{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 2.0,
  "eval_steps": 500,
  "global_step": 300,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.006666666666666667,
      "grad_norm": 0.1458676182420363,
      "learning_rate": 3.3333333333333333e-06,
      "loss": 0.3176,
      "step": 1
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 0.06297500591413621,
      "learning_rate": 6.666666666666667e-06,
      "loss": 0.0739,
      "step": 2
    },
    {
      "epoch": 0.02,
      "grad_norm": 0.10965054796208855,
      "learning_rate": 1e-05,
      "loss": 0.1325,
      "step": 3
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 0.14572620399303748,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 0.1585,
      "step": 4
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 0.12529022217128674,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 0.1844,
      "step": 5
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.09445699978047582,
      "learning_rate": 2e-05,
      "loss": 0.1542,
      "step": 6
    },
    {
      "epoch": 0.04666666666666667,
      "grad_norm": 0.09833116480123368,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 0.1673,
      "step": 7
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 0.07597745346667391,
      "learning_rate": 2.6666666666666667e-05,
      "loss": 0.1951,
      "step": 8
    },
    {
      "epoch": 0.06,
      "grad_norm": 0.140980113781321,
      "learning_rate": 3e-05,
      "loss": 0.2214,
      "step": 9
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.08328819260042881,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 0.0889,
      "step": 10
    },
    {
      "epoch": 0.07333333333333333,
      "grad_norm": 0.047492995264302104,
      "learning_rate": 3.6666666666666666e-05,
      "loss": 0.0797,
      "step": 11
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.18228622024209587,
      "learning_rate": 4e-05,
      "loss": 0.2164,
      "step": 12
    },
    {
      "epoch": 0.08666666666666667,
      "grad_norm": 0.18241056021723157,
      "learning_rate": 4.3333333333333334e-05,
      "loss": 0.3628,
      "step": 13
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 0.18299722112745884,
      "learning_rate": 4.666666666666667e-05,
      "loss": 0.3974,
      "step": 14
    },
    {
      "epoch": 0.1,
      "grad_norm": 0.1881953323891401,
      "learning_rate": 5e-05,
      "loss": 0.3013,
      "step": 15
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 0.08114481229080911,
      "learning_rate": 5.333333333333333e-05,
      "loss": 0.0872,
      "step": 16
    },
    {
      "epoch": 0.11333333333333333,
      "grad_norm": 0.1377919721753016,
      "learning_rate": 5.666666666666667e-05,
      "loss": 0.0834,
      "step": 17
    },
    {
      "epoch": 0.12,
      "grad_norm": 0.18039198158290673,
      "learning_rate": 6e-05,
      "loss": 0.1386,
      "step": 18
    },
    {
      "epoch": 0.12666666666666668,
      "grad_norm": 0.11894612524969389,
      "learning_rate": 6.333333333333333e-05,
      "loss": 0.1253,
      "step": 19
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 0.18200541298309192,
      "learning_rate": 6.666666666666667e-05,
      "loss": 0.2956,
      "step": 20
    },
    {
      "epoch": 0.14,
      "grad_norm": 0.03876155072611655,
      "learning_rate": 7e-05,
      "loss": 0.0391,
      "step": 21
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 0.33528917605547737,
      "learning_rate": 7.333333333333333e-05,
      "loss": 0.2333,
      "step": 22
    },
    {
      "epoch": 0.15333333333333332,
      "grad_norm": 0.3653124486741407,
      "learning_rate": 7.666666666666667e-05,
      "loss": 0.239,
      "step": 23
    },
    {
      "epoch": 0.16,
      "grad_norm": 0.10227962698176309,
      "learning_rate": 8e-05,
      "loss": 0.0939,
      "step": 24
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 0.16201798352453822,
      "learning_rate": 8.333333333333334e-05,
      "loss": 0.1329,
      "step": 25
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 0.13840410994744334,
      "learning_rate": 8.666666666666667e-05,
      "loss": 0.1467,
      "step": 26
    },
    {
      "epoch": 0.18,
      "grad_norm": 0.05335185773278762,
      "learning_rate": 9e-05,
      "loss": 0.0238,
      "step": 27
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 0.16825452664165716,
      "learning_rate": 9.333333333333334e-05,
      "loss": 0.1621,
      "step": 28
    },
    {
      "epoch": 0.19333333333333333,
      "grad_norm": 0.14415212219898255,
      "learning_rate": 9.666666666666667e-05,
      "loss": 0.139,
      "step": 29
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.20244980847754807,
      "learning_rate": 0.0001,
      "loss": 0.1208,
      "step": 30
    },
    {
      "epoch": 0.20666666666666667,
      "grad_norm": 0.057982814638854976,
      "learning_rate": 9.999661540018812e-05,
      "loss": 0.0365,
      "step": 31
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 0.050494073244039574,
      "learning_rate": 9.998646205897309e-05,
      "loss": 0.0376,
      "step": 32
    },
    {
      "epoch": 0.22,
      "grad_norm": 0.0796546713001581,
      "learning_rate": 9.99695413509548e-05,
      "loss": 0.0591,
      "step": 33
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 0.2075683293740379,
      "learning_rate": 9.994585556692624e-05,
      "loss": 0.1704,
      "step": 34
    },
    {
      "epoch": 0.23333333333333334,
      "grad_norm": 0.14086085319033614,
      "learning_rate": 9.991540791356342e-05,
      "loss": 0.0913,
      "step": 35
    },
    {
      "epoch": 0.24,
      "grad_norm": 0.08040957158353555,
      "learning_rate": 9.987820251299122e-05,
      "loss": 0.0452,
      "step": 36
    },
    {
      "epoch": 0.24666666666666667,
      "grad_norm": 0.07097711660728279,
      "learning_rate": 9.983424440222531e-05,
      "loss": 0.0793,
      "step": 37
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 0.09874017222016726,
      "learning_rate": 9.978353953249022e-05,
      "loss": 0.0418,
      "step": 38
    },
    {
      "epoch": 0.26,
      "grad_norm": 0.04901412712216988,
      "learning_rate": 9.972609476841367e-05,
      "loss": 0.0286,
      "step": 39
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.14978770224354165,
