Neelectric commited on
Commit
93edbd0
·
verified ·
1 Parent(s): 23044eb

Model save

Browse files
README.md ADDED
@@ -0,0 +1,58 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: allenai/OLMo-2-1124-7B-Instruct
3
+ library_name: transformers
4
+ model_name: OLMo-2-1124-7B-Instruct_SFTv02.08_frozen
5
+ tags:
6
+ - generated_from_trainer
7
+ - trl
8
+ - sft
9
+ licence: license
10
+ ---
11
+
12
+ # Model Card for OLMo-2-1124-7B-Instruct_SFTv02.08_frozen
13
+
14
+ This model is a fine-tuned version of [allenai/OLMo-2-1124-7B-Instruct](https://huggingface.co/allenai/OLMo-2-1124-7B-Instruct).
15
+ It has been trained using [TRL](https://github.com/huggingface/trl).
16
+
17
+ ## Quick start
18
+
19
+ ```python
20
+ from transformers import pipeline
21
+
22
+ question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
23
+ generator = pipeline("text-generation", model="Neelectric/OLMo-2-1124-7B-Instruct_SFTv02.08_frozen", device="cuda")
24
+ output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
25
+ print(output["generated_text"])
26
+ ```
27
+
28
+ ## Training procedure
29
+
30
+ [<img src="https://raw.githubusercontent.com/wandb/assets/main/wandb-github-badge-28.svg" alt="Visualize in Weights & Biases" width="150" height="24"/>](https://wandb.ai/neelectric/open-r1_SFT/runs/e4xlmw8h)
31
+
32
+
33
+ This model was trained with SFT.
34
+
35
+ ### Framework versions
36
+
37
+ - TRL: 0.17.0
38
+ - Transformers: 4.51.3
39
+ - Pytorch: 2.6.0
40
+ - Datasets: 3.5.1
41
+ - Tokenizers: 0.21.1
42
+
43
+ ## Citations
44
+
45
+
46
+
47
+ Cite TRL as:
48
+
49
+ ```bibtex
50
+ @misc{vonwerra2022trl,
51
+ title = {{TRL: Transformer Reinforcement Learning}},
52
+ author = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
53
+ year = 2020,
54
+ journal = {GitHub repository},
55
+ publisher = {GitHub},
56
+ howpublished = {\url{https://github.com/huggingface/trl}}
57
+ }
58
+ ```
all_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "total_flos": 1.8506098969109594e+19,
3
+ "train_loss": 0.3598332001920386,
4
+ "train_runtime": 11724.7761,
5
+ "train_samples": 69132,
6
+ "train_samples_per_second": 17.689,
7
+ "train_steps_per_second": 0.039
8
+ }
generation_config.json ADDED
@@ -0,0 +1,6 @@
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "eos_token_id": 100257,
4
+ "pad_token_id": 100277,
5
+ "transformers_version": "4.51.3"
6
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "total_flos": 1.8506098969109594e+19,
3
+ "train_loss": 0.3598332001920386,
4
+ "train_runtime": 11724.7761,
5
+ "train_samples": 69132,
6
+ "train_samples_per_second": 17.689,
7
+ "train_steps_per_second": 0.039
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,3739 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 2.983818770226537,
6
+ "eval_steps": 500,
7
+ "global_step": 462,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.006472491909385114,
14
+ "grad_norm": 5.066417694091797,
15
+ "learning_rate": 0.0,
16
+ "loss": 1.1501,
17
+ "num_tokens": 963559.0,
18
+ "step": 1
19
+ },
20
+ {
21
+ "epoch": 0.012944983818770227,
22
+ "grad_norm": 5.066908359527588,
23
+ "learning_rate": 1.0638297872340427e-06,
24
+ "loss": 1.1455,
25
+ "num_tokens": 1927760.0,
26
+ "step": 2
27
+ },
28
+ {
29
+ "epoch": 0.019417475728155338,
30
+ "grad_norm": 4.966612815856934,
31
+ "learning_rate": 2.1276595744680853e-06,
32
+ "loss": 1.1349,
33
+ "num_tokens": 2896369.0,
34
+ "step": 3
35
+ },
36
+ {
37
+ "epoch": 0.025889967637540454,
38
+ "grad_norm": 4.637390613555908,
39
+ "learning_rate": 3.1914893617021277e-06,
40
+ "loss": 1.113,
41
+ "num_tokens": 3886583.0,
42
+ "step": 4
43
+ },
44
+ {
45
+ "epoch": 0.032362459546925564,
46
+ "grad_norm": 4.048984050750732,
47
+ "learning_rate": 4.255319148936171e-06,
48
+ "loss": 1.0666,
49
+ "num_tokens": 4864476.0,
50
+ "step": 5
51
+ },
52
+ {
53
+ "epoch": 0.038834951456310676,
54
+ "grad_norm": 2.996209144592285,
55
+ "learning_rate": 5.319148936170213e-06,
56
+ "loss": 0.978,
57
+ "num_tokens": 5873295.0,
58
+ "step": 6
59
+ },
60
+ {
61
+ "epoch": 0.045307443365695796,
62
+ "grad_norm": 1.8425681591033936,
63
+ "learning_rate": 6.3829787234042555e-06,
64
+ "loss": 0.8312,
65
+ "num_tokens": 6876484.0,
66
+ "step": 7
67
+ },
68
+ {
69
+ "epoch": 0.05177993527508091,
70
+ "grad_norm": 1.5959445238113403,
71
+ "learning_rate": 7.446808510638298e-06,
72
+ "loss": 0.8001,
73
+ "num_tokens": 7871664.0,
74
+ "step": 8
75
+ },
76
+ {
77
+ "epoch": 0.05825242718446602,
78
+ "grad_norm": 1.3286134004592896,
79
+ "learning_rate": 8.510638297872341e-06,
80
+ "loss": 0.7792,
81
+ "num_tokens": 8869931.0,
82
+ "step": 9
83
+ },
84
+ {
85
+ "epoch": 0.06472491909385113,
86
+ "grad_norm": 1.8917397260665894,
87
+ "learning_rate": 9.574468085106383e-06,
88
+ "loss": 0.734,
89
+ "num_tokens": 9874687.0,
90
+ "step": 10
91
+ },
92
+ {
93
+ "epoch": 0.07119741100323625,
94
+ "grad_norm": 1.2099961042404175,
95
+ "learning_rate": 1.0638297872340426e-05,
96
+ "loss": 0.6977,
97
+ "num_tokens": 10842628.0,
98
+ "step": 11
99
+ },
100
+ {
101
+ "epoch": 0.07766990291262135,
102
+ "grad_norm": 0.9183234572410583,
103
+ "learning_rate": 1.170212765957447e-05,
104
+ "loss": 0.69,
105
+ "num_tokens": 11815438.0,
106
+ "step": 12
107
+ },
108
+ {
109
+ "epoch": 0.08414239482200647,
110
+ "grad_norm": 0.7687932252883911,
111
+ "learning_rate": 1.2765957446808511e-05,
112
+ "loss": 0.6501,
113
+ "num_tokens": 12788222.0,
114
+ "step": 13
115
+ },
116
+ {
117
+ "epoch": 0.09061488673139159,
118
+ "grad_norm": 0.6621736288070679,
119
+ "learning_rate": 1.3829787234042554e-05,
120
+ "loss": 0.6349,
121
+ "num_tokens": 13756270.0,
122
+ "step": 14
123
+ },
124
+ {
125
+ "epoch": 0.0970873786407767,
126
+ "grad_norm": 0.45913347601890564,
127
+ "learning_rate": 1.4893617021276596e-05,
128
+ "loss": 0.609,
129
+ "num_tokens": 14689813.0,
130
+ "step": 15
131
+ },
132
+ {
133
+ "epoch": 0.10355987055016182,
134
+ "grad_norm": 0.3547329008579254,
135
+ "learning_rate": 1.595744680851064e-05,
136
+ "loss": 0.5988,
137
+ "num_tokens": 15670657.0,
138
+ "step": 16
139
+ },
140
+ {
141
+ "epoch": 0.11003236245954692,
142
+ "grad_norm": 0.3479355573654175,
143
+ "learning_rate": 1.7021276595744682e-05,
144
+ "loss": 0.581,
145
+ "num_tokens": 16640491.0,
146
+ "step": 17
147
+ },
148
+ {
149
+ "epoch": 0.11650485436893204,
150
+ "grad_norm": 0.35780686140060425,
151
+ "learning_rate": 1.8085106382978724e-05,
152
+ "loss": 0.5734,
153
+ "num_tokens": 17611388.0,
154
+ "step": 18
155
+ },
156
+ {
157
+ "epoch": 0.12297734627831715,
158
+ "grad_norm": 0.27898019552230835,
159
+ "learning_rate": 1.9148936170212766e-05,
160
+ "loss": 0.5658,
161
+ "num_tokens": 18582653.0,
162
+ "step": 19
163
+ },
164
+ {
165
+ "epoch": 0.12944983818770225,
166
+ "grad_norm": 0.28641220927238464,
167
+ "learning_rate": 2.0212765957446807e-05,
168
+ "loss": 0.5531,
169
+ "num_tokens": 19557459.0,
170
+ "step": 20
171
+ },
172
+ {
173
+ "epoch": 0.13592233009708737,
174
+ "grad_norm": 0.25866761803627014,
175
+ "learning_rate": 2.1276595744680852e-05,
176
+ "loss": 0.5516,
177
+ "num_tokens": 20524158.0,
178
+ "step": 21
179
+ },
180
+ {
181
+ "epoch": 0.1423948220064725,
182
+ "grad_norm": 0.23173657059669495,
183
+ "learning_rate": 2.2340425531914894e-05,
184
+ "loss": 0.5331,
185
+ "num_tokens": 21502674.0,
186
+ "step": 22
187
+ },
188
+ {
189
+ "epoch": 0.1488673139158576,
190
+ "grad_norm": 0.23649962246418,
191
+ "learning_rate": 2.340425531914894e-05,
192
+ "loss": 0.5297,
193
+ "num_tokens": 22446294.0,
194
+ "step": 23
195
+ },
196
+ {
197
+ "epoch": 0.1553398058252427,
198
+ "grad_norm": 0.19479939341545105,
199
+ "learning_rate": 2.446808510638298e-05,
200
+ "loss": 0.5218,
201
+ "num_tokens": 23430225.0,
202
+ "step": 24
203
+ },
204
+ {
205
+ "epoch": 0.16181229773462782,
206
+ "grad_norm": 0.22121383249759674,
207
+ "learning_rate": 2.5531914893617022e-05,
208
+ "loss": 0.5162,
209
+ "num_tokens": 24380419.0,
210
+ "step": 25
211
+ },
212
+ {
213
+ "epoch": 0.16828478964401294,
214
+ "grad_norm": 0.19796572625637054,
215
+ "learning_rate": 2.6595744680851064e-05,
216
+ "loss": 0.5066,
217
+ "num_tokens": 25343499.0,
218
+ "step": 26
219
+ },
220
+ {
221
+ "epoch": 0.17475728155339806,
222
+ "grad_norm": 0.1949160248041153,
223
+ "learning_rate": 2.765957446808511e-05,
224
+ "loss": 0.5027,
225
+ "num_tokens": 26315921.0,
226
+ "step": 27
227
+ },
228
+ {
229
+ "epoch": 0.18122977346278318,
230
+ "grad_norm": 0.21131236851215363,
231
+ "learning_rate": 2.8723404255319154e-05,
232
+ "loss": 0.5068,
233
+ "num_tokens": 27255686.0,
234
+ "step": 28
235
+ },
236
+ {
237
+ "epoch": 0.18770226537216828,
238
+ "grad_norm": 0.22278958559036255,
239
+ "learning_rate": 2.9787234042553192e-05,
240
+ "loss": 0.4982,
241
+ "num_tokens": 28232449.0,
242
+ "step": 29
243
+ },
244
+ {
245
+ "epoch": 0.1941747572815534,
246
+ "grad_norm": 0.2478061467409134,
247
+ "learning_rate": 3.085106382978723e-05,
248
+ "loss": 0.4948,
249
+ "num_tokens": 29213099.0,
250
+ "step": 30
251
+ },
252
+ {
253
+ "epoch": 0.20064724919093851,
254
+ "grad_norm": 0.234426811337471,
255
+ "learning_rate": 3.191489361702128e-05,
256
+ "loss": 0.4932,
257
+ "num_tokens": 30210546.0,
258
+ "step": 31
259
+ },
260
+ {
261
+ "epoch": 0.20711974110032363,
262
+ "grad_norm": 0.26089921593666077,
263
+ "learning_rate": 3.2978723404255317e-05,
264
+ "loss": 0.4809,
265
+ "num_tokens": 31190215.0,
266
+ "step": 32
267
+ },
268
+ {
269
+ "epoch": 0.21359223300970873,
270
+ "grad_norm": 0.21643660962581635,
271
+ "learning_rate": 3.4042553191489365e-05,
272
+ "loss": 0.4772,
273
+ "num_tokens": 32152368.0,
274
+ "step": 33
275
+ },
276
+ {
277
+ "epoch": 0.22006472491909385,
278
+ "grad_norm": 0.20244456827640533,
279
+ "learning_rate": 3.5106382978723407e-05,
280
+ "loss": 0.4851,
281
+ "num_tokens": 33138410.0,
282
+ "step": 34
283
+ },
284
+ {
285
+ "epoch": 0.22653721682847897,
286
+ "grad_norm": 0.22395862638950348,
287
+ "learning_rate": 3.617021276595745e-05,
288
+ "loss": 0.4766,
289
+ "num_tokens": 34103559.0,
290
+ "step": 35
291
+ },
292
+ {
293
+ "epoch": 0.23300970873786409,
294
+ "grad_norm": 0.2538488805294037,
295
+ "learning_rate": 3.723404255319149e-05,
296
+ "loss": 0.4787,
297
+ "num_tokens": 35099702.0,
298
+ "step": 36
299
+ },
300
+ {
301
+ "epoch": 0.23948220064724918,
302
+ "grad_norm": 0.2633797824382782,
303
+ "learning_rate": 3.829787234042553e-05,
304
+ "loss": 0.4786,
305
+ "num_tokens": 36067246.0,
306
+ "step": 37
307
+ },
308
+ {
309
+ "epoch": 0.2459546925566343,
310
+ "grad_norm": 0.23186658322811127,
311
+ "learning_rate": 3.936170212765958e-05,
312
+ "loss": 0.4671,
313
+ "num_tokens": 37074157.0,
314
+ "step": 38
315
+ },
316
+ {
317
+ "epoch": 0.2524271844660194,
318
+ "grad_norm": 0.23708149790763855,
319
+ "learning_rate": 4.0425531914893614e-05,
320
+ "loss": 0.4646,
321
+ "num_tokens": 38026864.0,
322
+ "step": 39
323
+ },
324
+ {
325
+ "epoch": 0.2588996763754045,
326
+ "grad_norm": 0.2775563895702362,
327
+ "learning_rate": 4.148936170212766e-05,
328
+ "loss": 0.4607,
329
+ "num_tokens": 39007950.0,
330
+ "step": 40
331
+ },
332
+ {
333
+ "epoch": 0.26537216828478966,
334
+ "grad_norm": 0.23539987206459045,
335
+ "learning_rate": 4.2553191489361704e-05,
336
+ "loss": 0.4674,
337
+ "num_tokens": 40004404.0,
338
+ "step": 41
339
+ },
340
+ {
341
+ "epoch": 0.27184466019417475,
342
+ "grad_norm": 0.27806609869003296,
343
+ "learning_rate": 4.3617021276595746e-05,
344
+ "loss": 0.4624,
345
+ "num_tokens": 40979367.0,
346
+ "step": 42
347
+ },
348
+ {
349
+ "epoch": 0.2783171521035599,
350
+ "grad_norm": 0.2936287522315979,
351
+ "learning_rate": 4.468085106382979e-05,
352
+ "loss": 0.4611,
353
+ "num_tokens": 41954716.0,
354
+ "step": 43
355
+ },
356
+ {
357
+ "epoch": 0.284789644012945,
358
+ "grad_norm": 0.2568210959434509,
359
+ "learning_rate": 4.574468085106383e-05,
360
+ "loss": 0.4674,
361
+ "num_tokens": 42927994.0,
362
+ "step": 44
363
+ },
364
+ {
365
+ "epoch": 0.2912621359223301,
366
+ "grad_norm": 0.2423561066389084,
367
+ "learning_rate": 4.680851063829788e-05,
368
