{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.3333333333333333,
  "eval_steps": 500,
  "global_step": 1000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.0003333333333333333,
      "grad_norm": 3.953395366668701,
      "learning_rate": 1.6666666666666668e-07,
      "loss": 0.9747,
      "step": 1
    },
    {
      "epoch": 0.0006666666666666666,
      "grad_norm": 3.7105355262756348,
      "learning_rate": 3.3333333333333335e-07,
      "loss": 0.8304,
      "step": 2
    },
    {
      "epoch": 0.001,
      "grad_norm": 6.670517444610596,
      "learning_rate": 5.000000000000001e-07,
      "loss": 0.9317,
      "step": 3
    },
    {
      "epoch": 0.0013333333333333333,
      "grad_norm": 4.584139347076416,
      "learning_rate": 6.666666666666667e-07,
      "loss": 0.9126,
      "step": 4
    },
    {
      "epoch": 0.0016666666666666668,
      "grad_norm": 3.9163777828216553,
      "learning_rate": 8.333333333333333e-07,
      "loss": 0.8644,
      "step": 5
    },
    {
      "epoch": 0.002,
      "grad_norm": 3.7514755725860596,
      "learning_rate": 1.0000000000000002e-06,
      "loss": 0.8892,
      "step": 6
    },
    {
      "epoch": 0.0023333333333333335,
      "grad_norm": 3.733147621154785,
      "learning_rate": 1.1666666666666668e-06,
      "loss": 0.8965,
      "step": 7
    },
    {
      "epoch": 0.0026666666666666666,
      "grad_norm": 3.3413407802581787,
      "learning_rate": 1.3333333333333334e-06,
      "loss": 0.7998,
      "step": 8
    },
    {
      "epoch": 0.003,
      "grad_norm": 2.669220447540283,
      "learning_rate": 1.5e-06,
      "loss": 0.7651,
      "step": 9
    },
    {
      "epoch": 0.0033333333333333335,
      "grad_norm": 2.563971757888794,
      "learning_rate": 1.6666666666666667e-06,
      "loss": 0.7428,
      "step": 10
    },
    {
      "epoch": 0.0036666666666666666,
      "grad_norm": 3.6352648735046387,
      "learning_rate": 1.8333333333333335e-06,
      "loss": 0.7849,
      "step": 11
    },
    {
      "epoch": 0.004,
      "grad_norm": 2.3276443481445312,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.6952,
      "step": 12
    },
    {
      "epoch": 0.004333333333333333,
      "grad_norm": 2.1801578998565674,
      "learning_rate": 2.166666666666667e-06,
      "loss": 0.73,
      "step": 13
    },
    {
      "epoch": 0.004666666666666667,
      "grad_norm": 2.4430813789367676,
      "learning_rate": 2.3333333333333336e-06,
      "loss": 0.7127,
      "step": 14
    },
    {
      "epoch": 0.005,
      "grad_norm": 2.101902961730957,
      "learning_rate": 2.5e-06,
      "loss": 0.7021,
      "step": 15
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 1.8234139680862427,
      "learning_rate": 2.666666666666667e-06,
      "loss": 0.6086,
      "step": 16
    },
    {
      "epoch": 0.005666666666666667,
      "grad_norm": 1.7481471300125122,
      "learning_rate": 2.8333333333333335e-06,
      "loss": 0.565,
      "step": 17
    },
    {
      "epoch": 0.006,
      "grad_norm": 1.9656072854995728,
      "learning_rate": 3e-06,
      "loss": 0.6514,
      "step": 18
    },
    {
      "epoch": 0.006333333333333333,
      "grad_norm": 2.0986952781677246,
      "learning_rate": 3.166666666666667e-06,
      "loss": 0.6746,
      "step": 19
    },
    {
      "epoch": 0.006666666666666667,
      "grad_norm": 2.565603017807007,
      "learning_rate": 3.3333333333333333e-06,
      "loss": 0.6086,
      "step": 20
    },
    {
      "epoch": 0.007,
      "grad_norm": 1.5754969120025635,
      "learning_rate": 3.5000000000000004e-06,
      "loss": 0.4919,
      "step": 21
    },
    {
      "epoch": 0.007333333333333333,
      "grad_norm": 1.8095873594284058,
      "learning_rate": 3.666666666666667e-06,
      "loss": 0.5612,
      "step": 22
    },
    {
      "epoch": 0.007666666666666666,
      "grad_norm": 1.721886396408081,
      "learning_rate": 3.833333333333334e-06,
      "loss": 0.5356,
      "step": 23
    },
    {
      "epoch": 0.008,
      "grad_norm": 2.14868426322937,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.5967,
      "step": 24
    },
    {
      "epoch": 0.008333333333333333,
      "grad_norm": 1.7181668281555176,
      "learning_rate": 4.166666666666667e-06,
      "loss": 0.5642,
      "step": 25
    },
    {
      "epoch": 0.008666666666666666,
      "grad_norm": 1.891082525253296,
      "learning_rate": 4.333333333333334e-06,
      "loss": 0.5229,
      "step": 26
    },
    {
      "epoch": 0.009,
      "grad_norm": 1.5455230474472046,
      "learning_rate": 4.5e-06,
      "loss": 0.5411,
      "step": 27
    },
    {
      "epoch": 0.009333333333333334,
      "grad_norm": 3.7377946376800537,
      "learning_rate": 4.666666666666667e-06,
      "loss": 0.5927,
      "step": 28
    },
    {
      "epoch": 0.009666666666666667,
      "grad_norm": 2.113539218902588,
      "learning_rate": 4.833333333333333e-06,
      "loss": 0.4808,
      "step": 29
    },
    {
      "epoch": 0.01,
      "grad_norm": 1.7574840784072876,
      "learning_rate": 5e-06,
      "loss": 0.5038,
      "step": 30
    },
    {
      "epoch": 0.010333333333333333,
      "grad_norm": 1.6850998401641846,
      "learning_rate": 5.166666666666667e-06,
      "loss": 0.457,
      "step": 31
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 2.484438180923462,
      "learning_rate": 5.333333333333334e-06,
      "loss": 0.4746,
      "step": 32
    },
    {
      "epoch": 0.011,
      "grad_norm": 1.663460373878479,
      "learning_rate": 5.500000000000001e-06,
      "loss": 0.4883,
      "step": 33
    },
    {
      "epoch": 0.011333333333333334,
      "grad_norm": 1.6798481941223145,
      "learning_rate": 5.666666666666667e-06,
      "loss": 0.4467,
      "step": 34
    },
    {
      "epoch": 0.011666666666666667,
      "grad_norm": 1.7533687353134155,
      "learning_rate": 5.833333333333334e-06,
      "loss": 0.4775,
      "step": 35
    },
    {
      "epoch": 0.012,
      "grad_norm": 1.9110267162322998,
      "learning_rate": 6e-06,
      "loss": 0.4316,
      "step": 36
    },
    {
      "epoch": 0.012333333333333333,
      "grad_norm": 1.731864333152771,
      "learning_rate": 6.166666666666667e-06,
      "loss": 0.4988,
      "step": 37
    },
    {
      "epoch": 0.012666666666666666,
      "grad_norm": 1.82390558719635,
      "learning_rate": 6.333333333333334e-06,
      "loss": 0.466,
      "step": 38
    },
    {
      "epoch": 0.013,
      "grad_norm": 1.8916178941726685,
      "learning_rate": 6.5000000000000004e-06,
      "loss": 0.4821,
      "step": 39
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 1.750315546989441,
      "learning_rate": 6.666666666666667e-06,
      "loss": 0.444,
      "step": 40
    },
    {
      "epoch": 0.013666666666666667,
      "grad_norm": 1.6363168954849243,
      "learning_rate": 6.833333333333333e-06,
      "loss": 0.372,
      "step": 41
    },
    {
      "epoch": 0.014,
      "grad_norm": 1.7785207033157349,
      "learning_rate": 7.000000000000001e-06,
      "loss": 0.3779,
      "step": 42
    },
    {
      "epoch": 0.014333333333333333,
      "grad_norm": 1.7099310159683228,
      "learning_rate": 7.166666666666667e-06,
      "loss": 0.4722,
      "step": 43
    },
    {
      "epoch": 0.014666666666666666,
      "grad_norm": 1.3298712968826294,
      "learning_rate": 7.333333333333334e-06,
      "loss": 0.3492,
      "step": 44
    },
    {
      "epoch": 0.015,
      "grad_norm": 1.817345142364502,
      "learning_rate": 7.5e-06,
      "loss": 0.4189,
      "step": 45
    },
    {
      "epoch": 0.015333333333333332,
      "grad_norm": 1.3972567319869995,
      "learning_rate": 7.666666666666667e-06,
      "loss": 0.3355,
      "step": 46
    },
    {
      "epoch": 0.015666666666666666,
      "grad_norm": 1.35780668258667,
      "learning_rate": 7.833333333333333e-06,
      "loss": 0.3737,
      "step": 47
    },
    {
      "epoch": 0.016,
      "grad_norm": 1.6960091590881348,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.4332,
      "step": 48
    },
    {
      "epoch": 0.01633333333333333,
      "grad_norm": 1.568686842918396,
      "learning_rate": 8.166666666666668e-06,
      "loss": 0.3888,
      "step": 49
    },
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 1.4132697582244873,
      "learning_rate": 8.333333333333334e-06,
      "loss": 0.3322,
      "step": 50
    },
    {
      "epoch": 0.017,
      "grad_norm": 1.659246802330017,
      "learning_rate": 8.500000000000002e-06,
      "loss": 0.4567,
      "step": 51
    },
    {
      "epoch": 0.017333333333333333,
      "grad_norm": 1.9844367504119873,
      "learning_rate": 8.666666666666668e-06,
      "loss": 0.3974,
      "step": 52
    },
    {
      "epoch": 0.017666666666666667,
      "grad_norm": 1.6027755737304688,
      "learning_rate": 8.833333333333334e-06,
      "loss": 0.3917,
      "step": 53
    },
    {
      "epoch": 0.018,
      "grad_norm": 1.453019618988037,
      "learning_rate": 9e-06,
      "loss": 0.3336,
      "step": 54
    },
    {
      "epoch": 0.018333333333333333,
      "grad_norm": 1.4241881370544434,
      "learning_rate": 9.166666666666666e-06,
      "loss": 0.3451,
      "step": 55
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 1.5545347929000854,
      "learning_rate": 9.333333333333334e-06,
      "loss": 0.3593,
      "step": 56
    },
    {
      "epoch": 0.019,
      "grad_norm": 1.2675824165344238,
      "learning_rate": 9.5e-06,
      "loss": 0.3397,
      "step": 57
    },
    {
      "epoch": 0.019333333333333334,
      "grad_norm": 1.5485769510269165,
      "learning_rate": 9.666666666666667e-06,
      "loss": 0.3582,
      "step": 58
    },
    {
      "epoch": 0.019666666666666666,
      "grad_norm": 1.6267204284667969,
      "learning_rate": 9.833333333333333e-06,
      "loss": 0.3371,
      "step": 59
    },
    {
      "epoch": 0.02,
      "grad_norm": 1.4819341897964478,
      "learning_rate": 1e-05,
      "loss": 0.3979,
      "step": 60
    },
    {
      "epoch": 0.02033333333333333,
      "grad_norm": 1.523547887802124,
      "learning_rate": 1.0166666666666667e-05,
      "loss": 0.39,
      "step": 61
    },
    {
      "epoch": 0.020666666666666667,
      "grad_norm": 1.4726427793502808,
      "learning_rate": 1.0333333333333333e-05,
      "loss": 0.356,
      "step": 62
    },
    {
      "epoch": 0.021,
      "grad_norm": 1.332187533378601,
      "learning_rate": 1.05e-05,
      "loss": 0.3099,
      "step": 63
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 1.4094098806381226,
      "learning_rate": 1.0666666666666667e-05,
      "loss": 0.3192,
      "step": 64
    },
    {
      "epoch": 0.021666666666666667,
      "grad_norm": 1.6353566646575928,
      "learning_rate": 1.0833333333333334e-05,
      "loss": 0.3261,
      "step": 65
    },
    {
      "epoch": 0.022,
      "grad_norm": 1.5030579566955566,
      "learning_rate": 1.1000000000000001e-05,
      "loss": 0.3929,
      "step": 66
    },
    {
      "epoch": 0.022333333333333334,
      "grad_norm": 2.1083621978759766,
      "learning_rate": 1.1166666666666668e-05,
      "loss": 0.461,
      "step": 67
    },
    {
      "epoch": 0.02266666666666667,
      "grad_norm": 1.6705724000930786,
      "learning_rate": 1.1333333333333334e-05,
      "loss": 0.3947,
      "step": 68
    },
    {
      "epoch": 0.023,
      "grad_norm": 1.413004994392395,
      "learning_rate": 1.1500000000000002e-05,
      "loss": 0.3224,
      "step": 69
    },
    {
      "epoch": 0.023333333333333334,
      "grad_norm": 1.6950210332870483,
      "learning_rate": 1.1666666666666668e-05,
      "loss": 0.3763,
      "step": 70
    },
    {
      "epoch": 0.023666666666666666,
      "grad_norm": 1.4866547584533691,
      "learning_rate": 1.1833333333333334e-05,
      "loss": 0.3239,
      "step": 71
    },
    {
      "epoch": 0.024,
      "grad_norm": 1.546217441558838,
      "learning_rate": 1.2e-05,
      "loss": 0.3684,
      "step": 72
    },
    {
      "epoch": 0.024333333333333332,
      "grad_norm": 1.6388611793518066,
      "learning_rate": 1.2166666666666668e-05,
      "loss": 0.342,
      "step": 73
    },
    {
      "epoch": 0.024666666666666667,
      "grad_norm": 1.426133155822754,
      "learning_rate": 1.2333333333333334e-05,
      "loss": 0.2835,
      "step": 74
    },
    {
      "epoch": 0.025,
      "grad_norm": 1.5605098009109497,
      "learning_rate": 1.25e-05,
      "loss": 0.3053,
      "step": 75
    },
    {
      "epoch": 0.025333333333333333,
      "grad_norm": 2.0954012870788574,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 0.3634,
      "step": 76
    },
    {
      "epoch": 0.025666666666666667,
      "grad_norm": 1.7222869396209717,
      "learning_rate": 1.2833333333333333e-05,
      "loss": 0.4678,
      "step": 77
    },
    {
      "epoch": 0.026,
      "grad_norm": 2.151477813720703,
      "learning_rate": 1.3000000000000001e-05,
      "loss": 0.3732,
      "step": 78
    },
    {
      "epoch": 0.026333333333333334,
      "grad_norm": 1.4184696674346924,
      "learning_rate": 1.3166666666666665e-05,
      "loss": 0.3863,
      "step": 79
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 1.5404107570648193,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 0.3362,
      "step": 80
    },
    {
      "epoch": 0.027,
      "grad_norm": 1.4057250022888184,
      "learning_rate": 1.3500000000000001e-05,
      "loss": 0.3278,
      "step": 81
    },
    {
      "epoch": 0.027333333333333334,
      "grad_norm": 1.4827985763549805,
      "learning_rate": 1.3666666666666666e-05,
      "loss": 0.3566,
      "step": 82
    },
    {
      "epoch": 0.027666666666666666,
      "grad_norm": 1.567644476890564,
      "learning_rate": 1.3833333333333334e-05,
      "loss": 0.3622,
      "step": 83
    },
    {
      "epoch": 0.028,
      "grad_norm": 1.6166788339614868,
      "learning_rate": 1.4000000000000001e-05,
      "loss": 0.3744,
      "step": 84
    },
    {
      "epoch": 0.028333333333333332,
      "grad_norm": 1.5404103994369507,
      "learning_rate": 1.4166666666666668e-05,
      "loss": 0.3182,
      "step": 85
    },
    {
      "epoch": 0.028666666666666667,
      "grad_norm": 1.6452393531799316,
      "learning_rate": 1.4333333333333334e-05,
      "loss": 0.3414,
      "step": 86
    },
    {
      "epoch": 0.029,
      "grad_norm": 1.4937787055969238,
      "learning_rate": 1.45e-05,
      "loss": 0.3932,
      "step": 87
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 1.7709240913391113,
      "learning_rate": 1.4666666666666668e-05,
      "loss": 0.4493,
      "step": 88
    },
    {
      "epoch": 0.029666666666666668,
      "grad_norm": 1.826235055923462,
      "learning_rate": 1.4833333333333336e-05,
      "loss": 0.4358,
      "step": 89
    },
    {
      "epoch": 0.03,
      "grad_norm": 1.2349361181259155,
      "learning_rate": 1.5e-05,
      "loss": 0.3008,
      "step": 90
    },
    {
      "epoch": 0.030333333333333334,
      "grad_norm": 1.6294262409210205,
      "learning_rate": 1.5166666666666668e-05,
      "loss": 0.3861,
      "step": 91
    },
    {
      "epoch": 0.030666666666666665,
      "grad_norm": 1.4110265970230103,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 0.3231,
      "step": 92
    },
    {
      "epoch": 0.031,
      "grad_norm": 1.3174939155578613,
      "learning_rate": 1.55e-05,
      "loss": 0.3513,
      "step": 93
    },
    {
      "epoch": 0.03133333333333333,
      "grad_norm": 1.34541916847229,
      "learning_rate": 1.5666666666666667e-05,
      "loss": 0.2929,
      "step": 94
    },
    {
      "epoch": 0.03166666666666667,
      "grad_norm": 1.528634786605835,
      "learning_rate": 1.5833333333333333e-05,
      "loss": 0.3563,
      "step": 95
    },
    {
      "epoch": 0.032,
      "grad_norm": 1.9558664560317993,
      "learning_rate": 1.6000000000000003e-05,
      "loss": 0.4464,
      "step": 96
    },
    {
      "epoch": 0.03233333333333333,
      "grad_norm": 1.5986521244049072,
      "learning_rate": 1.6166666666666665e-05,
      "loss": 0.3489,
      "step": 97
    },
    {
      "epoch": 0.03266666666666666,
      "grad_norm": 1.6344914436340332,
      "learning_rate": 1.6333333333333335e-05,
      "loss": 0.3991,
      "step": 98
    },
    {
      "epoch": 0.033,
      "grad_norm": 1.7303506135940552,
      "learning_rate": 1.65e-05,
      "loss": 0.4274,
      "step": 99
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 1.5459728240966797,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 0.3306,
      "step": 100
    },
    {
      "epoch": 0.033666666666666664,
      "grad_norm": 1.6818580627441406,
      "learning_rate": 1.6833333333333334e-05,
      "loss": 0.3574,
      "step": 101
    },
    {
      "epoch": 0.034,
      "grad_norm": 1.5971468687057495,
      "learning_rate": 1.7000000000000003e-05,
      "loss": 0.3785,
      "step": 102
    },
    {
      "epoch": 0.034333333333333334,
      "grad_norm": 1.766853928565979,
      "learning_rate": 1.7166666666666666e-05,
      "loss": 0.353,
      "step": 103
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 1.368243932723999,
      "learning_rate": 1.7333333333333336e-05,
      "loss": 0.3294,
      "step": 104
    },
    {
      "epoch": 0.035,
      "grad_norm": 1.3657722473144531,
      "learning_rate": 1.75e-05,
      "loss": 0.2953,
      "step": 105
    },
    {
      "epoch": 0.035333333333333335,
      "grad_norm": 1.5740365982055664,
      "learning_rate": 1.7666666666666668e-05,
      "loss": 0.3543,
      "step": 106
    },
    {
      "epoch": 0.035666666666666666,
      "grad_norm": 1.4357829093933105,
      "learning_rate": 1.7833333333333334e-05,
      "loss": 0.3239,
      "step": 107
    },
    {
      "epoch": 0.036,
      "grad_norm": 1.8812717199325562,
      "learning_rate": 1.8e-05,
      "loss": 0.4263,
      "step": 108
    },
    {
      "epoch": 0.036333333333333336,
      "grad_norm": 1.4755126237869263,
      "learning_rate": 1.8166666666666667e-05,
      "loss": 0.3344,
      "step": 109
    },
    {
      "epoch": 0.03666666666666667,
      "grad_norm": 1.595537543296814,
      "learning_rate": 1.8333333333333333e-05,
      "loss": 0.3897,
      "step": 110
    },
    {
      "epoch": 0.037,
      "grad_norm": 1.5346170663833618,
      "learning_rate": 1.85e-05,
      "loss": 0.3256,
      "step": 111
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 1.4340442419052124,
      "learning_rate": 1.866666666666667e-05,
      "loss": 0.3085,
      "step": 112
    },
    {
      "epoch": 0.03766666666666667,
      "grad_norm": 1.5140653848648071,
      "learning_rate": 1.8833333333333335e-05,
      "loss": 0.331,
      "step": 113
    },
    {
      "epoch": 0.038,
      "grad_norm": 1.4573544263839722,
      "learning_rate": 1.9e-05,
      "loss": 0.3259,
      "step": 114
    },
    {
      "epoch": 0.03833333333333333,
      "grad_norm": 1.2812256813049316,
      "learning_rate": 1.9166666666666667e-05,
      "loss": 0.3135,
      "step": 115
    },
    {
      "epoch": 0.03866666666666667,
      "grad_norm": 1.53571617603302,
      "learning_rate": 1.9333333333333333e-05,
      "loss": 0.3623,
      "step": 116
    },
    {
      "epoch": 0.039,
      "grad_norm": 1.4054882526397705,
      "learning_rate": 1.9500000000000003e-05,
      "loss": 0.3083,
      "step": 117
    },
    {
      "epoch": 0.03933333333333333,
      "grad_norm": 1.5709601640701294,
      "learning_rate": 1.9666666666666666e-05,
      "loss": 0.3591,
      "step": 118
    },
    {
      "epoch": 0.03966666666666667,
      "grad_norm": 1.4430993795394897,
      "learning_rate": 1.9833333333333335e-05,
      "loss": 0.3235,
      "step": 119
    },
    {
      "epoch": 0.04,
      "grad_norm": 1.2675756216049194,
      "learning_rate": 2e-05,
      "loss": 0.3231,
      "step": 120
    },
    {
      "epoch": 0.04033333333333333,
      "grad_norm": 1.6907734870910645,
      "learning_rate": 2.0166666666666668e-05,
      "loss": 0.3788,
      "step": 121
    },
    {
      "epoch": 0.04066666666666666,
      "grad_norm": 1.5159516334533691,
      "learning_rate": 2.0333333333333334e-05,
      "loss": 0.3519,
      "step": 122
    },
    {
      "epoch": 0.041,
      "grad_norm": 1.7196882963180542,
      "learning_rate": 2.05e-05,
      "loss": 0.3817,
      "step": 123
    },
    {
      "epoch": 0.04133333333333333,
      "grad_norm": 1.728525996208191,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 0.3381,
      "step": 124
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 1.74927818775177,
      "learning_rate": 2.0833333333333336e-05,
      "loss": 0.4133,
      "step": 125
    },
    {
      "epoch": 0.042,
      "grad_norm": 2.214763641357422,
      "learning_rate": 2.1e-05,
      "loss": 0.475,
      "step": 126
    },
    {
      "epoch": 0.042333333333333334,
      "grad_norm": 1.4449557065963745,
