{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.9984,
  "eval_steps": 500,
  "global_step": 468,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.0021333333333333334,
      "grad_norm": 303.16577329572664,
      "learning_rate": 1.3333333333333334e-06,
      "loss": 7.3237,
      "step": 1
    },
    {
      "epoch": 0.004266666666666667,
      "grad_norm": 353.2271149443972,
      "learning_rate": 2.666666666666667e-06,
      "loss": 7.1998,
      "step": 2
    },
    {
      "epoch": 0.0064,
      "grad_norm": 3775.8753863697425,
      "learning_rate": 4.000000000000001e-06,
      "loss": 7.036,
      "step": 3
    },
    {
      "epoch": 0.008533333333333334,
      "grad_norm": 12766.706200003042,
      "learning_rate": 5.333333333333334e-06,
      "loss": 6.3763,
      "step": 4
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 4561.3079788029345,
      "learning_rate": 6.666666666666667e-06,
      "loss": 4.6166,
      "step": 5
    },
    {
      "epoch": 0.0128,
      "grad_norm": 329.75463018445424,
      "learning_rate": 8.000000000000001e-06,
      "loss": 3.1298,
      "step": 6
    },
    {
      "epoch": 0.014933333333333333,
      "grad_norm": 150.3073575839664,
      "learning_rate": 9.333333333333334e-06,
      "loss": 2.4499,
      "step": 7
    },
    {
      "epoch": 0.017066666666666667,
      "grad_norm": 120.22030185769444,
      "learning_rate": 1.0666666666666667e-05,
      "loss": 2.1396,
      "step": 8
    },
    {
      "epoch": 0.0192,
      "grad_norm": 2801.279095013984,
      "learning_rate": 1.2e-05,
      "loss": 2.1943,
      "step": 9
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 857.3832692985438,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 2.0228,
      "step": 10
    },
    {
      "epoch": 0.023466666666666667,
      "grad_norm": 104.0268024732774,
      "learning_rate": 1.4666666666666666e-05,
      "loss": 1.8804,
      "step": 11
    },
    {
      "epoch": 0.0256,
      "grad_norm": 274.73978833765904,
      "learning_rate": 1.6000000000000003e-05,
      "loss": 1.8405,
      "step": 12
    },
    {
      "epoch": 0.027733333333333332,
      "grad_norm": 50.3942946849501,
      "learning_rate": 1.7333333333333336e-05,
      "loss": 1.6634,
      "step": 13
    },
    {
      "epoch": 0.029866666666666666,
      "grad_norm": 35.72029667887262,
      "learning_rate": 1.866666666666667e-05,
      "loss": 1.585,
      "step": 14
    },
    {
      "epoch": 0.032,
      "grad_norm": 57.98881512188265,
      "learning_rate": 2e-05,
      "loss": 1.5327,
      "step": 15
    },
    {
      "epoch": 0.034133333333333335,
      "grad_norm": 51.88325176813403,
      "learning_rate": 1.9999759524074374e-05,
      "loss": 1.6873,
      "step": 16
    },
    {
      "epoch": 0.03626666666666667,
      "grad_norm": 111.8209187578997,
      "learning_rate": 1.999903810786324e-05,
      "loss": 2.1603,
      "step": 17
    },
    {
      "epoch": 0.0384,
      "grad_norm": 61.500262882767906,
      "learning_rate": 1.999783578606323e-05,
      "loss": 1.5881,
      "step": 18
    },
    {
      "epoch": 0.04053333333333333,
      "grad_norm": 195.3438645543274,
      "learning_rate": 1.9996152616500244e-05,
      "loss": 3.0391,
      "step": 19
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 582.3526037490119,
      "learning_rate": 1.999398868012663e-05,
      "loss": 2.35,
      "step": 20
    },
    {
      "epoch": 0.0448,
      "grad_norm": 37.40410071254404,
      "learning_rate": 1.9991344081017312e-05,
      "loss": 1.385,
      "step": 21
    },
    {
      "epoch": 0.046933333333333334,
      "grad_norm": 440.3513371697739,
      "learning_rate": 1.998821894636477e-05,
      "loss": 2.4298,
      "step": 22
    },
    {
      "epoch": 0.04906666666666667,
      "grad_norm": 43.08235812759601,
      "learning_rate": 1.9984613426472934e-05,
      "loss": 1.1715,
      "step": 23
    },
    {
      "epoch": 0.0512,
      "grad_norm": 31.488094572141176,
      "learning_rate": 1.9980527694749952e-05,
      "loss": 1.0305,
      "step": 24
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 31.160498386253675,
      "learning_rate": 1.9975961947699848e-05,
      "loss": 0.8896,
      "step": 25
    },
    {
      "epoch": 0.055466666666666664,
      "grad_norm": 737.782711558036,
      "learning_rate": 1.9970916404913068e-05,
      "loss": 1.3138,
      "step": 26
    },
    {
      "epoch": 0.0576,
      "grad_norm": 66.20369948568924,
      "learning_rate": 1.996539130905593e-05,
      "loss": 0.7626,
      "step": 27
    },
    {
      "epoch": 0.05973333333333333,
      "grad_norm": 30.812436073170076,
      "learning_rate": 1.9959386925858944e-05,
      "loss": 0.6847,
      "step": 28
    },
    {
      "epoch": 0.06186666666666667,
      "grad_norm": 29.298876849093364,
      "learning_rate": 1.9952903544104026e-05,
      "loss": 0.5946,
      "step": 29
    },
    {
      "epoch": 0.064,
      "grad_norm": 28.08736432130866,
      "learning_rate": 1.9945941475610623e-05,
      "loss": 0.5467,
      "step": 30
    },
    {
      "epoch": 0.06613333333333334,
      "grad_norm": 26.806093797987,
      "learning_rate": 1.9938501055220712e-05,
      "loss": 0.4314,
      "step": 31
    },
    {
      "epoch": 0.06826666666666667,
      "grad_norm": 25.39897533634086,
      "learning_rate": 1.9930582640782684e-05,
      "loss": 0.3731,
      "step": 32
    },
    {
      "epoch": 0.0704,
      "grad_norm": 22.19029542164766,
      "learning_rate": 1.9922186613134152e-05,
      "loss": 0.3163,
      "step": 33
    },
    {
      "epoch": 0.07253333333333334,
      "grad_norm": 18.989501274513696,
      "learning_rate": 1.9913313376083615e-05,
      "loss": 0.2417,
      "step": 34
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 15.535323827258397,
      "learning_rate": 1.9903963356391057e-05,
      "loss": 0.2095,
      "step": 35
    },
    {
      "epoch": 0.0768,
      "grad_norm": 12.202379826721002,
      "learning_rate": 1.9894137003747404e-05,
      "loss": 0.1806,
      "step": 36
    },
    {
      "epoch": 0.07893333333333333,
      "grad_norm": 9.743647016337594,
      "learning_rate": 1.9883834790752904e-05,
      "loss": 0.1429,
      "step": 37
    },
    {
      "epoch": 0.08106666666666666,
      "grad_norm": 7.040896957885027,
      "learning_rate": 1.98730572128944e-05,
      "loss": 0.1052,
      "step": 38
    },
    {
      "epoch": 0.0832,
      "grad_norm": 5.850481150614585,
      "learning_rate": 1.986180478852149e-05,
      "loss": 0.0877,
      "step": 39
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 6.351944359015419,
      "learning_rate": 1.9850078058821615e-05,
      "loss": 0.1171,
      "step": 40
    },
    {
      "epoch": 0.08746666666666666,
      "grad_norm": 4.0127764316578345,
      "learning_rate": 1.9837877587794003e-05,
      "loss": 0.1014,
      "step": 41
    },
    {
      "epoch": 0.0896,
      "grad_norm": 2.4450558074878153,
      "learning_rate": 1.9825203962222573e-05,
      "loss": 0.0509,
      "step": 42
    },
    {
      "epoch": 0.09173333333333333,
      "grad_norm": 3.6199437343560463,
      "learning_rate": 1.9812057791647687e-05,
      "loss": 0.0976,
      "step": 43
    },
    {
      "epoch": 0.09386666666666667,
      "grad_norm": 1.804585356085605,
      "learning_rate": 1.979843970833686e-05,
      "loss": 0.0723,
      "step": 44
    },
    {
      "epoch": 0.096,
      "grad_norm": 2.3278790243286953,
      "learning_rate": 1.9784350367254322e-05,
      "loss": 0.0565,
      "step": 45
    },
    {
      "epoch": 0.09813333333333334,
      "grad_norm": 1.6700332259009343,
      "learning_rate": 1.9769790446029543e-05,
      "loss": 0.0622,
      "step": 46
    },
    {
      "epoch": 0.10026666666666667,
      "grad_norm": 5.262573042857478,
      "learning_rate": 1.9754760644924635e-05,
      "loss": 0.0994,
      "step": 47
    },
    {
      "epoch": 0.1024,
      "grad_norm": 2.9582266408641753,
      "learning_rate": 1.9739261686800662e-05,
      "loss": 0.0682,
      "step": 48
    },
    {
      "epoch": 0.10453333333333334,
      "grad_norm": 1.8583246123127024,
      "learning_rate": 1.9723294317082876e-05,
      "loss": 0.0703,
      "step": 49
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 2.223404034041097,
      "learning_rate": 1.970685930372489e-05,
      "loss": 0.0706,
      "step": 50
    },
    {
      "epoch": 0.1088,
      "grad_norm": 1.7370846310374337,
      "learning_rate": 1.968995743717171e-05,
      "loss": 0.0593,
      "step": 51
    },
    {
      "epoch": 0.11093333333333333,
      "grad_norm": 2.1069245641895367,
      "learning_rate": 1.967258953032174e-05,
      "loss": 0.0935,
      "step": 52
    },
    {
      "epoch": 0.11306666666666666,
      "grad_norm": 3.611309521220031,
      "learning_rate": 1.965475641848767e-05,
      "loss": 0.0859,
      "step": 53
    },
    {
      "epoch": 0.1152,
