Neelectric commited on
Commit
2d91867
·
verified ·
1 Parent(s): 3687c54

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_unfrozen_qk
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_unfrozen_qk
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_unfrozen_qk", 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/6ak4f89w)
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: 3.6.0
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": 0.4616105086875684,
4
+ "train_runtime": 10028.6636,
5
+ "train_samples": 69132,
6
+ "train_samples_per_second": 20.68,
7
+ "train_steps_per_second": 0.046
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": 0.4616105086875684,
4
+ "train_runtime": 10028.6636,
5
+ "train_samples": 69132,
6
+ "train_samples_per_second": 20.68,
7
+ "train_steps_per_second": 0.046
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": 1.7797179222106934,
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": 1.7714232206344604,
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": 1.7614141702651978,
31
+ "learning_rate": 2.1276595744680853e-06,
32
+ "loss": 1.1384,
33
+ "num_tokens": 2896369.0,
34
+ "step": 3
35
+ },
36
+ {
37
+ "epoch": 0.025889967637540454,
38
+ "grad_norm": 1.727969765663147,
39
+ "learning_rate": 3.1914893617021277e-06,
40
+ "loss": 1.131,
41
+ "num_tokens": 3886583.0,
42
+ "step": 4
43
+ },
44
+ {
45
+ "epoch": 0.032362459546925564,
46
+ "grad_norm": 1.7251309156417847,
47
+ "learning_rate": 4.255319148936171e-06,
48
+ "loss": 1.1287,
49
+ "num_tokens": 4864476.0,
50
+ "step": 5
51
+ },
52
+ {
53
+ "epoch": 0.038834951456310676,
54
+ "grad_norm": 1.6711384057998657,
55
+ "learning_rate": 5.319148936170213e-06,
56
+ "loss": 1.1201,
57
+ "num_tokens": 5873295.0,
58
+ "step": 6
59
+ },
60
+ {
61
+ "epoch": 0.045307443365695796,
62
+ "grad_norm": 1.5198307037353516,
63
+ "learning_rate": 6.3829787234042555e-06,
64
+ "loss": 1.052,
65
+ "num_tokens": 6876484.0,
66
+ "step": 7
67
+ },
68
+ {
69
+ "epoch": 0.05177993527508091,
70
+ "grad_norm": 1.4848964214324951,
71
+ "learning_rate": 7.446808510638298e-06,
72
+ "loss": 1.0366,
73
+ "num_tokens": 7871664.0,
74
+ "step": 8
75
+ },
76
+ {
77
+ "epoch": 0.05825242718446602,
78
+ "grad_norm": 1.4744919538497925,
79
+ "learning_rate": 8.510638297872341e-06,
80
+ "loss": 1.0355,
81
+ "num_tokens": 8869931.0,
82
+ "step": 9
83
+ },
84
+ {
85
+ "epoch": 0.06472491909385113,
86
+ "grad_norm": 1.2014588117599487,
87
+ "learning_rate": 9.574468085106383e-06,
88
+ "loss": 0.9322,
89
+ "num_tokens": 9874687.0,
90
+ "step": 10
91
+ },
92
+ {
93
+ "epoch": 0.07119741100323625,
94
+ "grad_norm": 1.1270016431808472,
95
+ "learning_rate": 1.0638297872340426e-05,
96
+ "loss": 0.9029,
97
+ "num_tokens": 10842628.0,
98
+ "step": 11
99
+ },
100
+ {
101
+ "epoch": 0.07766990291262135,
102
+ "grad_norm": 1.1094844341278076,
103
+ "learning_rate": 1.170212765957447e-05,
104
+ "loss": 0.9087,
105
+ "num_tokens": 11815438.0,
106
+ "step": 12
107
+ },
108
+ {
109
+ "epoch": 0.08414239482200647,
110
+ "grad_norm": 0.8180497884750366,
111
+ "learning_rate": 1.2765957446808511e-05,
112
+ "loss": 0.8199,
113
+ "num_tokens": 12788222.0,
114
+ "step": 13
115
+ },
116
+ {
117
+ "epoch": 0.09061488673139159,
118
+ "grad_norm": 0.7532759308815002,
119
+ "learning_rate": 1.3829787234042554e-05,
120
+ "loss": 0.8038,
121
+ "num_tokens": 13756270.0,
122
+ "step": 14
123
+ },
124
+ {
125
+ "epoch": 0.0970873786407767,
126
+ "grad_norm": 0.6514292359352112,
127
+ "learning_rate": 1.4893617021276596e-05,
128
+ "loss": 0.7757,
129
+ "num_tokens": 14689813.0,
130
+ "step": 15
131
+ },
132
+ {
133
+ "epoch": 0.10355987055016182,
134
+ "grad_norm": 0.5667884945869446,
135
+ "learning_rate": 1.595744680851064e-05,
136
+ "loss": 0.7588,
137
+ "num_tokens": 15670657.0,
138
+ "step": 16
139
+ },
140
+ {
141
+ "epoch": 0.11003236245954692,
142
+ "grad_norm": 0.47083887457847595,
143
+ "learning_rate": 1.7021276595744682e-05,
144
+ "loss": 0.7317,
145
+ "num_tokens": 16640491.0,
146
+ "step": 17
147
+ },
148
+ {
149
+ "epoch": 0.11650485436893204,
150
+ "grad_norm": 0.4162411689758301,
151
+ "learning_rate": 1.8085106382978724e-05,
152
+ "loss": 0.7196,
153
+ "num_tokens": 17611388.0,
154
+ "step": 18
155
+ },
156
+ {
157
+ "epoch": 0.12297734627831715,
158
+ "grad_norm": 0.358176589012146,
159
+ "learning_rate": 1.9148936170212766e-05,
160
+ "loss": 0.7061,
161
+ "num_tokens": 18582653.0,
162
+ "step": 19
163
+ },
164
+ {
165
+ "epoch": 0.12944983818770225,
166
+ "grad_norm": 0.29935699701309204,
167
+ "learning_rate": 2.0212765957446807e-05,
168
+ "loss": 0.6879,
169
+ "num_tokens": 19557459.0,
170
+ "step": 20
171
+ },
172
+ {
173
+ "epoch": 0.13592233009708737,
174
+ "grad_norm": 0.2748507559299469,
175
+ "learning_rate": 2.1276595744680852e-05,
176
+ "loss": 0.6838,
177
+ "num_tokens": 20524158.0,
178
+ "step": 21
179
+ },
180
+ {
181
+ "epoch": 0.1423948220064725,
182
+ "grad_norm": 0.26166510581970215,
183
+ "learning_rate": 2.2340425531914894e-05,
184
+ "loss": 0.6597,
185
+ "num_tokens": 21502674.0,
186
+ "step": 22
187
+ },
188
+ {
189
+ "epoch": 0.1488673139158576,
190
+ "grad_norm": 0.2598946988582611,
191
+ "learning_rate": 2.340425531914894e-05,
192
+ "loss": 0.6565,
193
+ "num_tokens": 22446294.0,
194
+ "step": 23
195
+ },
196
+ {
197
+ "epoch": 0.1553398058252427,
198
+ "grad_norm": 0.2518651783466339,
199
+ "learning_rate": 2.446808510638298e-05,
200
+ "loss": 0.6462,
201
+ "num_tokens": 23430225.0,
202
+ "step": 24
203
+ },
204
+ {
205
+ "epoch": 0.16181229773462782,
206
+ "grad_norm": 0.22623424232006073,
207
+ "learning_rate": 2.5531914893617022e-05,
208
+ "loss": 0.6386,
209
+ "num_tokens": 24380419.0,
210
+ "step": 25
211
+ },
212
+ {
213
+ "epoch": 0.16828478964401294,
214
+ "grad_norm": 0.1912899613380432,
215
+ "learning_rate": 2.6595744680851064e-05,
216
+ "loss": 0.6221,
217
+ "num_tokens": 25343499.0,
218
+ "step": 26
219
+ },
220
+ {
221
+ "epoch": 0.17475728155339806,
222
+ "grad_norm": 0.17773230373859406,
223
+ "learning_rate": 2.765957446808511e-05,
224
+ "loss": 0.6183,
225
+ "num_tokens": 26315921.0,
226
+ "step": 27
227
+ },
228
+ {
229
+ "epoch": 0.18122977346278318,
230
+ "grad_norm": 0.16898520290851593,
231
+ "learning_rate": 2.8723404255319154e-05,
232
+ "loss": 0.6201,
233
+ "num_tokens": 27255686.0,
234
+ "step": 28
235
+ },
236
+ {
237
+ "epoch": 0.18770226537216828,
238
+ "grad_norm": 0.17417344450950623,
239
+ "learning_rate": 2.9787234042553192e-05,
240
+ "loss": 0.6092,
241
+ "num_tokens": 28232449.0,
242
+ "step": 29
243
+ },
244
+ {
245
+ "epoch": 0.1941747572815534,
246
+ "grad_norm": 0.17708620429039001,
247
+ "learning_rate": 3.085106382978723e-05,
248
+ "loss": 0.599,
249
+ "num_tokens": 29213099.0,
250
+ "step": 30
251
+ },
252
+ {
253
+ "epoch": 0.20064724919093851,
254
+ "grad_norm": 0.17137737572193146,
255
+ "learning_rate": 3.191489361702128e-05,
256
+ "loss": 0.5967,
257
+ "num_tokens": 30210546.0,
258
+ "step": 31
259
+ },
260
+ {
261
+ "epoch": 0.20711974110032363,
262
+ "grad_norm": 0.15661393105983734,
263
+ "learning_rate": 3.2978723404255317e-05,
264
+ "loss": 0.5811,
265
+ "num_tokens": 31190215.0,
266
+ "step": 32
267
+ },
268
+ {
269
+ "epoch": 0.21359223300970873,
270
+ "grad_norm": 0.13501721620559692,
271
+ "learning_rate": 3.4042553191489365e-05,
272
+ "loss": 0.5766,
273
+ "num_tokens": 32152368.0,
274
+ "step": 33
275
+ },
276
+ {
277
+ "epoch": 0.22006472491909385,
278
+ "grad_norm": 0.12861838936805725,
279
+ "learning_rate": 3.5106382978723407e-05,
280
+ "loss": 0.5851,
281
+ "num_tokens": 33138410.0,
282
+ "step": 34
283
+ },
284
+ {
285
+ "epoch": 0.22653721682847897,
286
+ "grad_norm": 0.1224827915430069,
287
+ "learning_rate": 3.617021276595745e-05,
288
+ "loss": 0.5737,
289
+ "num_tokens": 34103559.0,
290
+ "step": 35
291
+ },
292
+ {
293
+ "epoch": 0.23300970873786409,
294
+ "grad_norm": 0.11408262699842453,
295
+ "learning_rate": 3.723404255319149e-05,
296
+ "loss": 0.5739,
297
+ "num_tokens": 35099702.0,
298
+ "step": 36
299
+ },
300
+ {
301
+ "epoch": 0.23948220064724918,
302
+ "grad_norm": 0.1125439777970314,
303
+ "learning_rate": 3.829787234042553e-05,
304
+ "loss": 0.5716,
305
+ "num_tokens": 36067246.0,
306
+ "step": 37
307
+ },
308
+ {
309
+ "epoch": 0.2459546925566343,
310
+ "grad_norm": 0.11760325729846954,
311
+ "learning_rate": 3.936170212765958e-05,
312
+ "loss": 0.5613,
313
+ "num_tokens": 37074157.0,
314
+ "step": 38
315
+ },
316
+ {
317
+ "epoch": 0.2524271844660194,
318
+ "grad_norm": 0.11283116042613983,
319
+ "learning_rate": 4.0425531914893614e-05,
320
+ "loss": 0.5568,
321
+ "num_tokens": 38026864.0,
322
+ "step": 39
323
+ },
324
+ {
325
+ "epoch": 0.2588996763754045,
326
+ "grad_norm": 0.10161146521568298,
327
+ "learning_rate": 4.148936170212766e-05,
328
+ "loss": 0.5501,
329
+ "num_tokens": 39007950.0,
330
+ "step": 40
331
+ },
332
+ {
333
+ "epoch": 0.26537216828478966,
334
+ "grad_norm": 0.09561590850353241,
335
+ "learning_rate": 4.2553191489361704e-05,
336
+ "loss": 0.5588,
337
+ "num_tokens": 40004404.0,
338
+ "step": 41
339
+ },
340
+ {
341
+ "epoch": 0.27184466019417475,
342
+ "grad_norm": 0.08823691308498383,
343
+ "learning_rate": 4.3617021276595746e-05,
344
+ "loss": 0.5518,
345
+ "num_tokens": 40979367.0,
346
+ "step": 42
347
+ },
348
+ {
349
+ "epoch": 0.2783171521035599,
350
+ "grad_norm": 0.09321797639131546,
351
+ "learning_rate": 4.468085106382979e-05,
352
+ "loss": 0.5458,
353
+ "num_tokens": 41954716.0,
354
+ "step": 43
355
+ },
356
+ {
357
+ "epoch": 0.284789644012945,
358
+ "grad_norm": 0.08917748928070068,
359
+ "learning_rate": 4.574468085106383e-05,
360
+ "loss": 0.5551,
361
+ "num_tokens": 42927994.0,
362
+ "step": 44
363
+ },
364
+ {
365
+ "epoch": 0.2912621359223301,
366
+ "grad_norm": 0.08470286428928375,
367
+ "learning_rate": 4.680851063829788e-05,
368
+ "loss": 0.5424,
369
+ "num_tokens": 43870458.0,
370
+ "step": 45
371
+ },
372
+ {
373
+ "epoch": 0.2977346278317152,
374
+ "grad_norm": 0.08855661004781723,
375
+ "learning_rate": 4.787234042553192e-05,
376
+ "loss": 0.5399,
377
+ "num_tokens": 44845205.0,
378
+ "step": 46
379
+ },
380
+ {
381
+ "epoch": 0.3042071197411003,
382
+ "grad_norm": 0.08182501047849655,
383
+ "learning_rate": 4.893617021276596e-05,
384
+ "loss": 0.5379,
385
+ "num_tokens": 45817785.0,
386
+ "step": 47
387
+ },
388
+ {
389
+ "epoch": 0.3106796116504854,
390
+ "grad_norm": 0.07940240204334259,
391
+ "learning_rate": 5e-05,
392
+ "loss": 0.5402,
393
+ "num_tokens": 46768552.0,
394
+ "step": 48
395
+ },
396
+ {
397
+ "epoch": 0.31715210355987056,
398
+ "grad_norm": 0.07943577319383621,
399
+ "learning_rate": 5e-05,
400
+ "loss": 0.5231,
401
+ "num_tokens": 47720390.0,
402
+ "step": 49
403
+ },
404
+ {
405
+ "epoch": 0.32362459546925565,
406
+ "grad_norm": 0.08449560403823853,
407
+ "learning_rate": 5e-05,
408
+ "loss": 0.5326,
409
+ "num_tokens": 48659119.0,
410
+ "step": 50
411
+ },
412
+ {
413
+ "epoch": 0.3300970873786408,
414
+ "grad_norm": 0.08428473770618439,
415
+ "learning_rate": 5e-05,
416
+ "loss": 0.5321,
417
+ "num_tokens": 49635896.0,
418
+ "step": 51
419
+ },
420
+ {
421
+ "epoch": 0.3365695792880259,
422
+ "grad_norm": 0.08166489005088806,
423
+ "learning_rate": 5e-05,
424
+ "loss": 0.5296,
425
+ "num_tokens": 50617481.0,
426
+ "step": 52
427
+ },
428
+ {
429
+ "epoch": 0.343042071197411,
430
+ "grad_norm": 0.07982249557971954,
431
+ "learning_rate": 5e-05,
432
+ "loss": 0.5248,
433
+ "num_tokens": 51580322.0,
434
+ "step": 53
435
+ },
436
+ {
437
+ "epoch": 0.34951456310679613,
438
+ "grad_norm": 0.08406601846218109,
439
+ "learning_rate": 5e-05,
440
+ "loss": 0.5263,
441
+ "num_tokens": 52544983.0,
442
+ "step": 54
443
+ },
444
+ {
445
+ "epoch": 0.3559870550161812,
446