      "learning_rate": 2.116666666666667e-05,
      "loss": 0.3355,
      "step": 127
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 1.3350657224655151,
      "learning_rate": 2.1333333333333335e-05,
      "loss": 0.2971,
      "step": 128
    },
    {
      "epoch": 0.043,
      "grad_norm": 1.3243197202682495,
      "learning_rate": 2.15e-05,
      "loss": 0.2936,
      "step": 129
    },
    {
      "epoch": 0.043333333333333335,
      "grad_norm": 1.6345150470733643,
      "learning_rate": 2.1666666666666667e-05,
      "loss": 0.3521,
      "step": 130
    },
    {
      "epoch": 0.043666666666666666,
      "grad_norm": 2.0870022773742676,
      "learning_rate": 2.1833333333333333e-05,
      "loss": 0.4417,
      "step": 131
    },
    {
      "epoch": 0.044,
      "grad_norm": 1.5308624505996704,
      "learning_rate": 2.2000000000000003e-05,
      "loss": 0.3224,
      "step": 132
    },
    {
      "epoch": 0.044333333333333336,
      "grad_norm": 1.4620624780654907,
      "learning_rate": 2.216666666666667e-05,
      "loss": 0.3224,
      "step": 133
    },
    {
      "epoch": 0.04466666666666667,
      "grad_norm": 1.4036201238632202,
      "learning_rate": 2.2333333333333335e-05,
      "loss": 0.3004,
      "step": 134
    },
    {
      "epoch": 0.045,
      "grad_norm": 1.735681176185608,
      "learning_rate": 2.25e-05,
      "loss": 0.3303,
      "step": 135
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 1.4971989393234253,
      "learning_rate": 2.2666666666666668e-05,
      "loss": 0.3153,
      "step": 136
    },
    {
      "epoch": 0.04566666666666667,
      "grad_norm": 3.4707398414611816,
      "learning_rate": 2.2833333333333334e-05,
      "loss": 0.4312,
      "step": 137
    },
    {
      "epoch": 0.046,
      "grad_norm": 1.7263460159301758,
      "learning_rate": 2.3000000000000003e-05,
      "loss": 0.3923,
      "step": 138
    },
    {
      "epoch": 0.04633333333333333,
      "grad_norm": 1.3158482313156128,
      "learning_rate": 2.3166666666666666e-05,
      "loss": 0.3108,
      "step": 139
    },
    {
      "epoch": 0.04666666666666667,
      "grad_norm": 1.5561543703079224,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 0.3619,
      "step": 140
    },
    {
      "epoch": 0.047,
      "grad_norm": 1.5590838193893433,
      "learning_rate": 2.35e-05,
      "loss": 0.3413,
      "step": 141
    },
    {
      "epoch": 0.04733333333333333,
      "grad_norm": 1.9386111497879028,
      "learning_rate": 2.3666666666666668e-05,
      "loss": 0.4538,
      "step": 142
    },
    {
      "epoch": 0.04766666666666667,
      "grad_norm": 1.4611613750457764,
      "learning_rate": 2.3833333333333334e-05,
      "loss": 0.3328,
      "step": 143
    },
    {
      "epoch": 0.048,
      "grad_norm": 1.4083524942398071,
      "learning_rate": 2.4e-05,
      "loss": 0.3683,
      "step": 144
    },
    {
      "epoch": 0.04833333333333333,
      "grad_norm": 4.442422866821289,
      "learning_rate": 2.4166666666666667e-05,
      "loss": 0.342,
      "step": 145
    },
    {
      "epoch": 0.048666666666666664,
      "grad_norm": 1.897199273109436,
      "learning_rate": 2.4333333333333336e-05,
      "loss": 0.3359,
      "step": 146
    },
    {
      "epoch": 0.049,
      "grad_norm": 1.455759882926941,
      "learning_rate": 2.45e-05,
      "loss": 0.3557,
      "step": 147
    },
    {
      "epoch": 0.04933333333333333,
      "grad_norm": 1.732920527458191,
      "learning_rate": 2.466666666666667e-05,
      "loss": 0.3624,
      "step": 148
    },
    {
      "epoch": 0.049666666666666665,
      "grad_norm": 1.6186577081680298,
      "learning_rate": 2.4833333333333335e-05,
      "loss": 0.4221,
      "step": 149
    },
    {
      "epoch": 0.05,
      "grad_norm": 2.151060104370117,
      "learning_rate": 2.5e-05,
      "loss": 0.4304,
      "step": 150
    },
    {
      "epoch": 0.050333333333333334,
      "grad_norm": 1.517791748046875,
      "learning_rate": 2.5166666666666667e-05,
      "loss": 0.3217,
      "step": 151
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 1.5455111265182495,
      "learning_rate": 2.5333333333333337e-05,
      "loss": 0.3484,
      "step": 152
    },
    {
      "epoch": 0.051,
      "grad_norm": 1.3353674411773682,
      "learning_rate": 2.5500000000000003e-05,
      "loss": 0.286,
      "step": 153
    },
    {
      "epoch": 0.051333333333333335,
      "grad_norm": 1.4271986484527588,
      "learning_rate": 2.5666666666666666e-05,
      "loss": 0.353,
      "step": 154
    },
    {
      "epoch": 0.051666666666666666,
      "grad_norm": 1.733125925064087,
      "learning_rate": 2.5833333333333336e-05,
      "loss": 0.3943,
      "step": 155
    },
    {
      "epoch": 0.052,
      "grad_norm": 6.120161533355713,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 0.3833,
      "step": 156
    },
    {
      "epoch": 0.052333333333333336,
      "grad_norm": 1.6967121362686157,
      "learning_rate": 2.6166666666666668e-05,
      "loss": 0.3778,
      "step": 157
    },
    {
      "epoch": 0.05266666666666667,
      "grad_norm": 1.9036916494369507,
      "learning_rate": 2.633333333333333e-05,
      "loss": 0.2843,
      "step": 158
    },
    {
      "epoch": 0.053,
      "grad_norm": 1.7140095233917236,
      "learning_rate": 2.6500000000000004e-05,
      "loss": 0.3918,
      "step": 159
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 1.3422181606292725,
      "learning_rate": 2.6666666666666667e-05,
      "loss": 0.3402,
      "step": 160
    },
    {
      "epoch": 0.05366666666666667,
      "grad_norm": 1.3878352642059326,
      "learning_rate": 2.6833333333333333e-05,
      "loss": 0.3169,
      "step": 161
    },
    {
      "epoch": 0.054,
      "grad_norm": 1.446089744567871,
      "learning_rate": 2.7000000000000002e-05,
      "loss": 0.3438,
      "step": 162
    },
    {
      "epoch": 0.05433333333333333,
      "grad_norm": 1.2851896286010742,
      "learning_rate": 2.716666666666667e-05,
      "loss": 0.2795,
      "step": 163
    },
    {
      "epoch": 0.05466666666666667,
      "grad_norm": 1.4944298267364502,
      "learning_rate": 2.733333333333333e-05,
      "loss": 0.3463,
      "step": 164
    },
    {
      "epoch": 0.055,
      "grad_norm": 1.5940018892288208,
      "learning_rate": 2.7500000000000004e-05,
      "loss": 0.3653,
      "step": 165
    },
    {
      "epoch": 0.05533333333333333,
      "grad_norm": 1.2155016660690308,
      "learning_rate": 2.7666666666666667e-05,
      "loss": 0.3007,
      "step": 166
    },
    {
      "epoch": 0.05566666666666667,
      "grad_norm": 1.7410703897476196,
      "learning_rate": 2.7833333333333333e-05,
      "loss": 0.3656,
      "step": 167
    },
    {
      "epoch": 0.056,
      "grad_norm": 1.5186805725097656,
      "learning_rate": 2.8000000000000003e-05,
      "loss": 0.3309,
      "step": 168
    },
    {
      "epoch": 0.05633333333333333,
      "grad_norm": 1.3507519960403442,
      "learning_rate": 2.816666666666667e-05,
      "loss": 0.3209,
      "step": 169
    },
    {
      "epoch": 0.056666666666666664,
      "grad_norm": 1.378380298614502,
      "learning_rate": 2.8333333333333335e-05,
      "loss": 0.3257,
      "step": 170
    },
    {
      "epoch": 0.057,
      "grad_norm": 1.413633108139038,
      "learning_rate": 2.8499999999999998e-05,
      "loss": 0.3067,
      "step": 171
    },
    {
      "epoch": 0.05733333333333333,
      "grad_norm": 1.3859586715698242,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 0.3464,
      "step": 172
    },
    {
      "epoch": 0.057666666666666665,
      "grad_norm": 1.281520128250122,
      "learning_rate": 2.8833333333333334e-05,
      "loss": 0.3538,
      "step": 173
    },
    {
      "epoch": 0.058,
      "grad_norm": 1.6939369440078735,
      "learning_rate": 2.9e-05,
      "loss": 0.4368,
      "step": 174
    },
    {
      "epoch": 0.058333333333333334,
      "grad_norm": 1.7700634002685547,
      "learning_rate": 2.916666666666667e-05,
      "loss": 0.33,
      "step": 175
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 1.4249154329299927,
      "learning_rate": 2.9333333333333336e-05,
      "loss": 0.3226,
      "step": 176
    },
    {
      "epoch": 0.059,
      "grad_norm": 1.3474069833755493,
      "learning_rate": 2.95e-05,
      "loss": 0.2756,
      "step": 177
    },
    {
      "epoch": 0.059333333333333335,
      "grad_norm": 1.2740994691848755,
      "learning_rate": 2.9666666666666672e-05,
      "loss": 0.266,
      "step": 178
    },
    {
      "epoch": 0.059666666666666666,
      "grad_norm": 1.8142409324645996,
      "learning_rate": 2.9833333333333335e-05,
      "loss": 0.3101,
      "step": 179
    },
    {
      "epoch": 0.06,
      "grad_norm": 1.4520740509033203,
      "learning_rate": 3e-05,
      "loss": 0.3521,
      "step": 180
    },
    {
      "epoch": 0.060333333333333336,
      "grad_norm": 1.609920859336853,
      "learning_rate": 3.016666666666667e-05,
      "loss": 0.3578,
      "step": 181
    },
    {
      "epoch": 0.06066666666666667,
      "grad_norm": 1.3788601160049438,
      "learning_rate": 3.0333333333333337e-05,
      "loss": 0.3204,
      "step": 182
    },
    {
      "epoch": 0.061,
      "grad_norm": 1.3609263896942139,
      "learning_rate": 3.05e-05,
      "loss": 0.3246,
      "step": 183
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 1.382299780845642,
      "learning_rate": 3.066666666666667e-05,
      "loss": 0.3385,
      "step": 184
    },
    {
      "epoch": 0.06166666666666667,
      "grad_norm": 1.9848756790161133,
      "learning_rate": 3.0833333333333335e-05,
      "loss": 0.3731,
      "step": 185
    },
    {
      "epoch": 0.062,
      "grad_norm": 1.4903755187988281,
      "learning_rate": 3.1e-05,
      "loss": 0.3489,
      "step": 186
    },
    {
      "epoch": 0.06233333333333333,
      "grad_norm": 1.3801896572113037,
      "learning_rate": 3.116666666666667e-05,
      "loss": 0.3621,
      "step": 187
    },
    {
      "epoch": 0.06266666666666666,
      "grad_norm": 1.6879767179489136,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 0.451,
      "step": 188
    },
    {
      "epoch": 0.063,
      "grad_norm": 1.4495042562484741,
      "learning_rate": 3.15e-05,
      "loss": 0.2778,
      "step": 189
    },
    {
      "epoch": 0.06333333333333334,
      "grad_norm": 1.290792465209961,
      "learning_rate": 3.1666666666666666e-05,
      "loss": 0.2716,
      "step": 190
    },
    {
      "epoch": 0.06366666666666666,
      "grad_norm": 1.9189130067825317,
      "learning_rate": 3.183333333333334e-05,
      "loss": 0.4117,
      "step": 191
    },
    {
      "epoch": 0.064,
      "grad_norm": 1.5139693021774292,
      "learning_rate": 3.2000000000000005e-05,
      "loss": 0.3266,
      "step": 192
    },
    {
      "epoch": 0.06433333333333334,
      "grad_norm": 1.7017555236816406,
      "learning_rate": 3.2166666666666665e-05,
      "loss": 0.3157,
      "step": 193
    },
    {
      "epoch": 0.06466666666666666,
      "grad_norm": 1.440495252609253,
      "learning_rate": 3.233333333333333e-05,
      "loss": 0.3303,
      "step": 194
    },
    {
      "epoch": 0.065,
      "grad_norm": 1.4504367113113403,
      "learning_rate": 3.2500000000000004e-05,
      "loss": 0.2769,
      "step": 195
    },
    {
      "epoch": 0.06533333333333333,
      "grad_norm": 1.375322937965393,
      "learning_rate": 3.266666666666667e-05,
      "loss": 0.3783,
      "step": 196
    },
    {
      "epoch": 0.06566666666666666,
      "grad_norm": 1.6191874742507935,
      "learning_rate": 3.283333333333333e-05,
      "loss": 0.3312,
      "step": 197
    },
    {
      "epoch": 0.066,
      "grad_norm": 1.266046166419983,
      "learning_rate": 3.3e-05,
      "loss": 0.3533,
      "step": 198
    },
    {
      "epoch": 0.06633333333333333,
      "grad_norm": 2.0328266620635986,
      "learning_rate": 3.316666666666667e-05,
      "loss": 0.4017,
      "step": 199
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 1.5838234424591064,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 0.4061,
      "step": 200
    },
    {
      "epoch": 0.067,
      "grad_norm": 1.679366946220398,
      "learning_rate": 3.35e-05,
      "loss": 0.4266,
      "step": 201
    },
    {
      "epoch": 0.06733333333333333,
      "grad_norm": 1.5685397386550903,
      "learning_rate": 3.366666666666667e-05,
      "loss": 0.4183,
      "step": 202
    },
    {
      "epoch": 0.06766666666666667,
      "grad_norm": 1.776902198791504,
      "learning_rate": 3.3833333333333334e-05,
      "loss": 0.3168,
      "step": 203
    },
    {
      "epoch": 0.068,
      "grad_norm": 1.7474539279937744,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 0.3145,
      "step": 204
    },
    {
      "epoch": 0.06833333333333333,
      "grad_norm": 1.4013917446136475,
      "learning_rate": 3.4166666666666666e-05,
      "loss": 0.3322,
      "step": 205
    },
    {
      "epoch": 0.06866666666666667,
      "grad_norm": 1.459243655204773,
      "learning_rate": 3.433333333333333e-05,
      "loss": 0.3273,
      "step": 206
    },
    {
      "epoch": 0.069,
      "grad_norm": 1.4038946628570557,
      "learning_rate": 3.45e-05,
      "loss": 0.3238,
      "step": 207
    },
    {
      "epoch": 0.06933333333333333,
      "grad_norm": 1.5630148649215698,
      "learning_rate": 3.466666666666667e-05,
      "loss": 0.3368,
      "step": 208
    },
    {
      "epoch": 0.06966666666666667,
      "grad_norm": 1.4870696067810059,
      "learning_rate": 3.483333333333334e-05,
      "loss": 0.377,
      "step": 209
    },
    {
      "epoch": 0.07,
      "grad_norm": 1.5031110048294067,
      "learning_rate": 3.5e-05,
      "loss": 0.3609,
      "step": 210
    },
    {
      "epoch": 0.07033333333333333,
      "grad_norm": 1.6764661073684692,
      "learning_rate": 3.516666666666667e-05,
      "loss": 0.3562,
      "step": 211
    },
    {
      "epoch": 0.07066666666666667,
      "grad_norm": 1.6077598333358765,
      "learning_rate": 3.5333333333333336e-05,
      "loss": 0.3924,
      "step": 212
    },
    {
      "epoch": 0.071,
      "grad_norm": 1.7674628496170044,
      "learning_rate": 3.55e-05,
      "loss": 0.3631,
      "step": 213
    },
    {
      "epoch": 0.07133333333333333,
      "grad_norm": 1.62470543384552,
      "learning_rate": 3.566666666666667e-05,
      "loss": 0.3619,
      "step": 214
    },
    {
      "epoch": 0.07166666666666667,
      "grad_norm": 1.4642609357833862,
      "learning_rate": 3.5833333333333335e-05,
      "loss": 0.3153,
      "step": 215
    },
    {
      "epoch": 0.072,
      "grad_norm": 1.5644686222076416,
      "learning_rate": 3.6e-05,
      "loss": 0.3619,
      "step": 216
    },
    {
      "epoch": 0.07233333333333333,
      "grad_norm": 1.49044668674469,
      "learning_rate": 3.6166666666666674e-05,
      "loss": 0.3836,
      "step": 217
    },
    {
      "epoch": 0.07266666666666667,
      "grad_norm": 1.7291405200958252,
      "learning_rate": 3.633333333333333e-05,
      "loss": 0.4209,
      "step": 218
    },
    {
      "epoch": 0.073,
      "grad_norm": 1.5071781873703003,
      "learning_rate": 3.65e-05,
      "loss": 0.3236,
      "step": 219
    },
    {
      "epoch": 0.07333333333333333,
      "grad_norm": 2.787971258163452,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 0.4086,
      "step": 220
    },
    {
      "epoch": 0.07366666666666667,
      "grad_norm": 1.4977898597717285,
      "learning_rate": 3.683333333333334e-05,
      "loss": 0.3655,
      "step": 221
    },
    {
      "epoch": 0.074,
      "grad_norm": 1.4775617122650146,
      "learning_rate": 3.7e-05,
      "loss": 0.3571,
      "step": 222
    },
    {
      "epoch": 0.07433333333333333,
      "grad_norm": 1.4579126834869385,
      "learning_rate": 3.7166666666666664e-05,
      "loss": 0.3274,
      "step": 223
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 1.5384258031845093,
      "learning_rate": 3.733333333333334e-05,
      "loss": 0.3591,
      "step": 224
    },
    {
      "epoch": 0.075,
      "grad_norm": 1.308038353919983,
      "learning_rate": 3.7500000000000003e-05,
      "loss": 0.279,
      "step": 225
    },
    {
      "epoch": 0.07533333333333334,
      "grad_norm": 1.5637880563735962,
      "learning_rate": 3.766666666666667e-05,
      "loss": 0.2898,
      "step": 226
    },
    {
      "epoch": 0.07566666666666666,
      "grad_norm": 1.479993462562561,
      "learning_rate": 3.7833333333333336e-05,
      "loss": 0.3416,
      "step": 227
    },
    {
      "epoch": 0.076,
      "grad_norm": 1.6080683469772339,
      "learning_rate": 3.8e-05,
      "loss": 0.3692,
      "step": 228
    },
    {
      "epoch": 0.07633333333333334,
      "grad_norm": 3.331662178039551,
      "learning_rate": 3.816666666666667e-05,
      "loss": 0.3672,
      "step": 229
    },
    {
      "epoch": 0.07666666666666666,
      "grad_norm": 2.0933995246887207,
      "learning_rate": 3.8333333333333334e-05,
      "loss": 0.3193,
      "step": 230
    },
    {
      "epoch": 0.077,
      "grad_norm": 1.4656376838684082,
      "learning_rate": 3.85e-05,
      "loss": 0.335,
      "step": 231
    },
    {
      "epoch": 0.07733333333333334,
      "grad_norm": 1.580031394958496,
      "learning_rate": 3.866666666666667e-05,
      "loss": 0.4765,
      "step": 232
    },
    {
      "epoch": 0.07766666666666666,
      "grad_norm": 1.611729383468628,
      "learning_rate": 3.883333333333333e-05,
      "loss": 0.318,
      "step": 233
    },
    {
      "epoch": 0.078,
      "grad_norm": 1.457902193069458,
      "learning_rate": 3.9000000000000006e-05,
      "loss": 0.3561,
      "step": 234
    },
    {
      "epoch": 0.07833333333333334,
      "grad_norm": 1.4646954536437988,
      "learning_rate": 3.9166666666666665e-05,
      "loss": 0.3688,
      "step": 235
    },
    {
      "epoch": 0.07866666666666666,
      "grad_norm": 1.5438694953918457,
      "learning_rate": 3.933333333333333e-05,
      "loss": 0.3741,
      "step": 236
    },
    {
      "epoch": 0.079,
      "grad_norm": 1.6718634366989136,
      "learning_rate": 3.9500000000000005e-05,
      "loss": 0.3651,
      "step": 237
    },
    {
      "epoch": 0.07933333333333334,
      "grad_norm": 1.49998939037323,
      "learning_rate": 3.966666666666667e-05,
      "loss": 0.3971,
      "step": 238
    },
    {
      "epoch": 0.07966666666666666,
      "grad_norm": 1.4909234046936035,
      "learning_rate": 3.983333333333333e-05,
      "loss": 0.3436,
      "step": 239
    },
    {
      "epoch": 0.08,
      "grad_norm": 1.335534691810608,
      "learning_rate": 4e-05,
      "loss": 0.2857,
      "step": 240
    },
    {
      "epoch": 0.08033333333333334,
      "grad_norm": 1.4363330602645874,
      "learning_rate": 4.016666666666667e-05,
      "loss": 0.2972,
      "step": 241
    },
    {
      "epoch": 0.08066666666666666,
      "grad_norm": 1.5053205490112305,
      "learning_rate": 4.0333333333333336e-05,
      "loss": 0.3726,
      "step": 242
    },
    {
      "epoch": 0.081,
      "grad_norm": 1.5662518739700317,
      "learning_rate": 4.05e-05,
      "loss": 0.3822,
      "step": 243
    },
    {
      "epoch": 0.08133333333333333,
      "grad_norm": 1.5105401277542114,
      "learning_rate": 4.066666666666667e-05,
      "loss": 0.3845,
      "step": 244
    },
    {
      "epoch": 0.08166666666666667,
      "grad_norm": 1.2965208292007446,
      "learning_rate": 4.0833333333333334e-05,
      "loss": 0.2714,
      "step": 245
    },
    {
      "epoch": 0.082,
      "grad_norm": 1.3468542098999023,
      "learning_rate": 4.1e-05,
      "loss": 0.3419,
      "step": 246
    },
    {
      "epoch": 0.08233333333333333,
      "grad_norm": 1.578986644744873,
      "learning_rate": 4.116666666666667e-05,
      "loss": 0.4288,
      "step": 247
    },
    {
      "epoch": 0.08266666666666667,
      "grad_norm": 1.452244520187378,
      "learning_rate": 4.133333333333333e-05,
      "loss": 0.3575,
      "step": 248
    },
    {
      "epoch": 0.083,
      "grad_norm": 1.5739537477493286,
      "learning_rate": 4.15e-05,
      "loss": 0.3433,
      "step": 249
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 1.482478141784668,
      "learning_rate": 4.166666666666667e-05,
      "loss": 0.3903,
      "step": 250
    },
    {
      "epoch": 0.08366666666666667,
      "grad_norm": 1.4102691411972046,
      "learning_rate": 4.183333333333334e-05,
      "loss": 0.324,
      "step": 251
    },
    {
      "epoch": 0.084,
      "grad_norm": 1.3748400211334229,
      "learning_rate": 4.2e-05,
      "loss": 0.3348,
      "step": 252
    },
    {
      "epoch": 0.08433333333333333,
      "grad_norm": 1.3118107318878174,
      "learning_rate": 4.216666666666667e-05,
      "loss": 0.2931,
      "step": 253
    },
    {
      "epoch": 0.08466666666666667,
      "grad_norm": 1.5641124248504639,