      "grad_norm": 3.0134636967786848,
      "learning_rate": 1.963645895935632e-05,
      "loss": 0.0838,
      "step": 54
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 1.1765247077783991,
      "learning_rate": 1.9617698032947364e-05,
      "loss": 0.0575,
      "step": 55
    },
    {
      "epoch": 0.11946666666666667,
      "grad_norm": 1.413419636552233,
      "learning_rate": 1.9598474541571045e-05,
      "loss": 0.0494,
      "step": 56
    },
    {
      "epoch": 0.1216,
      "grad_norm": 3.049218145912724,
      "learning_rate": 1.9578789409784727e-05,
      "loss": 0.059,
      "step": 57
    },
    {
      "epoch": 0.12373333333333333,
      "grad_norm": 2.319072694901923,
      "learning_rate": 1.9558643584348478e-05,
      "loss": 0.0468,
      "step": 58
    },
    {
      "epoch": 0.12586666666666665,
      "grad_norm": 0.8811274880218757,
      "learning_rate": 1.9538038034179496e-05,
      "loss": 0.0277,
      "step": 59
    },
    {
      "epoch": 0.128,
      "grad_norm": 1.2915088490192281,
      "learning_rate": 1.951697375030553e-05,
      "loss": 0.0551,
      "step": 60
    },
    {
      "epoch": 0.13013333333333332,
      "grad_norm": 1.9735975352508464,
      "learning_rate": 1.949545174581722e-05,
      "loss": 0.0583,
      "step": 61
    },
    {
      "epoch": 0.13226666666666667,
      "grad_norm": 1.192344855848184,
      "learning_rate": 1.9473473055819348e-05,
      "loss": 0.0552,
      "step": 62
    },
    {
      "epoch": 0.1344,
      "grad_norm": 1.2966313742109048,
      "learning_rate": 1.9451038737381078e-05,
      "loss": 0.0448,
      "step": 63
    },
    {
      "epoch": 0.13653333333333334,
      "grad_norm": 1.3825160157020073,
      "learning_rate": 1.9428149869485113e-05,
      "loss": 0.0701,
      "step": 64
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 1.9541094599422788,
      "learning_rate": 1.940480755297579e-05,
      "loss": 0.0426,
      "step": 65
    },
    {
      "epoch": 0.1408,
      "grad_norm": 1.8302152703129704,
      "learning_rate": 1.9381012910506146e-05,
      "loss": 0.0586,
      "step": 66
    },
    {
      "epoch": 0.14293333333333333,
      "grad_norm": 3.0075784502203073,
      "learning_rate": 1.9356767086483908e-05,
      "loss": 0.065,
      "step": 67
    },
    {
      "epoch": 0.14506666666666668,
      "grad_norm": 2.8176882799696488,
      "learning_rate": 1.9332071247016476e-05,
      "loss": 0.0585,
      "step": 68
    },
    {
      "epoch": 0.1472,
      "grad_norm": 1.5885593151199713,
      "learning_rate": 1.930692657985482e-05,
      "loss": 0.0444,
      "step": 69
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 1.6744129803042231,
      "learning_rate": 1.9281334294336364e-05,
      "loss": 0.0499,
      "step": 70
    },
    {
      "epoch": 0.15146666666666667,
      "grad_norm": 722.093964558362,
      "learning_rate": 1.9255295621326813e-05,
      "loss": 0.5615,
      "step": 71
    },
    {
      "epoch": 0.1536,
      "grad_norm": 1.021775336442788,
      "learning_rate": 1.9228811813160972e-05,
      "loss": 0.0492,
      "step": 72
    },
    {
      "epoch": 0.15573333333333333,
      "grad_norm": 1.719180732110971,
      "learning_rate": 1.9201884143582496e-05,
      "loss": 0.0416,
      "step": 73
    },
    {
      "epoch": 0.15786666666666666,
      "grad_norm": 0.801300515899985,
      "learning_rate": 1.9174513907682634e-05,
      "loss": 0.0583,
      "step": 74
    },
    {
      "epoch": 0.16,
      "grad_norm": 0.8934798304001422,
      "learning_rate": 1.9146702421837952e-05,
      "loss": 0.0522,
      "step": 75
    },
    {
      "epoch": 0.16213333333333332,
      "grad_norm": 2.8554464022350388,
      "learning_rate": 1.9118451023647008e-05,
      "loss": 0.0509,
      "step": 76
    },
    {
      "epoch": 0.16426666666666667,
      "grad_norm": 2.016229542572464,
      "learning_rate": 1.908976107186603e-05,
      "loss": 0.0424,
      "step": 77
    },
    {
      "epoch": 0.1664,
      "grad_norm": 1.1387239138997594,
      "learning_rate": 1.906063394634356e-05,
      "loss": 0.0605,
      "step": 78
    },
    {
      "epoch": 0.16853333333333334,
      "grad_norm": 2.333170908799125,
      "learning_rate": 1.9031071047954095e-05,
      "loss": 0.0514,
      "step": 79
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 3.148123690246876,
      "learning_rate": 1.90010737985307e-05,
      "loss": 0.0526,
      "step": 80
    },
    {
      "epoch": 0.1728,
      "grad_norm": 0.9306331994487845,
      "learning_rate": 1.8970643640796642e-05,
      "loss": 0.0565,
      "step": 81
    },
    {
      "epoch": 0.17493333333333333,
      "grad_norm": 1.4757932187911904,
      "learning_rate": 1.893978203829599e-05,
      "loss": 0.0596,
      "step": 82
    },
    {
      "epoch": 0.17706666666666668,
      "grad_norm": 1.5406104511542824,
      "learning_rate": 1.8908490475323234e-05,
      "loss": 0.0528,
      "step": 83
    },
    {
      "epoch": 0.1792,
      "grad_norm": 1.4782922193683028,
      "learning_rate": 1.887677045685188e-05,
      "loss": 0.0285,
      "step": 84
    },
    {
      "epoch": 0.18133333333333335,
      "grad_norm": 1.0965496042734815,
      "learning_rate": 1.8844623508462093e-05,
      "loss": 0.0575,
      "step": 85
    },
    {
      "epoch": 0.18346666666666667,
      "grad_norm": 1.546939219676516,
      "learning_rate": 1.8812051176267307e-05,
      "loss": 0.0539,
      "step": 86
    },
    {
      "epoch": 0.1856,
      "grad_norm": 0.8044353550104301,
      "learning_rate": 1.877905502683987e-05,
      "loss": 0.0343,
      "step": 87
    },
    {
      "epoch": 0.18773333333333334,
      "grad_norm": 1.4879064675453955,
      "learning_rate": 1.8745636647135693e-05,
      "loss": 0.0438,
      "step": 88
    },
    {
      "epoch": 0.18986666666666666,
      "grad_norm": 1.577173528471535,
      "learning_rate": 1.871179764441794e-05,
      "loss": 0.0495,
      "step": 89
    },
    {
      "epoch": 0.192,
      "grad_norm": 1.3084663493341901,
      "learning_rate": 1.8677539646179706e-05,
      "loss": 0.0572,
      "step": 90
    },
    {
      "epoch": 0.19413333333333332,
      "grad_norm": 1.1197066743705792,
      "learning_rate": 1.8642864300065767e-05,
      "loss": 0.049,
      "step": 91
    },
    {
      "epoch": 0.19626666666666667,
      "grad_norm": 2.151010541075887,
      "learning_rate": 1.8607773273793298e-05,
      "loss": 0.0447,
      "step": 92
    },
    {
      "epoch": 0.1984,
      "grad_norm": 2.2954457431315887,
      "learning_rate": 1.8572268255071718e-05,
      "loss": 0.057,
      "step": 93
    },
    {
      "epoch": 0.20053333333333334,
      "grad_norm": 1.5354278499932348,
      "learning_rate": 1.853635095152147e-05,
      "loss": 0.0391,
      "step": 94
    },
    {
      "epoch": 0.20266666666666666,
      "grad_norm": 0.9465445667881486,
      "learning_rate": 1.8500023090591917e-05,
      "loss": 0.0377,
      "step": 95
    },
    {
      "epoch": 0.2048,
      "grad_norm": 1.5138653926594017,
      "learning_rate": 1.8463286419478256e-05,
      "loss": 0.0515,
      "step": 96
    },
    {
      "epoch": 0.20693333333333333,
      "grad_norm": 0.6636533900983109,
      "learning_rate": 1.8426142705037487e-05,
      "loss": 0.0422,
      "step": 97
    },
    {
      "epoch": 0.20906666666666668,
      "grad_norm": 1.8423438762388482,
      "learning_rate": 1.8388593733703428e-05,
      "loss": 0.0521,
      "step": 98
    },
    {
      "epoch": 0.2112,
      "grad_norm": 1.323868663775525,
      "learning_rate": 1.8350641311400813e-05,
      "loss": 0.0602,
      "step": 99
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 1.8098522474981942,
      "learning_rate": 1.831228726345841e-05,
      "loss": 0.0588,
      "step": 100
    },
    {
      "epoch": 0.21546666666666667,
      "grad_norm": 2.0211786324636223,
      "learning_rate": 1.8273533434521262e-05,
      "loss": 0.0564,
      "step": 101
    },
    {
      "epoch": 0.2176,
      "grad_norm": 2.2994083937662713,
      "learning_rate": 1.8234381688461943e-05,
      "loss": 0.0506,
      "step": 102
    },
    {
      "epoch": 0.21973333333333334,
      "grad_norm": 1.9959590414766974,
      "learning_rate": 1.8194833908290933e-05,
      "loss": 0.044,
      "step": 103
    },
    {
      "epoch": 0.22186666666666666,
      "grad_norm": 2.360882638356312,
      "learning_rate": 1.815489199606603e-05,
      "loss": 0.059,
      "step": 104
    },
    {
      "epoch": 0.224,
      "grad_norm": 2.1351366348440677,
      "learning_rate": 1.8114557872800906e-05,
      "loss": 0.0476,
      "step": 105
    },
    {
      "epoch": 0.22613333333333333,
      "grad_norm": 1.3665576177215513,
      "learning_rate": 1.8073833478372682e-05,
      "loss": 0.0314,
      "step": 106
    },
    {
      "epoch": 0.22826666666666667,
      "grad_norm": 0.9922981526651514,
      "learning_rate": 1.803272077142865e-05,
