Neelectric commited on
Commit
74b348a
·
verified ·
1 Parent(s): 652fcda

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_SFTv02.10_full
5
+ tags:
6
+ - generated_from_trainer
7
+ - trl
8
+ - sft
9
+ licence: license
10
+ ---
11
+
12
+ # Model Card for OLMo-2-1124-7B-Instruct_SFTv02.10_full
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_SFTv02.10_full", 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/7qb8x24u)
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": 3.993677328755458e+19,
3
+ "train_loss": 0.4935996499963296,
4
+ "train_runtime": 22258.2821,
5
+ "train_samples": 93733,
6
+ "train_samples_per_second": 12.633,
7
+ "train_steps_per_second": 0.014
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": 3.993677328755458e+19,
3
+ "train_loss": 0.4935996499963296,
4
+ "train_runtime": 22258.2821,
5
+ "train_samples": 93733,
6
+ "train_samples_per_second": 12.633,
7
+ "train_steps_per_second": 0.014
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2539 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 2.974910394265233,
6
+ "eval_steps": 500,
7
+ "global_step": 312,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.009557945041816009,
14
+ "grad_norm": 4.787891864776611,
15
+ "learning_rate": 0.0,
16
+ "loss": 1.2182,
17
+ "num_tokens": 3087662.0,
18
+ "step": 1
19
+ },
20
+ {
21
+ "epoch": 0.019115890083632018,
22
+ "grad_norm": 4.7660908699035645,
23
+ "learning_rate": 1.5625e-06,
24
+ "loss": 1.2133,
25
+ "num_tokens": 6211852.0,
26
+ "step": 2
27
+ },
28
+ {
29
+ "epoch": 0.02867383512544803,
30
+ "grad_norm": 4.726694107055664,
31
+ "learning_rate": 3.125e-06,
32
+ "loss": 1.2106,
33
+ "num_tokens": 9308149.0,
34
+ "step": 3
35
+ },
36
+ {
37
+ "epoch": 0.038231780167264036,
38
+ "grad_norm": 4.008660793304443,
39
+ "learning_rate": 4.6875000000000004e-06,
40
+ "loss": 1.1473,
41
+ "num_tokens": 12406212.0,
42
+ "step": 4
43
+ },
44
+ {
45
+ "epoch": 0.04778972520908005,
46
+ "grad_norm": 2.9268953800201416,
47
+ "learning_rate": 6.25e-06,
48
+ "loss": 1.0694,
49
+ "num_tokens": 15498886.0,
50
+ "step": 5
51
+ },
52
+ {
53
+ "epoch": 0.05734767025089606,
54
+ "grad_norm": 1.6218466758728027,
55
+ "learning_rate": 7.8125e-06,
56
+ "loss": 0.9229,
57
+ "num_tokens": 18594568.0,
58
+ "step": 6
59
+ },
60
+ {
61
+ "epoch": 0.06690561529271206,
62
+ "grad_norm": 1.232273817062378,
63
+ "learning_rate": 9.375000000000001e-06,
64
+ "loss": 0.8977,
65
+ "num_tokens": 21685747.0,
66
+ "step": 7
67
+ },
68
+ {
69
+ "epoch": 0.07646356033452807,
70
+ "grad_norm": 1.352134346961975,
71
+ "learning_rate": 1.09375e-05,
72
+ "loss": 0.8468,
73
+ "num_tokens": 24802133.0,
74
+ "step": 8
75
+ },
76
+ {
77
+ "epoch": 0.08602150537634409,
78
+ "grad_norm": 1.1753616333007812,
79
+ "learning_rate": 1.25e-05,
80
+ "loss": 0.8356,
81
+ "num_tokens": 27921758.0,
82
+ "step": 9
83
+ },
84
+ {
85
+ "epoch": 0.0955794504181601,
86
+ "grad_norm": 0.841299831867218,
87
+ "learning_rate": 1.4062500000000001e-05,
88
+ "loss": 0.8045,
89
+ "num_tokens": 30982499.0,
90
+ "step": 10
91
+ },
92
+ {
93
+ "epoch": 0.10513739545997611,
94
+ "grad_norm": 0.7823367118835449,
95
+ "learning_rate": 1.5625e-05,
96
+ "loss": 0.7772,
97
+ "num_tokens": 34120523.0,
98
+ "step": 11
99
+ },
100
+ {
101
+ "epoch": 0.11469534050179211,
102
+ "grad_norm": 0.6168179512023926,
103
+ "learning_rate": 1.71875e-05,
104
+ "loss": 0.7493,
105
+ "num_tokens": 37263940.0,
106
+ "step": 12
107
+ },
108
+ {
109
+ "epoch": 0.12425328554360812,
110
+ "grad_norm": 0.4352397918701172,
111
+ "learning_rate": 1.8750000000000002e-05,
112
+ "loss": 0.7391,
113
+ "num_tokens": 40419105.0,
114
+ "step": 13
115
+ },
116
+ {
117
+ "epoch": 0.13381123058542413,
118
+ "grad_norm": 0.4141225516796112,
119
+ "learning_rate": 2.0312500000000002e-05,
120
+ "loss": 0.7168,
121
+ "num_tokens": 43544209.0,
122
+ "step": 14
123
+ },
124
+ {
125
+ "epoch": 0.14336917562724014,
126
+ "grad_norm": 0.3596664071083069,
127
+ "learning_rate": 2.1875e-05,
128
+ "loss": 0.7096,
129
+ "num_tokens": 46640184.0,
130
+ "step": 15
131
+ },
132
+ {
133
+ "epoch": 0.15292712066905614,
134
+ "grad_norm": 0.32062292098999023,
135
+ "learning_rate": 2.34375e-05,
136
+ "loss": 0.6878,
137
+ "num_tokens": 49723879.0,
138
+ "step": 16
139
+ },
140
+ {
141
+ "epoch": 0.16248506571087215,
142
+ "grad_norm": 0.2776451110839844,
143
+ "learning_rate": 2.5e-05,
144
+ "loss": 0.685,
145
+ "num_tokens": 52840221.0,
146
+ "step": 17
147
+ },
148
+ {
149
+ "epoch": 0.17204301075268819,
150
+ "grad_norm": 0.2792057693004608,
151
+ "learning_rate": 2.6562500000000002e-05,
152
+ "loss": 0.6683,
153
+ "num_tokens": 55938115.0,
154
+ "step": 18
155
+ },
156
+ {
157
+ "epoch": 0.1816009557945042,
158
+ "grad_norm": 0.24952948093414307,
159
+ "learning_rate": 2.8125000000000003e-05,
160
+ "loss": 0.6643,
161
+ "num_tokens": 59088421.0,
162
+ "step": 19
163
+ },
164
+ {
165
+ "epoch": 0.1911589008363202,
166
+ "grad_norm": 0.23966556787490845,
167
+ "learning_rate": 2.96875e-05,
168
+ "loss": 0.6568,
169
+ "num_tokens": 62120009.0,
170
+ "step": 20
171
+ },
172
+ {
173
+ "epoch": 0.2007168458781362,
174
+ "grad_norm": 0.29473549127578735,
175
+ "learning_rate": 3.125e-05,
176
+ "loss": 0.6443,
177
+ "num_tokens": 65202270.0,
178
+ "step": 21
179
+ },
180
+ {
181
+ "epoch": 0.21027479091995221,
182
+ "grad_norm": 0.25088849663734436,
183
+ "learning_rate": 3.2812500000000005e-05,
184
+ "loss": 0.64,
185
+ "num_tokens": 68278086.0,
186
+ "step": 22
187
+ },
188
+ {
189
+ "epoch": 0.21983273596176822,
190
+ "grad_norm": 0.26761022210121155,
191
+ "learning_rate": 3.4375e-05,
192
+ "loss": 0.6406,
193
+ "num_tokens": 71423006.0,
194
+ "step": 23
195
+ },
196
+ {
197
+ "epoch": 0.22939068100358423,
198
+ "grad_norm": 0.2646687626838684,
199
+ "learning_rate": 3.59375e-05,
200
+ "loss": 0.6287,
201
+ "num_tokens": 74542778.0,
202
+ "step": 24
203
+ },
204
+ {
205
+ "epoch": 0.23894862604540024,
206
+ "grad_norm": 0.28765901923179626,
207
+ "learning_rate": 3.7500000000000003e-05,
208
+ "loss": 0.6316,
209
+ "num_tokens": 77676355.0,
210
+ "step": 25
211
+ },
212
+ {
213
+ "epoch": 0.24850657108721624,
214
+ "grad_norm": 0.28572410345077515,
215
+ "learning_rate": 3.90625e-05,
216
+ "loss": 0.6208,
217
+ "num_tokens": 80757397.0,
218
+ "step": 26
219
+ },
220
+ {
221
+ "epoch": 0.25806451612903225,
222
+ "grad_norm": 0.3025137782096863,
223
+ "learning_rate": 4.0625000000000005e-05,
224
+ "loss": 0.6206,
225
+ "num_tokens": 83848581.0,
226
+ "step": 27
227
+ },
228
+ {
229
+ "epoch": 0.26762246117084826,
230
+ "grad_norm": 0.30501461029052734,
231
+ "learning_rate": 4.21875e-05,
232
+ "loss": 0.61,
233
+ "num_tokens": 86949103.0,
234
+ "step": 28
235
+ },
236
+ {
237
+ "epoch": 0.27718040621266427,
238
+ "grad_norm": 0.24303048849105835,
239
+ "learning_rate": 4.375e-05,
240
+ "loss": 0.6062,
241
+ "num_tokens": 90043461.0,
242
+ "step": 29
243
+ },
244
+ {
245
+ "epoch": 0.2867383512544803,
246
+ "grad_norm": 0.4097803235054016,
247
+ "learning_rate": 4.5312500000000004e-05,
248
+ "loss": 0.608,
249
+ "num_tokens": 93175833.0,
250
+ "step": 30
251
+ },
252
+ {
253
+ "epoch": 0.2962962962962963,
254
+ "grad_norm": 0.22506467998027802,
255
+ "learning_rate": 4.6875e-05,
256
+ "loss": 0.6043,
257
+ "num_tokens": 96298838.0,
258
+ "step": 31
259
+ },
260
+ {
261
+ "epoch": 0.3058542413381123,
262
+ "grad_norm": 0.4554276168346405,
263
+ "learning_rate": 4.8437500000000005e-05,
264
+ "loss": 0.6039,
265
+ "num_tokens": 99387594.0,
266
+ "step": 32
267
+ },
268
+ {
269
+ "epoch": 0.3154121863799283,
270
+ "grad_norm": 0.24191643297672272,
271
+ "learning_rate": 5e-05,
272
+ "loss": 0.5919,
273
+ "num_tokens": 102495943.0,
274
+ "step": 33
275
+ },
276
+ {
277
+ "epoch": 0.3249701314217443,
278
+ "grad_norm": 0.497525155544281,
279
+ "learning_rate": 5e-05,
280
+ "loss": 0.5919,
281
+ "num_tokens": 105605746.0,
282
+ "step": 34
283
+ },
284
+ {
285
+ "epoch": 0.3345280764635603,
286
+ "grad_norm": 0.39946335554122925,
287
+ "learning_rate": 5e-05,
288
