{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0573333333333332,
  "eval_steps": 500,
  "global_step": 2000,
  "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
    },
    {
      "epoch": 0.33366666666666667,
      "grad_norm": 1.4051567316055298,
      "learning_rate": 3.7037037037037037e-05,
      "loss": 0.2879,
      "step": 1001
    },
    {
      "epoch": 0.334,
      "grad_norm": 1.150168776512146,
      "learning_rate": 3.701851851851852e-05,
      "loss": 0.2664,
      "step": 1002
    },
    {
      "epoch": 0.3343333333333333,
      "grad_norm": 1.438923716545105,
      "learning_rate": 3.7e-05,
      "loss": 0.3263,
      "step": 1003
    },
    {
      "epoch": 0.33466666666666667,
      "grad_norm": 1.2288265228271484,
      "learning_rate": 3.6981481481481486e-05,
      "loss": 0.2793,
      "step": 1004
    },
    {
      "epoch": 0.335,
      "grad_norm": 1.1903449296951294,
      "learning_rate": 3.6962962962962966e-05,
      "loss": 0.2726,
      "step": 1005
    },
    {
      "epoch": 0.3353333333333333,
      "grad_norm": 1.357292652130127,
      "learning_rate": 3.694444444444445e-05,
      "loss": 0.2947,
      "step": 1006
    },
    {
      "epoch": 0.33566666666666667,
      "grad_norm": 1.5391733646392822,
      "learning_rate": 3.692592592592593e-05,
      "loss": 0.351,
      "step": 1007
    },
    {
      "epoch": 0.336,
      "grad_norm": 1.4874252080917358,
      "learning_rate": 3.690740740740741e-05,
      "loss": 0.3729,
      "step": 1008
    },
    {
      "epoch": 0.3363333333333333,
      "grad_norm": 1.2804758548736572,
      "learning_rate": 3.688888888888889e-05,
      "loss": 0.3476,
      "step": 1009
    },
    {
      "epoch": 0.33666666666666667,
      "grad_norm": 1.4765470027923584,
      "learning_rate": 3.687037037037037e-05,
      "loss": 0.3668,
      "step": 1010
    },
    {
      "epoch": 0.337,
      "grad_norm": 1.4163161516189575,
      "learning_rate": 3.685185185185185e-05,
      "loss": 0.3483,
      "step": 1011
    },
    {
      "epoch": 0.3373333333333333,
      "grad_norm": 1.0593568086624146,
      "learning_rate": 3.683333333333334e-05,
      "loss": 0.2568,
      "step": 1012
    },
    {
      "epoch": 0.33766666666666667,
      "grad_norm": 1.1782392263412476,
      "learning_rate": 3.681481481481482e-05,
      "loss": 0.293,
      "step": 1013
    },
    {
      "epoch": 0.338,
      "grad_norm": 1.3001588582992554,
      "learning_rate": 3.6796296296296293e-05,
      "loss": 0.3135,
      "step": 1014
    },
    {
      "epoch": 0.3383333333333333,
      "grad_norm": 1.9914343357086182,
      "learning_rate": 3.677777777777778e-05,
      "loss": 0.357,
      "step": 1015
    },
    {
      "epoch": 0.33866666666666667,
      "grad_norm": 1.0276645421981812,
      "learning_rate": 3.675925925925926e-05,
      "loss": 0.2545,
      "step": 1016
    },
    {
      "epoch": 0.339,
      "grad_norm": 1.3311192989349365,
      "learning_rate": 3.674074074074074e-05,
      "loss": 0.2716,
      "step": 1017
    },
    {
      "epoch": 0.3393333333333333,
      "grad_norm": 1.3145405054092407,
      "learning_rate": 3.672222222222222e-05,
      "loss": 0.3814,
      "step": 1018
    },
    {
      "epoch": 0.3396666666666667,
      "grad_norm": 1.3477872610092163,
      "learning_rate": 3.6703703703703704e-05,
      "loss": 0.32,
      "step": 1019
    },
    {
      "epoch": 0.34,
      "grad_norm": 1.3063677549362183,
      "learning_rate": 3.668518518518519e-05,
      "loss": 0.2937,
      "step": 1020
    },
    {
      "epoch": 0.3403333333333333,
      "grad_norm": 1.295404076576233,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 0.3222,
      "step": 1021
    },
    {
      "epoch": 0.3406666666666667,
      "grad_norm": 2.0237696170806885,
      "learning_rate": 3.6648148148148146e-05,
      "loss": 0.3149,
      "step": 1022
    },
    {
      "epoch": 0.341,
      "grad_norm": 1.2823859453201294,
      "learning_rate": 3.662962962962963e-05,
      "loss": 0.3273,
      "step": 1023
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 1.5880634784698486,
      "learning_rate": 3.6611111111111115e-05,
      "loss": 0.3208,
      "step": 1024
    },
    {
      "epoch": 0.3416666666666667,
      "grad_norm": 1.2414577007293701,
      "learning_rate": 3.6592592592592596e-05,
      "loss": 0.3153,
      "step": 1025
    },
    {
      "epoch": 0.342,
      "grad_norm": 1.3580373525619507,
      "learning_rate": 3.6574074074074076e-05,
      "loss": 0.3836,
      "step": 1026
    },
    {
      "epoch": 0.3423333333333333,
      "grad_norm": 1.3877129554748535,
      "learning_rate": 3.655555555555556e-05,
      "loss": 0.3624,
      "step": 1027
    },
    {
      "epoch": 0.3426666666666667,
      "grad_norm": 1.1374024152755737,
      "learning_rate": 3.653703703703704e-05,
      "loss": 0.2904,
      "step": 1028
    },
    {
      "epoch": 0.343,
      "grad_norm": 1.1905382871627808,
      "learning_rate": 3.651851851851852e-05,
      "loss": 0.306,
      "step": 1029
    },
    {
      "epoch": 0.3433333333333333,
      "grad_norm": 1.3223686218261719,
      "learning_rate": 3.65e-05,
      "loss": 0.3584,
      "step": 1030
    },
    {
      "epoch": 0.3436666666666667,
      "grad_norm": 1.4666658639907837,
      "learning_rate": 3.648148148148148e-05,
      "loss": 0.3107,
      "step": 1031
    },
    {
      "epoch": 0.344,
      "grad_norm": 1.619066596031189,
      "learning_rate": 3.646296296296297e-05,
      "loss": 0.3838,
      "step": 1032
    },
    {
      "epoch": 0.3443333333333333,
      "grad_norm": 2.1325740814208984,
      "learning_rate": 3.644444444444445e-05,
      "loss": 0.4135,
      "step": 1033
    },
    {
      "epoch": 0.3446666666666667,
      "grad_norm": 1.364968180656433,
      "learning_rate": 3.642592592592593e-05,
      "loss": 0.3454,
      "step": 1034
    },
    {
      "epoch": 0.345,
      "grad_norm": 1.584752082824707,
      "learning_rate": 3.6407407407407403e-05,
      "loss": 0.3123,
      "step": 1035
    },
    {
      "epoch": 0.3453333333333333,
      "grad_norm": 1.3419305086135864,
      "learning_rate": 3.638888888888889e-05,
      "loss": 0.3226,
      "step": 1036
    },
    {
      "epoch": 0.3456666666666667,
      "grad_norm": 1.1971396207809448,
      "learning_rate": 3.637037037037037e-05,
      "loss": 0.2936,
      "step": 1037
    },
    {
      "epoch": 0.346,
      "grad_norm": 1.3042372465133667,
      "learning_rate": 3.635185185185185e-05,
      "loss": 0.3491,
      "step": 1038
    },
    {
      "epoch": 0.3463333333333333,
      "grad_norm": 1.4561793804168701,
      "learning_rate": 3.633333333333333e-05,
      "loss": 0.3644,
      "step": 1039
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 1.2615970373153687,
      "learning_rate": 3.631481481481482e-05,
      "loss": 0.3311,
      "step": 1040
    },
    {
      "epoch": 0.347,
      "grad_norm": 1.3194597959518433,
      "learning_rate": 3.62962962962963e-05,
      "loss": 0.2842,
      "step": 1041
    },
    {
      "epoch": 0.3473333333333333,
      "grad_norm": 1.4123057126998901,
      "learning_rate": 3.6277777777777776e-05,
      "loss": 0.3322,
      "step": 1042
    },
    {
      "epoch": 0.3476666666666667,
      "grad_norm": 1.637178659439087,
      "learning_rate": 3.6259259259259256e-05,
      "loss": 0.3588,
      "step": 1043
    },
    {
      "epoch": 0.348,
      "grad_norm": Infinity,
      "learning_rate": 3.6259259259259256e-05,
      "loss": 0.4188,
      "step": 1044
    },
    {
      "epoch": 0.34833333333333333,
      "grad_norm": 1.8338710069656372,
      "learning_rate": 3.6240740740740744e-05,
      "loss": 0.3217,
      "step": 1045
    },
    {
      "epoch": 0.3486666666666667,
      "grad_norm": 1.5536363124847412,
      "learning_rate": 3.6222222222222225e-05,
      "loss": 0.3984,
      "step": 1046
    },
    {
      "epoch": 0.349,
      "grad_norm": 1.2965439558029175,
      "learning_rate": 3.6203703703703706e-05,
      "loss": 0.3165,
      "step": 1047
    },
    {
      "epoch": 0.34933333333333333,
      "grad_norm": 3.6286535263061523,
      "learning_rate": 3.6185185185185186e-05,
      "loss": 0.3998,
      "step": 1048
    },
    {
      "epoch": 0.3496666666666667,
      "grad_norm": 1.1830613613128662,
      "learning_rate": 3.6166666666666674e-05,
      "loss": 0.3019,
      "step": 1049
    },
    {
      "epoch": 0.35,
      "grad_norm": 1.5949627161026,
      "learning_rate": 3.614814814814815e-05,
      "loss": 0.3433,
      "step": 1050
    },
    {
      "epoch": 0.35033333333333333,
      "grad_norm": 1.4907891750335693,
      "learning_rate": 3.612962962962963e-05,
      "loss": 0.3125,
      "step": 1051
    },
    {
      "epoch": 0.3506666666666667,
      "grad_norm": 1.3485552072525024,
      "learning_rate": 3.611111111111111e-05,
      "loss": 0.4253,
      "step": 1052
    },
    {
      "epoch": 0.351,
      "grad_norm": 1.202929139137268,
      "learning_rate": 3.60925925925926e-05,
      "loss": 0.3675,
      "step": 1053
    },
    {
      "epoch": 0.35133333333333333,
      "grad_norm": 1.1480059623718262,
      "learning_rate": 3.607407407407408e-05,
      "loss": 0.3048,
      "step": 1054
    },
    {
      "epoch": 0.3516666666666667,
      "grad_norm": 1.4422245025634766,
      "learning_rate": 3.605555555555556e-05,
      "loss": 0.2957,
      "step": 1055
    },
    {
      "epoch": 0.352,
      "grad_norm": 1.614688515663147,
      "learning_rate": 3.603703703703704e-05,
      "loss": 0.4132,
      "step": 1056
    },
    {
      "epoch": 0.35233333333333333,
      "grad_norm": 1.2919830083847046,
      "learning_rate": 3.601851851851852e-05,
      "loss": 0.324,
      "step": 1057
    },
    {
      "epoch": 0.3526666666666667,
      "grad_norm": 1.2919201850891113,
      "learning_rate": 3.6e-05,
      "loss": 0.3121,
      "step": 1058
    },
    {
      "epoch": 0.353,
      "grad_norm": 1.1040555238723755,
      "learning_rate": 3.598148148148148e-05,
      "loss": 0.2633,
      "step": 1059
    },
    {
      "epoch": 0.35333333333333333,
      "grad_norm": 1.2699229717254639,
      "learning_rate": 3.596296296296296e-05,
      "loss": 0.3295,
      "step": 1060
    },
    {
      "epoch": 0.3536666666666667,
      "grad_norm": 1.2212663888931274,
      "learning_rate": 3.594444444444445e-05,
      "loss": 0.3422,
      "step": 1061
    },
    {
      "epoch": 0.354,
      "grad_norm": 1.4259370565414429,
      "learning_rate": 3.592592592592593e-05,
      "loss": 0.2969,
      "step": 1062
    },
    {
      "epoch": 0.35433333333333333,
      "grad_norm": 3.2407474517822266,
      "learning_rate": 3.590740740740741e-05,
      "loss": 0.3382,
      "step": 1063
    },
    {
      "epoch": 0.3546666666666667,
      "grad_norm": 1.8349798917770386,
      "learning_rate": 3.5888888888888886e-05,
      "loss": 0.4496,
      "step": 1064
    },
    {
      "epoch": 0.355,
      "grad_norm": 1.2848482131958008,
      "learning_rate": 3.587037037037037e-05,
      "loss": 0.3556,
      "step": 1065
    },
    {
      "epoch": 0.35533333333333333,
      "grad_norm": 1.2955257892608643,
      "learning_rate": 3.5851851851851854e-05,
      "loss": 0.3161,
      "step": 1066
    },
    {
      "epoch": 0.3556666666666667,
      "grad_norm": 1.3511271476745605,
      "learning_rate": 3.5833333333333335e-05,
      "loss": 0.2793,
      "step": 1067
    },
    {
      "epoch": 0.356,
      "grad_norm": 1.1509175300598145,
      "learning_rate": 3.5814814814814815e-05,
      "loss": 0.2816,
      "step": 1068
    },
    {
      "epoch": 0.35633333333333334,
      "grad_norm": 1.3853956460952759,
      "learning_rate": 3.57962962962963e-05,
      "loss": 0.3096,
      "step": 1069
    },
    {
      "epoch": 0.3566666666666667,
      "grad_norm": 1.2324105501174927,
      "learning_rate": 3.577777777777778e-05,
      "loss": 0.3112,
      "step": 1070
    },
    {
      "epoch": 0.357,
      "grad_norm": 4.7527875900268555,
      "learning_rate": 3.575925925925926e-05,
      "loss": 0.33,
      "step": 1071
    },
    {
      "epoch": 0.35733333333333334,
      "grad_norm": 1.474766492843628,
      "learning_rate": 3.574074074074074e-05,
      "loss": 0.3616,
      "step": 1072
    },
    {
      "epoch": 0.3576666666666667,
      "grad_norm": 1.299726128578186,
      "learning_rate": 3.5722222222222226e-05,
      "loss": 0.3271,
      "step": 1073
    },
    {
      "epoch": 0.358,
      "grad_norm": 1.3764387369155884,
      "learning_rate": 3.570370370370371e-05,
      "loss": 0.3473,
      "step": 1074
    },
    {
      "epoch": 0.35833333333333334,
      "grad_norm": 1.2798625230789185,
      "learning_rate": 3.568518518518519e-05,
      "loss": 0.3222,
      "step": 1075
    },
    {
      "epoch": 0.3586666666666667,
      "grad_norm": 1.4264801740646362,
      "learning_rate": 3.566666666666667e-05,
      "loss": 0.3356,
      "step": 1076
    },
    {
      "epoch": 0.359,
      "grad_norm": 1.4264799356460571,
      "learning_rate": 3.564814814814815e-05,
      "loss": 0.3916,
      "step": 1077
    },
    {
      "epoch": 0.35933333333333334,
      "grad_norm": 1.4833095073699951,
      "learning_rate": 3.562962962962963e-05,
      "loss": 0.4323,
      "step": 1078
    },
    {
      "epoch": 0.3596666666666667,
      "grad_norm": 1.3696162700653076,
      "learning_rate": 3.561111111111111e-05,
      "loss": 0.3067,
      "step": 1079
    },
    {
      "epoch": 0.36,
      "grad_norm": 1.1376667022705078,
      "learning_rate": 3.559259259259259e-05,
      "loss": 0.2584,
      "step": 1080
    },
    {
      "epoch": 0.36033333333333334,
      "grad_norm": 1.076449990272522,
      "learning_rate": 3.557407407407408e-05,
      "loss": 0.3075,
      "step": 1081
    },
    {
      "epoch": 0.3606666666666667,
      "grad_norm": 1.411630630493164,
      "learning_rate": 3.555555555555556e-05,
      "loss": 0.4375,
      "step": 1082
    },
    {
      "epoch": 0.361,
      "grad_norm": 1.3988670110702515,
      "learning_rate": 3.553703703703704e-05,
      "loss": 0.354,
      "step": 1083
    },
    {
      "epoch": 0.36133333333333334,
      "grad_norm": 1.290349006652832,
      "learning_rate": 3.5518518518518515e-05,
      "loss": 0.2686,
      "step": 1084
    },
    {
      "epoch": 0.3616666666666667,
      "grad_norm": 1.1678707599639893,
      "learning_rate": 3.55e-05,
      "loss": 0.3312,
      "step": 1085
    },
    {
      "epoch": 0.362,
      "grad_norm": 1.5115658044815063,
      "learning_rate": 3.548148148148148e-05,
      "loss": 0.3962,
      "step": 1086
    },
    {
      "epoch": 0.36233333333333334,
      "grad_norm": 1.4765334129333496,
      "learning_rate": 3.5462962962962964e-05,
      "loss": 0.3086,
      "step": 1087
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 1.769323706626892,
      "learning_rate": 3.5444444444444445e-05,
      "loss": 0.3703,
      "step": 1088
    },
    {
      "epoch": 0.363,
      "grad_norm": 1.3390990495681763,
      "learning_rate": 3.542592592592593e-05,
      "loss": 0.3462,
      "step": 1089
    },
    {
      "epoch": 0.36333333333333334,
      "grad_norm": 1.5921162366867065,
      "learning_rate": 3.540740740740741e-05,
      "loss": 0.3318,
      "step": 1090
    },
    {
      "epoch": 0.3636666666666667,
      "grad_norm": 2.3825714588165283,
      "learning_rate": 3.538888888888889e-05,
      "loss": 0.3215,
      "step": 1091
    },
    {
      "epoch": 0.364,
      "grad_norm": 2.107105016708374,
      "learning_rate": 3.537037037037037e-05,
      "loss": 0.354,
      "step": 1092
    },
    {
      "epoch": 0.36433333333333334,
      "grad_norm": 1.3918901681900024,
      "learning_rate": 3.5351851851851855e-05,
      "loss": 0.3781,
      "step": 1093
    },
    {
      "epoch": 0.36466666666666664,
      "grad_norm": 1.5562140941619873,
      "learning_rate": 3.5333333333333336e-05,
      "loss": 0.4105,
      "step": 1094
    },
    {
      "epoch": 0.365,
      "grad_norm": 1.2961052656173706,
      "learning_rate": 3.531481481481482e-05,
      "loss": 0.2773,
      "step": 1095
    },
    {
      "epoch": 0.36533333333333334,
      "grad_norm": 1.5703457593917847,
      "learning_rate": 3.52962962962963e-05,
      "loss": 0.3547,
      "step": 1096
    },
    {
      "epoch": 0.36566666666666664,
      "grad_norm": 1.3313580751419067,
      "learning_rate": 3.527777777777778e-05,
      "loss": 0.3545,
      "step": 1097
    },
    {
      "epoch": 0.366,
      "grad_norm": 1.1296862363815308,
      "learning_rate": 3.525925925925926e-05,
      "loss": 0.3069,
      "step": 1098
    },
    {
      "epoch": 0.36633333333333334,
      "grad_norm": 1.5490580797195435,
      "learning_rate": 3.524074074074074e-05,
      "loss": 0.3374,
      "step": 1099
    },
    {
      "epoch": 0.36666666666666664,
      "grad_norm": 1.2726596593856812,
      "learning_rate": 3.522222222222222e-05,
      "loss": 0.3402,
      "step": 1100
    },
    {
      "epoch": 0.367,
      "grad_norm": 1.315387487411499,
      "learning_rate": 3.520370370370371e-05,
      "loss": 0.3201,
      "step": 1101
    },
    {
      "epoch": 0.36733333333333335,
      "grad_norm": 1.2253965139389038,
      "learning_rate": 3.518518518518519e-05,
      "loss": 0.2944,
      "step": 1102
    },
    {
      "epoch": 0.36766666666666664,
      "grad_norm": 1.2115917205810547,
      "learning_rate": 3.516666666666667e-05,
      "loss": 0.3624,
      "step": 1103
    },
    {
      "epoch": 0.368,
      "grad_norm": 1.208378553390503,
      "learning_rate": 3.514814814814815e-05,
      "loss": 0.3425,
      "step": 1104
    },
    {
      "epoch": 0.36833333333333335,
      "grad_norm": 1.372703194618225,
      "learning_rate": 3.512962962962963e-05,
      "loss": 0.3268,
      "step": 1105
    },
    {
      "epoch": 0.36866666666666664,
      "grad_norm": 1.1570706367492676,
      "learning_rate": 3.511111111111111e-05,
      "loss": 0.29,
      "step": 1106
    },
    {
      "epoch": 0.369,
      "grad_norm": 1.2996251583099365,
      "learning_rate": 3.509259259259259e-05,
      "loss": 0.3496,
      "step": 1107
    },
    {
      "epoch": 0.36933333333333335,
      "grad_norm": 1.3695014715194702,
      "learning_rate": 3.5074074074074074e-05,
      "loss": 0.3392,
      "step": 1108
    },
    {
      "epoch": 0.36966666666666664,
      "grad_norm": 1.364058494567871,
      "learning_rate": 3.505555555555556e-05,
      "loss": 0.3255,
      "step": 1109
    },
    {
      "epoch": 0.37,
      "grad_norm": 1.1595008373260498,
      "learning_rate": 3.503703703703704e-05,
      "loss": 0.2789,
      "step": 1110
    },
    {
      "epoch": 0.37033333333333335,
      "grad_norm": 1.1646687984466553,
      "learning_rate": 3.501851851851852e-05,
      "loss": 0.3033,
      "step": 1111
    },
    {
      "epoch": 0.37066666666666664,
      "grad_norm": 1.0601829290390015,
      "learning_rate": 3.5e-05,
      "loss": 0.2465,
      "step": 1112
    },
    {
      "epoch": 0.371,
      "grad_norm": 1.4330965280532837,
      "learning_rate": 3.4981481481481484e-05,
      "loss": 0.3674,
      "step": 1113
    },
    {
      "epoch": 0.37133333333333335,
      "grad_norm": 1.6141996383666992,
      "learning_rate": 3.4962962962962965e-05,
      "loss": 0.3707,
      "step": 1114
    },
    {
      "epoch": 0.37166666666666665,
      "grad_norm": 1.3331483602523804,
      "learning_rate": 3.4944444444444446e-05,
      "loss": 0.3373,
      "step": 1115
    },
    {
      "epoch": 0.372,
      "grad_norm": 1.3580536842346191,
      "learning_rate": 3.492592592592593e-05,
      "loss": 0.3529,
      "step": 1116
    },
    {
      "epoch": 0.37233333333333335,
      "grad_norm": 1.71631920337677,
      "learning_rate": 3.490740740740741e-05,
      "loss": 0.2838,
      "step": 1117
    },
    {
      "epoch": 0.37266666666666665,
      "grad_norm": 1.353417992591858,
      "learning_rate": 3.4888888888888895e-05,
      "loss": 0.3917,
      "step": 1118
    },
    {
      "epoch": 0.373,
      "grad_norm": 0.997871458530426,
      "learning_rate": 3.487037037037037e-05,
      "loss": 0.2708,
      "step": 1119
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 2.0954196453094482,
      "learning_rate": 3.485185185185185e-05,
      "loss": 0.3436,
      "step": 1120
    },
    {
      "epoch": 0.37366666666666665,
      "grad_norm": 1.30576753616333,
      "learning_rate": 3.483333333333334e-05,
      "loss": 0.3133,
      "step": 1121
    },
    {
      "epoch": 0.374,
      "grad_norm": 1.1875780820846558,
      "learning_rate": 3.481481481481482e-05,
      "loss": 0.2768,
      "step": 1122
    },
    {
      "epoch": 0.37433333333333335,
      "grad_norm": 1.3447662591934204,
      "learning_rate": 3.47962962962963e-05,
      "loss": 0.3491,
      "step": 1123
    },
    {
      "epoch": 0.37466666666666665,
      "grad_norm": 1.4046446084976196,
      "learning_rate": 3.477777777777778e-05,
      "loss": 0.3352,
      "step": 1124
    },
    {
      "epoch": 0.375,
      "grad_norm": 1.3614153861999512,
      "learning_rate": 3.475925925925926e-05,