      "loss": 0.0444,
      "step": 107
    },
    {
      "epoch": 0.2304,
      "grad_norm": 1.8075072368975036,
      "learning_rate": 1.799122172929206e-05,
      "loss": 0.0486,
      "step": 108
    },
    {
      "epoch": 0.23253333333333334,
      "grad_norm": 1.5561443820733862,
      "learning_rate": 1.794933834786702e-05,
      "loss": 0.0311,
      "step": 109
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 1.3632115314913158,
      "learning_rate": 1.7907072641542527e-05,
      "loss": 0.0665,
      "step": 110
    },
    {
      "epoch": 0.2368,
      "grad_norm": 1.3537787582097376,
      "learning_rate": 1.7864426643095537e-05,
      "loss": 0.0351,
      "step": 111
    },
    {
      "epoch": 0.23893333333333333,
      "grad_norm": 0.8104851815221553,
      "learning_rate": 1.782140240359325e-05,
      "loss": 0.0355,
      "step": 112
    },
    {
      "epoch": 0.24106666666666668,
      "grad_norm": 1.4449720031557718,
      "learning_rate": 1.7778001992294426e-05,
      "loss": 0.0408,
      "step": 113
    },
    {
      "epoch": 0.2432,
      "grad_norm": 2.1980401957547766,
      "learning_rate": 1.773422749654988e-05,
      "loss": 0.0477,
      "step": 114
    },
    {
      "epoch": 0.24533333333333332,
      "grad_norm": 1.5235705975724492,
      "learning_rate": 1.769008102170209e-05,
      "loss": 0.037,
      "step": 115
    },
    {
      "epoch": 0.24746666666666667,
      "grad_norm": 0.8773714281299343,
      "learning_rate": 1.7645564690983936e-05,
      "loss": 0.0356,
      "step": 116
    },
    {
      "epoch": 0.2496,
      "grad_norm": 0.8857344133803974,
      "learning_rate": 1.7600680645416583e-05,
      "loss": 0.0397,
      "step": 117
    },
    {
      "epoch": 0.2517333333333333,
      "grad_norm": 1.1765135397832847,
      "learning_rate": 1.7555431043706517e-05,
      "loss": 0.0388,
      "step": 118
    },
    {
      "epoch": 0.2538666666666667,
      "grad_norm": 0.7787965832495356,
      "learning_rate": 1.7509818062141704e-05,
      "loss": 0.0447,
      "step": 119
    },
    {
      "epoch": 0.256,
      "grad_norm": 1.1558727376844886,
      "learning_rate": 1.746384389448694e-05,
      "loss": 0.0265,
      "step": 120
    },
    {
      "epoch": 0.2581333333333333,
      "grad_norm": 1.5531094412288022,
      "learning_rate": 1.7417510751878324e-05,
      "loss": 0.0571,
      "step": 121
    },
    {
      "epoch": 0.26026666666666665,
      "grad_norm": 0.740788808106007,
      "learning_rate": 1.737082086271693e-05,
      "loss": 0.0501,
      "step": 122
    },
    {
      "epoch": 0.2624,
      "grad_norm": 0.7886321146252248,
      "learning_rate": 1.7323776472561625e-05,
      "loss": 0.0281,
      "step": 123
    },
    {
      "epoch": 0.26453333333333334,
      "grad_norm": 0.7006144368893459,
      "learning_rate": 1.727637984402106e-05,
      "loss": 0.0354,
      "step": 124
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.4967524533271434,
      "learning_rate": 1.7228633256644854e-05,
      "loss": 0.0301,
      "step": 125
    },
    {
      "epoch": 0.2688,
      "grad_norm": 0.9992119536121632,
      "learning_rate": 1.7180539006813973e-05,
      "loss": 0.042,
      "step": 126
    },
    {
      "epoch": 0.27093333333333336,
      "grad_norm": 1.2582964924849702,
      "learning_rate": 1.713209940763026e-05,
      "loss": 0.0414,
      "step": 127
    },
    {
      "epoch": 0.2730666666666667,
      "grad_norm": 0.5320627853997396,
      "learning_rate": 1.7083316788805212e-05,
      "loss": 0.0367,
      "step": 128
    },
    {
      "epoch": 0.2752,
      "grad_norm": 0.5378330469500274,
      "learning_rate": 1.7034193496547903e-05,
      "loss": 0.0384,
      "step": 129
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 9.259419235523216,
      "learning_rate": 1.6984731893452174e-05,
      "loss": 0.0687,
      "step": 130
    },
    {
      "epoch": 0.27946666666666664,
      "grad_norm": 0.7752489260828755,
      "learning_rate": 1.6934934358382987e-05,
      "loss": 0.0506,
      "step": 131
    },
    {
      "epoch": 0.2816,
      "grad_norm": 1.2333741857296412,
      "learning_rate": 1.6884803286362e-05,
      "loss": 0.0448,
      "step": 132
    },
    {
      "epoch": 0.28373333333333334,
      "grad_norm": 1.1992240730463735,
      "learning_rate": 1.683434108845241e-05,
      "loss": 0.0504,
      "step": 133
    },
    {
      "epoch": 0.28586666666666666,
      "grad_norm": 0.7154947006132196,
      "learning_rate": 1.6783550191642962e-05,
      "loss": 0.0289,
      "step": 134
    },
    {
      "epoch": 0.288,
      "grad_norm": 0.6763298081951205,
      "learning_rate": 1.6732433038731245e-05,
      "loss": 0.0413,
      "step": 135
    },
    {
      "epoch": 0.29013333333333335,
      "grad_norm": 1.5327709400902307,
      "learning_rate": 1.668099208820619e-05,
      "loss": 0.0568,
      "step": 136
    },
    {
      "epoch": 0.2922666666666667,
      "grad_norm": 1.413241850948284,
      "learning_rate": 1.662922981412983e-05,
      "loss": 0.0529,
      "step": 137
    },
    {
      "epoch": 0.2944,
      "grad_norm": 1.1244304252976907,
      "learning_rate": 1.657714870601833e-05,
      "loss": 0.0582,
      "step": 138
    },
    {
      "epoch": 0.2965333333333333,
      "grad_norm": 0.5118964217117021,
      "learning_rate": 1.6524751268722216e-05,
      "loss": 0.0501,
      "step": 139
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 0.6930134535710681,
      "learning_rate": 1.647204002230594e-05,
      "loss": 0.0341,
      "step": 140
    },
    {
      "epoch": 0.3008,
      "grad_norm": 0.8574574146847935,
      "learning_rate": 1.641901750192666e-05,
      "loss": 0.0317,
      "step": 141
    },
    {
      "epoch": 0.30293333333333333,
      "grad_norm": 1.253852016789459,
      "learning_rate": 1.63656862577123e-05,
      "loss": 0.0391,
      "step": 142
    },
    {
      "epoch": 0.30506666666666665,
      "grad_norm": 0.6980045449988571,
      "learning_rate": 1.6312048854638927e-05,
      "loss": 0.0499,
      "step": 143
    },
    {
      "epoch": 0.3072,
      "grad_norm": 0.8184777310682656,
      "learning_rate": 1.6258107872407376e-05,
      "loss": 0.0529,
      "step": 144
    },
    {
      "epoch": 0.30933333333333335,
      "grad_norm": 0.5971927997338532,
      "learning_rate": 1.620386590531917e-05,
      "loss": 0.0324,
      "step": 145
    },
    {
      "epoch": 0.31146666666666667,
      "grad_norm": 0.6899390205325759,
      "learning_rate": 1.614932556215176e-05,
      "loss": 0.0365,
      "step": 146
    },
    {
      "epoch": 0.3136,
      "grad_norm": 0.7151754854547785,
      "learning_rate": 1.609448946603304e-05,
      "loss": 0.0453,
      "step": 147
    },
    {
      "epoch": 0.3157333333333333,
      "grad_norm": 0.8834546138842408,
      "learning_rate": 1.6039360254315213e-05,
      "loss": 0.0334,
      "step": 148
    },
    {
      "epoch": 0.3178666666666667,
      "grad_norm": 0.4792748032844571,
      "learning_rate": 1.598394057844792e-05,
      "loss": 0.0294,
      "step": 149
    },
    {
      "epoch": 0.32,
      "grad_norm": 1.0322554725620747,
      "learning_rate": 1.592823310385073e-05,
      "loss": 0.0409,
      "step": 150
    },
    {
      "epoch": 0.3221333333333333,
      "grad_norm": 1.4230091486157987,
      "learning_rate": 1.5872240509784943e-05,
      "loss": 0.0585,
      "step": 151
    },
    {
      "epoch": 0.32426666666666665,
      "grad_norm": 1.2041324899062362,
      "learning_rate": 1.5815965489224746e-05,
      "loss": 0.0376,
      "step": 152
    },
    {
      "epoch": 0.3264,
      "grad_norm": 0.970755585175824,
      "learning_rate": 1.5759410748727663e-05,
      "loss": 0.0338,
      "step": 153
    },
    {
      "epoch": 0.32853333333333334,
      "grad_norm": 1.5293971676249898,
      "learning_rate": 1.5702579008304403e-05,
      "loss": 0.0614,
      "step": 154
    },
    {
      "epoch": 0.33066666666666666,
      "grad_norm": 0.6110517060457243,
      "learning_rate": 1.5645473001288057e-05,
      "loss": 0.0312,
      "step": 155
    },
    {
      "epoch": 0.3328,
      "grad_norm": 1.4352762538394752,
      "learning_rate": 1.5588095474202597e-05,
      "loss": 0.0353,
      "step": 156
    },
    {
      "epoch": 0.33493333333333336,
      "grad_norm": 0.7125171125043145,
      "learning_rate": 1.5530449186630805e-05,
      "loss": 0.0318,
      "step": 157
    },
    {
      "epoch": 0.3370666666666667,
      "grad_norm": 2.2795462202235535,
      "learning_rate": 1.547253691108156e-05,
      "loss": 0.0377,
      "step": 158
    },
    {
      "epoch": 0.3392,
      "grad_norm": 1.0909024623264403,
      "learning_rate": 1.5414361432856475e-05,
      "loss": 0.0433,
      "step": 159
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 0.686857734775932,
      "learning_rate": 1.5355925549915943e-05,
      "loss": 0.0476,
      "step": 160
    },