+ "grad_norm": 0.07999566942453384,
447
+ "learning_rate": 5e-05,
448
+ "loss": 0.5188,
449
+ "num_tokens": 53538431.0,
450
+ "step": 55
451
+ },
452
+ {
453
+ "epoch": 0.36245954692556637,
454
+ "grad_norm": 0.07617294788360596,
455
+ "learning_rate": 5e-05,
456
+ "loss": 0.5192,
457
+ "num_tokens": 54497097.0,
458
+ "step": 56
459
+ },
460
+ {
461
+ "epoch": 0.36893203883495146,
462
+ "grad_norm": 0.07834390550851822,
463
+ "learning_rate": 5e-05,
464
+ "loss": 0.5086,
465
+ "num_tokens": 55515695.0,
466
+ "step": 57
467
+ },
468
+ {
469
+ "epoch": 0.37540453074433655,
470
+ "grad_norm": 0.0842478945851326,
471
+ "learning_rate": 5e-05,
472
+ "loss": 0.5126,
473
+ "num_tokens": 56471100.0,
474
+ "step": 58
475
+ },
476
+ {
477
+ "epoch": 0.3818770226537217,
478
+ "grad_norm": 0.08097540587186813,
479
+ "learning_rate": 5e-05,
480
+ "loss": 0.5175,
481
+ "num_tokens": 57460948.0,
482
+ "step": 59
483
+ },
484
+ {
485
+ "epoch": 0.3883495145631068,
486
+ "grad_norm": 0.06956235319375992,
487
+ "learning_rate": 5e-05,
488
+ "loss": 0.5163,
489
+ "num_tokens": 58450663.0,
490
+ "step": 60
491
+ },
492
+ {
493
+ "epoch": 0.3948220064724919,
494
+ "grad_norm": 0.07521878182888031,
495
+ "learning_rate": 5e-05,
496
+ "loss": 0.5091,
497
+ "num_tokens": 59407638.0,
498
+ "step": 61
499
+ },
500
+ {
501
+ "epoch": 0.40129449838187703,
502
+ "grad_norm": 0.07086500525474548,
503
+ "learning_rate": 5e-05,
504
+ "loss": 0.5065,
505
+ "num_tokens": 60358388.0,
506
+ "step": 62
507
+ },
508
+ {
509
+ "epoch": 0.4077669902912621,
510
+ "grad_norm": 0.06781589239835739,
511
+ "learning_rate": 5e-05,
512
+ "loss": 0.5008,
513
+ "num_tokens": 61306137.0,
514
+ "step": 63
515
+ },
516
+ {
517
+ "epoch": 0.41423948220064727,
518
+ "grad_norm": 0.07769295573234558,
519
+ "learning_rate": 5e-05,
520
+ "loss": 0.5121,
521
+ "num_tokens": 62298616.0,
522
+ "step": 64
523
+ },
524
+ {
525
+ "epoch": 0.42071197411003236,
526
+ "grad_norm": 0.0696127712726593,
527
+ "learning_rate": 5e-05,
528
+ "loss": 0.5018,
529
+ "num_tokens": 63242620.0,
530
+ "step": 65
531
+ },
532
+ {
533
+ "epoch": 0.42718446601941745,
534
+ "grad_norm": 0.07125686854124069,
535
+ "learning_rate": 5e-05,
536
+ "loss": 0.5194,
537
+ "num_tokens": 64231555.0,
538
+ "step": 66
539
+ },
540
+ {
541
+ "epoch": 0.4336569579288026,
542
+ "grad_norm": 0.06875734776258469,
543
+ "learning_rate": 5e-05,
544
+ "loss": 0.5068,
545
+ "num_tokens": 65190302.0,
546
+ "step": 67
547
+ },
548
+ {
549
+ "epoch": 0.4401294498381877,
550
+ "grad_norm": 0.07302229106426239,
551
+ "learning_rate": 5e-05,
552
+ "loss": 0.5053,
553
+ "num_tokens": 66175194.0,
554
+ "step": 68
555
+ },
556
+ {
557
+ "epoch": 0.44660194174757284,
558
+ "grad_norm": 0.07919871807098389,
559
+ "learning_rate": 5e-05,
560
+ "loss": 0.5026,
561
+ "num_tokens": 67146659.0,
562
+ "step": 69
563
+ },
564
+ {
565
+ "epoch": 0.45307443365695793,
566
+ "grad_norm": 0.07007961720228195,
567
+ "learning_rate": 5e-05,
568
+ "loss": 0.4858,
569
+ "num_tokens": 68115421.0,
570
+ "step": 70
571
+ },
572
+ {
573
+ "epoch": 0.459546925566343,
574
+ "grad_norm": 0.06895770132541656,
575
+ "learning_rate": 5e-05,
576
+ "loss": 0.4837,
577
+ "num_tokens": 69078962.0,
578
+ "step": 71
579
+ },
580
+ {
581
+ "epoch": 0.46601941747572817,
582
+ "grad_norm": 0.07110876590013504,
583
+ "learning_rate": 5e-05,
584
+ "loss": 0.5082,
585
+ "num_tokens": 70056552.0,
586
+ "step": 72
587
+ },
588
+ {
589
+ "epoch": 0.47249190938511326,
590
+ "grad_norm": 0.07382957637310028,
591
+ "learning_rate": 5e-05,
592
+ "loss": 0.5024,
593
+ "num_tokens": 71056405.0,
594
+ "step": 73
595
+ },
596
+ {
597
+ "epoch": 0.47896440129449835,
598
+ "grad_norm": 0.07241762429475784,
599
+ "learning_rate": 5e-05,
600
+ "loss": 0.5124,
601
+ "num_tokens": 72011963.0,
602
+ "step": 74
603
+ },
604
+ {
605
+ "epoch": 0.4854368932038835,
606
+ "grad_norm": 0.0663655698299408,
607
+ "learning_rate": 5e-05,
608
+ "loss": 0.4997,
609
+ "num_tokens": 72974088.0,
610
+ "step": 75
611
+ },
612
+ {
613
+ "epoch": 0.4919093851132686,
614
+ "grad_norm": 0.07615268230438232,
615
+ "learning_rate": 5e-05,
616
+ "loss": 0.4931,
617
+ "num_tokens": 73963066.0,
618
+ "step": 76
619
+ },
620
+ {
621
+ "epoch": 0.49838187702265374,
622
+ "grad_norm": 0.06843720376491547,
623
+ "learning_rate": 5e-05,
624
+ "loss": 0.4858,
625
+ "num_tokens": 74927507.0,
626
+ "step": 77
627
+ },
628
+ {
629
+ "epoch": 0.5048543689320388,
630
+ "grad_norm": 0.07224991172552109,
631
+ "learning_rate": 5e-05,
632
+ "loss": 0.4907,
633
+ "num_tokens": 75913302.0,
634
+ "step": 78
635
+ },
636
+ {
637
+ "epoch": 0.511326860841424,
638
+ "grad_norm": 0.07846584916114807,
639
+ "learning_rate": 5e-05,
640
+ "loss": 0.4998,
641
+ "num_tokens": 76871637.0,
642
+ "step": 79
643
+ },
644
+ {
645
+ "epoch": 0.517799352750809,
646
+ "grad_norm": 0.0704137310385704,
647
+ "learning_rate": 5e-05,
648
+ "loss": 0.4929,
649
+ "num_tokens": 77844738.0,
650
+ "step": 80
651
+ },
652
+ {
653
+ "epoch": 0.5242718446601942,
654
+ "grad_norm": 0.08619038760662079,
655
+ "learning_rate": 5e-05,
656
+ "loss": 0.4873,
657
+ "num_tokens": 78789735.0,
658
+ "step": 81
659
+ },
660
+ {
661
+ "epoch": 0.5307443365695793,
662
+ "grad_norm": 0.07419624924659729,
663
+ "learning_rate": 5e-05,
664
+ "loss": 0.4844,
665
+ "num_tokens": 79740057.0,
666
+ "step": 82
667
+ },
668
+ {
669
+ "epoch": 0.5372168284789643,
670
+ "grad_norm": 0.07157515734434128,
671
+ "learning_rate": 5e-05,
672
+ "loss": 0.4919,
673
+ "num_tokens": 80691344.0,
674
+ "step": 83
675
+ },
676
+ {
677
+ "epoch": 0.5436893203883495,
678
+ "grad_norm": 0.07483211904764175,
679
+ "learning_rate": 5e-05,
680
+ "loss": 0.49,
681
+ "num_tokens": 81695065.0,
682
+ "step": 84
683
+ },
684
+ {
685
+ "epoch": 0.5501618122977346,
686
+ "grad_norm": 0.075590580701828,
687
+ "learning_rate": 5e-05,
688
+ "loss": 0.4877,
689
+ "num_tokens": 82670591.0,
690
+ "step": 85
691
+ },
692
+ {
693
+ "epoch": 0.5566343042071198,
694
+ "grad_norm": 0.067766934633255,
695
+ "learning_rate": 5e-05,
696
+ "loss": 0.4875,
697
+ "num_tokens": 83619525.0,
698
+ "step": 86
699
+ },
700
+ {
701
+ "epoch": 0.5631067961165048,
702
+ "grad_norm": 0.06977292150259018,
703
+ "learning_rate": 5e-05,
704
+ "loss": 0.4872,
705
+ "num_tokens": 84583829.0,
706
+ "step": 87
707
+ },
708
+ {
709
+ "epoch": 0.56957928802589,
710
+ "grad_norm": 0.07357322424650192,
711
+ "learning_rate": 5e-05,
712
+ "loss": 0.4866,
713
+ "num_tokens": 85554557.0,
714
+ "step": 88
715
+ },
716
+ {
717
+ "epoch": 0.5760517799352751,
718
+ "grad_norm": 0.07352064549922943,
719
+ "learning_rate": 5e-05,
720
+ "loss": 0.4873,
721
+ "num_tokens": 86534800.0,
722
+ "step": 89
723
+ },
724
+ {
725
+ "epoch": 0.5825242718446602,
726
+ "grad_norm": 0.07133456319570541,
727
+ "learning_rate": 5e-05,
728
+ "loss": 0.4923,
729
+ "num_tokens": 87479322.0,
730
+ "step": 90
731
+ },
732
+ {
733
+ "epoch": 0.5889967637540453,
734
+ "grad_norm": 0.0712483748793602,
735
+ "learning_rate": 5e-05,
736
+ "loss": 0.4896,
737
+ "num_tokens": 88440604.0,
738
+ "step": 91
739
+ },
740
+ {
741
+ "epoch": 0.5954692556634305,
742
+ "grad_norm": 0.07244443148374557,
743
+ "learning_rate": 5e-05,
744
+ "loss": 0.4866,
745
+ "num_tokens": 89440902.0,
746
+ "step": 92
747
+ },
748
+ {
749
+ "epoch": 0.6019417475728155,
750
+ "grad_norm": 0.07432475686073303,
751
+ "learning_rate": 5e-05,
752
+ "loss": 0.4785,
753
+ "num_tokens": 90420292.0,
754
+ "step": 93
755
+ },
756
+ {
757
+ "epoch": 0.6084142394822006,
758
+ "grad_norm": 0.0716748982667923,
759
+ "learning_rate": 5e-05,
760
+ "loss": 0.4896,
761
+ "num_tokens": 91365927.0,
762
+ "step": 94
763
+ },
764
+ {
765
+ "epoch": 0.6148867313915858,
766
+ "grad_norm": 0.07657008618116379,
767
+ "learning_rate": 5e-05,
768
+ "loss": 0.4822,
769
+ "num_tokens": 92339481.0,
770
+ "step": 95
771
+ },
772
+ {
773
+ "epoch": 0.6213592233009708,
774
+ "grad_norm": 0.07164619863033295,
775
+ "learning_rate": 5e-05,
776
+ "loss": 0.4771,
777
+ "num_tokens": 93277920.0,
778
+ "step": 96
779
+ },
780
+ {
781
+ "epoch": 0.627831715210356,
782
+ "grad_norm": 0.07384787499904633,
783
+ "learning_rate": 5e-05,
784
+ "loss": 0.4765,
785
+ "num_tokens": 94233058.0,
786
+ "step": 97
787
+ },
788
+ {
789
+ "epoch": 0.6343042071197411,
790
+ "grad_norm": 0.07774416357278824,
791
+ "learning_rate": 5e-05,
792
+ "loss": 0.4895,
793
+ "num_tokens": 95195865.0,
794
+ "step": 98
795
+ },
796
+ {
797
+ "epoch": 0.6407766990291263,
798
+ "grad_norm": 0.0729580968618393,
799
+ "learning_rate": 5e-05,
800
+ "loss": 0.4715,
801
+ "num_tokens": 96165533.0,
802
+ "step": 99
803
+ },
804
+ {
805
+ "epoch": 0.6472491909385113,
806
+ "grad_norm": 0.06861160695552826,
807
+ "learning_rate": 5e-05,
808
+ "loss": 0.4732,
809
+ "num_tokens": 97128908.0,
810
+ "step": 100
811
+ },
812
+ {
813
+ "epoch": 0.6537216828478964,
814
+ "grad_norm": 0.07487121969461441,
815
+ "learning_rate": 5e-05,
816
+ "loss": 0.4742,
817
+ "num_tokens": 98137812.0,
818
+ "step": 101
819
+ },
820
+ {
821
+ "epoch": 0.6601941747572816,
822
+ "grad_norm": 0.07958658784627914,
823
+ "learning_rate": 5e-05,
824
+ "loss": 0.471,
825
+ "num_tokens": 99133445.0,
826
+ "step": 102
827
+ },
828
+ {
829
+ "epoch": 0.6666666666666666,
830
+ "grad_norm": 0.07140357792377472,
831
+ "learning_rate": 5e-05,
832
+ "loss": 0.463,
833
+ "num_tokens": 100106034.0,
834
+ "step": 103
835
+ },
836
+ {
837
+ "epoch": 0.6731391585760518,
838
+ "grad_norm": 0.0709076002240181,
839
+ "learning_rate": 5e-05,
840
+ "loss": 0.4915,
841
+ "num_tokens": 101060830.0,
842
+ "step": 104
843
+ },
844
+ {
845
+ "epoch": 0.6796116504854369,
846
+ "grad_norm": 0.08231347799301147,
847
+ "learning_rate": 5e-05,
848
+ "loss": 0.4748,
849
+ "num_tokens": 102032708.0,
850
+ "step": 105
851
+ },
852
+ {
853
+ "epoch": 0.686084142394822,
854
+ "grad_norm": 0.06884106993675232,
855
+ "learning_rate": 5e-05,
856
+ "loss": 0.4582,
857
+ "num_tokens": 103020888.0,
858
+ "step": 106
859
+ },
860
+ {
861
+ "epoch": 0.6925566343042071,
862
+ "grad_norm": 0.07664978504180908,
863
+ "learning_rate": 5e-05,
864
+ "loss": 0.4829,
865
+ "num_tokens": 103986883.0,
866
+ "step": 107
867
+ },
868
+ {
869
+ "epoch": 0.6990291262135923,
870
+ "grad_norm": 0.10262186080217361,
871
+ "learning_rate": 5e-05,
872
+ "loss": 0.4794,
873
+ "num_tokens": 104978514.0,
874
+ "step": 108
875
+ },
876
+ {
877
+ "epoch": 0.7055016181229773,
878
+ "grad_norm": 0.07611823081970215,
879
+ "learning_rate": 5e-05,
880
+ "loss": 0.4677,
881
+ "num_tokens": 105938542.0,
882
+ "step": 109
883
+ },
884
+ {
885
+ "epoch": 0.7119741100323624,
886
+ "grad_norm": 0.07408718019723892,
887
+ "learning_rate": 5e-05,
888
+ "loss": 0.47,
889
+ "num_tokens": 106909993.0,
890
+ "step": 110
891
+ },
892
+ {
893
+ "epoch": 0.7184466019417476,
894
+ "grad_norm": 0.07568661123514175,
895
+ "learning_rate": 5e-05,
896
+ "loss": 0.4737,
897
+ "num_tokens": 107872313.0,
898
+ "step": 111
899
+ },
900
+ {
901
+ "epoch": 0.7249190938511327,
902
+ "grad_norm": 0.07771764695644379,
903
+ "learning_rate": 5e-05,
904
+ "loss": 0.4678,
905
+ "num_tokens": 108876000.0,
906
+ "step": 112
907
+ },
908
+ {
909
+ "epoch": 0.7313915857605178,
910
+ "grad_norm": 0.06939322501420975,
911
+ "learning_rate": 5e-05,
912
+ "loss": 0.4678,
913
+ "num_tokens": 109857790.0,
914
+ "step": 113
915
+ },
916
+ {
917
+ "epoch": 0.7378640776699029,
918
+ "grad_norm": 0.07302816957235336,
919
+ "learning_rate": 5e-05,
920
+ "loss": 0.4685,
921
+ "num_tokens": 110826497.0,
922
+ "step": 114
923
+ },
924
+ {
925
+ "epoch": 0.7443365695792881,
926
+ "grad_norm": 0.07219978421926498,
927
+ "learning_rate": 5e-05,
928
+ "loss": 0.4673,
929
+ "num_tokens": 111775780.0,
930
+ "step": 115