      "loss": 0.3922,
      "step": 1125
    },
    {
      "epoch": 0.37533333333333335,
      "grad_norm": 1.313892126083374,
      "learning_rate": 3.474074074074074e-05,
      "loss": 0.3317,
      "step": 1126
    },
    {
      "epoch": 0.37566666666666665,
      "grad_norm": 1.3579307794570923,
      "learning_rate": 3.472222222222222e-05,
      "loss": 0.358,
      "step": 1127
    },
    {
      "epoch": 0.376,
      "grad_norm": 1.4795989990234375,
      "learning_rate": 3.47037037037037e-05,
      "loss": 0.3686,
      "step": 1128
    },
    {
      "epoch": 0.37633333333333335,
      "grad_norm": 1.489582896232605,
      "learning_rate": 3.468518518518519e-05,
      "loss": 0.4085,
      "step": 1129
    },
    {
      "epoch": 0.37666666666666665,
      "grad_norm": 1.293110966682434,
      "learning_rate": 3.466666666666667e-05,
      "loss": 0.3001,
      "step": 1130
    },
    {
      "epoch": 0.377,
      "grad_norm": 1.4047528505325317,
      "learning_rate": 3.464814814814815e-05,
      "loss": 0.3711,
      "step": 1131
    },
    {
      "epoch": 0.37733333333333335,
      "grad_norm": 1.289689302444458,
      "learning_rate": 3.4629629629629626e-05,
      "loss": 0.3209,
      "step": 1132
    },
    {
      "epoch": 0.37766666666666665,
      "grad_norm": 1.2558592557907104,
      "learning_rate": 3.4611111111111114e-05,
      "loss": 0.3533,
      "step": 1133
    },
    {
      "epoch": 0.378,
      "grad_norm": 1.2834080457687378,
      "learning_rate": 3.4592592592592594e-05,
      "loss": 0.3353,
      "step": 1134
    },
    {
      "epoch": 0.37833333333333335,
      "grad_norm": 1.4345370531082153,
      "learning_rate": 3.4574074074074075e-05,
      "loss": 0.3926,
      "step": 1135
    },
    {
      "epoch": 0.37866666666666665,
      "grad_norm": 1.4481878280639648,
      "learning_rate": 3.4555555555555556e-05,
      "loss": 0.3404,
      "step": 1136
    },
    {
      "epoch": 0.379,
      "grad_norm": 1.1916624307632446,
      "learning_rate": 3.453703703703704e-05,
      "loss": 0.3342,
      "step": 1137
    },
    {
      "epoch": 0.37933333333333336,
      "grad_norm": 1.2278419733047485,
      "learning_rate": 3.4518518518518524e-05,
      "loss": 0.3098,
      "step": 1138
    },
    {
      "epoch": 0.37966666666666665,
      "grad_norm": 1.4090250730514526,
      "learning_rate": 3.45e-05,
      "loss": 0.3341,
      "step": 1139
    },
    {
      "epoch": 0.38,
      "grad_norm": 1.6617376804351807,
      "learning_rate": 3.448148148148148e-05,
      "loss": 0.3945,
      "step": 1140
    },
    {
      "epoch": 0.38033333333333336,
      "grad_norm": 1.4314631223678589,
      "learning_rate": 3.446296296296297e-05,
      "loss": 0.3623,
      "step": 1141
    },
    {
      "epoch": 0.38066666666666665,
      "grad_norm": 1.411205768585205,
      "learning_rate": 3.444444444444445e-05,
      "loss": 0.3781,
      "step": 1142
    },
    {
      "epoch": 0.381,
      "grad_norm": 1.3415881395339966,
      "learning_rate": 3.442592592592593e-05,
      "loss": 0.3193,
      "step": 1143
    },
    {
      "epoch": 0.38133333333333336,
      "grad_norm": 1.4212307929992676,
      "learning_rate": 3.440740740740741e-05,
      "loss": 0.3254,
      "step": 1144
    },
    {
      "epoch": 0.38166666666666665,
      "grad_norm": 1.4112255573272705,
      "learning_rate": 3.438888888888889e-05,
      "loss": 0.2991,
      "step": 1145
    },
    {
      "epoch": 0.382,
      "grad_norm": 1.3234516382217407,
      "learning_rate": 3.437037037037037e-05,
      "loss": 0.3207,
      "step": 1146
    },
    {
      "epoch": 0.38233333333333336,
      "grad_norm": 1.213474988937378,
      "learning_rate": 3.435185185185185e-05,
      "loss": 0.3056,
      "step": 1147
    },
    {
      "epoch": 0.38266666666666665,
      "grad_norm": 1.1833276748657227,
      "learning_rate": 3.433333333333333e-05,
      "loss": 0.3457,
      "step": 1148
    },
    {
      "epoch": 0.383,
      "grad_norm": 1.2908787727355957,
      "learning_rate": 3.431481481481482e-05,
      "loss": 0.2864,
      "step": 1149
    },
    {
      "epoch": 0.38333333333333336,
      "grad_norm": 1.4967849254608154,
      "learning_rate": 3.42962962962963e-05,
      "loss": 0.3634,
      "step": 1150
    },
    {
      "epoch": 0.38366666666666666,
      "grad_norm": 2.2769408226013184,
      "learning_rate": 3.427777777777778e-05,
      "loss": 0.3883,
      "step": 1151
    },
    {
      "epoch": 0.384,
      "grad_norm": 1.7115672826766968,
      "learning_rate": 3.425925925925926e-05,
      "loss": 0.4487,
      "step": 1152
    },
    {
      "epoch": 0.38433333333333336,
      "grad_norm": 1.2388008832931519,
      "learning_rate": 3.424074074074074e-05,
      "loss": 0.2988,
      "step": 1153
    },
    {
      "epoch": 0.38466666666666666,
      "grad_norm": 1.1698668003082275,
      "learning_rate": 3.4222222222222224e-05,
      "loss": 0.2616,
      "step": 1154
    },
    {
      "epoch": 0.385,
      "grad_norm": 1.5330984592437744,
      "learning_rate": 3.4203703703703704e-05,
      "loss": 0.4106,
      "step": 1155
    },
    {
      "epoch": 0.38533333333333336,
      "grad_norm": 1.437772274017334,
      "learning_rate": 3.4185185185185185e-05,
      "loss": 0.3269,
      "step": 1156
    },
    {
      "epoch": 0.38566666666666666,
      "grad_norm": 1.4650007486343384,
      "learning_rate": 3.4166666666666666e-05,
      "loss": 0.3716,
      "step": 1157
    },
    {
      "epoch": 0.386,
      "grad_norm": 1.2811371088027954,
      "learning_rate": 3.4148148148148153e-05,
      "loss": 0.334,
      "step": 1158
    },
    {
      "epoch": 0.3863333333333333,
      "grad_norm": 1.3718805313110352,
      "learning_rate": 3.4129629629629634e-05,
      "loss": 0.2792,
      "step": 1159
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 1.5492916107177734,
      "learning_rate": 3.411111111111111e-05,
      "loss": 0.3789,
      "step": 1160
    },
    {
      "epoch": 0.387,
      "grad_norm": 1.4927184581756592,
      "learning_rate": 3.4092592592592596e-05,
      "loss": 0.3885,
      "step": 1161
    },
    {
      "epoch": 0.3873333333333333,
      "grad_norm": 1.2432221174240112,
      "learning_rate": 3.4074074074074077e-05,
      "loss": 0.3182,
      "step": 1162
    },
    {
      "epoch": 0.38766666666666666,
      "grad_norm": 1.3809635639190674,
      "learning_rate": 3.405555555555556e-05,
      "loss": 0.3724,
      "step": 1163
    },
    {
      "epoch": 0.388,
      "grad_norm": 1.2722634077072144,
      "learning_rate": 3.403703703703704e-05,
      "loss": 0.3724,
      "step": 1164
    },
    {
      "epoch": 0.3883333333333333,
      "grad_norm": 1.2271523475646973,
      "learning_rate": 3.401851851851852e-05,
      "loss": 0.3408,
      "step": 1165
    },
    {
      "epoch": 0.38866666666666666,
      "grad_norm": 1.343644380569458,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 0.3326,
      "step": 1166
    },
    {
      "epoch": 0.389,
      "grad_norm": 1.3846473693847656,
      "learning_rate": 3.398148148148148e-05,
      "loss": 0.3911,
      "step": 1167
    },
    {
      "epoch": 0.3893333333333333,
      "grad_norm": 1.2909481525421143,
      "learning_rate": 3.396296296296296e-05,
      "loss": 0.3353,
      "step": 1168
    },
    {
      "epoch": 0.38966666666666666,
      "grad_norm": 1.4288636445999146,
      "learning_rate": 3.394444444444444e-05,
      "loss": 0.3722,
      "step": 1169
    },
    {
      "epoch": 0.39,
      "grad_norm": 1.1444342136383057,
      "learning_rate": 3.392592592592593e-05,
      "loss": 0.2493,
      "step": 1170
    },
    {
      "epoch": 0.3903333333333333,
      "grad_norm": 1.32205331325531,
      "learning_rate": 3.390740740740741e-05,
      "loss": 0.3168,
      "step": 1171
    },
    {
      "epoch": 0.39066666666666666,
      "grad_norm": 1.4039489030838013,
      "learning_rate": 3.388888888888889e-05,
      "loss": 0.3561,
      "step": 1172
    },
    {
      "epoch": 0.391,
      "grad_norm": 1.453980565071106,
      "learning_rate": 3.387037037037037e-05,
      "loss": 0.3514,
      "step": 1173
    },
    {
      "epoch": 0.3913333333333333,
      "grad_norm": 1.457906723022461,
      "learning_rate": 3.385185185185185e-05,
      "loss": 0.2931,
      "step": 1174
    },
    {
      "epoch": 0.39166666666666666,
      "grad_norm": 1.3490992784500122,
      "learning_rate": 3.3833333333333334e-05,
      "loss": 0.3327,
      "step": 1175
    },
    {
      "epoch": 0.392,
      "grad_norm": 1.209001898765564,
      "learning_rate": 3.3814814814814814e-05,
      "loss": 0.3154,
      "step": 1176
    },
    {
      "epoch": 0.3923333333333333,
      "grad_norm": 1.292962670326233,
      "learning_rate": 3.3796296296296295e-05,
      "loss": 0.3423,
      "step": 1177
    },
    {
      "epoch": 0.39266666666666666,
      "grad_norm": 1.27810800075531,
      "learning_rate": 3.377777777777778e-05,
      "loss": 0.3279,
      "step": 1178
    },
    {
      "epoch": 0.393,
      "grad_norm": 1.2658330202102661,
      "learning_rate": 3.3759259259259263e-05,
      "loss": 0.2852,
      "step": 1179
    },
    {
      "epoch": 0.3933333333333333,
      "grad_norm": 1.3012218475341797,
      "learning_rate": 3.3740740740740744e-05,
      "loss": 0.3576,
      "step": 1180
    },
    {
      "epoch": 0.39366666666666666,
      "grad_norm": 1.4106616973876953,
      "learning_rate": 3.3722222222222225e-05,
      "loss": 0.392,
      "step": 1181
    },
    {
      "epoch": 0.394,
      "grad_norm": 1.1917288303375244,
      "learning_rate": 3.3703703703703706e-05,
      "loss": 0.3286,
      "step": 1182
    },
    {
      "epoch": 0.3943333333333333,
      "grad_norm": 1.3688360452651978,
      "learning_rate": 3.3685185185185187e-05,
      "loss": 0.3382,
      "step": 1183
    },
    {
      "epoch": 0.39466666666666667,
      "grad_norm": 1.3576997518539429,
      "learning_rate": 3.366666666666667e-05,
      "loss": 0.3129,
      "step": 1184
    },
    {
      "epoch": 0.395,
      "grad_norm": 1.3230671882629395,
      "learning_rate": 3.364814814814815e-05,
      "loss": 0.3335,
      "step": 1185
    },
    {
      "epoch": 0.3953333333333333,
      "grad_norm": 1.331338882446289,
      "learning_rate": 3.3629629629629636e-05,
      "loss": 0.3643,
      "step": 1186
    },
    {
      "epoch": 0.39566666666666667,
      "grad_norm": 1.4048796892166138,
      "learning_rate": 3.3611111111111116e-05,
      "loss": 0.3856,
      "step": 1187
    },
    {
      "epoch": 0.396,
      "grad_norm": 1.3133976459503174,
      "learning_rate": 3.359259259259259e-05,
      "loss": 0.3619,
      "step": 1188
    },
    {
      "epoch": 0.3963333333333333,
      "grad_norm": 1.4763586521148682,
      "learning_rate": 3.357407407407407e-05,
      "loss": 0.3496,
      "step": 1189
    },
    {
      "epoch": 0.39666666666666667,
      "grad_norm": 1.5139193534851074,
      "learning_rate": 3.355555555555556e-05,
      "loss": 0.3067,
      "step": 1190
    },
    {
      "epoch": 0.397,
      "grad_norm": 1.2287884950637817,
      "learning_rate": 3.353703703703704e-05,
      "loss": 0.323,
      "step": 1191
    },
    {
      "epoch": 0.3973333333333333,
      "grad_norm": 1.2147111892700195,
      "learning_rate": 3.351851851851852e-05,
      "loss": 0.2553,
      "step": 1192
    },
    {
      "epoch": 0.39766666666666667,
      "grad_norm": 1.1449735164642334,
      "learning_rate": 3.35e-05,
      "loss": 0.2944,
      "step": 1193
    },
    {
      "epoch": 0.398,
      "grad_norm": 1.374301791191101,
      "learning_rate": 3.348148148148148e-05,
      "loss": 0.2859,
      "step": 1194
    },
    {
      "epoch": 0.3983333333333333,
      "grad_norm": 1.173158884048462,
      "learning_rate": 3.346296296296296e-05,
      "loss": 0.2861,
      "step": 1195
    },
    {
      "epoch": 0.39866666666666667,
      "grad_norm": 1.720590591430664,
      "learning_rate": 3.3444444444444443e-05,
      "loss": 0.3554,
      "step": 1196
    },
    {
      "epoch": 0.399,
      "grad_norm": 1.0962392091751099,
      "learning_rate": 3.3425925925925924e-05,
      "loss": 0.3091,
      "step": 1197
    },
    {
      "epoch": 0.3993333333333333,
      "grad_norm": 1.3953585624694824,
      "learning_rate": 3.340740740740741e-05,
      "loss": 0.296,
      "step": 1198
    },
    {
      "epoch": 0.39966666666666667,
      "grad_norm": 1.168837308883667,
      "learning_rate": 3.338888888888889e-05,
      "loss": 0.3096,
      "step": 1199
    },
    {
      "epoch": 0.4,
      "grad_norm": 1.3151252269744873,
      "learning_rate": 3.337037037037037e-05,
      "loss": 0.3446,
      "step": 1200
    },
    {
      "epoch": 0.4003333333333333,
      "grad_norm": 1.2708085775375366,
      "learning_rate": 3.3351851851851854e-05,
      "loss": 0.2491,
      "step": 1201
    },
    {
      "epoch": 0.40066666666666667,
      "grad_norm": 1.3287466764450073,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 0.3077,
      "step": 1202
    },
    {
      "epoch": 0.401,
      "grad_norm": 1.3648910522460938,
      "learning_rate": 3.3314814814814816e-05,
      "loss": 0.3171,
      "step": 1203
    },
    {
      "epoch": 0.4013333333333333,
      "grad_norm": 1.4657703638076782,
      "learning_rate": 3.3296296296296296e-05,
      "loss": 0.3923,
      "step": 1204
    },
    {
      "epoch": 0.40166666666666667,
      "grad_norm": 1.1934144496917725,
      "learning_rate": 3.327777777777778e-05,
      "loss": 0.2773,
      "step": 1205
    },
    {
      "epoch": 0.402,
      "grad_norm": 1.2553868293762207,
      "learning_rate": 3.3259259259259265e-05,
      "loss": 0.2799,
      "step": 1206
    },
    {
      "epoch": 0.4023333333333333,
      "grad_norm": 1.3628332614898682,
      "learning_rate": 3.3240740740740746e-05,
      "loss": 0.2859,
      "step": 1207
    },
    {
      "epoch": 0.4026666666666667,
      "grad_norm": 1.2916998863220215,
      "learning_rate": 3.322222222222222e-05,
      "loss": 0.3185,
      "step": 1208
    },
    {
      "epoch": 0.403,
      "grad_norm": 1.42521333694458,
      "learning_rate": 3.32037037037037e-05,
      "loss": 0.3542,
      "step": 1209
    },
    {
      "epoch": 0.4033333333333333,
      "grad_norm": 1.422607183456421,
      "learning_rate": 3.318518518518519e-05,
      "loss": 0.4032,
      "step": 1210
    },
    {
      "epoch": 0.4036666666666667,
      "grad_norm": 1.650567650794983,
      "learning_rate": 3.316666666666667e-05,
      "loss": 0.3315,
      "step": 1211
    },
    {
      "epoch": 0.404,
      "grad_norm": 1.2101961374282837,
      "learning_rate": 3.314814814814815e-05,
      "loss": 0.3216,
      "step": 1212
    },
    {
      "epoch": 0.4043333333333333,
      "grad_norm": 1.379003882408142,
      "learning_rate": 3.312962962962963e-05,
      "loss": 0.375,
      "step": 1213
    },
    {
      "epoch": 0.4046666666666667,
      "grad_norm": 1.3828953504562378,
      "learning_rate": 3.311111111111112e-05,
      "loss": 0.4234,
      "step": 1214
    },
    {
      "epoch": 0.405,
      "grad_norm": 1.2310481071472168,
      "learning_rate": 3.309259259259259e-05,
      "loss": 0.3222,
      "step": 1215
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 1.138098955154419,
      "learning_rate": 3.307407407407407e-05,
      "loss": 0.2902,
      "step": 1216
    },
    {
      "epoch": 0.4056666666666667,
      "grad_norm": 1.2475906610488892,
      "learning_rate": 3.3055555555555553e-05,
      "loss": 0.2511,
      "step": 1217
    },
    {
      "epoch": 0.406,
      "grad_norm": 1.5216923952102661,
      "learning_rate": 3.303703703703704e-05,
      "loss": 0.3225,
      "step": 1218
    },
    {
      "epoch": 0.4063333333333333,
      "grad_norm": 1.3573172092437744,
      "learning_rate": 3.301851851851852e-05,
      "loss": 0.3624,
      "step": 1219
    },
    {
      "epoch": 0.4066666666666667,
      "grad_norm": 1.2531877756118774,
      "learning_rate": 3.3e-05,
      "loss": 0.3428,
      "step": 1220
    },
    {
      "epoch": 0.407,
      "grad_norm": 1.2263498306274414,
      "learning_rate": 3.298148148148148e-05,
      "loss": 0.3217,
      "step": 1221
    },
    {
      "epoch": 0.4073333333333333,
      "grad_norm": 1.5321907997131348,
      "learning_rate": 3.2962962962962964e-05,
      "loss": 0.3023,
      "step": 1222
    },
    {
      "epoch": 0.4076666666666667,
      "grad_norm": 1.4277921915054321,
      "learning_rate": 3.2944444444444445e-05,
      "loss": 0.3032,
      "step": 1223
    },
    {
      "epoch": 0.408,
      "grad_norm": 1.2472560405731201,
      "learning_rate": 3.2925925925925926e-05,
      "loss": 0.3173,
      "step": 1224
    },
    {
      "epoch": 0.4083333333333333,
      "grad_norm": 1.1488358974456787,
      "learning_rate": 3.2907407407407406e-05,
      "loss": 0.2607,
      "step": 1225
    },
    {
      "epoch": 0.4086666666666667,
      "grad_norm": 1.210424542427063,
      "learning_rate": 3.2888888888888894e-05,
      "loss": 0.3201,
      "step": 1226
    },
    {
      "epoch": 0.409,
      "grad_norm": 1.8057355880737305,
      "learning_rate": 3.2870370370370375e-05,
      "loss": 0.3661,
      "step": 1227
    },
    {
      "epoch": 0.4093333333333333,
      "grad_norm": 1.271549940109253,
      "learning_rate": 3.2851851851851856e-05,
      "loss": 0.3261,
      "step": 1228
    },
    {
      "epoch": 0.4096666666666667,
      "grad_norm": 1.2358571290969849,
      "learning_rate": 3.283333333333333e-05,
      "loss": 0.2953,
      "step": 1229
    },
    {
      "epoch": 0.41,
      "grad_norm": 1.2990944385528564,
      "learning_rate": 3.281481481481482e-05,
      "loss": 0.3033,
      "step": 1230
    },
    {
      "epoch": 0.4103333333333333,
      "grad_norm": 1.49687922000885,
      "learning_rate": 3.27962962962963e-05,
      "loss": 0.375,
      "step": 1231
    },
    {
      "epoch": 0.4106666666666667,
      "grad_norm": 1.057223916053772,
      "learning_rate": 3.277777777777778e-05,
      "loss": 0.267,
      "step": 1232
    },
    {
      "epoch": 0.411,
      "grad_norm": 1.398499608039856,
      "learning_rate": 3.275925925925926e-05,
      "loss": 0.3027,
      "step": 1233
    },
    {
      "epoch": 0.41133333333333333,
      "grad_norm": 1.3406695127487183,
      "learning_rate": 3.274074074074075e-05,
      "loss": 0.3725,
      "step": 1234
    },
    {
      "epoch": 0.4116666666666667,
      "grad_norm": 1.419496774673462,
      "learning_rate": 3.272222222222223e-05,
      "loss": 0.348,
      "step": 1235
    },
    {
      "epoch": 0.412,
      "grad_norm": 1.5485889911651611,
      "learning_rate": 3.27037037037037e-05,
      "loss": 0.4022,
      "step": 1236
    },
    {
      "epoch": 0.41233333333333333,
      "grad_norm": 1.2959764003753662,
      "learning_rate": 3.268518518518518e-05,
      "loss": 0.3821,
      "step": 1237
    },
    {
      "epoch": 0.4126666666666667,
      "grad_norm": 1.2219984531402588,
      "learning_rate": 3.266666666666667e-05,
      "loss": 0.2888,
      "step": 1238
    },
    {
      "epoch": 0.413,
      "grad_norm": 1.259722352027893,
      "learning_rate": 3.264814814814815e-05,
      "loss": 0.3498,
      "step": 1239
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 1.257016658782959,
      "learning_rate": 3.262962962962963e-05,
      "loss": 0.3015,
      "step": 1240
    },
    {
      "epoch": 0.4136666666666667,
      "grad_norm": 1.2367465496063232,
      "learning_rate": 3.261111111111111e-05,
      "loss": 0.2742,
      "step": 1241
    },
    {
      "epoch": 0.414,
      "grad_norm": 1.1874418258666992,
      "learning_rate": 3.25925925925926e-05,
      "loss": 0.2844,
      "step": 1242
    },
    {
      "epoch": 0.41433333333333333,
      "grad_norm": 1.706577181816101,
      "learning_rate": 3.2574074074074074e-05,
      "loss": 0.3626,
      "step": 1243
    },
    {
      "epoch": 0.4146666666666667,
      "grad_norm": 1.1454229354858398,
      "learning_rate": 3.2555555555555555e-05,
      "loss": 0.2802,
      "step": 1244
    },
    {
      "epoch": 0.415,
      "grad_norm": 1.410743236541748,
      "learning_rate": 3.2537037037037036e-05,
      "loss": 0.3806,
      "step": 1245
    },
    {
      "epoch": 0.41533333333333333,
      "grad_norm": 1.311240553855896,
      "learning_rate": 3.251851851851852e-05,
      "loss": 0.3108,
      "step": 1246
    },
    {
      "epoch": 0.4156666666666667,
      "grad_norm": 1.4041987657546997,
      "learning_rate": 3.2500000000000004e-05,
      "loss": 0.3697,
      "step": 1247
    },
    {
      "epoch": 0.416,
      "grad_norm": 1.1935088634490967,
      "learning_rate": 3.2481481481481485e-05,
      "loss": 0.3179,
      "step": 1248
    },
    {
      "epoch": 0.41633333333333333,
      "grad_norm": 1.1657696962356567,
      "learning_rate": 3.2462962962962965e-05,
      "loss": 0.3017,
      "step": 1249
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 1.3761823177337646,
      "learning_rate": 3.2444444444444446e-05,
      "loss": 0.2881,
      "step": 1250
