": 0.072265625,
1099
+ "learning_rate": 0.00013299345264231957,
1100
+ "loss": 1.1157,
1101
+ "step": 775
1102
+ },
1103
+ {
1104
+ "epoch": 0.4564802918840328,
1105
+ "grad_norm": 0.07275390625,
1106
+ "learning_rate": 0.00013202698538628376,
1107
+ "loss": 1.1224,
1108
+ "step": 780
1109
+ },
1110
+ {
1111
+ "epoch": 0.4594064476012381,
1112
+ "grad_norm": 0.07080078125,
1113
+ "learning_rate": 0.00013105717306725501,
1114
+ "loss": 1.1283,
1115
+ "step": 785
1116
+ },
1117
+ {
1118
+ "epoch": 0.46233260331844345,
1119
+ "grad_norm": 0.0703125,
1120
+ "learning_rate": 0.0001300841169774174,
1121
+ "loss": 1.131,
1122
+ "step": 790
1123
+ },
1124
+ {
1125
+ "epoch": 0.4652587590356488,
1126
+ "grad_norm": 0.0712890625,
1127
+ "learning_rate": 0.000129107918747751,
1128
+ "loss": 1.1175,
1129
+ "step": 795
1130
+ },
1131
+ {
1132
+ "epoch": 0.4681849147528541,
1133
+ "grad_norm": 0.07373046875,
1134
+ "learning_rate": 0.00012812868033741724,
1135
+ "loss": 1.138,
1136
+ "step": 800
1137
+ },
1138
+ {
1139
+ "epoch": 0.47111107047005946,
1140
+ "grad_norm": 0.07275390625,
1141
+ "learning_rate": 0.00012714650402310967,
1142
+ "loss": 1.1344,
1143
+ "step": 805
1144
+ },
1145
+ {
1146
+ "epoch": 0.47403722618726485,
1147
+ "grad_norm": 0.07470703125,
1148
+ "learning_rate": 0.00012616149238837146,
1149
+ "loss": 1.1195,
1150
+ "step": 810
1151
+ },
1152
+ {
1153
+ "epoch": 0.4769633819044702,
1154
+ "grad_norm": 0.07958984375,
1155
+ "learning_rate": 0.00012517374831288146,
1156
+ "loss": 1.1005,
1157
+ "step": 815
1158
+ },
1159
+ {
1160
+ "epoch": 0.4798895376216755,
1161
+ "grad_norm": 0.0712890625,
1162
+ "learning_rate": 0.00012418337496170842,
1163
+ "loss": 1.1158,
1164
+ "step": 820
1165
+ },
1166
+ {
1167
+ "epoch": 0.48281569333888086,
1168
+ "grad_norm": 0.0712890625,
1169
+ "learning_rate": 0.00012319047577453638,
1170
+ "loss": 1.1181,
1171
+ "step": 825
1172
+ },
1173
+ {
1174
+ "epoch": 0.4857418490560862,
1175
+ "grad_norm": 0.07177734375,
1176
+ "learning_rate": 0.00012219515445486054,
1177
+ "loss": 1.1321,
1178
+ "step": 830
1179
+ },
1180
+ {
1181
+ "epoch": 0.48866800477329153,
1182
+ "grad_norm": 0.0751953125,
1183
+ "learning_rate": 0.00012119751495915617,
1184
+ "loss": 1.1309,
1185
+ "step": 835
1186
+ },
1187
+ {
1188
+ "epoch": 0.49159416049049687,
1189
+ "grad_norm": 0.06884765625,
1190
+ "learning_rate": 0.00012019766148602062,
1191
+ "loss": 1.1276,
1192
+ "step": 840
1193
+ },
1194
+ {
1195
+ "epoch": 0.4945203162077022,
1196
+ "grad_norm": 0.068359375,
1197
+ "learning_rate": 0.00011919569846529057,
1198
+ "loss": 1.1173,
1199
+ "step": 845
1200
+ },
1201
+ {
1202
+ "epoch": 0.49744647192490754,
1203
+ "grad_norm": 0.0703125,
1204
+ "learning_rate": 0.00011819173054713466,
1205
+ "loss": 1.1111,
1206
+ "step": 850
1207
+ },
1208
+ {
1209
+ "epoch": 0.5003726276421129,
1210
+ "grad_norm": 0.0751953125,
1211
+ "learning_rate": 0.00011718586259112326,
1212
+ "loss": 1.1137,
1213
+ "step": 855
1214
+ },
1215
+ {
1216
+ "epoch": 0.5032987833593182,
1217
+ "grad_norm": 0.0751953125,
1218
+ "learning_rate": 0.0001161781996552765,
1219
+ "loss": 1.1157,
1220
+ "step": 860
1221
+ },
1222
+ {
1223
+ "epoch": 0.5062249390765236,
1224
+ "grad_norm": 0.0703125,
1225
+ "learning_rate": 0.00011516884698509143,
1226
+ "loss": 1.1136,
1227
+ "step": 865
1228
+ },
1229
+ {
1230
+ "epoch": 0.5091510947937289,
1231
+ "grad_norm": 0.07568359375,
1232
+ "learning_rate": 0.00011415791000254964,
1233
+ "loss": 1.1217,
1234
+ "step": 870
1235
+ },
1236
+ {
1237
+ "epoch": 0.5120772505109342,
1238
+ "grad_norm": 0.07275390625,
1239
+ "learning_rate": 0.0001131454942951065,
1240
+ "loss": 1.119,
1241
+ "step": 875
1242
+ },
1243
+ {
1244
+ "epoch": 0.5150034062281396,
1245
+ "grad_norm": 0.0693359375,
1246
+ "learning_rate": 0.0001121317056046629,
1247
+ "loss": 1.1122,
1248
+ "step": 880
1249
+ },
1250
+ {
1251
+ "epoch": 0.5179295619453449,
1252
+ "grad_norm": 0.072265625,
1253
+ "learning_rate": 0.00011111664981652121,
1254
+ "loss": 1.1137,
1255
+ "step": 885
1256
+ },
1257
+ {
1258
+ "epoch": 0.5208557176625502,
1259
+ "grad_norm": 0.0693359375,
1260
+ "learning_rate": 0.00011010043294832601,
1261
+ "loss": 1.1132,
1262
+ "step": 890
1263
+ },
1264
+ {
1265
+ "epoch": 0.5237818733797556,
1266
+ "grad_norm": 0.072265625,