+ "loss": 0.5966,
289
+ "num_tokens": 108704371.0,
290
+ "step": 35
291
+ },
292
+ {
293
+ "epoch": 0.34408602150537637,
294
+ "grad_norm": 0.3315200209617615,
295
+ "learning_rate": 5e-05,
296
+ "loss": 0.58,
297
+ "num_tokens": 111803239.0,
298
+ "step": 36
299
+ },
300
+ {
301
+ "epoch": 0.3536439665471924,
302
+ "grad_norm": 0.38535887002944946,
303
+ "learning_rate": 5e-05,
304
+ "loss": 0.5836,
305
+ "num_tokens": 114901473.0,
306
+ "step": 37
307
+ },
308
+ {
309
+ "epoch": 0.3632019115890084,
310
+ "grad_norm": 0.30798089504241943,
311
+ "learning_rate": 5e-05,
312
+ "loss": 0.5821,
313
+ "num_tokens": 117998143.0,
314
+ "step": 38
315
+ },
316
+ {
317
+ "epoch": 0.3727598566308244,
318
+ "grad_norm": 0.3112103343009949,
319
+ "learning_rate": 5e-05,
320
+ "loss": 0.5789,
321
+ "num_tokens": 121151007.0,
322
+ "step": 39
323
+ },
324
+ {
325
+ "epoch": 0.3823178016726404,
326
+ "grad_norm": 0.28211474418640137,
327
+ "learning_rate": 5e-05,
328
+ "loss": 0.576,
329
+ "num_tokens": 124244420.0,
330
+ "step": 40
331
+ },
332
+ {
333
+ "epoch": 0.3918757467144564,
334
+ "grad_norm": 0.29719066619873047,
335
+ "learning_rate": 5e-05,
336
+ "loss": 0.5776,
337
+ "num_tokens": 127347282.0,
338
+ "step": 41
339
+ },
340
+ {
341
+ "epoch": 0.4014336917562724,
342
+ "grad_norm": 0.28514203429222107,
343
+ "learning_rate": 5e-05,
344
+ "loss": 0.5739,
345
+ "num_tokens": 130425105.0,
346
+ "step": 42
347
+ },
348
+ {
349
+ "epoch": 0.4109916367980884,
350
+ "grad_norm": 0.24759361147880554,
351
+ "learning_rate": 5e-05,
352
+ "loss": 0.5614,
353
+ "num_tokens": 133566882.0,
354
+ "step": 43
355
+ },
356
+ {
357
+ "epoch": 0.42054958183990443,
358
+ "grad_norm": 0.3673174977302551,
359
+ "learning_rate": 5e-05,
360
+ "loss": 0.5755,
361
+ "num_tokens": 136693576.0,
362
+ "step": 44
363
+ },
364
+ {
365
+ "epoch": 0.43010752688172044,
366
+ "grad_norm": 0.2918493151664734,
367
+ "learning_rate": 5e-05,
368
+ "loss": 0.5741,
369
+ "num_tokens": 139836069.0,
370
+ "step": 45
371
+ },
372
+ {
373
+ "epoch": 0.43966547192353644,
374
+ "grad_norm": 0.20241530239582062,
375
+ "learning_rate": 5e-05,
376
+ "loss": 0.5659,
377
+ "num_tokens": 142903826.0,
378
+ "step": 46
379
+ },
380
+ {
381
+ "epoch": 0.44922341696535245,
382
+ "grad_norm": 0.36211881041526794,
383
+ "learning_rate": 5e-05,
384
+ "loss": 0.5652,
385
+ "num_tokens": 146013234.0,
386
+ "step": 47
387
+ },
388
+ {
389
+ "epoch": 0.45878136200716846,
390
+ "grad_norm": 0.27178287506103516,
391
+ "learning_rate": 5e-05,
392
+ "loss": 0.5639,
393
+ "num_tokens": 149106780.0,
394
+ "step": 48
395
+ },
396
+ {
397
+ "epoch": 0.46833930704898447,
398
+ "grad_norm": 0.22404040396213531,
399
+ "learning_rate": 5e-05,
400
+ "loss": 0.5588,
401
+ "num_tokens": 152240290.0,
402
+ "step": 49
403
+ },
404
+ {
405
+ "epoch": 0.4778972520908005,
406
+ "grad_norm": 0.267503023147583,
407
+ "learning_rate": 5e-05,
408
+ "loss": 0.5634,
409
+ "num_tokens": 155343192.0,
410
+ "step": 50
411
+ },
412
+ {
413
+ "epoch": 0.4874551971326165,
414
+ "grad_norm": 0.22685855627059937,
415
+ "learning_rate": 5e-05,
416
+ "loss": 0.5624,
417
+ "num_tokens": 158483136.0,
418
+ "step": 51
419
+ },
420
+ {
421
+ "epoch": 0.4970131421744325,
422
+ "grad_norm": 0.3110021948814392,
423
+ "learning_rate": 5e-05,
424
+ "loss": 0.5543,
425
+ "num_tokens": 161533766.0,
426
+ "step": 52
427
+ },
428
+ {
429
+ "epoch": 0.5065710872162486,
430
+ "grad_norm": 0.23207558691501617,
431
+ "learning_rate": 5e-05,
432
+ "loss": 0.546,
433
+ "num_tokens": 164664119.0,
434
+ "step": 53
435
+ },
436
+ {
437
+ "epoch": 0.5161290322580645,
438
+ "grad_norm": 0.33425262570381165,
439
+ "learning_rate": 5e-05,
440
+ "loss": 0.5544,
441
+ "num_tokens": 167808973.0,
442
+ "step": 54
443
+ },
444
+ {
445
+ "epoch": 0.5256869772998806,
446
+ "grad_norm": 0.2662634253501892,
447
+ "learning_rate": 5e-05,
448
+ "loss": 0.5526,
449
+ "num_tokens": 170887441.0,
450
+ "step": 55
451
+ },
452
+ {
453
+ "epoch": 0.5352449223416965,
454
+ "grad_norm": 0.28920575976371765,
455
+ "learning_rate": 5e-05,
456
+ "loss": 0.5536,
457
+ "num_tokens": 174005920.0,
458
+ "step": 56
459
+ },
460
+ {
461
+ "epoch": 0.5448028673835126,
462
+ "grad_norm": 0.26591673493385315,
463
+ "learning_rate": 5e-05,
464
+ "loss": 0.5481,
465
+ "num_tokens": 177097398.0,
466
+ "step": 57
467
+ },
468
+ {
469
+ "epoch": 0.5543608124253285,
470
+ "grad_norm": 0.2847670614719391,
471
+ "learning_rate": 5e-05,
472
+ "loss": 0.5536,
473
+ "num_tokens": 180221288.0,
474
+ "step": 58
475
+ },
476
+ {
477
+ "epoch": 0.5639187574671446,
478
+ "grad_norm": 0.2541261613368988,
479
+ "learning_rate": 5e-05,
480
+ "loss": 0.542,
481
+ "num_tokens": 183289863.0,
482
+ "step": 59
483
+ },
484
+ {
485
+ "epoch": 0.5734767025089605,
486
+ "grad_norm": 0.275193989276886,
487
+ "learning_rate": 5e-05,
488
+ "loss": 0.5456,
489
+ "num_tokens": 186406120.0,
490
+ "step": 60
491
+ },
492
+ {
493
+ "epoch": 0.5830346475507766,
494
+ "grad_norm": 0.26497912406921387,
495
+ "learning_rate": 5e-05,
496
+ "loss": 0.5425,
497
+ "num_tokens": 189471040.0,
498
+ "step": 61
499
+ },
500
+ {
501
+ "epoch": 0.5925925925925926,
502
+ "grad_norm": 0.27101513743400574,
503
+ "learning_rate": 5e-05,
504
+ "loss": 0.5386,
505
+ "num_tokens": 192575364.0,
506
+ "step": 62
507
+ },
508
+ {
509
+ "epoch": 0.6021505376344086,
510
+ "grad_norm": 0.26009494066238403,
511
+ "learning_rate": 5e-05,
512
+ "loss": 0.5318,
513
+ "num_tokens": 195684975.0,
514
+ "step": 63
515
+ },
516
+ {
517
+ "epoch": 0.6117084826762246,
518
+ "grad_norm": 0.22097371518611908,
519
+ "learning_rate": 5e-05,
520
+ "loss": 0.5411,
521
+ "num_tokens": 198779716.0,
522
+ "step": 64
523
+ },
524
+ {
525
+ "epoch": 0.6212664277180406,
526
+ "grad_norm": 0.3351891040802002,
527
+ "learning_rate": 5e-05,
528
+ "loss": 0.5458,
529
+ "num_tokens": 201906900.0,
530
+ "step": 65
531
+ },
532
+ {
533
+ "epoch": 0.6308243727598566,
534
+ "grad_norm": 0.23704691231250763,
535
+ "learning_rate": 5e-05,
536
+ "loss": 0.5397,
537
+ "num_tokens": 205031188.0,
538
+ "step": 66
539
+ },
540
+ {
541
+ "epoch": 0.6403823178016727,
542
+ "grad_norm": 0.32154443860054016,
543
+ "learning_rate": 5e-05,
544
+ "loss": 0.5445,
545
+ "num_tokens": 208116939.0,
546
+ "step": 67
547
+ },
548
+ {
549
+ "epoch": 0.6499402628434886,
550
+ "grad_norm": 0.2630949020385742,
551
+ "learning_rate": 5e-05,
552
+ "loss": 0.5322,
553
+ "num_tokens": 211211227.0,
554
+ "step": 68
555
+ },
556
+ {
557
+ "epoch": 0.6594982078853047,
558
+ "grad_norm": 0.31168922781944275,
559
+ "learning_rate": 5e-05,
560
+ "loss": 0.5324,
561
+ "num_tokens": 214301570.0,
562
+ "step": 69
563
+ },
564
+ {
565
+ "epoch": 0.6690561529271206,
566
+ "grad_norm": 0.2585446834564209,
567
+ "learning_rate": 5e-05,
568
+ "loss": 0.5386,
569
+ "num_tokens": 217393704.0,
570
+ "step": 70
571
+ },
572
+ {
573
+ "epoch": 0.6786140979689367,
574
+ "grad_norm": 0.25293031334877014,
575
+ "learning_rate": 5e-05,
576
+ "loss": 0.5223,
577
+ "num_tokens": 220482293.0,
578
+ "step": 71
579
+ },
580
+ {
581
+ "epoch": 0.6881720430107527,
582
+ "grad_norm": 0.3039219379425049,
583
+ "learning_rate": 5e-05,
584
+ "loss": 0.5337,
585
+ "num_tokens": 223590652.0,
586
+ "step": 72
587
+ },
588
+ {
589
+ "epoch": 0.6977299880525687,
590
+ "grad_norm": 0.2043919861316681,
591
+ "learning_rate": 5e-05,
592
+ "loss": 0.5251,
593
+ "num_tokens": 226675856.0,
594
+ "step": 73
595
+ },
596
+ {
597
+ "epoch": 0.7072879330943848,
598
+ "grad_norm": 0.290919691324234,
599
+ "learning_rate": 5e-05,
600
+ "loss": 0.5343,
601
+ "num_tokens": 229778501.0,
602
+ "step": 74
603
+ },
604
+ {
605
+ "epoch": 0.7168458781362007,
606
+ "grad_norm": 0.24795055389404297,
607
+ "learning_rate": 5e-05,
608
+ "loss": 0.5356,
609
+ "num_tokens": 232829595.0,
610
+ "step": 75
611
+ },
612
+ {
613
+ "epoch": 0.7264038231780168,
614
+ "grad_norm": 0.25901439785957336,
615
+ "learning_rate": 5e-05,
616
+ "loss": 0.5258,
617
+ "num_tokens": 235940446.0,
618
+ "step": 76
619
+ },
620
+ {
621