931
+ },
932
+ {
933
+ "epoch": 0.7508090614886731,
934
+ "grad_norm": 0.07473000138998032,
935
+ "learning_rate": 5e-05,
936
+ "loss": 0.4693,
937
+ "num_tokens": 112755203.0,
938
+ "step": 116
939
+ },
940
+ {
941
+ "epoch": 0.7572815533980582,
942
+ "grad_norm": 0.07717005163431168,
943
+ "learning_rate": 5e-05,
944
+ "loss": 0.4696,
945
+ "num_tokens": 113720983.0,
946
+ "step": 117
947
+ },
948
+ {
949
+ "epoch": 0.7637540453074434,
950
+ "grad_norm": 0.08152136206626892,
951
+ "learning_rate": 5e-05,
952
+ "loss": 0.4596,
953
+ "num_tokens": 114690500.0,
954
+ "step": 118
955
+ },
956
+ {
957
+ "epoch": 0.7702265372168284,
958
+ "grad_norm": 0.0752723291516304,
959
+ "learning_rate": 5e-05,
960
+ "loss": 0.4599,
961
+ "num_tokens": 115663752.0,
962
+ "step": 119
963
+ },
964
+ {
965
+ "epoch": 0.7766990291262136,
966
+ "grad_norm": 0.07792294770479202,
967
+ "learning_rate": 5e-05,
968
+ "loss": 0.4572,
969
+ "num_tokens": 116656118.0,
970
+ "step": 120
971
+ },
972
+ {
973
+ "epoch": 0.7831715210355987,
974
+ "grad_norm": 0.0696912333369255,
975
+ "learning_rate": 5e-05,
976
+ "loss": 0.4671,
977
+ "num_tokens": 117647006.0,
978
+ "step": 121
979
+ },
980
+ {
981
+ "epoch": 0.7896440129449838,
982
+ "grad_norm": 0.07630752772092819,
983
+ "learning_rate": 5e-05,
984
+ "loss": 0.4567,
985
+ "num_tokens": 118637898.0,
986
+ "step": 122
987
+ },
988
+ {
989
+ "epoch": 0.7961165048543689,
990
+ "grad_norm": 0.07398827373981476,
991
+ "learning_rate": 5e-05,
992
+ "loss": 0.468,
993
+ "num_tokens": 119611539.0,
994
+ "step": 123
995
+ },
996
+ {
997
+ "epoch": 0.8025889967637541,
998
+ "grad_norm": 0.068976990878582,
999
+ "learning_rate": 5e-05,
1000
+ "loss": 0.4695,
1001
+ "num_tokens": 120576485.0,
1002
+ "step": 124
1003
+ },
1004
+ {
1005
+ "epoch": 0.8090614886731392,
1006
+ "grad_norm": 0.07024981826543808,
1007
+ "learning_rate": 5e-05,
1008
+ "loss": 0.4691,
1009
+ "num_tokens": 121567862.0,
1010
+ "step": 125
1011
+ },
1012
+ {
1013
+ "epoch": 0.8155339805825242,
1014
+ "grad_norm": 0.07244955003261566,
1015
+ "learning_rate": 5e-05,
1016
+ "loss": 0.4585,
1017
+ "num_tokens": 122530893.0,
1018
+ "step": 126
1019
+ },
1020
+ {
1021
+ "epoch": 0.8220064724919094,
1022
+ "grad_norm": 0.06828854233026505,
1023
+ "learning_rate": 5e-05,
1024
+ "loss": 0.4619,
1025
+ "num_tokens": 123480227.0,
1026
+ "step": 127
1027
+ },
1028
+ {
1029
+ "epoch": 0.8284789644012945,
1030
+ "grad_norm": 0.06909959763288498,
1031
+ "learning_rate": 5e-05,
1032
+ "loss": 0.4748,
1033
+ "num_tokens": 124462070.0,
1034
+ "step": 128
1035
+ },
1036
+ {
1037
+ "epoch": 0.8349514563106796,
1038
+ "grad_norm": 0.07126029580831528,
1039
+ "learning_rate": 5e-05,
1040
+ "loss": 0.4692,
1041
+ "num_tokens": 125440428.0,
1042
+ "step": 129
1043
+ },
1044
+ {
1045
+ "epoch": 0.8414239482200647,
1046
+ "grad_norm": 0.07117554545402527,
1047
+ "learning_rate": 5e-05,
1048
+ "loss": 0.4661,
1049
+ "num_tokens": 126416310.0,
1050
+ "step": 130
1051
+ },
1052
+ {
1053
+ "epoch": 0.8478964401294499,
1054
+ "grad_norm": 0.07494737952947617,
1055
+ "learning_rate": 5e-05,
1056
+ "loss": 0.4667,
1057
+ "num_tokens": 127406436.0,
1058
+ "step": 131
1059
+ },
1060
+ {
1061
+ "epoch": 0.8543689320388349,
1062
+ "grad_norm": 0.07763146609067917,
1063
+ "learning_rate": 5e-05,
1064
+ "loss": 0.4627,
1065
+ "num_tokens": 128372197.0,
1066
+ "step": 132
1067
+ },
1068
+ {
1069
+ "epoch": 0.86084142394822,
1070
+ "grad_norm": 0.065770223736763,
1071
+ "learning_rate": 5e-05,
1072
+ "loss": 0.4619,
1073
+ "num_tokens": 129371264.0,
1074
+ "step": 133
1075
+ },
1076
+ {
1077
+ "epoch": 0.8673139158576052,
1078
+ "grad_norm": 0.07266134023666382,
1079
+ "learning_rate": 5e-05,
1080
+ "loss": 0.4463,
1081
+ "num_tokens": 130306080.0,
1082
+ "step": 134
1083
+ },
1084
+ {
1085
+ "epoch": 0.8737864077669902,
1086
+ "grad_norm": 0.07599501311779022,
1087
+ "learning_rate": 5e-05,
1088
+ "loss": 0.4665,
1089
+ "num_tokens": 131261937.0,
1090
+ "step": 135
1091
+ },
1092
+ {
1093
+ "epoch": 0.8802588996763754,
1094
+ "grad_norm": 0.07077845185995102,
1095
+ "learning_rate": 5e-05,
1096
+ "loss": 0.4599,
1097
+ "num_tokens": 132223182.0,
1098
+ "step": 136
1099
+ },
1100
+ {
1101
+ "epoch": 0.8867313915857605,
1102
+ "grad_norm": 0.07577814906835556,
1103
+ "learning_rate": 5e-05,
1104
+ "loss": 0.4634,
1105
+ "num_tokens": 133211562.0,
1106
+ "step": 137
1107
+ },
1108
+ {
1109
+ "epoch": 0.8932038834951457,
1110
+ "grad_norm": 0.07459400594234467,
1111
+ "learning_rate": 5e-05,
1112
+ "loss": 0.461,
1113
+ "num_tokens": 134208133.0,
1114
+ "step": 138
1115
+ },
1116
+ {
1117
+ "epoch": 0.8996763754045307,
1118
+ "grad_norm": 0.07433219254016876,
1119
+ "learning_rate": 5e-05,
1120
+ "loss": 0.4636,
1121
+ "num_tokens": 135194807.0,
1122
+ "step": 139
1123
+ },
1124
+ {
1125
+ "epoch": 0.9061488673139159,
1126
+ "grad_norm": 0.07031978666782379,
1127
+ "learning_rate": 5e-05,
1128
+ "loss": 0.4608,
1129
+ "num_tokens": 136175941.0,
1130
+ "step": 140
1131
+ },
1132
+ {
1133
+ "epoch": 0.912621359223301,
1134
+ "grad_norm": 0.0723009705543518,
1135
+ "learning_rate": 5e-05,
1136
+ "loss": 0.4737,
1137
+ "num_tokens": 137117638.0,
1138
+ "step": 141
1139
+ },
1140
+ {
1141
+ "epoch": 0.919093851132686,
1142
+ "grad_norm": 0.07371240109205246,
1143
+ "learning_rate": 5e-05,
1144
+ "loss": 0.4509,
1145
+ "num_tokens": 138102412.0,
1146
+ "step": 142
1147
+ },
1148
+ {
1149
+ "epoch": 0.9255663430420712,
1150
+ "grad_norm": 0.07230992615222931,
1151
+ "learning_rate": 5e-05,
1152
+ "loss": 0.4529,
1153
+ "num_tokens": 139056304.0,
1154
+ "step": 143
1155
+ },
1156
+ {
1157
+ "epoch": 0.9320388349514563,
1158
+ "grad_norm": 0.07148095965385437,
1159
+ "learning_rate": 5e-05,
1160
+ "loss": 0.4588,
1161
+ "num_tokens": 140002988.0,
1162
+ "step": 144
1163
+ },
1164
+ {
1165
+ "epoch": 0.9385113268608414,
1166
+ "grad_norm": 0.07484987378120422,
1167
+ "learning_rate": 5e-05,
1168
+ "loss": 0.4618,
1169
+ "num_tokens": 140939323.0,
1170
+ "step": 145
1171
+ },
1172
+ {
1173
+ "epoch": 0.9449838187702265,
1174
+ "grad_norm": 0.07357531785964966,
1175
+ "learning_rate": 5e-05,
1176
+ "loss": 0.4566,
1177
+ "num_tokens": 141898246.0,
1178
+ "step": 146
1179
+ },
1180
+ {
1181
+ "epoch": 0.9514563106796117,
1182
+ "grad_norm": 0.07386026531457901,
1183
+ "learning_rate": 5e-05,
1184
+ "loss": 0.4643,
1185
+ "num_tokens": 142861118.0,
1186
+ "step": 147
1187
+ },
1188
+ {
1189
+ "epoch": 0.9579288025889967,
1190
+ "grad_norm": 0.08253912627696991,
1191
+ "learning_rate": 5e-05,
1192
+ "loss": 0.4567,
1193
+ "num_tokens": 143845628.0,
1194
+ "step": 148
1195
+ },
1196
+ {
1197
+ "epoch": 0.9644012944983819,
1198
+ "grad_norm": 0.07609708607196808,
1199
+ "learning_rate": 5e-05,
1200
+ "loss": 0.4693,
1201
+ "num_tokens": 144816454.0,
1202
+ "step": 149
1203
+ },
1204
+ {
1205
+ "epoch": 0.970873786407767,
1206
+ "grad_norm": 0.07037684321403503,
1207
+ "learning_rate": 5e-05,
1208
+ "loss": 0.4578,
1209
+ "num_tokens": 145791528.0,
1210
+ "step": 150
1211
+ },
1212
+ {
1213
+ "epoch": 0.9773462783171522,
1214
+ "grad_norm": 0.08232349157333374,
1215
+ "learning_rate": 5e-05,
1216
+ "loss": 0.4708,
1217
+ "num_tokens": 146776225.0,
1218
+ "step": 151
1219
+ },
1220
+ {
1221
+ "epoch": 0.9838187702265372,
1222
+ "grad_norm": 0.07779615372419357,
1223
+ "learning_rate": 5e-05,
1224
+ "loss": 0.453,
1225
+ "num_tokens": 147716038.0,
1226
+ "step": 152
1227
+ },
1228
+ {
1229
+ "epoch": 0.9902912621359223,
1230
+ "grad_norm": 0.08135052770376205,
1231
+ "learning_rate": 5e-05,
1232
+ "loss": 0.4499,
1233
+ "num_tokens": 148641036.0,
1234
+ "step": 153
1235
+ },
1236
+ {
1237
+ "epoch": 0.9967637540453075,
1238
+ "grad_norm": 0.08215004205703735,
1239
+ "learning_rate": 5e-05,
1240
+ "loss": 0.4534,
1241
+ "num_tokens": 149611850.0,
1242
+ "step": 154
1243
+ },
1244
+ {
1245
+ "epoch": 1.0,
1246
+ "grad_norm": 0.08215004205703735,
1247
+ "learning_rate": 5e-05,
1248
+ "loss": 0.4567,
1249
+ "num_tokens": 150082857.0,
1250
+ "step": 155
1251
+ },
1252
+ {
1253
+ "epoch": 1.006472491909385,
1254
+ "grad_norm": 0.12951067090034485,
1255
+ "learning_rate": 5e-05,
1256
+ "loss": 0.4451,
1257
+ "num_tokens": 151065207.0,
1258
+ "step": 156
1259
+ },
1260
+ {
1261
+ "epoch": 1.0129449838187703,
1262
+ "grad_norm": 0.08162039518356323,
1263
+ "learning_rate": 5e-05,
1264
+ "loss": 0.4376,
1265
+ "num_tokens": 152046682.0,
1266
+ "step": 157
1267
+ },
1268
+ {
1269
+ "epoch": 1.0194174757281553,
1270
+ "grad_norm": 0.08573632687330246,
1271
+ "learning_rate": 5e-05,
1272
+ "loss": 0.4406,
1273
+ "num_tokens": 153014543.0,
1274
+ "step": 158
1275
+ },
1276
+ {
1277
+ "epoch": 1.0258899676375404,
1278
+ "grad_norm": 0.08429895341396332,
1279
+ "learning_rate": 5e-05,
1280
+ "loss": 0.4476,
1281
+ "num_tokens": 153988434.0,
1282
+ "step": 159
1283
+ },
1284
+ {
1285
+ "epoch": 1.0323624595469256,
1286
+ "grad_norm": 0.07849979400634766,
1287
+ "learning_rate": 5e-05,
1288
+ "loss": 0.4432,
1289
+ "num_tokens": 154938356.0,
1290
+ "step": 160
1291
+ },
1292
+ {
1293
+ "epoch": 1.0388349514563107,
1294
+ "grad_norm": 0.07281821221113205,
1295
+ "learning_rate": 5e-05,
1296
+ "loss": 0.4429,
1297
+ "num_tokens": 155920665.0,
1298
+ "step": 161
1299
+ },
1300
+ {
1301
+ "epoch": 1.0453074433656957,
1302
+ "grad_norm": 0.07583747804164886,
1303
+ "learning_rate": 5e-05,
1304
+ "loss": 0.4463,
1305
+ "num_tokens": 156878844.0,
1306
+ "step": 162
1307
+ },
1308
+ {
1309
+ "epoch": 1.051779935275081,
1310
+ "grad_norm": 0.07518955320119858,
1311
+ "learning_rate": 5e-05,
1312
+ "loss": 0.4355,
1313
+ "num_tokens": 157852056.0,
1314
+ "step": 163
1315
+ },
1316
+ {
1317
+ "epoch": 1.058252427184466,
1318
+ "grad_norm": 0.07348643243312836,
1319
+ "learning_rate": 5e-05,
1320
+ "loss": 0.4463,
1321
+ "num_tokens": 158847308.0,
1322
+ "step": 164
1323
+ },
1324
+ {
1325
+ "epoch": 1.064724919093851,
1326
+ "grad_norm": 0.07081995904445648,
1327
+ "learning_rate": 5e-05,
1328
+ "loss": 0.4479,
1329
+ "num_tokens": 159815676.0,
1330
+ "step": 165
1331
+ },
1332
+ {
1333
+ "epoch": 1.0711974110032363,
1334
+ "grad_norm": 0.07504888623952866,
1335
+ "learning_rate": 5e-05,
1336
+ "loss": 0.4462,
1337
+ "num_tokens": 160783247.0,
1338
+ "step": 166
1339
+ },
1340
+ {
1341
+ "epoch": 1.0776699029126213,
1342
+ "grad_norm": 0.08156006038188934,
1343
+ "learning_rate": 5e-05,
1344
+ "loss": 0.4419,
1345
+ "num_tokens": 161757978.0,
1346
+ "step": 167
1347
+ },
1348
+ {
1349
+ "epoch": 1.0841423948220066,
1350
+ "grad_norm": 0.07030846923589706,
1351
+ "learning_rate": 5e-05,
1352
+ "loss": 0.4355,
1353
+ "num_tokens": 162697927.0,
1354
+ "step": 168
1355
+ },
1356
+ {
1357
+ "epoch": 1.0906148867313916,
1358
+ "grad_norm": 0.07842884212732315,
1359
+ "learning_rate": 5e-05,
1360
+ "loss": 0.4443,
1361
+ "num_tokens": 163662092.0,
1362
+ "step": 169
1363
+ },
1364
+ {
1365
+ "epoch": 1.0970873786407767,
1366
+ "grad_norm": 0.07462962716817856,
1367
+ "learning_rate": 5e-05,
1368
+ "loss": 0.4338,
1369
+ "num_tokens": 164636005.0,
1370
+ "step": 170
1371
+ },
1372
+ {
1373
+ "epoch": 1.103559870550162,
1374
+ "grad_norm": 0.07446887344121933,
1375
+ "learning_rate": 5e-05,
1376
+ "loss": 0.4411,
1377
+ "num_tokens": 165575709.0,
1378
+ "step": 171
1379
+ },
1380
+ {
1381
+ "epoch": 1.110032362459547,
1382
+ "grad_norm": 0.07747510075569153,
1383
+ "learning_rate": 5e-05,
1384
+ "loss": 0.4291,
1385
+ "num_tokens": 166581172.0,
1386
+ "step": 172
1387
+ },
1388
+ {
1389
+ "epoch": 1.116504854368932,
1390
+ "grad_norm": 0.07689209282398224,
1391
+ "learning_rate": 5e-05,
1392
+ "loss": 0.4399,
1393
+ "num_tokens": 167529454.0,
1394
+ "step": 173
1395
+ },
1396
+ {
1397
+ "epoch": 1.1229773462783172,