+ "loss": 0.4556,
369
+ "num_tokens": 43870458.0,
370
+ "step": 45
371
+ },
372
+ {
373
+ "epoch": 0.2977346278317152,
374
+ "grad_norm": 0.25109684467315674,
375
+ "learning_rate": 4.787234042553192e-05,
376
+ "loss": 0.4553,
377
+ "num_tokens": 44845205.0,
378
+ "step": 46
379
+ },
380
+ {
381
+ "epoch": 0.3042071197411003,
382
+ "grad_norm": 0.3085050582885742,
383
+ "learning_rate": 4.893617021276596e-05,
384
+ "loss": 0.4535,
385
+ "num_tokens": 45817785.0,
386
+ "step": 47
387
+ },
388
+ {
389
+ "epoch": 0.3106796116504854,
390
+ "grad_norm": 0.20581719279289246,
391
+ "learning_rate": 5e-05,
392
+ "loss": 0.4556,
393
+ "num_tokens": 46768552.0,
394
+ "step": 48
395
+ },
396
+ {
397
+ "epoch": 0.31715210355987056,
398
+ "grad_norm": 0.2908373475074768,
399
+ "learning_rate": 5e-05,
400
+ "loss": 0.4411,
401
+ "num_tokens": 47720390.0,
402
+ "step": 49
403
+ },
404
+ {
405
+ "epoch": 0.32362459546925565,
406
+ "grad_norm": 0.39221635460853577,
407
+ "learning_rate": 5e-05,
408
+ "loss": 0.4534,
409
+ "num_tokens": 48659119.0,
410
+ "step": 50
411
+ },
412
+ {
413
+ "epoch": 0.3300970873786408,
414
+ "grad_norm": 0.20563775300979614,
415
+ "learning_rate": 5e-05,
416
+ "loss": 0.4503,
417
+ "num_tokens": 49635896.0,
418
+ "step": 51
419
+ },
420
+ {
421
+ "epoch": 0.3365695792880259,
422
+ "grad_norm": 0.40220895409584045,
423
+ "learning_rate": 5e-05,
424
+ "loss": 0.4534,
425
+ "num_tokens": 50617481.0,
426
+ "step": 52
427
+ },
428
+ {
429
+ "epoch": 0.343042071197411,
430
+ "grad_norm": 0.24856971204280853,
431
+ "learning_rate": 5e-05,
432
+ "loss": 0.446,
433
+ "num_tokens": 51580322.0,
434
+ "step": 53
435
+ },
436
+ {
437
+ "epoch": 0.34951456310679613,
438
+ "grad_norm": 0.4208816885948181,
439
+ "learning_rate": 5e-05,
440
+ "loss": 0.4525,
441
+ "num_tokens": 52544983.0,
442
+ "step": 54
443
+ },
444
+ {
445
+ "epoch": 0.3559870550161812,
446
+ "grad_norm": 0.26023271679878235,
447
+ "learning_rate": 5e-05,
448
+ "loss": 0.4416,
449
+ "num_tokens": 53538431.0,
450
+ "step": 55
451
+ },
452
+ {
453
+ "epoch": 0.36245954692556637,
454
+ "grad_norm": 0.3722991943359375,
455
+ "learning_rate": 5e-05,
456
+ "loss": 0.4458,
457
+ "num_tokens": 54497097.0,
458
+ "step": 56
459
+ },
460
+ {
461
+ "epoch": 0.36893203883495146,
462
+ "grad_norm": 0.326428085565567,
463
+ "learning_rate": 5e-05,
464
+ "loss": 0.4348,
465
+ "num_tokens": 55515695.0,
466
+ "step": 57
467
+ },
468
+ {
469
+ "epoch": 0.37540453074433655,
470
+ "grad_norm": 0.27920374274253845,
471
+ "learning_rate": 5e-05,
472
+ "loss": 0.4362,
473
+ "num_tokens": 56471100.0,
474
+ "step": 58
475
+ },
476
+ {
477
+ "epoch": 0.3818770226537217,
478
+ "grad_norm": 0.325057715177536,
479
+ "learning_rate": 5e-05,
480
+ "loss": 0.4411,
481
+ "num_tokens": 57460948.0,
482
+ "step": 59
483
+ },
484
+ {
485
+ "epoch": 0.3883495145631068,
486
+ "grad_norm": 0.2393280267715454,
487
+ "learning_rate": 5e-05,
488
+ "loss": 0.4408,
489
+ "num_tokens": 58450663.0,
490
+ "step": 60
491
+ },
492
+ {
493
+ "epoch": 0.3948220064724919,
494
+ "grad_norm": 0.3320794403553009,
495
+ "learning_rate": 5e-05,
496
+ "loss": 0.4352,
497
+ "num_tokens": 59407638.0,
498
+ "step": 61
499
+ },
500
+ {
501
+ "epoch": 0.40129449838187703,
502
+ "grad_norm": 0.23197372257709503,
503
+ "learning_rate": 5e-05,
504
+ "loss": 0.4304,
505
+ "num_tokens": 60358388.0,
506
+ "step": 62
507
+ },
508
+ {
509
+ "epoch": 0.4077669902912621,
510
+ "grad_norm": 0.30995386838912964,
511
+ "learning_rate": 5e-05,
512
+ "loss": 0.4276,
513
+ "num_tokens": 61306137.0,
514
+ "step": 63
515
+ },
516
+ {
517
+ "epoch": 0.41423948220064727,
518
+ "grad_norm": 0.26690706610679626,
519
+ "learning_rate": 5e-05,
520
+ "loss": 0.4383,
521
+ "num_tokens": 62298616.0,
522
+ "step": 64
523
+ },
524
+ {
525
+ "epoch": 0.42071197411003236,
526
+ "grad_norm": 0.2964261472225189,
527
+ "learning_rate": 5e-05,
528
+ "loss": 0.4285,
529
+ "num_tokens": 63242620.0,
530
+ "step": 65
531
+ },
532
+ {
533
+ "epoch": 0.42718446601941745,
534
+ "grad_norm": 0.25347742438316345,
535
+ "learning_rate": 5e-05,
536
+ "loss": 0.4435,
537
+ "num_tokens": 64231555.0,
538
+ "step": 66
539
+ },
540
+ {
541
+ "epoch": 0.4336569579288026,
542
+ "grad_norm": 0.24757370352745056,
543
+ "learning_rate": 5e-05,
544
+ "loss": 0.432,
545
+ "num_tokens": 65190302.0,
546
+ "step": 67
547
+ },
548
+ {
549
+ "epoch": 0.4401294498381877,
550
+ "grad_norm": 0.26604801416397095,
551
+ "learning_rate": 5e-05,
552
+ "loss": 0.4315,
553
+ "num_tokens": 66175194.0,
554
+ "step": 68
555
+ },
556
+ {
557
+ "epoch": 0.44660194174757284,
558
+ "grad_norm": 0.2248218059539795,
559
+ "learning_rate": 5e-05,
560
+ "loss": 0.4274,
561
+ "num_tokens": 67146659.0,
562
+ "step": 69
563
+ },
564
+ {
565
+ "epoch": 0.45307443365695793,
566
+ "grad_norm": 0.2745100259780884,
567
+ "learning_rate": 5e-05,
568
+ "loss": 0.4121,
569
+ "num_tokens": 68115421.0,
570
+ "step": 70
571
+ },
572
+ {
573
+ "epoch": 0.459546925566343,
574
+ "grad_norm": 0.2692604064941406,
575
+ "learning_rate": 5e-05,
576
+ "loss": 0.4112,
577
+ "num_tokens": 69078962.0,
578
+ "step": 71
579
+ },
580
+ {
581
+ "epoch": 0.46601941747572817,
582
+ "grad_norm": 0.2680717706680298,
583
+ "learning_rate": 5e-05,
584
+ "loss": 0.4353,
585
+ "num_tokens": 70056552.0,
586
+ "step": 72
587
+ },
588
+ {
589
+ "epoch": 0.47249190938511326,
590
+ "grad_norm": 0.2345399111509323,
591
+ "learning_rate": 5e-05,
592
+ "loss": 0.428,
593
+ "num_tokens": 71056405.0,
594
+ "step": 73
595
+ },
596
+ {
597
+ "epoch": 0.47896440129449835,
598
+ "grad_norm": 0.2474702149629593,
599
+ "learning_rate": 5e-05,
600
+ "loss": 0.4387,
601
+ "num_tokens": 72011963.0,
602
+ "step": 74
603
+ },
604
+ {
605
+ "epoch": 0.4854368932038835,
606
+ "grad_norm": 0.23220956325531006,
607
+ "learning_rate": 5e-05,
608
+ "loss": 0.4252,
609
+ "num_tokens": 72974088.0,
610
+ "step": 75
611
+ },
612
+ {
613
+ "epoch": 0.4919093851132686,
614
+ "grad_norm": 0.24197089672088623,
615
+ "learning_rate": 5e-05,
616
+ "loss": 0.4206,
617
+ "num_tokens": 73963066.0,
618
+ "step": 76
619
+ },
620
+ {
621
+ "epoch": 0.49838187702265374,
622
+ "grad_norm": 0.2226783037185669,
623
+ "learning_rate": 5e-05,
624
+ "loss": 0.4139,
625
+ "num_tokens": 74927507.0,
626
+ "step": 77
627
+ },
628
+ {
629
+ "epoch": 0.5048543689320388,
630
+ "grad_norm": 0.2657461166381836,
631
+ "learning_rate": 5e-05,
632
+ "loss": 0.4193,
633
+ "num_tokens": 75913302.0,
634
+ "step": 78
635
+ },
636
+ {
637
+ "epoch": 0.511326860841424,
638
+ "grad_norm": 0.24124957621097565,
639
+ "learning_rate": 5e-05,
640
+ "loss": 0.4281,
641
+ "num_tokens": 76871637.0,
642
+ "step": 79
643
+ },
644
+ {
645
+ "epoch": 0.517799352750809,
646
+ "grad_norm": 0.23616252839565277,
647
+ "learning_rate": 5e-05,
648
+ "loss": 0.4214,
649
+ "num_tokens": 77844738.0,
650
+ "step": 80
651
+ },
652
+ {
653
+ "epoch": 0.5242718446601942,
654
+ "grad_norm": 0.26055875420570374,
655
+ "learning_rate": 5e-05,
656
+ "loss": 0.4155,
657
+ "num_tokens": 78789735.0,
658
+ "step": 81
659
+ },
660
+ {
661
+ "epoch": 0.5307443365695793,
662
+ "grad_norm": 0.20040573179721832,
663
+ "learning_rate": 5e-05,
664
+ "loss": 0.4121,
665
+ "num_tokens": 79740057.0,
666
+ "step": 82
667
+ },
668
+ {
669
+ "epoch": 0.5372168284789643,
670
+ "grad_norm": 0.27394115924835205,
671
+ "learning_rate": 5e-05,
672
+ "loss": 0.42,
673
+ "num_tokens": 80691344.0,
674
+ "step": 83
675
+ },
676
+ {
677
+ "epoch": 0.5436893203883495,
678
+ "grad_norm": 0.26746806502342224,
679
+ "learning_rate": 5e-05,
680
+ "loss": 0.4201,
681
+ "num_tokens": 81695065.0,
682
+ "step": 84
683
+ },
684
+ {
685
+ "epoch": 0.5501618122977346,
686
+ "grad_norm": 0.19466280937194824,
687
+ "learning_rate": 5e-05,
688
+ "loss": 0.4158,
689
+ "num_tokens": 82670591.0,
690
+ "step": 85
691
+ },
692
+ {
693
+ "epoch": 0.5566343042071198,
694
+ "grad_norm": 0.2403528094291687,
695
+ "learning_rate": 5e-05,
696
+ "loss": 0.416,
697
+ "num_tokens": 83619525.0,
698
+ "step": 86
699
+ },
700
+ {
701
+ "epoch": 0.5631067961165048,
702
+ "grad_norm": 0.2280794382095337,
703
+ "learning_rate": 5e-05,
704
+ "loss": 0.4157,
705
+ "num_tokens": 84583829.0,
706
+ "step": 87
707
+ },
708
+ {
709
+ "epoch": 0.56957928802589,
710
+ "grad_norm": 0.21896417438983917,
711
+ "learning_rate": 5e-05,
712
+ "loss": 0.4153,
713
+ "num_tokens": 85554557.0,
714
+ "step": 88
715
+ },
716
+ {
717
+ "epoch": 0.5760517799352751,
718
+ "grad_norm": 0.19582906365394592,
719
+ "learning_rate": 5e-05,
720
+ "loss": 0.417,
721
+ "num_tokens": 86534800.0,
722
+ "step": 89
723
+ },
724
+ {
725
+ "epoch": 0.5825242718446602,
726
+ "grad_norm": 0.23236116766929626,
727
+ "learning_rate": 5e-05,
728
+ "loss": 0.4207,
729
+ "num_tokens": 87479322.0,
730
+ "step": 90
731
+ },
732
+ {
733
+ "epoch": 0.5889967637540453,
734
+ "grad_norm": 0.2682839632034302,
735
+ "learning_rate": 5e-05,
736
+ "loss": 0.4193,
737
+ "num_tokens": 88440604.0,
738
+ "step": 91
739
+ },
740
+ {
741
+ "epoch": 0.5954692556634305,
742
+ "grad_norm": 0.2160482555627823,
743
+ "learning_rate": 5e-05,
744
+ "loss": 0.4164,
745
+ "num_tokens": 89440902.0,
746
+ "step": 92
747
+ },
748
+ {
749
+ "epoch": 0.6019417475728155,
750
+ "grad_norm": 0.23822101950645447,
751
+ "learning_rate": 5e-05,
752
+ "loss": 0.4092,
753
+ "num_tokens": 90420292.0,
754
+ "step": 93
755
+ },
756
+ {
757
+ "epoch": 0.6084142394822006,
758
+ "grad_norm": 0.2218194156885147,
759
+ "learning_rate": 5e-05,
760
+ "loss": 0.4166,
761
+ "num_tokens": 91365927.0,
762
+ "step": 94
763
+ },
764
+ {
765
+ "epoch": 0.6148867313915858,
766
+ "grad_norm": 0.1841086745262146,
767
+ "learning_rate": 5e-05,
768
+ "loss": 0.4118,
769
+ "num_tokens": 92339481.0,
770
+ "step": 95
771
+ },
772
+ {
773
+ "epoch": 0.6213592233009708,
774
+ "grad_norm": 0.22299782931804657,
775
+ "learning_rate": 5e-05,
776
+ "loss": 0.4076,
777
+ "num_tokens": 93277920.0,
778
+ "step": 96
779
+ },
780
+ {
781
+ "epoch": 0.627831715210356,
782
+ "grad_norm": 0.297587513923645,
783
+ "learning_rate": 5e-05,
784
+ "loss": 0.408,
785
+ "num_tokens": 94233058.0,
786
+ "step": 97
787
+ },
788
+ {
789
+ "epoch": 0.6343042071197411,
790
+ "grad_norm": 0.21505360305309296,
791
+ "learning_rate": 5e-05,
792
+ "loss": 0.4203,
793
+ "num_tokens": 95195865.0,
794
+ "step": 98
795
+ },
796
+ {
797
+ "epoch": 0.6407766990291263,
798
+ "grad_norm": 0.2577345371246338,
799
+ "learning_rate": 5e-05,
800
+ "loss": 0.404,
801
+ "num_tokens": 96165533.0,
802
+ "step": 99
803
+ },
804
+ {
805
+ "epoch": 0.6472491909385113,
806
+ "grad_norm": 0.23889726400375366,
807
+ "learning_rate": 5e-05,
808
+ "loss": 0.4058,
809
+ "num_tokens": 97128908.0,
810
+ "step": 100
811
+ },
812
+ {
813
+ "epoch": 0.6537216828478964,
814
+ "grad_norm": 0.26140421628952026,
815
+ "learning_rate": 5e-05,
816
+ "loss": 0.4071,
817
+ "num_tokens": 98137812.0,
818
+ "step": 101
819
+ },
820
+ {
821
+ "epoch": 0.6601941747572816,
822
+ "grad_norm": 0.18511807918548584,
823
+ "learning_rate": 5e-05,
824
+ "loss": 0.4028,
825
+ "num_tokens": 99133445.0,
826
+ "step": 102
827
+ },
828
+ {
829
+ "epoch": 0.6666666666666666,
830
+ "grad_norm": 0.22571946680545807,
831
+ "learning_rate": 5e-05,
832
+ "loss": 0.3958,
833
+ "num_tokens": 100106034.0,
834
+ "step": 103
835
+ },
836
+ {
837
+ "epoch": 0.6731391585760518,
838
+ "grad_norm": 0.2224554866552353,
839
+ "learning_rate": 5e-05,
840
+ "loss": 0.4228,
841
+ "num_tokens": 101060830.0,
842
+ "step": 104
843
+ },
844
+ {
845
+ "epoch": 0.6796116504854369,
846
+ "grad_norm": 0.2639662027359009,
847
+ "learning_rate": 5e-05,
848
+ "loss": 0.4084,
849
+ "num_tokens": 102032708.0,
850
+ "step": 105
851
+ },
852
+ {
853
+ "epoch": 0.686084142394822,
854
+ "grad_norm": 0.209217831492424,
855
+ "learning_rate": 5e-05,
856
+ "loss": 0.3914,
857
+ "num_tokens": 103020888.0,
858
+ "step": 106
859
+ },
860
+ {
861
+ "epoch": 0.6925566343042071,
862
+ "grad_norm": 0.26654332876205444,
863
+ "learning_rate": 5e-05,
864
+ "loss": 0.4145,
865
+ "num_tokens": 103986883.0,
866
+ "step": 107
867
+ },
868
+ {
869
+ "epoch": 0.6990291262135923,