+ "epoch": 0.7359617682198327,
622
+ "grad_norm": 0.30405953526496887,
623
+ "learning_rate": 5e-05,
624
+ "loss": 0.5361,
625
+ "num_tokens": 239028046.0,
626
+ "step": 77
627
+ },
628
+ {
629
+ "epoch": 0.7455197132616488,
630
+ "grad_norm": 0.23060917854309082,
631
+ "learning_rate": 5e-05,
632
+ "loss": 0.5361,
633
+ "num_tokens": 242205870.0,
634
+ "step": 78
635
+ },
636
+ {
637
+ "epoch": 0.7550776583034647,
638
+ "grad_norm": 0.24737045168876648,
639
+ "learning_rate": 5e-05,
640
+ "loss": 0.5204,
641
+ "num_tokens": 245233676.0,
642
+ "step": 79
643
+ },
644
+ {
645
+ "epoch": 0.7646356033452808,
646
+ "grad_norm": 0.22408932447433472,
647
+ "learning_rate": 5e-05,
648
+ "loss": 0.5202,
649
+ "num_tokens": 248356444.0,
650
+ "step": 80
651
+ },
652
+ {
653
+ "epoch": 0.7741935483870968,
654
+ "grad_norm": 0.328327476978302,
655
+ "learning_rate": 5e-05,
656
+ "loss": 0.5311,
657
+ "num_tokens": 251468079.0,
658
+ "step": 81
659
+ },
660
+ {
661
+ "epoch": 0.7837514934289128,
662
+ "grad_norm": 0.20574553310871124,
663
+ "learning_rate": 5e-05,
664
+ "loss": 0.5231,
665
+ "num_tokens": 254594703.0,
666
+ "step": 82
667
+ },
668
+ {
669
+ "epoch": 0.7933094384707288,
670
+ "grad_norm": 0.305171936750412,
671
+ "learning_rate": 5e-05,
672
+ "loss": 0.5264,
673
+ "num_tokens": 257723496.0,
674
+ "step": 83
675
+ },
676
+ {
677
+ "epoch": 0.8028673835125448,
678
+ "grad_norm": 0.20093268156051636,
679
+ "learning_rate": 5e-05,
680
+ "loss": 0.5274,
681
+ "num_tokens": 260768286.0,
682
+ "step": 84
683
+ },
684
+ {
685
+ "epoch": 0.8124253285543608,
686
+ "grad_norm": 0.3125307559967041,
687
+ "learning_rate": 5e-05,
688
+ "loss": 0.5313,
689
+ "num_tokens": 263875942.0,
690
+ "step": 85
691
+ },
692
+ {
693
+ "epoch": 0.8219832735961768,
694
+ "grad_norm": 0.20460698008537292,
695
+ "learning_rate": 5e-05,
696
+ "loss": 0.5217,
697
+ "num_tokens": 266985727.0,
698
+ "step": 86
699
+ },
700
+ {
701
+ "epoch": 0.8315412186379928,
702
+ "grad_norm": 0.2367510348558426,
703
+ "learning_rate": 5e-05,
704
+ "loss": 0.5163,
705
+ "num_tokens": 270075318.0,
706
+ "step": 87
707
+ },
708
+ {
709
+ "epoch": 0.8410991636798089,
710
+ "grad_norm": 0.2568177580833435,
711
+ "learning_rate": 5e-05,
712
+ "loss": 0.5241,
713
+ "num_tokens": 273156355.0,
714
+ "step": 88
715
+ },
716
+ {
717
+ "epoch": 0.8506571087216248,
718
+ "grad_norm": 0.2784541845321655,
719
+ "learning_rate": 5e-05,
720
+ "loss": 0.5223,
721
+ "num_tokens": 276259662.0,
722
+ "step": 89
723
+ },
724
+ {
725
+ "epoch": 0.8602150537634409,
726
+ "grad_norm": 0.25873690843582153,
727
+ "learning_rate": 5e-05,
728
+ "loss": 0.5256,
729
+ "num_tokens": 279394317.0,
730
+ "step": 90
731
+ },
732
+ {
733
+ "epoch": 0.8697729988052568,
734
+ "grad_norm": 0.2528490126132965,
735
+ "learning_rate": 5e-05,
736
+ "loss": 0.5199,
737
+ "num_tokens": 282498565.0,
738
+ "step": 91
739
+ },
740
+ {
741
+ "epoch": 0.8793309438470729,
742
+ "grad_norm": 0.24740688502788544,
743
+ "learning_rate": 5e-05,
744
+ "loss": 0.5141,
745
+ "num_tokens": 285610462.0,
746
+ "step": 92
747
+ },
748
+ {
749
+ "epoch": 0.8888888888888888,
750
+ "grad_norm": 0.24610859155654907,
751
+ "learning_rate": 5e-05,
752
+ "loss": 0.5197,
753
+ "num_tokens": 288771247.0,
754
+ "step": 93
755
+ },
756
+ {
757
+ "epoch": 0.8984468339307049,
758
+ "grad_norm": 0.24038155376911163,
759
+ "learning_rate": 5e-05,
760
+ "loss": 0.5191,
761
+ "num_tokens": 291911091.0,
762
+ "step": 94
763
+ },
764
+ {
765
+ "epoch": 0.9080047789725209,
766
+ "grad_norm": 0.2939693033695221,
767
+ "learning_rate": 5e-05,
768
+ "loss": 0.5147,
769
+ "num_tokens": 294998183.0,
770
+ "step": 95
771
+ },
772
+ {
773
+ "epoch": 0.9175627240143369,
774
+ "grad_norm": 0.19252680242061615,
775
+ "learning_rate": 5e-05,
776
+ "loss": 0.5138,
777
+ "num_tokens": 298050683.0,
778
+ "step": 96
779
+ },
780
+ {
781
+ "epoch": 0.927120669056153,
782
+ "grad_norm": 0.23349586129188538,
783
+ "learning_rate": 5e-05,
784
+ "loss": 0.5172,
785
+ "num_tokens": 301164218.0,
786
+ "step": 97
787
+ },
788
+ {
789
+ "epoch": 0.9366786140979689,
790
+ "grad_norm": 0.20470231771469116,
791
+ "learning_rate": 5e-05,
792
+ "loss": 0.5132,
793
+ "num_tokens": 304261920.0,
794
+ "step": 98
795
+ },
796
+ {
797
+ "epoch": 0.946236559139785,
798
+ "grad_norm": 0.27620136737823486,
799
+ "learning_rate": 5e-05,
800
+ "loss": 0.5195,
801
+ "num_tokens": 307412237.0,
802
+ "step": 99
803
+ },
804
+ {
805
+ "epoch": 0.955794504181601,
806
+ "grad_norm": 0.21717092394828796,
807
+ "learning_rate": 5e-05,
808
+ "loss": 0.5172,
809
+ "num_tokens": 310507993.0,
810
+ "step": 100
811
+ },
812
+ {
813
+ "epoch": 0.965352449223417,
814
+ "grad_norm": 0.29017373919487,
815
+ "learning_rate": 5e-05,
816
+ "loss": 0.5107,
817
+ "num_tokens": 313624257.0,
818
+ "step": 101
819
+ },
820
+ {
821
+ "epoch": 0.974910394265233,
822
+ "grad_norm": 0.28068530559539795,
823
+ "learning_rate": 5e-05,
824
+ "loss": 0.5176,
825
+ "num_tokens": 316722666.0,
826
+ "step": 102
827
+ },
828
+ {
829
+ "epoch": 0.984468339307049,
830
+ "grad_norm": 0.2316262573003769,
831
+ "learning_rate": 5e-05,
832
+ "loss": 0.5162,
833
+ "num_tokens": 319820496.0,
834
+ "step": 103
835
+ },
836
+ {
837
+ "epoch": 0.994026284348865,
838
+ "grad_norm": 0.30137985944747925,
839
+ "learning_rate": 5e-05,
840
+ "loss": 0.5102,
841
+ "num_tokens": 322901137.0,
842
+ "step": 104
843
+ },
844
+ {
845
+ "epoch": 1.0,
846
+ "grad_norm": 0.30137985944747925,
847
+ "learning_rate": 5e-05,
848
+ "loss": 0.5069,
849
+ "num_tokens": 324860579.0,
850
+ "step": 105
851
+ },
852
+ {
853
+ "epoch": 1.009557945041816,
854
+ "grad_norm": 0.32997432351112366,
855
+ "learning_rate": 5e-05,
856
+ "loss": 0.4761,
857
+ "num_tokens": 327927654.0,
858
+ "step": 106
859
+ },
860
+ {
861
+ "epoch": 1.0191158900836321,
862
+ "grad_norm": 0.32110321521759033,
863
+ "learning_rate": 5e-05,
864
+ "loss": 0.4785,
865
+ "num_tokens": 331066424.0,
866
+ "step": 107
867
+ },
868
+ {
869
+ "epoch": 1.028673835125448,
870
+ "grad_norm": 0.20342878997325897,
871
+ "learning_rate": 5e-05,
872
+ "loss": 0.4845,
873
+ "num_tokens": 334162426.0,
874
+ "step": 108
875
+ },
876
+ {
877
+ "epoch": 1.038231780167264,
878
+ "grad_norm": 0.3325869143009186,
879
+ "learning_rate": 5e-05,
880
+ "loss": 0.4822,
881
+ "num_tokens": 337302238.0,
882
+ "step": 109
883
+ },
884
+ {
885
+ "epoch": 1.04778972520908,
886
+ "grad_norm": 0.22826018929481506,
887
+ "learning_rate": 5e-05,
888
+ "loss": 0.4824,
889
+ "num_tokens": 340447280.0,
890
+ "step": 110
891
+ },
892
+ {
893
+ "epoch": 1.0573476702508962,
894
+ "grad_norm": 0.3223550021648407,
895
+ "learning_rate": 5e-05,
896
+ "loss": 0.4696,
897
+ "num_tokens": 343568761.0,
898
+ "step": 111
899
+ },
900
+ {
901
+ "epoch": 1.066905615292712,
902
+ "grad_norm": 0.21368011832237244,
903
+ "learning_rate": 5e-05,
904
+ "loss": 0.4756,
905
+ "num_tokens": 346718666.0,
906
+ "step": 112
907
+ },
908
+ {
909
+ "epoch": 1.076463560334528,
910
+ "grad_norm": 0.24224598705768585,
911
+ "learning_rate": 5e-05,
912
+ "loss": 0.4765,
913
+ "num_tokens": 349842177.0,
914
+ "step": 113
915
+ },
916
+ {
917
+ "epoch": 1.086021505376344,
918
+ "grad_norm": 0.2377299815416336,
919
+ "learning_rate": 5e-05,
920
+ "loss": 0.4728,
921
+ "num_tokens": 352932093.0,
922
+ "step": 114
923
+ },
924
+ {
925
+ "epoch": 1.0955794504181602,
926
+ "grad_norm": 0.23792093992233276,
927
+ "learning_rate": 5e-05,
928
+ "loss": 0.4777,
929
+ "num_tokens": 356033224.0,
930
+ "step": 115
931
+ },
932
+ {
933
+ "epoch": 1.1051373954599761,
934
+ "grad_norm": 0.26680827140808105,
935
+ "learning_rate": 5e-05,
936
+ "loss": 0.4778,
937
+ "num_tokens": 359191089.0,
938
+ "step": 116
939
+ },
940
+ {
941
+ "epoch": 1.114695340501792,
942
+ "grad_norm": 0.26498955488204956,
943
+ "learning_rate": 5e-05,
944
+ "loss": 0.4739,
945
+ "num_tokens": 362282504.0,
946
+ "step": 117
947
+ },
948
+ {
949
+ "epoch": 1.124253285543608,
950
+ "grad_norm": 0.2889910936355591,
951
+ "learning_rate": 5e-05,