1267
+ "learning_rate": 0.00010908316113899097,
1268
+ "loss": 1.1373,
1269
+ "step": 895
1270
+ },
1271
+ {
1272
+ "epoch": 0.5267080290969609,
1273
+ "grad_norm": 0.0732421875,
1274
+ "learning_rate": 0.00010806494063761335,
1275
+ "loss": 1.1165,
1276
+ "step": 900
1277
+ },
1278
+ {
1279
+ "epoch": 0.5296341848141662,
1280
+ "grad_norm": 0.0703125,
1281
+ "learning_rate": 0.00010704587779237654,
1282
+ "loss": 1.1149,
1283
+ "step": 905
1284
+ },
1285
+ {
1286
+ "epoch": 0.5325603405313716,
1287
+ "grad_norm": 0.06982421875,
1288
+ "learning_rate": 0.00010602607903944279,
1289
+ "loss": 1.1244,
1290
+ "step": 910
1291
+ },
1292
+ {
1293
+ "epoch": 0.5354864962485769,
1294
+ "grad_norm": 0.06787109375,
1295
+ "learning_rate": 0.00010500565089183627,
1296
+ "loss": 1.1141,
1297
+ "step": 915
1298
+ },
1299
+ {
1300
+ "epoch": 0.5384126519657823,
1301
+ "grad_norm": 0.0673828125,
1302
+ "learning_rate": 0.00010398469992831832,
1303
+ "loss": 1.1031,
1304
+ "step": 920
1305
+ },
1306
+ {
1307
+ "epoch": 0.5413388076829876,
1308
+ "grad_norm": 0.06787109375,
1309
+ "learning_rate": 0.00010296333278225599,
1310
+ "loss": 1.1072,
1311
+ "step": 925
1312
+ },
1313
+ {
1314
+ "epoch": 0.5442649634001929,
1315
+ "grad_norm": 0.06982421875,
1316
+ "learning_rate": 0.00010194165613048444,
1317
+ "loss": 1.0993,
1318
+ "step": 930
1319
+ },
1320
+ {
1321
+ "epoch": 0.5471911191173983,
1322
+ "grad_norm": 0.07275390625,
1323
+ "learning_rate": 0.00010091977668216524,
1324
+ "loss": 1.1089,
1325
+ "step": 935
1326
+ },
1327
+ {
1328
+ "epoch": 0.5501172748346036,
1329
+ "grad_norm": 0.068359375,
1330
+ "learning_rate": 9.989780116764115e-05,
1331
+ "loss": 1.1042,
1332
+ "step": 940
1333
+ },
1334
+ {
1335
+ "epoch": 0.5530434305518089,
1336
+ "grad_norm": 0.0712890625,
1337
+ "learning_rate": 9.887583632728845e-05,
1338
+ "loss": 1.1062,
1339
+ "step": 945
1340
+ },
1341
+ {
1342
+ "epoch": 0.5559695862690143,
1343
+ "grad_norm": 0.07080078125,
1344
+ "learning_rate": 9.785398890036867e-05,
1345
+ "loss": 1.1092,
1346
+ "step": 950
1347
+ },
1348
+ {
1349
+ "epoch": 0.5588957419862196,
1350
+ "grad_norm": 0.0693359375,
1351
+ "learning_rate": 9.683236561388e-05,
1352
+ "loss": 1.1173,
1353
+ "step": 955
1354
+ },
1355
+ {
1356
+ "epoch": 0.5618218977034249,
1357
+ "grad_norm": 0.0703125,
1358
+ "learning_rate": 9.581107317141026e-05,
1359
+ "loss": 1.1407,
1360
+ "step": 960
1361
+ },
1362
+ {
1363
+ "epoch": 0.5647480534206303,
1364
+ "grad_norm": 0.07666015625,
1365
+ "learning_rate": 9.479021824199229e-05,
1366
+ "loss": 1.1365,
1367
+ "step": 965
1368
+ },
1369
+ {
1370
+ "epoch": 0.5676742091378356,
1371
+ "grad_norm": 0.07763671875,
1372
+ "learning_rate": 9.376990744896276e-05,
1373
+ "loss": 1.1031,
1374
+ "step": 970
1375
+ },
1376
+ {
1377
+ "epoch": 0.570600364855041,
1378
+ "grad_norm": 0.0703125,
1379
+ "learning_rate": 9.275024735882588e-05,
1380
+ "loss": 1.0896,
1381
+ "step": 975
1382
+ },
1383
+ {
1384
+ "epoch": 0.5735265205722463,
1385
+ "grad_norm": 0.07275390625,
1386
+ "learning_rate": 9.173134447012322e-05,
1387
+ "loss": 1.1094,
1388
+ "step": 980
1389
+ },
1390
+ {
1391
+ "epoch": 0.5764526762894516,
1392
+ "grad_norm": 0.0751953125,
1393
+ "learning_rate": 9.071330520231033e-05,
1394
+ "loss": 1.1127,
1395
+ "step": 985
1396
+ },
1397
+ {
1398
+ "epoch": 0.579378832006657,
1399
+ "grad_norm": 0.0693359375,
1400
+ "learning_rate": 8.969623588464163e-05,
1401
+ "loss": 1.1176,
1402
+ "step": 990
1403
+ },
1404
+ {
1405
+ "epoch": 0.5823049877238623,
1406
+ "grad_norm": 0.0703125,
1407
+ "learning_rate": 8.868024274506505e-05,
1408
+ "loss": 1.112,
1409
+ "step": 995
1410
+ },
1411
+ {
1412
+ "epoch": 0.5852311434410676,
1413
+ "grad_norm": 0.0712890625,
1414
+ "learning_rate": 8.766543189912705e-05,
1415
+ "loss": 1.0846,
1416
+ "step": 1000
1417
+ },
1418
+ {
1419
+ "epoch": 0.588157299158273,
1420
+ "grad_norm": 0.07177734375,
1421
+ "learning_rate": 8.665190933888904e-05,
1422
+ "loss": 1.0961,
1423
+ "step": 1005
1424
+ },
1425
+ {
1426
+ "epoch": 0.5910834548754783,
1427
+ "grad_norm": 0.0712890625,
1428
+ "learning_rate": 8.56397809218574e-05,
1429
+ "loss": 1.1146,
1430
+ "step": 1010
1431
+ },
1432
+ {
1433
+ "epoch": 0.5940096105926836,
1434
+ "grad_norm": 0.07568359375,
1435