    },
    {
      "epoch": 0.417,
      "grad_norm": 2.1889655590057373,
      "learning_rate": 3.242592592592593e-05,
      "loss": 0.2877,
      "step": 1251
    },
    {
      "epoch": 0.41733333333333333,
      "grad_norm": 1.3915610313415527,
      "learning_rate": 3.240740740740741e-05,
      "loss": 0.3214,
      "step": 1252
    },
    {
      "epoch": 0.4176666666666667,
      "grad_norm": 2.2810142040252686,
      "learning_rate": 3.238888888888889e-05,
      "loss": 0.3269,
      "step": 1253
    },
    {
      "epoch": 0.418,
      "grad_norm": 1.3012681007385254,
      "learning_rate": 3.2370370370370376e-05,
      "loss": 0.3141,
      "step": 1254
    },
    {
      "epoch": 0.41833333333333333,
      "grad_norm": 1.337235689163208,
      "learning_rate": 3.235185185185186e-05,
      "loss": 0.3788,
      "step": 1255
    },
    {
      "epoch": 0.4186666666666667,
      "grad_norm": 1.2843315601348877,
      "learning_rate": 3.233333333333333e-05,
      "loss": 0.3142,
      "step": 1256
    },
    {
      "epoch": 0.419,
      "grad_norm": 1.365087628364563,
      "learning_rate": 3.231481481481481e-05,
      "loss": 0.3031,
      "step": 1257
    },
    {
      "epoch": 0.41933333333333334,
      "grad_norm": 1.6005221605300903,
      "learning_rate": 3.22962962962963e-05,
      "loss": 0.3137,
      "step": 1258
    },
    {
      "epoch": 0.4196666666666667,
      "grad_norm": 1.17437744140625,
      "learning_rate": 3.227777777777778e-05,
      "loss": 0.292,
      "step": 1259
    },
    {
      "epoch": 0.42,
      "grad_norm": 1.2326277494430542,
      "learning_rate": 3.225925925925926e-05,
      "loss": 0.2733,
      "step": 1260
    },
    {
      "epoch": 0.42033333333333334,
      "grad_norm": 1.3126592636108398,
      "learning_rate": 3.224074074074074e-05,
      "loss": 0.3448,
      "step": 1261
    },
    {
      "epoch": 0.4206666666666667,
      "grad_norm": 2.3154373168945312,
      "learning_rate": 3.222222222222223e-05,
      "loss": 0.3375,
      "step": 1262
    },
    {
      "epoch": 0.421,
      "grad_norm": 1.3440665006637573,
      "learning_rate": 3.22037037037037e-05,
      "loss": 0.3093,
      "step": 1263
    },
    {
      "epoch": 0.42133333333333334,
      "grad_norm": 1.0816363096237183,
      "learning_rate": 3.2185185185185184e-05,
      "loss": 0.2594,
      "step": 1264
    },
    {
      "epoch": 0.4216666666666667,
      "grad_norm": 1.2021934986114502,
      "learning_rate": 3.2166666666666665e-05,
      "loss": 0.2714,
      "step": 1265
    },
    {
      "epoch": 0.422,
      "grad_norm": 1.3605766296386719,
      "learning_rate": 3.214814814814815e-05,
      "loss": 0.3457,
      "step": 1266
    },
    {
      "epoch": 0.42233333333333334,
      "grad_norm": 1.2555632591247559,
      "learning_rate": 3.212962962962963e-05,
      "loss": 0.2736,
      "step": 1267
    },
    {
      "epoch": 0.4226666666666667,
      "grad_norm": 1.2175118923187256,
      "learning_rate": 3.2111111111111114e-05,
      "loss": 0.3066,
      "step": 1268
    },
    {
      "epoch": 0.423,
      "grad_norm": 1.1053125858306885,
      "learning_rate": 3.2092592592592595e-05,
      "loss": 0.2791,
      "step": 1269
    },
    {
      "epoch": 0.42333333333333334,
      "grad_norm": 1.3448011875152588,
      "learning_rate": 3.2074074074074075e-05,
      "loss": 0.3762,
      "step": 1270
    },
    {
      "epoch": 0.4236666666666667,
      "grad_norm": 1.2361633777618408,
      "learning_rate": 3.2055555555555556e-05,
      "loss": 0.2688,
      "step": 1271
    },
    {
      "epoch": 0.424,
      "grad_norm": 1.163905143737793,
      "learning_rate": 3.203703703703704e-05,
      "loss": 0.2813,
      "step": 1272
    },
    {
      "epoch": 0.42433333333333334,
      "grad_norm": 1.4232393503189087,
      "learning_rate": 3.201851851851852e-05,
      "loss": 0.3675,
      "step": 1273
    },
    {
      "epoch": 0.4246666666666667,
      "grad_norm": 1.3182367086410522,
      "learning_rate": 3.2000000000000005e-05,
      "loss": 0.3599,
      "step": 1274
    },
    {
      "epoch": 0.425,
      "grad_norm": 1.3285682201385498,
      "learning_rate": 3.1981481481481486e-05,
      "loss": 0.3284,
      "step": 1275
    },
    {
      "epoch": 0.42533333333333334,
      "grad_norm": 1.3403418064117432,
      "learning_rate": 3.196296296296297e-05,
      "loss": 0.3361,
      "step": 1276
    },
    {
      "epoch": 0.4256666666666667,
      "grad_norm": 1.194331169128418,
      "learning_rate": 3.194444444444444e-05,
      "loss": 0.2899,
      "step": 1277
    },
    {
      "epoch": 0.426,
      "grad_norm": 1.3186957836151123,
      "learning_rate": 3.192592592592593e-05,
      "loss": 0.3482,
      "step": 1278
    },
    {
      "epoch": 0.42633333333333334,
      "grad_norm": 1.5927499532699585,
      "learning_rate": 3.190740740740741e-05,
      "loss": 0.3676,
      "step": 1279
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 1.2911031246185303,
      "learning_rate": 3.188888888888889e-05,
      "loss": 0.363,
      "step": 1280
    },
    {
      "epoch": 0.427,
      "grad_norm": 1.2698369026184082,
      "learning_rate": 3.187037037037037e-05,
      "loss": 0.3324,
      "step": 1281
    },
    {
      "epoch": 0.42733333333333334,
      "grad_norm": 1.447779655456543,
      "learning_rate": 3.185185185185185e-05,
      "loss": 0.2758,
      "step": 1282
    },
    {
      "epoch": 0.42766666666666664,
      "grad_norm": 1.4399187564849854,
      "learning_rate": 3.183333333333334e-05,
      "loss": 0.3142,
      "step": 1283
    },
    {
      "epoch": 0.428,
      "grad_norm": 1.0748909711837769,
      "learning_rate": 3.181481481481481e-05,
      "loss": 0.2866,
      "step": 1284
    },
    {
      "epoch": 0.42833333333333334,
      "grad_norm": 1.073938250541687,
      "learning_rate": 3.1796296296296294e-05,
      "loss": 0.2726,
      "step": 1285
    },
    {
      "epoch": 0.42866666666666664,
      "grad_norm": 1.9973044395446777,
      "learning_rate": 3.177777777777778e-05,
      "loss": 0.3124,
      "step": 1286
    },
    {
      "epoch": 0.429,
      "grad_norm": 1.3469796180725098,
      "learning_rate": 3.175925925925926e-05,
      "loss": 0.351,
      "step": 1287
    },
    {
      "epoch": 0.42933333333333334,
      "grad_norm": 1.4153450727462769,
      "learning_rate": 3.174074074074074e-05,
      "loss": 0.3518,
      "step": 1288
    },
    {
      "epoch": 0.42966666666666664,
      "grad_norm": 1.2307051420211792,
      "learning_rate": 3.1722222222222224e-05,
      "loss": 0.3092,
      "step": 1289
    },
    {
      "epoch": 0.43,
      "grad_norm": 1.214272141456604,
      "learning_rate": 3.1703703703703705e-05,
      "loss": 0.286,
      "step": 1290
    },
    {
      "epoch": 0.43033333333333335,
      "grad_norm": 1.20262610912323,
      "learning_rate": 3.1685185185185185e-05,
      "loss": 0.3441,
      "step": 1291
    },
    {
      "epoch": 0.43066666666666664,
      "grad_norm": 1.3520455360412598,
      "learning_rate": 3.1666666666666666e-05,
      "loss": 0.344,
      "step": 1292
    },
    {
      "epoch": 0.431,
      "grad_norm": 1.766294002532959,
      "learning_rate": 3.164814814814815e-05,
      "loss": 0.3369,
      "step": 1293
    },
    {
      "epoch": 0.43133333333333335,
      "grad_norm": 2.029533863067627,
      "learning_rate": 3.1629629629629634e-05,
      "loss": 0.3609,
      "step": 1294
    },
    {
      "epoch": 0.43166666666666664,
      "grad_norm": 1.1907929182052612,
      "learning_rate": 3.1611111111111115e-05,
      "loss": 0.3113,
      "step": 1295
    },
    {
      "epoch": 0.432,
      "grad_norm": 1.914631962776184,
      "learning_rate": 3.1592592592592596e-05,
      "loss": 0.4328,
      "step": 1296
    },
    {
      "epoch": 0.43233333333333335,
      "grad_norm": 1.4536421298980713,
      "learning_rate": 3.157407407407408e-05,
      "loss": 0.3263,
      "step": 1297
    },
    {
      "epoch": 0.43266666666666664,
      "grad_norm": 1.742464542388916,
      "learning_rate": 3.155555555555556e-05,
      "loss": 0.3452,
      "step": 1298
    },
    {
      "epoch": 0.433,
      "grad_norm": 1.3391237258911133,
      "learning_rate": 3.153703703703704e-05,
      "loss": 0.2995,
      "step": 1299
    },
    {
      "epoch": 0.43333333333333335,
      "grad_norm": 1.3630019426345825,
      "learning_rate": 3.151851851851852e-05,
      "loss": 0.3726,
      "step": 1300
    },
    {
      "epoch": 0.43366666666666664,
      "grad_norm": 1.3360670804977417,
      "learning_rate": 3.15e-05,
      "loss": 0.3647,
      "step": 1301
    },
    {
      "epoch": 0.434,
      "grad_norm": 1.4964908361434937,
      "learning_rate": 3.148148148148148e-05,
      "loss": 0.2782,
      "step": 1302
    },
    {
      "epoch": 0.43433333333333335,
      "grad_norm": 1.34764564037323,
      "learning_rate": 3.146296296296297e-05,
      "loss": 0.3662,
      "step": 1303
    },
    {
      "epoch": 0.43466666666666665,
      "grad_norm": 1.3717085123062134,
      "learning_rate": 3.144444444444445e-05,
      "loss": 0.3719,
      "step": 1304
    },
    {
      "epoch": 0.435,
      "grad_norm": 1.5210474729537964,
      "learning_rate": 3.142592592592592e-05,
      "loss": 0.4245,
      "step": 1305
    },
    {
      "epoch": 0.43533333333333335,
      "grad_norm": 1.6612187623977661,
      "learning_rate": 3.140740740740741e-05,
      "loss": 0.4282,
      "step": 1306
    },
    {
      "epoch": 0.43566666666666665,
      "grad_norm": 1.7016777992248535,
      "learning_rate": 3.138888888888889e-05,
      "loss": 0.3349,
      "step": 1307
    },
    {
      "epoch": 0.436,
      "grad_norm": 1.6802518367767334,
      "learning_rate": 3.137037037037037e-05,
      "loss": 0.3141,
      "step": 1308
    },
    {
      "epoch": 0.43633333333333335,
      "grad_norm": 2.4000046253204346,
      "learning_rate": 3.135185185185185e-05,
      "loss": 0.3325,
      "step": 1309
    },
    {
      "epoch": 0.43666666666666665,
      "grad_norm": 1.4784601926803589,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 0.3049,
      "step": 1310
    },
    {
      "epoch": 0.437,
      "grad_norm": 1.630005121231079,
      "learning_rate": 3.131481481481482e-05,
      "loss": 0.3224,
      "step": 1311
    },
    {
      "epoch": 0.43733333333333335,
      "grad_norm": 1.3963704109191895,
      "learning_rate": 3.1296296296296295e-05,
      "loss": 0.3027,
      "step": 1312
    },
    {
      "epoch": 0.43766666666666665,
      "grad_norm": 2.303802013397217,
      "learning_rate": 3.1277777777777776e-05,
      "loss": 0.2847,
      "step": 1313
    },
    {
      "epoch": 0.438,
      "grad_norm": 1.1832516193389893,
      "learning_rate": 3.1259259259259264e-05,
      "loss": 0.3579,
      "step": 1314
    },
    {
      "epoch": 0.43833333333333335,
      "grad_norm": 1.4813835620880127,
      "learning_rate": 3.1240740740740744e-05,
      "loss": 0.3716,
      "step": 1315
    },
    {
      "epoch": 0.43866666666666665,
      "grad_norm": 2.1704001426696777,
      "learning_rate": 3.1222222222222225e-05,
      "loss": 0.3648,
      "step": 1316
    },
    {
      "epoch": 0.439,
      "grad_norm": 1.4701802730560303,
      "learning_rate": 3.1203703703703706e-05,
      "loss": 0.3652,
      "step": 1317
    },
    {
      "epoch": 0.43933333333333335,
      "grad_norm": 1.3754160404205322,
      "learning_rate": 3.118518518518519e-05,
      "loss": 0.2939,
      "step": 1318
    },
    {
      "epoch": 0.43966666666666665,
      "grad_norm": 1.4342671632766724,
      "learning_rate": 3.116666666666667e-05,
      "loss": 0.3745,
      "step": 1319
    },
    {
      "epoch": 0.44,
      "grad_norm": 1.3938649892807007,
      "learning_rate": 3.114814814814815e-05,
      "loss": 0.2953,
      "step": 1320
    },
    {
      "epoch": 0.44033333333333335,
      "grad_norm": 1.391393780708313,
      "learning_rate": 3.112962962962963e-05,
      "loss": 0.3196,
      "step": 1321
    },
    {
      "epoch": 0.44066666666666665,
      "grad_norm": 1.248563289642334,
      "learning_rate": 3.111111111111111e-05,
      "loss": 0.3165,
      "step": 1322
    },
    {
      "epoch": 0.441,
      "grad_norm": 1.1494781970977783,
      "learning_rate": 3.10925925925926e-05,
      "loss": 0.3299,
      "step": 1323
    },
    {
      "epoch": 0.44133333333333336,
      "grad_norm": 1.2400906085968018,
      "learning_rate": 3.107407407407408e-05,
      "loss": 0.2792,
      "step": 1324
    },
    {
      "epoch": 0.44166666666666665,
      "grad_norm": 1.3425542116165161,
      "learning_rate": 3.105555555555555e-05,
      "loss": 0.3149,
      "step": 1325
    },
    {
      "epoch": 0.442,
      "grad_norm": 1.3477575778961182,
      "learning_rate": 3.103703703703704e-05,
      "loss": 0.355,
      "step": 1326
    },
    {
      "epoch": 0.44233333333333336,
      "grad_norm": 1.313015341758728,
      "learning_rate": 3.101851851851852e-05,
      "loss": 0.3455,
      "step": 1327
    },
    {
      "epoch": 0.44266666666666665,
      "grad_norm": 2.502833366394043,
      "learning_rate": 3.1e-05,
      "loss": 0.3538,
      "step": 1328
    },
    {
      "epoch": 0.443,
      "grad_norm": 1.1024823188781738,
      "learning_rate": 3.098148148148148e-05,
      "loss": 0.2648,
      "step": 1329
    },
    {
      "epoch": 0.44333333333333336,
      "grad_norm": 1.304589033126831,
      "learning_rate": 3.096296296296296e-05,
      "loss": 0.3681,
      "step": 1330
    },
    {
      "epoch": 0.44366666666666665,
      "grad_norm": 1.2134301662445068,
      "learning_rate": 3.094444444444445e-05,
      "loss": 0.3392,
      "step": 1331
    },
    {
      "epoch": 0.444,
      "grad_norm": 1.2979830503463745,
      "learning_rate": 3.0925925925925924e-05,
      "loss": 0.2956,
      "step": 1332
    },
    {
      "epoch": 0.44433333333333336,
      "grad_norm": 1.2990505695343018,
      "learning_rate": 3.0907407407407405e-05,
      "loss": 0.3502,
      "step": 1333
    },
    {
      "epoch": 0.44466666666666665,
      "grad_norm": 1.2404588460922241,
      "learning_rate": 3.088888888888889e-05,
      "loss": 0.3004,
      "step": 1334
    },
    {
      "epoch": 0.445,
      "grad_norm": 1.2336517572402954,
      "learning_rate": 3.0870370370370374e-05,
      "loss": 0.2999,
      "step": 1335
    },
    {
      "epoch": 0.44533333333333336,
      "grad_norm": 1.4121935367584229,
      "learning_rate": 3.0851851851851854e-05,
      "loss": 0.4143,
      "step": 1336
    },
    {
      "epoch": 0.44566666666666666,
      "grad_norm": 1.5293573141098022,
      "learning_rate": 3.0833333333333335e-05,
      "loss": 0.3462,
      "step": 1337
    },
    {
      "epoch": 0.446,
      "grad_norm": 1.2020673751831055,
      "learning_rate": 3.0814814814814816e-05,
      "loss": 0.2971,
      "step": 1338
    },
    {
      "epoch": 0.44633333333333336,
      "grad_norm": 1.2633086442947388,
      "learning_rate": 3.07962962962963e-05,
      "loss": 0.3081,
      "step": 1339
    },
    {
      "epoch": 0.44666666666666666,
      "grad_norm": 1.1711537837982178,
      "learning_rate": 3.077777777777778e-05,
      "loss": 0.2639,
      "step": 1340
    },
    {
      "epoch": 0.447,
      "grad_norm": 1.5304292440414429,
      "learning_rate": 3.075925925925926e-05,
      "loss": 0.3811,
      "step": 1341
    },
    {
      "epoch": 0.44733333333333336,
      "grad_norm": 1.1833956241607666,
      "learning_rate": 3.074074074074074e-05,
      "loss": 0.2654,
      "step": 1342
    },
    {
      "epoch": 0.44766666666666666,
      "grad_norm": 1.3380838632583618,
      "learning_rate": 3.0722222222222227e-05,
      "loss": 0.337,
      "step": 1343
    },
    {
      "epoch": 0.448,
      "grad_norm": 1.3382307291030884,
      "learning_rate": 3.070370370370371e-05,
      "loss": 0.3167,
      "step": 1344
    },
    {
      "epoch": 0.4483333333333333,
      "grad_norm": 1.4100250005722046,
      "learning_rate": 3.068518518518519e-05,
      "loss": 0.3449,
      "step": 1345
    },
    {
      "epoch": 0.44866666666666666,
      "grad_norm": 1.2076665163040161,
      "learning_rate": 3.066666666666667e-05,
      "loss": 0.2768,
      "step": 1346
    },
    {
      "epoch": 0.449,
      "grad_norm": 1.7231465578079224,
      "learning_rate": 3.064814814814815e-05,
      "loss": 0.4216,
      "step": 1347
    },
    {
      "epoch": 0.4493333333333333,
      "grad_norm": 1.4446601867675781,
      "learning_rate": 3.062962962962963e-05,
      "loss": 0.3612,
      "step": 1348
    },
    {
      "epoch": 0.44966666666666666,
      "grad_norm": 1.1468433141708374,
      "learning_rate": 3.061111111111111e-05,
      "loss": 0.3229,
      "step": 1349
    },
    {
      "epoch": 0.45,
      "grad_norm": 1.542690396308899,
      "learning_rate": 3.059259259259259e-05,
      "loss": 0.3623,
      "step": 1350
    },
    {
      "epoch": 0.4503333333333333,
      "grad_norm": 1.2674552202224731,
      "learning_rate": 3.057407407407408e-05,
      "loss": 0.3036,
      "step": 1351
    },
    {
      "epoch": 0.45066666666666666,
      "grad_norm": 1.5266135931015015,
      "learning_rate": 3.055555555555556e-05,
      "loss": 0.4042,
      "step": 1352
    },
    {
      "epoch": 0.451,
      "grad_norm": 1.3288761377334595,
      "learning_rate": 3.0537037037037034e-05,
      "loss": 0.3654,
      "step": 1353
    },
    {
      "epoch": 0.4513333333333333,
      "grad_norm": 1.3868383169174194,
      "learning_rate": 3.0518518518518515e-05,
      "loss": 0.3316,
      "step": 1354
    },
    {
      "epoch": 0.45166666666666666,
      "grad_norm": 1.1661577224731445,
      "learning_rate": 3.05e-05,
      "loss": 0.3065,
      "step": 1355
    },
    {
      "epoch": 0.452,
      "grad_norm": 1.3198933601379395,
      "learning_rate": 3.0481481481481484e-05,
      "loss": 0.3576,
      "step": 1356
    },
    {
      "epoch": 0.4523333333333333,
      "grad_norm": 1.2684080600738525,
      "learning_rate": 3.0462962962962964e-05,
      "loss": 0.3025,
      "step": 1357
    },
    {
      "epoch": 0.45266666666666666,
      "grad_norm": 1.1674509048461914,
      "learning_rate": 3.044444444444445e-05,
      "loss": 0.2941,
      "step": 1358
    },
    {
      "epoch": 0.453,
      "grad_norm": 1.3995347023010254,
      "learning_rate": 3.042592592592593e-05,
      "loss": 0.3026,
      "step": 1359
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 1.3764044046401978,
      "learning_rate": 3.0407407407407407e-05,
      "loss": 0.3274,
      "step": 1360
    },
    {
      "epoch": 0.45366666666666666,
      "grad_norm": 1.0908697843551636,
      "learning_rate": 3.0388888888888887e-05,
      "loss": 0.2728,
      "step": 1361
    },
    {
      "epoch": 0.454,
      "grad_norm": 1.2327216863632202,
      "learning_rate": 3.037037037037037e-05,
      "loss": 0.2655,
      "step": 1362
    },
    {
      "epoch": 0.4543333333333333,
      "grad_norm": 2.35569429397583,
      "learning_rate": 3.0351851851851852e-05,
      "loss": 0.3685,
      "step": 1363
    },
    {
      "epoch": 0.45466666666666666,
      "grad_norm": 1.4257335662841797,
      "learning_rate": 3.0333333333333337e-05,
      "loss": 0.4052,
      "step": 1364
    },
    {
      "epoch": 0.455,
      "grad_norm": 1.1034331321716309,
      "learning_rate": 3.0314814814814817e-05,
      "loss": 0.2548,
      "step": 1365
    },
    {
      "epoch": 0.4553333333333333,
      "grad_norm": 1.0498321056365967,
      "learning_rate": 3.02962962962963e-05,
      "loss": 0.2707,
      "step": 1366
    },
    {
      "epoch": 0.45566666666666666,
      "grad_norm": 1.060611367225647,
      "learning_rate": 3.0277777777777776e-05,
      "loss": 0.2568,
      "step": 1367
    },
    {
      "epoch": 0.456,
      "grad_norm": 1.3205080032348633,
      "learning_rate": 3.025925925925926e-05,
      "loss": 0.3471,
      "step": 1368
    },
    {
      "epoch": 0.4563333333333333,
      "grad_norm": 1.2676697969436646,
      "learning_rate": 3.024074074074074e-05,
      "loss": 0.2766,
      "step": 1369
    },
    {
      "epoch": 0.45666666666666667,
      "grad_norm": 1.2587288618087769,
      "learning_rate": 3.0222222222222225e-05,
      "loss": 0.3377,
      "step": 1370
    },
    {
      "epoch": 0.457,
      "grad_norm": 1.4589860439300537,
      "learning_rate": 3.0203703703703705e-05,
      "loss": 0.2951,
      "step": 1371
    },
    {
      "epoch": 0.4573333333333333,
      "grad_norm": 1.1985411643981934,
      "learning_rate": 3.018518518518519e-05,
      "loss": 0.2703,
      "step": 1372
    },
    {
      "epoch": 0.45766666666666667,
      "grad_norm": 1.1373658180236816,
      "learning_rate": 3.016666666666667e-05,
      "loss": 0.2473,
      "step": 1373
    },
    {
      "epoch": 0.458,
      "grad_norm": 1.2547950744628906,
      "learning_rate": 3.0148148148148148e-05,
      "loss": 0.2939,
      "step": 1374
    },
    {
      "epoch": 0.4583333333333333,
      "grad_norm": 1.1848363876342773,
      "learning_rate": 3.012962962962963e-05,
      "loss": 0.3029,
      "step": 1375
    },