      "learning_rate": 4.233333333333334e-05,
      "loss": 0.4123,
      "step": 254
    },
    {
      "epoch": 0.085,
      "grad_norm": 1.3105560541152954,
      "learning_rate": 4.25e-05,
      "loss": 0.3441,
      "step": 255
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 1.5378347635269165,
      "learning_rate": 4.266666666666667e-05,
      "loss": 0.3702,
      "step": 256
    },
    {
      "epoch": 0.08566666666666667,
      "grad_norm": 1.5331541299819946,
      "learning_rate": 4.2833333333333335e-05,
      "loss": 0.4366,
      "step": 257
    },
    {
      "epoch": 0.086,
      "grad_norm": 1.18148672580719,
      "learning_rate": 4.3e-05,
      "loss": 0.2741,
      "step": 258
    },
    {
      "epoch": 0.08633333333333333,
      "grad_norm": 1.4464715719223022,
      "learning_rate": 4.316666666666667e-05,
      "loss": 0.334,
      "step": 259
    },
    {
      "epoch": 0.08666666666666667,
      "grad_norm": 1.552941918373108,
      "learning_rate": 4.3333333333333334e-05,
      "loss": 0.3906,
      "step": 260
    },
    {
      "epoch": 0.087,
      "grad_norm": 1.51602041721344,
      "learning_rate": 4.35e-05,
      "loss": 0.3549,
      "step": 261
    },
    {
      "epoch": 0.08733333333333333,
      "grad_norm": 1.4399656057357788,
      "learning_rate": 4.3666666666666666e-05,
      "loss": 0.3437,
      "step": 262
    },
    {
      "epoch": 0.08766666666666667,
      "grad_norm": 1.3392916917800903,
      "learning_rate": 4.383333333333334e-05,
      "loss": 0.2961,
      "step": 263
    },
    {
      "epoch": 0.088,
      "grad_norm": 1.626286506652832,
      "learning_rate": 4.4000000000000006e-05,
      "loss": 0.3532,
      "step": 264
    },
    {
      "epoch": 0.08833333333333333,
      "grad_norm": 1.6674925088882446,
      "learning_rate": 4.4166666666666665e-05,
      "loss": 0.4064,
      "step": 265
    },
    {
      "epoch": 0.08866666666666667,
      "grad_norm": 1.3257759809494019,
      "learning_rate": 4.433333333333334e-05,
      "loss": 0.2652,
      "step": 266
    },
    {
      "epoch": 0.089,
      "grad_norm": 1.5646772384643555,
      "learning_rate": 4.4500000000000004e-05,
      "loss": 0.3433,
      "step": 267
    },
    {
      "epoch": 0.08933333333333333,
      "grad_norm": 1.5401488542556763,
      "learning_rate": 4.466666666666667e-05,
      "loss": 0.4299,
      "step": 268
    },
    {
      "epoch": 0.08966666666666667,
      "grad_norm": 1.3046114444732666,
      "learning_rate": 4.483333333333333e-05,
      "loss": 0.3763,
      "step": 269
    },
    {
      "epoch": 0.09,
      "grad_norm": 1.4883687496185303,
      "learning_rate": 4.5e-05,
      "loss": 0.4005,
      "step": 270
    },
    {
      "epoch": 0.09033333333333333,
      "grad_norm": 1.20869779586792,
      "learning_rate": 4.516666666666667e-05,
      "loss": 0.3037,
      "step": 271
    },
    {
      "epoch": 0.09066666666666667,
      "grad_norm": 1.4379864931106567,
      "learning_rate": 4.5333333333333335e-05,
      "loss": 0.3505,
      "step": 272
    },
    {
      "epoch": 0.091,
      "grad_norm": 1.5501856803894043,
      "learning_rate": 4.55e-05,
      "loss": 0.3676,
      "step": 273
    },
    {
      "epoch": 0.09133333333333334,
      "grad_norm": 1.6164238452911377,
      "learning_rate": 4.566666666666667e-05,
      "loss": 0.3604,
      "step": 274
    },
    {
      "epoch": 0.09166666666666666,
      "grad_norm": 1.5581339597702026,
      "learning_rate": 4.5833333333333334e-05,
      "loss": 0.415,
      "step": 275
    },
    {
      "epoch": 0.092,
      "grad_norm": 1.9566978216171265,
      "learning_rate": 4.600000000000001e-05,
      "loss": 0.2886,
      "step": 276
    },
    {
      "epoch": 0.09233333333333334,
      "grad_norm": 1.4752821922302246,
      "learning_rate": 4.6166666666666666e-05,
      "loss": 0.3575,
      "step": 277
    },
    {
      "epoch": 0.09266666666666666,
      "grad_norm": 1.5628986358642578,
      "learning_rate": 4.633333333333333e-05,
      "loss": 0.3825,
      "step": 278
    },
    {
      "epoch": 0.093,
      "grad_norm": 2.187627077102661,
      "learning_rate": 4.6500000000000005e-05,
      "loss": 0.391,
      "step": 279
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 1.5310142040252686,
      "learning_rate": 4.666666666666667e-05,
      "loss": 0.3838,
      "step": 280
    },
    {
      "epoch": 0.09366666666666666,
      "grad_norm": 1.543420433998108,
      "learning_rate": 4.683333333333334e-05,
      "loss": 0.3011,
      "step": 281
    },
    {
      "epoch": 0.094,
      "grad_norm": 1.5134119987487793,
      "learning_rate": 4.7e-05,
      "loss": 0.3686,
      "step": 282
    },
    {
      "epoch": 0.09433333333333334,
      "grad_norm": 1.967798113822937,
      "learning_rate": 4.716666666666667e-05,
      "loss": 0.4176,
      "step": 283
    },
    {
      "epoch": 0.09466666666666666,
      "grad_norm": 2.0906894207000732,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 0.358,
      "step": 284
    },
    {
      "epoch": 0.095,
      "grad_norm": 1.3834588527679443,
      "learning_rate": 4.75e-05,
      "loss": 0.389,
      "step": 285
    },
    {
      "epoch": 0.09533333333333334,
      "grad_norm": 1.6481044292449951,
      "learning_rate": 4.766666666666667e-05,
      "loss": 0.3488,
      "step": 286
    },
    {
      "epoch": 0.09566666666666666,
      "grad_norm": 1.325629472732544,
      "learning_rate": 4.7833333333333335e-05,
      "loss": 0.3003,
      "step": 287
    },
    {
      "epoch": 0.096,
      "grad_norm": 1.701684832572937,
      "learning_rate": 4.8e-05,
      "loss": 0.4497,
      "step": 288
    },
    {
      "epoch": 0.09633333333333334,
      "grad_norm": 1.6686456203460693,
      "learning_rate": 4.8166666666666674e-05,
      "loss": 0.3482,
      "step": 289
    },
    {
      "epoch": 0.09666666666666666,
      "grad_norm": 1.8158715963363647,
      "learning_rate": 4.8333333333333334e-05,
      "loss": 0.3567,
      "step": 290
    },
    {
      "epoch": 0.097,
      "grad_norm": 1.6466172933578491,
      "learning_rate": 4.85e-05,
      "loss": 0.3868,
      "step": 291
    },
    {
      "epoch": 0.09733333333333333,
      "grad_norm": 1.4000461101531982,
      "learning_rate": 4.866666666666667e-05,
      "loss": 0.3448,
      "step": 292
    },
    {
      "epoch": 0.09766666666666667,
      "grad_norm": 1.7131824493408203,
      "learning_rate": 4.883333333333334e-05,
      "loss": 0.3907,
      "step": 293
    },
    {
      "epoch": 0.098,
      "grad_norm": 6.926778793334961,
      "learning_rate": 4.9e-05,
      "loss": 0.3705,
      "step": 294
    },
    {
      "epoch": 0.09833333333333333,
      "grad_norm": 1.515509009361267,
      "learning_rate": 4.9166666666666665e-05,
      "loss": 0.3596,
      "step": 295
    },
    {
      "epoch": 0.09866666666666667,
      "grad_norm": 2.7844343185424805,
      "learning_rate": 4.933333333333334e-05,
      "loss": 0.3776,
      "step": 296
    },
    {
      "epoch": 0.099,
      "grad_norm": 1.605407953262329,
      "learning_rate": 4.9500000000000004e-05,
      "loss": 0.3319,
      "step": 297
    },
    {
      "epoch": 0.09933333333333333,
      "grad_norm": 1.6420544385910034,
      "learning_rate": 4.966666666666667e-05,
      "loss": 0.4242,
      "step": 298
    },
    {
      "epoch": 0.09966666666666667,
      "grad_norm": 1.577746868133545,
      "learning_rate": 4.9833333333333336e-05,
      "loss": 0.3658,
      "step": 299
    },
    {
      "epoch": 0.1,
      "grad_norm": 1.9592171907424927,
      "learning_rate": 5e-05,
      "loss": 0.3846,
      "step": 300
    },
    {
      "epoch": 0.10033333333333333,
      "grad_norm": 1.5824711322784424,
      "learning_rate": 4.998148148148148e-05,
      "loss": 0.4153,
      "step": 301
    },
    {
      "epoch": 0.10066666666666667,
      "grad_norm": 1.4897867441177368,
      "learning_rate": 4.9962962962962964e-05,
      "loss": 0.3189,
      "step": 302
    },
    {
      "epoch": 0.101,
      "grad_norm": 1.5191915035247803,
      "learning_rate": 4.994444444444445e-05,
      "loss": 0.3831,
      "step": 303
    },
    {
      "epoch": 0.10133333333333333,
      "grad_norm": 1.619132399559021,
      "learning_rate": 4.9925925925925926e-05,
      "loss": 0.3979,
      "step": 304
    },
    {
      "epoch": 0.10166666666666667,
      "grad_norm": 1.4781115055084229,
      "learning_rate": 4.9907407407407406e-05,
      "loss": 0.353,
      "step": 305
    },
    {
      "epoch": 0.102,
      "grad_norm": 1.4926246404647827,
      "learning_rate": 4.9888888888888894e-05,
      "loss": 0.3419,
      "step": 306
    },
    {
      "epoch": 0.10233333333333333,
      "grad_norm": 1.7952423095703125,
      "learning_rate": 4.9870370370370375e-05,
      "loss": 0.5152,
      "step": 307
    },
    {
      "epoch": 0.10266666666666667,
      "grad_norm": 1.4844441413879395,
      "learning_rate": 4.9851851851851855e-05,
      "loss": 0.3638,
      "step": 308
    },
    {
      "epoch": 0.103,
      "grad_norm": 1.7583948373794556,
      "learning_rate": 4.9833333333333336e-05,
      "loss": 0.412,
      "step": 309
    },
    {
      "epoch": 0.10333333333333333,
      "grad_norm": 1.615587830543518,
      "learning_rate": 4.981481481481482e-05,
      "loss": 0.3168,
      "step": 310
    },
    {
      "epoch": 0.10366666666666667,
      "grad_norm": 1.519759178161621,
      "learning_rate": 4.97962962962963e-05,
      "loss": 0.3732,
      "step": 311
    },
    {
      "epoch": 0.104,
      "grad_norm": 1.3965352773666382,
      "learning_rate": 4.977777777777778e-05,
      "loss": 0.4101,
      "step": 312
    },
    {
      "epoch": 0.10433333333333333,
      "grad_norm": 1.3635843992233276,
      "learning_rate": 4.975925925925926e-05,
      "loss": 0.3255,
      "step": 313
    },
    {
      "epoch": 0.10466666666666667,
      "grad_norm": 1.4801793098449707,
      "learning_rate": 4.974074074074074e-05,
      "loss": 0.3583,
      "step": 314
    },
    {
      "epoch": 0.105,
      "grad_norm": 1.591237187385559,
      "learning_rate": 4.972222222222223e-05,
      "loss": 0.3393,
      "step": 315
    },
    {
      "epoch": 0.10533333333333333,
      "grad_norm": 1.5205988883972168,
      "learning_rate": 4.970370370370371e-05,
      "loss": 0.4168,
      "step": 316
    },
    {
      "epoch": 0.10566666666666667,
      "grad_norm": 1.8333476781845093,
      "learning_rate": 4.968518518518519e-05,
      "loss": 0.3803,
      "step": 317
    },
    {
      "epoch": 0.106,
      "grad_norm": 1.692940592765808,
      "learning_rate": 4.966666666666667e-05,
      "loss": 0.3542,
      "step": 318
    },
    {
      "epoch": 0.10633333333333334,
      "grad_norm": 1.5380736589431763,
      "learning_rate": 4.964814814814815e-05,
      "loss": 0.4271,
      "step": 319
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 1.168047547340393,
      "learning_rate": 4.962962962962963e-05,
      "loss": 0.308,
      "step": 320
    },
    {
      "epoch": 0.107,
      "grad_norm": 1.681167721748352,
      "learning_rate": 4.961111111111111e-05,
      "loss": 0.4,
      "step": 321
    },
    {
      "epoch": 0.10733333333333334,
      "grad_norm": 1.6703509092330933,
      "learning_rate": 4.959259259259259e-05,
      "loss": 0.3961,
      "step": 322
    },
    {
      "epoch": 0.10766666666666666,
      "grad_norm": 1.7819141149520874,
      "learning_rate": 4.957407407407408e-05,
      "loss": 0.3836,
      "step": 323
    },
    {
      "epoch": 0.108,
      "grad_norm": 1.3892372846603394,
      "learning_rate": 4.955555555555556e-05,
      "loss": 0.3315,
      "step": 324
    },
    {
      "epoch": 0.10833333333333334,
      "grad_norm": 1.8924736976623535,
      "learning_rate": 4.9537037037037035e-05,
      "loss": 0.3776,
      "step": 325
    },
    {
      "epoch": 0.10866666666666666,
      "grad_norm": 1.8088842630386353,
      "learning_rate": 4.951851851851852e-05,
      "loss": 0.3925,
      "step": 326
    },
    {
      "epoch": 0.109,
      "grad_norm": 1.5073802471160889,
      "learning_rate": 4.9500000000000004e-05,
      "loss": 0.3759,
      "step": 327
    },
    {
      "epoch": 0.10933333333333334,
      "grad_norm": 1.6175148487091064,
      "learning_rate": 4.9481481481481485e-05,
      "loss": 0.4247,
      "step": 328
    },
    {
      "epoch": 0.10966666666666666,
      "grad_norm": 1.516506314277649,
      "learning_rate": 4.9462962962962965e-05,
      "loss": 0.3929,
      "step": 329
    },
    {
      "epoch": 0.11,
      "grad_norm": 1.4654260873794556,
      "learning_rate": 4.9444444444444446e-05,
      "loss": 0.3604,
      "step": 330
    },
    {
      "epoch": 0.11033333333333334,
      "grad_norm": 2.3211357593536377,
      "learning_rate": 4.942592592592593e-05,
      "loss": 0.387,
      "step": 331
    },
    {
      "epoch": 0.11066666666666666,
      "grad_norm": 1.5019792318344116,
      "learning_rate": 4.940740740740741e-05,
      "loss": 0.4104,
      "step": 332
    },
    {
      "epoch": 0.111,
      "grad_norm": 1.5635384321212769,
      "learning_rate": 4.938888888888889e-05,
      "loss": 0.373,
      "step": 333
    },
    {
      "epoch": 0.11133333333333334,
      "grad_norm": 1.4854447841644287,
      "learning_rate": 4.937037037037037e-05,
      "loss": 0.3901,
      "step": 334
    },
    {
      "epoch": 0.11166666666666666,
      "grad_norm": 1.634382724761963,
      "learning_rate": 4.935185185185186e-05,
      "loss": 0.4457,
      "step": 335
    },
    {
      "epoch": 0.112,
      "grad_norm": 1.4691849946975708,
      "learning_rate": 4.933333333333334e-05,
      "loss": 0.3956,
      "step": 336
    },
    {
      "epoch": 0.11233333333333333,
      "grad_norm": 1.7635351419448853,
      "learning_rate": 4.931481481481482e-05,
      "loss": 0.4459,
      "step": 337
    },
    {
      "epoch": 0.11266666666666666,
      "grad_norm": 1.4270474910736084,
      "learning_rate": 4.92962962962963e-05,
      "loss": 0.3152,
      "step": 338
    },
    {
      "epoch": 0.113,
      "grad_norm": 1.3785789012908936,
      "learning_rate": 4.927777777777778e-05,
      "loss": 0.3155,
      "step": 339
    },
    {
      "epoch": 0.11333333333333333,
      "grad_norm": 1.5080225467681885,
      "learning_rate": 4.925925925925926e-05,
      "loss": 0.4339,
      "step": 340
    },
    {
      "epoch": 0.11366666666666667,
      "grad_norm": 1.536300778388977,
      "learning_rate": 4.924074074074074e-05,
      "loss": 0.3227,
      "step": 341
    },
    {
      "epoch": 0.114,
      "grad_norm": 1.619066834449768,
      "learning_rate": 4.922222222222222e-05,
      "loss": 0.4118,
      "step": 342
    },
    {
      "epoch": 0.11433333333333333,
      "grad_norm": 1.470788598060608,
      "learning_rate": 4.920370370370371e-05,
      "loss": 0.3655,
      "step": 343
    },
    {
      "epoch": 0.11466666666666667,
      "grad_norm": 2.8463382720947266,
      "learning_rate": 4.918518518518519e-05,
      "loss": 0.3205,
      "step": 344
    },
    {
      "epoch": 0.115,
      "grad_norm": 1.6264667510986328,
      "learning_rate": 4.9166666666666665e-05,
      "loss": 0.3792,
      "step": 345
    },
    {
      "epoch": 0.11533333333333333,
      "grad_norm": 1.660156011581421,
      "learning_rate": 4.9148148148148145e-05,
      "loss": 0.451,
      "step": 346
    },
    {
      "epoch": 0.11566666666666667,
      "grad_norm": 1.513501763343811,
      "learning_rate": 4.912962962962963e-05,
      "loss": 0.3873,
      "step": 347
    },
    {
      "epoch": 0.116,
      "grad_norm": 1.311440348625183,
      "learning_rate": 4.9111111111111114e-05,
      "loss": 0.2904,
      "step": 348
    },
    {
      "epoch": 0.11633333333333333,
      "grad_norm": 1.6002171039581299,
      "learning_rate": 4.9092592592592595e-05,
      "loss": 0.3901,
      "step": 349
    },
    {
      "epoch": 0.11666666666666667,
      "grad_norm": 1.3863859176635742,
      "learning_rate": 4.9074074074074075e-05,
      "loss": 0.3675,
      "step": 350
    },
    {
      "epoch": 0.117,
      "grad_norm": 1.4766677618026733,
      "learning_rate": 4.905555555555556e-05,
      "loss": 0.3755,
      "step": 351
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 1.4965181350708008,
      "learning_rate": 4.903703703703704e-05,
      "loss": 0.374,
      "step": 352
    },
    {
      "epoch": 0.11766666666666667,
      "grad_norm": 1.6470006704330444,
      "learning_rate": 4.901851851851852e-05,
      "loss": 0.3664,
      "step": 353
    },
    {
      "epoch": 0.118,
      "grad_norm": 1.9289568662643433,
      "learning_rate": 4.9e-05,
      "loss": 0.4022,
      "step": 354
    },
    {
      "epoch": 0.11833333333333333,
      "grad_norm": 1.4589459896087646,
      "learning_rate": 4.8981481481481486e-05,
      "loss": 0.347,
      "step": 355
    },
    {
      "epoch": 0.11866666666666667,
      "grad_norm": 1.5202605724334717,
      "learning_rate": 4.896296296296297e-05,
      "loss": 0.358,
      "step": 356
    },
    {
      "epoch": 0.119,
      "grad_norm": 1.4946200847625732,
      "learning_rate": 4.894444444444445e-05,
      "loss": 0.3375,
      "step": 357
    },
    {
      "epoch": 0.11933333333333333,
      "grad_norm": 1.8175865411758423,
      "learning_rate": 4.892592592592593e-05,
      "loss": 0.4148,
      "step": 358
    },
    {
      "epoch": 0.11966666666666667,
      "grad_norm": 1.3258353471755981,
      "learning_rate": 4.890740740740741e-05,
      "loss": 0.3133,
      "step": 359
    },
    {
      "epoch": 0.12,
      "grad_norm": 1.7926863431930542,
      "learning_rate": 4.888888888888889e-05,
      "loss": 0.5019,
      "step": 360
    },
    {
      "epoch": 0.12033333333333333,
      "grad_norm": 1.3644227981567383,
      "learning_rate": 4.887037037037037e-05,
      "loss": 0.3788,
      "step": 361
    },
    {
      "epoch": 0.12066666666666667,
      "grad_norm": 1.3067071437835693,
      "learning_rate": 4.885185185185185e-05,
      "loss": 0.3615,
      "step": 362
    },
    {
      "epoch": 0.121,
      "grad_norm": 1.4631500244140625,
      "learning_rate": 4.883333333333334e-05,
      "loss": 0.3555,
      "step": 363
    },
    {
      "epoch": 0.12133333333333333,
      "grad_norm": 1.3096414804458618,
      "learning_rate": 4.881481481481482e-05,
      "loss": 0.3161,
      "step": 364
    },
    {
      "epoch": 0.12166666666666667,
      "grad_norm": 1.5563383102416992,
      "learning_rate": 4.87962962962963e-05,
      "loss": 0.3903,
      "step": 365
    },
    {
      "epoch": 0.122,
      "grad_norm": 1.45024573802948,
      "learning_rate": 4.8777777777777775e-05,
      "loss": 0.3335,
      "step": 366
    },
    {
      "epoch": 0.12233333333333334,
      "grad_norm": 1.3422824144363403,
      "learning_rate": 4.875925925925926e-05,
      "loss": 0.3419,
      "step": 367
    },
    {
      "epoch": 0.12266666666666666,
      "grad_norm": 1.779746651649475,
      "learning_rate": 4.874074074074074e-05,
      "loss": 0.4075,
      "step": 368
    },
    {
      "epoch": 0.123,
      "grad_norm": 1.5517817735671997,
      "learning_rate": 4.8722222222222224e-05,
      "loss": 0.3384,
      "step": 369
    },
    {
      "epoch": 0.12333333333333334,
      "grad_norm": 1.6251047849655151,
      "learning_rate": 4.8703703703703704e-05,
      "loss": 0.3878,
      "step": 370
    },
    {
      "epoch": 0.12366666666666666,
      "grad_norm": 1.40427565574646,
      "learning_rate": 4.868518518518519e-05,
      "loss": 0.3203,
      "step": 371
    },
    {
      "epoch": 0.124,
      "grad_norm": 1.3117016553878784,
      "learning_rate": 4.866666666666667e-05,
      "loss": 0.3891,
      "step": 372
    },
    {
      "epoch": 0.12433333333333334,
      "grad_norm": 1.444316029548645,
      "learning_rate": 4.864814814814815e-05,
      "loss": 0.3567,
      "step": 373
    },
    {
      "epoch": 0.12466666666666666,
      "grad_norm": 1.483818769454956,
      "learning_rate": 4.862962962962963e-05,
      "loss": 0.347,
      "step": 374
    },
    {
      "epoch": 0.125,
      "grad_norm": 5.050604820251465,
      "learning_rate": 4.8611111111111115e-05,
      "loss": 0.436,
      "step": 375
    },
    {
      "epoch": 0.12533333333333332,
      "grad_norm": 2.0448899269104004,
      "learning_rate": 4.8592592592592596e-05,
      "loss": 0.3999,
      "step": 376
    },
    {
      "epoch": 0.12566666666666668,
      "grad_norm": 1.5457038879394531,
      "learning_rate": 4.857407407407408e-05,
      "loss": 0.3809,
      "step": 377
    },
    {
      "epoch": 0.126,
      "grad_norm": 1.1272550821304321,
      "learning_rate": 4.855555555555556e-05,
      "loss": 0.2861,
      "step": 378
    },
    {
      "epoch": 0.12633333333333333,
      "grad_norm": 1.2987323999404907,
      "learning_rate": 4.8537037037037045e-05,
      "loss": 0.3667,