    {
      "epoch": 0.34346666666666664,
      "grad_norm": 1.0424894974104526,
      "learning_rate": 1.5297232072744576e-05,
      "loss": 0.0425,
      "step": 161
    },
    {
      "epoch": 0.3456,
      "grad_norm": 0.9418678518587029,
      "learning_rate": 1.5238283824216015e-05,
      "loss": 0.0496,
      "step": 162
    },
    {
      "epoch": 0.34773333333333334,
      "grad_norm": 0.5423092727091834,
      "learning_rate": 1.5179083639457193e-05,
      "loss": 0.0246,
      "step": 163
    },
    {
      "epoch": 0.34986666666666666,
      "grad_norm": 0.5755202146273961,
      "learning_rate": 1.5119634365711955e-05,
      "loss": 0.0394,
      "step": 164
    },
    {
      "epoch": 0.352,
      "grad_norm": 0.8124862344582832,
      "learning_rate": 1.5059938862204126e-05,
      "loss": 0.046,
      "step": 165
    },
    {
      "epoch": 0.35413333333333336,
      "grad_norm": 1.289150746306003,
      "learning_rate": 1.5000000000000002e-05,
      "loss": 0.037,
      "step": 166
    },
    {
      "epoch": 0.3562666666666667,
      "grad_norm": 0.9372621548024846,
      "learning_rate": 1.4939820661870253e-05,
      "loss": 0.0594,
      "step": 167
    },
    {
      "epoch": 0.3584,
      "grad_norm": 0.7231113547887756,
      "learning_rate": 1.4879403742151283e-05,
      "loss": 0.0437,
      "step": 168
    },
    {
      "epoch": 0.3605333333333333,
      "grad_norm": 0.922243162100279,
      "learning_rate": 1.481875214660604e-05,
      "loss": 0.041,
      "step": 169
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 0.42231387384182395,
      "learning_rate": 1.4757868792284231e-05,
      "loss": 0.0435,
      "step": 170
    },
    {
      "epoch": 0.3648,
      "grad_norm": 0.7695794091239532,
      "learning_rate": 1.469675660738206e-05,
      "loss": 0.0362,
      "step": 171
    },
    {
      "epoch": 0.36693333333333333,
      "grad_norm": 0.5572037371599261,
      "learning_rate": 1.463541853110137e-05,
      "loss": 0.0301,
      "step": 172
    },
    {
      "epoch": 0.36906666666666665,
      "grad_norm": 0.8890223856167749,
      "learning_rate": 1.4573857513508297e-05,
      "loss": 0.0353,
      "step": 173
    },
    {
      "epoch": 0.3712,
      "grad_norm": 0.5300608334896313,
      "learning_rate": 1.4512076515391375e-05,
      "loss": 0.0263,
      "step": 174
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 0.8762162718993954,
      "learning_rate": 1.4450078508119148e-05,
      "loss": 0.0484,
      "step": 175
    },
    {
      "epoch": 0.37546666666666667,
      "grad_norm": 1.3346645193363964,
      "learning_rate": 1.4387866473497254e-05,
      "loss": 0.077,
      "step": 176
    },
    {
      "epoch": 0.3776,
      "grad_norm": 0.9954685207628413,
      "learning_rate": 1.4325443403625012e-05,
      "loss": 0.0555,
      "step": 177
    },
    {
      "epoch": 0.3797333333333333,
      "grad_norm": 1.8127871372398991,
      "learning_rate": 1.4262812300751528e-05,
      "loss": 0.0398,
      "step": 178
    },
    {
      "epoch": 0.3818666666666667,
      "grad_norm": 0.7047656843698573,
      "learning_rate": 1.4199976177131283e-05,
      "loss": 0.02,
      "step": 179
    },
    {
      "epoch": 0.384,
      "grad_norm": 0.9290073704051591,
      "learning_rate": 1.4136938054879284e-05,
      "loss": 0.0396,
      "step": 180
    },
    {
      "epoch": 0.38613333333333333,
      "grad_norm": 1.2764226119948145,
      "learning_rate": 1.4073700965825681e-05,
      "loss": 0.036,
      "step": 181
    },
    {
      "epoch": 0.38826666666666665,
      "grad_norm": 0.9587223008540513,
      "learning_rate": 1.4010267951369985e-05,
      "loss": 0.0525,
      "step": 182
    },
    {
      "epoch": 0.3904,
      "grad_norm": 0.9618631428283729,
      "learning_rate": 1.3946642062334765e-05,
      "loss": 0.0444,
      "step": 183
    },
    {
      "epoch": 0.39253333333333335,
      "grad_norm": 2.0100658679288435,
      "learning_rate": 1.3882826358818936e-05,
      "loss": 0.0436,
      "step": 184
    },
    {
      "epoch": 0.39466666666666667,
      "grad_norm": 0.9954379375299915,
      "learning_rate": 1.381882391005058e-05,
      "loss": 0.04,
      "step": 185
    },
    {
      "epoch": 0.3968,
      "grad_norm": 1.3141896148114316,
      "learning_rate": 1.3754637794239303e-05,
      "loss": 0.0334,
      "step": 186
    },
    {
      "epoch": 0.3989333333333333,
      "grad_norm": 0.90730269049163,
      "learning_rate": 1.3690271098428234e-05,
      "loss": 0.0511,
      "step": 187
    },
    {
      "epoch": 0.4010666666666667,
      "grad_norm": 1.2414394032444556,
      "learning_rate": 1.362572691834553e-05,
      "loss": 0.0362,
      "step": 188
    },
    {
      "epoch": 0.4032,
      "grad_norm": 1.0097746588180307,
      "learning_rate": 1.356100835825547e-05,
      "loss": 0.0318,
      "step": 189
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 0.9233850635774495,
      "learning_rate": 1.3496118530809195e-05,
      "loss": 0.0351,
      "step": 190
    },
    {
      "epoch": 0.40746666666666664,
      "grad_norm": 0.5816593448374567,
      "learning_rate": 1.3431060556894959e-05,
      "loss": 0.0431,
      "step": 191
    },
    {
      "epoch": 0.4096,
      "grad_norm": 1.405582350574752,
      "learning_rate": 1.3365837565488065e-05,
      "loss": 0.036,
      "step": 192
    },
    {
      "epoch": 0.41173333333333334,
      "grad_norm": 0.7483065796170301,
      "learning_rate": 1.3300452693500358e-05,
      "loss": 0.0267,
      "step": 193
    },
    {
      "epoch": 0.41386666666666666,
      "grad_norm": 0.708426732185897,
      "learning_rate": 1.3234909085629362e-05,
      "loss": 0.0315,
      "step": 194
    },
    {
      "epoch": 0.416,
      "grad_norm": 0.7844907601400196,
      "learning_rate": 1.316920989420703e-05,
      "loss": 0.0238,
      "step": 195
    },
    {
      "epoch": 0.41813333333333336,
      "grad_norm": 0.45772582218203484,
      "learning_rate": 1.3103358279048136e-05,
      "loss": 0.0235,
      "step": 196
    },
    {
      "epoch": 0.4202666666666667,
      "grad_norm": 2.0369880222798344,
      "learning_rate": 1.30373574072983e-05,
      "loss": 0.0399,
      "step": 197
    },
    {
      "epoch": 0.4224,
      "grad_norm": 1.0442049886874567,
      "learning_rate": 1.2971210453281675e-05,
      "loss": 0.0326,
      "step": 198
    },
    {
      "epoch": 0.4245333333333333,
      "grad_norm": 0.8079361297617966,
      "learning_rate": 1.2904920598348252e-05,
      "loss": 0.0343,
      "step": 199
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 0.5328227683903852,
      "learning_rate": 1.2838491030720882e-05,
      "loss": 0.04,
      "step": 200
    },
    {
      "epoch": 0.4288,
      "grad_norm": 1.0351850053207556,
      "learning_rate": 1.2771924945341906e-05,
      "loss": 0.0389,
      "step": 201
    },
    {
      "epoch": 0.43093333333333333,
      "grad_norm": 1.6420563344834735,
      "learning_rate": 1.2705225543719537e-05,
      "loss": 0.0469,
      "step": 202
    },
    {
      "epoch": 0.43306666666666666,
      "grad_norm": 0.8756136800321246,
      "learning_rate": 1.2638396033773836e-05,
      "loss": 0.0294,
      "step": 203
    },
    {
      "epoch": 0.4352,
      "grad_norm": 0.5048390094407171,
      "learning_rate": 1.257143962968246e-05,
      "loss": 0.028,
      "step": 204
    },
    {
      "epoch": 0.43733333333333335,
      "grad_norm": 0.5062705845684266,
      "learning_rate": 1.250435955172606e-05,
      "loss": 0.0257,
      "step": 205
    },
    {
      "epoch": 0.43946666666666667,
      "grad_norm": 0.6946077596533794,
      "learning_rate": 1.2437159026133397e-05,
      "loss": 0.036,
      "step": 206
    },
    {
      "epoch": 0.4416,
      "grad_norm": 0.4955713113749287,
      "learning_rate": 1.236984128492619e-05,
      "loss": 0.0424,
      "step": 207
    },
    {
      "epoch": 0.4437333333333333,
      "grad_norm": 0.5002990969185134,
      "learning_rate": 1.230240956576367e-05,
      "loss": 0.0268,
      "step": 208
    },
    {
      "epoch": 0.4458666666666667,
      "grad_norm": 0.6499936859427997,
      "learning_rate": 1.2234867111786851e-05,
      "loss": 0.0374,
      "step": 209
    },
    {
      "epoch": 0.448,
      "grad_norm": 0.796943745498357,
      "learning_rate": 1.2167217171462566e-05,
      "loss": 0.0318,
      "step": 210
    },
    {
      "epoch": 0.45013333333333333,
      "grad_norm": 0.8497064365798689,
      "learning_rate": 1.2099462998427211e-05,
      "loss": 0.0296,
      "step": 211
    },
    {
      "epoch": 0.45226666666666665,
      "grad_norm": 0.5517348061773629,
      "learning_rate": 1.2031607851330282e-05,
      "loss": 0.0192,
      "step": 212
    },
    {
      "epoch": 0.4544,
      "grad_norm": 0.9985729561704767,
      "learning_rate": 1.1963654993677645e-05,
      "loss": 0.039,
      "step": 213
    },
    {
      "epoch": 0.45653333333333335,