      "learning_rate": 9.966191788709716e-05,
      "loss": 0.0752,
      "step": 40
    },
    {
      "epoch": 0.2733333333333333,
      "grad_norm": 0.19930785951000352,
      "learning_rate": 9.959101757706308e-05,
      "loss": 0.096,
      "step": 41
    },
    {
      "epoch": 0.28,
      "grad_norm": 0.07459492757920842,
      "learning_rate": 9.951340343707852e-05,
      "loss": 0.0452,
      "step": 42
    },
    {
      "epoch": 0.2866666666666667,
      "grad_norm": 0.0870168890854328,
      "learning_rate": 9.942908597485558e-05,
      "loss": 0.0366,
      "step": 43
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 0.10286523991486987,
      "learning_rate": 9.933807660562898e-05,
      "loss": 0.0437,
      "step": 44
    },
    {
      "epoch": 0.3,
      "grad_norm": 0.0628363242721665,
      "learning_rate": 9.924038765061042e-05,
      "loss": 0.0319,
      "step": 45
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 0.19411783178751676,
      "learning_rate": 9.913603233532067e-05,
      "loss": 0.0682,
      "step": 46
    },
    {
      "epoch": 0.31333333333333335,
      "grad_norm": 0.09655129169196189,
      "learning_rate": 9.902502478779896e-05,
      "loss": 0.0364,
      "step": 47
    },
    {
      "epoch": 0.32,
      "grad_norm": 0.043391903031894045,
      "learning_rate": 9.890738003669029e-05,
      "loss": 0.0167,
      "step": 48
    },
    {
      "epoch": 0.32666666666666666,
      "grad_norm": 0.028136119446689988,
      "learning_rate": 9.878311400921072e-05,
      "loss": 0.0094,
      "step": 49
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.19990875920189982,
      "learning_rate": 9.865224352899119e-05,
      "loss": 0.0591,
      "step": 50
    },
    {
      "epoch": 0.34,
      "grad_norm": 0.08127565709516123,
      "learning_rate": 9.851478631379982e-05,
      "loss": 0.0257,
      "step": 51
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 0.07578390986292642,
      "learning_rate": 9.837076097314319e-05,
      "loss": 0.0195,
      "step": 52
    },
    {
      "epoch": 0.35333333333333333,
      "grad_norm": 0.1145190605689261,
      "learning_rate": 9.822018700574695e-05,
      "loss": 0.0568,
      "step": 53
    },
    {
      "epoch": 0.36,
      "grad_norm": 0.013274676664202425,
      "learning_rate": 9.806308479691595e-05,
      "loss": 0.0037,
      "step": 54
    },
    {
      "epoch": 0.36666666666666664,
      "grad_norm": 0.09023602614740979,
      "learning_rate": 9.789947561577445e-05,
      "loss": 0.0251,
      "step": 55
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 0.031786573504672816,
      "learning_rate": 9.77293816123866e-05,
      "loss": 0.0038,
      "step": 56
    },
    {
      "epoch": 0.38,
      "grad_norm": 0.08600437859697443,
      "learning_rate": 9.755282581475769e-05,
      "loss": 0.0115,
      "step": 57
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 0.339765926197416,
      "learning_rate": 9.736983212571646e-05,
      "loss": 0.0172,
      "step": 58
    },
    {
      "epoch": 0.3933333333333333,
      "grad_norm": 0.13355273602854525,
      "learning_rate": 9.718042531967918e-05,
      "loss": 0.0463,
      "step": 59
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.0528912423191638,
      "learning_rate": 9.698463103929542e-05,
      "loss": 0.0171,
      "step": 60
    },
    {
      "epoch": 0.4066666666666667,
      "grad_norm": 0.19993307288425893,
      "learning_rate": 9.678247579197657e-05,
      "loss": 0.0507,
      "step": 61
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 0.019958746575402614,
      "learning_rate": 9.657398694630712e-05,
      "loss": 0.0044,
      "step": 62
    },
    {
      "epoch": 0.42,
      "grad_norm": 0.06534407319746238,
      "learning_rate": 9.635919272833938e-05,
      "loss": 0.021,
      "step": 63
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.009956107837350434,
      "learning_rate": 9.613812221777212e-05,
      "loss": 0.0024,
      "step": 64
    },
    {
      "epoch": 0.43333333333333335,
      "grad_norm": 0.0753430335467929,
      "learning_rate": 9.591080534401371e-05,
      "loss": 0.0077,
      "step": 65
    },
    {
      "epoch": 0.44,
      "grad_norm": 0.033598952953223064,
      "learning_rate": 9.567727288213005e-05,
      "loss": 0.0081,
      "step": 66
    },
    {
      "epoch": 0.44666666666666666,
      "grad_norm": 0.06758226704866703,
      "learning_rate": 9.543755644867822e-05,
      "loss": 0.018,
      "step": 67
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 0.045285754601470565,
      "learning_rate": 9.519168849742604e-05,
      "loss": 0.0036,
      "step": 68
    },
    {
      "epoch": 0.46,
      "grad_norm": 0.005996331054205151,
      "learning_rate": 9.493970231495835e-05,
      "loss": 0.0012,
      "step": 69
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.05726929824198098,
      "learning_rate": 9.468163201617062e-05,
      "loss": 0.0043,
      "step": 70
    },
    {
      "epoch": 0.47333333333333333,
      "grad_norm": 0.1392050070964832,
      "learning_rate": 9.441751253965021e-05,
      "loss": 0.0206,
      "step": 71
    },
    {
      "epoch": 0.48,
      "grad_norm": 0.008309147404235117,
      "learning_rate": 9.414737964294636e-05,
      "loss": 0.0015,
      "step": 72
    },
    {
      "epoch": 0.4866666666666667,
      "grad_norm": 0.017322133207007526,
      "learning_rate": 9.38712698977291e-05,
      "loss": 0.0038,
      "step": 73
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 0.036791042422237324,
      "learning_rate": 9.358922068483812e-05,
      "loss": 0.0051,
      "step": 74
    },
    {
      "epoch": 0.5,
      "grad_norm": 0.02287466809307608,
      "learning_rate": 9.330127018922194e-05,
      "loss": 0.0037,
      "step": 75
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 0.01243264217793224,
      "learning_rate": 9.300745739476829e-05,
      "loss": 0.0013,
      "step": 76
    },
    {
      "epoch": 0.5133333333333333,
      "grad_norm": 0.024157104065878395,
      "learning_rate": 9.270782207902629e-05,
      "loss": 0.0046,
      "step": 77
    },
    {
      "epoch": 0.52,
      "grad_norm": 0.4745869029248455,
      "learning_rate": 9.24024048078213e-05,
      "loss": 0.1348,
      "step": 78
    },
    {
      "epoch": 0.5266666666666666,