1398
+ "grad_norm": 0.08291266113519669,
1399
+ "learning_rate": 5e-05,
1400
+ "loss": 0.4301,
1401
+ "num_tokens": 168484414.0,
1402
+ "step": 174
1403
+ },
1404
+ {
1405
+ "epoch": 1.1294498381877023,
1406
+ "grad_norm": 0.07804319262504578,
1407
+ "learning_rate": 5e-05,
1408
+ "loss": 0.442,
1409
+ "num_tokens": 169452401.0,
1410
+ "step": 175
1411
+ },
1412
+ {
1413
+ "epoch": 1.1359223300970873,
1414
+ "grad_norm": 0.11736025661230087,
1415
+ "learning_rate": 5e-05,
1416
+ "loss": 0.433,
1417
+ "num_tokens": 170407712.0,
1418
+ "step": 176
1419
+ },
1420
+ {
1421
+ "epoch": 1.1423948220064726,
1422
+ "grad_norm": 0.07530157268047333,
1423
+ "learning_rate": 5e-05,
1424
+ "loss": 0.4406,
1425
+ "num_tokens": 171418075.0,
1426
+ "step": 177
1427
+ },
1428
+ {
1429
+ "epoch": 1.1488673139158576,
1430
+ "grad_norm": 0.08101016283035278,
1431
+ "learning_rate": 5e-05,
1432
+ "loss": 0.4401,
1433
+ "num_tokens": 172409907.0,
1434
+ "step": 178
1435
+ },
1436
+ {
1437
+ "epoch": 1.1553398058252426,
1438
+ "grad_norm": 0.07175223529338837,
1439
+ "learning_rate": 5e-05,
1440
+ "loss": 0.4359,
1441
+ "num_tokens": 173368352.0,
1442
+ "step": 179
1443
+ },
1444
+ {
1445
+ "epoch": 1.161812297734628,
1446
+ "grad_norm": 0.08663670718669891,
1447
+ "learning_rate": 5e-05,
1448
+ "loss": 0.4391,
1449
+ "num_tokens": 174328021.0,
1450
+ "step": 180
1451
+ },
1452
+ {
1453
+ "epoch": 1.168284789644013,
1454
+ "grad_norm": 0.06918058544397354,
1455
+ "learning_rate": 5e-05,
1456
+ "loss": 0.4368,
1457
+ "num_tokens": 175328614.0,
1458
+ "step": 181
1459
+ },
1460
+ {
1461
+ "epoch": 1.174757281553398,
1462
+ "grad_norm": 0.07877670228481293,
1463
+ "learning_rate": 5e-05,
1464
+ "loss": 0.4389,
1465
+ "num_tokens": 176287442.0,
1466
+ "step": 182
1467
+ },
1468
+ {
1469
+ "epoch": 1.1812297734627832,
1470
+ "grad_norm": 0.07870753109455109,
1471
+ "learning_rate": 5e-05,
1472
+ "loss": 0.4424,
1473
+ "num_tokens": 177272590.0,
1474
+ "step": 183
1475
+ },
1476
+ {
1477
+ "epoch": 1.1877022653721683,
1478
+ "grad_norm": 0.07874580472707748,
1479
+ "learning_rate": 5e-05,
1480
+ "loss": 0.4434,
1481
+ "num_tokens": 178243495.0,
1482
+ "step": 184
1483
+ },
1484
+ {
1485
+ "epoch": 1.1941747572815533,
1486
+ "grad_norm": 0.08359023183584213,
1487
+ "learning_rate": 5e-05,
1488
+ "loss": 0.4398,
1489
+ "num_tokens": 179230835.0,
1490
+ "step": 185
1491
+ },
1492
+ {
1493
+ "epoch": 1.2006472491909386,
1494
+ "grad_norm": 0.07290732860565186,
1495
+ "learning_rate": 5e-05,
1496
+ "loss": 0.4345,
1497
+ "num_tokens": 180197716.0,
1498
+ "step": 186
1499
+ },
1500
+ {
1501
+ "epoch": 1.2071197411003236,
1502
+ "grad_norm": 0.08212576806545258,
1503
+ "learning_rate": 5e-05,
1504
+ "loss": 0.4474,
1505
+ "num_tokens": 181168136.0,
1506
+ "step": 187
1507
+ },
1508
+ {
1509
+ "epoch": 1.2135922330097086,
1510
+ "grad_norm": 0.06907600909471512,
1511
+ "learning_rate": 5e-05,
1512
+ "loss": 0.4377,
1513
+ "num_tokens": 182127126.0,
1514
+ "step": 188
1515
+ },
1516
+ {
1517
+ "epoch": 1.220064724919094,
1518
+ "grad_norm": 0.08045664429664612,
1519
+ "learning_rate": 5e-05,
1520
+ "loss": 0.4398,
1521
+ "num_tokens": 183085892.0,
1522
+ "step": 189
1523
+ },
1524
+ {
1525
+ "epoch": 1.226537216828479,
1526
+ "grad_norm": 0.06961699575185776,
1527
+ "learning_rate": 5e-05,
1528
+ "loss": 0.4373,
1529
+ "num_tokens": 184057299.0,
1530
+ "step": 190
1531
+ },
1532
+ {
1533
+ "epoch": 1.233009708737864,
1534
+ "grad_norm": 0.06923746317625046,
1535
+ "learning_rate": 5e-05,
1536
+ "loss": 0.4319,
1537
+ "num_tokens": 184998791.0,
1538
+ "step": 191
1539
+ },
1540
+ {
1541
+ "epoch": 1.2394822006472492,
1542
+ "grad_norm": 0.06757514923810959,
1543
+ "learning_rate": 5e-05,
1544
+ "loss": 0.4293,
1545
+ "num_tokens": 185986785.0,
1546
+ "step": 192
1547
+ },
1548
+ {
1549
+ "epoch": 1.2459546925566343,
1550
+ "grad_norm": 0.07580296695232391,
1551
+ "learning_rate": 5e-05,
1552
+ "loss": 0.4235,
1553
+ "num_tokens": 186929881.0,
1554
+ "step": 193
1555
+ },
1556
+ {
1557
+ "epoch": 1.2524271844660193,
1558
+ "grad_norm": 0.07387218624353409,
1559
+ "learning_rate": 5e-05,
1560
+ "loss": 0.4396,
1561
+ "num_tokens": 187902972.0,
1562
+ "step": 194
1563
+ },
1564
+ {
1565
+ "epoch": 1.2588996763754046,
1566
+ "grad_norm": 0.06943249702453613,
1567
+ "learning_rate": 5e-05,
1568
+ "loss": 0.4231,
1569
+ "num_tokens": 188884007.0,
1570
+ "step": 195
1571
+ },
1572
+ {
1573
+ "epoch": 1.2653721682847896,
1574
+ "grad_norm": 0.08204852789640427,
1575
+ "learning_rate": 5e-05,
1576
+ "loss": 0.4257,
1577
+ "num_tokens": 189812757.0,
1578
+ "step": 196
1579
+ },
1580
+ {
1581
+ "epoch": 1.2718446601941746,
1582
+ "grad_norm": 0.07111456245183945,
1583
+ "learning_rate": 5e-05,
1584
+ "loss": 0.429,
1585
+ "num_tokens": 190775296.0,
1586
+ "step": 197
1587
+ },
1588
+ {
1589
+ "epoch": 1.27831715210356,
1590
+ "grad_norm": 0.07618564367294312,
1591
+ "learning_rate": 5e-05,
1592
+ "loss": 0.4312,
1593
+ "num_tokens": 191750113.0,
1594
+ "step": 198
1595
+ },
1596
+ {
1597
+ "epoch": 1.284789644012945,
1598
+ "grad_norm": 0.07395539432764053,
1599
+ "learning_rate": 5e-05,
1600
+ "loss": 0.4323,
1601
+ "num_tokens": 192691419.0,
1602
+ "step": 199
1603
+ },
1604
+ {
1605
+ "epoch": 1.29126213592233,
1606
+ "grad_norm": 0.07217647135257721,
1607
+ "learning_rate": 5e-05,
1608
+ "loss": 0.4384,
1609
+ "num_tokens": 193680379.0,
1610
+ "step": 200
1611
+ },
1612
+ {
1613
+ "epoch": 1.2977346278317152,
1614
+ "grad_norm": 0.07782027870416641,
1615
+ "learning_rate": 5e-05,
1616
+ "loss": 0.4313,
1617
+ "num_tokens": 194655500.0,
1618
+ "step": 201
1619
+ },
1620
+ {
1621
+ "epoch": 1.3042071197411003,
1622
+ "grad_norm": 0.07341085374355316,
1623
+ "learning_rate": 5e-05,
1624
+ "loss": 0.4325,
1625
+ "num_tokens": 195598008.0,
1626
+ "step": 202
1627
+ },
1628
+ {
1629
+ "epoch": 1.3106796116504853,
1630
+ "grad_norm": 0.08135197311639786,
1631
+ "learning_rate": 5e-05,
1632
+ "loss": 0.4355,
1633
+ "num_tokens": 196583549.0,
1634
+ "step": 203
1635
+ },
1636
+ {
1637
+ "epoch": 1.3171521035598706,
1638
+ "grad_norm": 0.07773473113775253,
1639
+ "learning_rate": 5e-05,
1640
+ "loss": 0.4323,
1641
+ "num_tokens": 197555491.0,
1642
+ "step": 204
1643
+ },
1644
+ {
1645
+ "epoch": 1.3236245954692556,
1646
+ "grad_norm": 0.07148458063602448,
1647
+ "learning_rate": 5e-05,
1648
+ "loss": 0.4256,
1649
+ "num_tokens": 198552040.0,
1650
+ "step": 205
1651
+ },
1652
+ {
1653
+ "epoch": 1.3300970873786409,
1654
+ "grad_norm": 0.07449620217084885,
1655
+ "learning_rate": 5e-05,
1656
+ "loss": 0.4272,
1657
+ "num_tokens": 199517007.0,
1658
+ "step": 206
1659
+ },
1660
+ {
1661
+ "epoch": 1.3365695792880259,
1662
+ "grad_norm": 0.07754094153642654,
1663
+ "learning_rate": 5e-05,
1664
+ "loss": 0.4339,
1665
+ "num_tokens": 200490485.0,
1666
+ "step": 207
1667
+ },
1668
+ {
1669
+ "epoch": 1.343042071197411,
1670
+ "grad_norm": 0.07362478971481323,
1671
+ "learning_rate": 5e-05,
1672
+ "loss": 0.4406,
1673
+ "num_tokens": 201459121.0,
1674
+ "step": 208
1675
+ },
1676
+ {
1677
+ "epoch": 1.3495145631067962,
1678
+ "grad_norm": 0.07664497196674347,
1679
+ "learning_rate": 5e-05,
1680
+ "loss": 0.4276,
1681
+ "num_tokens": 202378391.0,
1682
+ "step": 209
1683
+ },
1684
+ {
1685
+ "epoch": 1.3559870550161812,
1686
+ "grad_norm": 0.0704311802983284,
1687
+ "learning_rate": 5e-05,
1688
+ "loss": 0.4357,
1689
+ "num_tokens": 203389991.0,
1690
+ "step": 210
1691
+ },
1692
+ {
1693
+ "epoch": 1.3624595469255665,
1694
+ "grad_norm": 0.0787428691983223,
1695
+ "learning_rate": 5e-05,
1696
+ "loss": 0.435,
1697
+ "num_tokens": 204350028.0,
1698
+ "step": 211
1699
+ },
1700
+ {
1701
+ "epoch": 1.3689320388349515,
1702
+ "grad_norm": 0.07431653887033463,
1703
+ "learning_rate": 5e-05,
1704
+ "loss": 0.4364,
1705
+ "num_tokens": 205321725.0,
1706
+ "step": 212
1707
+ },
1708
+ {
1709
+ "epoch": 1.3754045307443366,
1710
+ "grad_norm": 0.07566326856613159,
1711
+ "learning_rate": 5e-05,
1712
+ "loss": 0.4357,
1713
+ "num_tokens": 206300400.0,
1714
+ "step": 213
1715
+ },
1716
+ {
1717
+ "epoch": 1.3818770226537218,
1718
+ "grad_norm": 0.08108120411634445,
1719
+ "learning_rate": 5e-05,
1720
+ "loss": 0.4308,
1721
+ "num_tokens": 207269349.0,
1722
+ "step": 214
1723
+ },
1724
+ {
1725
+ "epoch": 1.3883495145631068,
1726
+ "grad_norm": 0.07374545186758041,
1727
+ "learning_rate": 5e-05,
1728
+ "loss": 0.4269,
1729
+ "num_tokens": 208239995.0,
1730
+ "step": 215
1731
+ },
1732
+ {
1733
+ "epoch": 1.3948220064724919,
1734
+ "grad_norm": 0.08767480403184891,
1735
+ "learning_rate": 5e-05,
1736
+ "loss": 0.4355,
1737
+ "num_tokens": 209197405.0,
1738
+ "step": 216
1739
+ },
1740
+ {
1741
+ "epoch": 1.4012944983818771,
1742
+ "grad_norm": 0.07893698662519455,
1743
+ "learning_rate": 5e-05,
1744
+ "loss": 0.427,
1745
+ "num_tokens": 210173069.0,
1746
+ "step": 217
1747
+ },
1748
+ {
1749
+ "epoch": 1.4077669902912622,
1750
+ "grad_norm": 0.07081396877765656,
1751
+ "learning_rate": 5e-05,
1752
+ "loss": 0.4256,
1753
+ "num_tokens": 211140476.0,
1754
+ "step": 218
1755
+ },
1756
+ {
1757
+ "epoch": 1.4142394822006472,
1758
+ "grad_norm": 0.08066347241401672,
1759
+ "learning_rate": 5e-05,
1760
+ "loss": 0.4268,
1761
+ "num_tokens": 212101096.0,
1762
+ "step": 219
1763
+ },
1764
+ {
1765
+ "epoch": 1.4207119741100325,
1766
+ "grad_norm": 0.07329224050045013,
1767
+ "learning_rate": 5e-05,
1768
+ "loss": 0.4335,
1769
+ "num_tokens": 213068720.0,
1770
+ "step": 220
1771
+ },
1772
+ {
1773
+ "epoch": 1.4271844660194175,
1774
+ "grad_norm": 0.07449159771203995,
1775
+ "learning_rate": 5e-05,
1776
+ "loss": 0.432,
1777
+ "num_tokens": 214020099.0,
1778
+ "step": 221
1779
+ },
1780
+ {
1781
+ "epoch": 1.4336569579288025,
1782
+ "grad_norm": 0.08327056467533112,
1783
+ "learning_rate": 5e-05,
1784
+ "loss": 0.4247,
1785
+ "num_tokens": 214947806.0,
1786
+ "step": 222
1787
+ },
1788
+ {
1789
+ "epoch": 1.4401294498381878,
1790
+ "grad_norm": 0.08394914120435715,
1791
+ "learning_rate": 5e-05,
1792
+ "loss": 0.4277,
1793
+ "num_tokens": 215925598.0,
1794
+ "step": 223
1795
+ },
1796
+ {
1797
+ "epoch": 1.4466019417475728,
1798
+ "grad_norm": 0.07097604125738144,
1799
+ "learning_rate": 5e-05,
1800
+ "loss": 0.4223,
1801
+ "num_tokens": 216915650.0,
1802
+ "step": 224
1803
+ },
1804
+ {
1805
+ "epoch": 1.4530744336569579,
1806
+ "grad_norm": 0.08626024425029755,
1807
+ "learning_rate": 5e-05,
1808
+ "loss": 0.4312,
1809
+ "num_tokens": 217865373.0,
1810
+ "step": 225
1811
+ },
1812
+ {
1813
+ "epoch": 1.4595469255663431,
1814
+ "grad_norm": 0.0762239620089531,
1815
+ "learning_rate": 5e-05,
1816
+ "loss": 0.4216,
1817
+ "num_tokens": 218823612.0,
1818
+ "step": 226
1819
+ },
1820
+ {
1821
+ "epoch": 1.4660194174757282,
1822
+ "grad_norm": 0.07924097031354904,
1823
+ "learning_rate": 5e-05,
1824
+ "loss": 0.42,
1825
+ "num_tokens": 219799962.0,
1826
+ "step": 227
1827
+ },
1828
+ {
1829
+ "epoch": 1.4724919093851132,
1830
+ "grad_norm": 0.08355455100536346,
1831
+ "learning_rate": 5e-05,
1832
+ "loss": 0.4313,
1833
+ "num_tokens": 220771199.0,
1834
+ "step": 228
1835
+ },
1836
+ {
1837
+ "epoch": 1.4789644012944985,
1838
+ "grad_norm": 0.07906650006771088,
1839
+ "learning_rate": 5e-05,
1840
+ "loss": 0.4268,
1841
+ "num_tokens": 221736326.0,
1842
+ "step": 229
1843
+ },
1844
+ {
1845
+ "epoch": 1.4854368932038835,
1846
+ "grad_norm": 0.08973719924688339,
1847
+ "learning_rate": 5e-05,
1848
+ "loss": 0.4252,
1849
+ "num_tokens": 222710609.0,
1850
+ "step": 230
1851
+ },
1852
+ {
1853
+ "epoch": 1.4919093851132685,
1854
+ "grad_norm": 0.07725334167480469,
1855
+ "learning_rate": 5e-05,
1856
+ "loss": 0.4221,
1857
+ "num_tokens": 223688658.0,
1858
+ "step": 231
1859
+ },
1860
+ {
1861