      "grad_norm": 0.6670151650802995,
      "learning_rate": 1.189560769367456e-05,
      "loss": 0.0428,
      "step": 214
    },
    {
      "epoch": 0.45866666666666667,
      "grad_norm": 1.6000545490530746,
      "learning_rate": 1.1827469224068531e-05,
      "loss": 0.0558,
      "step": 215
    },
    {
      "epoch": 0.4608,
      "grad_norm": 1.1784477994642049,
      "learning_rate": 1.1759242861991855e-05,
      "loss": 0.0529,
      "step": 216
    },
    {
      "epoch": 0.4629333333333333,
      "grad_norm": 0.9235561072658854,
      "learning_rate": 1.1690931888804055e-05,
      "loss": 0.0342,
      "step": 217
    },
    {
      "epoch": 0.4650666666666667,
      "grad_norm": 0.604794183600379,
      "learning_rate": 1.1622539589934027e-05,
      "loss": 0.0391,
      "step": 218
    },
    {
      "epoch": 0.4672,
      "grad_norm": 0.4633332588771442,
      "learning_rate": 1.155406925472205e-05,
      "loss": 0.0227,
      "step": 219
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 0.7264835488117962,
      "learning_rate": 1.148552417626157e-05,
      "loss": 0.0351,
      "step": 220
    },
    {
      "epoch": 0.47146666666666665,
      "grad_norm": 0.733659081652025,
      "learning_rate": 1.1416907651240826e-05,
      "loss": 0.0465,
      "step": 221
    },
    {
      "epoch": 0.4736,
      "grad_norm": 0.8049147485126275,
      "learning_rate": 1.1348222979784289e-05,
      "loss": 0.0407,
      "step": 222
    },
    {
      "epoch": 0.47573333333333334,
      "grad_norm": 0.775576870952529,
      "learning_rate": 1.1279473465293953e-05,
      "loss": 0.0373,
      "step": 223
    },
    {
      "epoch": 0.47786666666666666,
      "grad_norm": 1.237283998006661,
      "learning_rate": 1.1210662414290439e-05,
      "loss": 0.0482,
      "step": 224
    },
    {
      "epoch": 0.48,
      "grad_norm": 0.6740351828565961,
      "learning_rate": 1.1141793136253987e-05,
      "loss": 0.0405,
      "step": 225
    },
    {
      "epoch": 0.48213333333333336,
      "grad_norm": 1.2497678974651796,
      "learning_rate": 1.107286894346527e-05,
      "loss": 0.0313,
      "step": 226
    },
    {
      "epoch": 0.4842666666666667,
      "grad_norm": 0.6220316755005454,
      "learning_rate": 1.1003893150846103e-05,
      "loss": 0.0332,
      "step": 227
    },
    {
      "epoch": 0.4864,
      "grad_norm": 0.6899190802375788,
      "learning_rate": 1.09348690758e-05,
      "loss": 0.0444,
      "step": 228
    },
    {
      "epoch": 0.4885333333333333,
      "grad_norm": 0.8788424905334975,
      "learning_rate": 1.0865800038052632e-05,
      "loss": 0.0301,
      "step": 229
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 0.9525057607599884,
      "learning_rate": 1.0796689359492154e-05,
      "loss": 0.031,
      "step": 230
    },
    {
      "epoch": 0.4928,
      "grad_norm": 0.45365011027832236,
      "learning_rate": 1.072754036400944e-05,
      "loss": 0.0347,
      "step": 231
    },
    {
      "epoch": 0.49493333333333334,
      "grad_norm": 0.5783847690812823,
      "learning_rate": 1.0658356377338235e-05,
      "loss": 0.0301,
      "step": 232
    },
    {
      "epoch": 0.49706666666666666,
      "grad_norm": 0.6938862695154436,
      "learning_rate": 1.0589140726895179e-05,
      "loss": 0.0346,
      "step": 233
    },
    {
      "epoch": 0.4992,
      "grad_norm": 0.5696171257838482,
      "learning_rate": 1.0519896741619803e-05,
      "loss": 0.0383,
      "step": 234
    },
    {
      "epoch": 0.5013333333333333,
      "grad_norm": 0.9730739034465179,
      "learning_rate": 1.0450627751814396e-05,
      "loss": 0.0365,
      "step": 235
    },
    {
      "epoch": 0.5034666666666666,
      "grad_norm": 0.6738632209266081,
      "learning_rate": 1.0381337088983838e-05,
      "loss": 0.0495,
      "step": 236
    },
    {
      "epoch": 0.5056,
      "grad_norm": 0.9293769576273838,
      "learning_rate": 1.0312028085675393e-05,
      "loss": 0.0376,
      "step": 237
    },
    {
      "epoch": 0.5077333333333334,
      "grad_norm": 0.7730901514446904,
      "learning_rate": 1.0242704075318402e-05,
      "loss": 0.0256,
      "step": 238
    },
    {
      "epoch": 0.5098666666666667,
      "grad_norm": 0.9243576819662022,
      "learning_rate": 1.0173368392063978e-05,
      "loss": 0.0368,
      "step": 239
    },
    {
      "epoch": 0.512,
      "grad_norm": 0.6106740685878067,
      "learning_rate": 1.0104024370624644e-05,
      "loss": 0.0331,
      "step": 240
    },
    {
      "epoch": 0.5141333333333333,
      "grad_norm": 0.5471807046738713,
      "learning_rate": 1.0034675346113945e-05,
      "loss": 0.032,
      "step": 241
    },
    {
      "epoch": 0.5162666666666667,
      "grad_norm": 1.0112509834033534,
      "learning_rate": 9.965324653886057e-06,
      "loss": 0.0372,
      "step": 242
    },
    {
      "epoch": 0.5184,
      "grad_norm": 1.22816810696457,
      "learning_rate": 9.89597562937536e-06,
      "loss": 0.0333,
      "step": 243
    },
    {
      "epoch": 0.5205333333333333,
      "grad_norm": 0.7037349725664515,
      "learning_rate": 9.826631607936024e-06,
      "loss": 0.0467,
      "step": 244
    },
    {
      "epoch": 0.5226666666666666,
      "grad_norm": 1.2241925260548945,
      "learning_rate": 9.757295924681601e-06,
      "loss": 0.0425,
      "step": 245
    },
    {
      "epoch": 0.5248,
      "grad_norm": 0.5625363217551341,
      "learning_rate": 9.687971914324607e-06,
      "loss": 0.0447,
      "step": 246
    },
    {
      "epoch": 0.5269333333333334,
      "grad_norm": 0.5699653225245445,
      "learning_rate": 9.618662911016165e-06,
      "loss": 0.0319,
      "step": 247
    },
    {
      "epoch": 0.5290666666666667,
      "grad_norm": 0.7314163846872603,
      "learning_rate": 9.54937224818561e-06,
      "loss": 0.0328,
      "step": 248
    },
    {
      "epoch": 0.5312,
      "grad_norm": 1.3643278717817504,
      "learning_rate": 9.480103258380198e-06,
      "loss": 0.0478,
      "step": 249
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.4918918706062453,
      "learning_rate": 9.410859273104823e-06,
      "loss": 0.0302,
      "step": 250
    },
    {
      "epoch": 0.5354666666666666,
      "grad_norm": 0.6721247059889798,
      "learning_rate": 9.341643622661768e-06,
      "loss": 0.029,
      "step": 251
    },
    {
      "epoch": 0.5376,
      "grad_norm": 0.9810888072611974,
      "learning_rate": 9.272459635990563e-06,
      "loss": 0.0248,
      "step": 252
    },
    {
      "epoch": 0.5397333333333333,
      "grad_norm": 0.4876155527039283,
      "learning_rate": 9.20331064050785e-06,
      "loss": 0.0213,
      "step": 253
    },
    {
      "epoch": 0.5418666666666667,
      "grad_norm": 0.8358072464072603,
      "learning_rate": 9.134199961947368e-06,
      "loss": 0.0422,
      "step": 254
    },
    {
      "epoch": 0.544,
      "grad_norm": 0.7506843334438347,
      "learning_rate": 9.065130924199998e-06,
      "loss": 0.0381,
      "step": 255
    },
    {
      "epoch": 0.5461333333333334,
      "grad_norm": 0.3536923477560136,
      "learning_rate": 8.996106849153897e-06,
      "loss": 0.0361,
      "step": 256
    },
    {
      "epoch": 0.5482666666666667,
      "grad_norm": 0.5200796089003477,
      "learning_rate": 8.927131056534734e-06,
      "loss": 0.0316,
      "step": 257
    },
    {
      "epoch": 0.5504,
      "grad_norm": 1.0411697648370726,
      "learning_rate": 8.858206863746018e-06,
      "loss": 0.0395,
      "step": 258
    },
    {
      "epoch": 0.5525333333333333,
      "grad_norm": 0.5824473409964944,
      "learning_rate": 8.789337585709565e-06,
      "loss": 0.0373,
      "step": 259
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 0.511942343514825,
      "learning_rate": 8.720526534706052e-06,
      "loss": 0.0297,
      "step": 260
    },
    {
      "epoch": 0.5568,
      "grad_norm": 0.5081243142225651,
      "learning_rate": 8.651777020215713e-06,
      "loss": 0.0302,
      "step": 261
    },
    {
      "epoch": 0.5589333333333333,
      "grad_norm": 0.5106721938666013,
      "learning_rate": 8.583092348759176e-06,
      "loss": 0.033,
      "step": 262
    },
    {
      "epoch": 0.5610666666666667,
      "grad_norm": 0.5956281593151138,
      "learning_rate": 8.514475823738431e-06,
      "loss": 0.0346,
      "step": 263
    },
    {
      "epoch": 0.5632,
      "grad_norm": 0.47917214228596317,
      "learning_rate": 8.445930745277953e-06,
      "loss": 0.0233,
      "step": 264
    },
    {
      "epoch": 0.5653333333333334,
      "grad_norm": 0.9189179502445622,
      "learning_rate": 8.377460410065973e-06,
      "loss": 0.0252,
      "step": 265
    },
    {
      "epoch": 0.5674666666666667,
      "grad_norm": 0.7043369220639759,
      "learning_rate": 8.309068111195947e-06,
      "loss": 0.0328,
      "step": 266
    },
    {
      "epoch": 0.5696,
      "grad_norm": 0.5510595724210231,