      "grad_norm": 0.058608077635055315,
      "learning_rate": 9.209124692976287e-05,
      "loss": 0.0091,
      "step": 79
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.010317275680661547,
      "learning_rate": 9.177439057064683e-05,
      "loss": 0.0015,
      "step": 80
    },
    {
      "epoch": 0.54,
      "grad_norm": 0.03069779051236754,
      "learning_rate": 9.145187862775209e-05,
      "loss": 0.0045,
      "step": 81
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 0.008040389875014977,
      "learning_rate": 9.112375476403312e-05,
      "loss": 0.0009,
      "step": 82
    },
    {
      "epoch": 0.5533333333333333,
      "grad_norm": 0.19044333979129963,
      "learning_rate": 9.079006340220862e-05,
      "loss": 0.0286,
      "step": 83
    },
    {
      "epoch": 0.56,
      "grad_norm": 0.0049932152567284446,
      "learning_rate": 9.045084971874738e-05,
      "loss": 0.0006,
      "step": 84
    },
    {
      "epoch": 0.5666666666666667,
      "grad_norm": 0.08405647778053042,
      "learning_rate": 9.01061596377522e-05,
      "loss": 0.0123,
      "step": 85
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 0.0020879396871698063,
      "learning_rate": 8.97560398247424e-05,
      "loss": 0.0003,
      "step": 86
    },
    {
      "epoch": 0.58,
      "grad_norm": 0.006700887739820671,
      "learning_rate": 8.940053768033609e-05,
      "loss": 0.0008,
      "step": 87
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 0.047992576472715855,
      "learning_rate": 8.903970133383297e-05,
      "loss": 0.0047,
      "step": 88
    },
    {
      "epoch": 0.5933333333333334,
      "grad_norm": 0.13855831394191526,
      "learning_rate": 8.86735796366982e-05,
      "loss": 0.0703,
      "step": 89
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.009456330260428669,
      "learning_rate": 8.83022221559489e-05,
      "loss": 0.0017,
      "step": 90
    },
    {
      "epoch": 0.6066666666666667,
      "grad_norm": 0.007773181864456804,
      "learning_rate": 8.792567916744346e-05,
      "loss": 0.0013,
      "step": 91
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 0.09978095350246738,
      "learning_rate": 8.754400164907497e-05,
      "loss": 0.0456,
      "step": 92
    },
    {
      "epoch": 0.62,
      "grad_norm": 0.0877256767735217,
      "learning_rate": 8.715724127386972e-05,
      "loss": 0.0112,
      "step": 93
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 0.009571755173022112,
      "learning_rate": 8.676545040299145e-05,
      "loss": 0.001,
      "step": 94
    },
    {
      "epoch": 0.6333333333333333,
      "grad_norm": 0.0012187740440864692,
      "learning_rate": 8.636868207865244e-05,
      "loss": 0.0002,
      "step": 95
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.08797882323898706,
      "learning_rate": 8.596699001693255e-05,
      "loss": 0.031,
      "step": 96
    },
    {
      "epoch": 0.6466666666666666,
      "grad_norm": 0.055547457956810375,
      "learning_rate": 8.556042860050687e-05,
      "loss": 0.0043,
      "step": 97
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 0.01951698322606536,
      "learning_rate": 8.51490528712831e-05,
      "loss": 0.003,
      "step": 98
    },
    {
      "epoch": 0.66,
      "grad_norm": 0.1280621442041014,
      "learning_rate": 8.473291852294987e-05,
      "loss": 0.0339,
      "step": 99
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.03201540686138474,
      "learning_rate": 8.43120818934367e-05,
      "loss": 0.0051,
      "step": 100
    },
    {
      "epoch": 0.6733333333333333,
      "grad_norm": 0.010634043353550981,
      "learning_rate": 8.388659995728663e-05,
      "loss": 0.0023,
      "step": 101
    },
    {
      "epoch": 0.68,
      "grad_norm": 0.004114104727120306,
      "learning_rate": 8.345653031794292e-05,
      "loss": 0.0008,
      "step": 102
    },
    {
      "epoch": 0.6866666666666666,
      "grad_norm": 0.05338381531211917,
      "learning_rate": 8.302193119995039e-05,
      "loss": 0.0116,
      "step": 103
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.004080093518233031,
      "learning_rate": 8.258286144107276e-05,
      "loss": 0.0007,
      "step": 104
    },
    {
      "epoch": 0.7,
      "grad_norm": 0.018316965215360838,
      "learning_rate": 8.213938048432697e-05,
      "loss": 0.0041,
      "step": 105
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 0.04940334444711568,
      "learning_rate": 8.169154836993551e-05,
      "loss": 0.0089,
      "step": 106
    },
    {
      "epoch": 0.7133333333333334,
      "grad_norm": 0.1333890081658084,
      "learning_rate": 8.1239425727198e-05,
      "loss": 0.0353,
      "step": 107
    },
    {
      "epoch": 0.72,
      "grad_norm": 0.005394716437091672,
      "learning_rate": 8.07830737662829e-05,
      "loss": 0.0009,
      "step": 108
    },
    {
      "epoch": 0.7266666666666667,
      "grad_norm": 0.012561835182953009,
      "learning_rate": 8.032255426994069e-05,
      "loss": 0.0016,
      "step": 109
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.04804809966916439,
      "learning_rate": 7.985792958513931e-05,
      "loss": 0.0089,
      "step": 110
    },
    {
      "epoch": 0.74,
      "grad_norm": 0.1561011742243027,
      "learning_rate": 7.938926261462366e-05,
      "loss": 0.0537,
      "step": 111
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.012102538310463658,
      "learning_rate": 7.891661680839932e-05,
      "loss": 0.0012,
      "step": 112
    },
    {
      "epoch": 0.7533333333333333,
      "grad_norm": 0.002794216372923245,
      "learning_rate": 7.844005615514259e-05,
      "loss": 0.0004,
      "step": 113
    },
    {
      "epoch": 0.76,
      "grad_norm": 0.032421479616987374,
      "learning_rate": 7.795964517353735e-05,
      "loss": 0.005,
      "step": 114
    },
    {
      "epoch": 0.7666666666666667,
      "grad_norm": 0.1016952851577304,
      "learning_rate": 7.74754489035403e-05,
      "loss": 0.0307,
      "step": 115
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 0.01649866985351664,
      "learning_rate": 7.698753289757565e-05,
      "loss": 0.0019,
      "step": 116
    },
    {
      "epoch": 0.78,
      "grad_norm": 0.0022136880069391885,
      "learning_rate": 7.649596321166024e-05,
      "loss": 0.0003,
      "step": 117