870
+ "grad_norm": 0.21930049359798431,
871
+ "learning_rate": 5e-05,
872
+ "loss": 0.4114,
873
+ "num_tokens": 104978514.0,
874
+ "step": 108
875
+ },
876
+ {
877
+ "epoch": 0.7055016181229773,
878
+ "grad_norm": 0.21005888283252716,
879
+ "learning_rate": 5e-05,
880
+ "loss": 0.3988,
881
+ "num_tokens": 105938542.0,
882
+ "step": 109
883
+ },
884
+ {
885
+ "epoch": 0.7119741100323624,
886
+ "grad_norm": 0.195763498544693,
887
+ "learning_rate": 5e-05,
888
+ "loss": 0.4007,
889
+ "num_tokens": 106909993.0,
890
+ "step": 110
891
+ },
892
+ {
893
+ "epoch": 0.7184466019417476,
894
+ "grad_norm": 0.20811644196510315,
895
+ "learning_rate": 5e-05,
896
+ "loss": 0.4042,
897
+ "num_tokens": 107872313.0,
898
+ "step": 111
899
+ },
900
+ {
901
+ "epoch": 0.7249190938511327,
902
+ "grad_norm": 0.238833487033844,
903
+ "learning_rate": 5e-05,
904
+ "loss": 0.3988,
905
+ "num_tokens": 108876000.0,
906
+ "step": 112
907
+ },
908
+ {
909
+ "epoch": 0.7313915857605178,
910
+ "grad_norm": 0.24984987080097198,
911
+ "learning_rate": 5e-05,
912
+ "loss": 0.4001,
913
+ "num_tokens": 109857790.0,
914
+ "step": 113
915
+ },
916
+ {
917
+ "epoch": 0.7378640776699029,
918
+ "grad_norm": 0.24988315999507904,
919
+ "learning_rate": 5e-05,
920
+ "loss": 0.4011,
921
+ "num_tokens": 110826497.0,
922
+ "step": 114
923
+ },
924
+ {
925
+ "epoch": 0.7443365695792881,
926
+ "grad_norm": 0.2496054321527481,
927
+ "learning_rate": 5e-05,
928
+ "loss": 0.3992,
929
+ "num_tokens": 111775780.0,
930
+ "step": 115
931
+ },
932
+ {
933
+ "epoch": 0.7508090614886731,
934
+ "grad_norm": 0.1960972100496292,
935
+ "learning_rate": 5e-05,
936
+ "loss": 0.4007,
937
+ "num_tokens": 112755203.0,
938
+ "step": 116
939
+ },
940
+ {
941
+ "epoch": 0.7572815533980582,
942
+ "grad_norm": 0.22356246411800385,
943
+ "learning_rate": 5e-05,
944
+ "loss": 0.4013,
945
+ "num_tokens": 113720983.0,
946
+ "step": 117
947
+ },
948
+ {
949
+ "epoch": 0.7637540453074434,
950
+ "grad_norm": 0.22578826546669006,
951
+ "learning_rate": 5e-05,
952
+ "loss": 0.3926,
953
+ "num_tokens": 114690500.0,
954
+ "step": 118
955
+ },
956
+ {
957
+ "epoch": 0.7702265372168284,
958
+ "grad_norm": 0.2602064609527588,
959
+ "learning_rate": 5e-05,
960
+ "loss": 0.3938,
961
+ "num_tokens": 115663752.0,
962
+ "step": 119
963
+ },
964
+ {
965
+ "epoch": 0.7766990291262136,
966
+ "grad_norm": 0.1850455105304718,
967
+ "learning_rate": 5e-05,
968
+ "loss": 0.3905,
969
+ "num_tokens": 116656118.0,
970
+ "step": 120
971
+ },
972
+ {
973
+ "epoch": 0.7831715210355987,
974
+ "grad_norm": 0.22258904576301575,
975
+ "learning_rate": 5e-05,
976
+ "loss": 0.3996,
977
+ "num_tokens": 117647006.0,
978
+ "step": 121
979
+ },
980
+ {
981
+ "epoch": 0.7896440129449838,
982
+ "grad_norm": 0.22703003883361816,
983
+ "learning_rate": 5e-05,
984
+ "loss": 0.3909,
985
+ "num_tokens": 118637898.0,
986
+ "step": 122
987
+ },
988
+ {
989
+ "epoch": 0.7961165048543689,
990
+ "grad_norm": 0.2309364229440689,
991
+ "learning_rate": 5e-05,
992
+ "loss": 0.3998,
993
+ "num_tokens": 119611539.0,
994
+ "step": 123
995
+ },
996
+ {
997
+ "epoch": 0.8025889967637541,
998
+ "grad_norm": 0.23023244738578796,
999
+ "learning_rate": 5e-05,
1000
+ "loss": 0.4014,
1001
+ "num_tokens": 120576485.0,
1002
+ "step": 124
1003
+ },
1004
+ {
1005
+ "epoch": 0.8090614886731392,
1006
+ "grad_norm": 0.23768304288387299,
1007
+ "learning_rate": 5e-05,
1008
+ "loss": 0.4018,
1009
+ "num_tokens": 121567862.0,
1010
+ "step": 125
1011
+ },
1012
+ {
1013
+ "epoch": 0.8155339805825242,
1014
+ "grad_norm": 0.1838195025920868,
1015
+ "learning_rate": 5e-05,
1016
+ "loss": 0.3932,
1017
+ "num_tokens": 122530893.0,
1018
+ "step": 126
1019
+ },
1020
+ {
1021
+ "epoch": 0.8220064724919094,
1022
+ "grad_norm": 0.2064729481935501,
1023
+ "learning_rate": 5e-05,
1024
+ "loss": 0.3937,
1025
+ "num_tokens": 123480227.0,
1026
+ "step": 127
1027
+ },
1028
+ {
1029
+ "epoch": 0.8284789644012945,
1030
+ "grad_norm": 0.2696620523929596,
1031
+ "learning_rate": 5e-05,
1032
+ "loss": 0.4081,
1033
+ "num_tokens": 124462070.0,
1034
+ "step": 128
1035
+ },
1036
+ {
1037
+ "epoch": 0.8349514563106796,
1038
+ "grad_norm": 0.1941477507352829,
1039
+ "learning_rate": 5e-05,
1040
+ "loss": 0.4014,
1041
+ "num_tokens": 125440428.0,
1042
+ "step": 129
1043
+ },
1044
+ {
1045
+ "epoch": 0.8414239482200647,
1046
+ "grad_norm": 0.22628171741962433,
1047
+ "learning_rate": 5e-05,
1048
+ "loss": 0.3974,
1049
+ "num_tokens": 126416310.0,
1050
+ "step": 130
1051
+ },
1052
+ {
1053
+ "epoch": 0.8478964401294499,
1054
+ "grad_norm": 0.21298550069332123,
1055
+ "learning_rate": 5e-05,
1056
+ "loss": 0.3972,
1057
+ "num_tokens": 127406436.0,
1058
+ "step": 131
1059
+ },
1060
+ {
1061
+ "epoch": 0.8543689320388349,
1062
+ "grad_norm": 0.22063614428043365,
1063
+ "learning_rate": 5e-05,
1064
+ "loss": 0.3963,
1065
+ "num_tokens": 128372197.0,
1066
+ "step": 132
1067
+ },
1068
+ {
1069
+ "epoch": 0.86084142394822,
1070
+ "grad_norm": 0.1877291351556778,
1071
+ "learning_rate": 5e-05,
1072
+ "loss": 0.3928,
1073
+ "num_tokens": 129371264.0,
1074
+ "step": 133
1075
+ },
1076
+ {
1077
+ "epoch": 0.8673139158576052,
1078
+ "grad_norm": 0.20851096510887146,
1079
+ "learning_rate": 5e-05,
1080
+ "loss": 0.38,
1081
+ "num_tokens": 130306080.0,
1082
+ "step": 134
1083
+ },
1084
+ {
1085
+ "epoch": 0.8737864077669902,
1086
+ "grad_norm": 0.2774619162082672,
1087
+ "learning_rate": 5e-05,
1088
+ "loss": 0.4,
1089
+ "num_tokens": 131261937.0,
1090
+ "step": 135
1091
+ },
1092
+ {
1093
+ "epoch": 0.8802588996763754,
1094
+ "grad_norm": 0.25149106979370117,
1095
+ "learning_rate": 5e-05,
1096
+ "loss": 0.3933,
1097
+ "num_tokens": 132223182.0,
1098
+ "step": 136
1099
+ },
1100
+ {
1101
+ "epoch": 0.8867313915857605,
1102
+ "grad_norm": 0.2103366255760193,
1103
+ "learning_rate": 5e-05,
1104
+ "loss": 0.3967,
1105
+ "num_tokens": 133211562.0,
1106
+ "step": 137
1107
+ },
1108
+ {
1109
+ "epoch": 0.8932038834951457,
1110
+ "grad_norm": 0.2521952986717224,
1111
+ "learning_rate": 5e-05,
1112
+ "loss": 0.3943,
1113
+ "num_tokens": 134208133.0,
1114
+ "step": 138
1115
+ },
1116
+ {
1117
+ "epoch": 0.8996763754045307,
1118
+ "grad_norm": 0.23235109448432922,
1119
+ "learning_rate": 5e-05,
1120
+ "loss": 0.3964,
1121
+ "num_tokens": 135194807.0,
1122
+ "step": 139
1123
+ },
1124
+ {
1125
+ "epoch": 0.9061488673139159,
1126
+ "grad_norm": 0.31734412908554077,
1127
+ "learning_rate": 5e-05,
1128
+ "loss": 0.3964,
1129
+ "num_tokens": 136175941.0,
1130
+ "step": 140
1131
+ },
1132
+ {
1133
+ "epoch": 0.912621359223301,
1134
+ "grad_norm": 0.172586590051651,
1135
+ "learning_rate": 5e-05,
1136
+ "loss": 0.4056,
1137
+ "num_tokens": 137117638.0,
1138
+ "step": 141
1139
+ },
1140
+ {
1141
+ "epoch": 0.919093851132686,
1142
+ "grad_norm": 0.26154661178588867,
1143
+ "learning_rate": 5e-05,
1144
+ "loss": 0.3848,
1145
+ "num_tokens": 138102412.0,
1146
+ "step": 142
1147
+ },
1148
+ {
1149
+ "epoch": 0.9255663430420712,
1150
+ "grad_norm": 0.30846381187438965,
1151
+ "learning_rate": 5e-05,
1152
+ "loss": 0.3881,
1153
+ "num_tokens": 139056304.0,
1154
+ "step": 143
1155
+ },
1156
+ {
1157
+ "epoch": 0.9320388349514563,
1158
+ "grad_norm": 0.17311494052410126,
1159
+ "learning_rate": 5e-05,
1160
+ "loss": 0.392,
1161
+ "num_tokens": 140002988.0,
1162
+ "step": 144
1163
+ },
1164
+ {
1165
+ "epoch": 0.9385113268608414,
1166
+ "grad_norm": 0.25492337346076965,
1167
+ "learning_rate": 5e-05,
1168
+ "loss": 0.3952,
1169
+ "num_tokens": 140939323.0,
1170
+ "step": 145
1171
+ },
1172
+ {
1173
+ "epoch": 0.9449838187702265,
1174
+ "grad_norm": 0.2816878855228424,
1175
+ "learning_rate": 5e-05,
1176
+ "loss": 0.3903,
1177
+ "num_tokens": 141898246.0,
1178
+ "step": 146
1179
+ },
1180
+ {
1181
+ "epoch": 0.9514563106796117,
1182
+ "grad_norm": 0.19545646011829376,
1183
+ "learning_rate": 5e-05,
1184
+ "loss": 0.3967,
1185
+ "num_tokens": 142861118.0,
1186
+ "step": 147
1187
+ },
1188
+ {
1189
+ "epoch": 0.9579288025889967,
1190
+ "grad_norm": 0.2272789180278778,
1191
+ "learning_rate": 5e-05,
1192
+ "loss": 0.391,
1193
+ "num_tokens": 143845628.0,
1194
+ "step": 148
1195
+ },
1196
+ {
1197
+ "epoch": 0.9644012944983819,
1198
+ "grad_norm": 0.180133655667305,
1199
+ "learning_rate": 5e-05,
1200
+ "loss": 0.401,
1201
+ "num_tokens": 144816454.0,
1202
+ "step": 149
1203
+ },
1204
+ {
1205
+ "epoch": 0.970873786407767,
1206
+ "grad_norm": 0.1802646517753601,
1207
+ "learning_rate": 5e-05,
1208
+ "loss": 0.3902,
1209
+ "num_tokens": 145791528.0,
1210
+ "step": 150
1211
+ },
1212
+ {
1213
+ "epoch": 0.9773462783171522,
1214
+ "grad_norm": 0.20655637979507446,
1215
+ "learning_rate": 5e-05,
1216
+ "loss": 0.4024,
1217
+ "num_tokens": 146776225.0,
1218
+ "step": 151
1219
+ },
1220
+ {
1221
+ "epoch": 0.9838187702265372,
1222
+ "grad_norm": 0.18897205591201782,
1223
+ "learning_rate": 5e-05,
1224
+ "loss": 0.3858,
1225
+ "num_tokens": 147716038.0,
1226
+ "step": 152
1227
+ },
1228
+ {
1229
+ "epoch": 0.9902912621359223,
1230
+ "grad_norm": 0.18271128833293915,
1231
+ "learning_rate": 5e-05,
1232
+ "loss": 0.3826,
1233
+ "num_tokens": 148641036.0,
1234
+ "step": 153
1235
+ },
1236
+ {
1237
+ "epoch": 0.9967637540453075,
1238
+ "grad_norm": 0.19371099770069122,
1239
+ "learning_rate": 5e-05,
1240
+ "loss": 0.3863,
1241
+ "num_tokens": 149611850.0,
1242
+ "step": 154
1243
+ },
1244
+ {
1245
+ "epoch": 1.0,
1246
+ "grad_norm": 0.19371099770069122,
1247
+ "learning_rate": 5e-05,
1248
+ "loss": 0.3883,
1249
+ "num_tokens": 150082857.0,
1250
+ "step": 155
1251
+ },
1252
+ {
1253
+ "epoch": 1.006472491909385,
1254
+ "grad_norm": 0.3387119472026825,
1255
+ "learning_rate": 5e-05,
1256
+ "loss": 0.3457,
1257
+ "num_tokens": 151065207.0,
1258
+ "step": 156
1259
+ },
1260
+ {
1261
+ "epoch": 1.0129449838187703,
1262
+ "grad_norm": 0.20606622099876404,
1263
+ "learning_rate": 5e-05,
1264
+ "loss": 0.3373,
1265
+ "num_tokens": 152046682.0,
1266
+ "step": 157
1267
+ },
1268
+ {
1269
+ "epoch": 1.0194174757281553,
1270
+ "grad_norm": 0.19748540222644806,
1271
+ "learning_rate": 5e-05,
1272
+ "loss": 0.3398,
1273
+ "num_tokens": 153014543.0,
1274
+ "step": 158
1275
+ },
1276
+ {
1277
+ "epoch": 1.0258899676375404,
1278
+ "grad_norm": 0.226538747549057,
1279
+ "learning_rate": 5e-05,
1280
+ "loss": 0.3434,
1281
+ "num_tokens": 153988434.0,
1282
+ "step": 159
1283
+ },
1284
+ {
1285
+ "epoch": 1.0323624595469256,
1286
+ "grad_norm": 0.20436212420463562,
1287
+ "learning_rate": 5e-05,
1288
+ "loss": 0.3441,
1289
+ "num_tokens": 154938356.0,
1290
+ "step": 160
1291
+ },
1292
+ {
1293
+ "epoch": 1.0388349514563107,
1294
+ "grad_norm": 0.20210999250411987,
1295
+ "learning_rate": 5e-05,
1296
+ "loss": 0.3442,
1297
+ "num_tokens": 155920665.0,
1298
+ "step": 161
1299
+ },
1300
+ {
1301
+ "epoch": 1.0453074433656957,
1302
+ "grad_norm": 0.26638829708099365,
1303
+ "learning_rate": 5e-05,
1304
+ "loss": 0.3448,
1305
+ "num_tokens": 156878844.0,
1306
+ "step": 162
1307
+ },
1308
+ {
1309
+ "epoch": 1.051779935275081,
1310
+ "grad_norm": 0.25940850377082825,
1311
+ "learning_rate": 5e-05,
1312
+ "loss": 0.3388,
1313
+ "num_tokens": 157852056.0,
1314
+ "step": 163
1315
+ },
1316
+ {
1317
+ "epoch": 1.058252427184466,
1318
+ "grad_norm": 0.18894004821777344,
1319
+ "learning_rate": 5e-05,
1320
+ "loss": 0.3451,
1321
+ "num_tokens": 158847308.0,
1322
+ "step": 164
1323
+ },
1324
+ {
1325
+ "epoch": 1.064724919093851,
1326
+ "grad_norm": 0.20138530433177948,
1327
+ "learning_rate": 5e-05,
1328
+ "loss": 0.3471,
1329
+ "num_tokens": 159815676.0,
1330
+ "step": 165
1331
+ },
1332
+ {
1333
+ "epoch": 1.0711974110032363,
1334
+ "grad_norm": 0.2081957310438156,
1335
+ "learning_rate": 5e-05,
1336
+ "loss": 0.3437,
1337
+ "num_tokens": 160783247.0,
1338
+ "step": 166
1339
+ },
1340
+ {
1341
+ "epoch": 1.0776699029126213,
1342
+ "grad_norm": 0.20640355348587036,
1343
+ "learning_rate": 5e-05,
1344
+ "loss": 0.3387,
1345
+ "num_tokens": 161757978.0,
1346
+ "step": 167
1347
+ },
1348
+ {
1349
+ "epoch": 1.0841423948220066,
1350
+ "grad_norm": 0.1982601284980774,
1351
+ "learning_rate": 5e-05,