      "step": 379
    },
    {
      "epoch": 0.12666666666666668,
      "grad_norm": 1.317092776298523,
      "learning_rate": 4.851851851851852e-05,
      "loss": 0.3122,
      "step": 380
    },
    {
      "epoch": 0.127,
      "grad_norm": 1.9207242727279663,
      "learning_rate": 4.85e-05,
      "loss": 0.4691,
      "step": 381
    },
    {
      "epoch": 0.12733333333333333,
      "grad_norm": 1.8333582878112793,
      "learning_rate": 4.848148148148148e-05,
      "loss": 0.4399,
      "step": 382
    },
    {
      "epoch": 0.12766666666666668,
      "grad_norm": 1.4632537364959717,
      "learning_rate": 4.846296296296297e-05,
      "loss": 0.2977,
      "step": 383
    },
    {
      "epoch": 0.128,
      "grad_norm": 1.47628915309906,
      "learning_rate": 4.844444444444445e-05,
      "loss": 0.3357,
      "step": 384
    },
    {
      "epoch": 0.12833333333333333,
      "grad_norm": 1.628018856048584,
      "learning_rate": 4.842592592592593e-05,
      "loss": 0.3637,
      "step": 385
    },
    {
      "epoch": 0.12866666666666668,
      "grad_norm": 1.3261082172393799,
      "learning_rate": 4.840740740740741e-05,
      "loss": 0.3491,
      "step": 386
    },
    {
      "epoch": 0.129,
      "grad_norm": 1.5615298748016357,
      "learning_rate": 4.838888888888889e-05,
      "loss": 0.3898,
      "step": 387
    },
    {
      "epoch": 0.12933333333333333,
      "grad_norm": 1.3540629148483276,
      "learning_rate": 4.837037037037037e-05,
      "loss": 0.3469,
      "step": 388
    },
    {
      "epoch": 0.12966666666666668,
      "grad_norm": 1.8067810535430908,
      "learning_rate": 4.835185185185185e-05,
      "loss": 0.4265,
      "step": 389
    },
    {
      "epoch": 0.13,
      "grad_norm": 1.4625282287597656,
      "learning_rate": 4.8333333333333334e-05,
      "loss": 0.4109,
      "step": 390
    },
    {
      "epoch": 0.13033333333333333,
      "grad_norm": 1.2926377058029175,
      "learning_rate": 4.831481481481482e-05,
      "loss": 0.35,
      "step": 391
    },
    {
      "epoch": 0.13066666666666665,
      "grad_norm": 1.5411444902420044,
      "learning_rate": 4.82962962962963e-05,
      "loss": 0.3599,
      "step": 392
    },
    {
      "epoch": 0.131,
      "grad_norm": 1.6826238632202148,
      "learning_rate": 4.8277777777777776e-05,
      "loss": 0.5067,
      "step": 393
    },
    {
      "epoch": 0.13133333333333333,
      "grad_norm": 1.5270205736160278,
      "learning_rate": 4.825925925925926e-05,
      "loss": 0.4664,
      "step": 394
    },
    {
      "epoch": 0.13166666666666665,
      "grad_norm": 1.546836256980896,
      "learning_rate": 4.8240740740740744e-05,
      "loss": 0.3871,
      "step": 395
    },
    {
      "epoch": 0.132,
      "grad_norm": 1.5166618824005127,
      "learning_rate": 4.8222222222222225e-05,
      "loss": 0.3154,
      "step": 396
    },
    {
      "epoch": 0.13233333333333333,
      "grad_norm": 1.4706875085830688,
      "learning_rate": 4.8203703703703706e-05,
      "loss": 0.37,
      "step": 397
    },
    {
      "epoch": 0.13266666666666665,
      "grad_norm": 1.577710509300232,
      "learning_rate": 4.818518518518519e-05,
      "loss": 0.3334,
      "step": 398
    },
    {
      "epoch": 0.133,
      "grad_norm": 2.96756911277771,
      "learning_rate": 4.8166666666666674e-05,
      "loss": 0.3901,
      "step": 399
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 1.3939603567123413,
      "learning_rate": 4.814814814814815e-05,
      "loss": 0.3086,
      "step": 400
    },
    {
      "epoch": 0.13366666666666666,
      "grad_norm": 1.8783942461013794,
      "learning_rate": 4.812962962962963e-05,
      "loss": 0.5443,
      "step": 401
    },
    {
      "epoch": 0.134,
      "grad_norm": 1.639843225479126,
      "learning_rate": 4.811111111111111e-05,
      "loss": 0.5519,
      "step": 402
    },
    {
      "epoch": 0.13433333333333333,
      "grad_norm": 1.6600115299224854,
      "learning_rate": 4.80925925925926e-05,
      "loss": 0.3592,
      "step": 403
    },
    {
      "epoch": 0.13466666666666666,
      "grad_norm": 1.3091179132461548,
      "learning_rate": 4.807407407407408e-05,
      "loss": 0.3065,
      "step": 404
    },
    {
      "epoch": 0.135,
      "grad_norm": 3.4881818294525146,
      "learning_rate": 4.805555555555556e-05,
      "loss": 0.3254,
      "step": 405
    },
    {
      "epoch": 0.13533333333333333,
      "grad_norm": 1.6983367204666138,
      "learning_rate": 4.803703703703704e-05,
      "loss": 0.4013,
      "step": 406
    },
    {
      "epoch": 0.13566666666666666,
      "grad_norm": 1.4208776950836182,
      "learning_rate": 4.801851851851852e-05,
      "loss": 0.3775,
      "step": 407
    },
    {
      "epoch": 0.136,
      "grad_norm": 1.1817011833190918,
      "learning_rate": 4.8e-05,
      "loss": 0.3014,
      "step": 408
    },
    {
      "epoch": 0.13633333333333333,
      "grad_norm": 2.8179917335510254,
      "learning_rate": 4.798148148148148e-05,
      "loss": 0.3102,
      "step": 409
    },
    {
      "epoch": 0.13666666666666666,
      "grad_norm": 1.780457615852356,
      "learning_rate": 4.796296296296296e-05,
      "loss": 0.3795,
      "step": 410
    },
    {
      "epoch": 0.137,
      "grad_norm": 2.187234878540039,
      "learning_rate": 4.794444444444445e-05,
      "loss": 0.4098,
      "step": 411
    },
    {
      "epoch": 0.13733333333333334,
      "grad_norm": 1.4273678064346313,
      "learning_rate": 4.792592592592593e-05,
      "loss": 0.3654,
      "step": 412
    },
    {
      "epoch": 0.13766666666666666,
      "grad_norm": 1.4316853284835815,
      "learning_rate": 4.790740740740741e-05,
      "loss": 0.3317,
      "step": 413
    },
    {
      "epoch": 0.138,
      "grad_norm": 1.5158627033233643,
      "learning_rate": 4.7888888888888886e-05,
      "loss": 0.4107,
      "step": 414
    },
    {
      "epoch": 0.13833333333333334,
      "grad_norm": 1.4416333436965942,
      "learning_rate": 4.7870370370370373e-05,
      "loss": 0.356,
      "step": 415
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 1.600272297859192,
      "learning_rate": 4.7851851851851854e-05,
      "loss": 0.4041,
      "step": 416
    },
    {
      "epoch": 0.139,
      "grad_norm": 1.4517465829849243,
      "learning_rate": 4.7833333333333335e-05,
      "loss": 0.3554,
      "step": 417
    },
    {
      "epoch": 0.13933333333333334,
      "grad_norm": 1.8297104835510254,
      "learning_rate": 4.7814814814814816e-05,
      "loss": 0.4244,
      "step": 418
    },
    {
      "epoch": 0.13966666666666666,
      "grad_norm": 1.4831371307373047,
      "learning_rate": 4.77962962962963e-05,
      "loss": 0.3987,
      "step": 419
    },
    {
      "epoch": 0.14,
      "grad_norm": 1.6603938341140747,
      "learning_rate": 4.7777777777777784e-05,
      "loss": 0.4253,
      "step": 420
    },
    {
      "epoch": 0.14033333333333334,
      "grad_norm": 1.577906847000122,
      "learning_rate": 4.775925925925926e-05,
      "loss": 0.4154,
      "step": 421
    },
    {
      "epoch": 0.14066666666666666,
      "grad_norm": 1.594200611114502,
      "learning_rate": 4.774074074074074e-05,
      "loss": 0.3967,
      "step": 422
    },
    {
      "epoch": 0.141,
      "grad_norm": 1.3381290435791016,
      "learning_rate": 4.7722222222222226e-05,
      "loss": 0.3398,
      "step": 423
    },
    {
      "epoch": 0.14133333333333334,
      "grad_norm": 1.574758768081665,
      "learning_rate": 4.770370370370371e-05,
      "loss": 0.2969,
      "step": 424
    },
    {
      "epoch": 0.14166666666666666,
      "grad_norm": 1.4329252243041992,
      "learning_rate": 4.768518518518519e-05,
      "loss": 0.3546,
      "step": 425
    },
    {
      "epoch": 0.142,
      "grad_norm": 1.4215891361236572,
      "learning_rate": 4.766666666666667e-05,
      "loss": 0.3441,
      "step": 426
    },
    {
      "epoch": 0.14233333333333334,
      "grad_norm": 1.549372673034668,
      "learning_rate": 4.764814814814815e-05,
      "loss": 0.3625,
      "step": 427
    },
    {
      "epoch": 0.14266666666666666,
      "grad_norm": 1.610260009765625,
      "learning_rate": 4.762962962962963e-05,
      "loss": 0.3933,
      "step": 428
    },
    {
      "epoch": 0.143,
      "grad_norm": 1.4108293056488037,
      "learning_rate": 4.761111111111111e-05,
      "loss": 0.354,
      "step": 429
    },
    {
      "epoch": 0.14333333333333334,
      "grad_norm": 2.310365676879883,
      "learning_rate": 4.759259259259259e-05,
      "loss": 0.3825,
      "step": 430
    },
    {
      "epoch": 0.14366666666666666,
      "grad_norm": 1.607605218887329,
      "learning_rate": 4.757407407407408e-05,
      "loss": 0.4195,
      "step": 431
    },
    {
      "epoch": 0.144,
      "grad_norm": 1.4815714359283447,
      "learning_rate": 4.755555555555556e-05,
      "loss": 0.3548,
      "step": 432
    },
    {
      "epoch": 0.14433333333333334,
      "grad_norm": 1.4924988746643066,
      "learning_rate": 4.753703703703704e-05,
      "loss": 0.3967,
      "step": 433
    },
    {
      "epoch": 0.14466666666666667,
      "grad_norm": 2.915475368499756,
      "learning_rate": 4.751851851851852e-05,
      "loss": 0.3949,
      "step": 434
    },
    {
      "epoch": 0.145,
      "grad_norm": 1.5413134098052979,
      "learning_rate": 4.75e-05,
      "loss": 0.3973,
      "step": 435
    },
    {
      "epoch": 0.14533333333333334,
      "grad_norm": 1.9248411655426025,
      "learning_rate": 4.7481481481481483e-05,
      "loss": 0.3784,
      "step": 436
    },
    {
      "epoch": 0.14566666666666667,
      "grad_norm": 1.6248245239257812,
      "learning_rate": 4.7462962962962964e-05,
      "loss": 0.4119,
      "step": 437
    },
    {
      "epoch": 0.146,
      "grad_norm": 1.705633282661438,
      "learning_rate": 4.7444444444444445e-05,
      "loss": 0.4396,
      "step": 438
    },
    {
      "epoch": 0.14633333333333334,
      "grad_norm": 1.4687634706497192,
      "learning_rate": 4.742592592592593e-05,
      "loss": 0.3852,
      "step": 439
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 1.8919180631637573,
      "learning_rate": 4.740740740740741e-05,
      "loss": 0.3819,
      "step": 440
    },
    {
      "epoch": 0.147,
      "grad_norm": 1.371976375579834,
      "learning_rate": 4.7388888888888894e-05,
      "loss": 0.3571,
      "step": 441
    },
    {
      "epoch": 0.14733333333333334,
      "grad_norm": 2.8801138401031494,
      "learning_rate": 4.737037037037037e-05,
      "loss": 0.4213,
      "step": 442
    },
    {
      "epoch": 0.14766666666666667,
      "grad_norm": 1.6173559427261353,
      "learning_rate": 4.7351851851851856e-05,
      "loss": 0.3702,
      "step": 443
    },
    {
      "epoch": 0.148,
      "grad_norm": 1.2258858680725098,
      "learning_rate": 4.7333333333333336e-05,
      "loss": 0.3285,
      "step": 444
    },
    {
      "epoch": 0.14833333333333334,
      "grad_norm": 1.3034180402755737,
      "learning_rate": 4.731481481481482e-05,
      "loss": 0.3267,
      "step": 445
    },
    {
      "epoch": 0.14866666666666667,
      "grad_norm": 1.6660559177398682,
      "learning_rate": 4.72962962962963e-05,
      "loss": 0.4348,
      "step": 446
    },
    {
      "epoch": 0.149,
      "grad_norm": 1.300252079963684,
      "learning_rate": 4.727777777777778e-05,
      "loss": 0.3129,
      "step": 447
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 1.5774869918823242,
      "learning_rate": 4.7259259259259266e-05,
      "loss": 0.3948,
      "step": 448
    },
    {
      "epoch": 0.14966666666666667,
      "grad_norm": 1.485144853591919,
      "learning_rate": 4.724074074074074e-05,
      "loss": 0.3215,
      "step": 449
    },
    {
      "epoch": 0.15,
      "grad_norm": 1.4521360397338867,
      "learning_rate": 4.722222222222222e-05,
      "loss": 0.3585,
      "step": 450
    },
    {
      "epoch": 0.15033333333333335,
      "grad_norm": 1.3035513162612915,
      "learning_rate": 4.720370370370371e-05,
      "loss": 0.2725,
      "step": 451
    },
    {
      "epoch": 0.15066666666666667,
      "grad_norm": 1.727379322052002,
      "learning_rate": 4.718518518518519e-05,
      "loss": 0.4097,
      "step": 452
    },
    {
      "epoch": 0.151,
      "grad_norm": 2.3666672706604004,
      "learning_rate": 4.716666666666667e-05,
      "loss": 0.4662,
      "step": 453
    },
    {
      "epoch": 0.15133333333333332,
      "grad_norm": 1.654421091079712,
      "learning_rate": 4.714814814814815e-05,
      "loss": 0.3372,
      "step": 454
    },
    {
      "epoch": 0.15166666666666667,
      "grad_norm": 1.6819572448730469,
      "learning_rate": 4.712962962962963e-05,
      "loss": 0.435,
      "step": 455
    },
    {
      "epoch": 0.152,
      "grad_norm": 1.5675102472305298,
      "learning_rate": 4.711111111111111e-05,
      "loss": 0.4012,
      "step": 456
    },
    {
      "epoch": 0.15233333333333332,
      "grad_norm": 1.4625293016433716,
      "learning_rate": 4.709259259259259e-05,
      "loss": 0.3838,
      "step": 457
    },
    {
      "epoch": 0.15266666666666667,
      "grad_norm": 1.520033836364746,
      "learning_rate": 4.7074074074074074e-05,
      "loss": 0.366,
      "step": 458
    },
    {
      "epoch": 0.153,
      "grad_norm": 1.2604353427886963,
      "learning_rate": 4.7055555555555555e-05,
      "loss": 0.2488,
      "step": 459
    },
    {
      "epoch": 0.15333333333333332,
      "grad_norm": 1.4598571062088013,
      "learning_rate": 4.703703703703704e-05,
      "loss": 0.3245,
      "step": 460
    },
    {
      "epoch": 0.15366666666666667,
      "grad_norm": 1.609896183013916,
      "learning_rate": 4.701851851851852e-05,
      "loss": 0.3609,
      "step": 461
    },
    {
      "epoch": 0.154,
      "grad_norm": 1.4688657522201538,
      "learning_rate": 4.7e-05,
      "loss": 0.3607,
      "step": 462
    },
    {
      "epoch": 0.15433333333333332,
      "grad_norm": 1.243186354637146,
      "learning_rate": 4.6981481481481485e-05,
      "loss": 0.3003,
      "step": 463
    },
    {
      "epoch": 0.15466666666666667,
      "grad_norm": 1.4108368158340454,
      "learning_rate": 4.6962962962962966e-05,
      "loss": 0.3519,
      "step": 464
    },
    {
      "epoch": 0.155,
      "grad_norm": 7.958014965057373,
      "learning_rate": 4.6944444444444446e-05,
      "loss": 0.3188,
      "step": 465
    },
    {
      "epoch": 0.15533333333333332,
      "grad_norm": 1.6169638633728027,
      "learning_rate": 4.692592592592593e-05,
      "loss": 0.3719,
      "step": 466
    },
    {
      "epoch": 0.15566666666666668,
      "grad_norm": 1.5462708473205566,
      "learning_rate": 4.690740740740741e-05,
      "loss": 0.3421,
      "step": 467
    },
    {
      "epoch": 0.156,
      "grad_norm": 1.8130849599838257,
      "learning_rate": 4.6888888888888895e-05,
      "loss": 0.394,
      "step": 468
    },
    {
      "epoch": 0.15633333333333332,
      "grad_norm": 1.4210973978042603,
      "learning_rate": 4.687037037037037e-05,
      "loss": 0.4152,
      "step": 469
    },
    {
      "epoch": 0.15666666666666668,
      "grad_norm": 1.6681641340255737,
      "learning_rate": 4.685185185185185e-05,
      "loss": 0.422,
      "step": 470
    },
    {
      "epoch": 0.157,
      "grad_norm": 1.3365411758422852,
      "learning_rate": 4.683333333333334e-05,
      "loss": 0.3282,
      "step": 471
    },
    {
      "epoch": 0.15733333333333333,
      "grad_norm": 1.6300495862960815,
      "learning_rate": 4.681481481481482e-05,
      "loss": 0.3325,
      "step": 472
    },
    {
      "epoch": 0.15766666666666668,
      "grad_norm": 1.8083395957946777,
      "learning_rate": 4.67962962962963e-05,
      "loss": 0.4878,
      "step": 473
    },
    {
      "epoch": 0.158,
      "grad_norm": 2.474660634994507,
      "learning_rate": 4.677777777777778e-05,
      "loss": 0.3831,
      "step": 474
    },
    {
      "epoch": 0.15833333333333333,
      "grad_norm": 1.2663764953613281,
      "learning_rate": 4.675925925925926e-05,
      "loss": 0.2903,
      "step": 475
    },
    {
      "epoch": 0.15866666666666668,
      "grad_norm": 1.615507960319519,
      "learning_rate": 4.674074074074074e-05,
      "loss": 0.4286,
      "step": 476
    },
    {
      "epoch": 0.159,
      "grad_norm": 1.31894850730896,
      "learning_rate": 4.672222222222222e-05,
      "loss": 0.3779,
      "step": 477
    },
    {
      "epoch": 0.15933333333333333,
      "grad_norm": 1.6353154182434082,
      "learning_rate": 4.67037037037037e-05,
      "loss": 0.4092,
      "step": 478
    },
    {
      "epoch": 0.15966666666666668,
      "grad_norm": 1.4601986408233643,
      "learning_rate": 4.6685185185185184e-05,
      "loss": 0.3107,
      "step": 479
    },
    {
      "epoch": 0.16,
      "grad_norm": 1.5335056781768799,
      "learning_rate": 4.666666666666667e-05,
      "loss": 0.3519,
      "step": 480
    },
    {
      "epoch": 0.16033333333333333,
      "grad_norm": 1.3570960760116577,
      "learning_rate": 4.664814814814815e-05,
      "loss": 0.3462,
      "step": 481
    },
    {
      "epoch": 0.16066666666666668,
      "grad_norm": 1.6119030714035034,
      "learning_rate": 4.662962962962963e-05,
      "loss": 0.4134,
      "step": 482
    },
    {
      "epoch": 0.161,
      "grad_norm": 1.5040596723556519,
      "learning_rate": 4.6611111111111114e-05,
      "loss": 0.3403,
      "step": 483
    },
    {
      "epoch": 0.16133333333333333,
      "grad_norm": 1.6691622734069824,
      "learning_rate": 4.6592592592592595e-05,
      "loss": 0.3845,
      "step": 484
    },
    {
      "epoch": 0.16166666666666665,
      "grad_norm": 1.212578296661377,
      "learning_rate": 4.6574074074074076e-05,
      "loss": 0.295,
      "step": 485
    },
    {
      "epoch": 0.162,
      "grad_norm": 1.5998772382736206,
      "learning_rate": 4.6555555555555556e-05,
      "loss": 0.3452,
      "step": 486
    },
    {
      "epoch": 0.16233333333333333,
      "grad_norm": 1.5955681800842285,
      "learning_rate": 4.653703703703704e-05,
      "loss": 0.3911,
      "step": 487
    },
    {
      "epoch": 0.16266666666666665,
      "grad_norm": 1.948377013206482,
      "learning_rate": 4.6518518518518525e-05,
      "loss": 0.4885,
      "step": 488
    },
    {
      "epoch": 0.163,
      "grad_norm": 1.562285304069519,
      "learning_rate": 4.6500000000000005e-05,
      "loss": 0.354,
      "step": 489
    },
    {
      "epoch": 0.16333333333333333,
      "grad_norm": 1.3308295011520386,
      "learning_rate": 4.648148148148148e-05,
      "loss": 0.3341,
      "step": 490
    },
    {
      "epoch": 0.16366666666666665,
      "grad_norm": 1.470138430595398,
      "learning_rate": 4.646296296296297e-05,
      "loss": 0.3751,
      "step": 491
    },
    {
      "epoch": 0.164,
      "grad_norm": 1.4458322525024414,
      "learning_rate": 4.644444444444445e-05,
      "loss": 0.3457,
      "step": 492
    },
    {
      "epoch": 0.16433333333333333,
      "grad_norm": 1.457342505455017,
      "learning_rate": 4.642592592592593e-05,
      "loss": 0.3596,
      "step": 493
    },
    {
      "epoch": 0.16466666666666666,
      "grad_norm": 1.5412640571594238,
      "learning_rate": 4.640740740740741e-05,
      "loss": 0.3418,
      "step": 494
    },
    {
      "epoch": 0.165,
      "grad_norm": 1.472030520439148,
      "learning_rate": 4.638888888888889e-05,
      "loss": 0.3425,
      "step": 495
    },
    {
      "epoch": 0.16533333333333333,
      "grad_norm": 1.6183019876480103,
      "learning_rate": 4.637037037037038e-05,
      "loss": 0.3352,
      "step": 496
    },
    {
      "epoch": 0.16566666666666666,
      "grad_norm": 2.019596815109253,
      "learning_rate": 4.635185185185185e-05,
      "loss": 0.3578,
      "step": 497
    },
    {
      "epoch": 0.166,
      "grad_norm": 1.3924508094787598,
      "learning_rate": 4.633333333333333e-05,
      "loss": 0.3676,
      "step": 498
    },
    {
      "epoch": 0.16633333333333333,
      "grad_norm": 1.27180016040802,
      "learning_rate": 4.631481481481481e-05,
      "loss": 0.3179,
      "step": 499
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 1.225780725479126,
      "learning_rate": 4.62962962962963e-05,
      "loss": 0.3431,
      "step": 500
    },
    {
      "epoch": 0.167,
      "grad_norm": 1.793016791343689,
      "learning_rate": 4.627777777777778e-05,
      "loss": 0.4867,
      "step": 501
    },
    {
      "epoch": 0.16733333333333333,
      "grad_norm": 1.5788778066635132,
      "learning_rate": 4.625925925925926e-05,
      "loss": 0.3276,
      "step": 502
    },
    {
      "epoch": 0.16766666666666666,
      "grad_norm": 1.751562476158142,
      "learning_rate": 4.624074074074074e-05,
      "loss": 0.4539,
      "step": 503
    },
    {
      "epoch": 0.168,
      "grad_norm": 1.431057333946228,
      "learning_rate": 4.6222222222222224e-05,