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 0.038591413273652356,
      "learning_rate": 7.600080639646077e-05,
      "loss": 0.0024,
      "step": 118
    },
    {
      "epoch": 0.7933333333333333,
      "grad_norm": 0.07832977869558842,
      "learning_rate": 7.550212948828377e-05,
      "loss": 0.0089,
      "step": 119
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.0006592927519746862,
      "learning_rate": 7.500000000000001e-05,
      "loss": 0.0001,
      "step": 120
    },
    {
      "epoch": 0.8066666666666666,
      "grad_norm": 0.05319562087951372,
      "learning_rate": 7.449448591190435e-05,
      "loss": 0.0158,
      "step": 121
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 0.024280323885077393,
      "learning_rate": 7.398565566251232e-05,
      "loss": 0.0016,
      "step": 122
    },
    {
      "epoch": 0.82,
      "grad_norm": 0.05851627713220399,
      "learning_rate": 7.347357813929454e-05,
      "loss": 0.0197,
      "step": 123
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 0.019970258889744436,
      "learning_rate": 7.295832266935059e-05,
      "loss": 0.0016,
      "step": 124
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 0.04762387132396897,
      "learning_rate": 7.243995901002312e-05,
      "loss": 0.0064,
      "step": 125
    },
    {
      "epoch": 0.84,
      "grad_norm": 0.03856369344865357,
      "learning_rate": 7.191855733945387e-05,
      "loss": 0.0071,
      "step": 126
    },
    {
      "epoch": 0.8466666666666667,
      "grad_norm": 0.0021344270941251,
      "learning_rate": 7.139418824708272e-05,
      "loss": 0.0002,
      "step": 127
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.009742411932032784,
      "learning_rate": 7.08669227240909e-05,
      "loss": 0.0012,
      "step": 128
    },
    {
      "epoch": 0.86,
      "grad_norm": 0.0020152655049136816,
      "learning_rate": 7.033683215379002e-05,
      "loss": 0.0002,
      "step": 129
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.06704717188148394,
      "learning_rate": 6.980398830195785e-05,
      "loss": 0.0098,
      "step": 130
    },
    {
      "epoch": 0.8733333333333333,
      "grad_norm": 0.028117343247367105,
      "learning_rate": 6.926846330712242e-05,
      "loss": 0.0032,
      "step": 131
    },
    {
      "epoch": 0.88,
      "grad_norm": 0.004535098708097967,
      "learning_rate": 6.873032967079561e-05,
      "loss": 0.0003,
      "step": 132
    },
    {
      "epoch": 0.8866666666666667,
      "grad_norm": 0.028741260754082915,
      "learning_rate": 6.818966024765758e-05,
      "loss": 0.0018,
      "step": 133
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 0.004056970090384499,
      "learning_rate": 6.764652823569344e-05,
      "loss": 0.0003,
      "step": 134
    },
    {
      "epoch": 0.9,
      "grad_norm": 0.42960595424216186,
      "learning_rate": 6.710100716628344e-05,
      "loss": 0.0311,
      "step": 135
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.01645823001956124,
      "learning_rate": 6.65531708942479e-05,
      "loss": 0.0014,
      "step": 136
    },
    {
      "epoch": 0.9133333333333333,
      "grad_norm": 0.000662579815964547,
      "learning_rate": 6.600309358784857e-05,
      "loss": 0.0001,
      "step": 137
    },
    {
      "epoch": 0.92,
      "grad_norm": 0.004068185857684531,
      "learning_rate": 6.545084971874738e-05,
      "loss": 0.0004,
      "step": 138
    },
    {
      "epoch": 0.9266666666666666,
      "grad_norm": 0.01409935510628758,
      "learning_rate": 6.48965140519241e-05,
      "loss": 0.0018,
      "step": 139
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.006795242660458633,
      "learning_rate": 6.434016163555452e-05,
      "loss": 0.0005,
      "step": 140
    },
    {
      "epoch": 0.94,
      "grad_norm": 0.07501779724421707,
      "learning_rate": 6.378186779084995e-05,
      "loss": 0.0016,
      "step": 141
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 0.012747067413767603,
      "learning_rate": 6.322170810186012e-05,
      "loss": 0.0018,
      "step": 142
    },
    {
      "epoch": 0.9533333333333334,
      "grad_norm": 0.0035935197001986437,
      "learning_rate": 6.26597584052401e-05,
      "loss": 0.0004,
      "step": 143
    },
    {
      "epoch": 0.96,
      "grad_norm": 0.0019197617637782547,
      "learning_rate": 6.209609477998338e-05,
      "loss": 0.0003,
      "step": 144
    },
    {
      "epoch": 0.9666666666666667,
      "grad_norm": 0.06800443732422268,
      "learning_rate": 6.153079353712201e-05,
      "loss": 0.0055,
      "step": 145
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 0.0046985874461853445,
      "learning_rate": 6.096393120939516e-05,
      "loss": 0.0008,
      "step": 146
    },
    {
      "epoch": 0.98,
      "grad_norm": 0.01793719182228139,
      "learning_rate": 6.0395584540887963e-05,
      "loss": 0.0008,
      "step": 147
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 0.11039426142239986,
      "learning_rate": 5.982583047664151e-05,
      "loss": 0.0071,
      "step": 148
    },
    {
      "epoch": 0.9933333333333333,
      "grad_norm": 0.3886935539896285,
      "learning_rate": 5.925474615223573e-05,
      "loss": 0.0378,
      "step": 149
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.002994958619524611,
      "learning_rate": 5.868240888334653e-05,
      "loss": 0.0002,
      "step": 150
    },
    {
      "epoch": 1.0,
      "eval_loss": 0.0803646594285965,
      "eval_runtime": 0.396,
      "eval_samples_per_second": 2.525,
      "eval_steps_per_second": 2.525,
      "step": 150
    },
    {
      "epoch": 1.0066666666666666,
      "grad_norm": 0.0021003231068275246,
      "learning_rate": 5.810889615527838e-05,
      "loss": 0.0002,
      "step": 151
    },
    {
      "epoch": 1.0133333333333334,
      "grad_norm": 0.0036389796441329914,
      "learning_rate": 5.753428561247416e-05,
      "loss": 0.0006,
      "step": 152
    },
    {
      "epoch": 1.02,
      "grad_norm": 0.0018236871941790659,
      "learning_rate": 5.695865504800327e-05,
      "loss": 0.0002,
      "step": 153
    },
    {
      "epoch": 1.0266666666666666,
      "grad_norm": 0.03604294681780842,
      "learning_rate": 5.6382082393029746e-05,
      "loss": 0.0021,
      "step": 154
    },
    {
      "epoch": 1.0333333333333334,
      "grad_norm": 0.0003326855784465355,