+ "epoch": 1.4983818770226538,
1862
+ "grad_norm": 0.07630056142807007,
1863
+ "learning_rate": 5e-05,
1864
+ "loss": 0.4273,
1865
+ "num_tokens": 224689265.0,
1866
+ "step": 232
1867
+ },
1868
+ {
1869
+ "epoch": 1.5048543689320388,
1870
+ "grad_norm": 0.07663094997406006,
1871
+ "learning_rate": 5e-05,
1872
+ "loss": 0.4251,
1873
+ "num_tokens": 225643475.0,
1874
+ "step": 233
1875
+ },
1876
+ {
1877
+ "epoch": 1.5113268608414239,
1878
+ "grad_norm": 0.0784551352262497,
1879
+ "learning_rate": 5e-05,
1880
+ "loss": 0.4293,
1881
+ "num_tokens": 226617652.0,
1882
+ "step": 234
1883
+ },
1884
+ {
1885
+ "epoch": 1.5177993527508091,
1886
+ "grad_norm": 0.07572222501039505,
1887
+ "learning_rate": 5e-05,
1888
+ "loss": 0.4237,
1889
+ "num_tokens": 227553267.0,
1890
+ "step": 235
1891
+ },
1892
+ {
1893
+ "epoch": 1.5242718446601942,
1894
+ "grad_norm": 0.0770764872431755,
1895
+ "learning_rate": 5e-05,
1896
+ "loss": 0.4264,
1897
+ "num_tokens": 228538404.0,
1898
+ "step": 236
1899
+ },
1900
+ {
1901
+ "epoch": 1.5307443365695792,
1902
+ "grad_norm": 0.07201480865478516,
1903
+ "learning_rate": 5e-05,
1904
+ "loss": 0.4223,
1905
+ "num_tokens": 229526832.0,
1906
+ "step": 237
1907
+ },
1908
+ {
1909
+ "epoch": 1.5372168284789645,
1910
+ "grad_norm": 0.0691269114613533,
1911
+ "learning_rate": 5e-05,
1912
+ "loss": 0.4277,
1913
+ "num_tokens": 230514566.0,
1914
+ "step": 238
1915
+ },
1916
+ {
1917
+ "epoch": 1.5436893203883495,
1918
+ "grad_norm": 0.07049082964658737,
1919
+ "learning_rate": 5e-05,
1920
+ "loss": 0.4233,
1921
+ "num_tokens": 231499488.0,
1922
+ "step": 239
1923
+ },
1924
+ {
1925
+ "epoch": 1.5501618122977345,
1926
+ "grad_norm": 0.08118099719285965,
1927
+ "learning_rate": 5e-05,
1928
+ "loss": 0.4357,
1929
+ "num_tokens": 232467260.0,
1930
+ "step": 240
1931
+ },
1932
+ {
1933
+ "epoch": 1.5566343042071198,
1934
+ "grad_norm": 0.07066251337528229,
1935
+ "learning_rate": 5e-05,
1936
+ "loss": 0.4272,
1937
+ "num_tokens": 233453448.0,
1938
+ "step": 241
1939
+ },
1940
+ {
1941
+ "epoch": 1.5631067961165048,
1942
+ "grad_norm": 0.07374730706214905,
1943
+ "learning_rate": 5e-05,
1944
+ "loss": 0.4201,
1945
+ "num_tokens": 234468336.0,
1946
+ "step": 242
1947
+ },
1948
+ {
1949
+ "epoch": 1.5695792880258899,
1950
+ "grad_norm": 0.07152937352657318,
1951
+ "learning_rate": 5e-05,
1952
+ "loss": 0.4315,
1953
+ "num_tokens": 235437157.0,
1954
+ "step": 243
1955
+ },
1956
+ {
1957
+ "epoch": 1.5760517799352751,
1958
+ "grad_norm": 0.07616350799798965,
1959
+ "learning_rate": 5e-05,
1960
+ "loss": 0.4318,
1961
+ "num_tokens": 236420720.0,
1962
+ "step": 244
1963
+ },
1964
+ {
1965
+ "epoch": 1.5825242718446602,
1966
+ "grad_norm": 0.07416857779026031,
1967
+ "learning_rate": 5e-05,
1968
+ "loss": 0.4274,
1969
+ "num_tokens": 237408717.0,
1970
+ "step": 245
1971
+ },
1972
+ {
1973
+ "epoch": 1.5889967637540452,
1974
+ "grad_norm": 0.07387153804302216,
1975
+ "learning_rate": 5e-05,
1976
+ "loss": 0.4319,
1977
+ "num_tokens": 238399497.0,
1978
+ "step": 246
1979
+ },
1980
+ {
1981
+ "epoch": 1.5954692556634305,
1982
+ "grad_norm": 0.08334296196699142,
1983
+ "learning_rate": 5e-05,
1984
+ "loss": 0.4326,
1985
+ "num_tokens": 239341614.0,
1986
+ "step": 247
1987
+ },
1988
+ {
1989
+ "epoch": 1.6019417475728155,
1990
+ "grad_norm": 0.07761246711015701,
1991
+ "learning_rate": 5e-05,
1992
+ "loss": 0.425,
1993
+ "num_tokens": 240303758.0,
1994
+ "step": 248
1995
+ },
1996
+ {
1997
+ "epoch": 1.6084142394822005,
1998
+ "grad_norm": 0.08378470689058304,
1999
+ "learning_rate": 5e-05,
2000
+ "loss": 0.4259,
2001
+ "num_tokens": 241254594.0,
2002
+ "step": 249
2003
+ },
2004
+ {
2005
+ "epoch": 1.6148867313915858,
2006
+ "grad_norm": 0.07867910712957382,
2007
+ "learning_rate": 5e-05,
2008
+ "loss": 0.4307,
2009
+ "num_tokens": 242199383.0,
2010
+ "step": 250
2011
+ },
2012
+ {
2013
+ "epoch": 1.6213592233009708,
2014
+ "grad_norm": 0.07352302223443985,
2015
+ "learning_rate": 5e-05,
2016
+ "loss": 0.423,
2017
+ "num_tokens": 243205373.0,
2018
+ "step": 251
2019
+ },
2020
+ {
2021
+ "epoch": 1.6278317152103559,
2022
+ "grad_norm": 0.09280988574028015,
2023
+ "learning_rate": 5e-05,
2024
+ "loss": 0.4191,
2025
+ "num_tokens": 244177909.0,
2026
+ "step": 252
2027
+ },
2028
+ {
2029
+ "epoch": 1.6343042071197411,
2030
+ "grad_norm": 0.075154148042202,
2031
+ "learning_rate": 5e-05,
2032
+ "loss": 0.4309,
2033
+ "num_tokens": 245165218.0,
2034
+ "step": 253
2035
+ },
2036
+ {
2037
+ "epoch": 1.6407766990291264,
2038
+ "grad_norm": 0.0745166540145874,
2039
+ "learning_rate": 5e-05,
2040
+ "loss": 0.4189,
2041
+ "num_tokens": 246106607.0,
2042
+ "step": 254
2043
+ },
2044
+ {
2045
+ "epoch": 1.6472491909385112,
2046
+ "grad_norm": 0.0815306305885315,
2047
+ "learning_rate": 5e-05,
2048
+ "loss": 0.424,
2049
+ "num_tokens": 247086207.0,
2050
+ "step": 255
2051
+ },
2052
+ {
2053
+ "epoch": 1.6537216828478964,
2054
+ "grad_norm": 0.0698089599609375,
2055
+ "learning_rate": 5e-05,
2056
+ "loss": 0.4294,
2057
+ "num_tokens": 248068946.0,
2058
+ "step": 256
2059
+ },
2060
+ {
2061
+ "epoch": 1.6601941747572817,
2062
+ "grad_norm": 0.07266344130039215,
2063
+ "learning_rate": 5e-05,
2064
+ "loss": 0.4189,
2065
+ "num_tokens": 249047854.0,
2066
+ "step": 257
2067
+ },
2068
+ {
2069
+ "epoch": 1.6666666666666665,
2070
+ "grad_norm": 0.07019169628620148,
2071
+ "learning_rate": 5e-05,
2072
+ "loss": 0.4323,
2073
+ "num_tokens": 250033293.0,
2074
+ "step": 258
2075
+ },
2076
+ {
2077
+ "epoch": 1.6731391585760518,
2078
+ "grad_norm": 0.07183459401130676,
2079
+ "learning_rate": 5e-05,
2080
+ "loss": 0.4282,
2081
+ "num_tokens": 251008614.0,
2082
+ "step": 259
2083
+ },
2084
+ {
2085
+ "epoch": 1.679611650485437,
2086
+ "grad_norm": 0.073873370885849,
2087
+ "learning_rate": 5e-05,
2088
+ "loss": 0.4202,
2089
+ "num_tokens": 251959677.0,
2090
+ "step": 260
2091
+ },
2092
+ {
2093
+ "epoch": 1.6860841423948218,
2094
+ "grad_norm": 0.06802140921354294,
2095
+ "learning_rate": 5e-05,
2096
+ "loss": 0.4259,
2097
+ "num_tokens": 252935571.0,
2098
+ "step": 261
2099
+ },
2100
+ {
2101
+ "epoch": 1.692556634304207,
2102
+ "grad_norm": 0.07007544487714767,
2103
+ "learning_rate": 5e-05,
2104
+ "loss": 0.4282,
2105
+ "num_tokens": 253879032.0,
2106
+ "step": 262
2107
+ },
2108
+ {
2109
+ "epoch": 1.6990291262135924,
2110
+ "grad_norm": 0.07234214246273041,
2111
+ "learning_rate": 5e-05,
2112
+ "loss": 0.4108,
2113
+ "num_tokens": 254826418.0,
2114
+ "step": 263
2115
+ },
2116
+ {
2117
+ "epoch": 1.7055016181229772,
2118
+ "grad_norm": 0.06874369829893112,
2119
+ "learning_rate": 5e-05,
2120
+ "loss": 0.4303,
2121
+ "num_tokens": 255785864.0,
2122
+ "step": 264
2123
+ },
2124
+ {
2125
+ "epoch": 1.7119741100323624,
2126
+ "grad_norm": 0.07440722733736038,
2127
+ "learning_rate": 5e-05,
2128
+ "loss": 0.4184,
2129
+ "num_tokens": 256751813.0,
2130
+ "step": 265
2131
+ },
2132
+ {
2133
+ "epoch": 1.7184466019417477,
2134
+ "grad_norm": 0.0684632807970047,
2135
+ "learning_rate": 5e-05,
2136
+ "loss": 0.4286,
2137
+ "num_tokens": 257721834.0,
2138
+ "step": 266
2139
+ },
2140
+ {
2141
+ "epoch": 1.7249190938511327,
2142
+ "grad_norm": 0.07231073081493378,
2143
+ "learning_rate": 5e-05,
2144
+ "loss": 0.4279,
2145
+ "num_tokens": 258673121.0,
2146
+ "step": 267
2147
+ },
2148
+ {
2149
+ "epoch": 1.7313915857605178,
2150
+ "grad_norm": 0.06958328932523727,
2151
+ "learning_rate": 5e-05,
2152
+ "loss": 0.4321,
2153
+ "num_tokens": 259660088.0,
2154
+ "step": 268
2155
+ },
2156
+ {
2157
+ "epoch": 1.737864077669903,
2158
+ "grad_norm": 0.0741194635629654,
2159
+ "learning_rate": 5e-05,
2160
+ "loss": 0.4332,
2161
+ "num_tokens": 260659515.0,
2162
+ "step": 269
2163
+ },
2164
+ {
2165
+ "epoch": 1.744336569579288,
2166
+ "grad_norm": 0.07275532931089401,
2167
+ "learning_rate": 5e-05,
2168
+ "loss": 0.4264,
2169
+ "num_tokens": 261673283.0,
2170
+ "step": 270
2171
+ },
2172
+ {
2173
+ "epoch": 1.750809061488673,
2174
+ "grad_norm": 0.07595169544219971,
2175
+ "learning_rate": 5e-05,
2176
+ "loss": 0.4187,
2177
+ "num_tokens": 262663793.0,
2178
+ "step": 271
2179
+ },
2180
+ {
2181
+ "epoch": 1.7572815533980584,
2182
+ "grad_norm": 0.07455013692378998,
2183
+ "learning_rate": 5e-05,
2184
+ "loss": 0.4237,
2185
+ "num_tokens": 263631573.0,
2186
+ "step": 272
2187
+ },
2188
+ {
2189
+ "epoch": 1.7637540453074434,
2190
+ "grad_norm": 0.07248933613300323,
2191
+ "learning_rate": 5e-05,
2192
+ "loss": 0.4303,
2193
+ "num_tokens": 264625690.0,
2194
+ "step": 273
2195
+ },
2196
+ {
2197
+ "epoch": 1.7702265372168284,
2198
+ "grad_norm": 0.07226113229990005,
2199
+ "learning_rate": 5e-05,
2200
+ "loss": 0.4134,
2201
+ "num_tokens": 265585386.0,
2202
+ "step": 274
2203
+ },
2204
+ {
2205
+ "epoch": 1.7766990291262137,
2206
+ "grad_norm": 0.06823123246431351,
2207
+ "learning_rate": 5e-05,
2208
+ "loss": 0.4349,
2209
+ "num_tokens": 266565331.0,
2210
+ "step": 275
2211
+ },
2212
+ {
2213
+ "epoch": 1.7831715210355987,
2214
+ "grad_norm": 0.07135846465826035,
2215
+ "learning_rate": 5e-05,
2216
+ "loss": 0.4227,
2217
+ "num_tokens": 267570388.0,
2218
+ "step": 276
2219
+ },
2220
+ {
2221
+ "epoch": 1.7896440129449838,
2222
+ "grad_norm": 0.0767517238855362,
2223
+ "learning_rate": 5e-05,
2224
+ "loss": 0.4231,
2225
+ "num_tokens": 268536852.0,
2226
+ "step": 277
2227
+ },
2228
+ {
2229
+ "epoch": 1.796116504854369,
2230
+ "grad_norm": 0.0734134092926979,
2231
+ "learning_rate": 5e-05,
2232
+ "loss": 0.4306,
2233
+ "num_tokens": 269499895.0,
2234
+ "step": 278
2235
+ },
2236
+ {
2237
+ "epoch": 1.802588996763754,
2238
+ "grad_norm": 0.07552698254585266,
2239
+ "learning_rate": 5e-05,
2240
+ "loss": 0.4172,
2241
+ "num_tokens": 270449454.0,
2242
+ "step": 279
2243
+ },
2244
+ {
2245
+ "epoch": 1.809061488673139,
2246
+ "grad_norm": 0.07345576584339142,
2247
+ "learning_rate": 5e-05,
2248
+ "loss": 0.4169,
2249
+ "num_tokens": 271445748.0,
2250
+ "step": 280
2251
+ },
2252
+ {
2253
+ "epoch": 1.8155339805825244,
2254
+ "grad_norm": 0.07674843817949295,
2255
+ "learning_rate": 5e-05,
2256
+ "loss": 0.423,
2257
+ "num_tokens": 272437678.0,
2258
+ "step": 281
2259
+ },
2260
+ {
2261
+ "epoch": 1.8220064724919094,
2262
+ "grad_norm": 0.07708495855331421,
2263
+ "learning_rate": 5e-05,
2264
+ "loss": 0.4284,
2265
+ "num_tokens": 273421632.0,
2266
+ "step": 282
2267
+ },
2268
+ {
2269
+ "epoch": 1.8284789644012944,
2270
+ "grad_norm": 0.07335372269153595,
2271
+ "learning_rate": 5e-05,
2272
+ "loss": 0.4166,
2273
+ "num_tokens": 274382121.0,
2274
+ "step": 283
2275
+ },
2276
+ {
2277
+ "epoch": 1.8349514563106797,
2278
+ "grad_norm": 0.07048074901103973,
2279
+ "learning_rate": 5e-05,
2280
+ "loss": 0.4123,
2281
+ "num_tokens": 275355409.0,
2282
+ "step": 284
2283
+ },
2284
+ {
2285
+ "epoch": 1.8414239482200647,
2286
+ "grad_norm": 0.07021801918745041,
2287
+ "learning_rate": 5e-05,
2288
+ "loss": 0.4187,
2289
+ "num_tokens": 276363366.0,
2290
+ "step": 285
2291
+ },
2292
+ {
2293
+ "epoch": 1.8478964401294498,
2294
+ "grad_norm": 0.0770617350935936,
2295
+ "learning_rate": 5e-05,
2296
+ "loss": 0.4253,
2297
+ "num_tokens": 277316291.0,
2298
+ "step": 286
2299
+ },
2300
+ {
2301
+ "epoch": 1.854368932038835,
2302
+ "grad_norm": 0.06905185431241989,
2303
+ "learning_rate": 5e-05,
2304
+ "loss": 0.4214,
2305
+ "num_tokens": 278277485.0,
2306
+ "step": 287
2307
+ },
2308
+ {
2309
+ "epoch": 1.86084142394822,
2310
+ "grad_norm": 0.07194225490093231,
2311
+ "learning_rate": 5e-05,
2312
+ "loss": 0.4163,
2313
+ "num_tokens": 279263638.0,
2314
+ "step": 288
2315
+ },
2316
+ {
2317
+ "epoch": 1.867313915857605,
2318
+ "grad_norm": 0.07197076082229614,
2319
+ "learning_rate": 5e-05,
2320
+ "loss": 0.4158,
2321
+ "num_tokens": 280229543.0,
2322
+ "step": 289
2323