      "loss": 0.3713,
      "step": 504
    },
    {
      "epoch": 0.16833333333333333,
      "grad_norm": 1.3699835538864136,
      "learning_rate": 4.6203703703703705e-05,
      "loss": 0.3447,
      "step": 505
    },
    {
      "epoch": 0.16866666666666666,
      "grad_norm": 1.5171544551849365,
      "learning_rate": 4.6185185185185185e-05,
      "loss": 0.2956,
      "step": 506
    },
    {
      "epoch": 0.169,
      "grad_norm": 1.7429660558700562,
      "learning_rate": 4.6166666666666666e-05,
      "loss": 0.3909,
      "step": 507
    },
    {
      "epoch": 0.16933333333333334,
      "grad_norm": 1.7300422191619873,
      "learning_rate": 4.6148148148148154e-05,
      "loss": 0.4494,
      "step": 508
    },
    {
      "epoch": 0.16966666666666666,
      "grad_norm": 1.264761209487915,
      "learning_rate": 4.6129629629629635e-05,
      "loss": 0.2988,
      "step": 509
    },
    {
      "epoch": 0.17,
      "grad_norm": 1.6348915100097656,
      "learning_rate": 4.6111111111111115e-05,
      "loss": 0.3799,
      "step": 510
    },
    {
      "epoch": 0.17033333333333334,
      "grad_norm": 1.5455849170684814,
      "learning_rate": 4.6092592592592596e-05,
      "loss": 0.3082,
      "step": 511
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 1.5002715587615967,
      "learning_rate": 4.607407407407408e-05,
      "loss": 0.388,
      "step": 512
    },
    {
      "epoch": 0.171,
      "grad_norm": 1.3733866214752197,
      "learning_rate": 4.605555555555556e-05,
      "loss": 0.2715,
      "step": 513
    },
    {
      "epoch": 0.17133333333333334,
      "grad_norm": 1.5897667407989502,
      "learning_rate": 4.603703703703704e-05,
      "loss": 0.4274,
      "step": 514
    },
    {
      "epoch": 0.17166666666666666,
      "grad_norm": 1.4934463500976562,
      "learning_rate": 4.601851851851852e-05,
      "loss": 0.3477,
      "step": 515
    },
    {
      "epoch": 0.172,
      "grad_norm": 1.6661343574523926,
      "learning_rate": 4.600000000000001e-05,
      "loss": 0.4138,
      "step": 516
    },
    {
      "epoch": 0.17233333333333334,
      "grad_norm": 1.3750795125961304,
      "learning_rate": 4.598148148148148e-05,
      "loss": 0.3704,
      "step": 517
    },
    {
      "epoch": 0.17266666666666666,
      "grad_norm": 1.6565532684326172,
      "learning_rate": 4.596296296296296e-05,
      "loss": 0.4498,
      "step": 518
    },
    {
      "epoch": 0.173,
      "grad_norm": 5.795270919799805,
      "learning_rate": 4.594444444444444e-05,
      "loss": 0.4515,
      "step": 519
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 17.75341033935547,
      "learning_rate": 4.592592592592593e-05,
      "loss": 0.3419,
      "step": 520
    },
    {
      "epoch": 0.17366666666666666,
      "grad_norm": 1.2986958026885986,
      "learning_rate": 4.590740740740741e-05,
      "loss": 0.3258,
      "step": 521
    },
    {
      "epoch": 0.174,
      "grad_norm": 1.4572504758834839,
      "learning_rate": 4.588888888888889e-05,
      "loss": 0.3619,
      "step": 522
    },
    {
      "epoch": 0.17433333333333334,
      "grad_norm": 1.3477206230163574,
      "learning_rate": 4.587037037037037e-05,
      "loss": 0.3474,
      "step": 523
    },
    {
      "epoch": 0.17466666666666666,
      "grad_norm": 1.4138680696487427,
      "learning_rate": 4.585185185185185e-05,
      "loss": 0.4011,
      "step": 524
    },
    {
      "epoch": 0.175,
      "grad_norm": 1.817885398864746,
      "learning_rate": 4.5833333333333334e-05,
      "loss": 0.3976,
      "step": 525
    },
    {
      "epoch": 0.17533333333333334,
      "grad_norm": 2.031548023223877,
      "learning_rate": 4.5814814814814815e-05,
      "loss": 0.3649,
      "step": 526
    },
    {
      "epoch": 0.17566666666666667,
      "grad_norm": 1.7162131071090698,
      "learning_rate": 4.5796296296296295e-05,
      "loss": 0.3296,
      "step": 527
    },
    {
      "epoch": 0.176,
      "grad_norm": 1.916621446609497,
      "learning_rate": 4.577777777777778e-05,
      "loss": 0.3943,
      "step": 528
    },
    {
      "epoch": 0.17633333333333334,
      "grad_norm": 1.6090394258499146,
      "learning_rate": 4.5759259259259264e-05,
      "loss": 0.3501,
      "step": 529
    },
    {
      "epoch": 0.17666666666666667,
      "grad_norm": 1.6718857288360596,
      "learning_rate": 4.5740740740740745e-05,
      "loss": 0.4241,
      "step": 530
    },
    {
      "epoch": 0.177,
      "grad_norm": 1.7291890382766724,
      "learning_rate": 4.572222222222222e-05,
      "loss": 0.4181,
      "step": 531
    },
    {
      "epoch": 0.17733333333333334,
      "grad_norm": 1.506325125694275,
      "learning_rate": 4.5703703703703706e-05,
      "loss": 0.3724,
      "step": 532
    },
    {
      "epoch": 0.17766666666666667,
      "grad_norm": 1.6740254163742065,
      "learning_rate": 4.568518518518519e-05,
      "loss": 0.4633,
      "step": 533
    },
    {
      "epoch": 0.178,
      "grad_norm": 1.4528924226760864,
      "learning_rate": 4.566666666666667e-05,
      "loss": 0.3473,
      "step": 534
    },
    {
      "epoch": 0.17833333333333334,
      "grad_norm": 1.6197060346603394,
      "learning_rate": 4.564814814814815e-05,
      "loss": 0.4072,
      "step": 535
    },
    {
      "epoch": 0.17866666666666667,
      "grad_norm": 1.7965662479400635,
      "learning_rate": 4.5629629629629636e-05,
      "loss": 0.4327,
      "step": 536
    },
    {
      "epoch": 0.179,
      "grad_norm": 1.403766393661499,
      "learning_rate": 4.561111111111112e-05,
      "loss": 0.3179,
      "step": 537
    },
    {
      "epoch": 0.17933333333333334,
      "grad_norm": 1.4845155477523804,
      "learning_rate": 4.559259259259259e-05,
      "loss": 0.391,
      "step": 538
    },
    {
      "epoch": 0.17966666666666667,
      "grad_norm": 1.5367820262908936,
      "learning_rate": 4.557407407407407e-05,
      "loss": 0.3359,
      "step": 539
    },
    {
      "epoch": 0.18,
      "grad_norm": 1.4138699769973755,
      "learning_rate": 4.555555555555556e-05,
      "loss": 0.3368,
      "step": 540
    },
    {
      "epoch": 0.18033333333333335,
      "grad_norm": 1.6389492750167847,
      "learning_rate": 4.553703703703704e-05,
      "loss": 0.3956,
      "step": 541
    },
    {
      "epoch": 0.18066666666666667,
      "grad_norm": 1.5073649883270264,
      "learning_rate": 4.551851851851852e-05,
      "loss": 0.4075,
      "step": 542
    },
    {
      "epoch": 0.181,
      "grad_norm": 1.344222068786621,
      "learning_rate": 4.55e-05,
      "loss": 0.3281,
      "step": 543
    },
    {
      "epoch": 0.18133333333333335,
      "grad_norm": 1.4959862232208252,
      "learning_rate": 4.548148148148149e-05,
      "loss": 0.3353,
      "step": 544
    },
    {
      "epoch": 0.18166666666666667,
      "grad_norm": 1.5007504224777222,
      "learning_rate": 4.546296296296296e-05,
      "loss": 0.4133,
      "step": 545
    },
    {
      "epoch": 0.182,
      "grad_norm": 1.6905388832092285,
      "learning_rate": 4.5444444444444444e-05,
      "loss": 0.4557,
      "step": 546
    },
    {
      "epoch": 0.18233333333333332,
      "grad_norm": 1.3356764316558838,
      "learning_rate": 4.5425925925925925e-05,
      "loss": 0.3737,
      "step": 547
    },
    {
      "epoch": 0.18266666666666667,
      "grad_norm": 1.8128896951675415,
      "learning_rate": 4.540740740740741e-05,
      "loss": 0.3902,
      "step": 548
    },
    {
      "epoch": 0.183,
      "grad_norm": 1.5806947946548462,
      "learning_rate": 4.538888888888889e-05,
      "loss": 0.3861,
      "step": 549
    },
    {
      "epoch": 0.18333333333333332,
      "grad_norm": 1.814087986946106,
      "learning_rate": 4.5370370370370374e-05,
      "loss": 0.4172,
      "step": 550
    },
    {
      "epoch": 0.18366666666666667,
      "grad_norm": 1.5783967971801758,
      "learning_rate": 4.5351851851851854e-05,
      "loss": 0.4304,
      "step": 551
    },
    {
      "epoch": 0.184,
      "grad_norm": 1.3484410047531128,
      "learning_rate": 4.5333333333333335e-05,
      "loss": 0.3362,
      "step": 552
    },
    {
      "epoch": 0.18433333333333332,
      "grad_norm": 2.0969557762145996,
      "learning_rate": 4.5314814814814816e-05,
      "loss": 0.4142,
      "step": 553
    },
    {
      "epoch": 0.18466666666666667,
      "grad_norm": 3.6122617721557617,
      "learning_rate": 4.52962962962963e-05,
      "loss": 0.2642,
      "step": 554
    },
    {
      "epoch": 0.185,
      "grad_norm": 1.289080262184143,
      "learning_rate": 4.527777777777778e-05,
      "loss": 0.3149,
      "step": 555
    },
    {
      "epoch": 0.18533333333333332,
      "grad_norm": 1.6373666524887085,
      "learning_rate": 4.5259259259259265e-05,
      "loss": 0.3945,
      "step": 556
    },
    {
      "epoch": 0.18566666666666667,
      "grad_norm": 1.1834471225738525,
      "learning_rate": 4.5240740740740746e-05,
      "loss": 0.3104,
      "step": 557
    },
    {
      "epoch": 0.186,
      "grad_norm": 1.290870189666748,
      "learning_rate": 4.522222222222223e-05,
      "loss": 0.371,
      "step": 558
    },
    {
      "epoch": 0.18633333333333332,
      "grad_norm": 1.371110200881958,
      "learning_rate": 4.52037037037037e-05,
      "loss": 0.3973,
      "step": 559
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 1.36427903175354,
      "learning_rate": 4.518518518518519e-05,
      "loss": 0.3147,
      "step": 560
    },
    {
      "epoch": 0.187,
      "grad_norm": 1.3381069898605347,
      "learning_rate": 4.516666666666667e-05,
      "loss": 0.3474,
      "step": 561
    },
    {
      "epoch": 0.18733333333333332,
      "grad_norm": 1.4656195640563965,
      "learning_rate": 4.514814814814815e-05,
      "loss": 0.4091,
      "step": 562
    },
    {
      "epoch": 0.18766666666666668,
      "grad_norm": 1.6770439147949219,
      "learning_rate": 4.512962962962963e-05,
      "loss": 0.2991,
      "step": 563
    },
    {
      "epoch": 0.188,
      "grad_norm": 1.3697926998138428,
      "learning_rate": 4.511111111111112e-05,
      "loss": 0.3267,
      "step": 564
    },
    {
      "epoch": 0.18833333333333332,
      "grad_norm": 1.4271165132522583,
      "learning_rate": 4.50925925925926e-05,
      "loss": 0.3689,
      "step": 565
    },
    {
      "epoch": 0.18866666666666668,
      "grad_norm": 1.3551369905471802,
      "learning_rate": 4.507407407407407e-05,
      "loss": 0.3604,
      "step": 566
    },
    {
      "epoch": 0.189,
      "grad_norm": 1.5275707244873047,
      "learning_rate": 4.5055555555555554e-05,
      "loss": 0.3704,
      "step": 567
    },
    {
      "epoch": 0.18933333333333333,
      "grad_norm": 1.5867068767547607,
      "learning_rate": 4.503703703703704e-05,
      "loss": 0.3803,
      "step": 568
    },
    {
      "epoch": 0.18966666666666668,
      "grad_norm": 1.7391343116760254,
      "learning_rate": 4.501851851851852e-05,
      "loss": 0.4101,
      "step": 569
    },
    {
      "epoch": 0.19,
      "grad_norm": 1.7914539575576782,
      "learning_rate": 4.5e-05,
      "loss": 0.4465,
      "step": 570
    },
    {
      "epoch": 0.19033333333333333,
      "grad_norm": 1.4277679920196533,
      "learning_rate": 4.4981481481481484e-05,
      "loss": 0.376,
      "step": 571
    },
    {
      "epoch": 0.19066666666666668,
      "grad_norm": 1.35780668258667,
      "learning_rate": 4.496296296296297e-05,
      "loss": 0.3722,
      "step": 572
    },
    {
      "epoch": 0.191,
      "grad_norm": 1.4040939807891846,
      "learning_rate": 4.4944444444444445e-05,
      "loss": 0.3845,
      "step": 573
    },
    {
      "epoch": 0.19133333333333333,
      "grad_norm": 1.620442271232605,
      "learning_rate": 4.4925925925925926e-05,
      "loss": 0.394,
      "step": 574
    },
    {
      "epoch": 0.19166666666666668,
      "grad_norm": 1.5137332677841187,
      "learning_rate": 4.490740740740741e-05,
      "loss": 0.4132,
      "step": 575
    },
    {
      "epoch": 0.192,
      "grad_norm": 1.3737564086914062,
      "learning_rate": 4.4888888888888894e-05,
      "loss": 0.3041,
      "step": 576
    },
    {
      "epoch": 0.19233333333333333,
      "grad_norm": 1.5032317638397217,
      "learning_rate": 4.4870370370370375e-05,
      "loss": 0.3448,
      "step": 577
    },
    {
      "epoch": 0.19266666666666668,
      "grad_norm": 1.415264368057251,
      "learning_rate": 4.4851851851851856e-05,
      "loss": 0.3625,
      "step": 578
    },
    {
      "epoch": 0.193,
      "grad_norm": 1.4844282865524292,
      "learning_rate": 4.483333333333333e-05,
      "loss": 0.3893,
      "step": 579
    },
    {
      "epoch": 0.19333333333333333,
      "grad_norm": 1.3375792503356934,
      "learning_rate": 4.481481481481482e-05,
      "loss": 0.279,
      "step": 580
    },
    {
      "epoch": 0.19366666666666665,
      "grad_norm": 1.514036774635315,
      "learning_rate": 4.47962962962963e-05,
      "loss": 0.3956,
      "step": 581
    },
    {
      "epoch": 0.194,
      "grad_norm": 1.3582748174667358,
      "learning_rate": 4.477777777777778e-05,
      "loss": 0.3355,
      "step": 582
    },
    {
      "epoch": 0.19433333333333333,
      "grad_norm": 1.6228889226913452,
      "learning_rate": 4.475925925925926e-05,
      "loss": 0.3537,
      "step": 583
    },
    {
      "epoch": 0.19466666666666665,
      "grad_norm": 1.5080145597457886,
      "learning_rate": 4.474074074074075e-05,
      "loss": 0.4108,
      "step": 584
    },
    {
      "epoch": 0.195,
      "grad_norm": 1.4736909866333008,
      "learning_rate": 4.472222222222223e-05,
      "loss": 0.3178,
      "step": 585
    },
    {
      "epoch": 0.19533333333333333,
      "grad_norm": 1.4306914806365967,
      "learning_rate": 4.47037037037037e-05,
      "loss": 0.3304,
      "step": 586
    },
    {
      "epoch": 0.19566666666666666,
      "grad_norm": 1.4883320331573486,
      "learning_rate": 4.468518518518518e-05,
      "loss": 0.4074,
      "step": 587
    },
    {
      "epoch": 0.196,
      "grad_norm": 1.4108233451843262,
      "learning_rate": 4.466666666666667e-05,
      "loss": 0.3267,
      "step": 588
    },
    {
      "epoch": 0.19633333333333333,
      "grad_norm": 2.0411906242370605,
      "learning_rate": 4.464814814814815e-05,
      "loss": 0.4153,
      "step": 589
    },
    {
      "epoch": 0.19666666666666666,
      "grad_norm": 1.8355998992919922,
      "learning_rate": 4.462962962962963e-05,
      "loss": 0.3402,
      "step": 590
    },
    {
      "epoch": 0.197,
      "grad_norm": 1.458619475364685,
      "learning_rate": 4.461111111111111e-05,
      "loss": 0.4166,
      "step": 591
    },
    {
      "epoch": 0.19733333333333333,
      "grad_norm": 1.4741239547729492,
      "learning_rate": 4.4592592592592594e-05,
      "loss": 0.3389,
      "step": 592
    },
    {
      "epoch": 0.19766666666666666,
      "grad_norm": 1.6767423152923584,
      "learning_rate": 4.4574074074074074e-05,
      "loss": 0.3909,
      "step": 593
    },
    {
      "epoch": 0.198,
      "grad_norm": 1.665139079093933,
      "learning_rate": 4.4555555555555555e-05,
      "loss": 0.3458,
      "step": 594
    },
    {
      "epoch": 0.19833333333333333,
      "grad_norm": 1.4744354486465454,
      "learning_rate": 4.4537037037037036e-05,
      "loss": 0.3492,
      "step": 595
    },
    {
      "epoch": 0.19866666666666666,
      "grad_norm": 1.5642839670181274,
      "learning_rate": 4.4518518518518523e-05,
      "loss": 0.3446,
      "step": 596
    },
    {
      "epoch": 0.199,
      "grad_norm": 1.3232685327529907,
      "learning_rate": 4.4500000000000004e-05,
      "loss": 0.3315,
      "step": 597
    },
    {
      "epoch": 0.19933333333333333,
      "grad_norm": 1.5989969968795776,
      "learning_rate": 4.4481481481481485e-05,
      "loss": 0.328,
      "step": 598
    },
    {
      "epoch": 0.19966666666666666,
      "grad_norm": 1.5295178890228271,
      "learning_rate": 4.4462962962962966e-05,
      "loss": 0.3927,
      "step": 599
    },
    {
      "epoch": 0.2,
      "grad_norm": 1.6364021301269531,
      "learning_rate": 4.4444444444444447e-05,
      "loss": 0.4419,
      "step": 600
    },
    {
      "epoch": 0.20033333333333334,
      "grad_norm": 1.3658100366592407,
      "learning_rate": 4.442592592592593e-05,
      "loss": 0.3703,
      "step": 601
    },
    {
      "epoch": 0.20066666666666666,
      "grad_norm": 1.45023512840271,
      "learning_rate": 4.440740740740741e-05,
      "loss": 0.3768,
      "step": 602
    },
    {
      "epoch": 0.201,
      "grad_norm": 1.24233877658844,
      "learning_rate": 4.438888888888889e-05,
      "loss": 0.2976,
      "step": 603
    },
    {
      "epoch": 0.20133333333333334,
      "grad_norm": 1.4358621835708618,
      "learning_rate": 4.4370370370370376e-05,
      "loss": 0.3407,
      "step": 604
    },
    {
      "epoch": 0.20166666666666666,
      "grad_norm": 1.2155948877334595,
      "learning_rate": 4.435185185185186e-05,
      "loss": 0.3248,
      "step": 605
    },
    {
      "epoch": 0.202,
      "grad_norm": 1.52995765209198,
      "learning_rate": 4.433333333333334e-05,
      "loss": 0.383,
      "step": 606
    },
    {
      "epoch": 0.20233333333333334,
      "grad_norm": 1.781554937362671,
      "learning_rate": 4.431481481481481e-05,
      "loss": 0.4049,
      "step": 607
    },
    {
      "epoch": 0.20266666666666666,
      "grad_norm": 1.6566193103790283,
      "learning_rate": 4.42962962962963e-05,
      "loss": 0.4091,
      "step": 608
    },
    {
      "epoch": 0.203,
      "grad_norm": 1.609633445739746,
      "learning_rate": 4.427777777777778e-05,
      "loss": 0.3276,
      "step": 609
    },
    {
      "epoch": 0.20333333333333334,
      "grad_norm": 2.1290884017944336,
      "learning_rate": 4.425925925925926e-05,
      "loss": 0.3703,
      "step": 610
    },
    {
      "epoch": 0.20366666666666666,
      "grad_norm": 1.4883259534835815,
      "learning_rate": 4.424074074074074e-05,
      "loss": 0.3417,
      "step": 611
    },
    {
      "epoch": 0.204,
      "grad_norm": 1.6269731521606445,
      "learning_rate": 4.422222222222222e-05,
      "loss": 0.4931,
      "step": 612
    },
    {
      "epoch": 0.20433333333333334,
      "grad_norm": 1.2305165529251099,
      "learning_rate": 4.420370370370371e-05,
      "loss": 0.3454,
      "step": 613
    },
    {
      "epoch": 0.20466666666666666,
      "grad_norm": 1.3280975818634033,
      "learning_rate": 4.4185185185185184e-05,
      "loss": 0.3098,
      "step": 614
    },
    {
      "epoch": 0.205,
      "grad_norm": 1.6180787086486816,
      "learning_rate": 4.4166666666666665e-05,
      "loss": 0.3854,
      "step": 615
    },
    {
      "epoch": 0.20533333333333334,
      "grad_norm": 1.2871187925338745,
      "learning_rate": 4.414814814814815e-05,
      "loss": 0.3057,
      "step": 616
    },
    {
      "epoch": 0.20566666666666666,
      "grad_norm": 1.5202758312225342,
      "learning_rate": 4.4129629629629633e-05,
      "loss": 0.3825,
      "step": 617
    },
    {
      "epoch": 0.206,
      "grad_norm": 1.2970737218856812,
      "learning_rate": 4.4111111111111114e-05,
      "loss": 0.2642,
      "step": 618
    },
    {
      "epoch": 0.20633333333333334,
      "grad_norm": 1.381256341934204,
      "learning_rate": 4.4092592592592595e-05,
      "loss": 0.3454,
      "step": 619
    },
    {
      "epoch": 0.20666666666666667,
      "grad_norm": 1.5311311483383179,
      "learning_rate": 4.4074074074074076e-05,
      "loss": 0.3699,
      "step": 620
    },
    {
      "epoch": 0.207,
      "grad_norm": 1.3776994943618774,
      "learning_rate": 4.4055555555555557e-05,
      "loss": 0.3086,
      "step": 621
    },
    {
      "epoch": 0.20733333333333334,
      "grad_norm": 1.3250863552093506,
      "learning_rate": 4.403703703703704e-05,
      "loss": 0.3627,
      "step": 622
    },
    {
      "epoch": 0.20766666666666667,
      "grad_norm": 1.248021125793457,
      "learning_rate": 4.401851851851852e-05,
      "loss": 0.343,
      "step": 623
    },
    {
      "epoch": 0.208,
      "grad_norm": 1.4723520278930664,
      "learning_rate": 4.4000000000000006e-05,
      "loss": 0.336,
      "step": 624
    },
    {
      "epoch": 0.20833333333333334,
      "grad_norm": 1.3077497482299805,
      "learning_rate": 4.3981481481481486e-05,
      "loss": 0.3276,
      "step": 625
    },
    {
      "epoch": 0.20866666666666667,
      "grad_norm": 1.5073587894439697,
      "learning_rate": 4.396296296296297e-05,
      "loss": 0.3799,
      "step": 626
    },
    {
      "epoch": 0.209,
      "grad_norm": 1.3228164911270142,
      "learning_rate": 4.394444444444445e-05,
      "loss": 0.3856,
      "step": 627
    },
    {
      "epoch": 0.20933333333333334,
      "grad_norm": 1.4944725036621094,
      "learning_rate": 4.392592592592593e-05,
      "loss": 0.419,