      "learning_rate": 5.5804645706261514e-05,
      "loss": 0.0001,
      "step": 155
    },
    {
      "epoch": 1.04,
      "grad_norm": 0.0005330056071824709,
      "learning_rate": 5.522642316338268e-05,
      "loss": 0.0001,
      "step": 156
    },
    {
      "epoch": 1.0466666666666666,
      "grad_norm": 0.0025830502935655945,
      "learning_rate": 5.464749304646962e-05,
      "loss": 0.0002,
      "step": 157
    },
    {
      "epoch": 1.0533333333333332,
      "grad_norm": 0.0021882173941981434,
      "learning_rate": 5.4067933733392915e-05,
      "loss": 0.0002,
      "step": 158
    },
    {
      "epoch": 1.06,
      "grad_norm": 0.01876877301647109,
      "learning_rate": 5.348782368720626e-05,
      "loss": 0.0011,
      "step": 159
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 0.004152311476737238,
      "learning_rate": 5.290724144552379e-05,
      "loss": 0.0003,
      "step": 160
    },
    {
      "epoch": 1.0733333333333333,
      "grad_norm": 0.03435453317398305,
      "learning_rate": 5.232626560988735e-05,
      "loss": 0.0018,
      "step": 161
    },
    {
      "epoch": 1.08,
      "grad_norm": 0.0007867937366748956,
      "learning_rate": 5.174497483512506e-05,
      "loss": 0.0001,
      "step": 162
    },
    {
      "epoch": 1.0866666666666667,
      "grad_norm": 0.00022456592442438752,
      "learning_rate": 5.116344781870281e-05,
      "loss": 0.0,
      "step": 163
    },
    {
      "epoch": 1.0933333333333333,
      "grad_norm": 0.020849316626417487,
      "learning_rate": 5.0581763290069865e-05,
      "loss": 0.0018,
      "step": 164
    },
    {
      "epoch": 1.1,
      "grad_norm": 0.012084541845530997,
      "learning_rate": 5e-05,
      "loss": 0.0015,
      "step": 165
    },
    {
      "epoch": 1.1066666666666667,
      "grad_norm": 0.004675758318035562,
      "learning_rate": 4.941823670993016e-05,
      "loss": 0.0006,
      "step": 166
    },
    {
      "epoch": 1.1133333333333333,
      "grad_norm": 0.013640804564847142,
      "learning_rate": 4.883655218129719e-05,
      "loss": 0.0013,
      "step": 167
    },
    {
      "epoch": 1.12,
      "grad_norm": 0.0007115749121638179,
      "learning_rate": 4.825502516487497e-05,
      "loss": 0.0001,
      "step": 168
    },
    {
      "epoch": 1.1266666666666667,
      "grad_norm": 0.0010752202756075405,
      "learning_rate": 4.767373439011267e-05,
      "loss": 0.0002,
      "step": 169
    },
    {
      "epoch": 1.1333333333333333,
      "grad_norm": 0.0004714533988846832,
      "learning_rate": 4.709275855447621e-05,
      "loss": 0.0,
      "step": 170
    },
    {
      "epoch": 1.1400000000000001,
      "grad_norm": 0.0009692571052439014,
      "learning_rate": 4.6512176312793736e-05,
      "loss": 0.0001,
      "step": 171
    },
    {
      "epoch": 1.1466666666666667,
      "grad_norm": 0.0007692381679665932,
      "learning_rate": 4.593206626660709e-05,
      "loss": 0.0001,
      "step": 172
    },
    {
      "epoch": 1.1533333333333333,
      "grad_norm": 0.00908307991740823,
      "learning_rate": 4.535250695353039e-05,
      "loss": 0.0014,
      "step": 173
    },
    {
      "epoch": 1.16,
      "grad_norm": 0.00583463919201736,
      "learning_rate": 4.477357683661734e-05,
      "loss": 0.0008,
      "step": 174
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 0.0006835420933832817,
      "learning_rate": 4.4195354293738484e-05,
      "loss": 0.0001,
      "step": 175
    },
    {
      "epoch": 1.1733333333333333,
      "grad_norm": 0.33906700182296606,
      "learning_rate": 4.361791760697027e-05,
      "loss": 0.0394,
      "step": 176
    },
    {
      "epoch": 1.18,
      "grad_norm": 0.012309098336420092,
      "learning_rate": 4.3041344951996746e-05,
      "loss": 0.0015,
      "step": 177
    },
    {
      "epoch": 1.1866666666666668,
      "grad_norm": 0.00271192252073867,
      "learning_rate": 4.246571438752585e-05,
      "loss": 0.0004,
      "step": 178
    },
    {
      "epoch": 1.1933333333333334,
      "grad_norm": 0.0007405564837396,
      "learning_rate": 4.1891103844721636e-05,
      "loss": 0.0001,
      "step": 179
    },
    {
      "epoch": 1.2,
      "grad_norm": 0.006130127066426149,
      "learning_rate": 4.131759111665349e-05,
      "loss": 0.0008,
      "step": 180
    },
    {
      "epoch": 1.2066666666666666,
      "grad_norm": 0.0024762820952494435,
      "learning_rate": 4.074525384776428e-05,
      "loss": 0.0002,
      "step": 181
    },
    {
      "epoch": 1.2133333333333334,
      "grad_norm": 0.001856612345136196,
      "learning_rate": 4.017416952335849e-05,
      "loss": 0.0003,
      "step": 182
    },
    {
      "epoch": 1.22,
      "grad_norm": 0.002933104620437452,
      "learning_rate": 3.960441545911204e-05,
      "loss": 0.0005,
      "step": 183
    },
    {
      "epoch": 1.2266666666666666,
      "grad_norm": 0.00021178563511811804,
      "learning_rate": 3.903606879060483e-05,
      "loss": 0.0,
      "step": 184
    },
    {
      "epoch": 1.2333333333333334,
      "grad_norm": 0.021468224866796476,
      "learning_rate": 3.846920646287799e-05,
      "loss": 0.0017,
      "step": 185
    },
    {
      "epoch": 1.24,
      "grad_norm": 0.0002191641027812202,
      "learning_rate": 3.790390522001662e-05,
      "loss": 0.0,
      "step": 186
    },
    {
      "epoch": 1.2466666666666666,
      "grad_norm": 0.19963133162283628,
      "learning_rate": 3.7340241594759916e-05,
      "loss": 0.0215,
      "step": 187
    },
    {
      "epoch": 1.2533333333333334,
      "grad_norm": 0.001698741550481693,
      "learning_rate": 3.67782918981399e-05,
      "loss": 0.0001,
      "step": 188
    },
    {
      "epoch": 1.26,
      "grad_norm": 0.00250874602486916,
      "learning_rate": 3.6218132209150045e-05,
      "loss": 0.0004,
      "step": 189
    },
    {
      "epoch": 1.2666666666666666,
      "grad_norm": 0.0012301135294118123,
      "learning_rate": 3.5659838364445505e-05,
      "loss": 0.0001,
      "step": 190
    },
    {
      "epoch": 1.2733333333333334,
      "grad_norm": 0.0001371083016238264,
      "learning_rate": 3.51034859480759e-05,
      "loss": 0.0,
      "step": 191
    },
    {
      "epoch": 1.28,
      "grad_norm": 0.002123630530765524,
      "learning_rate": 3.4549150281252636e-05,
      "loss": 0.0004,
      "step": 192
    },
    {