    {
      "epoch": 0.45866666666666667,
      "grad_norm": 1.182063102722168,
      "learning_rate": 3.0111111111111113e-05,
      "loss": 0.3495,
      "step": 1376
    },
    {
      "epoch": 0.459,
      "grad_norm": 1.0706794261932373,
      "learning_rate": 3.0092592592592593e-05,
      "loss": 0.2785,
      "step": 1377
    },
    {
      "epoch": 0.4593333333333333,
      "grad_norm": 1.2743030786514282,
      "learning_rate": 3.0074074074074078e-05,
      "loss": 0.2893,
      "step": 1378
    },
    {
      "epoch": 0.45966666666666667,
      "grad_norm": 1.2689483165740967,
      "learning_rate": 3.005555555555556e-05,
      "loss": 0.3606,
      "step": 1379
    },
    {
      "epoch": 0.46,
      "grad_norm": 1.1840660572052002,
      "learning_rate": 3.0037037037037036e-05,
      "loss": 0.2764,
      "step": 1380
    },
    {
      "epoch": 0.4603333333333333,
      "grad_norm": 1.262755274772644,
      "learning_rate": 3.0018518518518517e-05,
      "loss": 0.3191,
      "step": 1381
    },
    {
      "epoch": 0.46066666666666667,
      "grad_norm": 1.342287540435791,
      "learning_rate": 3e-05,
      "loss": 0.354,
      "step": 1382
    },
    {
      "epoch": 0.461,
      "grad_norm": 1.2277249097824097,
      "learning_rate": 2.998148148148148e-05,
      "loss": 0.3038,
      "step": 1383
    },
    {
      "epoch": 0.4613333333333333,
      "grad_norm": 1.2405732870101929,
      "learning_rate": 2.9962962962962966e-05,
      "loss": 0.3244,
      "step": 1384
    },
    {
      "epoch": 0.46166666666666667,
      "grad_norm": 1.2307440042495728,
      "learning_rate": 2.9944444444444446e-05,
      "loss": 0.3236,
      "step": 1385
    },
    {
      "epoch": 0.462,
      "grad_norm": 1.443271279335022,
      "learning_rate": 2.992592592592593e-05,
      "loss": 0.3175,
      "step": 1386
    },
    {
      "epoch": 0.4623333333333333,
      "grad_norm": 1.2614922523498535,
      "learning_rate": 2.9907407407407405e-05,
      "loss": 0.3891,
      "step": 1387
    },
    {
      "epoch": 0.46266666666666667,
      "grad_norm": 1.3766247034072876,
      "learning_rate": 2.988888888888889e-05,
      "loss": 0.3911,
      "step": 1388
    },
    {
      "epoch": 0.463,
      "grad_norm": 1.2880407571792603,
      "learning_rate": 2.987037037037037e-05,
      "loss": 0.3681,
      "step": 1389
    },
    {
      "epoch": 0.4633333333333333,
      "grad_norm": 1.2187671661376953,
      "learning_rate": 2.9851851851851854e-05,
      "loss": 0.3476,
      "step": 1390
    },
    {
      "epoch": 0.46366666666666667,
      "grad_norm": 1.2400803565979004,
      "learning_rate": 2.9833333333333335e-05,
      "loss": 0.2945,
      "step": 1391
    },
    {
      "epoch": 0.464,
      "grad_norm": 1.3185800313949585,
      "learning_rate": 2.981481481481482e-05,
      "loss": 0.2691,
      "step": 1392
    },
    {
      "epoch": 0.4643333333333333,
      "grad_norm": 1.309971809387207,
      "learning_rate": 2.97962962962963e-05,
      "loss": 0.3146,
      "step": 1393
    },
    {
      "epoch": 0.4646666666666667,
      "grad_norm": 1.179674506187439,
      "learning_rate": 2.9777777777777777e-05,
      "loss": 0.2472,
      "step": 1394
    },
    {
      "epoch": 0.465,
      "grad_norm": 1.2416373491287231,
      "learning_rate": 2.9759259259259258e-05,
      "loss": 0.3113,
      "step": 1395
    },
    {
      "epoch": 0.4653333333333333,
      "grad_norm": 1.4975022077560425,
      "learning_rate": 2.9740740740740742e-05,
      "loss": 0.438,
      "step": 1396
    },
    {
      "epoch": 0.4656666666666667,
      "grad_norm": 1.3346996307373047,
      "learning_rate": 2.9722222222222223e-05,
      "loss": 0.3393,
      "step": 1397
    },
    {
      "epoch": 0.466,
      "grad_norm": 1.131181001663208,
      "learning_rate": 2.9703703703703707e-05,
      "loss": 0.2818,
      "step": 1398
    },
    {
      "epoch": 0.4663333333333333,
      "grad_norm": 1.473502516746521,
      "learning_rate": 2.9685185185185188e-05,
      "loss": 0.3504,
      "step": 1399
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 1.4740447998046875,
      "learning_rate": 2.9666666666666672e-05,
      "loss": 0.3279,
      "step": 1400
    },
    {
      "epoch": 0.467,
      "grad_norm": 1.3544232845306396,
      "learning_rate": 2.9648148148148146e-05,
      "loss": 0.3499,
      "step": 1401
    },
    {
      "epoch": 0.4673333333333333,
      "grad_norm": 1.3495687246322632,
      "learning_rate": 2.962962962962963e-05,
      "loss": 0.3455,
      "step": 1402
    },
    {
      "epoch": 0.4676666666666667,
      "grad_norm": 1.2778713703155518,
      "learning_rate": 2.961111111111111e-05,
      "loss": 0.3053,
      "step": 1403
    },
    {
      "epoch": 0.468,
      "grad_norm": 1.242203712463379,
      "learning_rate": 2.9592592592592595e-05,
      "loss": 0.3181,
      "step": 1404
    },
    {
      "epoch": 0.4683333333333333,
      "grad_norm": 1.225061297416687,
      "learning_rate": 2.9574074074074076e-05,
      "loss": 0.3322,
      "step": 1405
    },
    {
      "epoch": 0.4686666666666667,
      "grad_norm": 1.209337592124939,
      "learning_rate": 2.955555555555556e-05,
      "loss": 0.3377,
      "step": 1406
    },
    {
      "epoch": 0.469,
      "grad_norm": 1.3530369997024536,
      "learning_rate": 2.953703703703704e-05,
      "loss": 0.3905,
      "step": 1407
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 1.11212158203125,
      "learning_rate": 2.9518518518518518e-05,
      "loss": 0.2859,
      "step": 1408
    },
    {
      "epoch": 0.4696666666666667,
      "grad_norm": 1.2247726917266846,
      "learning_rate": 2.95e-05,
      "loss": 0.3013,
      "step": 1409
    },
    {
      "epoch": 0.47,
      "grad_norm": 1.6114306449890137,
      "learning_rate": 2.9481481481481483e-05,
      "loss": 0.3581,
      "step": 1410
    },
    {
      "epoch": 0.4703333333333333,
      "grad_norm": 1.224010705947876,
      "learning_rate": 2.9462962962962964e-05,
      "loss": 0.2936,
      "step": 1411
    },
    {
      "epoch": 0.4706666666666667,
      "grad_norm": 1.4975155591964722,
      "learning_rate": 2.9444444444444448e-05,
      "loss": 0.3186,
      "step": 1412
    },
    {
      "epoch": 0.471,
      "grad_norm": 1.2867941856384277,
      "learning_rate": 2.942592592592593e-05,
      "loss": 0.2708,
      "step": 1413
    },
    {
      "epoch": 0.4713333333333333,
      "grad_norm": 1.246773600578308,
      "learning_rate": 2.9407407407407413e-05,
      "loss": 0.3267,
      "step": 1414
    },
    {
      "epoch": 0.4716666666666667,
      "grad_norm": 1.335707187652588,
      "learning_rate": 2.9388888888888887e-05,
      "loss": 0.3342,
      "step": 1415
    },
    {
      "epoch": 0.472,
      "grad_norm": 1.1888049840927124,
      "learning_rate": 2.937037037037037e-05,
      "loss": 0.3087,
      "step": 1416
    },
    {
      "epoch": 0.4723333333333333,
      "grad_norm": 1.17875075340271,
      "learning_rate": 2.9351851851851852e-05,
      "loss": 0.2697,
      "step": 1417
    },
    {
      "epoch": 0.4726666666666667,
      "grad_norm": 1.1846857070922852,
      "learning_rate": 2.9333333333333336e-05,
      "loss": 0.3313,
      "step": 1418
    },
    {
      "epoch": 0.473,
      "grad_norm": 1.2203112840652466,
      "learning_rate": 2.9314814814814817e-05,
      "loss": 0.3013,
      "step": 1419
    },
    {
      "epoch": 0.47333333333333333,
      "grad_norm": 1.433706283569336,
      "learning_rate": 2.92962962962963e-05,
      "loss": 0.3654,
      "step": 1420
    },
    {
      "epoch": 0.4736666666666667,
      "grad_norm": 1.1950478553771973,
      "learning_rate": 2.927777777777778e-05,
      "loss": 0.3213,
      "step": 1421
    },
    {
      "epoch": 0.474,
      "grad_norm": 1.1696751117706299,
      "learning_rate": 2.925925925925926e-05,
      "loss": 0.3319,
      "step": 1422
    },
    {
      "epoch": 0.47433333333333333,
      "grad_norm": 1.300218939781189,
      "learning_rate": 2.924074074074074e-05,
      "loss": 0.393,
      "step": 1423
    },
    {
      "epoch": 0.4746666666666667,
      "grad_norm": 1.312639594078064,
      "learning_rate": 2.9222222222222224e-05,
      "loss": 0.3362,
      "step": 1424
    },
    {
      "epoch": 0.475,
      "grad_norm": 1.1032116413116455,
      "learning_rate": 2.9203703703703705e-05,
      "loss": 0.3317,
      "step": 1425
    },
    {
      "epoch": 0.47533333333333333,
      "grad_norm": 1.0733202695846558,
      "learning_rate": 2.918518518518519e-05,
      "loss": 0.2963,
      "step": 1426
    },
    {
      "epoch": 0.4756666666666667,
      "grad_norm": 1.2385832071304321,
      "learning_rate": 2.916666666666667e-05,
      "loss": 0.3134,
      "step": 1427
    },
    {
      "epoch": 0.476,
      "grad_norm": 1.0835086107254028,
      "learning_rate": 2.914814814814815e-05,
      "loss": 0.2682,
      "step": 1428
    },
    {
      "epoch": 0.47633333333333333,
      "grad_norm": 1.4627580642700195,
      "learning_rate": 2.9129629629629628e-05,
      "loss": 0.4014,
      "step": 1429
    },
    {
      "epoch": 0.4766666666666667,
      "grad_norm": 1.6688096523284912,
      "learning_rate": 2.9111111111111112e-05,
      "loss": 0.3514,
      "step": 1430
    },
    {
      "epoch": 0.477,
      "grad_norm": 1.2189342975616455,
      "learning_rate": 2.9092592592592593e-05,
      "loss": 0.3113,
      "step": 1431
    },
    {
      "epoch": 0.47733333333333333,
      "grad_norm": 2.774292469024658,
      "learning_rate": 2.9074074074074077e-05,
      "loss": 0.3339,
      "step": 1432
    },
    {
      "epoch": 0.4776666666666667,
      "grad_norm": 1.4413480758666992,
      "learning_rate": 2.9055555555555558e-05,
      "loss": 0.3266,
      "step": 1433
    },
    {
      "epoch": 0.478,
      "grad_norm": 1.1136285066604614,
      "learning_rate": 2.9037037037037042e-05,
      "loss": 0.3188,
      "step": 1434
    },
    {
      "epoch": 0.47833333333333333,
      "grad_norm": 1.4369518756866455,
      "learning_rate": 2.9018518518518523e-05,
      "loss": 0.3174,
      "step": 1435
    },
    {
      "epoch": 0.4786666666666667,
      "grad_norm": 1.121774435043335,
      "learning_rate": 2.9e-05,
      "loss": 0.2683,
      "step": 1436
    },
    {
      "epoch": 0.479,
      "grad_norm": 1.476367712020874,
      "learning_rate": 2.898148148148148e-05,
      "loss": 0.3649,
      "step": 1437
    },
    {
      "epoch": 0.47933333333333333,
      "grad_norm": 3.723578691482544,
      "learning_rate": 2.8962962962962965e-05,
      "loss": 0.2983,
      "step": 1438
    },
    {
      "epoch": 0.4796666666666667,
      "grad_norm": 1.183883547782898,
      "learning_rate": 2.8944444444444446e-05,
      "loss": 0.2876,
      "step": 1439
    },
    {
      "epoch": 0.48,
      "grad_norm": 1.4269229173660278,
      "learning_rate": 2.892592592592593e-05,
      "loss": 0.3635,
      "step": 1440
    },
    {
      "epoch": 0.48033333333333333,
      "grad_norm": 1.3004590272903442,
      "learning_rate": 2.890740740740741e-05,
      "loss": 0.3151,
      "step": 1441
    },
    {
      "epoch": 0.4806666666666667,
      "grad_norm": 1.383721947669983,
      "learning_rate": 2.8888888888888888e-05,
      "loss": 0.3826,
      "step": 1442
    },
    {
      "epoch": 0.481,
      "grad_norm": 1.2294740676879883,
      "learning_rate": 2.887037037037037e-05,
      "loss": 0.3172,
      "step": 1443
    },
    {
      "epoch": 0.48133333333333334,
      "grad_norm": 1.5366986989974976,
      "learning_rate": 2.8851851851851853e-05,
      "loss": 0.4267,
      "step": 1444
    },
    {
      "epoch": 0.4816666666666667,
      "grad_norm": 1.90938138961792,
      "learning_rate": 2.8833333333333334e-05,
      "loss": 0.3637,
      "step": 1445
    },
    {
      "epoch": 0.482,
      "grad_norm": 1.1772290468215942,
      "learning_rate": 2.8814814814814818e-05,
      "loss": 0.3076,
      "step": 1446
    },
    {
      "epoch": 0.48233333333333334,
      "grad_norm": 1.1554288864135742,
      "learning_rate": 2.87962962962963e-05,
      "loss": 0.2402,
      "step": 1447
    },
    {
      "epoch": 0.4826666666666667,
      "grad_norm": 1.2633064985275269,
      "learning_rate": 2.877777777777778e-05,
      "loss": 0.3329,
      "step": 1448
    },
    {
      "epoch": 0.483,
      "grad_norm": 1.2321231365203857,
      "learning_rate": 2.8759259259259257e-05,
      "loss": 0.3074,
      "step": 1449
    },
    {
      "epoch": 0.48333333333333334,
      "grad_norm": 1.156182050704956,
      "learning_rate": 2.874074074074074e-05,
      "loss": 0.2835,
      "step": 1450
    },
    {
      "epoch": 0.4836666666666667,
      "grad_norm": 1.3381316661834717,
      "learning_rate": 2.8722222222222222e-05,
      "loss": 0.3476,
      "step": 1451
    },
    {
      "epoch": 0.484,
      "grad_norm": 1.2112376689910889,
      "learning_rate": 2.8703703703703706e-05,
      "loss": 0.2773,
      "step": 1452
    },
    {
      "epoch": 0.48433333333333334,
      "grad_norm": 1.2340188026428223,
      "learning_rate": 2.8685185185185187e-05,
      "loss": 0.289,
      "step": 1453
    },
    {
      "epoch": 0.4846666666666667,
      "grad_norm": 1.2579541206359863,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 0.313,
      "step": 1454
    },
    {
      "epoch": 0.485,
      "grad_norm": 1.241226077079773,
      "learning_rate": 2.8648148148148152e-05,
      "loss": 0.2794,
      "step": 1455
    },
    {
      "epoch": 0.48533333333333334,
      "grad_norm": 1.2922860383987427,
      "learning_rate": 2.862962962962963e-05,
      "loss": 0.3087,
      "step": 1456
    },
    {
      "epoch": 0.4856666666666667,
      "grad_norm": 1.7174919843673706,
      "learning_rate": 2.861111111111111e-05,
      "loss": 0.283,
      "step": 1457
    },
    {
      "epoch": 0.486,
      "grad_norm": 1.0002614259719849,
      "learning_rate": 2.8592592592592594e-05,
      "loss": 0.2754,
      "step": 1458
    },
    {
      "epoch": 0.48633333333333334,
      "grad_norm": 1.2910239696502686,
      "learning_rate": 2.8574074074074075e-05,
      "loss": 0.2671,
      "step": 1459
    },
    {
      "epoch": 0.4866666666666667,
      "grad_norm": 2.047118663787842,
      "learning_rate": 2.855555555555556e-05,
      "loss": 0.3482,
      "step": 1460
    },
    {
      "epoch": 0.487,
      "grad_norm": 1.1803579330444336,
      "learning_rate": 2.853703703703704e-05,
      "loss": 0.2532,
      "step": 1461
    },
    {
      "epoch": 0.48733333333333334,
      "grad_norm": 1.1615252494812012,
      "learning_rate": 2.851851851851852e-05,
      "loss": 0.3177,
      "step": 1462
    },
    {
      "epoch": 0.4876666666666667,
      "grad_norm": 1.30791437625885,
      "learning_rate": 2.8499999999999998e-05,
      "loss": 0.31,
      "step": 1463
    },
    {
      "epoch": 0.488,
      "grad_norm": 1.5526585578918457,
      "learning_rate": 2.8481481481481482e-05,
      "loss": 0.3354,
      "step": 1464
    },
    {
      "epoch": 0.48833333333333334,
      "grad_norm": 1.108884572982788,
      "learning_rate": 2.8462962962962963e-05,
      "loss": 0.2675,
      "step": 1465
    },
    {
      "epoch": 0.4886666666666667,
      "grad_norm": 1.4003392457962036,
      "learning_rate": 2.8444444444444447e-05,
      "loss": 0.3844,
      "step": 1466
    },
    {
      "epoch": 0.489,
      "grad_norm": 1.3697230815887451,
      "learning_rate": 2.8425925925925928e-05,
      "loss": 0.3385,
      "step": 1467
    },
    {
      "epoch": 0.48933333333333334,
      "grad_norm": 1.411913514137268,
      "learning_rate": 2.840740740740741e-05,
      "loss": 0.4013,
      "step": 1468
    },
    {
      "epoch": 0.48966666666666664,
      "grad_norm": 1.2229613065719604,
      "learning_rate": 2.8388888888888893e-05,
      "loss": 0.2815,
      "step": 1469
    },
    {
      "epoch": 0.49,
      "grad_norm": 1.2119219303131104,
      "learning_rate": 2.837037037037037e-05,
      "loss": 0.2537,
      "step": 1470
    },
    {
      "epoch": 0.49033333333333334,
      "grad_norm": 2.0135629177093506,
      "learning_rate": 2.835185185185185e-05,
      "loss": 0.3491,
      "step": 1471
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 1.0925936698913574,
      "learning_rate": 2.8333333333333335e-05,
      "loss": 0.2537,
      "step": 1472
    },
    {
      "epoch": 0.491,
      "grad_norm": 1.1854288578033447,
      "learning_rate": 2.8314814814814816e-05,
      "loss": 0.3186,
      "step": 1473
    },
    {
      "epoch": 0.49133333333333334,
      "grad_norm": 1.5400022268295288,
      "learning_rate": 2.8296296296296297e-05,
      "loss": 0.3173,
      "step": 1474
    },
    {
      "epoch": 0.49166666666666664,
      "grad_norm": 1.5304557085037231,
      "learning_rate": 2.827777777777778e-05,
      "loss": 0.3168,
      "step": 1475
    },
    {
      "epoch": 0.492,
      "grad_norm": 4.108854293823242,
      "learning_rate": 2.8259259259259262e-05,
      "loss": 0.3148,
      "step": 1476
    },
    {
      "epoch": 0.49233333333333335,
      "grad_norm": 1.3374249935150146,
      "learning_rate": 2.824074074074074e-05,
      "loss": 0.3366,
      "step": 1477
    },
    {
      "epoch": 0.49266666666666664,
      "grad_norm": 1.2893925905227661,
      "learning_rate": 2.8222222222222223e-05,
      "loss": 0.2685,
      "step": 1478
    },
    {
      "epoch": 0.493,
      "grad_norm": 1.2790155410766602,
      "learning_rate": 2.8203703703703704e-05,
      "loss": 0.3289,
      "step": 1479
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 2.0232150554656982,
      "learning_rate": 2.8185185185185185e-05,
      "loss": 0.2403,
      "step": 1480
    },
    {
      "epoch": 0.49366666666666664,
      "grad_norm": 1.3600914478302002,
      "learning_rate": 2.816666666666667e-05,
      "loss": 0.3932,
      "step": 1481
    },
    {
      "epoch": 0.494,
      "grad_norm": 1.1035760641098022,
      "learning_rate": 2.814814814814815e-05,
      "loss": 0.254,
      "step": 1482
    },
    {
      "epoch": 0.49433333333333335,
      "grad_norm": 2.872220277786255,
      "learning_rate": 2.8129629629629634e-05,
      "loss": 0.2667,
      "step": 1483
    },
    {
      "epoch": 0.49466666666666664,
      "grad_norm": 1.2034220695495605,
      "learning_rate": 2.811111111111111e-05,
      "loss": 0.2772,
      "step": 1484
    },
    {
      "epoch": 0.495,
      "grad_norm": 1.424274206161499,
      "learning_rate": 2.8092592592592592e-05,
      "loss": 0.3602,
      "step": 1485
    },
    {
      "epoch": 0.49533333333333335,
      "grad_norm": 1.2699123620986938,
      "learning_rate": 2.8074074074074076e-05,
      "loss": 0.3362,
      "step": 1486
    },
    {
      "epoch": 0.49566666666666664,
      "grad_norm": 1.281512975692749,
      "learning_rate": 2.8055555555555557e-05,
      "loss": 0.2962,
      "step": 1487
    },
    {
      "epoch": 0.496,
      "grad_norm": 2.509653329849243,
      "learning_rate": 2.8037037037037038e-05,
      "loss": 0.3732,
      "step": 1488
    },
    {
      "epoch": 0.49633333333333335,
      "grad_norm": 1.2363303899765015,
      "learning_rate": 2.8018518518518522e-05,
      "loss": 0.378,
      "step": 1489
    },
    {
      "epoch": 0.49666666666666665,
      "grad_norm": 1.356900691986084,
      "learning_rate": 2.8000000000000003e-05,
      "loss": 0.2891,
      "step": 1490
    },
    {
      "epoch": 0.497,
      "grad_norm": 1.3257609605789185,
      "learning_rate": 2.798148148148148e-05,
      "loss": 0.3558,
      "step": 1491
    },
    {
      "epoch": 0.49733333333333335,
      "grad_norm": 1.2962430715560913,
      "learning_rate": 2.7962962962962965e-05,
      "loss": 0.3697,
      "step": 1492
    },
    {
      "epoch": 0.49766666666666665,
      "grad_norm": 2.9671995639801025,
      "learning_rate": 2.7944444444444445e-05,
      "loss": 0.3084,
      "step": 1493
    },
    {
      "epoch": 0.498,
      "grad_norm": 1.1034150123596191,
      "learning_rate": 2.7925925925925926e-05,
      "loss": 0.292,
      "step": 1494
    },
    {
      "epoch": 0.49833333333333335,
      "grad_norm": 1.245284914970398,
      "learning_rate": 2.790740740740741e-05,
      "loss": 0.3399,
      "step": 1495
    },
    {
      "epoch": 0.49866666666666665,
      "grad_norm": 1.2290374040603638,
      "learning_rate": 2.788888888888889e-05,
      "loss": 0.2493,
      "step": 1496
    },
    {
      "epoch": 0.499,
      "grad_norm": 1.293812870979309,
      "learning_rate": 2.7870370370370375e-05,
      "loss": 0.317,
      "step": 1497
    },
    {
      "epoch": 0.49933333333333335,
      "grad_norm": 1.1965440511703491,
      "learning_rate": 2.7851851851851853e-05,
      "loss": 0.277,
      "step": 1498
    },
    {
      "epoch": 0.49966666666666665,
      "grad_norm": 1.456701397895813,
      "learning_rate": 2.7833333333333333e-05,
      "loss": 0.438,
      "step": 1499
    },
    {
      "epoch": 0.5,
      "grad_norm": 1.1733109951019287,
      "learning_rate": 2.7814814814814814e-05,
      "loss": 0.2996,
      "step": 1500
    },
    {
      "epoch": 0.5003333333333333,