      "learning_rate": 8.240757138008149e-06,
      "loss": 0.0283,
      "step": 267
    },
    {
      "epoch": 0.5717333333333333,
      "grad_norm": 0.8496711751164575,
      "learning_rate": 8.172530775931476e-06,
      "loss": 0.0436,
      "step": 268
    },
    {
      "epoch": 0.5738666666666666,
      "grad_norm": 0.4503694242791863,
      "learning_rate": 8.104392306325442e-06,
      "loss": 0.0359,
      "step": 269
    },
    {
      "epoch": 0.576,
      "grad_norm": 0.7732096548912992,
      "learning_rate": 8.036345006322358e-06,
      "loss": 0.0364,
      "step": 270
    },
    {
      "epoch": 0.5781333333333334,
      "grad_norm": 0.4599733594804368,
      "learning_rate": 7.96839214866972e-06,
      "loss": 0.0221,
      "step": 271
    },
    {
      "epoch": 0.5802666666666667,
      "grad_norm": 1.336428863557948,
      "learning_rate": 7.900537001572792e-06,
      "loss": 0.0309,
      "step": 272
    },
    {
      "epoch": 0.5824,
      "grad_norm": 0.5843504500873555,
      "learning_rate": 7.832782828537437e-06,
      "loss": 0.0412,
      "step": 273
    },
    {
      "epoch": 0.5845333333333333,
      "grad_norm": 1.0789524676382762,
      "learning_rate": 7.765132888213147e-06,
      "loss": 0.0384,
      "step": 274
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 0.737096776428912,
      "learning_rate": 7.697590434236331e-06,
      "loss": 0.0501,
      "step": 275
    },
    {
      "epoch": 0.5888,
      "grad_norm": 0.8043391582754201,
      "learning_rate": 7.630158715073813e-06,
      "loss": 0.0215,
      "step": 276
    },
    {
      "epoch": 0.5909333333333333,
      "grad_norm": 0.635341870485607,
      "learning_rate": 7.56284097386661e-06,
      "loss": 0.0195,
      "step": 277
    },
    {
      "epoch": 0.5930666666666666,
      "grad_norm": 0.593058090471716,
      "learning_rate": 7.495640448273947e-06,
      "loss": 0.0288,
      "step": 278
    },
    {
      "epoch": 0.5952,
      "grad_norm": 0.8510673331441703,
      "learning_rate": 7.428560370317542e-06,
      "loss": 0.0186,
      "step": 279
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 0.9565592779805303,
      "learning_rate": 7.361603966226165e-06,
      "loss": 0.0294,
      "step": 280
    },
    {
      "epoch": 0.5994666666666667,
      "grad_norm": 0.7591784894186213,
      "learning_rate": 7.294774456280466e-06,
      "loss": 0.0282,
      "step": 281
    },
    {
      "epoch": 0.6016,
      "grad_norm": 0.42677489159298454,
      "learning_rate": 7.228075054658096e-06,
      "loss": 0.0409,
      "step": 282
    },
    {
      "epoch": 0.6037333333333333,
      "grad_norm": 0.5627212818811943,
      "learning_rate": 7.1615089692791225e-06,
      "loss": 0.0276,
      "step": 283
    },
    {
      "epoch": 0.6058666666666667,
      "grad_norm": 0.39183013002706013,
      "learning_rate": 7.095079401651749e-06,
      "loss": 0.0257,
      "step": 284
    },
    {
      "epoch": 0.608,
      "grad_norm": 0.4106091763231696,
      "learning_rate": 7.028789546718327e-06,
      "loss": 0.022,
      "step": 285
    },
    {
      "epoch": 0.6101333333333333,
      "grad_norm": 0.7820664969598445,
      "learning_rate": 6.962642592701703e-06,
      "loss": 0.0398,
      "step": 286
    },
    {
      "epoch": 0.6122666666666666,
      "grad_norm": 0.6711734140968976,
      "learning_rate": 6.896641720951868e-06,
      "loss": 0.0319,
      "step": 287
    },
    {
      "epoch": 0.6144,
      "grad_norm": 0.8036347103770932,
      "learning_rate": 6.8307901057929735e-06,
      "loss": 0.0301,
      "step": 288
    },
    {
      "epoch": 0.6165333333333334,
      "grad_norm": 0.4343557664695177,
      "learning_rate": 6.765090914370643e-06,
      "loss": 0.0316,
      "step": 289
    },
    {
      "epoch": 0.6186666666666667,
      "grad_norm": 0.9799509282210106,
      "learning_rate": 6.6995473064996455e-06,
      "loss": 0.036,
      "step": 290
    },
    {
      "epoch": 0.6208,
      "grad_norm": 0.44518139913001936,
      "learning_rate": 6.634162434511939e-06,
      "loss": 0.0256,
      "step": 291
    },
    {
      "epoch": 0.6229333333333333,
      "grad_norm": 0.6499908491163479,
      "learning_rate": 6.568939443105045e-06,
      "loss": 0.0458,
      "step": 292
    },
    {
      "epoch": 0.6250666666666667,
      "grad_norm": 0.8496501466573976,
      "learning_rate": 6.5038814691908095e-06,
      "loss": 0.0292,
      "step": 293
    },
    {
      "epoch": 0.6272,
      "grad_norm": 0.5981028686330536,
      "learning_rate": 6.438991641744531e-06,
      "loss": 0.0251,
      "step": 294
    },
    {
      "epoch": 0.6293333333333333,
      "grad_norm": 0.8110400012909722,
      "learning_rate": 6.374273081654474e-06,
      "loss": 0.0301,
      "step": 295
    },
    {
      "epoch": 0.6314666666666666,
      "grad_norm": 0.4891292127480029,
      "learning_rate": 6.30972890157177e-06,
      "loss": 0.0224,
      "step": 296
    },
    {
      "epoch": 0.6336,
      "grad_norm": 0.598714016686363,
      "learning_rate": 6.245362205760703e-06,
      "loss": 0.0273,
      "step": 297
    },
    {
      "epoch": 0.6357333333333334,
      "grad_norm": 1.117871466722133,
      "learning_rate": 6.1811760899494276e-06,
      "loss": 0.0347,
      "step": 298
    },
    {
      "epoch": 0.6378666666666667,
      "grad_norm": 1.098050969004808,
      "learning_rate": 6.117173641181064e-06,
      "loss": 0.0468,
      "step": 299
    },
    {
      "epoch": 0.64,
      "grad_norm": 0.8704162336865564,
      "learning_rate": 6.053357937665237e-06,
      "loss": 0.0473,
      "step": 300
    },
    {
      "epoch": 0.6421333333333333,
      "grad_norm": 0.26723758613522036,
      "learning_rate": 5.9897320486300195e-06,
      "loss": 0.0212,
      "step": 301
    },
    {
      "epoch": 0.6442666666666667,
      "grad_norm": 0.793058594700282,
      "learning_rate": 5.926299034174321e-06,
      "loss": 0.0323,
      "step": 302
    },
    {
      "epoch": 0.6464,
      "grad_norm": 0.8106520095015479,
      "learning_rate": 5.863061945120719e-06,
      "loss": 0.0361,
      "step": 303
    },
    {
      "epoch": 0.6485333333333333,
      "grad_norm": 0.7749475240302227,
      "learning_rate": 5.800023822868717e-06,
      "loss": 0.0271,
      "step": 304
    },
    {
      "epoch": 0.6506666666666666,
      "grad_norm": 0.6182100559731326,
      "learning_rate": 5.737187699248474e-06,
      "loss": 0.0277,
      "step": 305
    },
    {
      "epoch": 0.6528,
      "grad_norm": 0.7280936837269392,
      "learning_rate": 5.674556596374993e-06,
      "loss": 0.0348,
      "step": 306
    },
    {
      "epoch": 0.6549333333333334,
      "grad_norm": 0.49499465678540155,
      "learning_rate": 5.612133526502752e-06,
      "loss": 0.0378,
      "step": 307
    },
    {
      "epoch": 0.6570666666666667,
      "grad_norm": 0.48581236356550417,
      "learning_rate": 5.549921491880856e-06,
      "loss": 0.0358,
      "step": 308
    },
    {
      "epoch": 0.6592,
      "grad_norm": 0.9174556713312179,
      "learning_rate": 5.487923484608629e-06,
      "loss": 0.0326,
      "step": 309
    },
    {
      "epoch": 0.6613333333333333,
      "grad_norm": 0.566499446081699,
      "learning_rate": 5.4261424864917075e-06,
      "loss": 0.0199,
      "step": 310
    },
    {
      "epoch": 0.6634666666666666,
      "grad_norm": 1.137197461480215,
      "learning_rate": 5.364581468898629e-06,
      "loss": 0.0313,
      "step": 311
    },
    {
      "epoch": 0.6656,
      "grad_norm": 0.4475893108260262,
      "learning_rate": 5.3032433926179395e-06,
      "loss": 0.0227,
      "step": 312
    },
    {
      "epoch": 0.6677333333333333,
      "grad_norm": 0.5095854555003005,
      "learning_rate": 5.242131207715768e-06,
      "loss": 0.0351,
      "step": 313
    },
    {
      "epoch": 0.6698666666666667,
      "grad_norm": 0.5322845841523259,
      "learning_rate": 5.181247853393961e-06,
      "loss": 0.0357,
      "step": 314
    },
    {
      "epoch": 0.672,
      "grad_norm": 0.8355127340278774,
      "learning_rate": 5.120596257848716e-06,
      "loss": 0.0245,
      "step": 315
    },
    {
      "epoch": 0.6741333333333334,
      "grad_norm": 1.198148615361382,
      "learning_rate": 5.060179338129754e-06,
      "loss": 0.0282,
      "step": 316
    },
    {
      "epoch": 0.6762666666666667,
      "grad_norm": 0.77281962005305,
      "learning_rate": 5.000000000000003e-06,
      "loss": 0.0304,
      "step": 317
    },
    {
      "epoch": 0.6784,
      "grad_norm": 0.6062452489615262,
      "learning_rate": 4.940061137795876e-06,
      "loss": 0.0353,
      "step": 318
    },
    {
      "epoch": 0.6805333333333333,
      "grad_norm": 0.43421611052260756,
      "learning_rate": 4.8803656342880475e-06,
      "loss": 0.0231,
      "step": 319
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 0.4402644027282258,
      "learning_rate": 4.82091636054281e-06,
      "loss": 0.0275,