+ "learning_rate": 8.4629152359927e-05,
1436
+ "loss": 1.1066,
1437
+ "step": 1015
1438
+ },
1439
+ {
1440
+ "epoch": 0.596935766309889,
1441
+ "grad_norm": 0.07080078125,
1442
+ "learning_rate": 8.362012920834014e-05,
1443
+ "loss": 1.1253,
1444
+ "step": 1020
1445
+ },
1446
+ {
1447
+ "epoch": 0.5998619220270943,
1448
+ "grad_norm": 0.0693359375,
1449
+ "learning_rate": 8.261281685466177e-05,
1450
+ "loss": 1.1072,
1451
+ "step": 1025
1452
+ },
1453
+ {
1454
+ "epoch": 0.6027880777442998,
1455
+ "grad_norm": 0.07373046875,
1456
+ "learning_rate": 8.160732050777235e-05,
1457
+ "loss": 1.1147,
1458
+ "step": 1030
1459
+ },
1460
+ {
1461
+ "epoch": 0.6057142334615051,
1462
+ "grad_norm": 0.0712890625,
1463
+ "learning_rate": 8.060374518687926e-05,
1464
+ "loss": 1.11,
1465
+ "step": 1035
1466
+ },
1467
+ {
1468
+ "epoch": 0.6086403891787104,
1469
+ "grad_norm": 0.07080078125,
1470
+ "learning_rate": 7.960219571054799e-05,
1471
+ "loss": 1.123,
1472
+ "step": 1040
1473
+ },
1474
+ {
1475
+ "epoch": 0.6115665448959158,
1476
+ "grad_norm": 0.06787109375,
1477
+ "learning_rate": 7.860277668575449e-05,
1478
+ "loss": 1.1035,
1479
+ "step": 1045
1480
+ },
1481
+ {
1482
+ "epoch": 0.6144927006131211,
1483
+ "grad_norm": 0.0712890625,
1484
+ "learning_rate": 7.76055924969594e-05,
1485
+ "loss": 1.09,
1486
+ "step": 1050
1487
+ },
1488
+ {
1489
+ "epoch": 0.6174188563303264,
1490
+ "grad_norm": 0.0712890625,
1491
+ "learning_rate": 7.661074729520548e-05,
1492
+ "loss": 1.1279,
1493
+ "step": 1055
1494
+ },
1495
+ {
1496
+ "epoch": 0.6203450120475318,
1497
+ "grad_norm": 0.072265625,
1498
+ "learning_rate": 7.561834498723974e-05,
1499
+ "loss": 1.1141,
1500
+ "step": 1060
1501
+ },
1502
+ {
1503
+ "epoch": 0.6232711677647371,
1504
+ "grad_norm": 0.068359375,
1505
+ "learning_rate": 7.462848922466092e-05,
1506
+ "loss": 1.1102,
1507
+ "step": 1065
1508
+ },
1509
+ {
1510
+ "epoch": 0.6261973234819425,
1511
+ "grad_norm": 0.0673828125,
1512
+ "learning_rate": 7.364128339309326e-05,
1513
+ "loss": 1.1128,
1514
+ "step": 1070
1515
+ },
1516
+ {
1517
+ "epoch": 0.6291234791991478,
1518
+ "grad_norm": 0.07275390625,
1519
+ "learning_rate": 7.265683060138868e-05,
1520
+ "loss": 1.1054,
1521
+ "step": 1075
1522
+ },
1523
+ {
1524
+ "epoch": 0.6320496349163531,
1525
+ "grad_norm": 0.07666015625,
1526
+ "learning_rate": 7.167523367085749e-05,
1527
+ "loss": 1.1097,
1528
+ "step": 1080
1529
+ },
1530
+ {
1531
+ "epoch": 0.6349757906335585,
1532
+ "grad_norm": 0.0673828125,
1533
+ "learning_rate": 7.069659512452918e-05,
1534
+ "loss": 1.1148,
1535
+ "step": 1085
1536
+ },
1537
+ {
1538
+ "epoch": 0.6379019463507638,
1539
+ "grad_norm": 0.06982421875,
1540
+ "learning_rate": 6.972101717644429e-05,
1541
+ "loss": 1.0997,
1542
+ "step": 1090
1543
+ },
1544
+ {
1545
+ "epoch": 0.6408281020679691,
1546
+ "grad_norm": 0.07080078125,
1547
+ "learning_rate": 6.874860172097883e-05,
1548
+ "loss": 1.097,
1549
+ "step": 1095
1550
+ },
1551
+ {
1552
+ "epoch": 0.6437542577851745,
1553
+ "grad_norm": 0.07177734375,
1554
+ "learning_rate": 6.777945032220187e-05,
1555
+ "loss": 1.1006,
1556
+ "step": 1100
1557
+ },
1558
+ {
1559
+ "epoch": 0.6466804135023798,
1560
+ "grad_norm": 0.0693359375,
1561
+ "learning_rate": 6.681366420326747e-05,
1562
+ "loss": 1.1191,
1563
+ "step": 1105
1564
+ },
1565
+ {
1566
+ "epoch": 0.6496065692195852,
1567
+ "grad_norm": 0.162109375,
1568
+ "learning_rate": 6.58513442358427e-05,
1569
+ "loss": 1.0901,
1570
+ "step": 1110
1571
+ },
1572
+ {
1573
+ "epoch": 0.6525327249367905,
1574
+ "grad_norm": 0.0712890625,
1575
+ "learning_rate": 6.489259092957193e-05,
1576
+ "loss": 1.1113,
1577
+ "step": 1115
1578
+ },
1579
+ {
1580
+ "epoch": 0.6554588806539958,
1581
+ "grad_norm": 0.0751953125,
1582
+ "learning_rate": 6.3937504421579e-05,
1583
+ "loss": 1.0945,
1584
+ "step": 1120
1585
+ },
1586
+ {
1587
+ "epoch": 0.6583850363712012,
1588
+ "grad_norm": 0.06884765625,
1589
+ "learning_rate": 6.298618446600856e-05,
1590
+ "loss": 1.1073,
1591
+ "step": 1125
1592
+ },
1593
+ {
1594
+ "epoch": 0.6613111920884065,
1595
+ "grad_norm": 0.0693359375,
1596
+ "learning_rate": 6.203873042360722e-05,
1597
+ "loss": 1.1178,
1598
+ "step": 1130
1599
+ },
1600
+ {
1601
+ "epoch": 0.6642373478056118,
1602
+ "grad_norm": 0.072265625,
1603