      "grad_norm": 1.795959711074829,
      "learning_rate": 2.77962962962963e-05,
      "loss": 0.3614,
      "step": 1501
    },
    {
      "epoch": 0.5006666666666667,
      "grad_norm": 1.362471580505371,
      "learning_rate": 2.777777777777778e-05,
      "loss": 0.3061,
      "step": 1502
    },
    {
      "epoch": 0.501,
      "grad_norm": 1.1669842004776,
      "learning_rate": 2.7759259259259263e-05,
      "loss": 0.274,
      "step": 1503
    },
    {
      "epoch": 0.5013333333333333,
      "grad_norm": 1.132703423500061,
      "learning_rate": 2.774074074074074e-05,
      "loss": 0.2997,
      "step": 1504
    },
    {
      "epoch": 0.5016666666666667,
      "grad_norm": 1.29422926902771,
      "learning_rate": 2.772222222222222e-05,
      "loss": 0.3392,
      "step": 1505
    },
    {
      "epoch": 0.502,
      "grad_norm": 1.6348662376403809,
      "learning_rate": 2.7703703703703706e-05,
      "loss": 0.3127,
      "step": 1506
    },
    {
      "epoch": 0.5023333333333333,
      "grad_norm": 1.1919279098510742,
      "learning_rate": 2.7685185185185186e-05,
      "loss": 0.2783,
      "step": 1507
    },
    {
      "epoch": 0.5026666666666667,
      "grad_norm": 1.2770395278930664,
      "learning_rate": 2.7666666666666667e-05,
      "loss": 0.3331,
      "step": 1508
    },
    {
      "epoch": 0.503,
      "grad_norm": 1.3768861293792725,
      "learning_rate": 2.764814814814815e-05,
      "loss": 0.362,
      "step": 1509
    },
    {
      "epoch": 0.5033333333333333,
      "grad_norm": 1.5034273862838745,
      "learning_rate": 2.7629629629629632e-05,
      "loss": 0.3681,
      "step": 1510
    },
    {
      "epoch": 0.5036666666666667,
      "grad_norm": 1.255939245223999,
      "learning_rate": 2.761111111111111e-05,
      "loss": 0.2633,
      "step": 1511
    },
    {
      "epoch": 0.504,
      "grad_norm": 1.1085550785064697,
      "learning_rate": 2.7592592592592594e-05,
      "loss": 0.2981,
      "step": 1512
    },
    {
      "epoch": 0.5043333333333333,
      "grad_norm": 0.9547274112701416,
      "learning_rate": 2.7574074074074074e-05,
      "loss": 0.2532,
      "step": 1513
    },
    {
      "epoch": 0.5046666666666667,
      "grad_norm": 1.4143283367156982,
      "learning_rate": 2.7555555555555555e-05,
      "loss": 0.3831,
      "step": 1514
    },
    {
      "epoch": 0.505,
      "grad_norm": 1.1483356952667236,
      "learning_rate": 2.753703703703704e-05,
      "loss": 0.356,
      "step": 1515
    },
    {
      "epoch": 0.5053333333333333,
      "grad_norm": 1.388203740119934,
      "learning_rate": 2.751851851851852e-05,
      "loss": 0.3593,
      "step": 1516
    },
    {
      "epoch": 0.5056666666666667,
      "grad_norm": 1.219643235206604,
      "learning_rate": 2.7500000000000004e-05,
      "loss": 0.2778,
      "step": 1517
    },
    {
      "epoch": 0.506,
      "grad_norm": 1.013286828994751,
      "learning_rate": 2.7481481481481482e-05,
      "loss": 0.2374,
      "step": 1518
    },
    {
      "epoch": 0.5063333333333333,
      "grad_norm": 1.0495433807373047,
      "learning_rate": 2.7462962962962963e-05,
      "loss": 0.2699,
      "step": 1519
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 1.4823830127716064,
      "learning_rate": 2.7444444444444443e-05,
      "loss": 0.3477,
      "step": 1520
    },
    {
      "epoch": 0.507,
      "grad_norm": 1.4831222295761108,
      "learning_rate": 2.7425925925925927e-05,
      "loss": 0.3885,
      "step": 1521
    },
    {
      "epoch": 0.5073333333333333,
      "grad_norm": 1.5215445756912231,
      "learning_rate": 2.7407407407407408e-05,
      "loss": 0.3954,
      "step": 1522
    },
    {
      "epoch": 0.5076666666666667,
      "grad_norm": 1.320823311805725,
      "learning_rate": 2.7388888888888892e-05,
      "loss": 0.3391,
      "step": 1523
    },
    {
      "epoch": 0.508,
      "grad_norm": 1.2690623998641968,
      "learning_rate": 2.7370370370370373e-05,
      "loss": 0.3058,
      "step": 1524
    },
    {
      "epoch": 0.5083333333333333,
      "grad_norm": 1.3773949146270752,
      "learning_rate": 2.735185185185185e-05,
      "loss": 0.3742,
      "step": 1525
    },
    {
      "epoch": 0.5086666666666667,
      "grad_norm": 1.2697372436523438,
      "learning_rate": 2.733333333333333e-05,
      "loss": 0.2814,
      "step": 1526
    },
    {
      "epoch": 0.509,
      "grad_norm": 1.3424737453460693,
      "learning_rate": 2.7314814814814816e-05,
      "loss": 0.3555,
      "step": 1527
    },
    {
      "epoch": 0.5093333333333333,
      "grad_norm": 2.459449291229248,
      "learning_rate": 2.7296296296296296e-05,
      "loss": 0.3297,
      "step": 1528
    },
    {
      "epoch": 0.5096666666666667,
      "grad_norm": 1.2995909452438354,
      "learning_rate": 2.727777777777778e-05,
      "loss": 0.3042,
      "step": 1529
    },
    {
      "epoch": 0.51,
      "grad_norm": 4.984405040740967,
      "learning_rate": 2.725925925925926e-05,
      "loss": 0.2865,
      "step": 1530
    },
    {
      "epoch": 0.5103333333333333,
      "grad_norm": 1.1686369180679321,
      "learning_rate": 2.7240740740740745e-05,
      "loss": 0.2803,
      "step": 1531
    },
    {
      "epoch": 0.5106666666666667,
      "grad_norm": 1.1103466749191284,
      "learning_rate": 2.7222222222222223e-05,
      "loss": 0.2739,
      "step": 1532
    },
    {
      "epoch": 0.511,
      "grad_norm": 1.3452515602111816,
      "learning_rate": 2.7203703703703704e-05,
      "loss": 0.3102,
      "step": 1533
    },
    {
      "epoch": 0.5113333333333333,
      "grad_norm": 1.1646496057510376,
      "learning_rate": 2.7185185185185184e-05,
      "loss": 0.3114,
      "step": 1534
    },
    {
      "epoch": 0.5116666666666667,
      "grad_norm": 1.2342944145202637,
      "learning_rate": 2.716666666666667e-05,
      "loss": 0.3331,
      "step": 1535
    },
    {
      "epoch": 0.512,
      "grad_norm": 1.2620246410369873,
      "learning_rate": 2.714814814814815e-05,
      "loss": 0.2919,
      "step": 1536
    },
    {
      "epoch": 0.5123333333333333,
      "grad_norm": 1.1050314903259277,
      "learning_rate": 2.7129629629629634e-05,
      "loss": 0.3076,
      "step": 1537
    },
    {
      "epoch": 0.5126666666666667,
      "grad_norm": 1.31367027759552,
      "learning_rate": 2.7111111111111114e-05,
      "loss": 0.32,
      "step": 1538
    },
    {
      "epoch": 0.513,
      "grad_norm": 1.3861865997314453,
      "learning_rate": 2.7092592592592592e-05,
      "loss": 0.3502,
      "step": 1539
    },
    {
      "epoch": 0.5133333333333333,
      "grad_norm": 1.3049886226654053,
      "learning_rate": 2.7074074074074072e-05,
      "loss": 0.3694,
      "step": 1540
    },
    {
      "epoch": 0.5136666666666667,
      "grad_norm": 1.3115769624710083,
      "learning_rate": 2.7055555555555557e-05,
      "loss": 0.329,
      "step": 1541
    },
    {
      "epoch": 0.514,
      "grad_norm": 1.2977041006088257,
      "learning_rate": 2.7037037037037037e-05,
      "loss": 0.3339,
      "step": 1542
    },
    {
      "epoch": 0.5143333333333333,
      "grad_norm": 1.3517369031906128,
      "learning_rate": 2.701851851851852e-05,
      "loss": 0.3119,
      "step": 1543
    },
    {
      "epoch": 0.5146666666666667,
      "grad_norm": 1.0044556856155396,
      "learning_rate": 2.7000000000000002e-05,
      "loss": 0.2226,
      "step": 1544
    },
    {
      "epoch": 0.515,
      "grad_norm": 1.1695088148117065,
      "learning_rate": 2.6981481481481487e-05,
      "loss": 0.2791,
      "step": 1545
    },
    {
      "epoch": 0.5153333333333333,
      "grad_norm": 1.1711336374282837,
      "learning_rate": 2.696296296296296e-05,
      "loss": 0.2537,
      "step": 1546
    },
    {
      "epoch": 0.5156666666666667,
      "grad_norm": 1.1778956651687622,
      "learning_rate": 2.6944444444444445e-05,
      "loss": 0.2617,
      "step": 1547
    },
    {
      "epoch": 0.516,
      "grad_norm": 1.229142189025879,
      "learning_rate": 2.6925925925925925e-05,
      "loss": 0.3043,
      "step": 1548
    },
    {
      "epoch": 0.5163333333333333,
      "grad_norm": 6.447018146514893,
      "learning_rate": 2.690740740740741e-05,
      "loss": 0.3321,
      "step": 1549
    },
    {
      "epoch": 0.5166666666666667,
      "grad_norm": 1.188348412513733,
      "learning_rate": 2.688888888888889e-05,
      "loss": 0.2974,
      "step": 1550
    },
    {
      "epoch": 0.517,
      "grad_norm": 1.1774636507034302,
      "learning_rate": 2.6870370370370375e-05,
      "loss": 0.269,
      "step": 1551
    },
    {
      "epoch": 0.5173333333333333,
      "grad_norm": 1.2182412147521973,
      "learning_rate": 2.6851851851851855e-05,
      "loss": 0.2713,
      "step": 1552
    },
    {
      "epoch": 0.5176666666666667,
      "grad_norm": 1.2212414741516113,
      "learning_rate": 2.6833333333333333e-05,
      "loss": 0.3139,
      "step": 1553
    },
    {
      "epoch": 0.518,
      "grad_norm": 1.2275668382644653,
      "learning_rate": 2.6814814814814814e-05,
      "loss": 0.3416,
      "step": 1554
    },
    {
      "epoch": 0.5183333333333333,
      "grad_norm": 1.2838383913040161,
      "learning_rate": 2.6796296296296298e-05,
      "loss": 0.3962,
      "step": 1555
    },
    {
      "epoch": 0.5186666666666667,
      "grad_norm": 1.2085764408111572,
      "learning_rate": 2.677777777777778e-05,
      "loss": 0.2911,
      "step": 1556
    },
    {
      "epoch": 0.519,
      "grad_norm": 1.1722321510314941,
      "learning_rate": 2.6759259259259263e-05,
      "loss": 0.2794,
      "step": 1557
    },
    {
      "epoch": 0.5193333333333333,
      "grad_norm": 1.6736053228378296,
      "learning_rate": 2.6740740740740743e-05,
      "loss": 0.4637,
      "step": 1558
    },
    {
      "epoch": 0.5196666666666667,
      "grad_norm": 1.3191688060760498,
      "learning_rate": 2.6722222222222228e-05,
      "loss": 0.264,
      "step": 1559
    },
    {
      "epoch": 0.52,
      "grad_norm": 1.2203680276870728,
      "learning_rate": 2.67037037037037e-05,
      "loss": 0.2937,
      "step": 1560
    },
    {
      "epoch": 0.5203333333333333,
      "grad_norm": 1.2008111476898193,
      "learning_rate": 2.6685185185185186e-05,
      "loss": 0.2635,
      "step": 1561
    },
    {
      "epoch": 0.5206666666666667,
      "grad_norm": 1.1602681875228882,
      "learning_rate": 2.6666666666666667e-05,
      "loss": 0.3138,
      "step": 1562
    },
    {
      "epoch": 0.521,
      "grad_norm": 1.1101711988449097,
      "learning_rate": 2.664814814814815e-05,
      "loss": 0.2678,
      "step": 1563
    },
    {
      "epoch": 0.5213333333333333,
      "grad_norm": 0.9724413752555847,
      "learning_rate": 2.662962962962963e-05,
      "loss": 0.2642,
      "step": 1564
    },
    {
      "epoch": 0.5216666666666666,
      "grad_norm": 1.194257140159607,
      "learning_rate": 2.6611111111111116e-05,
      "loss": 0.2929,
      "step": 1565
    },
    {
      "epoch": 0.522,
      "grad_norm": 1.0933821201324463,
      "learning_rate": 2.659259259259259e-05,
      "loss": 0.263,
      "step": 1566
    },
    {
      "epoch": 0.5223333333333333,
      "grad_norm": 1.198868989944458,
      "learning_rate": 2.6574074074074074e-05,
      "loss": 0.2868,
      "step": 1567
    },
    {
      "epoch": 0.5226666666666666,
      "grad_norm": 1.2028801441192627,
      "learning_rate": 2.6555555555555555e-05,
      "loss": 0.3438,
      "step": 1568
    },
    {
      "epoch": 0.523,
      "grad_norm": 1.0905169248580933,
      "learning_rate": 2.653703703703704e-05,
      "loss": 0.2738,
      "step": 1569
    },
    {
      "epoch": 0.5233333333333333,
      "grad_norm": 1.446824550628662,
      "learning_rate": 2.651851851851852e-05,
      "loss": 0.4008,
      "step": 1570
    },
    {
      "epoch": 0.5236666666666666,
      "grad_norm": 1.1336214542388916,
      "learning_rate": 2.6500000000000004e-05,
      "loss": 0.2859,
      "step": 1571
    },
    {
      "epoch": 0.524,
      "grad_norm": 1.2836651802062988,
      "learning_rate": 2.6481481481481485e-05,
      "loss": 0.3105,
      "step": 1572
    },
    {
      "epoch": 0.5243333333333333,
      "grad_norm": 1.2498403787612915,
      "learning_rate": 2.6462962962962962e-05,
      "loss": 0.274,
      "step": 1573
    },
    {
      "epoch": 0.5246666666666666,
      "grad_norm": 1.4189499616622925,
      "learning_rate": 2.6444444444444443e-05,
      "loss": 0.2612,
      "step": 1574
    },
    {
      "epoch": 0.525,
      "grad_norm": 1.6289254426956177,
      "learning_rate": 2.6425925925925927e-05,
      "loss": 0.272,
      "step": 1575
    },
    {
      "epoch": 0.5253333333333333,
      "grad_norm": 0.9528519511222839,
      "learning_rate": 2.6407407407407408e-05,
      "loss": 0.2107,
      "step": 1576
    },
    {
      "epoch": 0.5256666666666666,
      "grad_norm": 1.4156134128570557,
      "learning_rate": 2.6388888888888892e-05,
      "loss": 0.3525,
      "step": 1577
    },
    {
      "epoch": 0.526,
      "grad_norm": 1.1498883962631226,
      "learning_rate": 2.6370370370370373e-05,
      "loss": 0.2523,
      "step": 1578
    },
    {
      "epoch": 0.5263333333333333,
      "grad_norm": 1.0480231046676636,
      "learning_rate": 2.6351851851851857e-05,
      "loss": 0.2916,
      "step": 1579
    },
    {
      "epoch": 0.5266666666666666,
      "grad_norm": 1.1528786420822144,
      "learning_rate": 2.633333333333333e-05,
      "loss": 0.2733,
      "step": 1580
    },
    {
      "epoch": 0.527,
      "grad_norm": 1.1869351863861084,
      "learning_rate": 2.6314814814814815e-05,
      "loss": 0.2566,
      "step": 1581
    },
    {
      "epoch": 0.5273333333333333,
      "grad_norm": 1.1295397281646729,
      "learning_rate": 2.6296296296296296e-05,
      "loss": 0.2935,
      "step": 1582
    },
    {
      "epoch": 0.5276666666666666,
      "grad_norm": 1.3174736499786377,
      "learning_rate": 2.627777777777778e-05,
      "loss": 0.2993,
      "step": 1583
    },
    {
      "epoch": 0.528,
      "grad_norm": 1.2269182205200195,
      "learning_rate": 2.625925925925926e-05,
      "loss": 0.3256,
      "step": 1584
    },
    {
      "epoch": 0.5283333333333333,
      "grad_norm": 1.141493797302246,
      "learning_rate": 2.6240740740740745e-05,
      "loss": 0.2875,
      "step": 1585
    },
    {
      "epoch": 0.5286666666666666,
      "grad_norm": 1.2619270086288452,
      "learning_rate": 2.6222222222222226e-05,
      "loss": 0.3303,
      "step": 1586
    },
    {
      "epoch": 0.529,
      "grad_norm": 1.3654987812042236,
      "learning_rate": 2.6203703703703703e-05,
      "loss": 0.3765,
      "step": 1587
    },
    {
      "epoch": 0.5293333333333333,
      "grad_norm": 1.2210416793823242,
      "learning_rate": 2.6185185185185184e-05,
      "loss": 0.3223,
      "step": 1588
    },
    {
      "epoch": 0.5296666666666666,
      "grad_norm": 2.0776712894439697,
      "learning_rate": 2.6166666666666668e-05,
      "loss": 0.3938,
      "step": 1589
    },
    {
      "epoch": 0.53,
      "grad_norm": 1.270135760307312,
      "learning_rate": 2.614814814814815e-05,
      "loss": 0.37,
      "step": 1590
    },
    {
      "epoch": 0.5303333333333333,
      "grad_norm": 1.3975799083709717,
      "learning_rate": 2.6129629629629633e-05,
      "loss": 0.3623,
      "step": 1591
    },
    {
      "epoch": 0.5306666666666666,
      "grad_norm": 2.404874801635742,
      "learning_rate": 2.6111111111111114e-05,
      "loss": 0.3664,
      "step": 1592
    },
    {
      "epoch": 0.531,
      "grad_norm": 1.3307793140411377,
      "learning_rate": 2.6092592592592598e-05,
      "loss": 0.3875,
      "step": 1593
    },
    {
      "epoch": 0.5313333333333333,
      "grad_norm": 1.1280320882797241,
      "learning_rate": 2.6074074074074072e-05,
      "loss": 0.2968,
      "step": 1594
    },
    {
      "epoch": 0.5316666666666666,
      "grad_norm": 1.227504849433899,
      "learning_rate": 2.6055555555555556e-05,
      "loss": 0.3592,
      "step": 1595
    },
    {
      "epoch": 0.532,
      "grad_norm": 1.2810957431793213,
      "learning_rate": 2.6037037037037037e-05,
      "loss": 0.3057,
      "step": 1596
    },
    {
      "epoch": 0.5323333333333333,
      "grad_norm": 1.3251159191131592,
      "learning_rate": 2.601851851851852e-05,
      "loss": 0.379,
      "step": 1597
    },
    {
      "epoch": 0.5326666666666666,
      "grad_norm": 1.1702214479446411,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 0.309,
      "step": 1598
    },
    {
      "epoch": 0.533,
      "grad_norm": 1.2882493734359741,
      "learning_rate": 2.5981481481481486e-05,
      "loss": 0.3367,
      "step": 1599
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 1.1131504774093628,
      "learning_rate": 2.5962962962962967e-05,
      "loss": 0.2526,
      "step": 1600
    },
    {
      "epoch": 0.5336666666666666,
      "grad_norm": 2.30546236038208,
      "learning_rate": 2.5944444444444444e-05,
      "loss": 0.3137,
      "step": 1601
    },
    {
      "epoch": 0.534,
      "grad_norm": 1.3010516166687012,
      "learning_rate": 2.5925925925925925e-05,
      "loss": 0.2772,
      "step": 1602
    },
    {
      "epoch": 0.5343333333333333,
      "grad_norm": 1.2690236568450928,
      "learning_rate": 2.590740740740741e-05,
      "loss": 0.3352,
      "step": 1603
    },
    {
      "epoch": 0.5346666666666666,
      "grad_norm": 2.1412811279296875,
      "learning_rate": 2.588888888888889e-05,
      "loss": 0.3358,
      "step": 1604
    },
    {
      "epoch": 0.535,
      "grad_norm": 1.3549082279205322,
      "learning_rate": 2.5870370370370374e-05,
      "loss": 0.3133,
      "step": 1605
    },
    {
      "epoch": 0.5353333333333333,
      "grad_norm": 1.1291340589523315,
      "learning_rate": 2.5851851851851855e-05,
      "loss": 0.3163,
      "step": 1606
    },
    {
      "epoch": 0.5356666666666666,
      "grad_norm": 1.151941180229187,
      "learning_rate": 2.5833333333333336e-05,
      "loss": 0.2888,
      "step": 1607
    },
    {
      "epoch": 0.536,
      "grad_norm": 1.0711581707000732,
      "learning_rate": 2.5814814814814813e-05,
      "loss": 0.258,
      "step": 1608
    },
    {
      "epoch": 0.5363333333333333,
      "grad_norm": 1.137495994567871,
      "learning_rate": 2.5796296296296297e-05,
      "loss": 0.2733,
      "step": 1609
    },
    {
      "epoch": 0.5366666666666666,
      "grad_norm": 1.2141145467758179,
      "learning_rate": 2.5777777777777778e-05,
      "loss": 0.2617,
      "step": 1610
    },
    {
      "epoch": 0.537,
      "grad_norm": 1.159049153327942,
      "learning_rate": 2.5759259259259262e-05,
      "loss": 0.282,
      "step": 1611
    },
    {
      "epoch": 0.5373333333333333,
      "grad_norm": 1.2445913553237915,
      "learning_rate": 2.5740740740740743e-05,
      "loss": 0.3053,
      "step": 1612
    },
    {
      "epoch": 0.5376666666666666,
      "grad_norm": 1.138244390487671,
      "learning_rate": 2.5722222222222224e-05,
      "loss": 0.2826,
      "step": 1613
    },
    {
      "epoch": 0.538,
      "grad_norm": 1.1292667388916016,
      "learning_rate": 2.5703703703703708e-05,
      "loss": 0.2485,
      "step": 1614
    },
    {
      "epoch": 0.5383333333333333,
      "grad_norm": 1.29878830909729,
      "learning_rate": 2.5685185185185185e-05,
      "loss": 0.3121,
      "step": 1615
    },
    {
      "epoch": 0.5386666666666666,
      "grad_norm": 1.2880653142929077,
      "learning_rate": 2.5666666666666666e-05,
      "loss": 0.3358,
      "step": 1616
    },
    {
      "epoch": 0.539,
      "grad_norm": 1.230959177017212,
      "learning_rate": 2.564814814814815e-05,
      "loss": 0.3031,
      "step": 1617
    },
    {
      "epoch": 0.5393333333333333,
      "grad_norm": 1.4221138954162598,
      "learning_rate": 2.562962962962963e-05,
      "loss": 0.3362,
      "step": 1618
    },
    {
      "epoch": 0.5396666666666666,
      "grad_norm": 1.3428351879119873,
      "learning_rate": 2.5611111111111115e-05,
      "loss": 0.3575,
      "step": 1619
    },
    {
      "epoch": 0.54,
      "grad_norm": 1.2297545671463013,
      "learning_rate": 2.5592592592592596e-05,
      "loss": 0.314,
      "step": 1620
    },
    {
      "epoch": 0.5403333333333333,
      "grad_norm": 2.001146078109741,
      "learning_rate": 2.5574074074074077e-05,
      "loss": 0.3477,
      "step": 1621
    },
    {
      "epoch": 0.5406666666666666,
      "grad_norm": 1.2080425024032593,
      "learning_rate": 2.5555555555555554e-05,
      "loss": 0.3497,
      "step": 1622
    },
    {
      "epoch": 0.541,
      "grad_norm": 1.3569546937942505,
      "learning_rate": 2.5537037037037038e-05,
      "loss": 0.3306,
      "step": 1623
    },
    {
      "epoch": 0.5413333333333333,
      "grad_norm": 1.1848833560943604,
      "learning_rate": 2.551851851851852e-05,
      "loss": 0.311,
      "step": 1624
    },
    {
      "epoch": 0.5416666666666666,
      "grad_norm": 1.3221973180770874,
      "learning_rate": 2.5500000000000003e-05,
      "loss": 0.3476,
      "step": 1625
    },
    {
      "epoch": 0.542,