      "step": 628
    },
    {
      "epoch": 0.20966666666666667,
      "grad_norm": 1.1977301836013794,
      "learning_rate": 4.390740740740741e-05,
      "loss": 0.2991,
      "step": 629
    },
    {
      "epoch": 0.21,
      "grad_norm": 1.3055118322372437,
      "learning_rate": 4.388888888888889e-05,
      "loss": 0.3119,
      "step": 630
    },
    {
      "epoch": 0.21033333333333334,
      "grad_norm": 1.2189877033233643,
      "learning_rate": 4.387037037037037e-05,
      "loss": 0.2759,
      "step": 631
    },
    {
      "epoch": 0.21066666666666667,
      "grad_norm": 1.5441529750823975,
      "learning_rate": 4.385185185185185e-05,
      "loss": 0.4359,
      "step": 632
    },
    {
      "epoch": 0.211,
      "grad_norm": 1.2876906394958496,
      "learning_rate": 4.383333333333334e-05,
      "loss": 0.3284,
      "step": 633
    },
    {
      "epoch": 0.21133333333333335,
      "grad_norm": 1.434372067451477,
      "learning_rate": 4.381481481481482e-05,
      "loss": 0.3375,
      "step": 634
    },
    {
      "epoch": 0.21166666666666667,
      "grad_norm": 1.7254409790039062,
      "learning_rate": 4.3796296296296294e-05,
      "loss": 0.3896,
      "step": 635
    },
    {
      "epoch": 0.212,
      "grad_norm": 1.5128728151321411,
      "learning_rate": 4.377777777777778e-05,
      "loss": 0.3626,
      "step": 636
    },
    {
      "epoch": 0.21233333333333335,
      "grad_norm": 1.5368988513946533,
      "learning_rate": 4.375925925925926e-05,
      "loss": 0.4239,
      "step": 637
    },
    {
      "epoch": 0.21266666666666667,
      "grad_norm": 1.424720048904419,
      "learning_rate": 4.374074074074074e-05,
      "loss": 0.3389,
      "step": 638
    },
    {
      "epoch": 0.213,
      "grad_norm": 1.552229881286621,
      "learning_rate": 4.3722222222222224e-05,
      "loss": 0.3948,
      "step": 639
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 1.3225212097167969,
      "learning_rate": 4.3703703703703705e-05,
      "loss": 0.3229,
      "step": 640
    },
    {
      "epoch": 0.21366666666666667,
      "grad_norm": 1.5340272188186646,
      "learning_rate": 4.3685185185185186e-05,
      "loss": 0.353,
      "step": 641
    },
    {
      "epoch": 0.214,
      "grad_norm": 1.5016579627990723,
      "learning_rate": 4.3666666666666666e-05,
      "loss": 0.3796,
      "step": 642
    },
    {
      "epoch": 0.21433333333333332,
      "grad_norm": 1.4141838550567627,
      "learning_rate": 4.364814814814815e-05,
      "loss": 0.3579,
      "step": 643
    },
    {
      "epoch": 0.21466666666666667,
      "grad_norm": 1.5683951377868652,
      "learning_rate": 4.3629629629629635e-05,
      "loss": 0.3968,
      "step": 644
    },
    {
      "epoch": 0.215,
      "grad_norm": 1.6390215158462524,
      "learning_rate": 4.3611111111111116e-05,
      "loss": 0.3948,
      "step": 645
    },
    {
      "epoch": 0.21533333333333332,
      "grad_norm": 1.4215831756591797,
      "learning_rate": 4.3592592592592596e-05,
      "loss": 0.3268,
      "step": 646
    },
    {
      "epoch": 0.21566666666666667,
      "grad_norm": 1.5521069765090942,
      "learning_rate": 4.357407407407408e-05,
      "loss": 0.37,
      "step": 647
    },
    {
      "epoch": 0.216,
      "grad_norm": 1.6645965576171875,
      "learning_rate": 4.355555555555556e-05,
      "loss": 0.3604,
      "step": 648
    },
    {
      "epoch": 0.21633333333333332,
      "grad_norm": 2.1203622817993164,
      "learning_rate": 4.353703703703704e-05,
      "loss": 0.2886,
      "step": 649
    },
    {
      "epoch": 0.21666666666666667,
      "grad_norm": 1.6731735467910767,
      "learning_rate": 4.351851851851852e-05,
      "loss": 0.4659,
      "step": 650
    },
    {
      "epoch": 0.217,
      "grad_norm": 1.7265139818191528,
      "learning_rate": 4.35e-05,
      "loss": 0.4333,
      "step": 651
    },
    {
      "epoch": 0.21733333333333332,
      "grad_norm": 1.688616156578064,
      "learning_rate": 4.348148148148148e-05,
      "loss": 0.4951,
      "step": 652
    },
    {
      "epoch": 0.21766666666666667,
      "grad_norm": 1.463356375694275,
      "learning_rate": 4.346296296296297e-05,
      "loss": 0.4063,
      "step": 653
    },
    {
      "epoch": 0.218,
      "grad_norm": 1.7236669063568115,
      "learning_rate": 4.344444444444445e-05,
      "loss": 0.361,
      "step": 654
    },
    {
      "epoch": 0.21833333333333332,
      "grad_norm": 1.686489462852478,
      "learning_rate": 4.342592592592592e-05,
      "loss": 0.3861,
      "step": 655
    },
    {
      "epoch": 0.21866666666666668,
      "grad_norm": 1.5238269567489624,
      "learning_rate": 4.340740740740741e-05,
      "loss": 0.4135,
      "step": 656
    },
    {
      "epoch": 0.219,
      "grad_norm": 1.6874879598617554,
      "learning_rate": 4.338888888888889e-05,
      "loss": 0.3647,
      "step": 657
    },
    {
      "epoch": 0.21933333333333332,
      "grad_norm": 2.1948039531707764,
      "learning_rate": 4.337037037037037e-05,
      "loss": 0.5016,
      "step": 658
    },
    {
      "epoch": 0.21966666666666668,
      "grad_norm": 1.5895353555679321,
      "learning_rate": 4.335185185185185e-05,
      "loss": 0.446,
      "step": 659
    },
    {
      "epoch": 0.22,
      "grad_norm": 1.27193284034729,
      "learning_rate": 4.3333333333333334e-05,
      "loss": 0.3792,
      "step": 660
    },
    {
      "epoch": 0.22033333333333333,
      "grad_norm": 1.3627662658691406,
      "learning_rate": 4.331481481481482e-05,
      "loss": 0.3545,
      "step": 661
    },
    {
      "epoch": 0.22066666666666668,
      "grad_norm": 1.4695639610290527,
      "learning_rate": 4.3296296296296296e-05,
      "loss": 0.3532,
      "step": 662
    },
    {
      "epoch": 0.221,
      "grad_norm": 1.4878876209259033,
      "learning_rate": 4.3277777777777776e-05,
      "loss": 0.3545,
      "step": 663
    },
    {
      "epoch": 0.22133333333333333,
      "grad_norm": 3.1272101402282715,
      "learning_rate": 4.325925925925926e-05,
      "loss": 0.4299,
      "step": 664
    },
    {
      "epoch": 0.22166666666666668,
      "grad_norm": 1.2898375988006592,
      "learning_rate": 4.3240740740740745e-05,
      "loss": 0.3351,
      "step": 665
    },
    {
      "epoch": 0.222,
      "grad_norm": 1.2541146278381348,
      "learning_rate": 4.3222222222222226e-05,
      "loss": 0.3142,
      "step": 666
    },
    {
      "epoch": 0.22233333333333333,
      "grad_norm": 1.3727818727493286,
      "learning_rate": 4.3203703703703706e-05,
      "loss": 0.3085,
      "step": 667
    },
    {
      "epoch": 0.22266666666666668,
      "grad_norm": 1.27913236618042,
      "learning_rate": 4.318518518518519e-05,
      "loss": 0.309,
      "step": 668
    },
    {
      "epoch": 0.223,
      "grad_norm": 2.137416124343872,
      "learning_rate": 4.316666666666667e-05,
      "loss": 0.4128,
      "step": 669
    },
    {
      "epoch": 0.22333333333333333,
      "grad_norm": 1.9899588823318481,
      "learning_rate": 4.314814814814815e-05,
      "loss": 0.4631,
      "step": 670
    },
    {
      "epoch": 0.22366666666666668,
      "grad_norm": 1.641781210899353,
      "learning_rate": 4.312962962962963e-05,
      "loss": 0.3815,
      "step": 671
    },
    {
      "epoch": 0.224,
      "grad_norm": 1.4118577241897583,
      "learning_rate": 4.311111111111111e-05,
      "loss": 0.3724,
      "step": 672
    },
    {
      "epoch": 0.22433333333333333,
      "grad_norm": 1.9290391206741333,
      "learning_rate": 4.30925925925926e-05,
      "loss": 0.389,
      "step": 673
    },
    {
      "epoch": 0.22466666666666665,
      "grad_norm": 1.6977159976959229,
      "learning_rate": 4.307407407407408e-05,
      "loss": 0.3942,
      "step": 674
    },
    {
      "epoch": 0.225,
      "grad_norm": 1.6948448419570923,
      "learning_rate": 4.305555555555556e-05,
      "loss": 0.4398,
      "step": 675
    },
    {
      "epoch": 0.22533333333333333,
      "grad_norm": 1.4764955043792725,
      "learning_rate": 4.303703703703704e-05,
      "loss": 0.355,
      "step": 676
    },
    {
      "epoch": 0.22566666666666665,
      "grad_norm": 1.4608086347579956,
      "learning_rate": 4.301851851851852e-05,
      "loss": 0.3243,
      "step": 677
    },
    {
      "epoch": 0.226,
      "grad_norm": 1.37698495388031,
      "learning_rate": 4.3e-05,
      "loss": 0.3181,
      "step": 678
    },
    {
      "epoch": 0.22633333333333333,
      "grad_norm": 1.5875524282455444,
      "learning_rate": 4.298148148148148e-05,
      "loss": 0.3883,
      "step": 679
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 1.4747446775436401,
      "learning_rate": 4.296296296296296e-05,
      "loss": 0.3369,
      "step": 680
    },
    {
      "epoch": 0.227,
      "grad_norm": 1.5260282754898071,
      "learning_rate": 4.294444444444445e-05,
      "loss": 0.3964,
      "step": 681
    },
    {
      "epoch": 0.22733333333333333,
      "grad_norm": 1.233856201171875,
      "learning_rate": 4.292592592592593e-05,
      "loss": 0.3045,
      "step": 682
    },
    {
      "epoch": 0.22766666666666666,
      "grad_norm": 1.457231044769287,
      "learning_rate": 4.2907407407407406e-05,
      "loss": 0.3105,
      "step": 683
    },
    {
      "epoch": 0.228,
      "grad_norm": 1.7392462491989136,
      "learning_rate": 4.2888888888888886e-05,
      "loss": 0.4476,
      "step": 684
    },
    {
      "epoch": 0.22833333333333333,
      "grad_norm": 1.24375581741333,
      "learning_rate": 4.2870370370370374e-05,
      "loss": 0.299,
      "step": 685
    },
    {
      "epoch": 0.22866666666666666,
      "grad_norm": 1.4087038040161133,
      "learning_rate": 4.2851851851851855e-05,
      "loss": 0.3275,
      "step": 686
    },
    {
      "epoch": 0.229,
      "grad_norm": 1.363183617591858,
      "learning_rate": 4.2833333333333335e-05,
      "loss": 0.3409,
      "step": 687
    },
    {
      "epoch": 0.22933333333333333,
      "grad_norm": 1.5464953184127808,
      "learning_rate": 4.2814814814814816e-05,
      "loss": 0.4566,
      "step": 688
    },
    {
      "epoch": 0.22966666666666666,
      "grad_norm": 1.367520809173584,
      "learning_rate": 4.2796296296296304e-05,
      "loss": 0.3163,
      "step": 689
    },
    {
      "epoch": 0.23,
      "grad_norm": 1.3377315998077393,
      "learning_rate": 4.277777777777778e-05,
      "loss": 0.3323,
      "step": 690
    },
    {
      "epoch": 0.23033333333333333,
      "grad_norm": 1.4911507368087769,
      "learning_rate": 4.275925925925926e-05,
      "loss": 0.4372,
      "step": 691
    },
    {
      "epoch": 0.23066666666666666,
      "grad_norm": 1.4127525091171265,
      "learning_rate": 4.274074074074074e-05,
      "loss": 0.3921,
      "step": 692
    },
    {
      "epoch": 0.231,
      "grad_norm": 1.4434276819229126,
      "learning_rate": 4.272222222222223e-05,
      "loss": 0.3533,
      "step": 693
    },
    {
      "epoch": 0.23133333333333334,
      "grad_norm": 1.6668140888214111,
      "learning_rate": 4.270370370370371e-05,
      "loss": 0.415,
      "step": 694
    },
    {
      "epoch": 0.23166666666666666,
      "grad_norm": 1.5912481546401978,
      "learning_rate": 4.268518518518519e-05,
      "loss": 0.4325,
      "step": 695
    },
    {
      "epoch": 0.232,
      "grad_norm": 1.3702155351638794,
      "learning_rate": 4.266666666666667e-05,
      "loss": 0.3341,
      "step": 696
    },
    {
      "epoch": 0.23233333333333334,
      "grad_norm": 1.495927333831787,
      "learning_rate": 4.264814814814815e-05,
      "loss": 0.3677,
      "step": 697
    },
    {
      "epoch": 0.23266666666666666,
      "grad_norm": 1.3089903593063354,
      "learning_rate": 4.262962962962963e-05,
      "loss": 0.3699,
      "step": 698
    },
    {
      "epoch": 0.233,
      "grad_norm": 1.5037627220153809,
      "learning_rate": 4.261111111111111e-05,
      "loss": 0.366,
      "step": 699
    },
    {
      "epoch": 0.23333333333333334,
      "grad_norm": 1.8529783487319946,
      "learning_rate": 4.259259259259259e-05,
      "loss": 0.383,
      "step": 700
    },
    {
      "epoch": 0.23366666666666666,
      "grad_norm": 1.354643702507019,
      "learning_rate": 4.257407407407408e-05,
      "loss": 0.327,
      "step": 701
    },
    {
      "epoch": 0.234,
      "grad_norm": 1.459773063659668,
      "learning_rate": 4.255555555555556e-05,
      "loss": 0.4143,
      "step": 702
    },
    {
      "epoch": 0.23433333333333334,
      "grad_norm": 1.311944603919983,
      "learning_rate": 4.2537037037037035e-05,
      "loss": 0.3305,
      "step": 703
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 1.5787670612335205,
      "learning_rate": 4.2518518518518515e-05,
      "loss": 0.3847,
      "step": 704
    },
    {
      "epoch": 0.235,
      "grad_norm": 1.3665950298309326,
      "learning_rate": 4.25e-05,
      "loss": 0.3096,
      "step": 705
    },
    {
      "epoch": 0.23533333333333334,
      "grad_norm": 1.4410815238952637,
      "learning_rate": 4.2481481481481484e-05,
      "loss": 0.3479,
      "step": 706
    },
    {
      "epoch": 0.23566666666666666,
      "grad_norm": 1.341604471206665,
      "learning_rate": 4.2462962962962965e-05,
      "loss": 0.3382,
      "step": 707
    },
    {
      "epoch": 0.236,
      "grad_norm": 1.330906867980957,
      "learning_rate": 4.2444444444444445e-05,
      "loss": 0.3712,
      "step": 708
    },
    {
      "epoch": 0.23633333333333334,
      "grad_norm": 1.7482727766036987,
      "learning_rate": 4.242592592592593e-05,
      "loss": 0.3968,
      "step": 709
    },
    {
      "epoch": 0.23666666666666666,
      "grad_norm": 1.3532570600509644,
      "learning_rate": 4.240740740740741e-05,
      "loss": 0.3501,
      "step": 710
    },
    {
      "epoch": 0.237,
      "grad_norm": 1.3667083978652954,
      "learning_rate": 4.238888888888889e-05,
      "loss": 0.3082,
      "step": 711
    },
    {
      "epoch": 0.23733333333333334,
      "grad_norm": 1.3330355882644653,
      "learning_rate": 4.237037037037037e-05,
      "loss": 0.3146,
      "step": 712
    },
    {
      "epoch": 0.23766666666666666,
      "grad_norm": 1.444445013999939,
      "learning_rate": 4.2351851851851856e-05,
      "loss": 0.3238,
      "step": 713
    },
    {
      "epoch": 0.238,
      "grad_norm": 1.5447372198104858,
      "learning_rate": 4.233333333333334e-05,
      "loss": 0.3801,
      "step": 714
    },
    {
      "epoch": 0.23833333333333334,
      "grad_norm": 5.3352766036987305,
      "learning_rate": 4.231481481481482e-05,
      "loss": 0.3106,
      "step": 715
    },
    {
      "epoch": 0.23866666666666667,
      "grad_norm": 1.4652068614959717,
      "learning_rate": 4.22962962962963e-05,
      "loss": 0.4253,
      "step": 716
    },
    {
      "epoch": 0.239,
      "grad_norm": 1.372683048248291,
      "learning_rate": 4.227777777777778e-05,
      "loss": 0.341,
      "step": 717
    },
    {
      "epoch": 0.23933333333333334,
      "grad_norm": 1.4031468629837036,
      "learning_rate": 4.225925925925926e-05,
      "loss": 0.3569,
      "step": 718
    },
    {
      "epoch": 0.23966666666666667,
      "grad_norm": 1.560187578201294,
      "learning_rate": 4.224074074074074e-05,
      "loss": 0.4454,
      "step": 719
    },
    {
      "epoch": 0.24,
      "grad_norm": 1.2413548231124878,
      "learning_rate": 4.222222222222222e-05,
      "loss": 0.2795,
      "step": 720
    },
    {
      "epoch": 0.24033333333333334,
      "grad_norm": 1.4622594118118286,
      "learning_rate": 4.220370370370371e-05,
      "loss": 0.3461,
      "step": 721
    },
    {
      "epoch": 0.24066666666666667,
      "grad_norm": 1.2350109815597534,
      "learning_rate": 4.218518518518519e-05,
      "loss": 0.2967,
      "step": 722
    },
    {
      "epoch": 0.241,
      "grad_norm": 1.4473148584365845,
      "learning_rate": 4.216666666666667e-05,
      "loss": 0.3649,
      "step": 723
    },
    {
      "epoch": 0.24133333333333334,
      "grad_norm": 1.241361141204834,
      "learning_rate": 4.2148148148148145e-05,
      "loss": 0.3009,
      "step": 724
    },
    {
      "epoch": 0.24166666666666667,
      "grad_norm": 1.592885971069336,
      "learning_rate": 4.212962962962963e-05,
      "loss": 0.5231,
      "step": 725
    },
    {
      "epoch": 0.242,
      "grad_norm": 1.7029653787612915,
      "learning_rate": 4.211111111111111e-05,
      "loss": 0.4607,
      "step": 726
    },
    {
      "epoch": 0.24233333333333335,
      "grad_norm": 1.3143640756607056,
      "learning_rate": 4.2092592592592594e-05,
      "loss": 0.3629,
      "step": 727
    },
    {
      "epoch": 0.24266666666666667,
      "grad_norm": 1.3931041955947876,
      "learning_rate": 4.2074074074074075e-05,
      "loss": 0.3732,
      "step": 728
    },
    {
      "epoch": 0.243,
      "grad_norm": 1.9713157415390015,
      "learning_rate": 4.205555555555556e-05,
      "loss": 0.3102,
      "step": 729
    },
    {
      "epoch": 0.24333333333333335,
      "grad_norm": 1.3356719017028809,
      "learning_rate": 4.203703703703704e-05,
      "loss": 0.3662,
      "step": 730
    },
    {
      "epoch": 0.24366666666666667,
      "grad_norm": 1.1621766090393066,
      "learning_rate": 4.201851851851852e-05,
      "loss": 0.2984,
      "step": 731
    },
    {
      "epoch": 0.244,
      "grad_norm": 1.4896650314331055,
      "learning_rate": 4.2e-05,
      "loss": 0.3934,
      "step": 732
    },
    {
      "epoch": 0.24433333333333335,
      "grad_norm": 1.5026004314422607,
      "learning_rate": 4.1981481481481485e-05,
      "loss": 0.3615,
      "step": 733
    },
    {
      "epoch": 0.24466666666666667,
      "grad_norm": 1.551168441772461,
      "learning_rate": 4.1962962962962966e-05,
      "loss": 0.4221,
      "step": 734
    },
    {
      "epoch": 0.245,
      "grad_norm": 1.2471182346343994,
      "learning_rate": 4.194444444444445e-05,
      "loss": 0.3377,
      "step": 735
    },
    {
      "epoch": 0.24533333333333332,
      "grad_norm": 1.4817787408828735,
      "learning_rate": 4.192592592592593e-05,
      "loss": 0.4391,
      "step": 736
    },
    {
      "epoch": 0.24566666666666667,
      "grad_norm": 2.5760746002197266,
      "learning_rate": 4.1907407407407415e-05,
      "loss": 0.3658,
      "step": 737
    },
    {
      "epoch": 0.246,
      "grad_norm": 1.2824112176895142,
      "learning_rate": 4.188888888888889e-05,
      "loss": 0.3386,
      "step": 738
    },
    {
      "epoch": 0.24633333333333332,
      "grad_norm": 1.3398665189743042,
      "learning_rate": 4.187037037037037e-05,
      "loss": 0.3355,
      "step": 739
    },
    {
      "epoch": 0.24666666666666667,
      "grad_norm": 2.7086310386657715,
      "learning_rate": 4.185185185185185e-05,
      "loss": 0.3924,
      "step": 740
    },
    {
      "epoch": 0.247,
      "grad_norm": 1.4166991710662842,
      "learning_rate": 4.183333333333334e-05,
      "loss": 0.3762,
      "step": 741
    },
    {
      "epoch": 0.24733333333333332,
      "grad_norm": 1.431833028793335,
      "learning_rate": 4.181481481481482e-05,
      "loss": 0.3361,
      "step": 742
    },
    {
      "epoch": 0.24766666666666667,
      "grad_norm": 1.174967885017395,
      "learning_rate": 4.17962962962963e-05,
      "loss": 0.3243,
      "step": 743
    },
    {
      "epoch": 0.248,
      "grad_norm": 1.613420844078064,
      "learning_rate": 4.177777777777778e-05,
      "loss": 0.408,
      "step": 744
    },
    {
      "epoch": 0.24833333333333332,
      "grad_norm": 1.5392343997955322,
      "learning_rate": 4.175925925925926e-05,
      "loss": 0.3402,
      "step": 745
    },
    {
      "epoch": 0.24866666666666667,
      "grad_norm": 1.2540733814239502,
      "learning_rate": 4.174074074074074e-05,
      "loss": 0.3011,
      "step": 746
    },
    {
      "epoch": 0.249,
      "grad_norm": 1.4702844619750977,
      "learning_rate": 4.172222222222222e-05,
      "loss": 0.3892,
      "step": 747
    },
    {
      "epoch": 0.24933333333333332,
      "grad_norm": 1.2698496580123901,
      "learning_rate": 4.1703703703703704e-05,
      "loss": 0.3453,
      "step": 748
    },
    {
      "epoch": 0.24966666666666668,
      "grad_norm": 1.626663327217102,
      "learning_rate": 4.168518518518519e-05,
      "loss": 0.4104,
      "step": 749
    },
    {
      "epoch": 0.25,
      "grad_norm": 1.4430832862854004,
      "learning_rate": 4.166666666666667e-05,
      "loss": 0.36,
      "step": 750
    },
    {
      "epoch": 0.25033333333333335,
      "grad_norm": 1.447880506515503,
      "learning_rate": 4.164814814814815e-05,
      "loss": 0.3233,
      "step": 751
    },
    {
      "epoch": 0.25066666666666665,
      "grad_norm": 1.1898837089538574,
      "learning_rate": 4.162962962962963e-05,
      "loss": 0.2602,
      "step": 752
    },
    {
      "epoch": 0.251,
      "grad_norm": 1.1591498851776123,