+ "learning_rate": 6.109524125134571e-05,
1604
+ "loss": 1.1291,
1605
+ "step": 1135
1606
+ },
1607
+ {
1608
+ "epoch": 0.6671635035228172,
1609
+ "grad_norm": 0.07080078125,
1610
+ "learning_rate": 6.015581549208322e-05,
1611
+ "loss": 1.0985,
1612
+ "step": 1140
1613
+ },
1614
+ {
1615
+ "epoch": 0.6700896592400225,
1616
+ "grad_norm": 0.06884765625,
1617
+ "learning_rate": 5.9220551264275356e-05,
1618
+ "loss": 1.1294,
1619
+ "step": 1145
1620
+ },
1621
+ {
1622
+ "epoch": 0.6730158149572278,
1623
+ "grad_norm": 0.06884765625,
1624
+ "learning_rate": 5.828954625172597e-05,
1625
+ "loss": 1.115,
1626
+ "step": 1150
1627
+ },
1628
+ {
1629
+ "epoch": 0.6759419706744332,
1630
+ "grad_norm": 0.06689453125,
1631
+ "learning_rate": 5.736289769338441e-05,
1632
+ "loss": 1.1024,
1633
+ "step": 1155
1634
+ },
1635
+ {
1636
+ "epoch": 0.6788681263916385,
1637
+ "grad_norm": 0.0703125,
1638
+ "learning_rate": 5.644070237318977e-05,
1639
+ "loss": 1.0993,
1640
+ "step": 1160
1641
+ },
1642
+ {
1643
+ "epoch": 0.6817942821088439,
1644
+ "grad_norm": 0.0693359375,
1645
+ "learning_rate": 5.552305660996202e-05,
1646
+ "loss": 1.1172,
1647
+ "step": 1165
1648
+ },
1649
+ {
1650
+ "epoch": 0.6847204378260492,
1651
+ "grad_norm": 0.0693359375,
1652
+ "learning_rate": 5.4610056247341814e-05,
1653
+ "loss": 1.0988,
1654
+ "step": 1170
1655
+ },
1656
+ {
1657
+ "epoch": 0.6876465935432545,
1658
+ "grad_norm": 0.0712890625,
1659
+ "learning_rate": 5.3701796643780524e-05,
1660
+ "loss": 1.1142,
1661
+ "step": 1175
1662
+ },
1663
+ {
1664
+ "epoch": 0.6905727492604599,
1665
+ "grad_norm": 0.0693359375,
1666
+ "learning_rate": 5.279837266258016e-05,
1667
+ "loss": 1.1271,
1668
+ "step": 1180
1669
+ },
1670
+ {
1671
+ "epoch": 0.6934989049776652,
1672
+ "grad_norm": 0.06884765625,
1673
+ "learning_rate": 5.189987866198548e-05,
1674
+ "loss": 1.1055,
1675
+ "step": 1185
1676
+ },
1677
+ {
1678
+ "epoch": 0.6964250606948705,
1679
+ "grad_norm": 0.06982421875,
1680
+ "learning_rate": 5.100640848532878e-05,
1681
+ "loss": 1.1277,
1682
+ "step": 1190
1683
+ },
1684
+ {
1685
+ "epoch": 0.6993512164120759,
1686
+ "grad_norm": 0.06787109375,
1687
+ "learning_rate": 5.011805545122826e-05,
1688
+ "loss": 1.1093,
1689
+ "step": 1195
1690
+ },
1691
+ {
1692
+ "epoch": 0.7022773721292812,
1693
+ "grad_norm": 0.06884765625,
1694
+ "learning_rate": 4.923491234384158e-05,
1695
+ "loss": 1.1055,
1696
+ "step": 1200
1697
+ },
1698
+ {
1699
+ "epoch": 0.7052035278464865,
1700
+ "grad_norm": 0.0693359375,
1701
+ "learning_rate": 4.8357071403174746e-05,
1702
+ "loss": 1.098,
1703
+ "step": 1205
1704
+ },
1705
+ {
1706
+ "epoch": 0.7081296835636919,
1707
+ "grad_norm": 0.06689453125,
1708
+ "learning_rate": 4.748462431544826e-05,
1709
+ "loss": 1.114,
1710
+ "step": 1210
1711
+ },
1712
+ {
1713
+ "epoch": 0.7110558392808972,
1714
+ "grad_norm": 0.06884765625,
1715
+ "learning_rate": 4.661766220352097e-05,
1716
+ "loss": 1.1073,
1717
+ "step": 1215
1718
+ },
1719
+ {
1720
+ "epoch": 0.7139819949981026,
1721
+ "grad_norm": 0.06982421875,
1722
+ "learning_rate": 4.5756275617372465e-05,
1723
+ "loss": 1.1121,
1724
+ "step": 1220
1725
+ },
1726
+ {
1727
+ "epoch": 0.7169081507153079,
1728
+ "grad_norm": 0.0693359375,
1729
+ "learning_rate": 4.490055452464594e-05,
1730
+ "loss": 1.12,
1731
+ "step": 1225
1732
+ },
1733
+ {
1734
+ "epoch": 0.7198343064325132,
1735
+ "grad_norm": 0.06787109375,
1736
+ "learning_rate": 4.405058830125137e-05,
1737
+ "loss": 1.092,
1738
+ "step": 1230
1739
+ },
1740
+ {
1741
+ "epoch": 0.7227604621497186,
1742
+ "grad_norm": 0.06640625,
1743
+ "learning_rate": 4.320646572203033e-05,
1744
+ "loss": 1.0998,
1745
+ "step": 1235
1746
+ },
1747
+ {
1748
+ "epoch": 0.7256866178669239,
1749
+ "grad_norm": 0.06982421875,
1750
+ "learning_rate": 4.236827495148443e-05,
1751
+ "loss": 1.0993,
1752
+ "step": 1240
1753
+ },
1754
+ {
1755
+ "epoch": 0.7286127735841292,
1756
+ "grad_norm": 0.068359375,
1757
+ "learning_rate": 4.153610353456654e-05,
1758
+ "loss": 1.1323,
1759
+ "step": 1245
1760
+ },
1761
+ {
1762
+ "epoch": 0.7315389293013346,
1763
+ "grad_norm": 0.06982421875,
1764
+ "learning_rate": 4.071003838753737e-05,
1765
+ "loss": 1.1264,
1766
+ "step": 1250
1767
+ },
1768
+ {
1769
+ "epoch": 0.7344650850185399,
1770
+ "grad_norm": 0.0693359375,
1771
