{
  "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": 75.84548950195312,
      "learning_rate": 1e-05,
      "loss": 6.707,
      "step": 1
    },
    {
      "epoch": 0.13333333333333333,
      "eval_loss": 7.363467216491699,
      "eval_runtime": 0.813,
      "eval_samples_per_second": 8.61,
      "eval_steps_per_second": 1.23,
      "step": 1
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 61.445125579833984,
      "learning_rate": 2e-05,
      "loss": 6.0647,
      "step": 2
    },
    {
      "epoch": 0.26666666666666666,
      "eval_loss": 7.360087871551514,
      "eval_runtime": 0.2099,
      "eval_samples_per_second": 33.35,
      "eval_steps_per_second": 4.764,
      "step": 2
    },
    {
      "epoch": 0.4,
      "grad_norm": 71.78620910644531,
      "learning_rate": 3e-05,
      "loss": 6.7697,
      "step": 3
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 91.92899322509766,
      "learning_rate": 4e-05,
      "loss": 6.1615,
      "step": 4
    },
    {
      "epoch": 0.5333333333333333,
      "eval_loss": 5.904972553253174,
      "eval_runtime": 0.2093,
      "eval_samples_per_second": 33.44,
      "eval_steps_per_second": 4.777,
      "step": 4
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 112.57429504394531,
      "learning_rate": 5e-05,
      "loss": 5.6839,
      "step": 5
    },
    {
      "epoch": 0.8,
      "grad_norm": 44.10268020629883,
      "learning_rate": 6e-05,
      "loss": 4.3229,
      "step": 6
    },
    {
      "epoch": 0.8,
      "eval_loss": 3.915473461151123,
      "eval_runtime": 0.2119,
      "eval_samples_per_second": 33.03,
      "eval_steps_per_second": 4.719,
      "step": 6
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 176.96058654785156,
      "learning_rate": 7e-05,
      "loss": 3.8429,
      "step": 7
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 309.1981201171875,
      "learning_rate": 8e-05,
      "loss": 4.6502,
      "step": 8
    },
    {
      "epoch": 1.0666666666666667,
      "eval_loss": 1.8319289684295654,
      "eval_runtime": 0.2094,
      "eval_samples_per_second": 33.434,
      "eval_steps_per_second": 4.776,
      "step": 8
    },
    {
      "epoch": 1.2,
      "grad_norm": 27.242849349975586,
      "learning_rate": 9e-05,
      "loss": 2.317,
      "step": 9
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 16.10531997680664,
      "learning_rate": 0.0001,
      "loss": 1.3145,
      "step": 10
    },
    {
      "epoch": 1.3333333333333333,
      "eval_loss": 1.2004108428955078,
      "eval_runtime": 0.2101,
      "eval_samples_per_second": 33.313,
      "eval_steps_per_second": 4.759,
      "step": 10
    },
    {
      "epoch": 1.4666666666666668,
      "grad_norm": 24.043346405029297,
      "learning_rate": 9.85470908713026e-05,
      "loss": 1.1531,
      "step": 11
    },
    {
      "epoch": 1.6,
      "grad_norm": 18.292537689208984,
      "learning_rate": 9.42728012826605e-05,
      "loss": 0.9538,
      "step": 12
    },
    {
      "epoch": 1.6,
      "eval_loss": 0.8103505373001099,
      "eval_runtime": 0.21,
      "eval_samples_per_second": 33.34,
      "eval_steps_per_second": 4.763,
      "step": 12
    },
    {
      "epoch": 1.7333333333333334,
      "grad_norm": 8.4446439743042,
      "learning_rate": 8.742553740855506e-05,
      "loss": 0.7644,
      "step": 13
    },
    {
      "epoch": 1.8666666666666667,
      "grad_norm": 21.128690719604492,
      "learning_rate": 7.840323733655778e-05,
      "loss": 0.8204,
      "step": 14
    },
    {
      "epoch": 1.8666666666666667,
      "eval_loss": 1.0987070798873901,
      "eval_runtime": 0.2099,
      "eval_samples_per_second": 33.347,
      "eval_steps_per_second": 4.764,
      "step": 14
    },
    {
      "epoch": 2.0,
      "grad_norm": 41.96078109741211,
      "learning_rate": 6.773024435212678e-05,
      "loss": 1.3909,
      "step": 15
    },
    {
      "epoch": 2.1333333333333333,
      "grad_norm": 22.696426391601562,
      "learning_rate": 5.602683401276615e-05,
      "loss": 0.7752,
      "step": 16
    },
    {
      "epoch": 2.1333333333333333,
      "eval_loss": 0.6236496567726135,
      "eval_runtime": 0.2121,
      "eval_samples_per_second": 33.001,
      "eval_steps_per_second": 4.714,
      "step": 16
    },
    {
      "epoch": 2.2666666666666666,
      "grad_norm": 10.152314186096191,
      "learning_rate": 4.397316598723385e-05,
      "loss": 0.5146,
      "step": 17
    },
    {
      "epoch": 2.4,
      "grad_norm": 4.235873222351074,
      "learning_rate": 3.226975564787322e-05,
      "loss": 0.5045,
      "step": 18
    },
    {
      "epoch": 2.4,
      "eval_loss": 0.5801753997802734,
      "eval_runtime": 0.2101,
      "eval_samples_per_second": 33.324,
      "eval_steps_per_second": 4.761,
      "step": 18
    },
    {
      "epoch": 2.533333333333333,
      "grad_norm": 5.194027423858643,
      "learning_rate": 2.1596762663442218e-05,
      "loss": 0.4127,
      "step": 19
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 13.120840072631836,
      "learning_rate": 1.257446259144494e-05,
      "loss": 0.5967,
      "step": 20
    },
    {
      "epoch": 2.6666666666666665,
      "eval_loss": 0.5438397526741028,
      "eval_runtime": 0.2086,
      "eval_samples_per_second": 33.555,
      "eval_steps_per_second": 4.794,
      "step": 20
    },
    {
      "epoch": 2.8,
      "grad_norm": 5.036208629608154,
      "learning_rate": 5.727198717339511e-06,
      "loss": 0.3676,
      "step": 21
    },
    {
      "epoch": 2.9333333333333336,
      "grad_norm": 6.647996425628662,
      "learning_rate": 1.4529091286973995e-06,
      "loss": 0.4394,
      "step": 22
    },
    {
      "epoch": 2.9333333333333336,
      "eval_loss": 0.4735928177833557,
      "eval_runtime": 0.2103,
      "eval_samples_per_second": 33.278,
      "eval_steps_per_second": 4.754,
      "step": 22
    },
    {
      "epoch": 3.066666666666667,
      "grad_norm": 21.654422760009766,
      "learning_rate": 0.0,
      "loss": 0.7005,
      "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": 2328946846728192.0,
  "train_batch_size": 8,
  "trial_name": null,
  "trial_params": null
}