      "learning_rate": 4.1611111111111114e-05,
      "loss": 0.281,
      "step": 753
    },
    {
      "epoch": 0.25133333333333335,
      "grad_norm": 1.4322726726531982,
      "learning_rate": 4.1592592592592595e-05,
      "loss": 0.3518,
      "step": 754
    },
    {
      "epoch": 0.25166666666666665,
      "grad_norm": 1.4136521816253662,
      "learning_rate": 4.1574074074074076e-05,
      "loss": 0.315,
      "step": 755
    },
    {
      "epoch": 0.252,
      "grad_norm": 1.5453389883041382,
      "learning_rate": 4.155555555555556e-05,
      "loss": 0.3868,
      "step": 756
    },
    {
      "epoch": 0.25233333333333335,
      "grad_norm": 1.3190627098083496,
      "learning_rate": 4.1537037037037044e-05,
      "loss": 0.3316,
      "step": 757
    },
    {
      "epoch": 0.25266666666666665,
      "grad_norm": 2.359557628631592,
      "learning_rate": 4.1518518518518525e-05,
      "loss": 0.3961,
      "step": 758
    },
    {
      "epoch": 0.253,
      "grad_norm": 1.434320092201233,
      "learning_rate": 4.15e-05,
      "loss": 0.3363,
      "step": 759
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 1.565841794013977,
      "learning_rate": 4.148148148148148e-05,
      "loss": 0.3125,
      "step": 760
    },
    {
      "epoch": 0.25366666666666665,
      "grad_norm": 1.6295406818389893,
      "learning_rate": 4.146296296296297e-05,
      "loss": 0.3873,
      "step": 761
    },
    {
      "epoch": 0.254,
      "grad_norm": 1.608017086982727,
      "learning_rate": 4.144444444444445e-05,
      "loss": 0.3,
      "step": 762
    },
    {
      "epoch": 0.25433333333333336,
      "grad_norm": 1.3441147804260254,
      "learning_rate": 4.142592592592593e-05,
      "loss": 0.3284,
      "step": 763
    },
    {
      "epoch": 0.25466666666666665,
      "grad_norm": 1.3225023746490479,
      "learning_rate": 4.140740740740741e-05,
      "loss": 0.3153,
      "step": 764
    },
    {
      "epoch": 0.255,
      "grad_norm": 1.2415051460266113,
      "learning_rate": 4.138888888888889e-05,
      "loss": 0.3073,
      "step": 765
    },
    {
      "epoch": 0.25533333333333336,
      "grad_norm": 1.602225422859192,
      "learning_rate": 4.137037037037037e-05,
      "loss": 0.3702,
      "step": 766
    },
    {
      "epoch": 0.25566666666666665,
      "grad_norm": 1.104784369468689,
      "learning_rate": 4.135185185185185e-05,
      "loss": 0.2982,
      "step": 767
    },
    {
      "epoch": 0.256,
      "grad_norm": 1.3152776956558228,
      "learning_rate": 4.133333333333333e-05,
      "loss": 0.3094,
      "step": 768
    },
    {
      "epoch": 0.25633333333333336,
      "grad_norm": 1.5492266416549683,
      "learning_rate": 4.131481481481482e-05,
      "loss": 0.3501,
      "step": 769
    },
    {
      "epoch": 0.25666666666666665,
      "grad_norm": 1.6950374841690063,
      "learning_rate": 4.12962962962963e-05,
      "loss": 0.3718,
      "step": 770
    },
    {
      "epoch": 0.257,
      "grad_norm": 1.4196640253067017,
      "learning_rate": 4.127777777777778e-05,
      "loss": 0.3662,
      "step": 771
    },
    {
      "epoch": 0.25733333333333336,
      "grad_norm": 1.5333114862442017,
      "learning_rate": 4.1259259259259256e-05,
      "loss": 0.3552,
      "step": 772
    },
    {
      "epoch": 0.25766666666666665,
      "grad_norm": 1.3045767545700073,
      "learning_rate": 4.1240740740740744e-05,
      "loss": 0.3391,
      "step": 773
    },
    {
      "epoch": 0.258,
      "grad_norm": 1.4657682180404663,
      "learning_rate": 4.1222222222222224e-05,
      "loss": 0.3913,
      "step": 774
    },
    {
      "epoch": 0.25833333333333336,
      "grad_norm": 1.4723056554794312,
      "learning_rate": 4.1203703703703705e-05,
      "loss": 0.4126,
      "step": 775
    },
    {
      "epoch": 0.25866666666666666,
      "grad_norm": 1.1944102048873901,
      "learning_rate": 4.1185185185185186e-05,
      "loss": 0.3006,
      "step": 776
    },
    {
      "epoch": 0.259,
      "grad_norm": 1.2445132732391357,
      "learning_rate": 4.116666666666667e-05,
      "loss": 0.2764,
      "step": 777
    },
    {
      "epoch": 0.25933333333333336,
      "grad_norm": 1.335518479347229,
      "learning_rate": 4.1148148148148154e-05,
      "loss": 0.3098,
      "step": 778
    },
    {
      "epoch": 0.25966666666666666,
      "grad_norm": 1.24089777469635,
      "learning_rate": 4.112962962962963e-05,
      "loss": 0.3322,
      "step": 779
    },
    {
      "epoch": 0.26,
      "grad_norm": 1.3913564682006836,
      "learning_rate": 4.111111111111111e-05,
      "loss": 0.3582,
      "step": 780
    },
    {
      "epoch": 0.26033333333333336,
      "grad_norm": 1.2934868335723877,
      "learning_rate": 4.1092592592592597e-05,
      "loss": 0.3316,
      "step": 781
    },
    {
      "epoch": 0.26066666666666666,
      "grad_norm": 1.701065182685852,
      "learning_rate": 4.107407407407408e-05,
      "loss": 0.4077,
      "step": 782
    },
    {
      "epoch": 0.261,
      "grad_norm": 1.7660771608352661,
      "learning_rate": 4.105555555555556e-05,
      "loss": 0.43,
      "step": 783
    },
    {
      "epoch": 0.2613333333333333,
      "grad_norm": 1.3048421144485474,
      "learning_rate": 4.103703703703704e-05,
      "loss": 0.3636,
      "step": 784
    },
    {
      "epoch": 0.26166666666666666,
      "grad_norm": 1.1929850578308105,
      "learning_rate": 4.101851851851852e-05,
      "loss": 0.3354,
      "step": 785
    },
    {
      "epoch": 0.262,
      "grad_norm": 1.207017421722412,
      "learning_rate": 4.1e-05,
      "loss": 0.3277,
      "step": 786
    },
    {
      "epoch": 0.2623333333333333,
      "grad_norm": 1.207348108291626,
      "learning_rate": 4.098148148148148e-05,
      "loss": 0.2705,
      "step": 787
    },
    {
      "epoch": 0.26266666666666666,
      "grad_norm": 1.398911476135254,
      "learning_rate": 4.096296296296296e-05,
      "loss": 0.4169,
      "step": 788
    },
    {
      "epoch": 0.263,
      "grad_norm": 1.3541525602340698,
      "learning_rate": 4.094444444444445e-05,
      "loss": 0.3539,
      "step": 789
    },
    {
      "epoch": 0.2633333333333333,
      "grad_norm": 1.4394408464431763,
      "learning_rate": 4.092592592592593e-05,
      "loss": 0.3675,
      "step": 790
    },
    {
      "epoch": 0.26366666666666666,
      "grad_norm": 1.5678784847259521,
      "learning_rate": 4.090740740740741e-05,
      "loss": 0.3822,
      "step": 791
    },
    {
      "epoch": 0.264,
      "grad_norm": 1.7356022596359253,
      "learning_rate": 4.088888888888889e-05,
      "loss": 0.4107,
      "step": 792
    },
    {
      "epoch": 0.2643333333333333,
      "grad_norm": 1.1587564945220947,
      "learning_rate": 4.087037037037037e-05,
      "loss": 0.2792,
      "step": 793
    },
    {
      "epoch": 0.26466666666666666,
      "grad_norm": 1.576454758644104,
      "learning_rate": 4.0851851851851853e-05,
      "loss": 0.3757,
      "step": 794
    },
    {
      "epoch": 0.265,
      "grad_norm": 1.5076576471328735,
      "learning_rate": 4.0833333333333334e-05,
      "loss": 0.3876,
      "step": 795
    },
    {
      "epoch": 0.2653333333333333,
      "grad_norm": 1.4706981182098389,
      "learning_rate": 4.0814814814814815e-05,
      "loss": 0.3458,
      "step": 796
    },
    {
      "epoch": 0.26566666666666666,
      "grad_norm": 1.6495285034179688,
      "learning_rate": 4.0796296296296296e-05,
      "loss": 0.369,
      "step": 797
    },
    {
      "epoch": 0.266,
      "grad_norm": 1.2885559797286987,
      "learning_rate": 4.0777777777777783e-05,
      "loss": 0.3476,
      "step": 798
    },
    {
      "epoch": 0.2663333333333333,
      "grad_norm": 1.2338265180587769,
      "learning_rate": 4.0759259259259264e-05,
      "loss": 0.351,
      "step": 799
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 1.3814194202423096,
      "learning_rate": 4.074074074074074e-05,
      "loss": 0.353,
      "step": 800
    },
    {
      "epoch": 0.267,
      "grad_norm": 1.3949973583221436,
      "learning_rate": 4.0722222222222226e-05,
      "loss": 0.3971,
      "step": 801
    },
    {
      "epoch": 0.2673333333333333,
      "grad_norm": 1.2781027555465698,
      "learning_rate": 4.0703703703703707e-05,
      "loss": 0.3596,
      "step": 802
    },
    {
      "epoch": 0.26766666666666666,
      "grad_norm": 1.775307536125183,
      "learning_rate": 4.068518518518519e-05,
      "loss": 0.5056,
      "step": 803
    },
    {
      "epoch": 0.268,
      "grad_norm": 1.4195681810379028,
      "learning_rate": 4.066666666666667e-05,
      "loss": 0.3162,
      "step": 804
    },
    {
      "epoch": 0.2683333333333333,
      "grad_norm": 1.6774126291275024,
      "learning_rate": 4.064814814814815e-05,
      "loss": 0.3683,
      "step": 805
    },
    {
      "epoch": 0.26866666666666666,
      "grad_norm": 1.1482571363449097,
      "learning_rate": 4.0629629629629636e-05,
      "loss": 0.34,
      "step": 806
    },
    {
      "epoch": 0.269,
      "grad_norm": 1.2635096311569214,
      "learning_rate": 4.061111111111111e-05,
      "loss": 0.3663,
      "step": 807
    },
    {
      "epoch": 0.2693333333333333,
      "grad_norm": 1.5141239166259766,
      "learning_rate": 4.059259259259259e-05,
      "loss": 0.3972,
      "step": 808
    },
    {
      "epoch": 0.26966666666666667,
      "grad_norm": 1.4469480514526367,
      "learning_rate": 4.057407407407408e-05,
      "loss": 0.3729,
      "step": 809
    },
    {
      "epoch": 0.27,
      "grad_norm": 1.3128126859664917,
      "learning_rate": 4.055555555555556e-05,
      "loss": 0.3025,
      "step": 810
    },
    {
      "epoch": 0.2703333333333333,
      "grad_norm": 1.5247198343276978,
      "learning_rate": 4.053703703703704e-05,
      "loss": 0.3752,
      "step": 811
    },
    {
      "epoch": 0.27066666666666667,
      "grad_norm": 1.475996732711792,
      "learning_rate": 4.051851851851852e-05,
      "loss": 0.3655,
      "step": 812
    },
    {
      "epoch": 0.271,
      "grad_norm": 1.3385744094848633,
      "learning_rate": 4.05e-05,
      "loss": 0.3421,
      "step": 813
    },
    {
      "epoch": 0.2713333333333333,
      "grad_norm": 1.6504689455032349,
      "learning_rate": 4.048148148148148e-05,
      "loss": 0.3838,
      "step": 814
    },
    {
      "epoch": 0.27166666666666667,
      "grad_norm": 1.456794261932373,
      "learning_rate": 4.0462962962962963e-05,
      "loss": 0.3658,
      "step": 815
    },
    {
      "epoch": 0.272,
      "grad_norm": 1.3881524801254272,
      "learning_rate": 4.0444444444444444e-05,
      "loss": 0.3343,
      "step": 816
    },
    {
      "epoch": 0.2723333333333333,
      "grad_norm": 1.5507861375808716,
      "learning_rate": 4.0425925925925925e-05,
      "loss": 0.3516,
      "step": 817
    },
    {
      "epoch": 0.27266666666666667,
      "grad_norm": 1.2345412969589233,
      "learning_rate": 4.040740740740741e-05,
      "loss": 0.2705,
      "step": 818
    },
    {
      "epoch": 0.273,
      "grad_norm": 1.2728513479232788,
      "learning_rate": 4.038888888888889e-05,
      "loss": 0.3007,
      "step": 819
    },
    {
      "epoch": 0.2733333333333333,
      "grad_norm": 1.4103991985321045,
      "learning_rate": 4.0370370370370374e-05,
      "loss": 0.3626,
      "step": 820
    },
    {
      "epoch": 0.27366666666666667,
      "grad_norm": 1.4325361251831055,
      "learning_rate": 4.0351851851851855e-05,
      "loss": 0.3785,
      "step": 821
    },
    {
      "epoch": 0.274,
      "grad_norm": 1.4200563430786133,
      "learning_rate": 4.0333333333333336e-05,
      "loss": 0.378,
      "step": 822
    },
    {
      "epoch": 0.2743333333333333,
      "grad_norm": 1.456470012664795,
      "learning_rate": 4.0314814814814816e-05,
      "loss": 0.4219,
      "step": 823
    },
    {
      "epoch": 0.27466666666666667,
      "grad_norm": 1.28714120388031,
      "learning_rate": 4.02962962962963e-05,
      "loss": 0.3838,
      "step": 824
    },
    {
      "epoch": 0.275,
      "grad_norm": 1.287011981010437,
      "learning_rate": 4.027777777777778e-05,
      "loss": 0.3253,
      "step": 825
    },
    {
      "epoch": 0.2753333333333333,
      "grad_norm": 1.292240858078003,
      "learning_rate": 4.0259259259259266e-05,
      "loss": 0.3134,
      "step": 826
    },
    {
      "epoch": 0.27566666666666667,
      "grad_norm": 1.7025339603424072,
      "learning_rate": 4.024074074074074e-05,
      "loss": 0.5296,
      "step": 827
    },
    {
      "epoch": 0.276,
      "grad_norm": 1.3449290990829468,
      "learning_rate": 4.022222222222222e-05,
      "loss": 0.333,
      "step": 828
    },
    {
      "epoch": 0.2763333333333333,
      "grad_norm": 1.5160585641860962,
      "learning_rate": 4.020370370370371e-05,
      "loss": 0.3376,
      "step": 829
    },
    {
      "epoch": 0.27666666666666667,
      "grad_norm": 1.1866682767868042,
      "learning_rate": 4.018518518518519e-05,
      "loss": 0.2871,
      "step": 830
    },
    {
      "epoch": 0.277,
      "grad_norm": 1.785448431968689,
      "learning_rate": 4.016666666666667e-05,
      "loss": 0.3198,
      "step": 831
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 1.6618571281433105,
      "learning_rate": 4.014814814814815e-05,
      "loss": 0.3102,
      "step": 832
    },
    {
      "epoch": 0.2776666666666667,
      "grad_norm": 1.4342378377914429,
      "learning_rate": 4.012962962962963e-05,
      "loss": 0.4192,
      "step": 833
    },
    {
      "epoch": 0.278,
      "grad_norm": 1.165028691291809,
      "learning_rate": 4.011111111111111e-05,
      "loss": 0.301,
      "step": 834
    },
    {
      "epoch": 0.2783333333333333,
      "grad_norm": 1.4417414665222168,
      "learning_rate": 4.009259259259259e-05,
      "loss": 0.2726,
      "step": 835
    },
    {
      "epoch": 0.2786666666666667,
      "grad_norm": 1.2854143381118774,
      "learning_rate": 4.007407407407407e-05,
      "loss": 0.3716,
      "step": 836
    },
    {
      "epoch": 0.279,
      "grad_norm": 1.2607567310333252,
      "learning_rate": 4.0055555555555554e-05,
      "loss": 0.3157,
      "step": 837
    },
    {
      "epoch": 0.2793333333333333,
      "grad_norm": 1.3052359819412231,
      "learning_rate": 4.003703703703704e-05,
      "loss": 0.3762,
      "step": 838
    },
    {
      "epoch": 0.2796666666666667,
      "grad_norm": 1.495180606842041,
      "learning_rate": 4.001851851851852e-05,
      "loss": 0.4062,
      "step": 839
    },
    {
      "epoch": 0.28,
      "grad_norm": 1.353929877281189,
      "learning_rate": 4e-05,
      "loss": 0.3111,
      "step": 840
    },
    {
      "epoch": 0.2803333333333333,
      "grad_norm": 1.4994372129440308,
      "learning_rate": 3.9981481481481484e-05,
      "loss": 0.3643,
      "step": 841
    },
    {
      "epoch": 0.2806666666666667,
      "grad_norm": 1.097528338432312,
      "learning_rate": 3.9962962962962965e-05,
      "loss": 0.3381,
      "step": 842
    },
    {
      "epoch": 0.281,
      "grad_norm": 1.348486065864563,
      "learning_rate": 3.9944444444444446e-05,
      "loss": 0.3263,
      "step": 843
    },
    {
      "epoch": 0.2813333333333333,
      "grad_norm": 1.4403632879257202,
      "learning_rate": 3.9925925925925926e-05,
      "loss": 0.4281,
      "step": 844
    },
    {
      "epoch": 0.2816666666666667,
      "grad_norm": 1.3258768320083618,
      "learning_rate": 3.990740740740741e-05,
      "loss": 0.3579,
      "step": 845
    },
    {
      "epoch": 0.282,
      "grad_norm": 1.3752247095108032,
      "learning_rate": 3.9888888888888895e-05,
      "loss": 0.443,
      "step": 846
    },
    {
      "epoch": 0.2823333333333333,
      "grad_norm": 1.6445602178573608,
      "learning_rate": 3.9870370370370376e-05,
      "loss": 0.3588,
      "step": 847
    },
    {
      "epoch": 0.2826666666666667,
      "grad_norm": 1.41145658493042,
      "learning_rate": 3.985185185185185e-05,
      "loss": 0.3526,
      "step": 848
    },
    {
      "epoch": 0.283,
      "grad_norm": 5.141585350036621,
      "learning_rate": 3.983333333333333e-05,
      "loss": 0.3553,
      "step": 849
    },
    {
      "epoch": 0.2833333333333333,
      "grad_norm": 1.3255246877670288,
      "learning_rate": 3.981481481481482e-05,
      "loss": 0.352,
      "step": 850
    },
    {
      "epoch": 0.2836666666666667,
      "grad_norm": 1.4084287881851196,
      "learning_rate": 3.97962962962963e-05,
      "loss": 0.3834,
      "step": 851
    },
    {
      "epoch": 0.284,
      "grad_norm": 1.3366891145706177,
      "learning_rate": 3.977777777777778e-05,
      "loss": 0.3865,
      "step": 852
    },
    {
      "epoch": 0.2843333333333333,
      "grad_norm": 1.256201148033142,
      "learning_rate": 3.975925925925926e-05,
      "loss": 0.3187,
      "step": 853
    },
    {
      "epoch": 0.2846666666666667,
      "grad_norm": 1.4136888980865479,
      "learning_rate": 3.974074074074075e-05,
      "loss": 0.3765,
      "step": 854
    },
    {
      "epoch": 0.285,
      "grad_norm": 1.1720857620239258,
      "learning_rate": 3.972222222222222e-05,
      "loss": 0.2947,
      "step": 855
    },
    {
      "epoch": 0.2853333333333333,
      "grad_norm": 1.7148245573043823,
      "learning_rate": 3.97037037037037e-05,
      "loss": 0.3416,
      "step": 856
    },
    {
      "epoch": 0.2856666666666667,
      "grad_norm": 1.4059994220733643,
      "learning_rate": 3.968518518518518e-05,
      "loss": 0.3528,
      "step": 857
    },
    {
      "epoch": 0.286,
      "grad_norm": 1.571160078048706,
      "learning_rate": 3.966666666666667e-05,
      "loss": 0.3772,
      "step": 858
    },
    {
      "epoch": 0.28633333333333333,
      "grad_norm": 1.449386715888977,
      "learning_rate": 3.964814814814815e-05,
      "loss": 0.3623,
      "step": 859
    },
    {
      "epoch": 0.2866666666666667,
      "grad_norm": 1.1920171976089478,
      "learning_rate": 3.962962962962963e-05,
      "loss": 0.2957,
      "step": 860
    },
    {
      "epoch": 0.287,
      "grad_norm": 1.3213661909103394,
      "learning_rate": 3.961111111111111e-05,
      "loss": 0.3546,
      "step": 861
    },
    {
      "epoch": 0.28733333333333333,
      "grad_norm": 1.5201573371887207,
      "learning_rate": 3.9592592592592594e-05,
      "loss": 0.3355,
      "step": 862
    },
    {
      "epoch": 0.2876666666666667,
      "grad_norm": 1.8718082904815674,
      "learning_rate": 3.9574074074074075e-05,
      "loss": 0.329,
      "step": 863
    },
    {
      "epoch": 0.288,
      "grad_norm": 1.5103901624679565,
      "learning_rate": 3.9555555555555556e-05,
      "loss": 0.3645,
      "step": 864
    },
    {
      "epoch": 0.28833333333333333,
      "grad_norm": 1.3018239736557007,
      "learning_rate": 3.9537037037037036e-05,
      "loss": 0.3111,
      "step": 865
    },
    {
      "epoch": 0.2886666666666667,
      "grad_norm": 1.6183236837387085,
      "learning_rate": 3.9518518518518524e-05,
      "loss": 0.4415,
      "step": 866
    },
    {
      "epoch": 0.289,
      "grad_norm": 1.3570756912231445,
      "learning_rate": 3.9500000000000005e-05,
      "loss": 0.294,
      "step": 867
    },
    {
      "epoch": 0.28933333333333333,
      "grad_norm": 1.2522437572479248,
      "learning_rate": 3.9481481481481485e-05,
      "loss": 0.3571,
      "step": 868
    },
    {
      "epoch": 0.2896666666666667,
      "grad_norm": 1.3651636838912964,
      "learning_rate": 3.946296296296296e-05,
      "loss": 0.3585,
      "step": 869
    },
    {
      "epoch": 0.29,
      "grad_norm": 1.2567559480667114,
      "learning_rate": 3.944444444444445e-05,
      "loss": 0.3034,
      "step": 870
    },
    {
      "epoch": 0.29033333333333333,
      "grad_norm": 1.446004867553711,
      "learning_rate": 3.942592592592593e-05,
      "loss": 0.3542,
      "step": 871
    },
    {
      "epoch": 0.2906666666666667,
      "grad_norm": 1.6699246168136597,
      "learning_rate": 3.940740740740741e-05,
      "loss": 0.3636,
      "step": 872
    },
    {
      "epoch": 0.291,
      "grad_norm": 1.4893025159835815,
      "learning_rate": 3.938888888888889e-05,
      "loss": 0.346,
      "step": 873
    },
    {
      "epoch": 0.29133333333333333,
      "grad_norm": 1.4684242010116577,
      "learning_rate": 3.937037037037038e-05,
      "loss": 0.3505,
      "step": 874
    },
    {
      "epoch": 0.2916666666666667,
      "grad_norm": 1.2339351177215576,
      "learning_rate": 3.935185185185186e-05,
      "loss": 0.3128,
      "step": 875
    },
    {
      "epoch": 0.292,
      "grad_norm": 1.173764705657959,
      "learning_rate": 3.933333333333333e-05,
      "loss": 0.2901,
      "step": 876
    },
    {
      "epoch": 0.29233333333333333,
      "grad_norm": 1.3826504945755005,
      "learning_rate": 3.931481481481481e-05,
      "loss": 0.3294,
      "step": 877
    },
    {
      "epoch": 0.2926666666666667,