      "grad_norm": 1.2601120471954346,
      "learning_rate": 2.5481481481481484e-05,
      "loss": 0.2966,
      "step": 1626
    },
    {
      "epoch": 0.5423333333333333,
      "grad_norm": 1.4615579843521118,
      "learning_rate": 2.5462962962962965e-05,
      "loss": 0.3089,
      "step": 1627
    },
    {
      "epoch": 0.5426666666666666,
      "grad_norm": 1.2451344728469849,
      "learning_rate": 2.5444444444444442e-05,
      "loss": 0.3176,
      "step": 1628
    },
    {
      "epoch": 0.543,
      "grad_norm": 1.14347243309021,
      "learning_rate": 2.5425925925925926e-05,
      "loss": 0.3087,
      "step": 1629
    },
    {
      "epoch": 0.5433333333333333,
      "grad_norm": 1.4387857913970947,
      "learning_rate": 2.5407407407407407e-05,
      "loss": 0.3286,
      "step": 1630
    },
    {
      "epoch": 0.5436666666666666,
      "grad_norm": 1.3314769268035889,
      "learning_rate": 2.538888888888889e-05,
      "loss": 0.3177,
      "step": 1631
    },
    {
      "epoch": 0.544,
      "grad_norm": 1.348276138305664,
      "learning_rate": 2.5370370370370372e-05,
      "loss": 0.3763,
      "step": 1632
    },
    {
      "epoch": 0.5443333333333333,
      "grad_norm": 1.228848934173584,
      "learning_rate": 2.5351851851851853e-05,
      "loss": 0.2978,
      "step": 1633
    },
    {
      "epoch": 0.5446666666666666,
      "grad_norm": 1.13449227809906,
      "learning_rate": 2.5333333333333337e-05,
      "loss": 0.2838,
      "step": 1634
    },
    {
      "epoch": 0.545,
      "grad_norm": 1.43413245677948,
      "learning_rate": 2.5314814814814814e-05,
      "loss": 0.3185,
      "step": 1635
    },
    {
      "epoch": 0.5453333333333333,
      "grad_norm": 1.55903959274292,
      "learning_rate": 2.5296296296296295e-05,
      "loss": 0.2708,
      "step": 1636
    },
    {
      "epoch": 0.5456666666666666,
      "grad_norm": 1.307433843612671,
      "learning_rate": 2.527777777777778e-05,
      "loss": 0.2561,
      "step": 1637
    },
    {
      "epoch": 0.546,
      "grad_norm": 1.4203810691833496,
      "learning_rate": 2.525925925925926e-05,
      "loss": 0.3707,
      "step": 1638
    },
    {
      "epoch": 0.5463333333333333,
      "grad_norm": 1.1473782062530518,
      "learning_rate": 2.524074074074074e-05,
      "loss": 0.3148,
      "step": 1639
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 1.371105432510376,
      "learning_rate": 2.5222222222222225e-05,
      "loss": 0.373,
      "step": 1640
    },
    {
      "epoch": 0.547,
      "grad_norm": 1.258097529411316,
      "learning_rate": 2.5203703703703706e-05,
      "loss": 0.3034,
      "step": 1641
    },
    {
      "epoch": 0.5473333333333333,
      "grad_norm": 1.3621323108673096,
      "learning_rate": 2.5185185185185183e-05,
      "loss": 0.3531,
      "step": 1642
    },
    {
      "epoch": 0.5476666666666666,
      "grad_norm": 1.4661622047424316,
      "learning_rate": 2.5166666666666667e-05,
      "loss": 0.3186,
      "step": 1643
    },
    {
      "epoch": 0.548,
      "grad_norm": 1.2495981454849243,
      "learning_rate": 2.5148148148148148e-05,
      "loss": 0.3264,
      "step": 1644
    },
    {
      "epoch": 0.5483333333333333,
      "grad_norm": 1.3196824789047241,
      "learning_rate": 2.5129629629629632e-05,
      "loss": 0.3283,
      "step": 1645
    },
    {
      "epoch": 0.5486666666666666,
      "grad_norm": 1.5936256647109985,
      "learning_rate": 2.5111111111111113e-05,
      "loss": 0.4363,
      "step": 1646
    },
    {
      "epoch": 0.549,
      "grad_norm": 1.232159972190857,
      "learning_rate": 2.5092592592592594e-05,
      "loss": 0.3052,
      "step": 1647
    },
    {
      "epoch": 0.5493333333333333,
      "grad_norm": 1.361991047859192,
      "learning_rate": 2.5074074074074078e-05,
      "loss": 0.2837,
      "step": 1648
    },
    {
      "epoch": 0.5496666666666666,
      "grad_norm": 1.4128187894821167,
      "learning_rate": 2.5055555555555555e-05,
      "loss": 0.3641,
      "step": 1649
    },
    {
      "epoch": 0.55,
      "grad_norm": 1.0768829584121704,
      "learning_rate": 2.5037037037037036e-05,
      "loss": 0.2826,
      "step": 1650
    },
    {
      "epoch": 0.5503333333333333,
      "grad_norm": 1.1104084253311157,
      "learning_rate": 2.501851851851852e-05,
      "loss": 0.2694,
      "step": 1651
    },
    {
      "epoch": 0.5506666666666666,
      "grad_norm": 1.2818753719329834,
      "learning_rate": 2.5e-05,
      "loss": 0.2937,
      "step": 1652
    },
    {
      "epoch": 0.551,
      "grad_norm": 1.1923905611038208,
      "learning_rate": 2.4981481481481482e-05,
      "loss": 0.2936,
      "step": 1653
    },
    {
      "epoch": 0.5513333333333333,
      "grad_norm": 1.0978777408599854,
      "learning_rate": 2.4962962962962963e-05,
      "loss": 0.2496,
      "step": 1654
    },
    {
      "epoch": 0.5516666666666666,
      "grad_norm": 1.176694393157959,
      "learning_rate": 2.4944444444444447e-05,
      "loss": 0.3142,
      "step": 1655
    },
    {
      "epoch": 0.552,
      "grad_norm": 1.253347396850586,
      "learning_rate": 2.4925925925925928e-05,
      "loss": 0.2781,
      "step": 1656
    },
    {
      "epoch": 0.5523333333333333,
      "grad_norm": 1.1762571334838867,
      "learning_rate": 2.490740740740741e-05,
      "loss": 0.2597,
      "step": 1657
    },
    {
      "epoch": 0.5526666666666666,
      "grad_norm": 1.2914427518844604,
      "learning_rate": 2.488888888888889e-05,
      "loss": 0.3417,
      "step": 1658
    },
    {
      "epoch": 0.553,
      "grad_norm": 1.0712039470672607,
      "learning_rate": 2.487037037037037e-05,
      "loss": 0.2934,
      "step": 1659
    },
    {
      "epoch": 0.5533333333333333,
      "grad_norm": 1.3131605386734009,
      "learning_rate": 2.4851851851851854e-05,
      "loss": 0.3025,
      "step": 1660
    },
    {
      "epoch": 0.5536666666666666,
      "grad_norm": 1.6354283094406128,
      "learning_rate": 2.4833333333333335e-05,
      "loss": 0.3115,
      "step": 1661
    },
    {
      "epoch": 0.554,
      "grad_norm": 1.2606550455093384,
      "learning_rate": 2.4814814814814816e-05,
      "loss": 0.3152,
      "step": 1662
    },
    {
      "epoch": 0.5543333333333333,
      "grad_norm": 1.266679286956787,
      "learning_rate": 2.4796296296296297e-05,
      "loss": 0.2908,
      "step": 1663
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 1.1013392210006714,
      "learning_rate": 2.477777777777778e-05,
      "loss": 0.3086,
      "step": 1664
    },
    {
      "epoch": 0.555,
      "grad_norm": 1.3577028512954712,
      "learning_rate": 2.475925925925926e-05,
      "loss": 0.3153,
      "step": 1665
    },
    {
      "epoch": 0.5553333333333333,
      "grad_norm": 3.720935821533203,
      "learning_rate": 2.4740740740740742e-05,
      "loss": 0.2915,
      "step": 1666
    },
    {
      "epoch": 0.5556666666666666,
      "grad_norm": 1.1450388431549072,
      "learning_rate": 2.4722222222222223e-05,
      "loss": 0.2682,
      "step": 1667
    },
    {
      "epoch": 0.556,
      "grad_norm": 1.3974690437316895,
      "learning_rate": 2.4703703703703704e-05,
      "loss": 0.3524,
      "step": 1668
    },
    {
      "epoch": 0.5563333333333333,
      "grad_norm": 1.2576948404312134,
      "learning_rate": 2.4685185185185185e-05,
      "loss": 0.3046,
      "step": 1669
    },
    {
      "epoch": 0.5566666666666666,
      "grad_norm": 1.2527835369110107,
      "learning_rate": 2.466666666666667e-05,
      "loss": 0.3136,
      "step": 1670
    },
    {
      "epoch": 0.557,
      "grad_norm": 1.6397353410720825,
      "learning_rate": 2.464814814814815e-05,
      "loss": 0.3889,
      "step": 1671
    },
    {
      "epoch": 0.5573333333333333,
      "grad_norm": 1.2080880403518677,
      "learning_rate": 2.462962962962963e-05,
      "loss": 0.3324,
      "step": 1672
    },
    {
      "epoch": 0.5576666666666666,
      "grad_norm": 1.867279291152954,
      "learning_rate": 2.461111111111111e-05,
      "loss": 0.3658,
      "step": 1673
    },
    {
      "epoch": 0.558,
      "grad_norm": 1.0999441146850586,
      "learning_rate": 2.4592592592592595e-05,
      "loss": 0.2995,
      "step": 1674
    },
    {
      "epoch": 0.5583333333333333,
      "grad_norm": 1.361112117767334,
      "learning_rate": 2.4574074074074073e-05,
      "loss": 0.314,
      "step": 1675
    },
    {
      "epoch": 0.5586666666666666,
      "grad_norm": 1.1732336282730103,
      "learning_rate": 2.4555555555555557e-05,
      "loss": 0.3079,
      "step": 1676
    },
    {
      "epoch": 0.559,
      "grad_norm": 1.4144160747528076,
      "learning_rate": 2.4537037037037038e-05,
      "loss": 0.2999,
      "step": 1677
    },
    {
      "epoch": 0.5593333333333333,
      "grad_norm": 1.1764041185379028,
      "learning_rate": 2.451851851851852e-05,
      "loss": 0.2949,
      "step": 1678
    },
    {
      "epoch": 0.5596666666666666,
      "grad_norm": 1.2319204807281494,
      "learning_rate": 2.45e-05,
      "loss": 0.3034,
      "step": 1679
    },
    {
      "epoch": 0.56,
      "grad_norm": 1.1083678007125854,
      "learning_rate": 2.4481481481481483e-05,
      "loss": 0.3043,
      "step": 1680
    },
    {
      "epoch": 0.5603333333333333,
      "grad_norm": 1.2945525646209717,
      "learning_rate": 2.4462962962962964e-05,
      "loss": 0.275,
      "step": 1681
    },
    {
      "epoch": 0.5606666666666666,
      "grad_norm": 1.2114111185073853,
      "learning_rate": 2.4444444444444445e-05,
      "loss": 0.3307,
      "step": 1682
    },
    {
      "epoch": 0.561,
      "grad_norm": 1.3150774240493774,
      "learning_rate": 2.4425925925925926e-05,
      "loss": 0.2775,
      "step": 1683
    },
    {
      "epoch": 0.5613333333333334,
      "grad_norm": 1.3594368696212769,
      "learning_rate": 2.440740740740741e-05,
      "loss": 0.287,
      "step": 1684
    },
    {
      "epoch": 0.5616666666666666,
      "grad_norm": 1.320681095123291,
      "learning_rate": 2.4388888888888887e-05,
      "loss": 0.3279,
      "step": 1685
    },
    {
      "epoch": 0.562,
      "grad_norm": 1.2790018320083618,
      "learning_rate": 2.437037037037037e-05,
      "loss": 0.365,
      "step": 1686
    },
    {
      "epoch": 0.5623333333333334,
      "grad_norm": 1.4072740077972412,
      "learning_rate": 2.4351851851851852e-05,
      "loss": 0.338,
      "step": 1687
    },
    {
      "epoch": 0.5626666666666666,
      "grad_norm": 1.1290217638015747,
      "learning_rate": 2.4333333333333336e-05,
      "loss": 0.2796,
      "step": 1688
    },
    {
      "epoch": 0.563,
      "grad_norm": 1.194667935371399,
      "learning_rate": 2.4314814814814814e-05,
      "loss": 0.2819,
      "step": 1689
    },
    {
      "epoch": 0.5633333333333334,
      "grad_norm": 1.4942392110824585,
      "learning_rate": 2.4296296296296298e-05,
      "loss": 0.3906,
      "step": 1690
    },
    {
      "epoch": 0.5636666666666666,
      "grad_norm": 1.4964629411697388,
      "learning_rate": 2.427777777777778e-05,
      "loss": 0.3607,
      "step": 1691
    },
    {
      "epoch": 0.564,
      "grad_norm": 1.27310049533844,
      "learning_rate": 2.425925925925926e-05,
      "loss": 0.3224,
      "step": 1692
    },
    {
      "epoch": 0.5643333333333334,
      "grad_norm": 1.1442943811416626,
      "learning_rate": 2.424074074074074e-05,
      "loss": 0.2473,
      "step": 1693
    },
    {
      "epoch": 0.5646666666666667,
      "grad_norm": 1.3435713052749634,
      "learning_rate": 2.4222222222222224e-05,
      "loss": 0.3041,
      "step": 1694
    },
    {
      "epoch": 0.565,
      "grad_norm": 1.2853244543075562,
      "learning_rate": 2.4203703703703705e-05,
      "loss": 0.3062,
      "step": 1695
    },
    {
      "epoch": 0.5653333333333334,
      "grad_norm": 1.434497356414795,
      "learning_rate": 2.4185185185185186e-05,
      "loss": 0.2535,
      "step": 1696
    },
    {
      "epoch": 0.5656666666666667,
      "grad_norm": 1.242931842803955,
      "learning_rate": 2.4166666666666667e-05,
      "loss": 0.2751,
      "step": 1697
    },
    {
      "epoch": 0.566,
      "grad_norm": 1.6634811162948608,
      "learning_rate": 2.414814814814815e-05,
      "loss": 0.3619,
      "step": 1698
    },
    {
      "epoch": 0.5663333333333334,
      "grad_norm": 1.243573784828186,
      "learning_rate": 2.412962962962963e-05,
      "loss": 0.3375,
      "step": 1699
    },
    {
      "epoch": 0.5666666666666667,
      "grad_norm": 1.1053024530410767,
      "learning_rate": 2.4111111111111113e-05,
      "loss": 0.2712,
      "step": 1700
    },
    {
      "epoch": 0.567,
      "grad_norm": 1.2527536153793335,
      "learning_rate": 2.4092592592592593e-05,
      "loss": 0.4191,
      "step": 1701
    },
    {
      "epoch": 0.5673333333333334,
      "grad_norm": 1.2239128351211548,
      "learning_rate": 2.4074074074074074e-05,
      "loss": 0.323,
      "step": 1702
    },
    {
      "epoch": 0.5676666666666667,
      "grad_norm": 1.236100196838379,
      "learning_rate": 2.4055555555555555e-05,
      "loss": 0.3378,
      "step": 1703
    },
    {
      "epoch": 0.568,
      "grad_norm": 2.0577549934387207,
      "learning_rate": 2.403703703703704e-05,
      "loss": 0.3558,
      "step": 1704
    },
    {
      "epoch": 0.5683333333333334,
      "grad_norm": 1.2635501623153687,
      "learning_rate": 2.401851851851852e-05,
      "loss": 0.3578,
      "step": 1705
    },
    {
      "epoch": 0.5686666666666667,
      "grad_norm": 0.9147543907165527,
      "learning_rate": 2.4e-05,
      "loss": 0.2595,
      "step": 1706
    },
    {
      "epoch": 0.569,
      "grad_norm": 1.259108304977417,
      "learning_rate": 2.398148148148148e-05,
      "loss": 0.2943,
      "step": 1707
    },
    {
      "epoch": 0.5693333333333334,
      "grad_norm": 1.2028822898864746,
      "learning_rate": 2.3962962962962966e-05,
      "loss": 0.2593,
      "step": 1708
    },
    {
      "epoch": 0.5696666666666667,
      "grad_norm": 1.1309709548950195,
      "learning_rate": 2.3944444444444443e-05,
      "loss": 0.2994,
      "step": 1709
    },
    {
      "epoch": 0.57,
      "grad_norm": 1.1392065286636353,
      "learning_rate": 2.3925925925925927e-05,
      "loss": 0.2562,
      "step": 1710
    },
    {
      "epoch": 0.5703333333333334,
      "grad_norm": 1.9279837608337402,
      "learning_rate": 2.3907407407407408e-05,
      "loss": 0.309,
      "step": 1711
    },
    {
      "epoch": 0.5706666666666667,
      "grad_norm": 1.0560246706008911,
      "learning_rate": 2.3888888888888892e-05,
      "loss": 0.303,
      "step": 1712
    },
    {
      "epoch": 0.571,
      "grad_norm": 1.158282995223999,
      "learning_rate": 2.387037037037037e-05,
      "loss": 0.3685,
      "step": 1713
    },
    {
      "epoch": 0.5713333333333334,
      "grad_norm": 4.929553508758545,
      "learning_rate": 2.3851851851851854e-05,
      "loss": 0.268,
      "step": 1714
    },
    {
      "epoch": 0.5716666666666667,
      "grad_norm": 0.9856443405151367,
      "learning_rate": 2.3833333333333334e-05,
      "loss": 0.241,
      "step": 1715
    },
    {
      "epoch": 0.572,
      "grad_norm": 1.246117115020752,
      "learning_rate": 2.3814814814814815e-05,
      "loss": 0.2697,
      "step": 1716
    },
    {
      "epoch": 0.5723333333333334,
      "grad_norm": 1.3509972095489502,
      "learning_rate": 2.3796296296296296e-05,
      "loss": 0.2836,
      "step": 1717
    },
    {
      "epoch": 0.5726666666666667,
      "grad_norm": 1.41598379611969,
      "learning_rate": 2.377777777777778e-05,
      "loss": 0.3467,
      "step": 1718
    },
    {
      "epoch": 0.573,
      "grad_norm": 1.320853590965271,
      "learning_rate": 2.375925925925926e-05,
      "loss": 0.3759,
      "step": 1719
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 1.366987705230713,
      "learning_rate": 2.3740740740740742e-05,
      "loss": 0.3764,
      "step": 1720
    },
    {
      "epoch": 0.5736666666666667,
      "grad_norm": 1.2163584232330322,
      "learning_rate": 2.3722222222222222e-05,
      "loss": 0.2707,
      "step": 1721
    },
    {
      "epoch": 0.574,
      "grad_norm": 1.148999810218811,
      "learning_rate": 2.3703703703703707e-05,
      "loss": 0.3314,
      "step": 1722
    },
    {
      "epoch": 0.5743333333333334,
      "grad_norm": 1.2645198106765747,
      "learning_rate": 2.3685185185185184e-05,
      "loss": 0.2907,
      "step": 1723
    },
    {
      "epoch": 0.5746666666666667,
      "grad_norm": 1.1543145179748535,
      "learning_rate": 2.3666666666666668e-05,
      "loss": 0.2946,
      "step": 1724
    },
    {
      "epoch": 0.575,
      "grad_norm": 1.3046921491622925,
      "learning_rate": 2.364814814814815e-05,
      "loss": 0.2741,
      "step": 1725
    },
    {
      "epoch": 0.5753333333333334,
      "grad_norm": 1.3403282165527344,
      "learning_rate": 2.3629629629629633e-05,
      "loss": 0.357,
      "step": 1726
    },
    {
      "epoch": 0.5756666666666667,
      "grad_norm": 1.4381896257400513,
      "learning_rate": 2.361111111111111e-05,
      "loss": 0.4255,
      "step": 1727
    },
    {
      "epoch": 0.576,
      "grad_norm": 1.7682150602340698,
      "learning_rate": 2.3592592592592595e-05,
      "loss": 0.3509,
      "step": 1728
    },
    {
      "epoch": 0.5763333333333334,
      "grad_norm": 1.1885401010513306,
      "learning_rate": 2.3574074074074075e-05,
      "loss": 0.3113,
      "step": 1729
    },
    {
      "epoch": 0.5766666666666667,
      "grad_norm": 1.1749744415283203,
      "learning_rate": 2.3555555555555556e-05,
      "loss": 0.2695,
      "step": 1730
    },
    {
      "epoch": 0.577,
      "grad_norm": 1.2060470581054688,
      "learning_rate": 2.3537037037037037e-05,
      "loss": 0.3154,
      "step": 1731
    },
    {
      "epoch": 0.5773333333333334,
      "grad_norm": 1.233744740486145,
      "learning_rate": 2.351851851851852e-05,
      "loss": 0.2425,
      "step": 1732
    },
    {
      "epoch": 0.5776666666666667,
      "grad_norm": 1.3116306066513062,
      "learning_rate": 2.35e-05,
      "loss": 0.294,
      "step": 1733
    },
    {
      "epoch": 0.578,
      "grad_norm": 1.5063791275024414,
      "learning_rate": 2.3481481481481483e-05,
      "loss": 0.2686,
      "step": 1734
    },
    {
      "epoch": 0.5783333333333334,
      "grad_norm": 1.1149698495864868,
      "learning_rate": 2.3462962962962964e-05,
      "loss": 0.2915,
      "step": 1735
    },
    {
      "epoch": 0.5786666666666667,
      "grad_norm": 1.1930100917816162,
      "learning_rate": 2.3444444444444448e-05,
      "loss": 0.2908,
      "step": 1736
    },
    {
      "epoch": 0.579,
      "grad_norm": 1.1021292209625244,
      "learning_rate": 2.3425925925925925e-05,
      "loss": 0.2705,
      "step": 1737
    },
    {
      "epoch": 0.5793333333333334,
      "grad_norm": 1.1707621812820435,
      "learning_rate": 2.340740740740741e-05,
      "loss": 0.2581,
      "step": 1738
    },
    {
      "epoch": 0.5796666666666667,
      "grad_norm": 1.2104846239089966,
      "learning_rate": 2.338888888888889e-05,
      "loss": 0.2582,
      "step": 1739
    },
    {
      "epoch": 0.58,
      "grad_norm": 1.0939769744873047,
      "learning_rate": 2.337037037037037e-05,
      "loss": 0.2403,
      "step": 1740
    },
    {
      "epoch": 0.5803333333333334,
      "grad_norm": 1.2635754346847534,
      "learning_rate": 2.335185185185185e-05,
      "loss": 0.3101,
      "step": 1741
    },
    {
      "epoch": 0.5806666666666667,
      "grad_norm": 1.0988693237304688,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 0.2417,
      "step": 1742
    },
    {
      "epoch": 0.581,
      "grad_norm": 2.1617372035980225,
      "learning_rate": 2.3314814814814817e-05,
      "loss": 0.3107,
      "step": 1743
    },
    {
      "epoch": 0.5813333333333334,
      "grad_norm": 1.2130281925201416,
      "learning_rate": 2.3296296296296297e-05,
      "loss": 0.3055,
      "step": 1744
    },
    {
      "epoch": 0.5816666666666667,
      "grad_norm": 1.2461963891983032,
      "learning_rate": 2.3277777777777778e-05,
      "loss": 0.2751,
      "step": 1745
    },
    {
      "epoch": 0.582,
      "grad_norm": 1.354074239730835,
      "learning_rate": 2.3259259259259262e-05,
      "loss": 0.3646,
      "step": 1746
    },
    {
      "epoch": 0.5823333333333334,
      "grad_norm": 1.4111844301223755,
      "learning_rate": 2.324074074074074e-05,
      "loss": 0.3452,
      "step": 1747
    },
    {
      "epoch": 0.5826666666666667,
      "grad_norm": 1.3657983541488647,
      "learning_rate": 2.3222222222222224e-05,
      "loss": 0.3517,
      "step": 1748
    },
    {
      "epoch": 0.583,
      "grad_norm": 1.3942766189575195,
      "learning_rate": 2.3203703703703705e-05,
      "loss": 0.3561,
      "step": 1749
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 1.3335144519805908,
      "learning_rate": 2.318518518518519e-05,
      "loss": 0.346,
      "step": 1750
    },
    {
      "epoch": 0.5836666666666667,
      "grad_norm": 1.1133785247802734,
      "learning_rate": 2.3166666666666666e-05,