952
+ "loss": 0.4751,
953
+ "num_tokens": 365375038.0,
954
+ "step": 118
955
+ },
956
+ {
957
+ "epoch": 1.1338112305854242,
958
+ "grad_norm": 0.2168579399585724,
959
+ "learning_rate": 5e-05,
960
+ "loss": 0.4615,
961
+ "num_tokens": 368405060.0,
962
+ "step": 119
963
+ },
964
+ {
965
+ "epoch": 1.1433691756272402,
966
+ "grad_norm": 0.2727675437927246,
967
+ "learning_rate": 5e-05,
968
+ "loss": 0.4738,
969
+ "num_tokens": 371483975.0,
970
+ "step": 120
971
+ },
972
+ {
973
+ "epoch": 1.1529271206690561,
974
+ "grad_norm": 0.36416906118392944,
975
+ "learning_rate": 5e-05,
976
+ "loss": 0.4791,
977
+ "num_tokens": 374634435.0,
978
+ "step": 121
979
+ },
980
+ {
981
+ "epoch": 1.162485065710872,
982
+ "grad_norm": 0.18200910091400146,
983
+ "learning_rate": 5e-05,
984
+ "loss": 0.4731,
985
+ "num_tokens": 377757663.0,
986
+ "step": 122
987
+ },
988
+ {
989
+ "epoch": 1.1720430107526882,
990
+ "grad_norm": 0.386223167181015,
991
+ "learning_rate": 5e-05,
992
+ "loss": 0.4777,
993
+ "num_tokens": 380874183.0,
994
+ "step": 123
995
+ },
996
+ {
997
+ "epoch": 1.1816009557945042,
998
+ "grad_norm": 0.25184914469718933,
999
+ "learning_rate": 5e-05,
1000
+ "loss": 0.4793,
1001
+ "num_tokens": 383990561.0,
1002
+ "step": 124
1003
+ },
1004
+ {
1005
+ "epoch": 1.1911589008363201,
1006
+ "grad_norm": 0.37080973386764526,
1007
+ "learning_rate": 5e-05,
1008
+ "loss": 0.4764,
1009
+ "num_tokens": 387086225.0,
1010
+ "step": 125
1011
+ },
1012
+ {
1013
+ "epoch": 1.2007168458781363,
1014
+ "grad_norm": 0.27940818667411804,
1015
+ "learning_rate": 5e-05,
1016
+ "loss": 0.4718,
1017
+ "num_tokens": 390204819.0,
1018
+ "step": 126
1019
+ },
1020
+ {
1021
+ "epoch": 1.2102747909199523,
1022
+ "grad_norm": 0.28235924243927,
1023
+ "learning_rate": 5e-05,
1024
+ "loss": 0.4713,
1025
+ "num_tokens": 393287937.0,
1026
+ "step": 127
1027
+ },
1028
+ {
1029
+ "epoch": 1.2198327359617682,
1030
+ "grad_norm": 0.28537049889564514,
1031
+ "learning_rate": 5e-05,
1032
+ "loss": 0.4746,
1033
+ "num_tokens": 396363663.0,
1034
+ "step": 128
1035
+ },
1036
+ {
1037
+ "epoch": 1.2293906810035842,
1038
+ "grad_norm": 0.3287442922592163,
1039
+ "learning_rate": 5e-05,
1040
+ "loss": 0.4796,
1041
+ "num_tokens": 399462801.0,
1042
+ "step": 129
1043
+ },
1044
+ {
1045
+ "epoch": 1.2389486260454001,
1046
+ "grad_norm": 0.23722870647907257,
1047
+ "learning_rate": 5e-05,
1048
+ "loss": 0.4674,
1049
+ "num_tokens": 402561690.0,
1050
+ "step": 130
1051
+ },
1052
+ {
1053
+ "epoch": 1.2485065710872163,
1054
+ "grad_norm": 0.26579034328460693,
1055
+ "learning_rate": 5e-05,
1056
+ "loss": 0.46,
1057
+ "num_tokens": 405671986.0,
1058
+ "step": 131
1059
+ },
1060
+ {
1061
+ "epoch": 1.2580645161290323,
1062
+ "grad_norm": 0.21499669551849365,
1063
+ "learning_rate": 5e-05,
1064
+ "loss": 0.4633,
1065
+ "num_tokens": 408745166.0,
1066
+ "step": 132
1067
+ },
1068
+ {
1069
+ "epoch": 1.2676224611708482,
1070
+ "grad_norm": 0.26388466358184814,
1071
+ "learning_rate": 5e-05,
1072
+ "loss": 0.4736,
1073
+ "num_tokens": 411848560.0,
1074
+ "step": 133
1075
+ },
1076
+ {
1077
+ "epoch": 1.2771804062126644,
1078
+ "grad_norm": 0.22143350541591644,
1079
+ "learning_rate": 5e-05,
1080
+ "loss": 0.4624,
1081
+ "num_tokens": 414961042.0,
1082
+ "step": 134
1083
+ },
1084
+ {
1085
+ "epoch": 1.2867383512544803,
1086
+ "grad_norm": 0.27563315629959106,
1087
+ "learning_rate": 5e-05,
1088
+ "loss": 0.4645,
1089
+ "num_tokens": 418038833.0,
1090
+ "step": 135
1091
+ },
1092
+ {
1093
+ "epoch": 1.2962962962962963,
1094
+ "grad_norm": 0.2135905772447586,
1095
+ "learning_rate": 5e-05,
1096
+ "loss": 0.4732,
1097
+ "num_tokens": 421176052.0,
1098
+ "step": 136
1099
+ },
1100
+ {
1101
+ "epoch": 1.3058542413381122,
1102
+ "grad_norm": 0.24489735066890717,
1103
+ "learning_rate": 5e-05,
1104
+ "loss": 0.472,
1105
+ "num_tokens": 424278020.0,
1106
+ "step": 137
1107
+ },
1108
+ {
1109
+ "epoch": 1.3154121863799282,
1110
+ "grad_norm": 0.22754637897014618,
1111
+ "learning_rate": 5e-05,
1112
+ "loss": 0.4691,
1113
+ "num_tokens": 427397110.0,
1114
+ "step": 138
1115
+ },
1116
+ {
1117
+ "epoch": 1.3249701314217444,
1118
+ "grad_norm": 0.24249699711799622,
1119
+ "learning_rate": 5e-05,
1120
+ "loss": 0.4757,
1121
+ "num_tokens": 430504573.0,
1122
+ "step": 139
1123
+ },
1124
+ {
1125
+ "epoch": 1.3345280764635603,
1126
+ "grad_norm": 0.23354573547840118,
1127
+ "learning_rate": 5e-05,
1128
+ "loss": 0.4605,
1129
+ "num_tokens": 433626191.0,
1130
+ "step": 140
1131
+ },
1132
+ {
1133
+ "epoch": 1.3440860215053765,
1134
+ "grad_norm": 0.2180928736925125,
1135
+ "learning_rate": 5e-05,
1136
+ "loss": 0.4679,
1137
+ "num_tokens": 436727625.0,
1138
+ "step": 141
1139
+ },
1140
+ {
1141
+ "epoch": 1.3536439665471924,
1142
+ "grad_norm": 0.2624548077583313,
1143
+ "learning_rate": 5e-05,
1144
+ "loss": 0.4704,
1145
+ "num_tokens": 439824215.0,
1146
+ "step": 142
1147
+ },
1148
+ {
1149
+ "epoch": 1.3632019115890084,
1150
+ "grad_norm": 0.22936105728149414,
1151
+ "learning_rate": 5e-05,
1152
+ "loss": 0.4638,
1153
+ "num_tokens": 442903885.0,
1154
+ "step": 143
1155
+ },
1156
+ {
1157
+ "epoch": 1.3727598566308243,
1158
+ "grad_norm": 0.2361782044172287,
1159
+ "learning_rate": 5e-05,
1160
+ "loss": 0.4722,
1161
+ "num_tokens": 446049216.0,
1162
+ "step": 144
1163
+ },
1164
+ {
1165
+ "epoch": 1.3823178016726403,
1166
+ "grad_norm": 0.22354678809642792,
1167
+ "learning_rate": 5e-05,
1168
+ "loss": 0.4702,
1169
+ "num_tokens": 449164822.0,
1170
+ "step": 145
1171
+ },
1172
+ {
1173
+ "epoch": 1.3918757467144565,
1174
+ "grad_norm": 0.2597694396972656,
1175
+ "learning_rate": 5e-05,
1176
+ "loss": 0.4659,
1177
+ "num_tokens": 452296016.0,
1178
+ "step": 146
1179
+ },
1180
+ {
1181
+ "epoch": 1.4014336917562724,
1182
+ "grad_norm": 0.18445123732089996,
1183
+ "learning_rate": 5e-05,
1184
+ "loss": 0.4675,
1185
+ "num_tokens": 455409198.0,
1186
+ "step": 147
1187
+ },
1188
+ {
1189
+ "epoch": 1.4109916367980884,
1190
+ "grad_norm": 0.24752481281757355,
1191
+ "learning_rate": 5e-05,
1192
+ "loss": 0.4665,
1193
+ "num_tokens": 458552498.0,
1194
+ "step": 148
1195
+ },
1196
+ {
1197
+ "epoch": 1.4205495818399045,
1198
+ "grad_norm": 0.23295103013515472,
1199
+ "learning_rate": 5e-05,
1200
+ "loss": 0.4642,
1201
+ "num_tokens": 461598172.0,
1202
+ "step": 149
1203
+ },
1204
+ {
1205
+ "epoch": 1.4301075268817205,
1206
+ "grad_norm": 0.26925209164619446,
1207
+ "learning_rate": 5e-05,
1208
+ "loss": 0.4618,
1209
+ "num_tokens": 464763731.0,
1210
+ "step": 150
1211
+ },
1212
+ {
1213
+ "epoch": 1.4396654719235364,
1214
+ "grad_norm": 0.1971091479063034,
1215
+ "learning_rate": 5e-05,
1216
+ "loss": 0.4639,
1217
+ "num_tokens": 467905236.0,
1218
+ "step": 151
1219
+ },
1220
+ {
1221
+ "epoch": 1.4492234169653524,
1222
+ "grad_norm": 0.2771715819835663,
1223
+ "learning_rate": 5e-05,
1224
+ "loss": 0.4645,
1225
+ "num_tokens": 471038706.0,
1226
+ "step": 152
1227
+ },
1228
+ {
1229
+ "epoch": 1.4587813620071683,
1230
+ "grad_norm": 0.2006852775812149,
1231
+ "learning_rate": 5e-05,
1232
+ "loss": 0.4664,
1233
+ "num_tokens": 474170594.0,
1234
+ "step": 153
1235
+ },
1236
+ {
1237
+ "epoch": 1.4683393070489845,
1238
+ "grad_norm": 0.27502164244651794,
1239
+ "learning_rate": 5e-05,
1240
+ "loss": 0.4581,
1241
+ "num_tokens": 477293327.0,
1242
+ "step": 154
1243
+ },
1244
+ {
1245
+ "epoch": 1.4778972520908005,
1246
+ "grad_norm": 0.19383655488491058,
1247
+ "learning_rate": 5e-05,
1248
+ "loss": 0.4641,
1249
+ "num_tokens": 480356338.0,
1250
+ "step": 155
1251
+ },
1252
+ {
1253
+ "epoch": 1.4874551971326164,
1254
+ "grad_norm": 0.29519346356391907,
1255
+ "learning_rate": 5e-05,
1256
+ "loss": 0.4636,
1257
+ "num_tokens": 483466822.0,
1258
+ "step": 156
1259
+ },
1260
+ {
1261
+ "epoch": 1.4970131421744326,
1262
+ "grad_norm": 0.24049213528633118,
1263
+ "learning_rate": 5e-05,
1264
+ "loss": 0.4708,
1265
+ "num_tokens": 486598025.0,
1266
+ "step": 157
1267
+ },
1268
+ {
1269
+ "epoch": 1.5065710872162486,
1270
+ "grad_norm": 0.23467357456684113,