+ "learning_rate": 3.9890165788887365e-05,
1772
+ "loss": 1.1057,
1773
+ "step": 1255
1774
+ },
1775
+ {
1776
+ "epoch": 0.7373912407357452,
1777
+ "grad_norm": 0.06884765625,
1778
+ "learning_rate": 3.9076571370325364e-05,
1779
+ "loss": 1.1119,
1780
+ "step": 1260
1781
+ },
1782
+ {
1783
+ "epoch": 0.7403173964529506,
1784
+ "grad_norm": 0.0712890625,
1785
+ "learning_rate": 3.82693401078349e-05,
1786
+ "loss": 1.0996,
1787
+ "step": 1265
1788
+ },
1789
+ {
1790
+ "epoch": 0.7432435521701559,
1791
+ "grad_norm": 0.06787109375,
1792
+ "learning_rate": 3.7468556312798685e-05,
1793
+ "loss": 1.1051,
1794
+ "step": 1270
1795
+ },
1796
+ {
1797
+ "epoch": 0.7461697078873613,
1798
+ "grad_norm": 0.06787109375,
1799
+ "learning_rate": 3.667430362319277e-05,
1800
+ "loss": 1.0959,
1801
+ "step": 1275
1802
+ },
1803
+ {
1804
+ "epoch": 0.7490958636045666,
1805
+ "grad_norm": 0.068359375,
1806
+ "learning_rate": 3.588666499485115e-05,
1807
+ "loss": 1.1129,
1808
+ "step": 1280
1809
+ },
1810
+ {
1811
+ "epoch": 0.7520220193217719,
1812
+ "grad_norm": 0.0693359375,
1813
+ "learning_rate": 3.510572269280097e-05,
1814
+ "loss": 1.1184,
1815
+ "step": 1285
1816
+ },
1817
+ {
1818
+ "epoch": 0.7549481750389773,
1819
+ "grad_norm": 0.06787109375,
1820
+ "learning_rate": 3.433155828267089e-05,
1821
+ "loss": 1.1003,
1822
+ "step": 1290
1823
+ },
1824
+ {
1825
+ "epoch": 0.7578743307561826,
1826
+ "grad_norm": 0.06787109375,
1827
+ "learning_rate": 3.356425262217164e-05,
1828
+ "loss": 1.106,
1829
+ "step": 1295
1830
+ },
1831
+ {
1832
+ "epoch": 0.7608004864733879,
1833
+ "grad_norm": 0.06787109375,
1834
+ "learning_rate": 3.280388585265075e-05,
1835
+ "loss": 1.1066,
1836
+ "step": 1300
1837
+ },
1838
+ {
1839
+ "epoch": 0.7637266421905933,
1840
+ "grad_norm": 0.06689453125,
1841
+ "learning_rate": 3.205053739072248e-05,
1842
+ "loss": 1.1026,
1843
+ "step": 1305
1844
+ },
1845
+ {
1846
+ "epoch": 0.7666527979077986,
1847
+ "grad_norm": 0.06787109375,
1848
+ "learning_rate": 3.130428591997282e-05,
1849
+ "loss": 1.1256,
1850
+ "step": 1310
1851
+ },
1852
+ {
1853
+ "epoch": 0.769578953625004,
1854
+ "grad_norm": 0.0673828125,
1855
+ "learning_rate": 3.0565209382741664e-05,
1856
+ "loss": 1.1018,
1857
+ "step": 1315
1858
+ },
1859
+ {
1860
+ "epoch": 0.7725051093422093,
1861
+ "grad_norm": 0.068359375,
1862
+ "learning_rate": 2.9833384971981838e-05,
1863
+ "loss": 1.1099,
1864
+ "step": 1320
1865
+ },
1866
+ {
1867
+ "epoch": 0.7754312650594147,
1868
+ "grad_norm": 0.0673828125,
1869
+ "learning_rate": 2.9108889123196824e-05,
1870
+ "loss": 1.0995,
1871
+ "step": 1325
1872
+ },
1873
+ {
1874
+ "epoch": 0.7783574207766201,
1875
+ "grad_norm": 0.0673828125,
1876
+ "learning_rate": 2.839179750645752e-05,
1877
+ "loss": 1.1194,
1878
+ "step": 1330
1879
+ },
1880
+ {
1881
+ "epoch": 0.7812835764938254,
1882
+ "grad_norm": 0.0693359375,
1883
+ "learning_rate": 2.768218501849862e-05,
1884
+ "loss": 1.0955,
1885
+ "step": 1335
1886
+ },
1887
+ {
1888
+ "epoch": 0.7842097322110307,
1889
+ "grad_norm": 0.06591796875,
1890
+ "learning_rate": 2.6980125774896238e-05,
1891
+ "loss": 1.0712,
1892
+ "step": 1340
1893
+ },
1894
+ {
1895
+ "epoch": 0.7871358879282361,
1896
+ "grad_norm": 0.0693359375,
1897
+ "learning_rate": 2.6285693102326868e-05,
1898
+ "loss": 1.1019,
1899
+ "step": 1345
1900
+ },
1901
+ {
1902
+ "epoch": 0.7900620436454414,
1903
+ "grad_norm": 0.0673828125,
1904
+ "learning_rate": 2.559895953090856e-05,
1905
+ "loss": 1.1022,
1906
+ "step": 1350
1907
+ },
1908
+ {
1909
+ "epoch": 0.7929881993626468,
1910
+ "grad_norm": 0.06787109375,
1911
+ "learning_rate": 2.491999678662582e-05,
1912
+ "loss": 1.1027,
1913
+ "step": 1355
1914
+ },
1915
+ {
1916
+ "epoch": 0.7959143550798521,
1917
+ "grad_norm": 0.06787109375,
1918
+ "learning_rate": 2.4248875783837987e-05,
1919
+ "loss": 1.1292,
1920
+ "step": 1360
1921
+ },
1922
+ {
1923
+ "epoch": 0.7988405107970574,
1924
+ "grad_norm": 0.0693359375,
1925
+ "learning_rate": 2.358566661787257e-05,
1926
+ "loss": 1.1117,
1927
+ "step": 1365
1928
+ },
1929
+ {
1930
+ "epoch": 0.8017666665142628,
1931
+ "grad_norm": 0.06787109375,
1932
+ "learning_rate": 2.293043855770416e-05,
1933
+ "loss": 1.1176,
1934
+ "step": 1370
1935
+ },
1936
+ {
1937
+ "epoch": 0.8046928222314681,
1938
+ "grad_norm": 0.06982421875,