      "grad_norm": 1.2246149778366089,
      "learning_rate": 3.92962962962963e-05,
      "loss": 0.3178,
      "step": 878
    },
    {
      "epoch": 0.293,
      "grad_norm": 1.195994257926941,
      "learning_rate": 3.927777777777778e-05,
      "loss": 0.3298,
      "step": 879
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 1.223406434059143,
      "learning_rate": 3.925925925925926e-05,
      "loss": 0.3619,
      "step": 880
    },
    {
      "epoch": 0.2936666666666667,
      "grad_norm": 1.3600610494613647,
      "learning_rate": 3.924074074074074e-05,
      "loss": 0.3787,
      "step": 881
    },
    {
      "epoch": 0.294,
      "grad_norm": 1.4605013132095337,
      "learning_rate": 3.922222222222223e-05,
      "loss": 0.4291,
      "step": 882
    },
    {
      "epoch": 0.29433333333333334,
      "grad_norm": 1.3966978788375854,
      "learning_rate": 3.9203703703703704e-05,
      "loss": 0.3685,
      "step": 883
    },
    {
      "epoch": 0.2946666666666667,
      "grad_norm": 1.7487388849258423,
      "learning_rate": 3.9185185185185185e-05,
      "loss": 0.4585,
      "step": 884
    },
    {
      "epoch": 0.295,
      "grad_norm": 1.5563944578170776,
      "learning_rate": 3.9166666666666665e-05,
      "loss": 0.3958,
      "step": 885
    },
    {
      "epoch": 0.29533333333333334,
      "grad_norm": 1.1526061296463013,
      "learning_rate": 3.914814814814815e-05,
      "loss": 0.3108,
      "step": 886
    },
    {
      "epoch": 0.2956666666666667,
      "grad_norm": 2.1721689701080322,
      "learning_rate": 3.9129629629629634e-05,
      "loss": 0.3015,
      "step": 887
    },
    {
      "epoch": 0.296,
      "grad_norm": 1.611386775970459,
      "learning_rate": 3.9111111111111115e-05,
      "loss": 0.4427,
      "step": 888
    },
    {
      "epoch": 0.29633333333333334,
      "grad_norm": 1.6230885982513428,
      "learning_rate": 3.909259259259259e-05,
      "loss": 0.3378,
      "step": 889
    },
    {
      "epoch": 0.2966666666666667,
      "grad_norm": 1.3626060485839844,
      "learning_rate": 3.9074074074074076e-05,
      "loss": 0.3879,
      "step": 890
    },
    {
      "epoch": 0.297,
      "grad_norm": 1.6999090909957886,
      "learning_rate": 3.905555555555556e-05,
      "loss": 0.4033,
      "step": 891
    },
    {
      "epoch": 0.29733333333333334,
      "grad_norm": 1.3023254871368408,
      "learning_rate": 3.903703703703704e-05,
      "loss": 0.3567,
      "step": 892
    },
    {
      "epoch": 0.2976666666666667,
      "grad_norm": 1.7830791473388672,
      "learning_rate": 3.901851851851852e-05,
      "loss": 0.3597,
      "step": 893
    },
    {
      "epoch": 0.298,
      "grad_norm": 1.5148744583129883,
      "learning_rate": 3.9000000000000006e-05,
      "loss": 0.3728,
      "step": 894
    },
    {
      "epoch": 0.29833333333333334,
      "grad_norm": 1.3890525102615356,
      "learning_rate": 3.898148148148149e-05,
      "loss": 0.3208,
      "step": 895
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 1.2798212766647339,
      "learning_rate": 3.896296296296296e-05,
      "loss": 0.346,
      "step": 896
    },
    {
      "epoch": 0.299,
      "grad_norm": 1.3253546953201294,
      "learning_rate": 3.894444444444444e-05,
      "loss": 0.3252,
      "step": 897
    },
    {
      "epoch": 0.29933333333333334,
      "grad_norm": 1.3032668828964233,
      "learning_rate": 3.892592592592593e-05,
      "loss": 0.3739,
      "step": 898
    },
    {
      "epoch": 0.2996666666666667,
      "grad_norm": 1.2352277040481567,
      "learning_rate": 3.890740740740741e-05,
      "loss": 0.3514,
      "step": 899
    },
    {
      "epoch": 0.3,
      "grad_norm": 1.3053611516952515,
      "learning_rate": 3.888888888888889e-05,
      "loss": 0.3875,
      "step": 900
    },
    {
      "epoch": 0.30033333333333334,
      "grad_norm": 1.0773141384124756,
      "learning_rate": 3.887037037037037e-05,
      "loss": 0.2743,
      "step": 901
    },
    {
      "epoch": 0.3006666666666667,
      "grad_norm": 1.2912036180496216,
      "learning_rate": 3.885185185185186e-05,
      "loss": 0.3447,
      "step": 902
    },
    {
      "epoch": 0.301,
      "grad_norm": 1.272647500038147,
      "learning_rate": 3.883333333333333e-05,
      "loss": 0.3419,
      "step": 903
    },
    {
      "epoch": 0.30133333333333334,
      "grad_norm": 1.4251070022583008,
      "learning_rate": 3.8814814814814814e-05,
      "loss": 0.3738,
      "step": 904
    },
    {
      "epoch": 0.3016666666666667,
      "grad_norm": 1.3882228136062622,
      "learning_rate": 3.8796296296296295e-05,
      "loss": 0.3295,
      "step": 905
    },
    {
      "epoch": 0.302,
      "grad_norm": 1.5582339763641357,
      "learning_rate": 3.877777777777778e-05,
      "loss": 0.4242,
      "step": 906
    },
    {
      "epoch": 0.30233333333333334,
      "grad_norm": 1.359479308128357,
      "learning_rate": 3.875925925925926e-05,
      "loss": 0.3797,
      "step": 907
    },
    {
      "epoch": 0.30266666666666664,
      "grad_norm": 1.6548995971679688,
      "learning_rate": 3.8740740740740744e-05,
      "loss": 0.3808,
      "step": 908
    },
    {
      "epoch": 0.303,
      "grad_norm": 1.2039756774902344,
      "learning_rate": 3.8722222222222225e-05,
      "loss": 0.3139,
      "step": 909
    },
    {
      "epoch": 0.30333333333333334,
      "grad_norm": 1.0794775485992432,
      "learning_rate": 3.8703703703703705e-05,
      "loss": 0.2616,
      "step": 910
    },
    {
      "epoch": 0.30366666666666664,
      "grad_norm": 1.4288307428359985,
      "learning_rate": 3.8685185185185186e-05,
      "loss": 0.3401,
      "step": 911
    },
    {
      "epoch": 0.304,
      "grad_norm": 1.3045710325241089,
      "learning_rate": 3.866666666666667e-05,
      "loss": 0.3058,
      "step": 912
    },
    {
      "epoch": 0.30433333333333334,
      "grad_norm": 1.2060816287994385,
      "learning_rate": 3.864814814814815e-05,
      "loss": 0.3089,
      "step": 913
    },
    {
      "epoch": 0.30466666666666664,
      "grad_norm": 1.7363193035125732,
      "learning_rate": 3.8629629629629635e-05,
      "loss": 0.3443,
      "step": 914
    },
    {
      "epoch": 0.305,
      "grad_norm": 1.6673532724380493,
      "learning_rate": 3.8611111111111116e-05,
      "loss": 0.3454,
      "step": 915
    },
    {
      "epoch": 0.30533333333333335,
      "grad_norm": 1.3578459024429321,
      "learning_rate": 3.85925925925926e-05,
      "loss": 0.3108,
      "step": 916
    },
    {
      "epoch": 0.30566666666666664,
      "grad_norm": 1.2931619882583618,
      "learning_rate": 3.857407407407407e-05,
      "loss": 0.2997,
      "step": 917
    },
    {
      "epoch": 0.306,
      "grad_norm": 1.2525206804275513,
      "learning_rate": 3.855555555555556e-05,
      "loss": 0.3154,
      "step": 918
    },
    {
      "epoch": 0.30633333333333335,
      "grad_norm": 1.3815010786056519,
      "learning_rate": 3.853703703703704e-05,
      "loss": 0.3254,
      "step": 919
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 1.4179706573486328,
      "learning_rate": 3.851851851851852e-05,
      "loss": 0.3767,
      "step": 920
    },
    {
      "epoch": 0.307,
      "grad_norm": 1.3598191738128662,
      "learning_rate": 3.85e-05,
      "loss": 0.3513,
      "step": 921
    },
    {
      "epoch": 0.30733333333333335,
      "grad_norm": 1.7877548933029175,
      "learning_rate": 3.848148148148149e-05,
      "loss": 0.3614,
      "step": 922
    },
    {
      "epoch": 0.30766666666666664,
      "grad_norm": 1.3656010627746582,
      "learning_rate": 3.846296296296297e-05,
      "loss": 0.3425,
      "step": 923
    },
    {
      "epoch": 0.308,
      "grad_norm": 4.808995246887207,
      "learning_rate": 3.844444444444444e-05,
      "loss": 0.307,
      "step": 924
    },
    {
      "epoch": 0.30833333333333335,
      "grad_norm": 1.1662079095840454,
      "learning_rate": 3.8425925925925924e-05,
      "loss": 0.3141,
      "step": 925
    },
    {
      "epoch": 0.30866666666666664,
      "grad_norm": 1.2092838287353516,
      "learning_rate": 3.840740740740741e-05,
      "loss": 0.3022,
      "step": 926
    },
    {
      "epoch": 0.309,
      "grad_norm": 1.454504132270813,
      "learning_rate": 3.838888888888889e-05,
      "loss": 0.3933,
      "step": 927
    },
    {
      "epoch": 0.30933333333333335,
      "grad_norm": 2.092907667160034,
      "learning_rate": 3.837037037037037e-05,
      "loss": 0.3429,
      "step": 928
    },
    {
      "epoch": 0.30966666666666665,
      "grad_norm": 1.180614948272705,
      "learning_rate": 3.8351851851851854e-05,
      "loss": 0.2756,
      "step": 929
    },
    {
      "epoch": 0.31,
      "grad_norm": 1.3005765676498413,
      "learning_rate": 3.8333333333333334e-05,
      "loss": 0.3362,
      "step": 930
    },
    {
      "epoch": 0.31033333333333335,
      "grad_norm": 1.469460129737854,
      "learning_rate": 3.8314814814814815e-05,
      "loss": 0.3987,
      "step": 931
    },
    {
      "epoch": 0.31066666666666665,
      "grad_norm": NaN,
      "learning_rate": 3.8314814814814815e-05,
      "loss": 0.3286,
      "step": 932
    },
    {
      "epoch": 0.311,
      "grad_norm": 1.983880639076233,
      "learning_rate": 3.8296296296296296e-05,
      "loss": 0.3333,
      "step": 933
    },
    {
      "epoch": 0.31133333333333335,
      "grad_norm": 1.4871864318847656,
      "learning_rate": 3.827777777777778e-05,
      "loss": 0.3111,
      "step": 934
    },
    {
      "epoch": 0.31166666666666665,
      "grad_norm": 1.5106232166290283,
      "learning_rate": 3.8259259259259264e-05,
      "loss": 0.3756,
      "step": 935
    },
    {
      "epoch": 0.312,
      "grad_norm": 1.415174126625061,
      "learning_rate": 3.8240740740740745e-05,
      "loss": 0.3393,
      "step": 936
    },
    {
      "epoch": 0.31233333333333335,
      "grad_norm": 1.444771409034729,
      "learning_rate": 3.8222222222222226e-05,
      "loss": 0.3537,
      "step": 937
    },
    {
      "epoch": 0.31266666666666665,
      "grad_norm": 1.3916597366333008,
      "learning_rate": 3.820370370370371e-05,
      "loss": 0.3592,
      "step": 938
    },
    {
      "epoch": 0.313,
      "grad_norm": 1.3703736066818237,
      "learning_rate": 3.818518518518519e-05,
      "loss": 0.3531,
      "step": 939
    },
    {
      "epoch": 0.31333333333333335,
      "grad_norm": 2.362666606903076,
      "learning_rate": 3.816666666666667e-05,
      "loss": 0.3717,
      "step": 940
    },
    {
      "epoch": 0.31366666666666665,
      "grad_norm": 1.9897328615188599,
      "learning_rate": 3.814814814814815e-05,
      "loss": 0.5176,
      "step": 941
    },
    {
      "epoch": 0.314,
      "grad_norm": 1.2957475185394287,
      "learning_rate": 3.812962962962963e-05,
      "loss": 0.332,
      "step": 942
    },
    {
      "epoch": 0.31433333333333335,
      "grad_norm": 1.3311879634857178,
      "learning_rate": 3.811111111111112e-05,
      "loss": 0.3401,
      "step": 943
    },
    {
      "epoch": 0.31466666666666665,
      "grad_norm": 2.005011558532715,
      "learning_rate": 3.80925925925926e-05,
      "loss": 0.3492,
      "step": 944
    },
    {
      "epoch": 0.315,
      "grad_norm": 1.47440505027771,
      "learning_rate": 3.807407407407408e-05,
      "loss": 0.3661,
      "step": 945
    },
    {
      "epoch": 0.31533333333333335,
      "grad_norm": 1.5715532302856445,
      "learning_rate": 3.805555555555555e-05,
      "loss": 0.2935,
      "step": 946
    },
    {
      "epoch": 0.31566666666666665,
      "grad_norm": 1.3023148775100708,
      "learning_rate": 3.803703703703704e-05,
      "loss": 0.331,
      "step": 947
    },
    {
      "epoch": 0.316,
      "grad_norm": 1.3504129648208618,
      "learning_rate": 3.801851851851852e-05,
      "loss": 0.3112,
      "step": 948
    },
    {
      "epoch": 0.31633333333333336,
      "grad_norm": 2.1642982959747314,
      "learning_rate": 3.8e-05,
      "loss": 0.3065,
      "step": 949
    },
    {
      "epoch": 0.31666666666666665,
      "grad_norm": 2.3918402194976807,
      "learning_rate": 3.798148148148148e-05,
      "loss": 0.3791,
      "step": 950
    },
    {
      "epoch": 0.317,
      "grad_norm": 1.3676456212997437,
      "learning_rate": 3.7962962962962964e-05,
      "loss": 0.3289,
      "step": 951
    },
    {
      "epoch": 0.31733333333333336,
      "grad_norm": 1.2880066633224487,
      "learning_rate": 3.7944444444444444e-05,
      "loss": 0.2805,
      "step": 952
    },
    {
      "epoch": 0.31766666666666665,
      "grad_norm": 1.68917977809906,
      "learning_rate": 3.7925925925925925e-05,
      "loss": 0.3794,
      "step": 953
    },
    {
      "epoch": 0.318,
      "grad_norm": 1.5723520517349243,
      "learning_rate": 3.7907407407407406e-05,
      "loss": 0.2986,
      "step": 954
    },
    {
      "epoch": 0.31833333333333336,
      "grad_norm": 1.8405094146728516,
      "learning_rate": 3.7888888888888894e-05,
      "loss": 0.3654,
      "step": 955
    },
    {
      "epoch": 0.31866666666666665,
      "grad_norm": 1.9899356365203857,
      "learning_rate": 3.7870370370370374e-05,
      "loss": 0.4314,
      "step": 956
    },
    {
      "epoch": 0.319,
      "grad_norm": 1.42067289352417,
      "learning_rate": 3.7851851851851855e-05,
      "loss": 0.3136,
      "step": 957
    },
    {
      "epoch": 0.31933333333333336,
      "grad_norm": 1.519590973854065,
      "learning_rate": 3.7833333333333336e-05,
      "loss": 0.3896,
      "step": 958
    },
    {
      "epoch": 0.31966666666666665,
      "grad_norm": 1.5198662281036377,
      "learning_rate": 3.781481481481482e-05,
      "loss": 0.3821,
      "step": 959
    },
    {
      "epoch": 0.32,
      "grad_norm": 1.918550729751587,
      "learning_rate": 3.77962962962963e-05,
      "loss": 0.3349,
      "step": 960
    },
    {
      "epoch": 0.32033333333333336,
      "grad_norm": 1.3605577945709229,
      "learning_rate": 3.777777777777778e-05,
      "loss": 0.3489,
      "step": 961
    },
    {
      "epoch": 0.32066666666666666,
      "grad_norm": 1.2916854619979858,
      "learning_rate": 3.775925925925926e-05,
      "loss": 0.347,
      "step": 962
    },
    {
      "epoch": 0.321,
      "grad_norm": 1.572582721710205,
      "learning_rate": 3.774074074074074e-05,
      "loss": 0.3121,
      "step": 963
    },
    {
      "epoch": 0.32133333333333336,
      "grad_norm": 1.4521883726119995,
      "learning_rate": 3.772222222222223e-05,
      "loss": 0.3555,
      "step": 964
    },
    {
      "epoch": 0.32166666666666666,
      "grad_norm": 2.1491146087646484,
      "learning_rate": 3.770370370370371e-05,
      "loss": 0.3366,
      "step": 965
    },
    {
      "epoch": 0.322,
      "grad_norm": 1.4262841939926147,
      "learning_rate": 3.768518518518518e-05,
      "loss": 0.3533,
      "step": 966
    },
    {
      "epoch": 0.32233333333333336,
      "grad_norm": 1.3143759965896606,
      "learning_rate": 3.766666666666667e-05,
      "loss": 0.4036,
      "step": 967
    },
    {
      "epoch": 0.32266666666666666,
      "grad_norm": 1.2250725030899048,
      "learning_rate": 3.764814814814815e-05,
      "loss": 0.2897,
      "step": 968
    },
    {
      "epoch": 0.323,
      "grad_norm": 1.3469847440719604,
      "learning_rate": 3.762962962962963e-05,
      "loss": 0.3312,
      "step": 969
    },
    {
      "epoch": 0.3233333333333333,
      "grad_norm": 1.8355865478515625,
      "learning_rate": 3.761111111111111e-05,
      "loss": 0.2953,
      "step": 970
    },
    {
      "epoch": 0.32366666666666666,
      "grad_norm": 1.3881330490112305,
      "learning_rate": 3.759259259259259e-05,
      "loss": 0.3115,
      "step": 971
    },
    {
      "epoch": 0.324,
      "grad_norm": 1.5569638013839722,
      "learning_rate": 3.757407407407408e-05,
      "loss": 0.4032,
      "step": 972
    },
    {
      "epoch": 0.3243333333333333,
      "grad_norm": 1.3486943244934082,
      "learning_rate": 3.7555555555555554e-05,
      "loss": 0.2901,
      "step": 973
    },
    {
      "epoch": 0.32466666666666666,
      "grad_norm": 1.3435277938842773,
      "learning_rate": 3.7537037037037035e-05,
      "loss": 0.2702,
      "step": 974
    },
    {
      "epoch": 0.325,
      "grad_norm": 1.344024419784546,
      "learning_rate": 3.751851851851852e-05,
      "loss": 0.306,
      "step": 975
    },
    {
      "epoch": 0.3253333333333333,
      "grad_norm": 1.397646188735962,
      "learning_rate": 3.7500000000000003e-05,
      "loss": 0.2537,
      "step": 976
    },
    {
      "epoch": 0.32566666666666666,
      "grad_norm": 4.373431205749512,
      "learning_rate": 3.7481481481481484e-05,
      "loss": 0.3172,
      "step": 977
    },
    {
      "epoch": 0.326,
      "grad_norm": 1.3574572801589966,
      "learning_rate": 3.7462962962962965e-05,
      "loss": 0.3017,
      "step": 978
    },
    {
      "epoch": 0.3263333333333333,
      "grad_norm": 1.3563703298568726,
      "learning_rate": 3.7444444444444446e-05,
      "loss": 0.3509,
      "step": 979
    },
    {
      "epoch": 0.32666666666666666,
      "grad_norm": 1.2914656400680542,
      "learning_rate": 3.742592592592593e-05,
      "loss": 0.3042,
      "step": 980
    },
    {
      "epoch": 0.327,
      "grad_norm": 1.3205169439315796,
      "learning_rate": 3.740740740740741e-05,
      "loss": 0.3018,
      "step": 981
    },
    {
      "epoch": 0.3273333333333333,
      "grad_norm": 1.7126083374023438,
      "learning_rate": 3.738888888888889e-05,
      "loss": 0.3478,
      "step": 982
    },
    {
      "epoch": 0.32766666666666666,
      "grad_norm": 1.3673988580703735,
      "learning_rate": 3.737037037037037e-05,
      "loss": 0.3276,
      "step": 983
    },
    {
      "epoch": 0.328,
      "grad_norm": 1.5554841756820679,
      "learning_rate": 3.7351851851851857e-05,
      "loss": 0.3449,
      "step": 984
    },
    {
      "epoch": 0.3283333333333333,
      "grad_norm": 1.2867860794067383,
      "learning_rate": 3.733333333333334e-05,
      "loss": 0.2982,
      "step": 985
    },
    {
      "epoch": 0.32866666666666666,
      "grad_norm": 1.4816596508026123,
      "learning_rate": 3.731481481481482e-05,
      "loss": 0.3259,
      "step": 986
    },
    {
      "epoch": 0.329,
      "grad_norm": 1.2446486949920654,
      "learning_rate": 3.72962962962963e-05,
      "loss": 0.3243,
      "step": 987
    },
    {
      "epoch": 0.3293333333333333,
      "grad_norm": 1.3690942525863647,
      "learning_rate": 3.727777777777778e-05,
      "loss": 0.314,
      "step": 988
    },
    {
      "epoch": 0.32966666666666666,
      "grad_norm": 1.192113995552063,
      "learning_rate": 3.725925925925926e-05,
      "loss": 0.3543,
      "step": 989
    },
    {
      "epoch": 0.33,
      "grad_norm": 1.291727900505066,
      "learning_rate": 3.724074074074074e-05,
      "loss": 0.3282,
      "step": 990
    },
    {
      "epoch": 0.3303333333333333,
      "grad_norm": 1.2864351272583008,
      "learning_rate": 3.722222222222222e-05,
      "loss": 0.3076,
      "step": 991
    },
    {
      "epoch": 0.33066666666666666,
      "grad_norm": 1.4030873775482178,
      "learning_rate": 3.720370370370371e-05,
      "loss": 0.3233,
      "step": 992
    },
    {
      "epoch": 0.331,
      "grad_norm": 1.384459137916565,
      "learning_rate": 3.718518518518519e-05,
      "loss": 0.3349,
      "step": 993
    },
    {
      "epoch": 0.3313333333333333,
      "grad_norm": 1.7232944965362549,
      "learning_rate": 3.7166666666666664e-05,
      "loss": 0.3192,
      "step": 994
    },
    {
      "epoch": 0.33166666666666667,
      "grad_norm": 1.237061619758606,
      "learning_rate": 3.714814814814815e-05,
      "loss": 0.3508,
      "step": 995
    },
    {
      "epoch": 0.332,
      "grad_norm": 1.238932490348816,
      "learning_rate": 3.712962962962963e-05,
      "loss": 0.3306,
      "step": 996
    },
    {
      "epoch": 0.3323333333333333,
      "grad_norm": 1.179057002067566,
      "learning_rate": 3.7111111111111113e-05,
      "loss": 0.258,
      "step": 997
    },
    {
      "epoch": 0.33266666666666667,
      "grad_norm": 1.2349563837051392,
      "learning_rate": 3.7092592592592594e-05,
      "loss": 0.2826,
      "step": 998
    },
    {
      "epoch": 0.333,
      "grad_norm": 1.2763677835464478,
      "learning_rate": 3.7074074074074075e-05,
      "loss": 0.3256,
      "step": 999
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 1.5997756719589233,
      "learning_rate": 3.705555555555556e-05,
      "loss": 0.3034,
      "step": 1000
    }
  ],
  "logging_steps": 1.0,
  "max_steps": 3000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 9223372036854775807,
  "save_steps": 1000,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 1.1551494242304e+20,
  "train_batch_size": 34,
  "trial_name": null,
  "trial_params": null
}