1271
+ "learning_rate": 5e-05,
1272
+ "loss": 0.4629,
1273
+ "num_tokens": 489710268.0,
1274
+ "step": 158
1275
+ },
1276
+ {
1277
+ "epoch": 1.5161290322580645,
1278
+ "grad_norm": 0.23279620707035065,
1279
+ "learning_rate": 5e-05,
1280
+ "loss": 0.4642,
1281
+ "num_tokens": 492749301.0,
1282
+ "step": 159
1283
+ },
1284
+ {
1285
+ "epoch": 1.5256869772998805,
1286
+ "grad_norm": 0.21989446878433228,
1287
+ "learning_rate": 5e-05,
1288
+ "loss": 0.4609,
1289
+ "num_tokens": 495858425.0,
1290
+ "step": 160
1291
+ },
1292
+ {
1293
+ "epoch": 1.5352449223416964,
1294
+ "grad_norm": 0.20997576415538788,
1295
+ "learning_rate": 5e-05,
1296
+ "loss": 0.4615,
1297
+ "num_tokens": 499002124.0,
1298
+ "step": 161
1299
+ },
1300
+ {
1301
+ "epoch": 1.5448028673835126,
1302
+ "grad_norm": 0.2443646341562271,
1303
+ "learning_rate": 5e-05,
1304
+ "loss": 0.4599,
1305
+ "num_tokens": 502158127.0,
1306
+ "step": 162
1307
+ },
1308
+ {
1309
+ "epoch": 1.5543608124253285,
1310
+ "grad_norm": 0.2202104926109314,
1311
+ "learning_rate": 5e-05,
1312
+ "loss": 0.4685,
1313
+ "num_tokens": 505273653.0,
1314
+ "step": 163
1315
+ },
1316
+ {
1317
+ "epoch": 1.5639187574671447,
1318
+ "grad_norm": 0.2284436672925949,
1319
+ "learning_rate": 5e-05,
1320
+ "loss": 0.4666,
1321
+ "num_tokens": 508383175.0,
1322
+ "step": 164
1323
+ },
1324
+ {
1325
+ "epoch": 1.5734767025089607,
1326
+ "grad_norm": 0.21461881697177887,
1327
+ "learning_rate": 5e-05,
1328
+ "loss": 0.4649,
1329
+ "num_tokens": 511456188.0,
1330
+ "step": 165
1331
+ },
1332
+ {
1333
+ "epoch": 1.5830346475507766,
1334
+ "grad_norm": 0.24341613054275513,
1335
+ "learning_rate": 5e-05,
1336
+ "loss": 0.4726,
1337
+ "num_tokens": 514504919.0,
1338
+ "step": 166
1339
+ },
1340
+ {
1341
+ "epoch": 1.5925925925925926,
1342
+ "grad_norm": 0.2432275414466858,
1343
+ "learning_rate": 5e-05,
1344
+ "loss": 0.462,
1345
+ "num_tokens": 517638097.0,
1346
+ "step": 167
1347
+ },
1348
+ {
1349
+ "epoch": 1.6021505376344085,
1350
+ "grad_norm": 0.1924099624156952,
1351
+ "learning_rate": 5e-05,
1352
+ "loss": 0.4574,
1353
+ "num_tokens": 520744764.0,
1354
+ "step": 168
1355
+ },
1356
+ {
1357
+ "epoch": 1.6117084826762245,
1358
+ "grad_norm": 0.2210276573896408,
1359
+ "learning_rate": 5e-05,
1360
+ "loss": 0.4652,
1361
+ "num_tokens": 523847555.0,
1362
+ "step": 169
1363
+ },
1364
+ {
1365
+ "epoch": 1.6212664277180406,
1366
+ "grad_norm": 0.24831326305866241,
1367
+ "learning_rate": 5e-05,
1368
+ "loss": 0.4622,
1369
+ "num_tokens": 526938439.0,
1370
+ "step": 170
1371
+ },
1372
+ {
1373
+ "epoch": 1.6308243727598566,
1374
+ "grad_norm": 0.20027406513690948,
1375
+ "learning_rate": 5e-05,
1376
+ "loss": 0.4625,
1377
+ "num_tokens": 530100826.0,
1378
+ "step": 171
1379
+ },
1380
+ {
1381
+ "epoch": 1.6403823178016728,
1382
+ "grad_norm": 0.2210628092288971,
1383
+ "learning_rate": 5e-05,
1384
+ "loss": 0.4543,
1385
+ "num_tokens": 533217368.0,
1386
+ "step": 172
1387
+ },
1388
+ {
1389
+ "epoch": 1.6499402628434887,
1390
+ "grad_norm": 0.21531818807125092,
1391
+ "learning_rate": 5e-05,
1392
+ "loss": 0.464,
1393
+ "num_tokens": 536266028.0,
1394
+ "step": 173
1395
+ },
1396
+ {
1397
+ "epoch": 1.6594982078853047,
1398
+ "grad_norm": 0.24346983432769775,
1399
+ "learning_rate": 5e-05,
1400
+ "loss": 0.4582,
1401
+ "num_tokens": 539353780.0,
1402
+ "step": 174
1403
+ },
1404
+ {
1405
+ "epoch": 1.6690561529271206,
1406
+ "grad_norm": 0.18500176072120667,
1407
+ "learning_rate": 5e-05,
1408
+ "loss": 0.4611,
1409
+ "num_tokens": 542436030.0,
1410
+ "step": 175
1411
+ },
1412
+ {
1413
+ "epoch": 1.6786140979689366,
1414
+ "grad_norm": 0.21900725364685059,
1415
+ "learning_rate": 5e-05,
1416
+ "loss": 0.4567,
1417
+ "num_tokens": 545556259.0,
1418
+ "step": 176
1419
+ },
1420
+ {
1421
+ "epoch": 1.6881720430107527,
1422
+ "grad_norm": 0.26041945815086365,
1423
+ "learning_rate": 5e-05,
1424
+ "loss": 0.4609,
1425
+ "num_tokens": 548651036.0,
1426
+ "step": 177
1427
+ },
1428
+ {
1429
+ "epoch": 1.6977299880525687,
1430
+ "grad_norm": 0.1868957281112671,
1431
+ "learning_rate": 5e-05,
1432
+ "loss": 0.4578,
1433
+ "num_tokens": 551763960.0,
1434
+ "step": 178
1435
+ },
1436
+ {
1437
+ "epoch": 1.7072879330943849,
1438
+ "grad_norm": 0.30002743005752563,
1439
+ "learning_rate": 5e-05,
1440
+ "loss": 0.4621,
1441
+ "num_tokens": 554859971.0,
1442
+ "step": 179
1443
+ },
1444
+ {
1445
+ "epoch": 1.7168458781362008,
1446
+ "grad_norm": 0.15785135328769684,
1447
+ "learning_rate": 5e-05,
1448
+ "loss": 0.4531,
1449
+ "num_tokens": 557960344.0,
1450
+ "step": 180
1451
+ },
1452
+ {
1453
+ "epoch": 1.7264038231780168,
1454
+ "grad_norm": 0.21860018372535706,
1455
+ "learning_rate": 5e-05,
1456
+ "loss": 0.456,
1457
+ "num_tokens": 561070346.0,
1458
+ "step": 181
1459
+ },
1460
+ {
1461
+ "epoch": 1.7359617682198327,
1462
+ "grad_norm": 0.21262319386005402,
1463
+ "learning_rate": 5e-05,
1464
+ "loss": 0.4548,
1465
+ "num_tokens": 564124513.0,
1466
+ "step": 182
1467
+ },
1468
+ {
1469
+ "epoch": 1.7455197132616487,
1470
+ "grad_norm": 0.208367258310318,
1471
+ "learning_rate": 5e-05,
1472
+ "loss": 0.4597,
1473
+ "num_tokens": 567229917.0,
1474
+ "step": 183
1475
+ },
1476
+ {
1477
+ "epoch": 1.7550776583034646,
1478
+ "grad_norm": 0.23050186038017273,
1479
+ "learning_rate": 5e-05,
1480
+ "loss": 0.4609,
1481
+ "num_tokens": 570377549.0,
1482
+ "step": 184
1483
+ },
1484
+ {
1485
+ "epoch": 1.7646356033452808,
1486
+ "grad_norm": 0.19711245596408844,
1487
+ "learning_rate": 5e-05,
1488
+ "loss": 0.4596,
1489
+ "num_tokens": 573423384.0,
1490
+ "step": 185
1491
+ },
1492
+ {
1493
+ "epoch": 1.7741935483870968,
1494
+ "grad_norm": 0.25033050775527954,
1495
+ "learning_rate": 5e-05,
1496
+ "loss": 0.4536,
1497
+ "num_tokens": 576529785.0,
1498
+ "step": 186
1499
+ },
1500
+ {
1501
+ "epoch": 1.783751493428913,
1502
+ "grad_norm": 0.23019000887870789,
1503
+ "learning_rate": 5e-05,
1504
+ "loss": 0.457,
1505
+ "num_tokens": 579611243.0,
1506
+ "step": 187
1507
+ },
1508
+ {
1509
+ "epoch": 1.7933094384707289,
1510
+ "grad_norm": 0.24459266662597656,
1511
+ "learning_rate": 5e-05,
1512
+ "loss": 0.4563,
1513
+ "num_tokens": 582684585.0,
1514
+ "step": 188
1515
+ },
1516
+ {
1517
+ "epoch": 1.8028673835125448,
1518
+ "grad_norm": 0.2335624098777771,
1519
+ "learning_rate": 5e-05,
1520
+ "loss": 0.456,
1521
+ "num_tokens": 585749574.0,
1522
+ "step": 189
1523
+ },
1524
+ {
1525
+ "epoch": 1.8124253285543608,
1526
+ "grad_norm": 0.21826566755771637,
1527
+ "learning_rate": 5e-05,
1528
+ "loss": 0.4545,
1529
+ "num_tokens": 588793971.0,
1530
+ "step": 190
1531
+ },
1532
+ {
1533
+ "epoch": 1.8219832735961767,
1534
+ "grad_norm": 0.2118789553642273,
1535
+ "learning_rate": 5e-05,
1536
+ "loss": 0.4561,
1537
+ "num_tokens": 591863271.0,
1538
+ "step": 191
1539
+ },
1540
+ {
1541
+ "epoch": 1.8315412186379927,
1542
+ "grad_norm": 0.25364288687705994,
1543
+ "learning_rate": 5e-05,
1544
+ "loss": 0.4582,
1545
+ "num_tokens": 594955013.0,
1546
+ "step": 192
1547
+ },
1548
+ {
1549
+ "epoch": 1.8410991636798089,
1550
+ "grad_norm": 0.18223045766353607,
1551
+ "learning_rate": 5e-05,
1552
+ "loss": 0.4586,
1553
+ "num_tokens": 598054762.0,
1554
+ "step": 193
1555
+ },
1556
+ {
1557
+ "epoch": 1.8506571087216248,
1558
+ "grad_norm": 0.19568181037902832,
1559
+ "learning_rate": 5e-05,
1560
+ "loss": 0.4542,
1561
+ "num_tokens": 601156311.0,
1562
+ "step": 194
1563
+ },
1564
+ {
1565
+ "epoch": 1.860215053763441,
1566
+ "grad_norm": 0.21927742660045624,
1567
+ "learning_rate": 5e-05,
1568
+ "loss": 0.4593,
1569
+ "num_tokens": 604264490.0,
1570
+ "step": 195
1571
+ },
1572
+ {
1573
+ "epoch": 1.869772998805257,
1574
+ "grad_norm": 0.22864626348018646,
1575
+ "learning_rate": 5e-05,
1576
+ "loss": 0.4582,
1577
+ "num_tokens": 607369801.0,
1578
+ "step": 196
1579
+ },
1580
+ {
1581
+ "epoch": 1.8793309438470729,
1582
+ "grad_norm": 0.2220122367143631,
1583
+ "learning_rate": 5e-05,
1584
+ "loss": 0.4586,
1585
+ "num_tokens": 610464157.0,
1586
+ "step": 197
1587
+ },
1588
+ {