      "loss": 0.2237,
      "step": 1751
    },
    {
      "epoch": 0.584,
      "grad_norm": 1.339524745941162,
      "learning_rate": 2.314814814814815e-05,
      "loss": 0.3209,
      "step": 1752
    },
    {
      "epoch": 0.5843333333333334,
      "grad_norm": 1.1992334127426147,
      "learning_rate": 2.312962962962963e-05,
      "loss": 0.3388,
      "step": 1753
    },
    {
      "epoch": 0.5846666666666667,
      "grad_norm": 1.46676766872406,
      "learning_rate": 2.3111111111111112e-05,
      "loss": 0.418,
      "step": 1754
    },
    {
      "epoch": 0.585,
      "grad_norm": 1.7818154096603394,
      "learning_rate": 2.3092592592592593e-05,
      "loss": 0.3606,
      "step": 1755
    },
    {
      "epoch": 0.5853333333333334,
      "grad_norm": 1.469072699546814,
      "learning_rate": 2.3074074074074077e-05,
      "loss": 0.341,
      "step": 1756
    },
    {
      "epoch": 0.5856666666666667,
      "grad_norm": 1.0899888277053833,
      "learning_rate": 2.3055555555555558e-05,
      "loss": 0.288,
      "step": 1757
    },
    {
      "epoch": 0.586,
      "grad_norm": 1.2757806777954102,
      "learning_rate": 2.303703703703704e-05,
      "loss": 0.2776,
      "step": 1758
    },
    {
      "epoch": 0.5863333333333334,
      "grad_norm": 1.1895567178726196,
      "learning_rate": 2.301851851851852e-05,
      "loss": 0.2897,
      "step": 1759
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 1.0780622959136963,
      "learning_rate": 2.3000000000000003e-05,
      "loss": 0.2622,
      "step": 1760
    },
    {
      "epoch": 0.587,
      "grad_norm": 1.380104899406433,
      "learning_rate": 2.298148148148148e-05,
      "loss": 0.2832,
      "step": 1761
    },
    {
      "epoch": 0.5873333333333334,
      "grad_norm": 1.1301422119140625,
      "learning_rate": 2.2962962962962965e-05,
      "loss": 0.2817,
      "step": 1762
    },
    {
      "epoch": 0.5876666666666667,
      "grad_norm": 1.2102361917495728,
      "learning_rate": 2.2944444444444446e-05,
      "loss": 0.3315,
      "step": 1763
    },
    {
      "epoch": 0.588,
      "grad_norm": 1.179661750793457,
      "learning_rate": 2.2925925925925927e-05,
      "loss": 0.2688,
      "step": 1764
    },
    {
      "epoch": 0.5883333333333334,
      "grad_norm": 1.4603049755096436,
      "learning_rate": 2.2907407407407407e-05,
      "loss": 0.3317,
      "step": 1765
    },
    {
      "epoch": 0.5886666666666667,
      "grad_norm": 1.249125361442566,
      "learning_rate": 2.288888888888889e-05,
      "loss": 0.3515,
      "step": 1766
    },
    {
      "epoch": 0.589,
      "grad_norm": 1.1526137590408325,
      "learning_rate": 2.2870370370370372e-05,
      "loss": 0.2941,
      "step": 1767
    },
    {
      "epoch": 0.5893333333333334,
      "grad_norm": 1.2609868049621582,
      "learning_rate": 2.2851851851851853e-05,
      "loss": 0.2806,
      "step": 1768
    },
    {
      "epoch": 0.5896666666666667,
      "grad_norm": 1.1438018083572388,
      "learning_rate": 2.2833333333333334e-05,
      "loss": 0.2586,
      "step": 1769
    },
    {
      "epoch": 0.59,
      "grad_norm": 1.0569912195205688,
      "learning_rate": 2.2814814814814818e-05,
      "loss": 0.303,
      "step": 1770
    },
    {
      "epoch": 0.5903333333333334,
      "grad_norm": 1.2642929553985596,
      "learning_rate": 2.2796296296296295e-05,
      "loss": 0.3194,
      "step": 1771
    },
    {
      "epoch": 0.5906666666666667,
      "grad_norm": 1.117351770401001,
      "learning_rate": 2.277777777777778e-05,
      "loss": 0.2767,
      "step": 1772
    },
    {
      "epoch": 0.591,
      "grad_norm": 1.3347728252410889,
      "learning_rate": 2.275925925925926e-05,
      "loss": 0.3336,
      "step": 1773
    },
    {
      "epoch": 0.5913333333333334,
      "grad_norm": 1.2015211582183838,
      "learning_rate": 2.2740740740740744e-05,
      "loss": 0.2853,
      "step": 1774
    },
    {
      "epoch": 0.5916666666666667,
      "grad_norm": 1.1698435544967651,
      "learning_rate": 2.2722222222222222e-05,
      "loss": 0.254,
      "step": 1775
    },
    {
      "epoch": 0.592,
      "grad_norm": 1.5131430625915527,
      "learning_rate": 2.2703703703703706e-05,
      "loss": 0.3284,
      "step": 1776
    },
    {
      "epoch": 0.5923333333333334,
      "grad_norm": 1.0668686628341675,
      "learning_rate": 2.2685185185185187e-05,
      "loss": 0.2732,
      "step": 1777
    },
    {
      "epoch": 0.5926666666666667,
      "grad_norm": 1.4489037990570068,
      "learning_rate": 2.2666666666666668e-05,
      "loss": 0.3418,
      "step": 1778
    },
    {
      "epoch": 0.593,
      "grad_norm": 1.16927969455719,
      "learning_rate": 2.264814814814815e-05,
      "loss": 0.2993,
      "step": 1779
    },
    {
      "epoch": 0.5933333333333334,
      "grad_norm": 1.4882746934890747,
      "learning_rate": 2.2629629629629633e-05,
      "loss": 0.3318,
      "step": 1780
    },
    {
      "epoch": 0.5936666666666667,
      "grad_norm": 2.0864250659942627,
      "learning_rate": 2.2611111111111113e-05,
      "loss": 0.2687,
      "step": 1781
    },
    {
      "epoch": 0.594,
      "grad_norm": 1.1608772277832031,
      "learning_rate": 2.2592592592592594e-05,
      "loss": 0.2539,
      "step": 1782
    },
    {
      "epoch": 0.5943333333333334,
      "grad_norm": 2.111567735671997,
      "learning_rate": 2.2574074074074075e-05,
      "loss": 0.3273,
      "step": 1783
    },
    {
      "epoch": 0.5946666666666667,
      "grad_norm": 1.1452022790908813,
      "learning_rate": 2.255555555555556e-05,
      "loss": 0.2919,
      "step": 1784
    },
    {
      "epoch": 0.595,
      "grad_norm": 1.146765112876892,
      "learning_rate": 2.2537037037037036e-05,
      "loss": 0.2536,
      "step": 1785
    },
    {
      "epoch": 0.5953333333333334,
      "grad_norm": 1.423264741897583,
      "learning_rate": 2.251851851851852e-05,
      "loss": 0.2842,
      "step": 1786
    },
    {
      "epoch": 0.5956666666666667,
      "grad_norm": 1.177667260169983,
      "learning_rate": 2.25e-05,
      "loss": 0.3172,
      "step": 1787
    },
    {
      "epoch": 0.596,
      "grad_norm": 1.1249909400939941,
      "learning_rate": 2.2481481481481486e-05,
      "loss": 0.2375,
      "step": 1788
    },
    {
      "epoch": 0.5963333333333334,
      "grad_norm": 1.266745924949646,
      "learning_rate": 2.2462962962962963e-05,
      "loss": 0.3012,
      "step": 1789
    },
    {
      "epoch": 0.5966666666666667,
      "grad_norm": 1.0687531232833862,
      "learning_rate": 2.2444444444444447e-05,
      "loss": 0.2673,
      "step": 1790
    },
    {
      "epoch": 0.597,
      "grad_norm": 1.1585710048675537,
      "learning_rate": 2.2425925925925928e-05,
      "loss": 0.277,
      "step": 1791
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 1.4982292652130127,
      "learning_rate": 2.240740740740741e-05,
      "loss": 0.2999,
      "step": 1792
    },
    {
      "epoch": 0.5976666666666667,
      "grad_norm": 1.179132342338562,
      "learning_rate": 2.238888888888889e-05,
      "loss": 0.3068,
      "step": 1793
    },
    {
      "epoch": 0.598,
      "grad_norm": 1.2970823049545288,
      "learning_rate": 2.2370370370370374e-05,
      "loss": 0.3658,
      "step": 1794
    },
    {
      "epoch": 0.5983333333333334,
      "grad_norm": 1.445186734199524,
      "learning_rate": 2.235185185185185e-05,
      "loss": 0.4234,
      "step": 1795
    },
    {
      "epoch": 0.5986666666666667,
      "grad_norm": 1.1528774499893188,
      "learning_rate": 2.2333333333333335e-05,
      "loss": 0.307,
      "step": 1796
    },
    {
      "epoch": 0.599,
      "grad_norm": 1.1850299835205078,
      "learning_rate": 2.2314814814814816e-05,
      "loss": 0.3367,
      "step": 1797
    },
    {
      "epoch": 0.5993333333333334,
      "grad_norm": 1.418897271156311,
      "learning_rate": 2.2296296296296297e-05,
      "loss": 0.339,
      "step": 1798
    },
    {
      "epoch": 0.5996666666666667,
      "grad_norm": 1.3328450918197632,
      "learning_rate": 2.2277777777777778e-05,
      "loss": 0.3573,
      "step": 1799
    },
    {
      "epoch": 0.6,
      "grad_norm": 1.2324028015136719,
      "learning_rate": 2.2259259259259262e-05,
      "loss": 0.342,
      "step": 1800
    },
    {
      "epoch": 0.6003333333333334,
      "grad_norm": 1.1721744537353516,
      "learning_rate": 2.2240740740740743e-05,
      "loss": 0.2828,
      "step": 1801
    },
    {
      "epoch": 0.6006666666666667,
      "grad_norm": 1.0245660543441772,
      "learning_rate": 2.2222222222222223e-05,
      "loss": 0.2683,
      "step": 1802
    },
    {
      "epoch": 0.601,
      "grad_norm": 1.7061488628387451,
      "learning_rate": 2.2203703703703704e-05,
      "loss": 0.3393,
      "step": 1803
    },
    {
      "epoch": 0.6013333333333334,
      "grad_norm": 1.2286412715911865,
      "learning_rate": 2.2185185185185188e-05,
      "loss": 0.3205,
      "step": 1804
    },
    {
      "epoch": 0.6016666666666667,
      "grad_norm": 1.2103099822998047,
      "learning_rate": 2.216666666666667e-05,
      "loss": 0.3026,
      "step": 1805
    },
    {
      "epoch": 0.602,
      "grad_norm": 1.8570104837417603,
      "learning_rate": 2.214814814814815e-05,
      "loss": 0.2579,
      "step": 1806
    },
    {
      "epoch": 0.6023333333333334,
      "grad_norm": 1.2374097108840942,
      "learning_rate": 2.212962962962963e-05,
      "loss": 0.309,
      "step": 1807
    },
    {
      "epoch": 0.6026666666666667,
      "grad_norm": 1.0504631996154785,
      "learning_rate": 2.211111111111111e-05,
      "loss": 0.2346,
      "step": 1808
    },
    {
      "epoch": 0.603,
      "grad_norm": 1.204936146736145,
      "learning_rate": 2.2092592592592592e-05,
      "loss": 0.2783,
      "step": 1809
    },
    {
      "epoch": 0.6033333333333334,
      "grad_norm": 1.432580590248108,
      "learning_rate": 2.2074074074074076e-05,
      "loss": 0.3652,
      "step": 1810
    },
    {
      "epoch": 0.6036666666666667,
      "grad_norm": 1.1430526971817017,
      "learning_rate": 2.2055555555555557e-05,
      "loss": 0.25,
      "step": 1811
    },
    {
      "epoch": 0.604,
      "grad_norm": 1.3105876445770264,
      "learning_rate": 2.2037037037037038e-05,
      "loss": 0.3337,
      "step": 1812
    },
    {
      "epoch": 0.6043333333333333,
      "grad_norm": 1.254717230796814,
      "learning_rate": 2.201851851851852e-05,
      "loss": 0.3366,
      "step": 1813
    },
    {
      "epoch": 0.6046666666666667,
      "grad_norm": 1.2206424474716187,
      "learning_rate": 2.2000000000000003e-05,
      "loss": 0.3126,
      "step": 1814
    },
    {
      "epoch": 0.605,
      "grad_norm": 1.0285736322402954,
      "learning_rate": 2.1981481481481484e-05,
      "loss": 0.2784,
      "step": 1815
    },
    {
      "epoch": 0.6053333333333333,
      "grad_norm": 1.0412527322769165,
      "learning_rate": 2.1962962962962964e-05,
      "loss": 0.2325,
      "step": 1816
    },
    {
      "epoch": 0.6056666666666667,
      "grad_norm": 1.1226699352264404,
      "learning_rate": 2.1944444444444445e-05,
      "loss": 0.3141,
      "step": 1817
    },
    {
      "epoch": 0.606,
      "grad_norm": 1.463566541671753,
      "learning_rate": 2.1925925925925926e-05,
      "loss": 0.3069,
      "step": 1818
    },
    {
      "epoch": 0.6063333333333333,
      "grad_norm": 1.8040052652359009,
      "learning_rate": 2.190740740740741e-05,
      "loss": 0.397,
      "step": 1819
    },
    {
      "epoch": 0.6066666666666667,
      "grad_norm": 1.21146559715271,
      "learning_rate": 2.188888888888889e-05,
      "loss": 0.3052,
      "step": 1820
    },
    {
      "epoch": 0.607,
      "grad_norm": 1.0456948280334473,
      "learning_rate": 2.187037037037037e-05,
      "loss": 0.2744,
      "step": 1821
    },
    {
      "epoch": 0.6073333333333333,
      "grad_norm": 1.093034029006958,
      "learning_rate": 2.1851851851851852e-05,
      "loss": 0.2369,
      "step": 1822
    },
    {
      "epoch": 0.6076666666666667,
      "grad_norm": 1.2086904048919678,
      "learning_rate": 2.1833333333333333e-05,
      "loss": 0.3441,
      "step": 1823
    },
    {
      "epoch": 0.608,
      "grad_norm": 1.2877882719039917,
      "learning_rate": 2.1814814814814817e-05,
      "loss": 0.3242,
      "step": 1824
    },
    {
      "epoch": 0.6083333333333333,
      "grad_norm": 1.5536692142486572,
      "learning_rate": 2.1796296296296298e-05,
      "loss": 0.3599,
      "step": 1825
    },
    {
      "epoch": 0.6086666666666667,
      "grad_norm": 1.1821976900100708,
      "learning_rate": 2.177777777777778e-05,
      "loss": 0.2712,
      "step": 1826
    },
    {
      "epoch": 0.609,
      "grad_norm": 1.1729826927185059,
      "learning_rate": 2.175925925925926e-05,
      "loss": 0.2678,
      "step": 1827
    },
    {
      "epoch": 0.6093333333333333,
      "grad_norm": 1.4278620481491089,
      "learning_rate": 2.174074074074074e-05,
      "loss": 0.2967,
      "step": 1828
    },
    {
      "epoch": 1.0003333333333333,
      "grad_norm": 1.302182674407959,
      "learning_rate": 2.1722222222222225e-05,
      "loss": 0.3493,
      "step": 1829
    },
    {
      "epoch": 1.0006666666666666,
      "grad_norm": 1.0404973030090332,
      "learning_rate": 2.1703703703703705e-05,
      "loss": 0.2678,
      "step": 1830
    },
    {
      "epoch": 1.001,
      "grad_norm": 1.188072681427002,
      "learning_rate": 2.1685185185185186e-05,
      "loss": 0.317,
      "step": 1831
    },
    {
      "epoch": 1.0013333333333334,
      "grad_norm": 1.1617701053619385,
      "learning_rate": 2.1666666666666667e-05,
      "loss": 0.3048,
      "step": 1832
    },
    {
      "epoch": 1.0016666666666667,
      "grad_norm": 1.038446307182312,
      "learning_rate": 2.1648148148148148e-05,
      "loss": 0.2955,
      "step": 1833
    },
    {
      "epoch": 1.002,
      "grad_norm": 1.1430332660675049,
      "learning_rate": 2.162962962962963e-05,
      "loss": 0.3194,
      "step": 1834
    },
    {
      "epoch": 1.0023333333333333,
      "grad_norm": 1.3381142616271973,
      "learning_rate": 2.1611111111111113e-05,
      "loss": 0.3171,
      "step": 1835
    },
    {
      "epoch": 1.0026666666666666,
      "grad_norm": 1.2083332538604736,
      "learning_rate": 2.1592592592592594e-05,
      "loss": 0.2818,
      "step": 1836
    },
    {
      "epoch": 1.003,
      "grad_norm": 1.5423758029937744,
      "learning_rate": 2.1574074074074074e-05,
      "loss": 0.2818,
      "step": 1837
    },
    {
      "epoch": 1.0033333333333334,
      "grad_norm": 1.0911376476287842,
      "learning_rate": 2.1555555555555555e-05,
      "loss": 0.247,
      "step": 1838
    },
    {
      "epoch": 1.0036666666666667,
      "grad_norm": 1.1435863971710205,
      "learning_rate": 2.153703703703704e-05,
      "loss": 0.28,
      "step": 1839
    },
    {
      "epoch": 1.004,
      "grad_norm": 1.2733820676803589,
      "learning_rate": 2.151851851851852e-05,
      "loss": 0.2598,
      "step": 1840
    },
    {
      "epoch": 1.0043333333333333,
      "grad_norm": 1.2856019735336304,
      "learning_rate": 2.15e-05,
      "loss": 0.3128,
      "step": 1841
    },
    {
      "epoch": 1.0046666666666666,
      "grad_norm": 1.2068068981170654,
      "learning_rate": 2.148148148148148e-05,
      "loss": 0.2998,
      "step": 1842
    },
    {
      "epoch": 1.005,
      "grad_norm": 1.2854981422424316,
      "learning_rate": 2.1462962962962966e-05,
      "loss": 0.3229,
      "step": 1843
    },
    {
      "epoch": 1.0053333333333334,
      "grad_norm": 1.1743899583816528,
      "learning_rate": 2.1444444444444443e-05,
      "loss": 0.2807,
      "step": 1844
    },
    {
      "epoch": 1.0056666666666667,
      "grad_norm": 1.0408605337142944,
      "learning_rate": 2.1425925925925927e-05,
      "loss": 0.2658,
      "step": 1845
    },
    {
      "epoch": 1.006,
      "grad_norm": 1.215695858001709,
      "learning_rate": 2.1407407407407408e-05,
      "loss": 0.3182,
      "step": 1846
    },
    {
      "epoch": 1.0063333333333333,
      "grad_norm": 1.2855089902877808,
      "learning_rate": 2.138888888888889e-05,
      "loss": 0.3406,
      "step": 1847
    },
    {
      "epoch": 1.0066666666666666,
      "grad_norm": 1.4617725610733032,
      "learning_rate": 2.137037037037037e-05,
      "loss": 0.3224,
      "step": 1848
    },
    {
      "epoch": 1.007,
      "grad_norm": 1.0579670667648315,
      "learning_rate": 2.1351851851851854e-05,
      "loss": 0.2405,
      "step": 1849
    },
    {
      "epoch": 1.0073333333333334,
      "grad_norm": 1.2777776718139648,
      "learning_rate": 2.1333333333333335e-05,
      "loss": 0.2937,
      "step": 1850
    },
    {
      "epoch": 1.0076666666666667,
      "grad_norm": 1.2581491470336914,
      "learning_rate": 2.1314814814814815e-05,
      "loss": 0.286,
      "step": 1851
    },
    {
      "epoch": 1.008,
      "grad_norm": 1.3602179288864136,
      "learning_rate": 2.1296296296296296e-05,
      "loss": 0.3436,
      "step": 1852
    },
    {
      "epoch": 1.0083333333333333,
      "grad_norm": 1.1872711181640625,
      "learning_rate": 2.127777777777778e-05,
      "loss": 0.2965,
      "step": 1853
    },
    {
      "epoch": 1.0086666666666666,
      "grad_norm": 1.1838449239730835,
      "learning_rate": 2.1259259259259258e-05,
      "loss": 0.2879,
      "step": 1854
    },
    {
      "epoch": 1.009,
      "grad_norm": 1.1886194944381714,
      "learning_rate": 2.1240740740740742e-05,
      "loss": 0.3188,
      "step": 1855
    },
    {
      "epoch": 1.0093333333333334,
      "grad_norm": 1.436417579650879,
      "learning_rate": 2.1222222222222223e-05,
      "loss": 0.3471,
      "step": 1856
    },
    {
      "epoch": 1.0096666666666667,
      "grad_norm": 1.2092169523239136,
      "learning_rate": 2.1203703703703703e-05,
      "loss": 0.2771,
      "step": 1857
    },
    {
      "epoch": 1.01,
      "grad_norm": 1.2030128240585327,
      "learning_rate": 2.1185185185185184e-05,
      "loss": 0.2904,
      "step": 1858
    },
    {
      "epoch": 1.0103333333333333,
      "grad_norm": 1.0994409322738647,
      "learning_rate": 2.116666666666667e-05,
      "loss": 0.2647,
      "step": 1859
    },
    {
      "epoch": 1.0106666666666666,
      "grad_norm": 1.1159305572509766,
      "learning_rate": 2.114814814814815e-05,
      "loss": 0.2734,
      "step": 1860
    },
    {
      "epoch": 1.011,
      "grad_norm": 1.1156705617904663,
      "learning_rate": 2.112962962962963e-05,
      "loss": 0.2972,
      "step": 1861
    },
    {
      "epoch": 1.0113333333333334,
      "grad_norm": 1.0875974893569946,
      "learning_rate": 2.111111111111111e-05,
      "loss": 0.2645,
      "step": 1862
    },
    {
      "epoch": 1.0116666666666667,
      "grad_norm": 1.2235674858093262,
      "learning_rate": 2.1092592592592595e-05,
      "loss": 0.2653,
      "step": 1863
    },
    {
      "epoch": 1.012,
      "grad_norm": 1.1224637031555176,
      "learning_rate": 2.1074074074074072e-05,
      "loss": 0.271,
      "step": 1864
    },
    {
      "epoch": 1.0123333333333333,
      "grad_norm": 1.5462406873703003,
      "learning_rate": 2.1055555555555556e-05,
      "loss": 0.3532,
      "step": 1865
    },
    {
      "epoch": 1.0126666666666666,
      "grad_norm": 1.1239745616912842,
      "learning_rate": 2.1037037037037037e-05,
      "loss": 0.3082,
      "step": 1866
    },
    {
      "epoch": 1.013,
      "grad_norm": 1.2063111066818237,
      "learning_rate": 2.101851851851852e-05,
      "loss": 0.3034,
      "step": 1867
    },
    {
      "epoch": 1.0133333333333334,
      "grad_norm": 1.1896368265151978,
      "learning_rate": 2.1e-05,
      "loss": 0.3125,
      "step": 1868
    },
    {
      "epoch": 1.0136666666666667,
      "grad_norm": 1.3331562280654907,
      "learning_rate": 2.0981481481481483e-05,
      "loss": 0.2501,
      "step": 1869
    },
    {
      "epoch": 1.014,
      "grad_norm": 1.0731514692306519,
      "learning_rate": 2.0962962962962964e-05,
      "loss": 0.2572,
      "step": 1870
    },
    {
      "epoch": 1.0143333333333333,
      "grad_norm": 1.449259877204895,
      "learning_rate": 2.0944444444444445e-05,
      "loss": 0.3416,
      "step": 1871
    },
    {
      "epoch": 1.0146666666666666,
      "grad_norm": 1.0001310110092163,
      "learning_rate": 2.0925925925925925e-05,
      "loss": 0.2351,
      "step": 1872
    },
    {
      "epoch": 1.015,
      "grad_norm": 1.1621854305267334,
      "learning_rate": 2.090740740740741e-05,
      "loss": 0.2842,
      "step": 1873
    },
    {
      "epoch": 1.0153333333333334,
      "grad_norm": 1.049918293952942,
      "learning_rate": 2.088888888888889e-05,
      "loss": 0.2402,
      "step": 1874
    },
    {
      "epoch": 1.0156666666666667,
      "grad_norm": 1.0949355363845825,
      "learning_rate": 2.087037037037037e-05,
      "loss": 0.2622,
      "step": 1875
    },
    {
      "epoch": 1.016,
      "grad_norm": 1.3457953929901123,
      "learning_rate": 2.0851851851851852e-05,
      "loss": 0.3087,
      "step": 1876