1352
+ "loss": 0.3358,
1353
+ "num_tokens": 162697927.0,
1354
+ "step": 168
1355
+ },
1356
+ {
1357
+ "epoch": 1.0906148867313916,
1358
+ "grad_norm": 0.20576398074626923,
1359
+ "learning_rate": 5e-05,
1360
+ "loss": 0.3436,
1361
+ "num_tokens": 163662092.0,
1362
+ "step": 169
1363
+ },
1364
+ {
1365
+ "epoch": 1.0970873786407767,
1366
+ "grad_norm": 0.2331991046667099,
1367
+ "learning_rate": 5e-05,
1368
+ "loss": 0.3358,
1369
+ "num_tokens": 164636005.0,
1370
+ "step": 170
1371
+ },
1372
+ {
1373
+ "epoch": 1.103559870550162,
1374
+ "grad_norm": 0.25516974925994873,
1375
+ "learning_rate": 5e-05,
1376
+ "loss": 0.3428,
1377
+ "num_tokens": 165575709.0,
1378
+ "step": 171
1379
+ },
1380
+ {
1381
+ "epoch": 1.110032362459547,
1382
+ "grad_norm": 0.21340486407279968,
1383
+ "learning_rate": 5e-05,
1384
+ "loss": 0.3299,
1385
+ "num_tokens": 166581172.0,
1386
+ "step": 172
1387
+ },
1388
+ {
1389
+ "epoch": 1.116504854368932,
1390
+ "grad_norm": 0.18883739411830902,
1391
+ "learning_rate": 5e-05,
1392
+ "loss": 0.3393,
1393
+ "num_tokens": 167529454.0,
1394
+ "step": 173
1395
+ },
1396
+ {
1397
+ "epoch": 1.1229773462783172,
1398
+ "grad_norm": 0.19975334405899048,
1399
+ "learning_rate": 5e-05,
1400
+ "loss": 0.3322,
1401
+ "num_tokens": 168484414.0,
1402
+ "step": 174
1403
+ },
1404
+ {
1405
+ "epoch": 1.1294498381877023,
1406
+ "grad_norm": 0.2676781117916107,
1407
+ "learning_rate": 5e-05,
1408
+ "loss": 0.3429,
1409
+ "num_tokens": 169452401.0,
1410
+ "step": 175
1411
+ },
1412
+ {
1413
+ "epoch": 1.1359223300970873,
1414
+ "grad_norm": 0.1652645617723465,
1415
+ "learning_rate": 5e-05,
1416
+ "loss": 0.3349,
1417
+ "num_tokens": 170407712.0,
1418
+ "step": 176
1419
+ },
1420
+ {
1421
+ "epoch": 1.1423948220064726,
1422
+ "grad_norm": 0.19614100456237793,
1423
+ "learning_rate": 5e-05,
1424
+ "loss": 0.3434,
1425
+ "num_tokens": 171418075.0,
1426
+ "step": 177
1427
+ },
1428
+ {
1429
+ "epoch": 1.1488673139158576,
1430
+ "grad_norm": 0.23959225416183472,
1431
+ "learning_rate": 5e-05,
1432
+ "loss": 0.3395,
1433
+ "num_tokens": 172409907.0,
1434
+ "step": 178
1435
+ },
1436
+ {
1437
+ "epoch": 1.1553398058252426,
1438
+ "grad_norm": 0.2018483281135559,
1439
+ "learning_rate": 5e-05,
1440
+ "loss": 0.3367,
1441
+ "num_tokens": 173368352.0,
1442
+ "step": 179
1443
+ },
1444
+ {
1445
+ "epoch": 1.161812297734628,
1446
+ "grad_norm": 0.2409161776304245,
1447
+ "learning_rate": 5e-05,
1448
+ "loss": 0.3415,
1449
+ "num_tokens": 174328021.0,
1450
+ "step": 180
1451
+ },
1452
+ {
1453
+ "epoch": 1.168284789644013,
1454
+ "grad_norm": 0.2707282602787018,
1455
+ "learning_rate": 5e-05,
1456
+ "loss": 0.3385,
1457
+ "num_tokens": 175328614.0,
1458
+ "step": 181
1459
+ },
1460
+ {
1461
+ "epoch": 1.174757281553398,
1462
+ "grad_norm": 0.1754923313856125,
1463
+ "learning_rate": 5e-05,
1464
+ "loss": 0.339,
1465
+ "num_tokens": 176287442.0,
1466
+ "step": 182
1467
+ },
1468
+ {
1469
+ "epoch": 1.1812297734627832,
1470
+ "grad_norm": 0.20444481074810028,
1471
+ "learning_rate": 5e-05,
1472
+ "loss": 0.3444,
1473
+ "num_tokens": 177272590.0,
1474
+ "step": 183
1475
+ },
1476
+ {
1477
+ "epoch": 1.1877022653721683,
1478
+ "grad_norm": 0.2513251006603241,
1479
+ "learning_rate": 5e-05,
1480
+ "loss": 0.3458,
1481
+ "num_tokens": 178243495.0,
1482
+ "step": 184
1483
+ },
1484
+ {
1485
+ "epoch": 1.1941747572815533,
1486
+ "grad_norm": 0.1885911375284195,
1487
+ "learning_rate": 5e-05,
1488
+ "loss": 0.3414,
1489
+ "num_tokens": 179230835.0,
1490
+ "step": 185
1491
+ },
1492
+ {
1493
+ "epoch": 1.2006472491909386,
1494
+ "grad_norm": 0.2212754189968109,
1495
+ "learning_rate": 5e-05,
1496
+ "loss": 0.3372,
1497
+ "num_tokens": 180197716.0,
1498
+ "step": 186
1499
+ },
1500
+ {
1501
+ "epoch": 1.2071197411003236,
1502
+ "grad_norm": 0.19679434597492218,
1503
+ "learning_rate": 5e-05,
1504
+ "loss": 0.3481,
1505
+ "num_tokens": 181168136.0,
1506
+ "step": 187
1507
+ },
1508
+ {
1509
+ "epoch": 1.2135922330097086,
1510
+ "grad_norm": 0.1955721527338028,
1511
+ "learning_rate": 5e-05,
1512
+ "loss": 0.3381,
1513
+ "num_tokens": 182127126.0,
1514
+ "step": 188
1515
+ },
1516
+ {
1517
+ "epoch": 1.220064724919094,
1518
+ "grad_norm": 0.20957227051258087,
1519
+ "learning_rate": 5e-05,
1520
+ "loss": 0.3423,
1521
+ "num_tokens": 183085892.0,
1522
+ "step": 189
1523
+ },
1524
+ {
1525
+ "epoch": 1.226537216828479,
1526
+ "grad_norm": 0.20260438323020935,
1527
+ "learning_rate": 5e-05,
1528
+ "loss": 0.3381,
1529
+ "num_tokens": 184057299.0,
1530
+ "step": 190
1531
+ },
1532
+ {
1533
+ "epoch": 1.233009708737864,
1534
+ "grad_norm": 0.1949196457862854,
1535
+ "learning_rate": 5e-05,
1536
+ "loss": 0.3357,
1537
+ "num_tokens": 184998791.0,
1538
+ "step": 191
1539
+ },
1540
+ {
1541
+ "epoch": 1.2394822006472492,
1542
+ "grad_norm": 0.19839757680892944,
1543
+ "learning_rate": 5e-05,
1544
+ "loss": 0.333,
1545
+ "num_tokens": 185986785.0,
1546
+ "step": 192
1547
+ },
1548
+ {
1549
+ "epoch": 1.2459546925566343,
1550
+ "grad_norm": 0.20561406016349792,
1551
+ "learning_rate": 5e-05,
1552
+ "loss": 0.3293,
1553
+ "num_tokens": 186929881.0,
1554
+ "step": 193
1555
+ },
1556
+ {
1557
+ "epoch": 1.2524271844660193,
1558
+ "grad_norm": 0.2009248435497284,
1559
+ "learning_rate": 5e-05,
1560
+ "loss": 0.3435,
1561
+ "num_tokens": 187902972.0,
1562
+ "step": 194
1563
+ },
1564
+ {
1565
+ "epoch": 1.2588996763754046,
1566
+ "grad_norm": 0.2801060378551483,
1567
+ "learning_rate": 5e-05,
1568
+ "loss": 0.3313,
1569
+ "num_tokens": 188884007.0,
1570
+ "step": 195
1571
+ },
1572
+ {
1573
+ "epoch": 1.2653721682847896,
1574
+ "grad_norm": 0.1825418472290039,
1575
+ "learning_rate": 5e-05,
1576
+ "loss": 0.3318,
1577
+ "num_tokens": 189812757.0,
1578
+ "step": 196
1579
+ },
1580
+ {
1581
+ "epoch": 1.2718446601941746,
1582
+ "grad_norm": 0.23952046036720276,
1583
+ "learning_rate": 5e-05,
1584
+ "loss": 0.3343,
1585
+ "num_tokens": 190775296.0,
1586
+ "step": 197
1587
+ },
1588
+ {
1589
+ "epoch": 1.27831715210356,
1590
+ "grad_norm": 0.213717520236969,
1591
+ "learning_rate": 5e-05,
1592
+ "loss": 0.3383,
1593
+ "num_tokens": 191750113.0,
1594
+ "step": 198
1595
+ },
1596
+ {
1597
+ "epoch": 1.284789644012945,
1598
+ "grad_norm": 0.23496580123901367,
1599
+ "learning_rate": 5e-05,
1600
+ "loss": 0.3381,
1601
+ "num_tokens": 192691419.0,
1602
+ "step": 199
1603
+ },
1604
+ {
1605
+ "epoch": 1.29126213592233,
1606
+ "grad_norm": 0.21562671661376953,
1607
+ "learning_rate": 5e-05,
1608
+ "loss": 0.3414,
1609
+ "num_tokens": 193680379.0,
1610
+ "step": 200
1611
+ },
1612
+ {
1613
+ "epoch": 1.2977346278317152,
1614
+ "grad_norm": 0.19444721937179565,
1615
+ "learning_rate": 5e-05,
1616
+ "loss": 0.334,
1617
+ "num_tokens": 194655500.0,
1618
+ "step": 201
1619
+ },
1620
+ {
1621
+ "epoch": 1.3042071197411003,
1622
+ "grad_norm": 0.16557656228542328,
1623
+ "learning_rate": 5e-05,
1624
+ "loss": 0.3392,
1625
+ "num_tokens": 195598008.0,
1626
+ "step": 202
1627
+ },
1628
+ {
1629
+ "epoch": 1.3106796116504853,
1630
+ "grad_norm": 0.18384099006652832,
1631
+ "learning_rate": 5e-05,
1632
+ "loss": 0.3414,
1633
+ "num_tokens": 196583549.0,
1634
+ "step": 203
1635
+ },
1636
+ {
1637
+ "epoch": 1.3171521035598706,
1638
+ "grad_norm": 0.2008940875530243,
1639
+ "learning_rate": 5e-05,
1640
+ "loss": 0.3387,
1641
+ "num_tokens": 197555491.0,
1642
+ "step": 204
1643
+ },
1644
+ {
1645
+ "epoch": 1.3236245954692556,
1646
+ "grad_norm": 0.18595947325229645,
1647
+ "learning_rate": 5e-05,
1648
+ "loss": 0.3335,
1649
+ "num_tokens": 198552040.0,
1650
+ "step": 205
1651
+ },
1652
+ {
1653
+ "epoch": 1.3300970873786409,
1654
+ "grad_norm": 0.21683627367019653,
1655
+ "learning_rate": 5e-05,
1656
+ "loss": 0.3328,
1657
+ "num_tokens": 199517007.0,
1658
+ "step": 206
1659
+ },
1660
+ {
1661
+ "epoch": 1.3365695792880259,
1662
+ "grad_norm": 0.19960325956344604,
1663
+ "learning_rate": 5e-05,
1664
+ "loss": 0.3398,
1665
+ "num_tokens": 200490485.0,
1666
+ "step": 207
1667
+ },
1668
+ {
1669
+ "epoch": 1.343042071197411,
1670
+ "grad_norm": 0.18728888034820557,
1671
+ "learning_rate": 5e-05,
1672
+ "loss": 0.3437,
1673
+ "num_tokens": 201459121.0,
1674
+ "step": 208
1675
+ },
1676
+ {
1677
+ "epoch": 1.3495145631067962,
1678
+ "grad_norm": 0.19551408290863037,
1679
+ "learning_rate": 5e-05,
1680
+ "loss": 0.3339,
1681
+ "num_tokens": 202378391.0,
1682
+ "step": 209
1683
+ },
1684
+ {
1685
+ "epoch": 1.3559870550161812,
1686
+ "grad_norm": 0.19920724630355835,
1687
+ "learning_rate": 5e-05,
1688
+ "loss": 0.3421,
1689
+ "num_tokens": 203389991.0,
1690
+ "step": 210
1691
+ },
1692
+ {
1693
+ "epoch": 1.3624595469255665,
1694
+ "grad_norm": 0.22347542643547058,
1695
+ "learning_rate": 5e-05,
1696
+ "loss": 0.3417,
1697
+ "num_tokens": 204350028.0,
1698
+ "step": 211
1699
+ },
1700
+ {
1701
+ "epoch": 1.3689320388349515,
1702
+ "grad_norm": 0.21298804879188538,
1703
+ "learning_rate": 5e-05,
1704
+ "loss": 0.3412,
1705
+ "num_tokens": 205321725.0,
1706
+ "step": 212
1707
+ },
1708
+ {
1709
+ "epoch": 1.3754045307443366,
1710
+ "grad_norm": 0.2074659764766693,
1711
+ "learning_rate": 5e-05,
1712
+ "loss": 0.3414,
1713
+ "num_tokens": 206300400.0,
1714
+ "step": 213
1715
+ },
1716
+ {
1717
+ "epoch": 1.3818770226537218,
1718
+ "grad_norm": 0.17087648808956146,
1719
+ "learning_rate": 5e-05,
1720
+ "loss": 0.3351,
1721
+ "num_tokens": 207269349.0,
1722
+ "step": 214
1723
+ },
1724
+ {
1725
+ "epoch": 1.3883495145631068,
1726
+ "grad_norm": 0.18093572556972504,
1727
+ "learning_rate": 5e-05,
1728
+ "loss": 0.3366,
1729
+ "num_tokens": 208239995.0,
1730
+ "step": 215
1731
+ },
1732
+ {
1733
+ "epoch": 1.3948220064724919,
1734
+ "grad_norm": 0.23184221982955933,
1735
+ "learning_rate": 5e-05,
1736
+ "loss": 0.3428,
1737
+ "num_tokens": 209197405.0,
1738
+ "step": 216
1739
+ },
1740
+ {
1741
+ "epoch": 1.4012944983818771,
1742
+ "grad_norm": 0.23396241664886475,
1743
+ "learning_rate": 5e-05,
1744
+ "loss": 0.3359,
1745
+ "num_tokens": 210173069.0,
1746
+ "step": 217
1747
+ },
1748
+ {
1749
+ "epoch": 1.4077669902912622,
1750
+ "grad_norm": 0.18798178434371948,
1751
+ "learning_rate": 5e-05,
1752
+ "loss": 0.3336,
1753
+ "num_tokens": 211140476.0,
1754
+ "step": 218
1755
+ },
1756
+ {
1757
+ "epoch": 1.4142394822006472,
1758
+ "grad_norm": 0.17764322459697723,
1759
+ "learning_rate": 5e-05,
1760
+ "loss": 0.3339,
1761
+ "num_tokens": 212101096.0,
1762
+ "step": 219
1763
+ },
1764
+ {
1765
+ "epoch": 1.4207119741100325,
1766
+ "grad_norm": 0.16891926527023315,
1767
+ "learning_rate": 5e-05,
1768
+ "loss": 0.3395,
1769
+ "num_tokens": 213068720.0,
1770
+ "step": 220
1771
+ },
1772
+ {
1773
+ "epoch": 1.4271844660194175,
1774
+ "grad_norm": 0.1684737652540207,
1775
+ "learning_rate": 5e-05,
1776
+ "loss": 0.3393,
1777
+ "num_tokens": 214020099.0,
1778
+ "step": 221
1779
+ },
1780
+ {
1781
+ "epoch": 1.4336569579288025,
1782
+ "grad_norm": 0.17267465591430664,
1783
+ "learning_rate": 5e-05,
1784
+ "loss": 0.3339,
1785
+ "num_tokens": 214947806.0,
1786
+ "step": 222
1787
+ },
1788
+ {
1789
+ "epoch": 1.4401294498381878,
1790
+ "grad_norm": 0.1806415170431137,
1791
+ "learning_rate": 5e-05,
1792
+ "loss": 0.3359,
1793
+ "num_tokens": 215925598.0,
1794
+ "step": 223
1795
+ },
1796
+ {
1797
+ "epoch": 1.4466019417475728,
1798
+ "grad_norm": 0.178355872631073,
1799
+ "learning_rate": 5e-05,
1800
+ "loss": 0.3328,
1801
+ "num_tokens": 216915650.0,
1802
+ "step": 224
1803
+ },
1804
+ {
1805
+ "epoch": 1.4530744336569579,
1806
+ "grad_norm": 0.16551369428634644,
1807
+ "learning_rate": 5e-05,
1808
+ "loss": 0.3389,
1809
+ "num_tokens": 217865373.0,
1810
+ "step": 225
1811
+ },
1812
+ {
1813
+ "epoch": 1.4595469255663431,
1814
+ "grad_norm": 0.17925454676151276,
1815
+ "learning_rate": 5e-05,
1816
+ "loss": 0.3309,
1817
+ "num_tokens": 218823612.0,
1818
+ "step": 226
1819
+ },
1820
+ {
1821
+ "epoch": 1.4660194174757282,
1822
+ "grad_norm": 0.1850486695766449,
1823
+ "learning_rate": 5e-05,
1824
+ "loss": 0.3314,
1825
+ "num_tokens": 219799962.0,
1826
+ "step": 227
1827
+ },
1828
+ {
1829
+ "epoch": 1.4724919093851132,
1830