1589
+ "epoch": 1.8888888888888888,
1590
+ "grad_norm": 0.20654238760471344,
1591
+ "learning_rate": 5e-05,
1592
+ "loss": 0.4572,
1593
+ "num_tokens": 613600074.0,
1594
+ "step": 198
1595
+ },
1596
+ {
1597
+ "epoch": 1.8984468339307048,
1598
+ "grad_norm": 0.24055001139640808,
1599
+ "learning_rate": 5e-05,
1600
+ "loss": 0.447,
1601
+ "num_tokens": 616692135.0,
1602
+ "step": 199
1603
+ },
1604
+ {
1605
+ "epoch": 1.9080047789725207,
1606
+ "grad_norm": 0.2102368324995041,
1607
+ "learning_rate": 5e-05,
1608
+ "loss": 0.4616,
1609
+ "num_tokens": 619865728.0,
1610
+ "step": 200
1611
+ },
1612
+ {
1613
+ "epoch": 1.917562724014337,
1614
+ "grad_norm": 0.1804041713476181,
1615
+ "learning_rate": 5e-05,
1616
+ "loss": 0.456,
1617
+ "num_tokens": 622937270.0,
1618
+ "step": 201
1619
+ },
1620
+ {
1621
+ "epoch": 1.927120669056153,
1622
+ "grad_norm": 0.20141775906085968,
1623
+ "learning_rate": 5e-05,
1624
+ "loss": 0.4573,
1625
+ "num_tokens": 626025595.0,
1626
+ "step": 202
1627
+ },
1628
+ {
1629
+ "epoch": 1.936678614097969,
1630
+ "grad_norm": 0.23730237782001495,
1631
+ "learning_rate": 5e-05,
1632
+ "loss": 0.4588,
1633
+ "num_tokens": 629102565.0,
1634
+ "step": 203
1635
+ },
1636
+ {
1637
+ "epoch": 1.946236559139785,
1638
+ "grad_norm": 0.20814980566501617,
1639
+ "learning_rate": 5e-05,
1640
+ "loss": 0.4596,
1641
+ "num_tokens": 632248389.0,
1642
+ "step": 204
1643
+ },
1644
+ {
1645
+ "epoch": 1.955794504181601,
1646
+ "grad_norm": 0.23954477906227112,
1647
+ "learning_rate": 5e-05,
1648
+ "loss": 0.4608,
1649
+ "num_tokens": 635381252.0,
1650
+ "step": 205
1651
+ },
1652
+ {
1653
+ "epoch": 1.965352449223417,
1654
+ "grad_norm": 0.2159876823425293,
1655
+ "learning_rate": 5e-05,
1656
+ "loss": 0.4568,
1657
+ "num_tokens": 638503290.0,
1658
+ "step": 206
1659
+ },
1660
+ {
1661
+ "epoch": 1.9749103942652328,
1662
+ "grad_norm": 0.2248695194721222,
1663
+ "learning_rate": 5e-05,
1664
+ "loss": 0.4494,
1665
+ "num_tokens": 641566168.0,
1666
+ "step": 207
1667
+ },
1668
+ {
1669
+ "epoch": 1.984468339307049,
1670
+ "grad_norm": 0.18469811975955963,
1671
+ "learning_rate": 5e-05,
1672
+ "loss": 0.4553,
1673
+ "num_tokens": 644664768.0,
1674
+ "step": 208
1675
+ },
1676
+ {
1677
+ "epoch": 1.994026284348865,
1678
+ "grad_norm": 0.2029660940170288,
1679
+ "learning_rate": 5e-05,
1680
+ "loss": 0.458,
1681
+ "num_tokens": 647777196.0,
1682
+ "step": 209
1683
+ },
1684
+ {
1685
+ "epoch": 2.0,
1686
+ "grad_norm": 0.2680661678314209,
1687
+ "learning_rate": 5e-05,
1688
+ "loss": 0.4472,
1689
+ "num_tokens": 649717884.0,
1690
+ "step": 210
1691
+ },
1692
+ {
1693
+ "epoch": 2.009557945041816,
1694
+ "grad_norm": 0.2700228691101074,
1695
+ "learning_rate": 5e-05,
1696
+ "loss": 0.4049,
1697
+ "num_tokens": 652835514.0,
1698
+ "step": 211
1699
+ },
1700
+ {
1701
+ "epoch": 2.019115890083632,
1702
+ "grad_norm": 0.21437576413154602,
1703
+ "learning_rate": 5e-05,
1704
+ "loss": 0.4077,
1705
+ "num_tokens": 655939553.0,
1706
+ "step": 212
1707
+ },
1708
+ {
1709
+ "epoch": 2.028673835125448,
1710
+ "grad_norm": 0.2812529504299164,
1711
+ "learning_rate": 5e-05,
1712
+ "loss": 0.4043,
1713
+ "num_tokens": 659052255.0,
1714
+ "step": 213
1715
+ },
1716
+ {
1717
+ "epoch": 2.0382317801672643,
1718
+ "grad_norm": 0.19706906378269196,
1719
+ "learning_rate": 5e-05,
1720
+ "loss": 0.4069,
1721
+ "num_tokens": 662144062.0,
1722
+ "step": 214
1723
+ },
1724
+ {
1725
+ "epoch": 2.04778972520908,
1726
+ "grad_norm": 0.23425546288490295,
1727
+ "learning_rate": 5e-05,
1728
+ "loss": 0.3947,
1729
+ "num_tokens": 665243818.0,
1730
+ "step": 215
1731
+ },
1732
+ {
1733
+ "epoch": 2.057347670250896,
1734
+ "grad_norm": 0.2341323047876358,
1735
+ "learning_rate": 5e-05,
1736
+ "loss": 0.4005,
1737
+ "num_tokens": 668343069.0,
1738
+ "step": 216
1739
+ },
1740
+ {
1741
+ "epoch": 2.066905615292712,
1742
+ "grad_norm": 0.26267462968826294,
1743
+ "learning_rate": 5e-05,
1744
+ "loss": 0.4076,
1745
+ "num_tokens": 671491544.0,
1746
+ "step": 217
1747
+ },
1748
+ {
1749
+ "epoch": 2.076463560334528,
1750
+ "grad_norm": 0.22123785316944122,
1751
+ "learning_rate": 5e-05,
1752
+ "loss": 0.3994,
1753
+ "num_tokens": 674603425.0,
1754
+ "step": 218
1755
+ },
1756
+ {
1757
+ "epoch": 2.086021505376344,
1758
+ "grad_norm": 0.22117979824543,
1759
+ "learning_rate": 5e-05,
1760
+ "loss": 0.3999,
1761
+ "num_tokens": 677683109.0,
1762
+ "step": 219
1763
+ },
1764
+ {
1765
+ "epoch": 2.09557945041816,
1766
+ "grad_norm": 0.25451090931892395,
1767
+ "learning_rate": 5e-05,
1768
+ "loss": 0.4035,
1769
+ "num_tokens": 680765161.0,
1770
+ "step": 220
1771
+ },
1772
+ {
1773
+ "epoch": 2.105137395459976,
1774
+ "grad_norm": 0.21930952370166779,
1775
+ "learning_rate": 5e-05,
1776
+ "loss": 0.4027,
1777
+ "num_tokens": 683877744.0,
1778
+ "step": 221
1779
+ },
1780
+ {
1781
+ "epoch": 2.1146953405017923,
1782
+ "grad_norm": 0.2268250733613968,
1783
+ "learning_rate": 5e-05,
1784
+ "loss": 0.4017,
1785
+ "num_tokens": 687007762.0,
1786
+ "step": 222
1787
+ },
1788
+ {
1789
+ "epoch": 2.1242532855436083,
1790
+ "grad_norm": 0.21051234006881714,
1791
+ "learning_rate": 5e-05,
1792
+ "loss": 0.4083,
1793
+ "num_tokens": 690110389.0,
1794
+ "step": 223
1795
+ },
1796
+ {
1797
+ "epoch": 2.133811230585424,
1798
+ "grad_norm": 0.22137832641601562,
1799
+ "learning_rate": 5e-05,
1800
+ "loss": 0.3908,
1801
+ "num_tokens": 693193272.0,
1802
+ "step": 224
1803
+ },
1804
+ {
1805
+ "epoch": 2.14336917562724,
1806
+ "grad_norm": 0.24819853901863098,
1807
+ "learning_rate": 5e-05,
1808
+ "loss": 0.4037,
1809
+ "num_tokens": 696332399.0,
1810
+ "step": 225
1811
+ },
1812
+ {
1813
+ "epoch": 2.152927120669056,
1814
+ "grad_norm": 0.2136155366897583,
1815
+ "learning_rate": 5e-05,
1816
+ "loss": 0.3972,
1817
+ "num_tokens": 699449474.0,
1818
+ "step": 226
1819
+ },
1820
+ {
1821
+ "epoch": 2.162485065710872,
1822
+ "grad_norm": 0.21676744520664215,
1823
+ "learning_rate": 5e-05,
1824
+ "loss": 0.4009,
1825
+ "num_tokens": 702535376.0,
1826
+ "step": 227
1827
+ },
1828
+ {
1829
+ "epoch": 2.172043010752688,
1830
+ "grad_norm": 0.21379505097866058,
1831
+ "learning_rate": 5e-05,
1832
+ "loss": 0.4048,
1833
+ "num_tokens": 705594342.0,
1834
+ "step": 228
1835
+ },
1836
+ {
1837
+ "epoch": 2.1816009557945044,
1838
+ "grad_norm": 0.24907568097114563,
1839
+ "learning_rate": 5e-05,
1840
+ "loss": 0.4016,
1841
+ "num_tokens": 708681631.0,
1842
+ "step": 229
1843
+ },
1844
+ {
1845
+ "epoch": 2.1911589008363204,
1846
+ "grad_norm": 0.23827004432678223,
1847
+ "learning_rate": 5e-05,
1848
+ "loss": 0.3897,
1849
+ "num_tokens": 711768161.0,
1850
+ "step": 230
1851
+ },
1852
+ {
1853
+ "epoch": 2.2007168458781363,
1854
+ "grad_norm": 0.19475553929805756,
1855
+ "learning_rate": 5e-05,
1856
+ "loss": 0.3984,
1857
+ "num_tokens": 714866856.0,
1858
+ "step": 231
1859
+ },
1860
+ {
1861
+ "epoch": 2.2102747909199523,
1862
+ "grad_norm": 0.22524000704288483,
1863
+ "learning_rate": 5e-05,
1864
+ "loss": 0.3997,
1865
+ "num_tokens": 717989725.0,
1866
+ "step": 232
1867
+ },
1868
+ {
1869
+ "epoch": 2.219832735961768,
1870
+ "grad_norm": 0.22430852055549622,
1871
+ "learning_rate": 5e-05,
1872
+ "loss": 0.3981,
1873
+ "num_tokens": 721080176.0,
1874
+ "step": 233
1875
+ },
1876
+ {
1877
+ "epoch": 2.229390681003584,
1878
+ "grad_norm": 0.2231917530298233,
1879
+ "learning_rate": 5e-05,
1880
+ "loss": 0.4044,
1881
+ "num_tokens": 724211432.0,
1882
+ "step": 234
1883
+ },
1884
+ {
1885
+ "epoch": 2.2389486260454,
1886
+ "grad_norm": 0.24612534046173096,
1887
+ "learning_rate": 5e-05,
1888
+ "loss": 0.3955,
1889
+ "num_tokens": 727270220.0,
1890
+ "step": 235
1891
+ },
1892
+ {
1893
+ "epoch": 2.248506571087216,
1894
+ "grad_norm": 0.2350219190120697,
1895
+ "learning_rate": 5e-05,
1896
+ "loss": 0.4062,
1897
+ "num_tokens": 730444444.0,
1898
+ "step": 236
1899
+ },
1900
+ {
1901
+ "epoch": 2.258064516129032,
1902
+ "grad_norm": 0.24301743507385254,
1903
+ "learning_rate": 5e-05,
1904
+ "loss": 0.4025,
1905
+ "num_tokens": 733557450.0,
1906