      "step": 320
    },
    {
      "epoch": 0.6848,
      "grad_norm": 0.4135727836547369,
      "learning_rate": 4.7617161757839895e-06,
      "loss": 0.0216,
      "step": 321
    },
    {
      "epoch": 0.6869333333333333,
      "grad_norm": 0.5474933678166377,
      "learning_rate": 4.702767927255432e-06,
      "loss": 0.0405,
      "step": 322
    },
    {
      "epoch": 0.6890666666666667,
      "grad_norm": 0.477609432901859,
      "learning_rate": 4.644074450084061e-06,
      "loss": 0.0256,
      "step": 323
    },
    {
      "epoch": 0.6912,
      "grad_norm": 0.3001594877169152,
      "learning_rate": 4.5856385671435285e-06,
      "loss": 0.0234,
      "step": 324
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 0.45904329239585984,
      "learning_rate": 4.527463088918439e-06,
      "loss": 0.0208,
      "step": 325
    },
    {
      "epoch": 0.6954666666666667,
      "grad_norm": 0.8288269971471939,
      "learning_rate": 4.469550813369198e-06,
      "loss": 0.0264,
      "step": 326
    },
    {
      "epoch": 0.6976,
      "grad_norm": 0.610033984986427,
      "learning_rate": 4.411904525797408e-06,
      "loss": 0.0228,
      "step": 327
    },
    {
      "epoch": 0.6997333333333333,
      "grad_norm": 0.45459905485331176,
      "learning_rate": 4.354526998711945e-06,
      "loss": 0.0339,
      "step": 328
    },
    {
      "epoch": 0.7018666666666666,
      "grad_norm": 0.6530795623366433,
      "learning_rate": 4.297420991695598e-06,
      "loss": 0.029,
      "step": 329
    },
    {
      "epoch": 0.704,
      "grad_norm": 0.7765482306498186,
      "learning_rate": 4.240589251272342e-06,
      "loss": 0.0218,
      "step": 330
    },
    {
      "epoch": 0.7061333333333333,
      "grad_norm": 0.43966478027928985,
      "learning_rate": 4.184034510775258e-06,
      "loss": 0.0206,
      "step": 331
    },
    {
      "epoch": 0.7082666666666667,
      "grad_norm": 1.3894283227382265,
      "learning_rate": 4.127759490215057e-06,
      "loss": 0.0318,
      "step": 332
    },
    {
      "epoch": 0.7104,
      "grad_norm": 0.37331468443451093,
      "learning_rate": 4.0717668961492725e-06,
      "loss": 0.019,
      "step": 333
    },
    {
      "epoch": 0.7125333333333334,
      "grad_norm": 0.673458235705654,
      "learning_rate": 4.016059421552082e-06,
      "loss": 0.0377,
      "step": 334
    },
    {
      "epoch": 0.7146666666666667,
      "grad_norm": 0.6467225984317707,
      "learning_rate": 3.9606397456847875e-06,
      "loss": 0.0207,
      "step": 335
    },
    {
      "epoch": 0.7168,
      "grad_norm": 0.9111713839294915,
      "learning_rate": 3.905510533966959e-06,
      "loss": 0.0298,
      "step": 336
    },
    {
      "epoch": 0.7189333333333333,
      "grad_norm": 0.3640453441847698,
      "learning_rate": 3.850674437848243e-06,
      "loss": 0.0153,
      "step": 337
    },
    {
      "epoch": 0.7210666666666666,
      "grad_norm": 0.6775424314273997,
      "learning_rate": 3.79613409468083e-06,
      "loss": 0.0531,
      "step": 338
    },
    {
      "epoch": 0.7232,
      "grad_norm": 0.45312781292115256,
      "learning_rate": 3.7418921275926245e-06,
      "loss": 0.0328,
      "step": 339
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 0.6234872313783427,
      "learning_rate": 3.687951145361073e-06,
      "loss": 0.0393,
      "step": 340
    },
    {
      "epoch": 0.7274666666666667,
      "grad_norm": 1.2061170185300967,
      "learning_rate": 3.634313742287703e-06,
      "loss": 0.0468,
      "step": 341
    },
    {
      "epoch": 0.7296,
      "grad_norm": 0.5833352463057135,
      "learning_rate": 3.5809824980733445e-06,
      "loss": 0.0299,
      "step": 342
    },
    {
      "epoch": 0.7317333333333333,
      "grad_norm": 0.36837294327024817,
      "learning_rate": 3.527959977694061e-06,
      "loss": 0.0251,
      "step": 343
    },
    {
      "epoch": 0.7338666666666667,
      "grad_norm": 0.4810227916945505,
      "learning_rate": 3.475248731277785e-06,
      "loss": 0.0243,
      "step": 344
    },
    {
      "epoch": 0.736,
      "grad_norm": 0.5574408320117392,
      "learning_rate": 3.422851293981676e-06,
      "loss": 0.0251,
      "step": 345
    },
    {
      "epoch": 0.7381333333333333,
      "grad_norm": 0.6214665684822743,
      "learning_rate": 3.3707701858701736e-06,
      "loss": 0.0211,
      "step": 346
    },
    {
      "epoch": 0.7402666666666666,
      "grad_norm": 0.7289466503971875,
      "learning_rate": 3.3190079117938167e-06,
      "loss": 0.0384,
      "step": 347
    },
    {
      "epoch": 0.7424,
      "grad_norm": 0.7749220871898594,
      "learning_rate": 3.2675669612687565e-06,
      "loss": 0.0482,
      "step": 348
    },
    {
      "epoch": 0.7445333333333334,
      "grad_norm": 0.5621519345620897,
      "learning_rate": 3.2164498083570393e-06,
      "loss": 0.0307,
      "step": 349
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 0.6129914976186284,
      "learning_rate": 3.165658911547592e-06,
      "loss": 0.0339,
      "step": 350
    },
    {
      "epoch": 0.7488,
      "grad_norm": 0.7792497128436966,
      "learning_rate": 3.115196713638e-06,
      "loss": 0.0413,
      "step": 351
    },
    {
      "epoch": 0.7509333333333333,
      "grad_norm": 0.8058659414208739,
      "learning_rate": 3.0650656416170155e-06,
      "loss": 0.0321,
      "step": 352
    },
    {
      "epoch": 0.7530666666666667,
      "grad_norm": 1.0381062746549443,
      "learning_rate": 3.0152681065478252e-06,
      "loss": 0.0308,
      "step": 353
    },
    {
      "epoch": 0.7552,
      "grad_norm": 1.0129245619456944,
      "learning_rate": 2.965806503452098e-06,
      "loss": 0.0336,
      "step": 354
    },
    {
      "epoch": 0.7573333333333333,
      "grad_norm": 0.47151923583442085,
      "learning_rate": 2.9166832111947953e-06,
      "loss": 0.026,
      "step": 355
    },
    {
      "epoch": 0.7594666666666666,
      "grad_norm": 0.5933910542638863,
      "learning_rate": 2.8679005923697444e-06,
      "loss": 0.0274,
      "step": 356
    },
    {
      "epoch": 0.7616,
      "grad_norm": 0.6226875227172493,
      "learning_rate": 2.819460993186032e-06,
      "loss": 0.0256,
      "step": 357
    },
    {
      "epoch": 0.7637333333333334,
      "grad_norm": 0.6679506328900092,
      "learning_rate": 2.7713667433551495e-06,
      "loss": 0.0252,
      "step": 358
    },
    {
      "epoch": 0.7658666666666667,
      "grad_norm": 0.2635830672351724,
      "learning_rate": 2.7236201559789456e-06,
      "loss": 0.0208,
      "step": 359
    },
    {
      "epoch": 0.768,
      "grad_norm": 0.3835186718580681,
      "learning_rate": 2.6762235274383775e-06,
      "loss": 0.0253,
      "step": 360
    },
    {
      "epoch": 0.7701333333333333,
      "grad_norm": 0.6251532094302285,
      "learning_rate": 2.629179137283071e-06,
      "loss": 0.0209,
      "step": 361
    },
    {
      "epoch": 0.7722666666666667,
      "grad_norm": 0.6846444745004698,
      "learning_rate": 2.582489248121677e-06,
      "loss": 0.0284,
      "step": 362
    },
    {
      "epoch": 0.7744,
      "grad_norm": 0.5713976117645878,
      "learning_rate": 2.5361561055130625e-06,
      "loss": 0.028,
      "step": 363
    },
    {
      "epoch": 0.7765333333333333,
      "grad_norm": 0.5026126924117239,
      "learning_rate": 2.490181937858296e-06,
      "loss": 0.0257,
      "step": 364
    },
    {
      "epoch": 0.7786666666666666,
      "grad_norm": 0.6122792257804385,
      "learning_rate": 2.444568956293486e-06,
      "loss": 0.0341,
      "step": 365
    },
    {
      "epoch": 0.7808,
      "grad_norm": 0.40370556320553413,
      "learning_rate": 2.3993193545834182e-06,
      "loss": 0.0234,
      "step": 366
    },
    {
      "epoch": 0.7829333333333334,
      "grad_norm": 0.2777995491899089,
      "learning_rate": 2.3544353090160664e-06,
      "loss": 0.0143,
      "step": 367
    },
    {
      "epoch": 0.7850666666666667,
      "grad_norm": 0.602757764248379,
      "learning_rate": 2.3099189782979126e-06,
      "loss": 0.0227,
      "step": 368
    },
    {
      "epoch": 0.7872,
      "grad_norm": 0.5876930591519407,
      "learning_rate": 2.265772503450122e-06,
      "loss": 0.0153,
      "step": 369
    },
    {
      "epoch": 0.7893333333333333,
      "grad_norm": 0.6846826034507567,
      "learning_rate": 2.2219980077055756e-06,
      "loss": 0.0268,
      "step": 370
    },
    {
      "epoch": 0.7914666666666667,
      "grad_norm": 0.5162086979233491,
      "learning_rate": 2.178597596406752e-06,
      "loss": 0.018,
      "step": 371
    },
    {
      "epoch": 0.7936,
      "grad_norm": 0.5698113191934069,
      "learning_rate": 2.1355733569044633e-06,
      "loss": 0.042,
      "step": 372
    },
    {
      "epoch": 0.7957333333333333,
      "grad_norm": 0.5331086272206527,
      "learning_rate": 2.092927358457476e-06,
      "loss": 0.0242,
      "step": 373
    },
    {