+ "grad_norm": 0.18899139761924744,
1831
+ "learning_rate": 5e-05,
1832
+ "loss": 0.3401,
1833
+ "num_tokens": 220771199.0,
1834
+ "step": 228
1835
+ },
1836
+ {
1837
+ "epoch": 1.4789644012944985,
1838
+ "grad_norm": 0.19012326002120972,
1839
+ "learning_rate": 5e-05,
1840
+ "loss": 0.3359,
1841
+ "num_tokens": 221736326.0,
1842
+ "step": 229
1843
+ },
1844
+ {
1845
+ "epoch": 1.4854368932038835,
1846
+ "grad_norm": 0.19176773726940155,
1847
+ "learning_rate": 5e-05,
1848
+ "loss": 0.3365,
1849
+ "num_tokens": 222710609.0,
1850
+ "step": 230
1851
+ },
1852
+ {
1853
+ "epoch": 1.4919093851132685,
1854
+ "grad_norm": 0.21373401582241058,
1855
+ "learning_rate": 5e-05,
1856
+ "loss": 0.3326,
1857
+ "num_tokens": 223688658.0,
1858
+ "step": 231
1859
+ },
1860
+ {
1861
+ "epoch": 1.4983818770226538,
1862
+ "grad_norm": 0.1788434386253357,
1863
+ "learning_rate": 5e-05,
1864
+ "loss": 0.3366,
1865
+ "num_tokens": 224689265.0,
1866
+ "step": 232
1867
+ },
1868
+ {
1869
+ "epoch": 1.5048543689320388,
1870
+ "grad_norm": 0.16676850616931915,
1871
+ "learning_rate": 5e-05,
1872
+ "loss": 0.3345,
1873
+ "num_tokens": 225643475.0,
1874
+ "step": 233
1875
+ },
1876
+ {
1877
+ "epoch": 1.5113268608414239,
1878
+ "grad_norm": 0.1769399642944336,
1879
+ "learning_rate": 5e-05,
1880
+ "loss": 0.3378,
1881
+ "num_tokens": 226617652.0,
1882
+ "step": 234
1883
+ },
1884
+ {
1885
+ "epoch": 1.5177993527508091,
1886
+ "grad_norm": 0.17505072057247162,
1887
+ "learning_rate": 5e-05,
1888
+ "loss": 0.3349,
1889
+ "num_tokens": 227553267.0,
1890
+ "step": 235
1891
+ },
1892
+ {
1893
+ "epoch": 1.5242718446601942,
1894
+ "grad_norm": 0.20999805629253387,
1895
+ "learning_rate": 5e-05,
1896
+ "loss": 0.3366,
1897
+ "num_tokens": 228538404.0,
1898
+ "step": 236
1899
+ },
1900
+ {
1901
+ "epoch": 1.5307443365695792,
1902
+ "grad_norm": 0.20305493474006653,
1903
+ "learning_rate": 5e-05,
1904
+ "loss": 0.3345,
1905
+ "num_tokens": 229526832.0,
1906
+ "step": 237
1907
+ },
1908
+ {
1909
+ "epoch": 1.5372168284789645,
1910
+ "grad_norm": 0.20696744322776794,
1911
+ "learning_rate": 5e-05,
1912
+ "loss": 0.3392,
1913
+ "num_tokens": 230514566.0,
1914
+ "step": 238
1915
+ },
1916
+ {
1917
+ "epoch": 1.5436893203883495,
1918
+ "grad_norm": 0.21763259172439575,
1919
+ "learning_rate": 5e-05,
1920
+ "loss": 0.3362,
1921
+ "num_tokens": 231499488.0,
1922
+ "step": 239
1923
+ },
1924
+ {
1925
+ "epoch": 1.5501618122977345,
1926
+ "grad_norm": 0.16580604016780853,
1927
+ "learning_rate": 5e-05,
1928
+ "loss": 0.3456,
1929
+ "num_tokens": 232467260.0,
1930
+ "step": 240
1931
+ },
1932
+ {
1933
+ "epoch": 1.5566343042071198,
1934
+ "grad_norm": 0.17884966731071472,
1935
+ "learning_rate": 5e-05,
1936
+ "loss": 0.3379,
1937
+ "num_tokens": 233453448.0,
1938
+ "step": 241
1939
+ },
1940
+ {
1941
+ "epoch": 1.5631067961165048,
1942
+ "grad_norm": 0.17534446716308594,
1943
+ "learning_rate": 5e-05,
1944
+ "loss": 0.3327,
1945
+ "num_tokens": 234468336.0,
1946
+ "step": 242
1947
+ },
1948
+ {
1949
+ "epoch": 1.5695792880258899,
1950
+ "grad_norm": 0.19182085990905762,
1951
+ "learning_rate": 5e-05,
1952
+ "loss": 0.3401,
1953
+ "num_tokens": 235437157.0,
1954
+ "step": 243
1955
+ },
1956
+ {
1957
+ "epoch": 1.5760517799352751,
1958
+ "grad_norm": 0.17959745228290558,
1959
+ "learning_rate": 5e-05,
1960
+ "loss": 0.3427,
1961
+ "num_tokens": 236420720.0,
1962
+ "step": 244
1963
+ },
1964
+ {
1965
+ "epoch": 1.5825242718446602,
1966
+ "grad_norm": 0.19488820433616638,
1967
+ "learning_rate": 5e-05,
1968
+ "loss": 0.3384,
1969
+ "num_tokens": 237408717.0,
1970
+ "step": 245
1971
+ },
1972
+ {
1973
+ "epoch": 1.5889967637540452,
1974
+ "grad_norm": 0.18275916576385498,
1975
+ "learning_rate": 5e-05,
1976
+ "loss": 0.3415,
1977
+ "num_tokens": 238399497.0,
1978
+ "step": 246
1979
+ },
1980
+ {
1981
+ "epoch": 1.5954692556634305,
1982
+ "grad_norm": 0.17819155752658844,
1983
+ "learning_rate": 5e-05,
1984
+ "loss": 0.3437,
1985
+ "num_tokens": 239341614.0,
1986
+ "step": 247
1987
+ },
1988
+ {
1989
+ "epoch": 1.6019417475728155,
1990
+ "grad_norm": 0.20477968454360962,
1991
+ "learning_rate": 5e-05,
1992
+ "loss": 0.3374,
1993
+ "num_tokens": 240303758.0,
1994
+ "step": 248
1995
+ },
1996
+ {
1997
+ "epoch": 1.6084142394822005,
1998
+ "grad_norm": 0.2054113894701004,
1999
+ "learning_rate": 5e-05,
2000
+ "loss": 0.3375,
2001
+ "num_tokens": 241254594.0,
2002
+ "step": 249
2003
+ },
2004
+ {
2005
+ "epoch": 1.6148867313915858,
2006
+ "grad_norm": 0.16167765855789185,
2007
+ "learning_rate": 5e-05,
2008
+ "loss": 0.3417,
2009
+ "num_tokens": 242199383.0,
2010
+ "step": 250
2011
+ },
2012
+ {
2013
+ "epoch": 1.6213592233009708,
2014
+ "grad_norm": 0.18958935141563416,
2015
+ "learning_rate": 5e-05,
2016
+ "loss": 0.3358,
2017
+ "num_tokens": 243205373.0,
2018
+ "step": 251
2019
+ },
2020
+ {
2021
+ "epoch": 1.6278317152103559,
2022
+ "grad_norm": 0.1921786665916443,
2023
+ "learning_rate": 5e-05,
2024
+ "loss": 0.3299,
2025
+ "num_tokens": 244177909.0,
2026
+ "step": 252
2027
+ },
2028
+ {
2029
+ "epoch": 1.6343042071197411,
2030
+ "grad_norm": 0.1913369745016098,
2031
+ "learning_rate": 5e-05,
2032
+ "loss": 0.3428,
2033
+ "num_tokens": 245165218.0,
2034
+ "step": 253
2035
+ },
2036
+ {
2037
+ "epoch": 1.6407766990291264,
2038
+ "grad_norm": 0.2190655767917633,
2039
+ "learning_rate": 5e-05,
2040
+ "loss": 0.3325,
2041
+ "num_tokens": 246106607.0,
2042
+ "step": 254
2043
+ },
2044
+ {
2045
+ "epoch": 1.6472491909385112,
2046
+ "grad_norm": 0.196571484208107,
2047
+ "learning_rate": 5e-05,
2048
+ "loss": 0.3381,
2049
+ "num_tokens": 247086207.0,
2050
+ "step": 255
2051
+ },
2052
+ {
2053
+ "epoch": 1.6537216828478964,
2054
+ "grad_norm": 0.21676744520664215,
2055
+ "learning_rate": 5e-05,
2056
+ "loss": 0.3398,
2057
+ "num_tokens": 248068946.0,
2058
+ "step": 256
2059
+ },
2060
+ {
2061
+ "epoch": 1.6601941747572817,
2062
+ "grad_norm": 0.18862760066986084,
2063
+ "learning_rate": 5e-05,
2064
+ "loss": 0.3333,
2065
+ "num_tokens": 249047854.0,
2066
+ "step": 257
2067
+ },
2068
+ {
2069
+ "epoch": 1.6666666666666665,
2070
+ "grad_norm": 0.18911020457744598,
2071
+ "learning_rate": 5e-05,
2072
+ "loss": 0.3437,
2073
+ "num_tokens": 250033293.0,
2074
+ "step": 258
2075
+ },
2076
+ {
2077
+ "epoch": 1.6731391585760518,
2078
+ "grad_norm": 0.17415007948875427,
2079
+ "learning_rate": 5e-05,
2080
+ "loss": 0.3399,
2081
+ "num_tokens": 251008614.0,
2082
+ "step": 259
2083
+ },
2084
+ {
2085
+ "epoch": 1.679611650485437,
2086
+ "grad_norm": 0.1821623295545578,
2087
+ "learning_rate": 5e-05,
2088
+ "loss": 0.333,
2089
+ "num_tokens": 251959677.0,
2090
+ "step": 260
2091
+ },
2092
+ {
2093
+ "epoch": 1.6860841423948218,
2094
+ "grad_norm": 0.19831088185310364,
2095
+ "learning_rate": 5e-05,
2096
+ "loss": 0.3416,
2097
+ "num_tokens": 252935571.0,
2098
+ "step": 261
2099
+ },
2100
+ {
2101
+ "epoch": 1.692556634304207,
2102
+ "grad_norm": 0.19969160854816437,
2103
+ "learning_rate": 5e-05,
2104
+ "loss": 0.34,
2105
+ "num_tokens": 253879032.0,
2106
+ "step": 262
2107
+ },
2108
+ {
2109
+ "epoch": 1.6990291262135924,
2110
+ "grad_norm": 0.17339688539505005,
2111
+ "learning_rate": 5e-05,
2112
+ "loss": 0.3266,
2113
+ "num_tokens": 254826418.0,
2114
+ "step": 263
2115
+ },
2116
+ {
2117
+ "epoch": 1.7055016181229772,
2118
+ "grad_norm": 0.1652975082397461,
2119
+ "learning_rate": 5e-05,
2120
+ "loss": 0.3397,
2121
+ "num_tokens": 255785864.0,
2122
+ "step": 264
2123
+ },
2124
+ {
2125
+ "epoch": 1.7119741100323624,
2126
+ "grad_norm": 0.18107086420059204,
2127
+ "learning_rate": 5e-05,
2128
+ "loss": 0.3347,
2129
+ "num_tokens": 256751813.0,
2130
+ "step": 265
2131
+ },
2132
+ {
2133
+ "epoch": 1.7184466019417477,
2134
+ "grad_norm": 0.23111234605312347,
2135
+ "learning_rate": 5e-05,
2136
+ "loss": 0.3419,
2137
+ "num_tokens": 257721834.0,
2138
+ "step": 266
2139
+ },
2140
+ {
2141
+ "epoch": 1.7249190938511327,
2142
+ "grad_norm": 0.19649353623390198,
2143
+ "learning_rate": 5e-05,
2144
+ "loss": 0.3398,
2145
+ "num_tokens": 258673121.0,
2146
+ "step": 267
2147
+ },
2148
+ {
2149
+ "epoch": 1.7313915857605178,
2150
+ "grad_norm": 0.18504799902439117,
2151
+ "learning_rate": 5e-05,
2152
+ "loss": 0.3437,
2153
+ "num_tokens": 259660088.0,
2154
+ "step": 268
2155
+ },
2156
+ {
2157
+ "epoch": 1.737864077669903,
2158
+ "grad_norm": 0.172653466463089,
2159
+ "learning_rate": 5e-05,
2160
+ "loss": 0.3438,
2161
+ "num_tokens": 260659515.0,
2162
+ "step": 269
2163
+ },
2164
+ {
2165
+ "epoch": 1.744336569579288,
2166
+ "grad_norm": 0.180886372923851,
2167
+ "learning_rate": 5e-05,
2168
+ "loss": 0.3386,
2169
+ "num_tokens": 261673283.0,
2170
+ "step": 270
2171
+ },
2172
+ {
2173
+ "epoch": 1.750809061488673,
2174
+ "grad_norm": 0.19707052409648895,
2175
+ "learning_rate": 5e-05,
2176
+ "loss": 0.3318,
2177
+ "num_tokens": 262663793.0,
2178
+ "step": 271
2179
+ },
2180
+ {
2181
+ "epoch": 1.7572815533980584,
2182
+ "grad_norm": 0.21546867489814758,
2183
+ "learning_rate": 5e-05,
2184
+ "loss": 0.3382,
2185
+ "num_tokens": 263631573.0,
2186
+ "step": 272
2187
+ },
2188
+ {
2189
+ "epoch": 1.7637540453074434,
2190
+ "grad_norm": 0.19814084470272064,
2191
+ "learning_rate": 5e-05,
2192
+ "loss": 0.3427,
2193
+ "num_tokens": 264625690.0,
2194
+ "step": 273
2195
+ },
2196
+ {
2197
+ "epoch": 1.7702265372168284,
2198
+ "grad_norm": 0.19324062764644623,
2199
+ "learning_rate": 5e-05,
2200
+ "loss": 0.3279,
2201
+ "num_tokens": 265585386.0,
2202
+ "step": 274
2203
+ },
2204
+ {
2205
+ "epoch": 1.7766990291262137,
2206
+ "grad_norm": 0.16428862512111664,
2207
+ "learning_rate": 5e-05,
2208
+ "loss": 0.3455,
2209
+ "num_tokens": 266565331.0,
2210
+ "step": 275
2211
+ },
2212
+ {
2213
+ "epoch": 1.7831715210355987,
2214
+ "grad_norm": 0.20684756338596344,
2215
+ "learning_rate": 5e-05,
2216
+ "loss": 0.3357,
2217
+ "num_tokens": 267570388.0,
2218
+ "step": 276
2219
+ },
2220
+ {
2221
+ "epoch": 1.7896440129449838,
2222
+ "grad_norm": 0.18957240879535675,
2223
+ "learning_rate": 5e-05,
2224
+ "loss": 0.3364,
2225
+ "num_tokens": 268536852.0,
2226
+ "step": 277
2227
+ },
2228
+ {
2229
+ "epoch": 1.796116504854369,
2230
+ "grad_norm": 0.17509396374225616,
2231
+ "learning_rate": 5e-05,
2232
+ "loss": 0.3422,
2233
+ "num_tokens": 269499895.0,
2234
+ "step": 278
2235
+ },
2236
+ {
2237
+ "epoch": 1.802588996763754,
2238
+ "grad_norm": 0.16740205883979797,
2239
+ "learning_rate": 5e-05,
2240
+ "loss": 0.3325,
2241
+ "num_tokens": 270449454.0,
2242
+ "step": 279
2243
+ },
2244
+ {
2245
+ "epoch": 1.809061488673139,
2246
+ "grad_norm": 0.1855873316526413,
2247
+ "learning_rate": 5e-05,
2248
+ "loss": 0.3315,
2249
+ "num_tokens": 271445748.0,
2250
+ "step": 280
2251
+ },
2252
+ {
2253
+ "epoch": 1.8155339805825244,
2254
+ "grad_norm": 0.15973623096942902,
2255
+ "learning_rate": 5e-05,
2256
+ "loss": 0.3382,
2257
+ "num_tokens": 272437678.0,
2258
+ "step": 281
2259
+ },
2260
+ {
2261
+ "epoch": 1.8220064724919094,
2262
+ "grad_norm": 0.17084303498268127,
2263
+ "learning_rate": 5e-05,
2264
+ "loss": 0.3408,
2265
+ "num_tokens": 273421632.0,
2266
+ "step": 282
2267
+ },
2268
+ {
2269
+ "epoch": 1.8284789644012944,
2270
+ "grad_norm": 0.1683521568775177,
2271
+ "learning_rate": 5e-05,
2272
+ "loss": 0.3305,
2273
+ "num_tokens": 274382121.0,
2274
+ "step": 283
2275
+ },
2276
+ {
2277
+ "epoch": 1.8349514563106797,
2278
+ "grad_norm": 0.18775099515914917,
2279
+ "learning_rate": 5e-05,
2280
+ "loss": 0.3277,
2281
+ "num_tokens": 275355409.0,
2282
+ "step": 284
2283
+ },
2284
+ {
2285
+ "epoch": 1.8414239482200647,
2286
+ "grad_norm": 0.19409479200839996,
2287
+ "learning_rate": 5e-05,
2288
+ "loss": 0.3323,
2289
+ "num_tokens": 276363366.0,
2290
+ "step": 285
2291
+ },
2292
+ {
2293
+ "epoch": 1.8478964401294498,
2294
+ "grad_norm": 0.19770023226737976,
2295
+ "learning_rate": 5e-05,
2296
+ "loss": 0.3379,
2297
+ "num_tokens": 277316291.0,
2298
+ "step": 286
2299
+ },
2300
+ {
2301
+ "epoch": 1.854368932038835,
2302
+ "grad_norm": 0.19350184500217438,
2303
+ "learning_rate": 5e-05,
2304
+ "loss": 0.3375,
2305
+ "num_tokens": 278277485.0,
2306