1939
+ "learning_rate": 2.2283260038719646e-05,
1940
+ "loss": 1.1074,
1941
+ "step": 1375
1942
+ },
1943
+ {
1944
+ "epoch": 0.8076189779486734,
1945
+ "grad_norm": 0.06689453125,
1946
+ "learning_rate": 2.1644198655570504e-05,
1947
+ "loss": 1.1123,
1948
+ "step": 1380
1949
+ },
1950
+ {
1951
+ "epoch": 0.8105451336658788,
1952
+ "grad_norm": 0.068359375,
1953
+ "learning_rate": 2.1013321155112754e-05,
1954
+ "loss": 1.0979,
1955
+ "step": 1385
1956
+ },
1957
+ {
1958
+ "epoch": 0.8134712893830841,
1959
+ "grad_norm": 0.068359375,
1960
+ "learning_rate": 2.0390693429435627e-05,
1961
+ "loss": 1.1102,
1962
+ "step": 1390
1963
+ },
1964
+ {
1965
+ "epoch": 0.8163974451002894,
1966
+ "grad_norm": 0.06884765625,
1967
+ "learning_rate": 1.977638050897954e-05,
1968
+ "loss": 1.1133,
1969
+ "step": 1395
1970
+ },
1971
+ {
1972
+ "epoch": 0.8193236008174948,
1973
+ "grad_norm": 0.0673828125,
1974
+ "learning_rate": 1.917044655574387e-05,
1975
+ "loss": 1.1045,
1976
+ "step": 1400
1977
+ },
1978
+ {
1979
+ "epoch": 0.8222497565347001,
1980
+ "grad_norm": 0.0673828125,
1981
+ "learning_rate": 1.8572954856585535e-05,
1982
+ "loss": 1.0967,
1983
+ "step": 1405
1984
+ },
1985
+ {
1986
+ "epoch": 0.8251759122519055,
1987
+ "grad_norm": 0.0673828125,
1988
+ "learning_rate": 1.798396781660914e-05,
1989
+ "loss": 1.1199,
1990
+ "step": 1410
1991
+ },
1992
+ {
1993
+ "epoch": 0.8281020679691108,
1994
+ "grad_norm": 0.06884765625,
1995
+ "learning_rate": 1.7403546952648885e-05,
1996
+ "loss": 1.1039,
1997
+ "step": 1415
1998
+ },
1999
+ {
2000
+ "epoch": 0.8310282236863161,
2001
+ "grad_norm": 0.06787109375,
2002
+ "learning_rate": 1.6831752886843512e-05,
2003
+ "loss": 1.1106,
2004
+ "step": 1420
2005
+ },
2006
+ {
2007
+ "epoch": 0.8339543794035215,
2008
+ "grad_norm": 0.06982421875,
2009
+ "learning_rate": 1.626864534030469e-05,
2010
+ "loss": 1.106,
2011
+ "step": 1425
2012
+ },
2013
+ {
2014
+ "epoch": 0.8368805351207268,
2015
+ "grad_norm": 0.0673828125,
2016
+ "learning_rate": 1.571428312687928e-05,
2017
+ "loss": 1.1004,
2018
+ "step": 1430
2019
+ },
2020
+ {
2021
+ "epoch": 0.8398066908379321,
2022
+ "grad_norm": 0.0693359375,
2023
+ "learning_rate": 1.5168724147006652e-05,
2024
+ "loss": 1.1244,
2025
+ "step": 1435
2026
+ },
2027
+ {
2028
+ "epoch": 0.8427328465551375,
2029
+ "grad_norm": 0.0673828125,
2030
+ "learning_rate": 1.4632025381671133e-05,
2031
+ "loss": 1.1227,
2032
+ "step": 1440
2033
+ },
2034
+ {
2035
+ "epoch": 0.8456590022723428,
2036
+ "grad_norm": 0.0673828125,
2037
+ "learning_rate": 1.4104242886450824e-05,
2038
+ "loss": 1.1073,
2039
+ "step": 1445
2040
+ },
2041
+ {
2042
+ "epoch": 0.8485851579895481,
2043
+ "grad_norm": 0.07568359375,
2044
+ "learning_rate": 1.3585431785662627e-05,
2045
+ "loss": 1.0903,
2046
+ "step": 1450
2047
+ },
2048
+ {
2049
+ "epoch": 0.8515113137067535,
2050
+ "grad_norm": 0.06884765625,
2051
+ "learning_rate": 1.3075646266604913e-05,
2052
+ "loss": 1.1129,
2053
+ "step": 1455
2054
+ },
2055
+ {
2056
+ "epoch": 0.8544374694239588,
2057
+ "grad_norm": 0.06982421875,
2058
+ "learning_rate": 1.257493957389796e-05,
2059
+ "loss": 1.1293,
2060
+ "step": 1460
2061
+ },
2062
+ {
2063
+ "epoch": 0.8573636251411642,
2064
+ "grad_norm": 0.0693359375,
2065
+ "learning_rate": 1.208336400392268e-05,
2066
+ "loss": 1.0987,
2067
+ "step": 1465
2068
+ },
2069
+ {
2070
+ "epoch": 0.8602897808583695,
2071
+ "grad_norm": 0.06689453125,
2072
+ "learning_rate": 1.1600970899358588e-05,
2073
+ "loss": 1.1044,
2074
+ "step": 1470
2075
+ },
2076
+ {
2077
+ "epoch": 0.8632159365755748,
2078
+ "grad_norm": 0.0693359375,
2079
+ "learning_rate": 1.1127810643821401e-05,
2080
+ "loss": 1.1182,
2081
+ "step": 1475
2082
+ },
2083
+ {
2084
+ "epoch": 0.8661420922927802,
2085
+ "grad_norm": 0.0673828125,
2086
+ "learning_rate": 1.0663932656600505e-05,
2087
+ "loss": 1.0957,
2088
+ "step": 1480
2089
+ },
2090
+ {
2091
+ "epoch": 0.8690682480099855,
2092
+ "grad_norm": 0.06689453125,
2093
+ "learning_rate": 1.0209385387497517e-05,
2094
+ "loss": 1.1238,
2095
+ "step": 1485
2096
+ },
2097
+ {
2098
+ "epoch": 0.8719944037271908,
2099
+ "grad_norm": 0.068359375,
2100
+ "learning_rate": 9.764216311765905e-06,
2101
+ "loss": 1.1209,
2102
+ "step": 1490
2103
+ },
2104
+ {
2105
+ "epoch": 0.8749205594443962,