+ },
2324
+ {
2325
+ "epoch": 1.8737864077669903,
2326
+ "grad_norm": 0.0696769505739212,
2327
+ "learning_rate": 5e-05,
2328
+ "loss": 0.415,
2329
+ "num_tokens": 281207364.0,
2330
+ "step": 290
2331
+ },
2332
+ {
2333
+ "epoch": 1.8802588996763754,
2334
+ "grad_norm": 0.07564394921064377,
2335
+ "learning_rate": 5e-05,
2336
+ "loss": 0.414,
2337
+ "num_tokens": 282156358.0,
2338
+ "step": 291
2339
+ },
2340
+ {
2341
+ "epoch": 1.8867313915857604,
2342
+ "grad_norm": 0.07374630868434906,
2343
+ "learning_rate": 5e-05,
2344
+ "loss": 0.4165,
2345
+ "num_tokens": 283119435.0,
2346
+ "step": 292
2347
+ },
2348
+ {
2349
+ "epoch": 1.8932038834951457,
2350
+ "grad_norm": 0.06795977801084518,
2351
+ "learning_rate": 5e-05,
2352
+ "loss": 0.4272,
2353
+ "num_tokens": 284084676.0,
2354
+ "step": 293
2355
+ },
2356
+ {
2357
+ "epoch": 1.8996763754045307,
2358
+ "grad_norm": 0.07736667990684509,
2359
+ "learning_rate": 5e-05,
2360
+ "loss": 0.4372,
2361
+ "num_tokens": 285051682.0,
2362
+ "step": 294
2363
+ },
2364
+ {
2365
+ "epoch": 1.9061488673139158,
2366
+ "grad_norm": 0.07169841974973679,
2367
+ "learning_rate": 5e-05,
2368
+ "loss": 0.4215,
2369
+ "num_tokens": 286037634.0,
2370
+ "step": 295
2371
+ },
2372
+ {
2373
+ "epoch": 1.912621359223301,
2374
+ "grad_norm": 0.07179569453001022,
2375
+ "learning_rate": 5e-05,
2376
+ "loss": 0.4136,
2377
+ "num_tokens": 287028258.0,
2378
+ "step": 296
2379
+ },
2380
+ {
2381
+ "epoch": 1.919093851132686,
2382
+ "grad_norm": 0.07325352728366852,
2383
+ "learning_rate": 5e-05,
2384
+ "loss": 0.4178,
2385
+ "num_tokens": 287996979.0,
2386
+ "step": 297
2387
+ },
2388
+ {
2389
+ "epoch": 1.925566343042071,
2390
+ "grad_norm": 0.07521200180053711,
2391
+ "learning_rate": 5e-05,
2392
+ "loss": 0.4163,
2393
+ "num_tokens": 288984893.0,
2394
+ "step": 298
2395
+ },
2396
+ {
2397
+ "epoch": 1.9320388349514563,
2398
+ "grad_norm": 0.07064797729253769,
2399
+ "learning_rate": 5e-05,
2400
+ "loss": 0.4196,
2401
+ "num_tokens": 289948988.0,
2402
+ "step": 299
2403
+ },
2404
+ {
2405
+ "epoch": 1.9385113268608414,
2406
+ "grad_norm": 0.0745929479598999,
2407
+ "learning_rate": 5e-05,
2408
+ "loss": 0.4263,
2409
+ "num_tokens": 290947258.0,
2410
+ "step": 300
2411
+ },
2412
+ {
2413
+ "epoch": 1.9449838187702264,
2414
+ "grad_norm": 0.07276038825511932,
2415
+ "learning_rate": 5e-05,
2416
+ "loss": 0.4207,
2417
+ "num_tokens": 291896825.0,
2418
+ "step": 301
2419
+ },
2420
+ {
2421
+ "epoch": 1.9514563106796117,
2422
+ "grad_norm": 0.06838051974773407,
2423
+ "learning_rate": 5e-05,
2424
+ "loss": 0.4105,
2425
+ "num_tokens": 292874918.0,
2426
+ "step": 302
2427
+ },
2428
+ {
2429
+ "epoch": 1.9579288025889967,
2430
+ "grad_norm": 0.07359166443347931,
2431
+ "learning_rate": 5e-05,
2432
+ "loss": 0.4231,
2433
+ "num_tokens": 293858095.0,
2434
+ "step": 303
2435
+ },
2436
+ {
2437
+ "epoch": 1.9644012944983817,
2438
+ "grad_norm": 0.06981534510850906,
2439
+ "learning_rate": 5e-05,
2440
+ "loss": 0.4276,
2441
+ "num_tokens": 294831363.0,
2442
+ "step": 304
2443
+ },
2444
+ {
2445
+ "epoch": 1.970873786407767,
2446
+ "grad_norm": 0.06694991141557693,
2447
+ "learning_rate": 5e-05,
2448
+ "loss": 0.4126,
2449
+ "num_tokens": 295815029.0,
2450
+ "step": 305
2451
+ },
2452
+ {
2453
+ "epoch": 1.9773462783171523,
2454
+ "grad_norm": 0.07353201508522034,
2455
+ "learning_rate": 5e-05,
2456
+ "loss": 0.4295,
2457
+ "num_tokens": 296783225.0,
2458
+ "step": 306
2459
+ },
2460
+ {
2461
+ "epoch": 1.983818770226537,
2462
+ "grad_norm": 0.0764441043138504,
2463
+ "learning_rate": 5e-05,
2464
+ "loss": 0.4166,
2465
+ "num_tokens": 297740638.0,
2466
+ "step": 307
2467
+ },
2468
+ {
2469
+ "epoch": 1.9902912621359223,
2470
+ "grad_norm": 0.07080317288637161,
2471
+ "learning_rate": 5e-05,
2472
+ "loss": 0.4286,
2473
+ "num_tokens": 298713508.0,
2474
+ "step": 308
2475
+ },
2476
+ {
2477
+ "epoch": 1.9967637540453076,
2478
+ "grad_norm": 0.0723503977060318,
2479
+ "learning_rate": 5e-05,
2480
+ "loss": 0.422,
2481
+ "num_tokens": 299687136.0,
2482
+ "step": 309
2483
+ },
2484
+ {
2485
+ "epoch": 2.0,
2486
+ "grad_norm": 0.11024220287799835,
2487
+ "learning_rate": 5e-05,
2488
+ "loss": 0.3969,
2489
+ "num_tokens": 300160844.0,
2490
+ "step": 310
2491
+ },
2492
+ {
2493
+ "epoch": 2.0064724919093853,
2494
+ "grad_norm": 0.07423940300941467,
2495
+ "learning_rate": 5e-05,
2496
+ "loss": 0.3903,
2497
+ "num_tokens": 301102396.0,
2498
+ "step": 311
2499
+ },
2500
+ {
2501
+ "epoch": 2.01294498381877,
2502
+ "grad_norm": 0.09014272689819336,
2503
+ "learning_rate": 5e-05,
2504
+ "loss": 0.3988,
2505
+ "num_tokens": 302075156.0,
2506
+ "step": 312
2507
+ },
2508
+ {
2509
+ "epoch": 2.0194174757281553,
2510
+ "grad_norm": 0.08233797550201416,
2511
+ "learning_rate": 5e-05,
2512
+ "loss": 0.3941,
2513
+ "num_tokens": 303057420.0,
2514
+ "step": 313
2515
+ },
2516
+ {
2517
+ "epoch": 2.0258899676375406,
2518
+ "grad_norm": 0.07798868417739868,
2519
+ "learning_rate": 5e-05,
2520
+ "loss": 0.3907,
2521
+ "num_tokens": 304035012.0,
2522
+ "step": 314
2523
+ },
2524
+ {
2525
+ "epoch": 2.0323624595469254,
2526
+ "grad_norm": 0.07450800389051437,
2527
+ "learning_rate": 5e-05,
2528
+ "loss": 0.4016,
2529
+ "num_tokens": 305020171.0,
2530
+ "step": 315
2531
+ },
2532
+ {
2533
+ "epoch": 2.0388349514563107,
2534
+ "grad_norm": 0.07553568482398987,
2535
+ "learning_rate": 5e-05,
2536
+ "loss": 0.3953,
2537
+ "num_tokens": 305997805.0,
2538
+ "step": 316
2539
+ },
2540
+ {
2541
+ "epoch": 2.045307443365696,
2542
+ "grad_norm": 0.07747431099414825,
2543
+ "learning_rate": 5e-05,
2544
+ "loss": 0.3967,
2545
+ "num_tokens": 306946495.0,
2546
+ "step": 317
2547
+ },
2548
+ {
2549
+ "epoch": 2.0517799352750807,
2550
+ "grad_norm": 0.07699809223413467,
2551
+ "learning_rate": 5e-05,
2552
+ "loss": 0.4088,
2553
+ "num_tokens": 307898930.0,
2554
+ "step": 318
2555
+ },
2556
+ {
2557
+ "epoch": 2.058252427184466,
2558
+ "grad_norm": 0.07977323979139328,
2559
+ "learning_rate": 5e-05,
2560
+ "loss": 0.3927,
2561
+ "num_tokens": 308853869.0,
2562
+ "step": 319
2563
+ },
2564
+ {
2565
+ "epoch": 2.0647249190938513,
2566
+ "grad_norm": 0.07497575879096985,
2567
+ "learning_rate": 5e-05,
2568
+ "loss": 0.3977,
2569
+ "num_tokens": 309835585.0,
2570
+ "step": 320
2571
+ },
2572
+ {
2573
+ "epoch": 2.071197411003236,
2574
+ "grad_norm": 0.0845322534441948,
2575
+ "learning_rate": 5e-05,
2576
+ "loss": 0.3924,
2577
+ "num_tokens": 310815130.0,
2578
+ "step": 321
2579
+ },
2580
+ {
2581
+ "epoch": 2.0776699029126213,
2582
+ "grad_norm": 0.07729227840900421,
2583
+ "learning_rate": 5e-05,
2584
+ "loss": 0.4071,
2585
+ "num_tokens": 311797693.0,
2586
+ "step": 322
2587
+ },
2588
+ {
2589
+ "epoch": 2.0841423948220066,
2590
+ "grad_norm": 0.07522229850292206,
2591
+ "learning_rate": 5e-05,
2592
+ "loss": 0.3962,
2593
+ "num_tokens": 312741860.0,
2594
+ "step": 323
2595
+ },
2596
+ {
2597
+ "epoch": 2.0906148867313914,
2598
+ "grad_norm": 0.07800788432359695,
2599
+ "learning_rate": 5e-05,
2600
+ "loss": 0.4001,
2601
+ "num_tokens": 313699114.0,
2602
+ "step": 324
2603
+ },
2604
+ {
2605
+ "epoch": 2.0970873786407767,
2606
+ "grad_norm": 0.07389651983976364,
2607
+ "learning_rate": 5e-05,
2608
+ "loss": 0.4039,
2609
+ "num_tokens": 314676353.0,
2610
+ "step": 325
2611
+ },
2612
+ {
2613
+ "epoch": 2.103559870550162,
2614
+ "grad_norm": 0.0742541179060936,
2615
+ "learning_rate": 5e-05,
2616
+ "loss": 0.4043,
2617
+ "num_tokens": 315619556.0,
2618
+ "step": 326
2619
+ },
2620
+ {
2621
+ "epoch": 2.1100323624595467,
2622
+ "grad_norm": 0.07433531433343887,
2623
+ "learning_rate": 5e-05,
2624
+ "loss": 0.4057,
2625
+ "num_tokens": 316593419.0,
2626
+ "step": 327
2627
+ },
2628
+ {
2629
+ "epoch": 2.116504854368932,
2630
+ "grad_norm": 0.07274779677391052,
2631
+ "learning_rate": 5e-05,
2632
+ "loss": 0.3867,
2633
+ "num_tokens": 317586062.0,
2634
+ "step": 328
2635
+ },
2636
+ {
2637
+ "epoch": 2.1229773462783172,
2638
+ "grad_norm": 0.07658457010984421,
2639
+ "learning_rate": 5e-05,
2640
+ "loss": 0.4008,
2641
+ "num_tokens": 318557320.0,
2642
+ "step": 329
2643
+ },
2644
+ {
2645
+ "epoch": 2.129449838187702,
2646
+ "grad_norm": 0.081815205514431,
2647
+ "learning_rate": 5e-05,
2648
+ "loss": 0.3995,
2649
+ "num_tokens": 319521712.0,
2650
+ "step": 330
2651
+ },
2652
+ {
2653
+ "epoch": 2.1359223300970873,
2654
+ "grad_norm": 0.07561923563480377,
2655
+ "learning_rate": 5e-05,
2656
+ "loss": 0.4067,
2657
+ "num_tokens": 320503248.0,
2658
+ "step": 331
2659
+ },
2660
+ {
2661
+ "epoch": 2.1423948220064726,
2662
+ "grad_norm": 0.0798259899020195,
2663
+ "learning_rate": 5e-05,
2664
+ "loss": 0.4058,
2665
+ "num_tokens": 321501454.0,
2666
+ "step": 332
2667
+ },
2668
+ {
2669
+ "epoch": 2.148867313915858,
2670
+ "grad_norm": 0.08083135634660721,
2671
+ "learning_rate": 5e-05,
2672
+ "loss": 0.401,
2673
+ "num_tokens": 322456831.0,
2674
+ "step": 333
2675
+ },
2676
+ {
2677
+ "epoch": 2.1553398058252426,
2678
+ "grad_norm": 0.0822826623916626,
2679
+ "learning_rate": 5e-05,
2680
+ "loss": 0.3993,
2681
+ "num_tokens": 323415821.0,
2682
+ "step": 334
2683
+ },
2684
+ {
2685
+ "epoch": 2.161812297734628,
2686
+ "grad_norm": 0.0739218071103096,
2687
+ "learning_rate": 5e-05,
2688
+ "loss": 0.4027,
2689
+ "num_tokens": 324385718.0,
2690
+ "step": 335
2691
+ },
2692
+ {
2693
+ "epoch": 2.168284789644013,
2694
+ "grad_norm": 0.07995283603668213,
2695
+ "learning_rate": 5e-05,
2696
+ "loss": 0.3951,
2697
+ "num_tokens": 325330934.0,
2698
+ "step": 336
2699
+ },
2700
+ {
2701
+ "epoch": 2.174757281553398,
2702
+ "grad_norm": 0.07062535732984543,
2703
+ "learning_rate": 5e-05,
2704
+ "loss": 0.4029,
2705
+ "num_tokens": 326277294.0,
2706
+ "step": 337
2707
+ },
2708
+ {
2709
+ "epoch": 2.1812297734627832,
2710
+ "grad_norm": 0.0723327174782753,
2711
+ "learning_rate": 5e-05,
2712
+ "loss": 0.3959,
2713
+ "num_tokens": 327249393.0,
2714
+ "step": 338
2715
+ },
2716
+ {
2717
+ "epoch": 2.1877022653721685,
2718
+ "grad_norm": 0.07624828070402145,
2719
+ "learning_rate": 5e-05,
2720
+ "loss": 0.3985,
2721
+ "num_tokens": 328230895.0,
2722
+ "step": 339
2723
+ },
2724
+ {
2725
+ "epoch": 2.1941747572815533,
2726
+ "grad_norm": 0.07097476720809937,
2727
+ "learning_rate": 5e-05,
2728
+ "loss": 0.4018,
2729
+ "num_tokens": 329211471.0,
2730
+ "step": 340
2731
+ },
2732
+ {
2733
+ "epoch": 2.2006472491909386,
2734
+ "grad_norm": 0.07912752777338028,
2735
+ "learning_rate": 5e-05,
2736
+ "loss": 0.3999,
2737
+ "num_tokens": 330165352.0,
2738
+ "step": 341
2739
+ },
2740
+ {
2741
+ "epoch": 2.207119741100324,
2742
+ "grad_norm": 0.08089307695627213,
2743
+ "learning_rate": 5e-05,
2744
+ "loss": 0.3924,
2745
+ "num_tokens": 331112466.0,
2746
+ "step": 342
2747
+ },
2748
+ {
2749
+ "epoch": 2.2135922330097086,
2750
+ "grad_norm": 0.07324948906898499,
2751
+ "learning_rate": 5e-05,
2752
+ "loss": 0.3853,
2753
+ "num_tokens": 332076946.0,
2754
+ "step": 343
2755
+ },
2756
+ {
2757
+ "epoch": 2.220064724919094,
2758
+ "grad_norm": 0.06983914226293564,
2759
+ "learning_rate": 5e-05,
2760
+ "loss": 0.3895,
2761
+ "num_tokens": 333063256.0,
2762
+ "step": 344
2763
+ },
2764
+ {
2765
+ "epoch": 2.226537216828479,
2766
+ "grad_norm": 0.07121892273426056,
2767
+ "learning_rate": 5e-05,
2768
+ "loss": 0.4046,
2769
+ "num_tokens": 334026829.0,
2770
+ "step": 345
2771
+ },
2772
+ {
2773
+ "epoch": 2.233009708737864,
2774
+ "grad_norm": 0.07066660374403,
2775
+ "learning_rate": 5e-05,
2776
+ "loss": 0.3925,
2777
+ "num_tokens": 335023881.0,
2778
+ "step": 346
2779
+ },
2780
+ {
2781
+ "epoch": 2.2394822006472492,
2782
+ "grad_norm": 0.07085002958774567,
2783
+ "learning_rate": 5e-05,
2784
+ "loss": 0.3941,
2785
+ "num_tokens": 336010678.0,
2786
+ "step": 347
2787
+ },