+ "step": 287
2307
+ },
2308
+ {
2309
+ "epoch": 1.86084142394822,
2310
+ "grad_norm": 0.17950181663036346,
2311
+ "learning_rate": 5e-05,
2312
+ "loss": 0.3298,
2313
+ "num_tokens": 279263638.0,
2314
+ "step": 288
2315
+ },
2316
+ {
2317
+ "epoch": 1.867313915857605,
2318
+ "grad_norm": 0.1721695512533188,
2319
+ "learning_rate": 5e-05,
2320
+ "loss": 0.3304,
2321
+ "num_tokens": 280229543.0,
2322
+ "step": 289
2323
+ },
2324
+ {
2325
+ "epoch": 1.8737864077669903,
2326
+ "grad_norm": 0.15675385296344757,
2327
+ "learning_rate": 5e-05,
2328
+ "loss": 0.3299,
2329
+ "num_tokens": 281207364.0,
2330
+ "step": 290
2331
+ },
2332
+ {
2333
+ "epoch": 1.8802588996763754,
2334
+ "grad_norm": 0.1917867511510849,
2335
+ "learning_rate": 5e-05,
2336
+ "loss": 0.3291,
2337
+ "num_tokens": 282156358.0,
2338
+ "step": 291
2339
+ },
2340
+ {
2341
+ "epoch": 1.8867313915857604,
2342
+ "grad_norm": 0.18502658605575562,
2343
+ "learning_rate": 5e-05,
2344
+ "loss": 0.3324,
2345
+ "num_tokens": 283119435.0,
2346
+ "step": 292
2347
+ },
2348
+ {
2349
+ "epoch": 1.8932038834951457,
2350
+ "grad_norm": 0.17235122621059418,
2351
+ "learning_rate": 5e-05,
2352
+ "loss": 0.3393,
2353
+ "num_tokens": 284084676.0,
2354
+ "step": 293
2355
+ },
2356
+ {
2357
+ "epoch": 1.8996763754045307,
2358
+ "grad_norm": 0.18662425875663757,
2359
+ "learning_rate": 5e-05,
2360
+ "loss": 0.3507,
2361
+ "num_tokens": 285051682.0,
2362
+ "step": 294
2363
+ },
2364
+ {
2365
+ "epoch": 1.9061488673139158,
2366
+ "grad_norm": 0.1718778908252716,
2367
+ "learning_rate": 5e-05,
2368
+ "loss": 0.3358,
2369
+ "num_tokens": 286037634.0,
2370
+ "step": 295
2371
+ },
2372
+ {
2373
+ "epoch": 1.912621359223301,
2374
+ "grad_norm": 0.16769616305828094,
2375
+ "learning_rate": 5e-05,
2376
+ "loss": 0.3305,
2377
+ "num_tokens": 287028258.0,
2378
+ "step": 296
2379
+ },
2380
+ {
2381
+ "epoch": 1.919093851132686,
2382
+ "grad_norm": 0.1893540471792221,
2383
+ "learning_rate": 5e-05,
2384
+ "loss": 0.3333,
2385
+ "num_tokens": 287996979.0,
2386
+ "step": 297
2387
+ },
2388
+ {
2389
+ "epoch": 1.925566343042071,
2390
+ "grad_norm": 0.20489463210105896,
2391
+ "learning_rate": 5e-05,
2392
+ "loss": 0.3336,
2393
+ "num_tokens": 288984893.0,
2394
+ "step": 298
2395
+ },
2396
+ {
2397
+ "epoch": 1.9320388349514563,
2398
+ "grad_norm": 0.17792005836963654,
2399
+ "learning_rate": 5e-05,
2400
+ "loss": 0.3354,
2401
+ "num_tokens": 289948988.0,
2402
+ "step": 299
2403
+ },
2404
+ {
2405
+ "epoch": 1.9385113268608414,
2406
+ "grad_norm": 0.1810276359319687,
2407
+ "learning_rate": 5e-05,
2408
+ "loss": 0.3408,
2409
+ "num_tokens": 290947258.0,
2410
+ "step": 300
2411
+ },
2412
+ {
2413
+ "epoch": 1.9449838187702264,
2414
+ "grad_norm": 0.19058284163475037,
2415
+ "learning_rate": 5e-05,
2416
+ "loss": 0.3366,
2417
+ "num_tokens": 291896825.0,
2418
+ "step": 301
2419
+ },
2420
+ {
2421
+ "epoch": 1.9514563106796117,
2422
+ "grad_norm": 0.19804033637046814,
2423
+ "learning_rate": 5e-05,
2424
+ "loss": 0.3272,
2425
+ "num_tokens": 292874918.0,
2426
+ "step": 302
2427
+ },
2428
+ {
2429
+ "epoch": 1.9579288025889967,
2430
+ "grad_norm": 0.2071111500263214,
2431
+ "learning_rate": 5e-05,
2432
+ "loss": 0.3388,
2433
+ "num_tokens": 293858095.0,
2434
+ "step": 303
2435
+ },
2436
+ {
2437
+ "epoch": 1.9644012944983817,
2438
+ "grad_norm": 0.18215212225914001,
2439
+ "learning_rate": 5e-05,
2440
+ "loss": 0.3403,
2441
+ "num_tokens": 294831363.0,
2442
+ "step": 304
2443
+ },
2444
+ {
2445
+ "epoch": 1.970873786407767,
2446
+ "grad_norm": 0.15112967789173126,
2447
+ "learning_rate": 5e-05,
2448
+ "loss": 0.3299,
2449
+ "num_tokens": 295815029.0,
2450
+ "step": 305
2451
+ },
2452
+ {
2453
+ "epoch": 1.9773462783171523,
2454
+ "grad_norm": 0.17273668944835663,
2455
+ "learning_rate": 5e-05,
2456
+ "loss": 0.3428,
2457
+ "num_tokens": 296783225.0,
2458
+ "step": 306
2459
+ },
2460
+ {
2461
+ "epoch": 1.983818770226537,
2462
+ "grad_norm": 0.17477214336395264,
2463
+ "learning_rate": 5e-05,
2464
+ "loss": 0.3337,
2465
+ "num_tokens": 297740638.0,
2466
+ "step": 307
2467
+ },
2468
+ {
2469
+ "epoch": 1.9902912621359223,
2470
+ "grad_norm": 0.183084636926651,
2471
+ "learning_rate": 5e-05,
2472
+ "loss": 0.3443,
2473
+ "num_tokens": 298713508.0,
2474
+ "step": 308
2475
+ },
2476
+ {
2477
+ "epoch": 1.9967637540453076,
2478
+ "grad_norm": 0.1524902880191803,
2479
+ "learning_rate": 5e-05,
2480
+ "loss": 0.3363,
2481
+ "num_tokens": 299687136.0,
2482
+ "step": 309
2483
+ },
2484
+ {
2485
+ "epoch": 2.0,
2486
+ "grad_norm": 0.2531540095806122,
2487
+ "learning_rate": 5e-05,
2488
+ "loss": 0.3098,
2489
+ "num_tokens": 300160844.0,
2490
+ "step": 310
2491
+ },
2492
+ {
2493
+ "epoch": 2.0064724919093853,
2494
+ "grad_norm": 0.22765809297561646,
2495
+ "learning_rate": 5e-05,
2496
+ "loss": 0.2614,
2497
+ "num_tokens": 301102396.0,
2498
+ "step": 311
2499
+ },
2500
+ {
2501
+ "epoch": 2.01294498381877,
2502
+ "grad_norm": 0.2378404140472412,
2503
+ "learning_rate": 5e-05,
2504
+ "loss": 0.2622,
2505
+ "num_tokens": 302075156.0,
2506
+ "step": 312
2507
+ },
2508
+ {
2509
+ "epoch": 2.0194174757281553,
2510
+ "grad_norm": 0.22973977029323578,
2511
+ "learning_rate": 5e-05,
2512
+ "loss": 0.2604,
2513
+ "num_tokens": 303057420.0,
2514
+ "step": 313
2515
+ },
2516
+ {
2517
+ "epoch": 2.0258899676375406,
2518
+ "grad_norm": 0.21607546508312225,
2519
+ "learning_rate": 5e-05,
2520
+ "loss": 0.2571,
2521
+ "num_tokens": 304035012.0,
2522
+ "step": 314
2523
+ },
2524
+ {
2525
+ "epoch": 2.0323624595469254,
2526
+ "grad_norm": 0.25009459257125854,
2527
+ "learning_rate": 5e-05,
2528
+ "loss": 0.2624,
2529
+ "num_tokens": 305020171.0,
2530
+ "step": 315
2531
+ },
2532
+ {
2533
+ "epoch": 2.0388349514563107,
2534
+ "grad_norm": 0.2218926101922989,
2535
+ "learning_rate": 5e-05,
2536
+ "loss": 0.2611,
2537
+ "num_tokens": 305997805.0,
2538
+ "step": 316
2539
+ },
2540
+ {
2541
+ "epoch": 2.045307443365696,
2542
+ "grad_norm": 0.19613030552864075,
2543
+ "learning_rate": 5e-05,
2544
+ "loss": 0.2594,
2545
+ "num_tokens": 306946495.0,
2546
+ "step": 317
2547
+ },
2548
+ {
2549
+ "epoch": 2.0517799352750807,
2550
+ "grad_norm": 0.23204907774925232,
2551
+ "learning_rate": 5e-05,
2552
+ "loss": 0.2636,
2553
+ "num_tokens": 307898930.0,
2554
+ "step": 318
2555
+ },
2556
+ {
2557
+ "epoch": 2.058252427184466,
2558
+ "grad_norm": 0.20592013001441956,
2559
+ "learning_rate": 5e-05,
2560
+ "loss": 0.2554,
2561
+ "num_tokens": 308853869.0,
2562
+ "step": 319
2563
+ },
2564
+ {
2565
+ "epoch": 2.0647249190938513,
2566
+ "grad_norm": 0.2031695544719696,
2567
+ "learning_rate": 5e-05,
2568
+ "loss": 0.2584,
2569
+ "num_tokens": 309835585.0,
2570
+ "step": 320
2571
+ },
2572
+ {
2573
+ "epoch": 2.071197411003236,
2574
+ "grad_norm": 0.2156866490840912,
2575
+ "learning_rate": 5e-05,
2576
+ "loss": 0.2544,
2577
+ "num_tokens": 310815130.0,
2578
+ "step": 321
2579
+ },
2580
+ {
2581
+ "epoch": 2.0776699029126213,
2582
+ "grad_norm": 0.21014027297496796,
2583
+ "learning_rate": 5e-05,
2584
+ "loss": 0.2644,
2585
+ "num_tokens": 311797693.0,
2586
+ "step": 322
2587
+ },
2588
+ {
2589
+ "epoch": 2.0841423948220066,
2590
+ "grad_norm": 0.19828633964061737,
2591
+ "learning_rate": 5e-05,
2592
+ "loss": 0.2569,
2593
+ "num_tokens": 312741860.0,
2594
+ "step": 323
2595
+ },
2596
+ {
2597
+ "epoch": 2.0906148867313914,
2598
+ "grad_norm": 0.24393822252750397,
2599
+ "learning_rate": 5e-05,
2600
+ "loss": 0.259,
2601
+ "num_tokens": 313699114.0,
2602
+ "step": 324
2603
+ },
2604
+ {
2605
+ "epoch": 2.0970873786407767,
2606
+ "grad_norm": 0.2079489678144455,
2607
+ "learning_rate": 5e-05,
2608
+ "loss": 0.2603,
2609
+ "num_tokens": 314676353.0,
2610
+ "step": 325
2611
+ },
2612
+ {
2613
+ "epoch": 2.103559870550162,
2614
+ "grad_norm": 0.19386853277683258,
2615
+ "learning_rate": 5e-05,
2616
+ "loss": 0.2632,
2617
+ "num_tokens": 315619556.0,
2618
+ "step": 326
2619
+ },
2620
+ {
2621
+ "epoch": 2.1100323624595467,
2622
+ "grad_norm": 0.20605434477329254,
2623
+ "learning_rate": 5e-05,
2624
+ "loss": 0.2628,
2625
+ "num_tokens": 316593419.0,
2626
+ "step": 327
2627
+ },
2628
+ {
2629
+ "epoch": 2.116504854368932,
2630
+ "grad_norm": 0.17503254115581512,
2631
+ "learning_rate": 5e-05,
2632
+ "loss": 0.2505,
2633
+ "num_tokens": 317586062.0,
2634
+ "step": 328
2635
+ },
2636
+ {
2637
+ "epoch": 2.1229773462783172,
2638
+ "grad_norm": 0.19255898892879486,
2639
+ "learning_rate": 5e-05,
2640
+ "loss": 0.2579,
2641
+ "num_tokens": 318557320.0,
2642
+ "step": 329
2643
+ },
2644
+ {
2645
+ "epoch": 2.129449838187702,
2646
+ "grad_norm": 0.18474873900413513,
2647
+ "learning_rate": 5e-05,
2648
+ "loss": 0.2572,
2649
+ "num_tokens": 319521712.0,
2650
+ "step": 330
2651
+ },
2652
+ {
2653
+ "epoch": 2.1359223300970873,
2654
+ "grad_norm": 0.1876448690891266,
2655
+ "learning_rate": 5e-05,
2656
+ "loss": 0.263,
2657
+ "num_tokens": 320503248.0,
2658
+ "step": 331
2659
+ },
2660
+ {
2661
+ "epoch": 2.1423948220064726,
2662
+ "grad_norm": 0.1980055868625641,
2663
+ "learning_rate": 5e-05,
2664
+ "loss": 0.2625,
2665
+ "num_tokens": 321501454.0,
2666
+ "step": 332
2667
+ },
2668
+ {
2669
+ "epoch": 2.148867313915858,
2670
+ "grad_norm": 0.19981230795383453,
2671
+ "learning_rate": 5e-05,
2672
+ "loss": 0.26,
2673
+ "num_tokens": 322456831.0,
2674
+ "step": 333
2675
+ },
2676
+ {
2677
+ "epoch": 2.1553398058252426,
2678
+ "grad_norm": 0.20402458310127258,
2679
+ "learning_rate": 5e-05,
2680
+ "loss": 0.2591,
2681
+ "num_tokens": 323415821.0,
2682
+ "step": 334
2683
+ },
2684
+ {
2685
+ "epoch": 2.161812297734628,
2686
+ "grad_norm": 0.25081008672714233,
2687
+ "learning_rate": 5e-05,
2688
+ "loss": 0.2628,
2689
+ "num_tokens": 324385718.0,
2690
+ "step": 335
2691
+ },
2692
+ {
2693
+ "epoch": 2.168284789644013,
2694
+ "grad_norm": 0.18330006301403046,
2695
+ "learning_rate": 5e-05,
2696
+ "loss": 0.2585,
2697
+ "num_tokens": 325330934.0,
2698
+ "step": 336
2699
+ },
2700
+ {
2701
+ "epoch": 2.174757281553398,
2702
+ "grad_norm": 0.17511707544326782,
2703
+ "learning_rate": 5e-05,
2704
+ "loss": 0.2609,
2705
+ "num_tokens": 326277294.0,
2706
+ "step": 337
2707
+ },
2708
+ {
2709
+ "epoch": 2.1812297734627832,
2710
+ "grad_norm": 0.19182541966438293,
2711
+ "learning_rate": 5e-05,
2712
+ "loss": 0.2561,
2713
+ "num_tokens": 327249393.0,
2714
+ "step": 338
2715
+ },
2716
+ {
2717
+ "epoch": 2.1877022653721685,
2718
+ "grad_norm": 0.1984628140926361,
2719
+ "learning_rate": 5e-05,
2720
+ "loss": 0.2603,
2721
+ "num_tokens": 328230895.0,
2722
+ "step": 339
2723
+ },
2724
+ {
2725
+ "epoch": 2.1941747572815533,
2726
+ "grad_norm": 0.2331947386264801,
2727
+ "learning_rate": 5e-05,
2728
+ "loss": 0.263,
2729
+ "num_tokens": 329211471.0,
2730
+ "step": 340
2731
+ },
2732
+ {
2733
+ "epoch": 2.2006472491909386,
2734
+ "grad_norm": 0.2167729288339615,
2735
+ "learning_rate": 5e-05,
2736
+ "loss": 0.2618,
2737
+ "num_tokens": 330165352.0,
2738
+ "step": 341
2739
+ },
2740
+ {
2741
+ "epoch": 2.207119741100324,
2742
+ "grad_norm": 0.1731816977262497,
2743
+ "learning_rate": 5e-05,
2744
+ "loss": 0.2577,
2745
+ "num_tokens": 331112466.0,
2746
+ "step": 342
2747
+ },
2748
+ {
2749
+ "epoch": 2.2135922330097086,
2750
+ "grad_norm": 0.1722971647977829,
2751
+ "learning_rate": 5e-05,
2752
+ "loss": 0.2543,
2753
+ "num_tokens": 332076946.0,
2754
+ "step": 343
2755
+ },
2756
+ {
2757
+ "epoch": 2.220064724919094,
2758
+ "grad_norm": 0.20503529906272888,
2759
+ "learning_rate": 5e-05,
2760
+ "loss": 0.2554,
2761
+ "num_tokens": 333063256.0,
2762
+ "step": 344
2763
+ },
2764
+ {
2765
+ "epoch": 2.226537216828479,
2766
+ "grad_norm": 0.2305249273777008,
2767
+ "learning_rate": 5e-05,
2768
+ "loss": 0.2647,
2769
+ "num_tokens": 334026829.0,
2770
+ "step": 345
2771
+ },
2772
+ {
2773
+ "epoch": 2.233009708737864,
2774
+ "grad_norm": 0.19918742775917053,
2775
+ "learning_rate": 5e-05,
2776
+ "loss": 0.258,
2777
+ "num_tokens": 335023881.0,
2778
+ "step": 346
2779
+ },
2780
+ {
2781
+ "epoch": 2.2394822006472492,
2782
+ "grad_norm": 0.1792277842760086,
2783
+ "learning_rate": 5e-05,
2784
+ "loss": 0.26,
2785