2106
+ "grad_norm": 0.06591796875,
2107
+ "learning_rate": 9.328471925152381e-06,
2108
+ "loss": 1.1046,
2109
+ "step": 1495
2110
+ },
2111
+ {
2112
+ "epoch": 0.8778467151616015,
2113
+ "grad_norm": 0.06787109375,
2114
+ "learning_rate": 8.902197739040708e-06,
2115
+ "loss": 1.1205,
2116
+ "step": 1500
2117
+ },
2118
+ {
2119
+ "epoch": 0.8807728708788068,
2120
+ "grad_norm": 0.06787109375,
2121
+ "learning_rate": 8.485438275698154e-06,
2122
+ "loss": 1.1202,
2123
+ "step": 1505
2124
+ },
2125
+ {
2126
+ "epoch": 0.8836990265960122,
2127
+ "grad_norm": 0.07080078125,
2128
+ "learning_rate": 8.078237063625538e-06,
2129
+ "loss": 1.1177,
2130
+ "step": 1510
2131
+ },
2132
+ {
2133
+ "epoch": 0.8866251823132175,
2134
+ "grad_norm": 0.0673828125,
2135
+ "learning_rate": 7.680636633010695e-06,
2136
+ "loss": 1.1116,
2137
+ "step": 1515
2138
+ },
2139
+ {
2140
+ "epoch": 0.8895513380304229,
2141
+ "grad_norm": 0.0712890625,
2142
+ "learning_rate": 7.292678511286522e-06,
2143
+ "loss": 1.1067,
2144
+ "step": 1520
2145
+ },
2146
+ {
2147
+ "epoch": 0.8924774937476282,
2148
+ "grad_norm": 0.06884765625,
2149
+ "learning_rate": 6.914403218793608e-06,
2150
+ "loss": 1.12,
2151
+ "step": 1525
2152
+ },
2153
+ {
2154
+ "epoch": 0.8954036494648335,
2155
+ "grad_norm": 0.0693359375,
2156
+ "learning_rate": 6.5458502645480924e-06,
2157
+ "loss": 1.1298,
2158
+ "step": 1530
2159
+ },
2160
+ {
2161
+ "epoch": 0.8983298051820389,
2162
+ "grad_norm": 0.0673828125,
2163
+ "learning_rate": 6.187058142115077e-06,
2164
+ "loss": 1.1069,
2165
+ "step": 1535
2166
+ },
2167
+ {
2168
+ "epoch": 0.9012559608992442,
2169
+ "grad_norm": 0.06640625,
2170
+ "learning_rate": 5.838064325588288e-06,
2171
+ "loss": 1.0941,
2172
+ "step": 1540
2173
+ },
2174
+ {
2175
+ "epoch": 0.9041821166164495,
2176
+ "grad_norm": 0.06640625,
2177
+ "learning_rate": 5.498905265675958e-06,
2178
+ "loss": 1.0976,
2179
+ "step": 1545
2180
+ },
2181
+ {
2182
+ "epoch": 0.9071082723336549,
2183
+ "grad_norm": 0.06787109375,
2184
+ "learning_rate": 5.169616385893794e-06,
2185
+ "loss": 1.101,
2186
+ "step": 1550
2187
+ },
2188
+ {
2189
+ "epoch": 0.9100344280508602,
2190
+ "grad_norm": 0.0654296875,
2191
+ "learning_rate": 4.850232078865169e-06,
2192
+ "loss": 1.121,
2193
+ "step": 1555
2194
+ },
2195
+ {
2196
+ "epoch": 0.9129605837680655,
2197
+ "grad_norm": 0.068359375,
2198
+ "learning_rate": 4.5407857027289555e-06,
2199
+ "loss": 1.1013,
2200
+ "step": 1560
2201
+ },
2202
+ {
2203
+ "epoch": 0.9158867394852709,
2204
+ "grad_norm": 0.0693359375,
2205
+ "learning_rate": 4.241309577655406e-06,
2206
+ "loss": 1.1464,
2207
+ "step": 1565
2208
+ },
2209
+ {
2210
+ "epoch": 0.9188128952024762,
2211
+ "grad_norm": 0.0654296875,
2212
+ "learning_rate": 3.951834982470526e-06,
2213
+ "loss": 1.1111,
2214
+ "step": 1570
2215
+ },
2216
+ {
2217
+ "epoch": 0.9217390509196816,
2218
+ "grad_norm": 0.06640625,
2219
+ "learning_rate": 3.672392151389137e-06,
2220
+ "loss": 1.1078,
2221
+ "step": 1575
2222
+ },
2223
+ {
2224
+ "epoch": 0.9246652066368869,
2225
+ "grad_norm": 0.07080078125,
2226
+ "learning_rate": 3.4030102708570212e-06,
2227
+ "loss": 1.1195,
2228
+ "step": 1580
2229
+ },
2230
+ {
2231
+ "epoch": 0.9275913623540922,
2232
+ "grad_norm": 0.0703125,
2233
+ "learning_rate": 3.143717476502572e-06,
2234
+ "loss": 1.1216,
2235
+ "step": 1585
2236
+ },
2237
+ {
2238
+ "epoch": 0.9305175180712976,
2239
+ "grad_norm": 0.0673828125,
2240
+ "learning_rate": 2.8945408501981906e-06,
2241
+ "loss": 1.0936,
2242
+ "step": 1590
2243
+ },
2244
+ {
2245
+ "epoch": 0.9334436737885029,
2246
+ "grad_norm": 0.06787109375,
2247
+ "learning_rate": 2.6555064172316234e-06,
2248
+ "loss": 1.106,
2249
+ "step": 1595
2250
+ },
2251
+ {
2252
+ "epoch": 0.9363698295057082,
2253
+ "grad_norm": 0.068359375,
2254
+ "learning_rate": 2.4266391435878387e-06,
2255
+ "loss": 1.1061,
2256
+ "step": 1600
2257
+ },
2258
+ {
2259
+ "epoch": 0.9392959852229136,
2260
+ "grad_norm": 0.068359375,
2261
+ "learning_rate": 2.2079629333414453e-06,
2262
+ "loss": 1.1119,
2263
+ "step": 1605
2264
+ },
2265
+ {
2266
+ "epoch": 0.9422221409401189,
2267
+ "grad_norm": 0.06787109375,
2268
+ "learning_rate": 1.999500626159967e-06,
2269
+ "loss": 1.1094,
2270
+ "step": 1610
2271
+ },
2272
+ {
2273
+ "epoch": 0.9451482966573242,