      "epoch": 1.2866666666666666,
      "grad_norm": 0.0009698056655239369,
      "learning_rate": 3.399690641215142e-05,
      "loss": 0.0002,
      "step": 193
    },
    {
      "epoch": 1.2933333333333334,
      "grad_norm": 0.025352146817282144,
      "learning_rate": 3.34468291057521e-05,
      "loss": 0.0021,
      "step": 194
    },
    {
      "epoch": 1.3,
      "grad_norm": 0.0005495859273167982,
      "learning_rate": 3.289899283371657e-05,
      "loss": 0.0,
      "step": 195
    },
    {
      "epoch": 1.3066666666666666,
      "grad_norm": 0.0017234614383047789,
      "learning_rate": 3.235347176430656e-05,
      "loss": 0.0002,
      "step": 196
    },
    {
      "epoch": 1.3133333333333335,
      "grad_norm": 0.0010010621739735413,
      "learning_rate": 3.1810339752342446e-05,
      "loss": 0.0002,
      "step": 197
    },
    {
      "epoch": 1.32,
      "grad_norm": 0.000524296452950596,
      "learning_rate": 3.12696703292044e-05,
      "loss": 0.0001,
      "step": 198
    },
    {
      "epoch": 1.3266666666666667,
      "grad_norm": 0.011499756006267644,
      "learning_rate": 3.073153669287759e-05,
      "loss": 0.001,
      "step": 199
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 0.0007682007896570117,
      "learning_rate": 3.019601169804216e-05,
      "loss": 0.0001,
      "step": 200
    },
    {
      "epoch": 1.34,
      "grad_norm": 0.001254195140368958,
      "learning_rate": 2.9663167846209998e-05,
      "loss": 0.0001,
      "step": 201
    },
    {
      "epoch": 1.3466666666666667,
      "grad_norm": 0.008013943807761402,
      "learning_rate": 2.9133077275909108e-05,
      "loss": 0.0009,
      "step": 202
    },
    {
      "epoch": 1.3533333333333333,
      "grad_norm": 0.001089293145419478,
      "learning_rate": 2.86058117529173e-05,
      "loss": 0.0001,
      "step": 203
    },
    {
      "epoch": 1.3599999999999999,
      "grad_norm": 9.117295111547463e-05,
      "learning_rate": 2.8081442660546125e-05,
      "loss": 0.0,
      "step": 204
    },
    {
      "epoch": 1.3666666666666667,
      "grad_norm": 0.0033149010167231522,
      "learning_rate": 2.7560040989976892e-05,
      "loss": 0.0003,
      "step": 205
    },
    {
      "epoch": 1.3733333333333333,
      "grad_norm": 0.002007934723064643,
      "learning_rate": 2.7041677330649407e-05,
      "loss": 0.0002,
      "step": 206
    },
    {
      "epoch": 1.38,
      "grad_norm": 0.000708731685994793,
      "learning_rate": 2.6526421860705473e-05,
      "loss": 0.0001,
      "step": 207
    },
    {
      "epoch": 1.3866666666666667,
      "grad_norm": 0.0012849212888422254,
      "learning_rate": 2.6014344337487707e-05,
      "loss": 0.0002,
      "step": 208
    },
    {
      "epoch": 1.3933333333333333,
      "grad_norm": 0.001410634637177784,
      "learning_rate": 2.5505514088095655e-05,
      "loss": 0.0002,
      "step": 209
    },
    {
      "epoch": 1.4,
      "grad_norm": 0.0028452226194289588,
      "learning_rate": 2.500000000000001e-05,
      "loss": 0.0004,
      "step": 210
    },
    {
      "epoch": 1.4066666666666667,
      "grad_norm": 0.011785064917511209,
      "learning_rate": 2.4497870511716235e-05,
      "loss": 0.0015,
      "step": 211
    },
    {
      "epoch": 1.4133333333333333,
      "grad_norm": 0.00128947199636307,
      "learning_rate": 2.399919360353923e-05,
      "loss": 0.0001,
      "step": 212
    },
    {
      "epoch": 1.42,
      "grad_norm": 0.0026509474809608734,
      "learning_rate": 2.350403678833976e-05,
      "loss": 0.0003,
      "step": 213
    },
    {
      "epoch": 1.4266666666666667,
      "grad_norm": 0.021038697839907274,
      "learning_rate": 2.3012467102424373e-05,
      "loss": 0.0011,
      "step": 214
    },
    {
      "epoch": 1.4333333333333333,
      "grad_norm": 0.009705244276540159,
      "learning_rate": 2.25245510964597e-05,
      "loss": 0.0009,
      "step": 215
    },
    {
      "epoch": 1.44,
      "grad_norm": 0.0001271792663634337,
      "learning_rate": 2.2040354826462668e-05,
      "loss": 0.0,
      "step": 216
    },
    {
      "epoch": 1.4466666666666668,
      "grad_norm": 0.003606178645193546,
      "learning_rate": 2.1559943844857422e-05,
      "loss": 0.0005,
      "step": 217
    },
    {
      "epoch": 1.4533333333333334,
      "grad_norm": 0.003247408310691337,
      "learning_rate": 2.1083383191600674e-05,
      "loss": 0.0002,
      "step": 218
    },
    {
      "epoch": 1.46,
      "grad_norm": 0.05227638592773328,
      "learning_rate": 2.061073738537635e-05,
      "loss": 0.0072,
      "step": 219
    },
    {
      "epoch": 1.4666666666666668,
      "grad_norm": 0.00029558329468361424,
      "learning_rate": 2.0142070414860704e-05,
      "loss": 0.0,
      "step": 220
    },
    {
      "epoch": 1.4733333333333334,
      "grad_norm": 0.0011287793067012296,
      "learning_rate": 1.9677445730059346e-05,
      "loss": 0.0002,
      "step": 221
    },
    {
      "epoch": 1.48,
      "grad_norm": 0.0005638060460548986,
      "learning_rate": 1.9216926233717085e-05,
      "loss": 0.0001,
      "step": 222
    },
    {
      "epoch": 1.4866666666666668,
      "grad_norm": 0.00023495034133297525,
      "learning_rate": 1.8760574272802e-05,
      "loss": 0.0,
      "step": 223
    },
    {
      "epoch": 1.4933333333333334,
      "grad_norm": 0.002056131730309097,
      "learning_rate": 1.8308451630064484e-05,
      "loss": 0.0001,
      "step": 224
    },
    {
      "epoch": 1.5,
      "grad_norm": 0.0020817636928389736,
      "learning_rate": 1.7860619515673033e-05,
      "loss": 0.0002,
      "step": 225
    },
    {
      "epoch": 1.5066666666666668,
      "grad_norm": 0.0005676630879362085,
      "learning_rate": 1.7417138558927244e-05,
      "loss": 0.0001,
      "step": 226
    },
    {
      "epoch": 1.5133333333333332,
      "grad_norm": 0.0009691419073225976,
      "learning_rate": 1.6978068800049624e-05,
      "loss": 0.0001,
      "step": 227
    },
    {
      "epoch": 1.52,
      "grad_norm": 0.0002874361329178817,
      "learning_rate": 1.6543469682057106e-05,
      "loss": 0.0,
      "step": 228
    },
    {
      "epoch": 1.5266666666666666,
      "grad_norm": 0.006428970027258559,
      "learning_rate": 1.611340004271339e-05,
      "loss": 0.0008,
      "step": 229
    },
    {
      "epoch": 1.5333333333333332,
      "grad_norm": 0.0001800100024378527,