+ "num_tokens": 336010678.0,
2786
+ "step": 347
2787
+ },
2788
+ {
2789
+ "epoch": 2.2459546925566345,
2790
+ "grad_norm": 0.20549416542053223,
2791
+ "learning_rate": 5e-05,
2792
+ "loss": 0.2617,
2793
+ "num_tokens": 336975057.0,
2794
+ "step": 348
2795
+ },
2796
+ {
2797
+ "epoch": 2.2524271844660193,
2798
+ "grad_norm": 0.18338747322559357,
2799
+ "learning_rate": 5e-05,
2800
+ "loss": 0.2614,
2801
+ "num_tokens": 337918498.0,
2802
+ "step": 349
2803
+ },
2804
+ {
2805
+ "epoch": 2.2588996763754046,
2806
+ "grad_norm": 0.2006232738494873,
2807
+ "learning_rate": 5e-05,
2808
+ "loss": 0.2567,
2809
+ "num_tokens": 338909441.0,
2810
+ "step": 350
2811
+ },
2812
+ {
2813
+ "epoch": 2.26537216828479,
2814
+ "grad_norm": 0.18148912489414215,
2815
+ "learning_rate": 5e-05,
2816
+ "loss": 0.2633,
2817
+ "num_tokens": 339884565.0,
2818
+ "step": 351
2819
+ },
2820
+ {
2821
+ "epoch": 2.2718446601941746,
2822
+ "grad_norm": 0.19440388679504395,
2823
+ "learning_rate": 5e-05,
2824
+ "loss": 0.2589,
2825
+ "num_tokens": 340849615.0,
2826
+ "step": 352
2827
+ },
2828
+ {
2829
+ "epoch": 2.27831715210356,
2830
+ "grad_norm": 0.22656117379665375,
2831
+ "learning_rate": 5e-05,
2832
+ "loss": 0.265,
2833
+ "num_tokens": 341812130.0,
2834
+ "step": 353
2835
+ },
2836
+ {
2837
+ "epoch": 2.284789644012945,
2838
+ "grad_norm": 0.1865127980709076,
2839
+ "learning_rate": 5e-05,
2840
+ "loss": 0.267,
2841
+ "num_tokens": 342798689.0,
2842
+ "step": 354
2843
+ },
2844
+ {
2845
+ "epoch": 2.29126213592233,
2846
+ "grad_norm": 0.18646317720413208,
2847
+ "learning_rate": 5e-05,
2848
+ "loss": 0.2627,
2849
+ "num_tokens": 343777378.0,
2850
+ "step": 355
2851
+ },
2852
+ {
2853
+ "epoch": 2.2977346278317152,
2854
+ "grad_norm": 0.1813158243894577,
2855
+ "learning_rate": 5e-05,
2856
+ "loss": 0.2663,
2857
+ "num_tokens": 344722430.0,
2858
+ "step": 356
2859
+ },
2860
+ {
2861
+ "epoch": 2.3042071197411005,
2862
+ "grad_norm": 0.1691797971725464,
2863
+ "learning_rate": 5e-05,
2864
+ "loss": 0.2591,
2865
+ "num_tokens": 345692509.0,
2866
+ "step": 357
2867
+ },
2868
+ {
2869
+ "epoch": 2.3106796116504853,
2870
+ "grad_norm": 0.1962641179561615,
2871
+ "learning_rate": 5e-05,
2872
+ "loss": 0.2595,
2873
+ "num_tokens": 346680167.0,
2874
+ "step": 358
2875
+ },
2876
+ {
2877
+ "epoch": 2.3171521035598706,
2878
+ "grad_norm": 0.17452265322208405,
2879
+ "learning_rate": 5e-05,
2880
+ "loss": 0.2669,
2881
+ "num_tokens": 347684225.0,
2882
+ "step": 359
2883
+ },
2884
+ {
2885
+ "epoch": 2.323624595469256,
2886
+ "grad_norm": 0.1666034311056137,
2887
+ "learning_rate": 5e-05,
2888
+ "loss": 0.2614,
2889
+ "num_tokens": 348650945.0,
2890
+ "step": 360
2891
+ },
2892
+ {
2893
+ "epoch": 2.3300970873786406,
2894
+ "grad_norm": 0.19067111611366272,
2895
+ "learning_rate": 5e-05,
2896
+ "loss": 0.2624,
2897
+ "num_tokens": 349609701.0,
2898
+ "step": 361
2899
+ },
2900
+ {
2901
+ "epoch": 2.336569579288026,
2902
+ "grad_norm": 0.20523084700107574,
2903
+ "learning_rate": 5e-05,
2904
+ "loss": 0.2638,
2905
+ "num_tokens": 350570434.0,
2906
+ "step": 362
2907
+ },
2908
+ {
2909
+ "epoch": 2.343042071197411,
2910
+ "grad_norm": 0.2024819701910019,
2911
+ "learning_rate": 5e-05,
2912
+ "loss": 0.2648,
2913
+ "num_tokens": 351557109.0,
2914
+ "step": 363
2915
+ },
2916
+ {
2917
+ "epoch": 2.349514563106796,
2918
+ "grad_norm": 0.211598739027977,
2919
+ "learning_rate": 5e-05,
2920
+ "loss": 0.2664,
2921
+ "num_tokens": 352535505.0,
2922
+ "step": 364
2923
+ },
2924
+ {
2925
+ "epoch": 2.355987055016181,
2926
+ "grad_norm": 0.17019622027873993,
2927
+ "learning_rate": 5e-05,
2928
+ "loss": 0.2639,
2929
+ "num_tokens": 353532460.0,
2930
+ "step": 365
2931
+ },
2932
+ {
2933
+ "epoch": 2.3624595469255665,
2934
+ "grad_norm": 0.1669609695672989,
2935
+ "learning_rate": 5e-05,
2936
+ "loss": 0.2656,
2937
+ "num_tokens": 354512411.0,
2938
+ "step": 366
2939
+ },
2940
+ {
2941
+ "epoch": 2.3689320388349513,
2942
+ "grad_norm": 0.19705989956855774,
2943
+ "learning_rate": 5e-05,
2944
+ "loss": 0.2638,
2945
+ "num_tokens": 355502656.0,
2946
+ "step": 367
2947
+ },
2948
+ {
2949
+ "epoch": 2.3754045307443366,
2950
+ "grad_norm": 0.19132933020591736,
2951
+ "learning_rate": 5e-05,
2952
+ "loss": 0.2605,
2953
+ "num_tokens": 356484097.0,
2954
+ "step": 368
2955
+ },
2956
+ {
2957
+ "epoch": 2.381877022653722,
2958
+ "grad_norm": 0.19469107687473297,
2959
+ "learning_rate": 5e-05,
2960
+ "loss": 0.2689,
2961
+ "num_tokens": 357461867.0,
2962
+ "step": 369
2963
+ },
2964
+ {
2965
+ "epoch": 2.3883495145631066,
2966
+ "grad_norm": 0.19512927532196045,
2967
+ "learning_rate": 5e-05,
2968
+ "loss": 0.2672,
2969
+ "num_tokens": 358424717.0,
2970
+ "step": 370
2971
+ },
2972
+ {
2973
+ "epoch": 2.394822006472492,
2974
+ "grad_norm": 0.17178840935230255,
2975
+ "learning_rate": 5e-05,
2976
+ "loss": 0.2669,
2977
+ "num_tokens": 359395193.0,
2978
+ "step": 371
2979
+ },
2980
+ {
2981
+ "epoch": 2.401294498381877,
2982
+ "grad_norm": 0.204504132270813,
2983
+ "learning_rate": 5e-05,
2984
+ "loss": 0.2642,
2985
+ "num_tokens": 360370130.0,
2986
+ "step": 372
2987
+ },
2988
+ {
2989
+ "epoch": 2.407766990291262,
2990
+ "grad_norm": 0.19293123483657837,
2991
+ "learning_rate": 5e-05,
2992
+ "loss": 0.2651,
2993
+ "num_tokens": 361338296.0,
2994
+ "step": 373
2995
+ },
2996
+ {
2997
+ "epoch": 2.414239482200647,
2998
+ "grad_norm": 0.19161544740200043,
2999
+ "learning_rate": 5e-05,
3000
+ "loss": 0.2599,
3001
+ "num_tokens": 362303269.0,
3002
+ "step": 374
3003
+ },
3004
+ {
3005
+ "epoch": 2.4207119741100325,
3006
+ "grad_norm": 0.17606233060359955,
3007
+ "learning_rate": 5e-05,
3008
+ "loss": 0.2663,
3009
+ "num_tokens": 363269672.0,
3010
+ "step": 375
3011
+ },
3012
+ {
3013
+ "epoch": 2.4271844660194173,
3014
+ "grad_norm": 0.1838853657245636,
3015
+ "learning_rate": 5e-05,
3016
+ "loss": 0.2634,
3017
+ "num_tokens": 364215172.0,
3018
+ "step": 376
3019
+ },
3020
+ {
3021
+ "epoch": 2.4336569579288025,
3022
+ "grad_norm": 0.20035015046596527,
3023
+ "learning_rate": 5e-05,
3024
+ "loss": 0.2683,
3025
+ "num_tokens": 365199593.0,
3026
+ "step": 377
3027
+ },
3028
+ {
3029
+ "epoch": 2.440129449838188,
3030
+ "grad_norm": 0.19053298234939575,
3031
+ "learning_rate": 5e-05,
3032
+ "loss": 0.2639,
3033
+ "num_tokens": 366173715.0,
3034
+ "step": 378
3035
+ },
3036
+ {
3037
+ "epoch": 2.4466019417475726,
3038
+ "grad_norm": 0.18631167709827423,
3039
+ "learning_rate": 5e-05,
3040
+ "loss": 0.2656,
3041
+ "num_tokens": 367134817.0,
3042
+ "step": 379
3043
+ },
3044
+ {
3045
+ "epoch": 2.453074433656958,
3046
+ "grad_norm": 0.17177614569664001,
3047
+ "learning_rate": 5e-05,
3048
+ "loss": 0.2708,
3049
+ "num_tokens": 368117521.0,
3050
+ "step": 380
3051
+ },
3052
+ {
3053
+ "epoch": 2.459546925566343,
3054
+ "grad_norm": 0.15696385502815247,
3055
+ "learning_rate": 5e-05,
3056
+ "loss": 0.2682,
3057
+ "num_tokens": 369068188.0,
3058
+ "step": 381
3059
+ },
3060
+ {
3061
+ "epoch": 2.466019417475728,
3062
+ "grad_norm": 0.1704537272453308,
3063
+ "learning_rate": 5e-05,
3064
+ "loss": 0.2628,
3065
+ "num_tokens": 370072565.0,
3066
+ "step": 382
3067
+ },
3068
+ {
3069
+ "epoch": 2.472491909385113,
3070
+ "grad_norm": 0.16712012887001038,
3071
+ "learning_rate": 5e-05,
3072
+ "loss": 0.2625,
3073
+ "num_tokens": 371036282.0,
3074
+ "step": 383
3075
+ },
3076
+ {
3077
+ "epoch": 2.4789644012944985,
3078
+ "grad_norm": 0.1807146966457367,
3079
+ "learning_rate": 5e-05,
3080
+ "loss": 0.2665,
3081
+ "num_tokens": 372022740.0,
3082
+ "step": 384
3083
+ },
3084
+ {
3085
+ "epoch": 2.4854368932038833,
3086
+ "grad_norm": 0.18959781527519226,
3087
+ "learning_rate": 5e-05,
3088
+ "loss": 0.2661,
3089
+ "num_tokens": 373000607.0,
3090
+ "step": 385
3091
+ },
3092
+ {
3093
+ "epoch": 2.4919093851132685,
3094
+ "grad_norm": 0.1914069503545761,
3095
+ "learning_rate": 5e-05,
3096
+ "loss": 0.2674,
3097
+ "num_tokens": 373986218.0,
3098
+ "step": 386
3099
+ },
3100
+ {
3101
+ "epoch": 2.498381877022654,
3102
+ "grad_norm": 0.19182051718235016,
3103
+ "learning_rate": 5e-05,
3104
+ "loss": 0.2726,
3105
+ "num_tokens": 374968373.0,
3106
+ "step": 387
3107
+ },
3108
+ {
3109
+ "epoch": 2.5048543689320386,
3110
+ "grad_norm": 0.19095860421657562,
3111
+ "learning_rate": 5e-05,
3112
+ "loss": 0.2731,
3113
+ "num_tokens": 375953242.0,
3114
+ "step": 388
3115
+ },
3116
+ {
3117
+ "epoch": 2.511326860841424,
3118
+ "grad_norm": 0.16908369958400726,
3119
+ "learning_rate": 5e-05,
3120
+ "loss": 0.2667,
3121
+ "num_tokens": 376930298.0,
3122
+ "step": 389
3123
+ },
3124
+ {
3125
+ "epoch": 2.517799352750809,
3126
+ "grad_norm": 0.1663651317358017,
3127
+ "learning_rate": 5e-05,
3128
+ "loss": 0.2611,
3129
+ "num_tokens": 377892697.0,
3130
+ "step": 390
3131
+ },
3132
+ {
3133
+ "epoch": 2.524271844660194,
3134
+ "grad_norm": 0.15641413629055023,
3135
+ "learning_rate": 5e-05,
3136
+ "loss": 0.2668,
3137
+ "num_tokens": 378851468.0,
3138
+ "step": 391
3139
+ },
3140
+ {
3141
+ "epoch": 2.530744336569579,
3142
+ "grad_norm": 0.16256482899188995,
3143
+ "learning_rate": 5e-05,
3144
+ "loss": 0.2633,
3145
+ "num_tokens": 379796295.0,
3146
+ "step": 392
3147
+ },
3148
+ {
3149
+ "epoch": 2.5372168284789645,
3150
+ "grad_norm": 0.1653296798467636,
3151
+ "learning_rate": 5e-05,
3152
+ "loss": 0.2626,
3153
+ "num_tokens": 380749026.0,
3154
+ "step": 393
3155
+ },
3156
+ {
3157
+ "epoch": 2.5436893203883493,
3158
+ "grad_norm": 0.1858127862215042,
3159
+ "learning_rate": 5e-05,
3160
+ "loss": 0.2703,
3161
+ "num_tokens": 381732552.0,
3162
+ "step": 394
3163
+ },
3164
+ {
3165
+ "epoch": 2.5501618122977345,
3166
+ "grad_norm": 0.19651375710964203,
3167
+ "learning_rate": 5e-05,
3168
+ "loss": 0.2675,
3169
+ "num_tokens": 382685936.0,
3170
+ "step": 395
3171
+ },
3172
+ {
3173
+ "epoch": 2.55663430420712,
3174
+ "grad_norm": 0.19574522972106934,
3175
+ "learning_rate": 5e-05,
3176
+ "loss": 0.2681,
3177
+ "num_tokens": 383650180.0,
3178
+ "step": 396
3179
+ },
3180
+ {
3181
+ "epoch": 2.5631067961165046,
3182
+ "grad_norm": 0.1711733341217041,
3183
+ "learning_rate": 5e-05,
3184
+ "loss": 0.2697,
3185
+ "num_tokens": 384648157.0,
3186
+ "step": 397
3187
+ },
3188
+ {
3189
+ "epoch": 2.56957928802589,
3190
+ "grad_norm": 0.1619148850440979,
3191
+ "learning_rate": 5e-05,
3192
+ "loss": 0.2615,
3193
+ "num_tokens": 385633057.0,
3194
+ "step": 398
3195
+ },
3196
+ {
3197
+ "epoch": 2.576051779935275,
3198
+ "grad_norm": 0.1999882608652115,
3199
+ "learning_rate": 5e-05,
3200
+ "loss": 0.2695,
3201
+ "num_tokens": 386630696.0,
3202
+ "step": 399
3203
+ },
3204
+ {
3205
+ "epoch": 2.58252427184466,
3206
+ "grad_norm": 0.20654380321502686,
3207
+ "learning_rate": 5e-05,
3208
+ "loss": 0.2638,
3209
+ "num_tokens": 387613957.0,
3210
+ "step": 400
3211
+ },
3212
+ {
3213
+ "epoch": 2.588996763754045,
3214
+ "grad_norm": 0.16749776899814606,
3215
+ "learning_rate": 5e-05,
3216
+ "loss": 0.2688,
3217
+ "num_tokens": 388558267.0,
3218
+ "step": 401
3219
+ },
3220
+ {
3221
+ "epoch": 2.5954692556634305,
3222
+ "grad_norm": 0.19911642372608185,
3223
+ "learning_rate": 5e-05,
3224
+ "loss": 0.2647,
3225
+ "num_tokens": 389538588.0,
3226
+ "step": 402
3227
+ },
3228
+ {
3229
+ "epoch": 2.6019417475728153,
3230
+ "grad_norm": 0.2113586664199829,
3231
+ "learning_rate": 5e-05,
3232
+ "loss": 0.2674,
3233
+ "num_tokens": 390511972.0,
3234
+ "step": 403
3235
+ },
3236
+ {
3237
+ "epoch": 2.6084142394822005,
3238
+ "grad_norm": 0.18251682817935944,
3239
+ "learning_rate": 5e-05,
3240
+ "loss": 0.2722,
3241
+ "num_tokens": 391448045.0,
3242
+ "step": 404
3243
+ },
3244
+ {
3245
+ "epoch": 2.614886731391586,
3246
+ "grad_norm": 0.18107876181602478,
3247
+ "learning_rate": 5e-05,
3248
+ "loss": 0.2681,
3249
+ "num_tokens": 392472093.0,
3250
+ "step": 405
3251
+ },
3252
+ {
3253
+ "epoch": 2.6213592233009706,
3254
+ "grad_norm": 0.15655288100242615,
3255
+ "learning_rate": 5e-05,
3256
+ "loss": 0.2674,
3257
+ "num_tokens": 393430332.0,
3258
+ "step": 406
3259
+ },
3260
+ {
3261
+ "epoch": 2.627831715210356,
3262
+ "grad_norm": 0.17552509903907776,
3263
+ "learning_rate": 5e-05,