2788
+ {
2789
+ "epoch": 2.2459546925566345,
2790
+ "grad_norm": 0.07659889757633209,
2791
+ "learning_rate": 5e-05,
2792
+ "loss": 0.3974,
2793
+ "num_tokens": 336975057.0,
2794
+ "step": 348
2795
+ },
2796
+ {
2797
+ "epoch": 2.2524271844660193,
2798
+ "grad_norm": 0.07253843545913696,
2799
+ "learning_rate": 5e-05,
2800
+ "loss": 0.3968,
2801
+ "num_tokens": 337918498.0,
2802
+ "step": 349
2803
+ },
2804
+ {
2805
+ "epoch": 2.2588996763754046,
2806
+ "grad_norm": 0.06873337924480438,
2807
+ "learning_rate": 5e-05,
2808
+ "loss": 0.3885,
2809
+ "num_tokens": 338909441.0,
2810
+ "step": 350
2811
+ },
2812
+ {
2813
+ "epoch": 2.26537216828479,
2814
+ "grad_norm": 0.07193364202976227,
2815
+ "learning_rate": 5e-05,
2816
+ "loss": 0.4009,
2817
+ "num_tokens": 339884565.0,
2818
+ "step": 351
2819
+ },
2820
+ {
2821
+ "epoch": 2.2718446601941746,
2822
+ "grad_norm": 0.0713164433836937,
2823
+ "learning_rate": 5e-05,
2824
+ "loss": 0.3923,
2825
+ "num_tokens": 340849615.0,
2826
+ "step": 352
2827
+ },
2828
+ {
2829
+ "epoch": 2.27831715210356,
2830
+ "grad_norm": 0.07214873284101486,
2831
+ "learning_rate": 5e-05,
2832
+ "loss": 0.4034,
2833
+ "num_tokens": 341812130.0,
2834
+ "step": 353
2835
+ },
2836
+ {
2837
+ "epoch": 2.284789644012945,
2838
+ "grad_norm": 0.07844410091638565,
2839
+ "learning_rate": 5e-05,
2840
+ "loss": 0.4064,
2841
+ "num_tokens": 342798689.0,
2842
+ "step": 354
2843
+ },
2844
+ {
2845
+ "epoch": 2.29126213592233,
2846
+ "grad_norm": 0.07200796902179718,
2847
+ "learning_rate": 5e-05,
2848
+ "loss": 0.3952,
2849
+ "num_tokens": 343777378.0,
2850
+ "step": 355
2851
+ },
2852
+ {
2853
+ "epoch": 2.2977346278317152,
2854
+ "grad_norm": 0.07495573908090591,
2855
+ "learning_rate": 5e-05,
2856
+ "loss": 0.4056,
2857
+ "num_tokens": 344722430.0,
2858
+ "step": 356
2859
+ },
2860
+ {
2861
+ "epoch": 2.3042071197411005,
2862
+ "grad_norm": 0.07927922159433365,
2863
+ "learning_rate": 5e-05,
2864
+ "loss": 0.3948,
2865
+ "num_tokens": 345692509.0,
2866
+ "step": 357
2867
+ },
2868
+ {
2869
+ "epoch": 2.3106796116504853,
2870
+ "grad_norm": 0.07717138528823853,
2871
+ "learning_rate": 5e-05,
2872
+ "loss": 0.3909,
2873
+ "num_tokens": 346680167.0,
2874
+ "step": 358
2875
+ },
2876
+ {
2877
+ "epoch": 2.3171521035598706,
2878
+ "grad_norm": 0.0757005363702774,
2879
+ "learning_rate": 5e-05,
2880
+ "loss": 0.4038,
2881
+ "num_tokens": 347684225.0,
2882
+ "step": 359
2883
+ },
2884
+ {
2885
+ "epoch": 2.323624595469256,
2886
+ "grad_norm": 0.08150310814380646,
2887
+ "learning_rate": 5e-05,
2888
+ "loss": 0.3972,
2889
+ "num_tokens": 348650945.0,
2890
+ "step": 360
2891
+ },
2892
+ {
2893
+ "epoch": 2.3300970873786406,
2894
+ "grad_norm": 0.07428733259439468,
2895
+ "learning_rate": 5e-05,
2896
+ "loss": 0.3953,
2897
+ "num_tokens": 349609701.0,
2898
+ "step": 361
2899
+ },
2900
+ {
2901
+ "epoch": 2.336569579288026,
2902
+ "grad_norm": 0.08533752709627151,
2903
+ "learning_rate": 5e-05,
2904
+ "loss": 0.4009,
2905
+ "num_tokens": 350570434.0,
2906
+ "step": 362
2907
+ },
2908
+ {
2909
+ "epoch": 2.343042071197411,
2910
+ "grad_norm": 0.07087138295173645,
2911
+ "learning_rate": 5e-05,
2912
+ "loss": 0.4016,
2913
+ "num_tokens": 351557109.0,
2914
+ "step": 363
2915
+ },
2916
+ {
2917
+ "epoch": 2.349514563106796,
2918
+ "grad_norm": 0.07736796885728836,
2919
+ "learning_rate": 5e-05,
2920
+ "loss": 0.3993,
2921
+ "num_tokens": 352535505.0,
2922
+ "step": 364
2923
+ },
2924
+ {
2925
+ "epoch": 2.355987055016181,
2926
+ "grad_norm": 0.07479213923215866,
2927
+ "learning_rate": 5e-05,
2928
+ "loss": 0.3969,
2929
+ "num_tokens": 353532460.0,
2930
+ "step": 365
2931
+ },
2932
+ {
2933
+ "epoch": 2.3624595469255665,
2934
+ "grad_norm": 0.07435702532529831,
2935
+ "learning_rate": 5e-05,
2936
+ "loss": 0.3999,
2937
+ "num_tokens": 354512411.0,
2938
+ "step": 366
2939
+ },
2940
+ {
2941
+ "epoch": 2.3689320388349513,
2942
+ "grad_norm": 0.07724440842866898,
2943
+ "learning_rate": 5e-05,
2944
+ "loss": 0.3953,
2945
+ "num_tokens": 355502656.0,
2946
+ "step": 367
2947
+ },
2948
+ {
2949
+ "epoch": 2.3754045307443366,
2950
+ "grad_norm": 0.0718187689781189,
2951
+ "learning_rate": 5e-05,
2952
+ "loss": 0.3908,
2953
+ "num_tokens": 356484097.0,
2954
+ "step": 368
2955
+ },
2956
+ {
2957
+ "epoch": 2.381877022653722,
2958
+ "grad_norm": 0.07949912548065186,
2959
+ "learning_rate": 5e-05,
2960
+ "loss": 0.3994,
2961
+ "num_tokens": 357461867.0,
2962
+ "step": 369
2963
+ },
2964
+ {
2965
+ "epoch": 2.3883495145631066,
2966
+ "grad_norm": 0.07163085043430328,
2967
+ "learning_rate": 5e-05,
2968
+ "loss": 0.3977,
2969
+ "num_tokens": 358424717.0,
2970
+ "step": 370
2971
+ },
2972
+ {
2973
+ "epoch": 2.394822006472492,
2974
+ "grad_norm": 0.0773131474852562,
2975
+ "learning_rate": 5e-05,
2976
+ "loss": 0.3977,
2977
+ "num_tokens": 359395193.0,
2978
+ "step": 371
2979
+ },
2980
+ {
2981
+ "epoch": 2.401294498381877,
2982
+ "grad_norm": 0.07843860238790512,
2983
+ "learning_rate": 5e-05,
2984
+ "loss": 0.394,
2985
+ "num_tokens": 360370130.0,
2986
+ "step": 372
2987
+ },
2988
+ {
2989
+ "epoch": 2.407766990291262,
2990
+ "grad_norm": 0.07598310708999634,
2991
+ "learning_rate": 5e-05,
2992
+ "loss": 0.3972,
2993
+ "num_tokens": 361338296.0,
2994
+ "step": 373
2995
+ },
2996
+ {
2997
+ "epoch": 2.414239482200647,
2998
+ "grad_norm": 0.08201868832111359,
2999
+ "learning_rate": 5e-05,
3000
+ "loss": 0.3871,
3001
+ "num_tokens": 362303269.0,
3002
+ "step": 374
3003
+ },
3004
+ {
3005
+ "epoch": 2.4207119741100325,
3006
+ "grad_norm": 0.07231157273054123,
3007
+ "learning_rate": 5e-05,
3008
+ "loss": 0.3992,
3009
+ "num_tokens": 363269672.0,
3010
+ "step": 375
3011
+ },
3012
+ {
3013
+ "epoch": 2.4271844660194173,
3014
+ "grad_norm": 0.08344078809022903,
3015
+ "learning_rate": 5e-05,
3016
+ "loss": 0.3902,
3017
+ "num_tokens": 364215172.0,
3018
+ "step": 376
3019
+ },
3020
+ {
3021
+ "epoch": 2.4336569579288025,
3022
+ "grad_norm": 0.07174795866012573,
3023
+ "learning_rate": 5e-05,
3024
+ "loss": 0.4031,
3025
+ "num_tokens": 365199593.0,
3026
+ "step": 377
3027
+ },
3028
+ {
3029
+ "epoch": 2.440129449838188,
3030
+ "grad_norm": 0.07276051491498947,
3031
+ "learning_rate": 5e-05,
3032
+ "loss": 0.3934,
3033
+ "num_tokens": 366173715.0,
3034
+ "step": 378
3035
+ },
3036
+ {
3037
+ "epoch": 2.4466019417475726,
3038
+ "grad_norm": 0.07740671932697296,
3039
+ "learning_rate": 5e-05,
3040
+ "loss": 0.3926,
3041
+ "num_tokens": 367134817.0,
3042
+ "step": 379
3043
+ },
3044
+ {
3045
+ "epoch": 2.453074433656958,
3046
+ "grad_norm": 0.0793503150343895,
3047
+ "learning_rate": 5e-05,
3048
+ "loss": 0.4012,
3049
+ "num_tokens": 368117521.0,
3050
+ "step": 380
3051
+ },
3052
+ {
3053
+ "epoch": 2.459546925566343,
3054
+ "grad_norm": 0.07882478088140488,
3055
+ "learning_rate": 5e-05,
3056
+ "loss": 0.3984,
3057
+ "num_tokens": 369068188.0,
3058
+ "step": 381
3059
+ },
3060
+ {
3061
+ "epoch": 2.466019417475728,
3062
+ "grad_norm": 0.07161731272935867,
3063
+ "learning_rate": 5e-05,
3064
+ "loss": 0.3902,
3065
+ "num_tokens": 370072565.0,
3066
+ "step": 382
3067
+ },
3068
+ {
3069
+ "epoch": 2.472491909385113,
3070
+ "grad_norm": 0.08589839935302734,
3071
+ "learning_rate": 5e-05,
3072
+ "loss": 0.3892,
3073
+ "num_tokens": 371036282.0,
3074
+ "step": 383
3075
+ },
3076
+ {
3077
+ "epoch": 2.4789644012944985,
3078
+ "grad_norm": 0.07811353355646133,
3079
+ "learning_rate": 5e-05,
3080
+ "loss": 0.3945,
3081
+ "num_tokens": 372022740.0,
3082
+ "step": 384
3083
+ },
3084
+ {
3085
+ "epoch": 2.4854368932038833,
3086
+ "grad_norm": 0.08008722215890884,
3087
+ "learning_rate": 5e-05,
3088
+ "loss": 0.3971,
3089
+ "num_tokens": 373000607.0,
3090
+ "step": 385
3091
+ },
3092
+ {
3093
+ "epoch": 2.4919093851132685,
3094
+ "grad_norm": 0.07621783018112183,
3095
+ "learning_rate": 5e-05,
3096
+ "loss": 0.3959,
3097
+ "num_tokens": 373986218.0,
3098
+ "step": 386
3099
+ },
3100
+ {
3101
+ "epoch": 2.498381877022654,
3102
+ "grad_norm": 0.07791436463594437,
3103
+ "learning_rate": 5e-05,
3104
+ "loss": 0.4063,
3105
+ "num_tokens": 374968373.0,
3106
+ "step": 387
3107
+ },
3108
+ {
3109
+ "epoch": 2.5048543689320386,
3110
+ "grad_norm": 0.08401696383953094,
3111
+ "learning_rate": 5e-05,
3112
+ "loss": 0.4046,
3113
+ "num_tokens": 375953242.0,
3114
+ "step": 388
3115
+ },
3116
+ {
3117
+ "epoch": 2.511326860841424,
3118
+ "grad_norm": 0.07670938223600388,
3119
+ "learning_rate": 5e-05,
3120
+ "loss": 0.3939,
3121
+ "num_tokens": 376930298.0,
3122
+ "step": 389
3123
+ },
3124
+ {
3125
+ "epoch": 2.517799352750809,
3126
+ "grad_norm": 0.08071443438529968,
3127
+ "learning_rate": 5e-05,
3128
+ "loss": 0.3879,
3129
+ "num_tokens": 377892697.0,
3130
+ "step": 390
3131
+ },
3132
+ {
3133
+ "epoch": 2.524271844660194,
3134
+ "grad_norm": 0.07733585685491562,
3135
+ "learning_rate": 5e-05,
3136
+ "loss": 0.3958,
3137
+ "num_tokens": 378851468.0,
3138
+ "step": 391
3139
+ },
3140
+ {
3141
+ "epoch": 2.530744336569579,
3142
+ "grad_norm": 0.07564633339643478,
3143
+ "learning_rate": 5e-05,
3144
+ "loss": 0.3875,
3145
+ "num_tokens": 379796295.0,
3146
+ "step": 392
3147
+ },
3148
+ {
3149
+ "epoch": 2.5372168284789645,
3150
+ "grad_norm": 0.07211735099554062,
3151
+ "learning_rate": 5e-05,
3152
+ "loss": 0.3872,
3153
+ "num_tokens": 380749026.0,
3154
+ "step": 393
3155
+ },
3156
+ {
3157
+ "epoch": 2.5436893203883493,
3158
+ "grad_norm": 0.07589118182659149,
3159
+ "learning_rate": 5e-05,
3160
+ "loss": 0.3996,
3161
+ "num_tokens": 381732552.0,
3162
+ "step": 394
3163
+ },
3164
+ {
3165
+ "epoch": 2.5501618122977345,
3166
+ "grad_norm": 0.07446714490652084,
3167
+ "learning_rate": 5e-05,
3168
+ "loss": 0.3911,
3169
+ "num_tokens": 382685936.0,
3170
+ "step": 395
3171
+ },
3172
+ {
3173
+ "epoch": 2.55663430420712,
3174
+ "grad_norm": 0.07952412962913513,
3175
+ "learning_rate": 5e-05,
3176
+ "loss": 0.3953,
3177
+ "num_tokens": 383650180.0,
3178
+ "step": 396
3179
+ },
3180
+ {
3181
+ "epoch": 2.5631067961165046,
3182
+ "grad_norm": 0.0736488476395607,
3183
+ "learning_rate": 5e-05,
3184
+ "loss": 0.3978,
3185
+ "num_tokens": 384648157.0,
3186
+ "step": 397
3187
+ },
3188
+ {
3189
+ "epoch": 2.56957928802589,
3190
+ "grad_norm": 0.0762748047709465,
3191
+ "learning_rate": 5e-05,
3192
+ "loss": 0.3868,
3193
+ "num_tokens": 385633057.0,
3194
+ "step": 398
3195
+ },
3196
+ {
3197
+ "epoch": 2.576051779935275,
3198
+ "grad_norm": 0.07719449698925018,
3199
+ "learning_rate": 5e-05,
3200
+ "loss": 0.3977,
3201
+ "num_tokens": 386630696.0,
3202
+ "step": 399
3203
+ },
3204
+ {
3205
+ "epoch": 2.58252427184466,
3206
+ "grad_norm": 0.0762137919664383,
3207
+ "learning_rate": 5e-05,
3208
+ "loss": 0.389,
3209
+ "num_tokens": 387613957.0,
3210
+ "step": 400
3211
+ },
3212
+ {
3213
+ "epoch": 2.588996763754045,
3214
+ "grad_norm": 0.07325378805398941,
3215
+ "learning_rate": 5e-05,
3216
+ "loss": 0.3936,
3217
+ "num_tokens": 388558267.0,
3218
+ "step": 401
3219
+ },
3220
+ {
3221
+ "epoch": 2.5954692556634305,
3222
+ "grad_norm": 0.07532129436731339,
3223
+ "learning_rate": 5e-05,
3224
+ "loss": 0.39,
3225
+ "num_tokens": 389538588.0,
3226
+ "step": 402
3227
+ },
3228
+ {
3229
+ "epoch": 2.6019417475728153,
3230
+ "grad_norm": 0.08145515620708466,
3231
+ "learning_rate": 5e-05,
3232
+ "loss": 0.3917,
3233
+ "num_tokens": 390511972.0,
3234
+ "step": 403
3235
+ },
3236
+ {
3237
+ "epoch": 2.6084142394822005,
3238
+ "grad_norm": 0.06873966008424759,
3239
+ "learning_rate": 5e-05,
3240
+ "loss": 0.4015,
3241
+ "num_tokens": 391448045.0,
3242
+ "step": 404
3243
+ },
3244
+ {
3245
+ "epoch": 2.614886731391586,
3246
+ "grad_norm": 0.08479000627994537,
3247
+ "learning_rate": 5e-05,
3248
+ "loss": 0.3927,
3249
+ "num_tokens": 392472093.0,
3250
+ "step": 405
3251