      "learning_rate": 1.5687918106563326e-05,
      "loss": 0.0,
      "step": 230
    },
    {
      "epoch": 1.54,
      "grad_norm": 0.00014140953092577622,
      "learning_rate": 1.526708147705013e-05,
      "loss": 0.0,
      "step": 231
    },
    {
      "epoch": 1.5466666666666666,
      "grad_norm": 0.0018717069050629585,
      "learning_rate": 1.4850947128716913e-05,
      "loss": 0.0001,
      "step": 232
    },
    {
      "epoch": 1.5533333333333332,
      "grad_norm": 0.0004295617626419071,
      "learning_rate": 1.4439571399493146e-05,
      "loss": 0.0001,
      "step": 233
    },
    {
      "epoch": 1.56,
      "grad_norm": 0.0019430088580982595,
      "learning_rate": 1.4033009983067452e-05,
      "loss": 0.0003,
      "step": 234
    },
    {
      "epoch": 1.5666666666666667,
      "grad_norm": 0.006480592433687467,
      "learning_rate": 1.3631317921347563e-05,
      "loss": 0.0008,
      "step": 235
    },
    {
      "epoch": 1.5733333333333333,
      "grad_norm": 0.00014788754166454582,
      "learning_rate": 1.3234549597008571e-05,
      "loss": 0.0,
      "step": 236
    },
    {
      "epoch": 1.58,
      "grad_norm": 0.0031021623338748057,
      "learning_rate": 1.2842758726130283e-05,
      "loss": 0.0002,
      "step": 237
    },
    {
      "epoch": 1.5866666666666667,
      "grad_norm": 0.002561519338071853,
      "learning_rate": 1.245599835092504e-05,
      "loss": 0.0002,
      "step": 238
    },
    {
      "epoch": 1.5933333333333333,
      "grad_norm": 0.0007566978274497242,
      "learning_rate": 1.2074320832556556e-05,
      "loss": 0.0001,
      "step": 239
    },
    {
      "epoch": 1.6,
      "grad_norm": 0.003877422123718332,
      "learning_rate": 1.1697777844051105e-05,
      "loss": 0.0003,
      "step": 240
    },
    {
      "epoch": 1.6066666666666667,
      "grad_norm": 0.00018385834867615716,
      "learning_rate": 1.132642036330181e-05,
      "loss": 0.0,
      "step": 241
    },
    {
      "epoch": 1.6133333333333333,
      "grad_norm": 0.0005006729172897761,
      "learning_rate": 1.096029866616704e-05,
      "loss": 0.0001,
      "step": 242
    },
    {
      "epoch": 1.62,
      "grad_norm": 0.0016393122091148608,
      "learning_rate": 1.0599462319663905e-05,
      "loss": 0.0003,
      "step": 243
    },
    {
      "epoch": 1.6266666666666667,
      "grad_norm": 0.0005625554623684653,
      "learning_rate": 1.0243960175257606e-05,
      "loss": 0.0001,
      "step": 244
    },
    {
      "epoch": 1.6333333333333333,
      "grad_norm": 0.011284933931968335,
      "learning_rate": 9.893840362247809e-06,
      "loss": 0.001,
      "step": 245
    },
    {
      "epoch": 1.6400000000000001,
      "grad_norm": 0.0014251176606952397,
      "learning_rate": 9.549150281252633e-06,
      "loss": 0.0001,
      "step": 246
    },
    {
      "epoch": 1.6466666666666665,
      "grad_norm": 0.0034863186197778813,
      "learning_rate": 9.209936597791407e-06,
      "loss": 0.0002,
      "step": 247
    },
    {
      "epoch": 1.6533333333333333,
      "grad_norm": 0.007395658679928698,
      "learning_rate": 8.876245235966885e-06,
      "loss": 0.0007,
      "step": 248
    },
    {
      "epoch": 1.6600000000000001,
      "grad_norm": 0.003364471703618897,
      "learning_rate": 8.548121372247918e-06,
      "loss": 0.0004,
      "step": 249
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 0.00016417283668586266,
      "learning_rate": 8.225609429353187e-06,
      "loss": 0.0,
      "step": 250
    },
    {
      "epoch": 1.6733333333333333,
      "grad_norm": 0.004126185077848332,
      "learning_rate": 7.908753070237123e-06,
      "loss": 0.0006,
      "step": 251
    },
    {
      "epoch": 1.6800000000000002,
      "grad_norm": 0.007786911363460405,
      "learning_rate": 7.597595192178702e-06,
      "loss": 0.0008,
      "step": 252
    },
    {
      "epoch": 1.6866666666666665,
      "grad_norm": 0.0013442868476818606,
      "learning_rate": 7.292177920973725e-06,
      "loss": 0.0001,
      "step": 253
    },
    {
      "epoch": 1.6933333333333334,
      "grad_norm": 2.8446129437479044e-05,
      "learning_rate": 6.992542605231739e-06,
      "loss": 0.0,
      "step": 254
    },
    {
      "epoch": 1.7,
      "grad_norm": 0.003457678524708678,
      "learning_rate": 6.698729810778065e-06,
      "loss": 0.0004,
      "step": 255
    },
    {
      "epoch": 1.7066666666666666,
      "grad_norm": 0.0020679536341822674,
      "learning_rate": 6.410779315161886e-06,
      "loss": 0.0002,
      "step": 256
    },
    {
      "epoch": 1.7133333333333334,
      "grad_norm": 0.0011107101049536243,
      "learning_rate": 6.128730102270897e-06,
      "loss": 0.0001,
      "step": 257
    },
    {
      "epoch": 1.72,
      "grad_norm": 0.008817562279004963,
      "learning_rate": 5.852620357053651e-06,
      "loss": 0.0007,
      "step": 258
    },
    {
      "epoch": 1.7266666666666666,
      "grad_norm": 0.001885928371731335,
      "learning_rate": 5.582487460349805e-06,
      "loss": 0.0002,
      "step": 259
    },
    {
      "epoch": 1.7333333333333334,
      "grad_norm": 0.002392016017705433,
      "learning_rate": 5.318367983829392e-06,
      "loss": 0.0003,
      "step": 260
    },
    {
      "epoch": 1.74,
      "grad_norm": 0.006800595193800078,
      "learning_rate": 5.060297685041659e-06,
      "loss": 0.0008,
      "step": 261
    },
    {
      "epoch": 1.7466666666666666,
      "grad_norm": 0.0005153284985888732,
      "learning_rate": 4.8083115025739756e-06,
      "loss": 0.0001,
      "step": 262
    },
    {
      "epoch": 1.7533333333333334,
      "grad_norm": 0.0005379817123213892,
      "learning_rate": 4.562443551321788e-06,
      "loss": 0.0001,
      "step": 263
    },
    {
      "epoch": 1.76,
      "grad_norm": 0.010710899108531225,
      "learning_rate": 4.322727117869951e-06,
      "loss": 0.0012,
      "step": 264
    },
    {
      "epoch": 1.7666666666666666,
      "grad_norm": 0.0029708325384327204,
      "learning_rate": 4.089194655986306e-06,
      "loss": 0.0005,
      "step": 265
    },
    {
      "epoch": 1.7733333333333334,
      "grad_norm": 0.0011712320042278057,
      "learning_rate": 3.861877782227885e-06,
      "loss": 0.0002,
      "step": 266
    },
    {
      "epoch": 1.78,
      "grad_norm": 0.006310422930553905,
      "learning_rate": 3.6408072716606346e-06,