3264
+ "loss": 0.2752,
3265
+ "num_tokens": 394429159.0,
3266
+ "step": 407
3267
+ },
3268
+ {
3269
+ "epoch": 2.634304207119741,
3270
+ "grad_norm": 0.1833338737487793,
3271
+ "learning_rate": 5e-05,
3272
+ "loss": 0.2689,
3273
+ "num_tokens": 395426297.0,
3274
+ "step": 408
3275
+ },
3276
+ {
3277
+ "epoch": 2.6407766990291264,
3278
+ "grad_norm": 0.1764242798089981,
3279
+ "learning_rate": 5e-05,
3280
+ "loss": 0.27,
3281
+ "num_tokens": 396358492.0,
3282
+ "step": 409
3283
+ },
3284
+ {
3285
+ "epoch": 2.647249190938511,
3286
+ "grad_norm": 0.1662444919347763,
3287
+ "learning_rate": 5e-05,
3288
+ "loss": 0.2632,
3289
+ "num_tokens": 397312727.0,
3290
+ "step": 410
3291
+ },
3292
+ {
3293
+ "epoch": 2.6537216828478964,
3294
+ "grad_norm": 0.1601162552833557,
3295
+ "learning_rate": 5e-05,
3296
+ "loss": 0.2636,
3297
+ "num_tokens": 398277677.0,
3298
+ "step": 411
3299
+ },
3300
+ {
3301
+ "epoch": 2.6601941747572817,
3302
+ "grad_norm": 0.16820690035820007,
3303
+ "learning_rate": 5e-05,
3304
+ "loss": 0.2692,
3305
+ "num_tokens": 399270732.0,
3306
+ "step": 412
3307
+ },
3308
+ {
3309
+ "epoch": 2.6666666666666665,
3310
+ "grad_norm": 0.17408967018127441,
3311
+ "learning_rate": 5e-05,
3312
+ "loss": 0.2674,
3313
+ "num_tokens": 400214224.0,
3314
+ "step": 413
3315
+ },
3316
+ {
3317
+ "epoch": 2.6731391585760518,
3318
+ "grad_norm": 0.1643182784318924,
3319
+ "learning_rate": 5e-05,
3320
+ "loss": 0.2725,
3321
+ "num_tokens": 401197793.0,
3322
+ "step": 414
3323
+ },
3324
+ {
3325
+ "epoch": 2.679611650485437,
3326
+ "grad_norm": 0.1726103127002716,
3327
+ "learning_rate": 5e-05,
3328
+ "loss": 0.2717,
3329
+ "num_tokens": 402201191.0,
3330
+ "step": 415
3331
+ },
3332
+ {
3333
+ "epoch": 2.686084142394822,
3334
+ "grad_norm": 0.17164799571037292,
3335
+ "learning_rate": 5e-05,
3336
+ "loss": 0.2727,
3337
+ "num_tokens": 403166232.0,
3338
+ "step": 416
3339
+ },
3340
+ {
3341
+ "epoch": 2.692556634304207,
3342
+ "grad_norm": 0.18190601468086243,
3343
+ "learning_rate": 5e-05,
3344
+ "loss": 0.2741,
3345
+ "num_tokens": 404128378.0,
3346
+ "step": 417
3347
+ },
3348
+ {
3349
+ "epoch": 2.6990291262135924,
3350
+ "grad_norm": 0.1727588027715683,
3351
+ "learning_rate": 5e-05,
3352
+ "loss": 0.2647,
3353
+ "num_tokens": 405053317.0,
3354
+ "step": 418
3355
+ },
3356
+ {
3357
+ "epoch": 2.705501618122977,
3358
+ "grad_norm": 0.16334885358810425,
3359
+ "learning_rate": 5e-05,
3360
+ "loss": 0.2723,
3361
+ "num_tokens": 406034988.0,
3362
+ "step": 419
3363
+ },
3364
+ {
3365
+ "epoch": 2.7119741100323624,
3366
+ "grad_norm": 0.17315317690372467,
3367
+ "learning_rate": 5e-05,
3368
+ "loss": 0.2698,
3369
+ "num_tokens": 406979391.0,
3370
+ "step": 420
3371
+ },
3372
+ {
3373
+ "epoch": 2.7184466019417477,
3374
+ "grad_norm": 0.17514127492904663,
3375
+ "learning_rate": 5e-05,
3376
+ "loss": 0.2643,
3377
+ "num_tokens": 407949200.0,
3378
+ "step": 421
3379
+ },
3380
+ {
3381
+ "epoch": 2.724919093851133,
3382
+ "grad_norm": 0.17451779544353485,
3383
+ "learning_rate": 5e-05,
3384
+ "loss": 0.2746,
3385
+ "num_tokens": 408927182.0,
3386
+ "step": 422
3387
+ },
3388
+ {
3389
+ "epoch": 2.7313915857605178,
3390
+ "grad_norm": 0.1621076911687851,
3391
+ "learning_rate": 5e-05,
3392
+ "loss": 0.2701,
3393
+ "num_tokens": 409918480.0,
3394
+ "step": 423
3395
+ },
3396
+ {
3397
+ "epoch": 2.737864077669903,
3398
+ "grad_norm": 0.16276338696479797,
3399
+ "learning_rate": 5e-05,
3400
+ "loss": 0.2657,
3401
+ "num_tokens": 410898982.0,
3402
+ "step": 424
3403
+ },
3404
+ {
3405
+ "epoch": 2.7443365695792883,
3406
+ "grad_norm": 0.1621464043855667,
3407
+ "learning_rate": 5e-05,
3408
+ "loss": 0.266,
3409
+ "num_tokens": 411875141.0,
3410
+ "step": 425
3411
+ },
3412
+ {
3413
+ "epoch": 2.750809061488673,
3414
+ "grad_norm": 0.16960802674293518,
3415
+ "learning_rate": 5e-05,
3416
+ "loss": 0.2702,
3417
+ "num_tokens": 412824562.0,
3418
+ "step": 426
3419
+ },
3420
+ {
3421
+ "epoch": 2.7572815533980584,
3422
+ "grad_norm": 0.15773984789848328,
3423
+ "learning_rate": 5e-05,
3424
+ "loss": 0.2677,
3425
+ "num_tokens": 413825079.0,
3426
+ "step": 427
3427
+ },
3428
+ {
3429
+ "epoch": 2.7637540453074436,
3430
+ "grad_norm": 0.1705068200826645,
3431
+ "learning_rate": 5e-05,
3432
+ "loss": 0.2711,
3433
+ "num_tokens": 414777217.0,
3434
+ "step": 428
3435
+ },
3436
+ {
3437
+ "epoch": 2.7702265372168284,
3438
+ "grad_norm": 0.17718885838985443,
3439
+ "learning_rate": 5e-05,
3440
+ "loss": 0.273,
3441
+ "num_tokens": 415746492.0,
3442
+ "step": 429
3443
+ },
3444
+ {
3445
+ "epoch": 2.7766990291262137,
3446
+ "grad_norm": 0.1792534738779068,
3447
+ "learning_rate": 5e-05,
3448
+ "loss": 0.2682,
3449
+ "num_tokens": 416686095.0,
3450
+ "step": 430
3451
+ },
3452
+ {
3453
+ "epoch": 2.783171521035599,
3454
+ "grad_norm": 0.18403004109859467,
3455
+ "learning_rate": 5e-05,
3456
+ "loss": 0.2666,
3457
+ "num_tokens": 417634189.0,
3458
+ "step": 431
3459
+ },
3460
+ {
3461
+ "epoch": 2.7896440129449838,
3462
+ "grad_norm": 0.18006184697151184,
3463
+ "learning_rate": 5e-05,
3464
+ "loss": 0.2723,
3465
+ "num_tokens": 418602339.0,
3466
+ "step": 432
3467
+ },
3468
+ {
3469
+ "epoch": 2.796116504854369,
3470
+ "grad_norm": 0.16311366856098175,
3471
+ "learning_rate": 5e-05,
3472
+ "loss": 0.2682,
3473
+ "num_tokens": 419563873.0,
3474
+ "step": 433
3475
+ },
3476
+ {
3477
+ "epoch": 2.8025889967637543,
3478
+ "grad_norm": 0.1562502086162567,
3479
+ "learning_rate": 5e-05,
3480
+ "loss": 0.2704,
3481
+ "num_tokens": 420562393.0,
3482
+ "step": 434
3483
+ },
3484
+ {
3485
+ "epoch": 2.809061488673139,
3486
+ "grad_norm": 0.19003362953662872,
3487
+ "learning_rate": 5e-05,
3488
+ "loss": 0.2722,
3489
+ "num_tokens": 421523768.0,
3490
+ "step": 435
3491
+ },
3492
+ {
3493
+ "epoch": 2.8155339805825244,
3494
+ "grad_norm": 0.18127073347568512,
3495
+ "learning_rate": 5e-05,
3496
+ "loss": 0.2707,
3497
+ "num_tokens": 422472099.0,
3498
+ "step": 436
3499
+ },
3500
+ {
3501
+ "epoch": 2.8220064724919096,
3502
+ "grad_norm": 0.16787101328372955,
3503
+ "learning_rate": 5e-05,
3504
+ "loss": 0.2738,
3505
+ "num_tokens": 423413417.0,
3506
+ "step": 437
3507
+ },
3508
+ {
3509
+ "epoch": 2.8284789644012944,
3510
+ "grad_norm": 0.16646350920200348,
3511
+ "learning_rate": 5e-05,
3512
+ "loss": 0.2679,
3513
+ "num_tokens": 424390973.0,
3514
+ "step": 438
3515
+ },
3516
+ {
3517
+ "epoch": 2.8349514563106797,
3518
+ "grad_norm": 0.17200861871242523,
3519
+ "learning_rate": 5e-05,
3520
+ "loss": 0.2794,
3521
+ "num_tokens": 425350702.0,
3522
+ "step": 439
3523
+ },
3524
+ {
3525
+ "epoch": 2.841423948220065,
3526
+ "grad_norm": 0.18369479477405548,
3527
+ "learning_rate": 5e-05,
3528
+ "loss": 0.2704,
3529
+ "num_tokens": 426331291.0,
3530
+ "step": 440
3531
+ },
3532
+ {
3533
+ "epoch": 2.8478964401294498,
3534
+ "grad_norm": 0.16849413514137268,
3535
+ "learning_rate": 5e-05,
3536
+ "loss": 0.2692,
3537
+ "num_tokens": 427296200.0,
3538
+ "step": 441
3539
+ },
3540
+ {
3541
+ "epoch": 2.854368932038835,
3542
+ "grad_norm": 0.18574877083301544,
3543
+ "learning_rate": 5e-05,
3544
+ "loss": 0.2695,
3545
+ "num_tokens": 428296391.0,
3546
+ "step": 442
3547
+ },
3548
+ {
3549
+ "epoch": 2.8608414239482203,
3550
+ "grad_norm": 0.2154499888420105,
3551
+ "learning_rate": 5e-05,
3552
+ "loss": 0.2693,
3553
+ "num_tokens": 429272004.0,
3554
+ "step": 443
3555
+ },
3556
+ {
3557
+ "epoch": 2.867313915857605,
3558
+ "grad_norm": 0.20533370971679688,
3559
+ "learning_rate": 5e-05,
3560
+ "loss": 0.2712,
3561
+ "num_tokens": 430235969.0,
3562
+ "step": 444
3563
+ },
3564
+ {
3565
+ "epoch": 2.8737864077669903,
3566
+ "grad_norm": 0.17873993515968323,
3567
+ "learning_rate": 5e-05,
3568
+ "loss": 0.2695,
3569
+ "num_tokens": 431174501.0,
3570
+ "step": 445
3571
+ },
3572
+ {
3573
+ "epoch": 2.8802588996763756,
3574
+ "grad_norm": 0.17518216371536255,
3575
+ "learning_rate": 5e-05,
3576
+ "loss": 0.2742,
3577
+ "num_tokens": 432123098.0,
3578
+ "step": 446
3579
+ },
3580
+ {
3581
+ "epoch": 2.8867313915857604,
3582
+ "grad_norm": 0.18824835121631622,
3583
+ "learning_rate": 5e-05,
3584
+ "loss": 0.2794,
3585
+ "num_tokens": 433097167.0,
3586
+ "step": 447
3587
+ },
3588
+ {
3589
+ "epoch": 2.8932038834951457,
3590
+ "grad_norm": 0.22121001780033112,
3591
+ "learning_rate": 5e-05,
3592
+ "loss": 0.2774,
3593
+ "num_tokens": 434079373.0,
3594
+ "step": 448
3595
+ },
3596
+ {
3597
+ "epoch": 2.899676375404531,
3598
+ "grad_norm": 0.17103159427642822,
3599
+ "learning_rate": 5e-05,
3600
+ "loss": 0.2702,
3601
+ "num_tokens": 435065151.0,
3602
+ "step": 449
3603
+ },
3604
+ {
3605
+ "epoch": 2.9061488673139158,
3606
+ "grad_norm": 0.19851639866828918,
3607
+ "learning_rate": 5e-05,
3608
+ "loss": 0.2751,
3609
+ "num_tokens": 436063130.0,
3610
+ "step": 450
3611
+ },
3612
+ {
3613
+ "epoch": 2.912621359223301,
3614
+ "grad_norm": 0.17771649360656738,
3615
+ "learning_rate": 5e-05,
3616
+ "loss": 0.2682,
3617
+ "num_tokens": 437032520.0,
3618
+ "step": 451
3619
+ },
3620
+ {
3621
+ "epoch": 2.9190938511326863,
3622
+ "grad_norm": 0.17466633021831512,
3623
+ "learning_rate": 5e-05,
3624
+ "loss": 0.2768,
3625
+ "num_tokens": 437990354.0,
3626
+ "step": 452
3627
+ },
3628
+ {
3629
+ "epoch": 2.925566343042071,
3630
+ "grad_norm": 0.16329172253608704,
3631
+ "learning_rate": 5e-05,
3632
+ "loss": 0.269,
3633
+ "num_tokens": 439009642.0,
3634
+ "step": 453
3635
+ },
3636
+ {
3637
+ "epoch": 2.9320388349514563,
3638
+ "grad_norm": 0.17622993886470795,
3639
+ "learning_rate": 5e-05,
3640
+ "loss": 0.2691,
3641
+ "num_tokens": 439985459.0,
3642
+ "step": 454
3643
+ },
3644
+ {
3645
+ "epoch": 2.9385113268608416,
3646
+ "grad_norm": 0.17430156469345093,
3647
+ "learning_rate": 5e-05,
3648
+ "loss": 0.2677,
3649
+ "num_tokens": 440955967.0,
3650
+ "step": 455
3651
+ },
3652
+ {
3653
+ "epoch": 2.9449838187702264,
3654
+ "grad_norm": 0.16609232127666473,
3655
+ "learning_rate": 5e-05,
3656
+ "loss": 0.2668,
3657
+ "num_tokens": 441912223.0,
3658
+ "step": 456
3659
+ },
3660
+ {
3661
+ "epoch": 2.9514563106796117,
3662
+ "grad_norm": 0.16747066378593445,
3663
+ "learning_rate": 5e-05,
3664
+ "loss": 0.2761,
3665
+ "num_tokens": 442916739.0,
3666
+ "step": 457
3667
+ },
3668
+ {
3669
+ "epoch": 2.957928802588997,
3670
+ "grad_norm": 0.17249858379364014,
3671
+ "learning_rate": 5e-05,
3672
+ "loss": 0.2669,
3673
+ "num_tokens": 443875303.0,
3674
+ "step": 458
3675
+ },
3676
+ {
3677
+ "epoch": 2.9644012944983817,
3678
+ "grad_norm": 0.16850367188453674,
3679
+ "learning_rate": 5e-05,
3680
+ "loss": 0.2759,
3681
+ "num_tokens": 444853831.0,
3682
+ "step": 459
3683
+ },
3684
+ {
3685
+ "epoch": 2.970873786407767,
3686
+ "grad_norm": 0.15697653591632843,
3687
+ "learning_rate": 5e-05,
3688
+ "loss": 0.2712,
3689
+ "num_tokens": 445812377.0,
3690
+ "step": 460
3691
+ },
3692
+ {
3693
+ "epoch": 2.9773462783171523,
3694
+ "grad_norm": 0.1761552393436432,
3695
+ "learning_rate": 5e-05,
3696
+ "loss": 0.2755,
3697
+ "num_tokens": 446783660.0,
3698
+ "step": 461
3699
+ },
3700
+ {
3701
+ "epoch": 2.983818770226537,
3702
+ "grad_norm": 0.16302275657653809,
3703
+ "learning_rate": 5e-05,
3704
+ "loss": 0.2745,
3705
+ "num_tokens": 447813574.0,
3706
+ "step": 462
3707
+ },
3708
+ {
3709
+ "epoch": 2.983818770226537,
3710
+ "step": 462,
3711
+ "total_flos": 1.8506098969109594e+19,
3712
+ "train_loss": 0.3598332001920386,
3713
+ "train_runtime": 11724.7761,
3714
+ "train_samples_per_second": 17.689,
3715
+ "train_steps_per_second": 0.039
3716
+ }
3717
+ ],
3718
+ "logging_steps": 1,
3719
+ "max_steps": 462,
3720
+ "num_input_tokens_seen": 0,
3721
+ "num_train_epochs": 3,
3722
+ "save_steps": 24,
3723
+ "stateful_callbacks": {
3724
+ "TrainerControl": {
3725
+ "args": {
3726
+ "should_epoch_stop": false,
3727
+ "should_evaluate": false,
3728
+ "should_log": false,
3729
+ "should_save": true,
3730
+ "should_training_stop": true
3731
+ },
3732
+ "attributes": {}
3733
+ }
3734
+ },
3735
+ "total_flos": 1.8506098969109594e+19,
3736
+ "train_batch_size": 16,
3737
+ "trial_name": null,
3738
+ "trial_params": null
3739
+ }