+ },
3252
+ {
3253
+ "epoch": 2.6213592233009706,
3254
+ "grad_norm": 0.07323355227708817,
3255
+ "learning_rate": 5e-05,
3256
+ "loss": 0.3953,
3257
+ "num_tokens": 393430332.0,
3258
+ "step": 406
3259
+ },
3260
+ {
3261
+ "epoch": 2.627831715210356,
3262
+ "grad_norm": 0.0749393180012703,
3263
+ "learning_rate": 5e-05,
3264
+ "loss": 0.4052,
3265
+ "num_tokens": 394429159.0,
3266
+ "step": 407
3267
+ },
3268
+ {
3269
+ "epoch": 2.634304207119741,
3270
+ "grad_norm": 0.07343243062496185,
3271
+ "learning_rate": 5e-05,
3272
+ "loss": 0.3958,
3273
+ "num_tokens": 395426297.0,
3274
+ "step": 408
3275
+ },
3276
+ {
3277
+ "epoch": 2.6407766990291264,
3278
+ "grad_norm": 0.07435590028762817,
3279
+ "learning_rate": 5e-05,
3280
+ "loss": 0.3956,
3281
+ "num_tokens": 396358492.0,
3282
+ "step": 409
3283
+ },
3284
+ {
3285
+ "epoch": 2.647249190938511,
3286
+ "grad_norm": 0.07232873141765594,
3287
+ "learning_rate": 5e-05,
3288
+ "loss": 0.3871,
3289
+ "num_tokens": 397312727.0,
3290
+ "step": 410
3291
+ },
3292
+ {
3293
+ "epoch": 2.6537216828478964,
3294
+ "grad_norm": 0.07793238013982773,
3295
+ "learning_rate": 5e-05,
3296
+ "loss": 0.3885,
3297
+ "num_tokens": 398277677.0,
3298
+ "step": 411
3299
+ },
3300
+ {
3301
+ "epoch": 2.6601941747572817,
3302
+ "grad_norm": 0.06948434561491013,
3303
+ "learning_rate": 5e-05,
3304
+ "loss": 0.3934,
3305
+ "num_tokens": 399270732.0,
3306
+ "step": 412
3307
+ },
3308
+ {
3309
+ "epoch": 2.6666666666666665,
3310
+ "grad_norm": 0.07970961928367615,
3311
+ "learning_rate": 5e-05,
3312
+ "loss": 0.3942,
3313
+ "num_tokens": 400214224.0,
3314
+ "step": 413
3315
+ },
3316
+ {
3317
+ "epoch": 2.6731391585760518,
3318
+ "grad_norm": 0.07544776797294617,
3319
+ "learning_rate": 5e-05,
3320
+ "loss": 0.4018,
3321
+ "num_tokens": 401197793.0,
3322
+ "step": 414
3323
+ },
3324
+ {
3325
+ "epoch": 2.679611650485437,
3326
+ "grad_norm": 0.0762903019785881,
3327
+ "learning_rate": 5e-05,
3328
+ "loss": 0.3983,
3329
+ "num_tokens": 402201191.0,
3330
+ "step": 415
3331
+ },
3332
+ {
3333
+ "epoch": 2.686084142394822,
3334
+ "grad_norm": 0.07080138474702835,
3335
+ "learning_rate": 5e-05,
3336
+ "loss": 0.4006,
3337
+ "num_tokens": 403166232.0,
3338
+ "step": 416
3339
+ },
3340
+ {
3341
+ "epoch": 2.692556634304207,
3342
+ "grad_norm": 0.08492980152368546,
3343
+ "learning_rate": 5e-05,
3344
+ "loss": 0.403,
3345
+ "num_tokens": 404128378.0,
3346
+ "step": 417
3347
+ },
3348
+ {
3349
+ "epoch": 2.6990291262135924,
3350
+ "grad_norm": 0.0724872276186943,
3351
+ "learning_rate": 5e-05,
3352
+ "loss": 0.3894,
3353
+ "num_tokens": 405053317.0,
3354
+ "step": 418
3355
+ },
3356
+ {
3357
+ "epoch": 2.705501618122977,
3358
+ "grad_norm": 0.07597384601831436,
3359
+ "learning_rate": 5e-05,
3360
+ "loss": 0.3987,
3361
+ "num_tokens": 406034988.0,
3362
+ "step": 419
3363
+ },
3364
+ {
3365
+ "epoch": 2.7119741100323624,
3366
+ "grad_norm": 0.08026784658432007,
3367
+ "learning_rate": 5e-05,
3368
+ "loss": 0.3903,
3369
+ "num_tokens": 406979391.0,
3370
+ "step": 420
3371
+ },
3372
+ {
3373
+ "epoch": 2.7184466019417477,
3374
+ "grad_norm": 0.06964375823736191,
3375
+ "learning_rate": 5e-05,
3376
+ "loss": 0.3878,
3377
+ "num_tokens": 407949200.0,
3378
+ "step": 421
3379
+ },
3380
+ {
3381
+ "epoch": 2.724919093851133,
3382
+ "grad_norm": 0.07650097459554672,
3383
+ "learning_rate": 5e-05,
3384
+ "loss": 0.3984,
3385
+ "num_tokens": 408927182.0,
3386
+ "step": 422
3387
+ },
3388
+ {
3389
+ "epoch": 2.7313915857605178,
3390
+ "grad_norm": 0.07787821441888809,
3391
+ "learning_rate": 5e-05,
3392
+ "loss": 0.3954,
3393
+ "num_tokens": 409918480.0,
3394
+ "step": 423
3395
+ },
3396
+ {
3397
+ "epoch": 2.737864077669903,
3398
+ "grad_norm": 0.07370183616876602,
3399
+ "learning_rate": 5e-05,
3400
+ "loss": 0.3892,
3401
+ "num_tokens": 410898982.0,
3402
+ "step": 424
3403
+ },
3404
+ {
3405
+ "epoch": 2.7443365695792883,
3406
+ "grad_norm": 0.0697823315858841,
3407
+ "learning_rate": 5e-05,
3408
+ "loss": 0.3873,
3409
+ "num_tokens": 411875141.0,
3410
+ "step": 425
3411
+ },
3412
+ {
3413
+ "epoch": 2.750809061488673,
3414
+ "grad_norm": 0.07210341095924377,
3415
+ "learning_rate": 5e-05,
3416
+ "loss": 0.392,
3417
+ "num_tokens": 412824562.0,
3418
+ "step": 426
3419
+ },
3420
+ {
3421
+ "epoch": 2.7572815533980584,
3422
+ "grad_norm": 0.07234294712543488,
3423
+ "learning_rate": 5e-05,
3424
+ "loss": 0.3884,
3425
+ "num_tokens": 413825079.0,
3426
+ "step": 427
3427
+ },
3428
+ {
3429
+ "epoch": 2.7637540453074436,
3430
+ "grad_norm": 0.07352520525455475,
3431
+ "learning_rate": 5e-05,
3432
+ "loss": 0.3955,
3433
+ "num_tokens": 414777217.0,
3434
+ "step": 428
3435
+ },
3436
+ {
3437
+ "epoch": 2.7702265372168284,
3438
+ "grad_norm": 0.07631336152553558,
3439
+ "learning_rate": 5e-05,
3440
+ "loss": 0.398,
3441
+ "num_tokens": 415746492.0,
3442
+ "step": 429
3443
+ },
3444
+ {
3445
+ "epoch": 2.7766990291262137,
3446
+ "grad_norm": 0.0717940405011177,
3447
+ "learning_rate": 5e-05,
3448
+ "loss": 0.3868,
3449
+ "num_tokens": 416686095.0,
3450
+ "step": 430
3451
+ },
3452
+ {
3453
+ "epoch": 2.783171521035599,
3454
+ "grad_norm": 0.08570541441440582,
3455
+ "learning_rate": 5e-05,
3456
+ "loss": 0.3874,
3457
+ "num_tokens": 417634189.0,
3458
+ "step": 431
3459
+ },
3460
+ {
3461
+ "epoch": 2.7896440129449838,
3462
+ "grad_norm": 0.06753530353307724,
3463
+ "learning_rate": 5e-05,
3464
+ "loss": 0.3962,
3465
+ "num_tokens": 418602339.0,
3466
+ "step": 432
3467
+ },
3468
+ {
3469
+ "epoch": 2.796116504854369,
3470
+ "grad_norm": 0.07939717918634415,
3471
+ "learning_rate": 5e-05,
3472
+ "loss": 0.3864,
3473
+ "num_tokens": 419563873.0,
3474
+ "step": 433
3475
+ },
3476
+ {
3477
+ "epoch": 2.8025889967637543,
3478
+ "grad_norm": 0.06914795935153961,
3479
+ "learning_rate": 5e-05,
3480
+ "loss": 0.3943,
3481
+ "num_tokens": 420562393.0,
3482
+ "step": 434
3483
+ },
3484
+ {
3485
+ "epoch": 2.809061488673139,
3486
+ "grad_norm": 0.07259417325258255,
3487
+ "learning_rate": 5e-05,
3488
+ "loss": 0.3955,
3489
+ "num_tokens": 421523768.0,
3490
+ "step": 435
3491
+ },
3492
+ {
3493
+ "epoch": 2.8155339805825244,
3494
+ "grad_norm": 0.07078585028648376,
3495
+ "learning_rate": 5e-05,
3496
+ "loss": 0.3945,
3497
+ "num_tokens": 422472099.0,
3498
+ "step": 436
3499
+ },
3500
+ {
3501
+ "epoch": 2.8220064724919096,
3502
+ "grad_norm": 0.07491390407085419,
3503
+ "learning_rate": 5e-05,
3504
+ "loss": 0.3961,
3505
+ "num_tokens": 423413417.0,
3506
+ "step": 437
3507
+ },
3508
+ {
3509
+ "epoch": 2.8284789644012944,
3510
+ "grad_norm": 0.07225395739078522,
3511
+ "learning_rate": 5e-05,
3512
+ "loss": 0.3878,
3513
+ "num_tokens": 424390973.0,
3514
+ "step": 438
3515
+ },
3516
+ {
3517
+ "epoch": 2.8349514563106797,
3518
+ "grad_norm": 0.07419252395629883,
3519
+ "learning_rate": 5e-05,
3520
+ "loss": 0.4057,
3521
+ "num_tokens": 425350702.0,
3522
+ "step": 439
3523
+ },
3524
+ {
3525
+ "epoch": 2.841423948220065,
3526
+ "grad_norm": 0.07592113316059113,
3527
+ "learning_rate": 5e-05,
3528
+ "loss": 0.3891,
3529
+ "num_tokens": 426331291.0,
3530
+ "step": 440
3531
+ },
3532
+ {
3533
+ "epoch": 2.8478964401294498,
3534
+ "grad_norm": 0.07182467728853226,
3535
+ "learning_rate": 5e-05,
3536
+ "loss": 0.3896,
3537
+ "num_tokens": 427296200.0,
3538
+ "step": 441
3539
+ },
3540
+ {
3541
+ "epoch": 2.854368932038835,
3542
+ "grad_norm": 0.07695034146308899,
3543
+ "learning_rate": 5e-05,
3544
+ "loss": 0.3915,
3545
+ "num_tokens": 428296391.0,
3546
+ "step": 442
3547
+ },
3548
+ {
3549
+ "epoch": 2.8608414239482203,
3550
+ "grad_norm": 0.0846061185002327,
3551
+ "learning_rate": 5e-05,
3552
+ "loss": 0.3889,
3553
+ "num_tokens": 429272004.0,
3554
+ "step": 443
3555
+ },
3556
+ {
3557
+ "epoch": 2.867313915857605,
3558
+ "grad_norm": 0.07835084199905396,
3559
+ "learning_rate": 5e-05,
3560
+ "loss": 0.3901,
3561
+ "num_tokens": 430235969.0,
3562
+ "step": 444
3563
+ },
3564
+ {
3565
+ "epoch": 2.8737864077669903,
3566
+ "grad_norm": 0.08489014953374863,
3567
+ "learning_rate": 5e-05,
3568
+ "loss": 0.3889,
3569
+ "num_tokens": 431174501.0,
3570
+ "step": 445
3571
+ },
3572
+ {
3573
+ "epoch": 2.8802588996763756,
3574
+ "grad_norm": 0.07132330536842346,
3575
+ "learning_rate": 5e-05,
3576
+ "loss": 0.3986,
3577
+ "num_tokens": 432123098.0,
3578
+ "step": 446
3579
+ },
3580
+ {
3581
+ "epoch": 2.8867313915857604,
3582
+ "grad_norm": 0.07611296325922012,
3583
+ "learning_rate": 5e-05,
3584
+ "loss": 0.404,
3585
+ "num_tokens": 433097167.0,
3586
+ "step": 447
3587
+ },
3588
+ {
3589
+ "epoch": 2.8932038834951457,
3590
+ "grad_norm": 0.08138936012983322,
3591
+ "learning_rate": 5e-05,
3592
+ "loss": 0.3975,
3593
+ "num_tokens": 434079373.0,
3594
+ "step": 448
3595
+ },
3596
+ {
3597
+ "epoch": 2.899676375404531,
3598
+ "grad_norm": 0.07750295102596283,
3599
+ "learning_rate": 5e-05,
3600
+ "loss": 0.3887,
3601
+ "num_tokens": 435065151.0,
3602
+ "step": 449
3603
+ },
3604
+ {
3605
+ "epoch": 2.9061488673139158,
3606
+ "grad_norm": 0.07575148344039917,
3607
+ "learning_rate": 5e-05,
3608
+ "loss": 0.3981,
3609
+ "num_tokens": 436063130.0,
3610
+ "step": 450
3611
+ },
3612
+ {
3613
+ "epoch": 2.912621359223301,
3614
+ "grad_norm": 0.07639561593532562,
3615
+ "learning_rate": 5e-05,
3616
+ "loss": 0.3865,
3617
+ "num_tokens": 437032520.0,
3618
+ "step": 451
3619
+ },
3620
+ {
3621
+ "epoch": 2.9190938511326863,
3622
+ "grad_norm": 0.07546931505203247,
3623
+ "learning_rate": 5e-05,
3624
+ "loss": 0.4003,
3625
+ "num_tokens": 437990354.0,
3626
+ "step": 452
3627
+ },
3628
+ {
3629
+ "epoch": 2.925566343042071,
3630
+ "grad_norm": 0.07763472199440002,
3631
+ "learning_rate": 5e-05,
3632
+ "loss": 0.3888,
3633
+ "num_tokens": 439009642.0,
3634
+ "step": 453
3635
+ },
3636
+ {
3637
+ "epoch": 2.9320388349514563,
3638
+ "grad_norm": 0.07604314386844635,
3639
+ "learning_rate": 5e-05,
3640
+ "loss": 0.3888,
3641
+ "num_tokens": 439985459.0,
3642
+ "step": 454
3643
+ },
3644
+ {
3645
+ "epoch": 2.9385113268608416,
3646
+ "grad_norm": 0.07561452686786652,
3647
+ "learning_rate": 5e-05,
3648
+ "loss": 0.3875,
3649
+ "num_tokens": 440955967.0,
3650
+ "step": 455
3651
+ },
3652
+ {
3653
+ "epoch": 2.9449838187702264,
3654
+ "grad_norm": 0.07823550701141357,
3655
+ "learning_rate": 5e-05,
3656
+ "loss": 0.3823,
3657
+ "num_tokens": 441912223.0,
3658
+ "step": 456
3659
+ },
3660
+ {
3661
+ "epoch": 2.9514563106796117,
3662
+ "grad_norm": 0.07543594390153885,
3663
+ "learning_rate": 5e-05,
3664
+ "loss": 0.3981,
3665
+ "num_tokens": 442916739.0,
3666
+ "step": 457
3667
+ },
3668
+ {
3669
+ "epoch": 2.957928802588997,
3670
+ "grad_norm": 0.06981164216995239,
3671
+ "learning_rate": 5e-05,
3672
+ "loss": 0.386,
3673
+ "num_tokens": 443875303.0,
3674
+ "step": 458
3675
+ },
3676
+ {
3677
+ "epoch": 2.9644012944983817,
3678
+ "grad_norm": 0.071884885430336,
3679
+ "learning_rate": 5e-05,
3680
+ "loss": 0.3962,
3681
+ "num_tokens": 444853831.0,
3682
+ "step": 459
3683
+ },
3684
+ {
3685
+ "epoch": 2.970873786407767,
3686
+ "grad_norm": 0.07178390771150589,
3687
+ "learning_rate": 5e-05,
3688
+ "loss": 0.391,
3689
+ "num_tokens": 445812377.0,
3690
+ "step": 460
3691
+ },
3692
+ {
3693
+ "epoch": 2.9773462783171523,
3694
+ "grad_norm": 0.07282879948616028,
3695
+ "learning_rate": 5e-05,
3696
+ "loss": 0.3963,
3697
+ "num_tokens": 446783660.0,
3698
+ "step": 461
3699
+ },
3700
+ {
3701
+ "epoch": 2.983818770226537,
3702
+ "grad_norm": 0.07153596729040146,
3703
+ "learning_rate": 5e-05,
3704
+ "loss": 0.395,
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": 0.4616105086875684,
3713
+ "train_runtime": 10028.6636,
3714
+ "train_samples_per_second": 20.68,
3715
+ "train_steps_per_second": 0.046
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
+ }