    },
    {
      "epoch": 1.0163333333333333,
      "grad_norm": 2.9082894325256348,
      "learning_rate": 2.0833333333333336e-05,
      "loss": 0.2815,
      "step": 1877
    },
    {
      "epoch": 1.0166666666666666,
      "grad_norm": 1.1484061479568481,
      "learning_rate": 2.0814814814814813e-05,
      "loss": 0.2339,
      "step": 1878
    },
    {
      "epoch": 1.017,
      "grad_norm": 1.2704479694366455,
      "learning_rate": 2.0796296296296298e-05,
      "loss": 0.3218,
      "step": 1879
    },
    {
      "epoch": 1.0173333333333334,
      "grad_norm": 1.68930983543396,
      "learning_rate": 2.077777777777778e-05,
      "loss": 0.2715,
      "step": 1880
    },
    {
      "epoch": 1.0176666666666667,
      "grad_norm": 1.0638198852539062,
      "learning_rate": 2.0759259259259263e-05,
      "loss": 0.2722,
      "step": 1881
    },
    {
      "epoch": 1.018,
      "grad_norm": 1.022449254989624,
      "learning_rate": 2.074074074074074e-05,
      "loss": 0.2285,
      "step": 1882
    },
    {
      "epoch": 1.0183333333333333,
      "grad_norm": 1.0179717540740967,
      "learning_rate": 2.0722222222222224e-05,
      "loss": 0.2386,
      "step": 1883
    },
    {
      "epoch": 1.0186666666666666,
      "grad_norm": 1.111007809638977,
      "learning_rate": 2.0703703703703705e-05,
      "loss": 0.2564,
      "step": 1884
    },
    {
      "epoch": 1.019,
      "grad_norm": 1.1237149238586426,
      "learning_rate": 2.0685185185185186e-05,
      "loss": 0.249,
      "step": 1885
    },
    {
      "epoch": 1.0193333333333334,
      "grad_norm": 1.2450875043869019,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 0.2804,
      "step": 1886
    },
    {
      "epoch": 1.0196666666666667,
      "grad_norm": 1.0422711372375488,
      "learning_rate": 2.064814814814815e-05,
      "loss": 0.2268,
      "step": 1887
    },
    {
      "epoch": 1.02,
      "grad_norm": 1.3335553407669067,
      "learning_rate": 2.0629629629629628e-05,
      "loss": 0.2922,
      "step": 1888
    },
    {
      "epoch": 1.0203333333333333,
      "grad_norm": 1.0887916088104248,
      "learning_rate": 2.0611111111111112e-05,
      "loss": 0.2876,
      "step": 1889
    },
    {
      "epoch": 1.0206666666666666,
      "grad_norm": 1.110905408859253,
      "learning_rate": 2.0592592592592593e-05,
      "loss": 0.2656,
      "step": 1890
    },
    {
      "epoch": 1.021,
      "grad_norm": 1.0913283824920654,
      "learning_rate": 2.0574074074074077e-05,
      "loss": 0.2165,
      "step": 1891
    },
    {
      "epoch": 1.0213333333333334,
      "grad_norm": 1.0819134712219238,
      "learning_rate": 2.0555555555555555e-05,
      "loss": 0.2277,
      "step": 1892
    },
    {
      "epoch": 1.0216666666666667,
      "grad_norm": 1.1721434593200684,
      "learning_rate": 2.053703703703704e-05,
      "loss": 0.2218,
      "step": 1893
    },
    {
      "epoch": 1.022,
      "grad_norm": 1.17229163646698,
      "learning_rate": 2.051851851851852e-05,
      "loss": 0.2889,
      "step": 1894
    },
    {
      "epoch": 1.0223333333333333,
      "grad_norm": 1.3256553411483765,
      "learning_rate": 2.05e-05,
      "loss": 0.3611,
      "step": 1895
    },
    {
      "epoch": 1.0226666666666666,
      "grad_norm": 1.2750449180603027,
      "learning_rate": 2.048148148148148e-05,
      "loss": 0.2802,
      "step": 1896
    },
    {
      "epoch": 1.023,
      "grad_norm": 1.533634901046753,
      "learning_rate": 2.0462962962962965e-05,
      "loss": 0.2373,
      "step": 1897
    },
    {
      "epoch": 1.0233333333333334,
      "grad_norm": 1.12489652633667,
      "learning_rate": 2.0444444444444446e-05,
      "loss": 0.2761,
      "step": 1898
    },
    {
      "epoch": 1.0236666666666667,
      "grad_norm": 1.1781072616577148,
      "learning_rate": 2.0425925925925927e-05,
      "loss": 0.2537,
      "step": 1899
    },
    {
      "epoch": 1.024,
      "grad_norm": 1.1631786823272705,
      "learning_rate": 2.0407407407407408e-05,
      "loss": 0.2768,
      "step": 1900
    },
    {
      "epoch": 1.0243333333333333,
      "grad_norm": 1.0416260957717896,
      "learning_rate": 2.0388888888888892e-05,
      "loss": 0.2421,
      "step": 1901
    },
    {
      "epoch": 1.0246666666666666,
      "grad_norm": 0.9658091068267822,
      "learning_rate": 2.037037037037037e-05,
      "loss": 0.194,
      "step": 1902
    },
    {
      "epoch": 1.025,
      "grad_norm": 1.1174275875091553,
      "learning_rate": 2.0351851851851853e-05,
      "loss": 0.2311,
      "step": 1903
    },
    {
      "epoch": 1.0253333333333334,
      "grad_norm": 1.2713980674743652,
      "learning_rate": 2.0333333333333334e-05,
      "loss": 0.2573,
      "step": 1904
    },
    {
      "epoch": 1.0256666666666667,
      "grad_norm": 1.1400760412216187,
      "learning_rate": 2.0314814814814818e-05,
      "loss": 0.3417,
      "step": 1905
    },
    {
      "epoch": 1.026,
      "grad_norm": 1.2865747213363647,
      "learning_rate": 2.0296296296296296e-05,
      "loss": 0.2871,
      "step": 1906
    },
    {
      "epoch": 1.0263333333333333,
      "grad_norm": 1.345824956893921,
      "learning_rate": 2.027777777777778e-05,
      "loss": 0.2769,
      "step": 1907
    },
    {
      "epoch": 1.0266666666666666,
      "grad_norm": 1.0821865797042847,
      "learning_rate": 2.025925925925926e-05,
      "loss": 0.2315,
      "step": 1908
    },
    {
      "epoch": 1.027,
      "grad_norm": 1.0028663873672485,
      "learning_rate": 2.024074074074074e-05,
      "loss": 0.2148,
      "step": 1909
    },
    {
      "epoch": 1.0273333333333334,
      "grad_norm": 0.9448598027229309,
      "learning_rate": 2.0222222222222222e-05,
      "loss": 0.2412,
      "step": 1910
    },
    {
      "epoch": 1.0276666666666667,
      "grad_norm": 1.2178449630737305,
      "learning_rate": 2.0203703703703706e-05,
      "loss": 0.253,
      "step": 1911
    },
    {
      "epoch": 1.028,
      "grad_norm": 1.2426848411560059,
      "learning_rate": 2.0185185185185187e-05,
      "loss": 0.2739,
      "step": 1912
    },
    {
      "epoch": 1.0283333333333333,
      "grad_norm": 1.1190718412399292,
      "learning_rate": 2.0166666666666668e-05,
      "loss": 0.2451,
      "step": 1913
    },
    {
      "epoch": 1.0286666666666666,
      "grad_norm": 1.1792895793914795,
      "learning_rate": 2.014814814814815e-05,
      "loss": 0.2422,
      "step": 1914
    },
    {
      "epoch": 1.029,
      "grad_norm": 1.32844078540802,
      "learning_rate": 2.0129629629629633e-05,
      "loss": 0.2929,
      "step": 1915
    },
    {
      "epoch": 1.0293333333333334,
      "grad_norm": 1.2905480861663818,
      "learning_rate": 2.011111111111111e-05,
      "loss": 0.3552,
      "step": 1916
    },
    {
      "epoch": 1.0296666666666667,
      "grad_norm": 1.261162519454956,
      "learning_rate": 2.0092592592592594e-05,
      "loss": 0.3253,
      "step": 1917
    },
    {
      "epoch": 1.03,
      "grad_norm": 0.8853784203529358,
      "learning_rate": 2.0074074074074075e-05,
      "loss": 0.1804,
      "step": 1918
    },
    {
      "epoch": 1.0303333333333333,
      "grad_norm": 3.5916221141815186,
      "learning_rate": 2.0055555555555556e-05,
      "loss": 0.2918,
      "step": 1919
    },
    {
      "epoch": 1.0306666666666666,
      "grad_norm": 1.0343499183654785,
      "learning_rate": 2.0037037037037037e-05,
      "loss": 0.2341,
      "step": 1920
    },
    {
      "epoch": 1.031,
      "grad_norm": 0.9512354731559753,
      "learning_rate": 2.001851851851852e-05,
      "loss": 0.2513,
      "step": 1921
    },
    {
      "epoch": 1.0313333333333334,
      "grad_norm": 1.1051499843597412,
      "learning_rate": 2e-05,
      "loss": 0.2181,
      "step": 1922
    },
    {
      "epoch": 1.0316666666666667,
      "grad_norm": 1.271216869354248,
      "learning_rate": 1.9981481481481482e-05,
      "loss": 0.262,
      "step": 1923
    },
    {
      "epoch": 1.032,
      "grad_norm": 1.3168870210647583,
      "learning_rate": 1.9962962962962963e-05,
      "loss": 0.3285,
      "step": 1924
    },
    {
      "epoch": 1.0323333333333333,
      "grad_norm": 1.2547926902770996,
      "learning_rate": 1.9944444444444447e-05,
      "loss": 0.2482,
      "step": 1925
    },
    {
      "epoch": 1.0326666666666666,
      "grad_norm": 1.1486369371414185,
      "learning_rate": 1.9925925925925925e-05,
      "loss": 0.2992,
      "step": 1926
    },
    {
      "epoch": 1.033,
      "grad_norm": 1.1076180934906006,
      "learning_rate": 1.990740740740741e-05,
      "loss": 0.3101,
      "step": 1927
    },
    {
      "epoch": 1.0333333333333334,
      "grad_norm": 1.1300196647644043,
      "learning_rate": 1.988888888888889e-05,
      "loss": 0.2334,
      "step": 1928
    },
    {
      "epoch": 1.0336666666666667,
      "grad_norm": 1.0918118953704834,
      "learning_rate": 1.9870370370370374e-05,
      "loss": 0.2483,
      "step": 1929
    },
    {
      "epoch": 1.034,
      "grad_norm": 1.076111078262329,
      "learning_rate": 1.985185185185185e-05,
      "loss": 0.2666,
      "step": 1930
    },
    {
      "epoch": 1.0343333333333333,
      "grad_norm": 1.1161117553710938,
      "learning_rate": 1.9833333333333335e-05,
      "loss": 0.2565,
      "step": 1931
    },
    {
      "epoch": 1.0346666666666666,
      "grad_norm": 1.0240756273269653,
      "learning_rate": 1.9814814814814816e-05,
      "loss": 0.2405,
      "step": 1932
    },
    {
      "epoch": 1.035,
      "grad_norm": 1.0380420684814453,
      "learning_rate": 1.9796296296296297e-05,
      "loss": 0.2087,
      "step": 1933
    },
    {
      "epoch": 1.0353333333333334,
      "grad_norm": 1.1282161474227905,
      "learning_rate": 1.9777777777777778e-05,
      "loss": 0.2352,
      "step": 1934
    },
    {
      "epoch": 1.0356666666666667,
      "grad_norm": 1.0297683477401733,
      "learning_rate": 1.9759259259259262e-05,
      "loss": 0.2254,
      "step": 1935
    },
    {
      "epoch": 1.036,
      "grad_norm": 1.2745426893234253,
      "learning_rate": 1.9740740740740743e-05,
      "loss": 0.2996,
      "step": 1936
    },
    {
      "epoch": 1.0363333333333333,
      "grad_norm": 1.3266161680221558,
      "learning_rate": 1.9722222222222224e-05,
      "loss": 0.2534,
      "step": 1937
    },
    {
      "epoch": 1.0366666666666666,
      "grad_norm": 1.2449642419815063,
      "learning_rate": 1.9703703703703704e-05,
      "loss": 0.284,
      "step": 1938
    },
    {
      "epoch": 1.037,
      "grad_norm": 1.0897976160049438,
      "learning_rate": 1.968518518518519e-05,
      "loss": 0.2256,
      "step": 1939
    },
    {
      "epoch": 1.0373333333333334,
      "grad_norm": 0.9602470993995667,
      "learning_rate": 1.9666666666666666e-05,
      "loss": 0.204,
      "step": 1940
    },
    {
      "epoch": 1.0376666666666667,
      "grad_norm": 1.1370127201080322,
      "learning_rate": 1.964814814814815e-05,
      "loss": 0.2236,
      "step": 1941
    },
    {
      "epoch": 1.038,
      "grad_norm": 1.0259976387023926,
      "learning_rate": 1.962962962962963e-05,
      "loss": 0.2347,
      "step": 1942
    },
    {
      "epoch": 1.0383333333333333,
      "grad_norm": 0.9954286217689514,
      "learning_rate": 1.9611111111111115e-05,
      "loss": 0.2129,
      "step": 1943
    },
    {
      "epoch": 1.0386666666666666,
      "grad_norm": 1.2702150344848633,
      "learning_rate": 1.9592592592592592e-05,
      "loss": 0.2585,
      "step": 1944
    },
    {
      "epoch": 1.039,
      "grad_norm": 0.9997884631156921,
      "learning_rate": 1.9574074074074077e-05,
      "loss": 0.214,
      "step": 1945
    },
    {
      "epoch": 1.0393333333333334,
      "grad_norm": 1.1218552589416504,
      "learning_rate": 1.9555555555555557e-05,
      "loss": 0.2528,
      "step": 1946
    },
    {
      "epoch": 1.0396666666666667,
      "grad_norm": 1.1385159492492676,
      "learning_rate": 1.9537037037037038e-05,
      "loss": 0.2282,
      "step": 1947
    },
    {
      "epoch": 1.04,
      "grad_norm": 0.9886491298675537,
      "learning_rate": 1.951851851851852e-05,
      "loss": 0.2223,
      "step": 1948
    },
    {
      "epoch": 1.0403333333333333,
      "grad_norm": 1.0702970027923584,
      "learning_rate": 1.9500000000000003e-05,
      "loss": 0.2372,
      "step": 1949
    },
    {
      "epoch": 1.0406666666666666,
      "grad_norm": 1.1078321933746338,
      "learning_rate": 1.948148148148148e-05,
      "loss": 0.262,
      "step": 1950
    },
    {
      "epoch": 1.041,
      "grad_norm": 1.150516390800476,
      "learning_rate": 1.9462962962962965e-05,
      "loss": 0.2617,
      "step": 1951
    },
    {
      "epoch": 1.0413333333333332,
      "grad_norm": 1.1399508714675903,
      "learning_rate": 1.9444444444444445e-05,
      "loss": 0.2254,
      "step": 1952
    },
    {
      "epoch": 1.0416666666666667,
      "grad_norm": 1.2573822736740112,
      "learning_rate": 1.942592592592593e-05,
      "loss": 0.2864,
      "step": 1953
    },
    {
      "epoch": 1.042,
      "grad_norm": 1.4924308061599731,
      "learning_rate": 1.9407407407407407e-05,
      "loss": 0.3504,
      "step": 1954
    },
    {
      "epoch": 1.0423333333333333,
      "grad_norm": 1.2726359367370605,
      "learning_rate": 1.938888888888889e-05,
      "loss": 0.2409,
      "step": 1955
    },
    {
      "epoch": 1.0426666666666666,
      "grad_norm": 0.9332222938537598,
      "learning_rate": 1.9370370370370372e-05,
      "loss": 0.1982,
      "step": 1956
    },
    {
      "epoch": 1.043,
      "grad_norm": 1.0257881879806519,
      "learning_rate": 1.9351851851851853e-05,
      "loss": 0.1982,
      "step": 1957
    },
    {
      "epoch": 1.0433333333333334,
      "grad_norm": 1.0043282508850098,
      "learning_rate": 1.9333333333333333e-05,
      "loss": 0.249,
      "step": 1958
    },
    {
      "epoch": 1.0436666666666667,
      "grad_norm": 1.3399443626403809,
      "learning_rate": 1.9314814814814818e-05,
      "loss": 0.3184,
      "step": 1959
    },
    {
      "epoch": 1.044,
      "grad_norm": 0.9978703856468201,
      "learning_rate": 1.92962962962963e-05,
      "loss": 0.2246,
      "step": 1960
    },
    {
      "epoch": 1.0443333333333333,
      "grad_norm": 1.0570039749145508,
      "learning_rate": 1.927777777777778e-05,
      "loss": 0.2274,
      "step": 1961
    },
    {
      "epoch": 1.0446666666666666,
      "grad_norm": 1.0134309530258179,
      "learning_rate": 1.925925925925926e-05,
      "loss": 0.2091,
      "step": 1962
    },
    {
      "epoch": 1.045,
      "grad_norm": 1.01628577709198,
      "learning_rate": 1.9240740740740744e-05,
      "loss": 0.2409,
      "step": 1963
    },
    {
      "epoch": 1.0453333333333332,
      "grad_norm": 1.112223744392395,
      "learning_rate": 1.922222222222222e-05,
      "loss": 0.2177,
      "step": 1964
    },
    {
      "epoch": 1.0456666666666667,
      "grad_norm": 1.1675570011138916,
      "learning_rate": 1.9203703703703706e-05,
      "loss": 0.3389,
      "step": 1965
    },
    {
      "epoch": 1.046,
      "grad_norm": 1.1205443143844604,
      "learning_rate": 1.9185185185185186e-05,
      "loss": 0.2704,
      "step": 1966
    },
    {
      "epoch": 1.0463333333333333,
      "grad_norm": 0.9299030900001526,
      "learning_rate": 1.9166666666666667e-05,
      "loss": 0.1932,
      "step": 1967
    },
    {
      "epoch": 1.0466666666666666,
      "grad_norm": 1.0636249780654907,
      "learning_rate": 1.9148148148148148e-05,
      "loss": 0.2394,
      "step": 1968
    },
    {
      "epoch": 1.047,
      "grad_norm": 1.3086638450622559,
      "learning_rate": 1.9129629629629632e-05,
      "loss": 0.2326,
      "step": 1969
    },
    {
      "epoch": 1.0473333333333332,
      "grad_norm": 1.2588222026824951,
      "learning_rate": 1.9111111111111113e-05,
      "loss": 0.3162,
      "step": 1970
    },
    {
      "epoch": 1.0476666666666667,
      "grad_norm": 1.0554633140563965,
      "learning_rate": 1.9092592592592594e-05,
      "loss": 0.2278,
      "step": 1971
    },
    {
      "epoch": 1.048,
      "grad_norm": 1.1155823469161987,
      "learning_rate": 1.9074074074074075e-05,
      "loss": 0.2523,
      "step": 1972
    },
    {
      "epoch": 1.0483333333333333,
      "grad_norm": 1.12454092502594,
      "learning_rate": 1.905555555555556e-05,
      "loss": 0.2717,
      "step": 1973
    },
    {
      "epoch": 1.0486666666666666,
      "grad_norm": 1.1014012098312378,
      "learning_rate": 1.903703703703704e-05,
      "loss": 0.2381,
      "step": 1974
    },
    {
      "epoch": 1.049,
      "grad_norm": 1.011580228805542,
      "learning_rate": 1.901851851851852e-05,
      "loss": 0.2345,
      "step": 1975
    },
    {
      "epoch": 1.0493333333333332,
      "grad_norm": 1.1005390882492065,
      "learning_rate": 1.9e-05,
      "loss": 0.228,
      "step": 1976
    },
    {
      "epoch": 1.0496666666666667,
      "grad_norm": 1.171065092086792,
      "learning_rate": 1.8981481481481482e-05,
      "loss": 0.2904,
      "step": 1977
    },
    {
      "epoch": 1.05,
      "grad_norm": 1.1958742141723633,
      "learning_rate": 1.8962962962962963e-05,
      "loss": 0.2824,
      "step": 1978
    },
    {
      "epoch": 1.0503333333333333,
      "grad_norm": 0.9981474280357361,
      "learning_rate": 1.8944444444444447e-05,
      "loss": 0.2029,
      "step": 1979
    },
    {
      "epoch": 1.0506666666666666,
      "grad_norm": 0.9531847238540649,
      "learning_rate": 1.8925925925925928e-05,
      "loss": 0.235,
      "step": 1980
    },
    {
      "epoch": 1.051,
      "grad_norm": 0.9256868362426758,
      "learning_rate": 1.890740740740741e-05,
      "loss": 0.1946,
      "step": 1981
    },
    {
      "epoch": 1.0513333333333332,
      "grad_norm": 1.116603136062622,
      "learning_rate": 1.888888888888889e-05,
      "loss": 0.2499,
      "step": 1982
    },
    {
      "epoch": 1.0516666666666667,
      "grad_norm": 1.1806637048721313,
      "learning_rate": 1.887037037037037e-05,
      "loss": 0.2574,
      "step": 1983
    },
    {
      "epoch": 1.052,
      "grad_norm": 1.2645742893218994,
      "learning_rate": 1.8851851851851854e-05,
      "loss": 0.3083,
      "step": 1984
    },
    {
      "epoch": 1.0523333333333333,
      "grad_norm": 1.1511638164520264,
      "learning_rate": 1.8833333333333335e-05,
      "loss": 0.2669,
      "step": 1985
    },
    {
      "epoch": 1.0526666666666666,
      "grad_norm": 0.9783625602722168,
      "learning_rate": 1.8814814814814816e-05,
      "loss": 0.1964,
      "step": 1986
    },
    {
      "epoch": 1.053,
      "grad_norm": 1.2570024728775024,
      "learning_rate": 1.8796296296296296e-05,
      "loss": 0.2745,
      "step": 1987
    },
    {
      "epoch": 1.0533333333333332,
      "grad_norm": 0.9680691361427307,
      "learning_rate": 1.8777777777777777e-05,
      "loss": 0.2164,
      "step": 1988
    },
    {
      "epoch": 1.0536666666666668,
      "grad_norm": 1.010664939880371,
      "learning_rate": 1.875925925925926e-05,
      "loss": 0.1969,
      "step": 1989
    },
    {
      "epoch": 1.054,
      "grad_norm": 1.0429381132125854,
      "learning_rate": 1.8740740740740742e-05,
      "loss": 0.23,
      "step": 1990
    },
    {
      "epoch": 1.0543333333333333,
      "grad_norm": 0.8828306198120117,
      "learning_rate": 1.8722222222222223e-05,
      "loss": 0.1742,
      "step": 1991
    },
    {
      "epoch": 1.0546666666666666,
      "grad_norm": 1.0634962320327759,
      "learning_rate": 1.8703703703703704e-05,
      "loss": 0.2129,
      "step": 1992
    },
    {
      "epoch": 1.055,
      "grad_norm": 1.11493980884552,
      "learning_rate": 1.8685185185185184e-05,
      "loss": 0.2444,
      "step": 1993
    },
    {
      "epoch": 1.0553333333333332,
      "grad_norm": 0.8882637023925781,
      "learning_rate": 1.866666666666667e-05,
      "loss": 0.1851,
      "step": 1994
    },
    {
      "epoch": 1.0556666666666668,
      "grad_norm": 22.399517059326172,
      "learning_rate": 1.864814814814815e-05,
      "loss": 0.2139,
      "step": 1995
    },
    {
      "epoch": 1.056,
      "grad_norm": 1.0793142318725586,
      "learning_rate": 1.862962962962963e-05,
      "loss": 0.2191,
      "step": 1996
    },
    {
      "epoch": 1.0563333333333333,
      "grad_norm": 1.029279351234436,
      "learning_rate": 1.861111111111111e-05,
      "loss": 0.2091,
      "step": 1997
    },
    {
      "epoch": 1.0566666666666666,
      "grad_norm": 1.0435441732406616,
      "learning_rate": 1.8592592592592595e-05,
      "loss": 0.2138,
      "step": 1998
    },
    {
      "epoch": 1.057,
      "grad_norm": 0.9906209111213684,
      "learning_rate": 1.8574074074074076e-05,
      "loss": 0.2024,
      "step": 1999
    },
    {
      "epoch": 1.0573333333333332,
      "grad_norm": 1.212501049041748,
      "learning_rate": 1.8555555555555557e-05,
      "loss": 0.226,
      "step": 2000
    }
  ],
  "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": 2.3100610235793408e+20,
  "train_batch_size": 34,
  "trial_name": null,
  "trial_params": null
}