+ "step": 237
1907
+ },
1908
+ {
1909
+ "epoch": 2.2676224611708484,
1910
+ "grad_norm": 0.20786051452159882,
1911
+ "learning_rate": 5e-05,
1912
+ "loss": 0.4005,
1913
+ "num_tokens": 736681750.0,
1914
+ "step": 238
1915
+ },
1916
+ {
1917
+ "epoch": 2.2771804062126644,
1918
+ "grad_norm": 0.33719518780708313,
1919
+ "learning_rate": 5e-05,
1920
+ "loss": 0.393,
1921
+ "num_tokens": 739789232.0,
1922
+ "step": 239
1923
+ },
1924
+ {
1925
+ "epoch": 2.2867383512544803,
1926
+ "grad_norm": 0.17687377333641052,
1927
+ "learning_rate": 5e-05,
1928
+ "loss": 0.4038,
1929
+ "num_tokens": 742891601.0,
1930
+ "step": 240
1931
+ },
1932
+ {
1933
+ "epoch": 2.2962962962962963,
1934
+ "grad_norm": 0.342306524515152,
1935
+ "learning_rate": 5e-05,
1936
+ "loss": 0.4019,
1937
+ "num_tokens": 746006954.0,
1938
+ "step": 241
1939
+ },
1940
+ {
1941
+ "epoch": 2.3058542413381122,
1942
+ "grad_norm": 0.16845592856407166,
1943
+ "learning_rate": 5e-05,
1944
+ "loss": 0.403,
1945
+ "num_tokens": 749147037.0,
1946
+ "step": 242
1947
+ },
1948
+ {
1949
+ "epoch": 2.315412186379928,
1950
+ "grad_norm": 0.32256966829299927,
1951
+ "learning_rate": 5e-05,
1952
+ "loss": 0.4034,
1953
+ "num_tokens": 752229629.0,
1954
+ "step": 243
1955
+ },
1956
+ {
1957
+ "epoch": 2.324970131421744,
1958
+ "grad_norm": 0.20878097414970398,
1959
+ "learning_rate": 5e-05,
1960
+ "loss": 0.4026,
1961
+ "num_tokens": 755278777.0,
1962
+ "step": 244
1963
+ },
1964
+ {
1965
+ "epoch": 2.3345280764635605,
1966
+ "grad_norm": 0.2807317078113556,
1967
+ "learning_rate": 5e-05,
1968
+ "loss": 0.406,
1969
+ "num_tokens": 758363222.0,
1970
+ "step": 245
1971
+ },
1972
+ {
1973
+ "epoch": 2.3440860215053765,
1974
+ "grad_norm": 0.2278064638376236,
1975
+ "learning_rate": 5e-05,
1976
+ "loss": 0.401,
1977
+ "num_tokens": 761474147.0,
1978
+ "step": 246
1979
+ },
1980
+ {
1981
+ "epoch": 2.3536439665471924,
1982
+ "grad_norm": 0.2612324357032776,
1983
+ "learning_rate": 5e-05,
1984
+ "loss": 0.395,
1985
+ "num_tokens": 764551769.0,
1986
+ "step": 247
1987
+ },
1988
+ {
1989
+ "epoch": 2.3632019115890084,
1990
+ "grad_norm": 0.23537400364875793,
1991
+ "learning_rate": 5e-05,
1992
+ "loss": 0.3948,
1993
+ "num_tokens": 767614488.0,
1994
+ "step": 248
1995
+ },
1996
+ {
1997
+ "epoch": 2.3727598566308243,
1998
+ "grad_norm": 0.21469944715499878,
1999
+ "learning_rate": 5e-05,
2000
+ "loss": 0.403,
2001
+ "num_tokens": 770735177.0,
2002
+ "step": 249
2003
+ },
2004
+ {
2005
+ "epoch": 2.3823178016726403,
2006
+ "grad_norm": 0.2674992084503174,
2007
+ "learning_rate": 5e-05,
2008
+ "loss": 0.3933,
2009
+ "num_tokens": 773851787.0,
2010
+ "step": 250
2011
+ },
2012
+ {
2013
+ "epoch": 2.3918757467144562,
2014
+ "grad_norm": 0.18953253328800201,
2015
+ "learning_rate": 5e-05,
2016
+ "loss": 0.3994,
2017
+ "num_tokens": 776935088.0,
2018
+ "step": 251
2019
+ },
2020
+ {
2021
+ "epoch": 2.4014336917562726,
2022
+ "grad_norm": 0.2478407323360443,
2023
+ "learning_rate": 5e-05,
2024
+ "loss": 0.4052,
2025
+ "num_tokens": 780049122.0,
2026
+ "step": 252
2027
+ },
2028
+ {
2029
+ "epoch": 2.4109916367980886,
2030
+ "grad_norm": 0.195692777633667,
2031
+ "learning_rate": 5e-05,
2032
+ "loss": 0.4084,
2033
+ "num_tokens": 783178312.0,
2034
+ "step": 253
2035
+ },
2036
+ {
2037
+ "epoch": 2.4205495818399045,
2038
+ "grad_norm": 0.20106397569179535,
2039
+ "learning_rate": 5e-05,
2040
+ "loss": 0.4022,
2041
+ "num_tokens": 786281027.0,
2042
+ "step": 254
2043
+ },
2044
+ {
2045
+ "epoch": 2.4301075268817205,
2046
+ "grad_norm": 0.19922764599323273,
2047
+ "learning_rate": 5e-05,
2048
+ "loss": 0.4039,
2049
+ "num_tokens": 789414028.0,
2050
+ "step": 255
2051
+ },
2052
+ {
2053
+ "epoch": 2.4396654719235364,
2054
+ "grad_norm": 0.2001892626285553,
2055
+ "learning_rate": 5e-05,
2056
+ "loss": 0.4024,
2057
+ "num_tokens": 792520500.0,
2058
+ "step": 256
2059
+ },
2060
+ {
2061
+ "epoch": 2.4492234169653524,
2062
+ "grad_norm": 0.22683829069137573,
2063
+ "learning_rate": 5e-05,
2064
+ "loss": 0.4022,
2065
+ "num_tokens": 795635985.0,
2066
+ "step": 257
2067
+ },
2068
+ {
2069
+ "epoch": 2.4587813620071683,
2070
+ "grad_norm": 0.20693090558052063,
2071
+ "learning_rate": 5e-05,
2072
+ "loss": 0.3995,
2073
+ "num_tokens": 798748918.0,
2074
+ "step": 258
2075
+ },
2076
+ {
2077
+ "epoch": 2.4683393070489843,
2078
+ "grad_norm": 0.22366446256637573,
2079
+ "learning_rate": 5e-05,
2080
+ "loss": 0.3988,
2081
+ "num_tokens": 801831194.0,
2082
+ "step": 259
2083
+ },
2084
+ {
2085
+ "epoch": 2.4778972520908003,
2086
+ "grad_norm": 0.21484145522117615,
2087
+ "learning_rate": 5e-05,
2088
+ "loss": 0.3991,
2089
+ "num_tokens": 804928214.0,
2090
+ "step": 260
2091
+ },
2092
+ {
2093
+ "epoch": 2.4874551971326166,
2094
+ "grad_norm": 0.22603361308574677,
2095
+ "learning_rate": 5e-05,
2096
+ "loss": 0.4033,
2097
+ "num_tokens": 807987120.0,
2098
+ "step": 261
2099
+ },
2100
+ {
2101
+ "epoch": 2.4970131421744326,
2102
+ "grad_norm": 0.23147359490394592,
2103
+ "learning_rate": 5e-05,
2104
+ "loss": 0.4022,
2105
+ "num_tokens": 811098180.0,
2106
+ "step": 262
2107
+ },
2108
+ {
2109
+ "epoch": 2.5065710872162486,
2110
+ "grad_norm": 0.1985515058040619,
2111
+ "learning_rate": 5e-05,
2112
+ "loss": 0.4022,
2113
+ "num_tokens": 814198566.0,
2114
+ "step": 263
2115
+ },
2116
+ {
2117
+ "epoch": 2.5161290322580645,
2118
+ "grad_norm": 0.20071357488632202,
2119
+ "learning_rate": 5e-05,
2120
+ "loss": 0.4034,
2121
+ "num_tokens": 817257072.0,
2122
+ "step": 264
2123
+ },
2124
+ {
2125
+ "epoch": 2.5256869772998805,
2126
+ "grad_norm": 0.25529035925865173,
2127
+ "learning_rate": 5e-05,
2128
+ "loss": 0.4067,
2129
+ "num_tokens": 820406825.0,
2130
+ "step": 265
2131
+ },
2132
+ {
2133
+ "epoch": 2.5352449223416964,
2134
+ "grad_norm": 0.20370543003082275,
2135
+ "learning_rate": 5e-05,
2136
+ "loss": 0.4008,
2137
+ "num_tokens": 823512817.0,
2138
+ "step": 266
2139
+ },
2140
+ {
2141
+ "epoch": 2.5448028673835124,
2142
+ "grad_norm": 0.20760004222393036,
2143
+ "learning_rate": 5e-05,
2144
+ "loss": 0.4034,
2145
+ "num_tokens": 826610050.0,
2146
+ "step": 267
2147
+ },
2148
+ {
2149
+ "epoch": 2.5543608124253288,
2150
+ "grad_norm": 0.20357725024223328,
2151
+ "learning_rate": 5e-05,
2152
+ "loss": 0.398,
2153
+ "num_tokens": 829753903.0,
2154
+ "step": 268
2155
+ },
2156
+ {
2157
+ "epoch": 2.5639187574671447,
2158
+ "grad_norm": 0.22291164100170135,
2159
+ "learning_rate": 5e-05,
2160
+ "loss": 0.3995,
2161
+ "num_tokens": 832868477.0,
2162
+ "step": 269
2163
+ },
2164
+ {
2165
+ "epoch": 2.5734767025089607,
2166
+ "grad_norm": 0.1923750936985016,
2167
+ "learning_rate": 5e-05,
2168
+ "loss": 0.402,
2169
+ "num_tokens": 835937080.0,
2170
+ "step": 270
2171
+ },
2172
+ {
2173
+ "epoch": 2.5830346475507766,
2174
+ "grad_norm": 0.22883036732673645,
2175
+ "learning_rate": 5e-05,
2176
+ "loss": 0.3997,
2177
+ "num_tokens": 839073075.0,
2178
+ "step": 271
2179
+ },
2180
+ {
2181
+ "epoch": 2.5925925925925926,
2182
+ "grad_norm": 0.21349798142910004,
2183
+ "learning_rate": 5e-05,
2184
+ "loss": 0.403,
2185
+ "num_tokens": 842191197.0,
2186
+ "step": 272
2187
+ },
2188
+ {
2189
+ "epoch": 2.6021505376344085,
2190
+ "grad_norm": 0.22202804684638977,
2191
+ "learning_rate": 5e-05,
2192
+ "loss": 0.4026,
2193
+ "num_tokens": 845276551.0,
2194
+ "step": 273
2195
+ },
2196
+ {
2197
+ "epoch": 2.6117084826762245,
2198
+ "grad_norm": 0.20453181862831116,
2199
+ "learning_rate": 5e-05,
2200
+ "loss": 0.3986,
2201
+ "num_tokens": 848352451.0,
2202
+ "step": 274
2203
+ },
2204
+ {
2205
+ "epoch": 2.621266427718041,
2206
+ "grad_norm": 0.21245239675045013,
2207
+ "learning_rate": 5e-05,
2208
+ "loss": 0.3993,
2209
+ "num_tokens": 851459757.0,
2210
+ "step": 275
2211
+ },
2212
+ {
2213
+ "epoch": 2.6308243727598564,
2214
+ "grad_norm": 0.20784446597099304,
2215
+ "learning_rate": 5e-05,
2216
+ "loss": 0.4029,
2217
+ "num_tokens": 854632749.0,
2218
+ "step": 276
2219
+ },
2220
+ {
2221
+ "epoch": 2.6403823178016728,
2222
+ "grad_norm": 0.20124511420726776,
2223
+ "learning_rate": 5e-05,