      "loss": 0.0003,
      "step": 267
    },
    {
      "epoch": 1.7866666666666666,
      "grad_norm": 0.00042374745784550053,
      "learning_rate": 3.426013053692878e-06,
      "loss": 0.0001,
      "step": 268
    },
    {
      "epoch": 1.7933333333333334,
      "grad_norm": 0.015075237018141776,
      "learning_rate": 3.2175242080234313e-06,
      "loss": 0.0011,
      "step": 269
    },
    {
      "epoch": 1.8,
      "grad_norm": 0.005069164741809,
      "learning_rate": 3.0153689607045845e-06,
      "loss": 0.0005,
      "step": 270
    },
    {
      "epoch": 1.8066666666666666,
      "grad_norm": 0.0016354796817637644,
      "learning_rate": 2.8195746803208244e-06,
      "loss": 0.0002,
      "step": 271
    },
    {
      "epoch": 1.8133333333333335,
      "grad_norm": 0.011914256060124044,
      "learning_rate": 2.63016787428354e-06,
      "loss": 0.001,
      "step": 272
    },
    {
      "epoch": 1.8199999999999998,
      "grad_norm": 0.0007886861073391749,
      "learning_rate": 2.4471741852423237e-06,
      "loss": 0.0001,
      "step": 273
    },
    {
      "epoch": 1.8266666666666667,
      "grad_norm": 0.0008704322939951085,
      "learning_rate": 2.2706183876134045e-06,
      "loss": 0.0001,
      "step": 274
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 0.0013924524488294762,
      "learning_rate": 2.100524384225555e-06,
      "loss": 0.0001,
      "step": 275
    },
    {
      "epoch": 1.8399999999999999,
      "grad_norm": 0.002473720849147904,
      "learning_rate": 1.9369152030840556e-06,
      "loss": 0.0003,
      "step": 276
    },
    {
      "epoch": 1.8466666666666667,
      "grad_norm": 0.0010803163063751026,
      "learning_rate": 1.7798129942530551e-06,
      "loss": 0.0001,
      "step": 277
    },
    {
      "epoch": 1.8533333333333335,
      "grad_norm": 0.0008722310307593838,
      "learning_rate": 1.6292390268568104e-06,
      "loss": 0.0001,
      "step": 278
    },
    {
      "epoch": 1.8599999999999999,
      "grad_norm": 0.001997384902936225,
      "learning_rate": 1.4852136862001764e-06,
      "loss": 0.0003,
      "step": 279
    },
    {
      "epoch": 1.8666666666666667,
      "grad_norm": 0.00021218518174281656,
      "learning_rate": 1.3477564710088098e-06,
      "loss": 0.0,
      "step": 280
    },
    {
      "epoch": 1.8733333333333333,
      "grad_norm": 0.001904685046173703,
      "learning_rate": 1.2168859907892904e-06,
      "loss": 0.0003,
      "step": 281
    },
    {
      "epoch": 1.88,
      "grad_norm": 0.00161560616649923,
      "learning_rate": 1.0926199633097157e-06,
      "loss": 0.0002,
      "step": 282
    },
    {
      "epoch": 1.8866666666666667,
      "grad_norm": 0.0005011911147729697,
      "learning_rate": 9.749752122010346e-07,
      "loss": 0.0001,
      "step": 283
    },
    {
      "epoch": 1.8933333333333333,
      "grad_norm": 0.007116616826281459,
      "learning_rate": 8.639676646793382e-07,
      "loss": 0.0007,
      "step": 284
    },
    {
      "epoch": 1.9,
      "grad_norm": 0.0005402418895565235,
      "learning_rate": 7.596123493895991e-07,
      "loss": 0.0,
      "step": 285
    },
    {
      "epoch": 1.9066666666666667,
      "grad_norm": 0.0013262494880061457,
      "learning_rate": 6.61923394371039e-07,
      "loss": 0.0002,
      "step": 286
    },
    {
      "epoch": 1.9133333333333333,
      "grad_norm": 0.0016350924262900483,
      "learning_rate": 5.7091402514442e-07,
      "loss": 0.0002,
      "step": 287
    },
    {
      "epoch": 1.92,
      "grad_norm": 0.0010000431995775326,
      "learning_rate": 4.865965629214819e-07,
      "loss": 0.0001,
      "step": 288
    },
    {
      "epoch": 1.9266666666666667,
      "grad_norm": 0.0008099983441951289,
      "learning_rate": 4.089824229369155e-07,
      "loss": 0.0001,
      "step": 289
    },
    {
      "epoch": 1.9333333333333333,
      "grad_norm": 0.002344852830150327,
      "learning_rate": 3.380821129028489e-07,
      "loss": 0.0003,
      "step": 290
    },
    {
      "epoch": 1.94,
      "grad_norm": 0.0010346670623807548,
      "learning_rate": 2.7390523158633554e-07,
      "loss": 0.0002,
      "step": 291
    },
    {
      "epoch": 1.9466666666666668,
      "grad_norm": 0.0007626180237544103,
      "learning_rate": 2.1646046750978254e-07,
      "loss": 0.0001,
      "step": 292
    },
    {
      "epoch": 1.9533333333333334,
      "grad_norm": 0.0003092423338041002,
      "learning_rate": 1.657555977746972e-07,
      "loss": 0.0,
      "step": 293
    },
    {
      "epoch": 1.96,
      "grad_norm": 0.02712591052242407,
      "learning_rate": 1.2179748700879012e-07,
      "loss": 0.0013,
      "step": 294
    },
    {
      "epoch": 1.9666666666666668,
      "grad_norm": 0.00030510198965566656,
      "learning_rate": 8.459208643659122e-08,
      "loss": 0.0,
      "step": 295
    },
    {
      "epoch": 1.9733333333333334,
      "grad_norm": 0.005209896628620532,
      "learning_rate": 5.4144433073771707e-08,
      "loss": 0.0004,
      "step": 296
    },
    {
      "epoch": 1.98,
      "grad_norm": 0.0017509028676064387,
      "learning_rate": 3.04586490452119e-08,
      "loss": 0.0002,
      "step": 297
    },
    {
      "epoch": 1.9866666666666668,
      "grad_norm": 0.0057565330315497865,
      "learning_rate": 1.3537941026914303e-08,
      "loss": 0.0003,
      "step": 298
    },
    {
      "epoch": 1.9933333333333332,
      "grad_norm": 0.003094283944748621,
      "learning_rate": 3.384599811889766e-09,
      "loss": 0.0004,
      "step": 299
    },
    {
      "epoch": 2.0,
      "grad_norm": 0.001064714820258672,
      "learning_rate": 0.0,
      "loss": 0.0001,
      "step": 300
    },
    {
      "epoch": 2.0,
      "eval_loss": 0.1300777941942215,
      "eval_runtime": 1.4849,
      "eval_samples_per_second": 0.673,
      "eval_steps_per_second": 0.673,
      "step": 300
    },
    {
      "epoch": 2.0,
      "step": 300,
      "total_flos": 4515982934016.0,
      "train_loss": 0.024928187334571705,
      "train_runtime": 773.7864,
      "train_samples_per_second": 0.775,
      "train_steps_per_second": 0.388
    }
  ],
  "logging_steps": 1,
  "max_steps": 300,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 2,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 4515982934016.0,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}