2274
+ "grad_norm": 0.06884765625,
2275
+ "learning_rate": 1.8012739949183844e-06,
2276
+ "loss": 1.1141,
2277
+ "step": 1615
2278
+ },
2279
+ {
2280
+ "epoch": 0.9480744523745297,
2281
+ "grad_norm": 0.06591796875,
2282
+ "learning_rate": 1.6133037434250985e-06,
2283
+ "loss": 1.1084,
2284
+ "step": 1620
2285
+ },
2286
+ {
2287
+ "epoch": 0.951000608091735,
2288
+ "grad_norm": 0.068359375,
2289
+ "learning_rate": 1.4356095042594386e-06,
2290
+ "loss": 1.1208,
2291
+ "step": 1625
2292
+ },
2293
+ {
2294
+ "epoch": 0.9539267638089404,
2295
+ "grad_norm": 0.0693359375,
2296
+ "learning_rate": 1.2682098367212237e-06,
2297
+ "loss": 1.1116,
2298
+ "step": 1630
2299
+ },
2300
+ {
2301
+ "epoch": 0.9568529195261457,
2302
+ "grad_norm": 0.06640625,
2303
+ "learning_rate": 1.1111222248922471e-06,
2304
+ "loss": 1.1047,
2305
+ "step": 1635
2306
+ },
2307
+ {
2308
+ "epoch": 0.959779075243351,
2309
+ "grad_norm": 0.0673828125,
2310
+ "learning_rate": 9.643630758102484e-07,
2311
+ "loss": 1.0998,
2312
+ "step": 1640
2313
+ },
2314
+ {
2315
+ "epoch": 0.9627052309605564,
2316
+ "grad_norm": 0.0654296875,
2317
+ "learning_rate": 8.279477177551842e-07,
2318
+ "loss": 1.1073,
2319
+ "step": 1645
2320
+ },
2321
+ {
2322
+ "epoch": 0.9656313866777617,
2323
+ "grad_norm": 0.0673828125,
2324
+ "learning_rate": 7.018903986483083e-07,
2325
+ "loss": 1.1124,
2326
+ "step": 1650
2327
+ },
2328
+ {
2329
+ "epoch": 0.968557542394967,
2330
+ "grad_norm": 0.0654296875,
2331
+ "learning_rate": 5.862042845640403e-07,
2332
+ "loss": 1.1023,
2333
+ "step": 1655
2334
+ },
2335
+ {
2336
+ "epoch": 0.9714836981121724,
2337
+ "grad_norm": 0.06396484375,
2338
+ "learning_rate": 4.809014583548432e-07,
2339
+ "loss": 1.1234,
2340
+ "step": 1660
2341
+ },
2342
+ {
2343
+ "epoch": 0.9744098538293777,
2344
+ "grad_norm": 0.06982421875,
2345
+ "learning_rate": 3.859929183892108e-07,
2346
+ "loss": 1.111,
2347
+ "step": 1665
2348
+ },
2349
+ {
2350
+ "epoch": 0.9773360095465831,
2351
+ "grad_norm": 0.06787109375,
2352
+ "learning_rate": 3.014885774029419e-07,
2353
+ "loss": 1.1179,
2354
+ "step": 1670
2355
+ },
2356
+ {
2357
+ "epoch": 0.9802621652637884,
2358
+ "grad_norm": 0.064453125,
2359
+ "learning_rate": 2.2739726146381311e-07,
2360
+ "loss": 1.1082,
2361
+ "step": 1675
2362
+ },
2363
+ {
2364
+ "epoch": 0.9831883209809937,
2365
+ "grad_norm": 0.06982421875,
2366
+ "learning_rate": 1.6372670904974963e-07,
2367
+ "loss": 1.14,
2368
+ "step": 1680
2369
+ },
2370
+ {
2371
+ "epoch": 0.9861144766981991,
2372
+ "grad_norm": 0.06591796875,
2373
+ "learning_rate": 1.1048357024054934e-07,
2374
+ "loss": 1.1126,
2375
+ "step": 1685
2376
+ },
2377
+ {
2378
+ "epoch": 0.9890406324154044,
2379
+ "grad_norm": 0.06689453125,
2380
+ "learning_rate": 6.76734060233275e-08,
2381
+ "loss": 1.1087,
2382
+ "step": 1690
2383
+ },
2384
+ {
2385
+ "epoch": 0.9919667881326097,
2386
+ "grad_norm": 0.06591796875,
2387
+ "learning_rate": 3.5300687711703475e-08,
2388
+ "loss": 1.1235,
2389
+ "step": 1695
2390
+ },
2391
+ {
2392
+ "epoch": 0.9948929438498151,
2393
+ "grad_norm": 0.0654296875,
2394
+ "learning_rate": 1.3368796478807621e-08,
2395
+ "loss": 1.1019,
2396
+ "step": 1700
2397
+ },
2398
+ {
2399
+ "epoch": 0.9978190995670204,
2400
+ "grad_norm": 0.06787109375,
2401
+ "learning_rate": 1.8800230040860733e-09,
2402
+ "loss": 1.1143,
2403
+ "step": 1705
2404
+ },
2405
+ {
2406
+ "epoch": 0.9995747929973436,
2407
+ "eval_loss": 1.278271198272705,
2408
+ "eval_runtime": 1249.6014,
2409
+ "eval_samples_per_second": 12.937,
2410
+ "eval_steps_per_second": 12.937,
2411
+ "step": 1708
2412
+ },
2413
+ {
2414
+ "epoch": 0.9995747929973436,
2415
+ "step": 1708,
2416
+ "total_flos": 2.8130589802160456e+18,
2417
+ "train_loss": 0.978924176871637,
2418
+ "train_runtime": 53778.1468,
2419
+ "train_samples_per_second": 4.067,
2420
+ "train_steps_per_second": 0.032
2421
+ }
2422
+ ],
2423
+ "logging_steps": 5,
2424
+ "max_steps": 1708,
2425
+ "num_input_tokens_seen": 0,
2426
+ "num_train_epochs": 1,
2427
+ "save_steps": 20,
2428
+ "total_flos": 2.8130589802160456e+18,
2429
+ "train_batch_size": 1,
2430
+ "trial_name": null,
2431
+ "trial_params": null
2432
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:82ba869b649e48186d8305900224ddb4c5e43edf1597dc49af2bc54ef7f618ae
3
+ size 5112