2224
+ "loss": 0.4018,
2225
+ "num_tokens": 857704440.0,
2226
+ "step": 277
2227
+ },
2228
+ {
2229
+ "epoch": 2.6499402628434887,
2230
+ "grad_norm": 0.19951878488063812,
2231
+ "learning_rate": 5e-05,
2232
+ "loss": 0.4096,
2233
+ "num_tokens": 860825716.0,
2234
+ "step": 278
2235
+ },
2236
+ {
2237
+ "epoch": 2.6594982078853047,
2238
+ "grad_norm": 0.19267506897449493,
2239
+ "learning_rate": 5e-05,
2240
+ "loss": 0.3974,
2241
+ "num_tokens": 863922145.0,
2242
+ "step": 279
2243
+ },
2244
+ {
2245
+ "epoch": 2.6690561529271206,
2246
+ "grad_norm": 0.21417343616485596,
2247
+ "learning_rate": 5e-05,
2248
+ "loss": 0.4002,
2249
+ "num_tokens": 866991544.0,
2250
+ "step": 280
2251
+ },
2252
+ {
2253
+ "epoch": 2.6786140979689366,
2254
+ "grad_norm": 0.21816791594028473,
2255
+ "learning_rate": 5e-05,
2256
+ "loss": 0.3997,
2257
+ "num_tokens": 870069694.0,
2258
+ "step": 281
2259
+ },
2260
+ {
2261
+ "epoch": 2.688172043010753,
2262
+ "grad_norm": 0.21573670208454132,
2263
+ "learning_rate": 5e-05,
2264
+ "loss": 0.4064,
2265
+ "num_tokens": 873180617.0,
2266
+ "step": 282
2267
+ },
2268
+ {
2269
+ "epoch": 2.6977299880525685,
2270
+ "grad_norm": 0.18886543810367584,
2271
+ "learning_rate": 5e-05,
2272
+ "loss": 0.3971,
2273
+ "num_tokens": 876262507.0,
2274
+ "step": 283
2275
+ },
2276
+ {
2277
+ "epoch": 2.707287933094385,
2278
+ "grad_norm": 0.18656791746616364,
2279
+ "learning_rate": 5e-05,
2280
+ "loss": 0.4038,
2281
+ "num_tokens": 879380128.0,
2282
+ "step": 284
2283
+ },
2284
+ {
2285
+ "epoch": 2.716845878136201,
2286
+ "grad_norm": 0.197296142578125,
2287
+ "learning_rate": 5e-05,
2288
+ "loss": 0.3986,
2289
+ "num_tokens": 882473178.0,
2290
+ "step": 285
2291
+ },
2292
+ {
2293
+ "epoch": 2.7264038231780168,
2294
+ "grad_norm": 0.23007364571094513,
2295
+ "learning_rate": 5e-05,
2296
+ "loss": 0.4036,
2297
+ "num_tokens": 885565233.0,
2298
+ "step": 286
2299
+ },
2300
+ {
2301
+ "epoch": 2.7359617682198327,
2302
+ "grad_norm": 0.19327418506145477,
2303
+ "learning_rate": 5e-05,
2304
+ "loss": 0.4134,
2305
+ "num_tokens": 888688634.0,
2306
+ "step": 287
2307
+ },
2308
+ {
2309
+ "epoch": 2.7455197132616487,
2310
+ "grad_norm": 0.1903911530971527,
2311
+ "learning_rate": 5e-05,
2312
+ "loss": 0.3996,
2313
+ "num_tokens": 891794908.0,
2314
+ "step": 288
2315
+ },
2316
+ {
2317
+ "epoch": 2.7550776583034646,
2318
+ "grad_norm": 0.18659088015556335,
2319
+ "learning_rate": 5e-05,
2320
+ "loss": 0.4044,
2321
+ "num_tokens": 894950413.0,
2322
+ "step": 289
2323
+ },
2324
+ {
2325
+ "epoch": 2.7646356033452806,
2326
+ "grad_norm": 0.22853848338127136,
2327
+ "learning_rate": 5e-05,
2328
+ "loss": 0.4085,
2329
+ "num_tokens": 898028493.0,
2330
+ "step": 290
2331
+ },
2332
+ {
2333
+ "epoch": 2.774193548387097,
2334
+ "grad_norm": 0.2249801754951477,
2335
+ "learning_rate": 5e-05,
2336
+ "loss": 0.4063,
2337
+ "num_tokens": 901215396.0,
2338
+ "step": 291
2339
+ },
2340
+ {
2341
+ "epoch": 2.783751493428913,
2342
+ "grad_norm": 0.2070578783750534,
2343
+ "learning_rate": 5e-05,
2344
+ "loss": 0.3988,
2345
+ "num_tokens": 904344510.0,
2346
+ "step": 292
2347
+ },
2348
+ {
2349
+ "epoch": 2.793309438470729,
2350
+ "grad_norm": 0.1973543018102646,
2351
+ "learning_rate": 5e-05,
2352
+ "loss": 0.4042,
2353
+ "num_tokens": 907446044.0,
2354
+ "step": 293
2355
+ },
2356
+ {
2357
+ "epoch": 2.802867383512545,
2358
+ "grad_norm": 0.18739643692970276,
2359
+ "learning_rate": 5e-05,
2360
+ "loss": 0.4118,
2361
+ "num_tokens": 910525112.0,
2362
+ "step": 294
2363
+ },
2364
+ {
2365
+ "epoch": 2.812425328554361,
2366
+ "grad_norm": 0.18655946850776672,
2367
+ "learning_rate": 5e-05,
2368
+ "loss": 0.3976,
2369
+ "num_tokens": 913646064.0,
2370
+ "step": 295
2371
+ },
2372
+ {
2373
+ "epoch": 2.8219832735961767,
2374
+ "grad_norm": 0.19254498183727264,
2375
+ "learning_rate": 5e-05,
2376
+ "loss": 0.4044,
2377
+ "num_tokens": 916750615.0,
2378
+ "step": 296
2379
+ },
2380
+ {
2381
+ "epoch": 2.8315412186379927,
2382
+ "grad_norm": 0.20286458730697632,
2383
+ "learning_rate": 5e-05,
2384
+ "loss": 0.4026,
2385
+ "num_tokens": 919815959.0,
2386
+ "step": 297
2387
+ },
2388
+ {
2389
+ "epoch": 2.841099163679809,
2390
+ "grad_norm": 0.2116730809211731,
2391
+ "learning_rate": 5e-05,
2392
+ "loss": 0.3999,
2393
+ "num_tokens": 922854402.0,
2394
+ "step": 298
2395
+ },
2396
+ {
2397
+ "epoch": 2.8506571087216246,
2398
+ "grad_norm": 0.22266528010368347,
2399
+ "learning_rate": 5e-05,
2400
+ "loss": 0.4038,
2401
+ "num_tokens": 925926441.0,
2402
+ "step": 299
2403
+ },
2404
+ {
2405
+ "epoch": 2.860215053763441,
2406
+ "grad_norm": 0.18784675002098083,
2407
+ "learning_rate": 5e-05,
2408
+ "loss": 0.4046,
2409
+ "num_tokens": 929091816.0,
2410
+ "step": 300
2411
+ },
2412
+ {
2413
+ "epoch": 2.869772998805257,
2414
+ "grad_norm": 0.18861991167068481,
2415
+ "learning_rate": 5e-05,
2416
+ "loss": 0.4058,
2417
+ "num_tokens": 932245034.0,
2418
+ "step": 301
2419
+ },
2420
+ {
2421
+ "epoch": 2.879330943847073,
2422
+ "grad_norm": 0.18745040893554688,
2423
+ "learning_rate": 5e-05,
2424
+ "loss": 0.4053,
2425
+ "num_tokens": 935337789.0,
2426
+ "step": 302
2427
+ },
2428
+ {
2429
+ "epoch": 2.888888888888889,
2430
+ "grad_norm": 0.21158824861049652,
2431
+ "learning_rate": 5e-05,
2432
+ "loss": 0.398,
2433
+ "num_tokens": 938469999.0,
2434
+ "step": 303
2435
+ },
2436
+ {
2437
+ "epoch": 2.898446833930705,
2438
+ "grad_norm": 0.21590955555438995,
2439
+ "learning_rate": 5e-05,
2440
+ "loss": 0.4024,
2441
+ "num_tokens": 941548793.0,
2442
+ "step": 304
2443
+ },
2444
+ {
2445
+ "epoch": 2.9080047789725207,
2446
+ "grad_norm": 0.206715390086174,
2447
+ "learning_rate": 5e-05,
2448
+ "loss": 0.4048,
2449
+ "num_tokens": 944687830.0,
2450
+ "step": 305
2451
+ },
2452
+ {
2453
+ "epoch": 2.9175627240143367,
2454
+ "grad_norm": 0.2118476778268814,
2455
+ "learning_rate": 5e-05,
2456
+ "loss": 0.4093,
2457
+ "num_tokens": 947789759.0,
2458
+ "step": 306
2459
+ },
2460
+ {
2461
+ "epoch": 2.927120669056153,
2462
+ "grad_norm": 0.18484579026699066,
2463
+ "learning_rate": 5e-05,
2464
+ "loss": 0.3981,
2465
+ "num_tokens": 950899733.0,
2466
+ "step": 307
2467
+ },
2468
+ {
2469
+ "epoch": 2.936678614097969,
2470
+ "grad_norm": 0.17388074100017548,
2471
+ "learning_rate": 5e-05,
2472
+ "loss": 0.4065,
2473
+ "num_tokens": 954039453.0,
2474
+ "step": 308
2475
+ },
2476
+ {
2477
+ "epoch": 2.946236559139785,
2478
+ "grad_norm": 0.16568942368030548,
2479
+ "learning_rate": 5e-05,
2480
+ "loss": 0.3993,
2481
+ "num_tokens": 957164986.0,
2482
+ "step": 309
2483
+ },
2484
+ {
2485
+ "epoch": 2.955794504181601,
2486
+ "grad_norm": 0.17550726234912872,
2487
+ "learning_rate": 5e-05,
2488
+ "loss": 0.4014,
2489
+ "num_tokens": 960246209.0,
2490
+ "step": 310
2491
+ },
2492
+ {
2493
+ "epoch": 2.965352449223417,
2494
+ "grad_norm": 0.1897525042295456,
2495
+ "learning_rate": 5e-05,
2496
+ "loss": 0.3993,
2497
+ "num_tokens": 963312993.0,
2498
+ "step": 311
2499
+ },
2500
+ {
2501
+ "epoch": 2.974910394265233,
2502
+ "grad_norm": 0.1897035390138626,
2503
+ "learning_rate": 5e-05,
2504
+ "loss": 0.3997,
2505
+ "num_tokens": 966396496.0,
2506
+ "step": 312
2507
+ },
2508
+ {
2509
+ "epoch": 2.974910394265233,
2510
+ "step": 312,
2511
+ "total_flos": 3.993677328755458e+19,
2512
+ "train_loss": 0.4935996499963296,
2513
+ "train_runtime": 22258.2821,
2514
+ "train_samples_per_second": 12.633,
2515
+ "train_steps_per_second": 0.014
2516
+ }
2517
+ ],
2518
+ "logging_steps": 1,
2519
+ "max_steps": 312,
2520
+ "num_input_tokens_seen": 0,
2521
+ "num_train_epochs": 3,
2522
+ "save_steps": 16,
2523
+ "stateful_callbacks": {
2524
+ "TrainerControl": {
2525
+ "args": {
2526
+ "should_epoch_stop": false,
2527
+ "should_evaluate": false,
2528
+ "should_log": false,
2529
+ "should_save": true,
2530
+ "should_training_stop": true
2531
+ },
2532
+ "attributes": {}
2533
+ }
2534
+ },
2535
+ "total_flos": 3.993677328755458e+19,
2536
+ "train_batch_size": 16,
2537
+ "trial_name": null,
2538
+ "trial_params": null
2539
+ }