      "epoch": 0.7978666666666666,
      "grad_norm": 0.7833847471910158,
      "learning_rate": 2.0506616521329803e-06,
      "loss": 0.0346,
      "step": 374
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.35346719003372534,
      "learning_rate": 2.008778270707944e-06,
      "loss": 0.0236,
      "step": 375
    },
    {
      "epoch": 0.8021333333333334,
      "grad_norm": 0.7443011312344207,
      "learning_rate": 1.9672792285713528e-06,
      "loss": 0.0353,
      "step": 376
    },
    {
      "epoch": 0.8042666666666667,
      "grad_norm": 0.2802287306818556,
      "learning_rate": 1.9261665216273197e-06,
      "loss": 0.0165,
      "step": 377
    },
    {
      "epoch": 0.8064,
      "grad_norm": 0.4158465877007506,
      "learning_rate": 1.8854421271990964e-06,
      "loss": 0.0342,
      "step": 378
    },
    {
      "epoch": 0.8085333333333333,
      "grad_norm": 0.6518427178413402,
      "learning_rate": 1.845108003933972e-06,
      "loss": 0.0262,
      "step": 379
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 0.6027500567203649,
      "learning_rate": 1.8051660917090718e-06,
      "loss": 0.0412,
      "step": 380
    },
    {
      "epoch": 0.8128,
      "grad_norm": 0.757207440052833,
      "learning_rate": 1.7656183115380577e-06,
      "loss": 0.0328,
      "step": 381
    },
    {
      "epoch": 0.8149333333333333,
      "grad_norm": 0.8293533798251376,
      "learning_rate": 1.7264665654787405e-06,
      "loss": 0.0237,
      "step": 382
    },
    {
      "epoch": 0.8170666666666667,
      "grad_norm": 0.7509669455316721,
      "learning_rate": 1.6877127365415924e-06,
      "loss": 0.0214,
      "step": 383
    },
    {
      "epoch": 0.8192,
      "grad_norm": 0.5014248712232455,
      "learning_rate": 1.6493586885991908e-06,
      "loss": 0.0387,
      "step": 384
    },
    {
      "epoch": 0.8213333333333334,
      "grad_norm": 0.8748237393912051,
      "learning_rate": 1.6114062662965757e-06,
      "loss": 0.0317,
      "step": 385
    },
    {
      "epoch": 0.8234666666666667,
      "grad_norm": 0.7770936634683773,
      "learning_rate": 1.5738572949625163e-06,
      "loss": 0.0347,
      "step": 386
    },
    {
      "epoch": 0.8256,
      "grad_norm": 0.722834887813668,
      "learning_rate": 1.536713580521746e-06,
      "loss": 0.0384,
      "step": 387
    },
    {
      "epoch": 0.8277333333333333,
      "grad_norm": 0.5381479186787534,
      "learning_rate": 1.4999769094080853e-06,
      "loss": 0.0173,
      "step": 388
    },
    {
      "epoch": 0.8298666666666666,
      "grad_norm": 0.5633652545130038,
      "learning_rate": 1.4636490484785316e-06,
      "loss": 0.0335,
      "step": 389
    },
    {
      "epoch": 0.832,
      "grad_norm": 0.7401945131898912,
      "learning_rate": 1.4277317449282834e-06,
      "loss": 0.0475,
      "step": 390
    },
    {
      "epoch": 0.8341333333333333,
      "grad_norm": 0.5573956901387076,
      "learning_rate": 1.3922267262067025e-06,
      "loss": 0.0212,
      "step": 391
    },
    {
      "epoch": 0.8362666666666667,
      "grad_norm": 0.6594976014910652,
      "learning_rate": 1.3571356999342366e-06,
      "loss": 0.0223,
      "step": 392
    },
    {
      "epoch": 0.8384,
      "grad_norm": 0.39444202398047057,
      "learning_rate": 1.3224603538202929e-06,
      "loss": 0.0288,
      "step": 393
    },
    {
      "epoch": 0.8405333333333334,
      "grad_norm": 0.6517753855436424,
      "learning_rate": 1.28820235558206e-06,
      "loss": 0.0309,
      "step": 394
    },
    {
      "epoch": 0.8426666666666667,
      "grad_norm": 0.47554735483988925,
      "learning_rate": 1.2543633528643084e-06,
      "loss": 0.025,
      "step": 395
    },
    {
      "epoch": 0.8448,
      "grad_norm": 0.5200189273763404,
      "learning_rate": 1.220944973160133e-06,
      "loss": 0.0303,
      "step": 396
    },
    {
      "epoch": 0.8469333333333333,
      "grad_norm": 0.3773966895641283,
      "learning_rate": 1.1879488237326952e-06,
      "loss": 0.0275,
      "step": 397
    },
    {
      "epoch": 0.8490666666666666,
      "grad_norm": 0.41251238052334416,
      "learning_rate": 1.1553764915379095e-06,
      "loss": 0.0258,
      "step": 398
    },
    {
      "epoch": 0.8512,
      "grad_norm": 0.44234356074912834,
      "learning_rate": 1.1232295431481222e-06,
      "loss": 0.042,
      "step": 399
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 0.7976202514589322,
      "learning_rate": 1.0915095246767692e-06,
      "loss": 0.0391,
      "step": 400
    },
    {
      "epoch": 0.8554666666666667,
      "grad_norm": 0.4590402183287072,
      "learning_rate": 1.0602179617040098e-06,
      "loss": 0.0178,
      "step": 401
    },
    {
      "epoch": 0.8576,
      "grad_norm": 0.349604164391915,
      "learning_rate": 1.0293563592033595e-06,
      "loss": 0.0213,
      "step": 402
    },
    {
      "epoch": 0.8597333333333333,
      "grad_norm": 0.4171534401807337,
      "learning_rate": 9.989262014693013e-07,
      "loss": 0.0323,
      "step": 403
    },
    {
      "epoch": 0.8618666666666667,
      "grad_norm": 0.9525998577214346,
      "learning_rate": 9.68928952045909e-07,
      "loss": 0.0319,
      "step": 404
    },
    {
      "epoch": 0.864,
      "grad_norm": 0.43387713958853175,
      "learning_rate": 9.393660536564408e-07,
      "loss": 0.0293,
      "step": 405
    },
    {
      "epoch": 0.8661333333333333,
      "grad_norm": 0.6181788637585869,
      "learning_rate": 9.102389281339719e-07,
      "loss": 0.0347,
      "step": 406
    },
    {
      "epoch": 0.8682666666666666,
      "grad_norm": 0.4112245482675152,
      "learning_rate": 8.815489763529938e-07,
      "loss": 0.0412,
      "step": 407
    },
    {
      "epoch": 0.8704,
      "grad_norm": 1.0019704272603145,
      "learning_rate": 8.532975781620511e-07,
      "loss": 0.0345,
      "step": 408
    },
    {
      "epoch": 0.8725333333333334,
      "grad_norm": 0.3985340312946,
      "learning_rate": 8.254860923173691e-07,
      "loss": 0.0272,
      "step": 409
    },
    {
      "epoch": 0.8746666666666667,
      "grad_norm": 0.6815670712875654,
      "learning_rate": 7.981158564175074e-07,
      "loss": 0.0201,
      "step": 410
    },
    {
      "epoch": 0.8768,
      "grad_norm": 0.5010003162281399,
      "learning_rate": 7.711881868390292e-07,
      "loss": 0.0268,
      "step": 411
    },
    {
      "epoch": 0.8789333333333333,
      "grad_norm": 0.587930435219023,
      "learning_rate": 7.447043786731867e-07,
      "loss": 0.0328,
      "step": 412
    },
    {
      "epoch": 0.8810666666666667,
      "grad_norm": 0.7385703191912768,
      "learning_rate": 7.18665705663637e-07,
      "loss": 0.021,
      "step": 413
    },
    {
      "epoch": 0.8832,
      "grad_norm": 0.802872057617413,
      "learning_rate": 6.930734201451817e-07,
      "loss": 0.0313,
      "step": 414
    },
    {
      "epoch": 0.8853333333333333,
      "grad_norm": 0.3652437091029865,
      "learning_rate": 6.679287529835266e-07,
      "loss": 0.0344,
      "step": 415
    },
    {
      "epoch": 0.8874666666666666,
      "grad_norm": 0.5639889944551809,
      "learning_rate": 6.432329135160953e-07,
      "loss": 0.0287,
      "step": 416
    },
    {
      "epoch": 0.8896,
      "grad_norm": 0.3392340924912007,
      "learning_rate": 6.189870894938587e-07,
      "loss": 0.0303,
      "step": 417
    },
    {
      "epoch": 0.8917333333333334,
      "grad_norm": 0.5293387418247875,
      "learning_rate": 5.951924470242121e-07,
      "loss": 0.0327,
      "step": 418
    },
    {
      "epoch": 0.8938666666666667,
      "grad_norm": 0.5664320263461886,
      "learning_rate": 5.718501305148893e-07,
      "loss": 0.0243,
      "step": 419
    },
    {
      "epoch": 0.896,
      "grad_norm": 0.5847456818189899,
      "learning_rate": 5.489612626189245e-07,
      "loss": 0.0331,
      "step": 420
    },
    {
      "epoch": 0.8981333333333333,
      "grad_norm": 1.1828319003570638,
      "learning_rate": 5.265269441806564e-07,
      "loss": 0.0363,
      "step": 421
    },
    {
      "epoch": 0.9002666666666667,
      "grad_norm": 0.4354584930844899,
      "learning_rate": 5.045482541827828e-07,
      "loss": 0.0244,
      "step": 422
    },
    {
      "epoch": 0.9024,
      "grad_norm": 0.8949661565466129,
      "learning_rate": 4.830262496944693e-07,
      "loss": 0.029,
      "step": 423
    },
    {
      "epoch": 0.9045333333333333,
      "grad_norm": 0.4384020038288744,
      "learning_rate": 4.6196196582050543e-07,
      "loss": 0.0147,
      "step": 424
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 0.4674711677217029,
      "learning_rate": 4.4135641565152265e-07,
      "loss": 0.0264,
      "step": 425
    },
    {
      "epoch": 0.9088,
      "grad_norm": 1.496033281566512,
      "learning_rate": 4.21210590215273e-07,
      "loss": 0.0229,
      "step": 426
    },
    {
      "epoch": 0.9109333333333334,
      "grad_norm": 0.6444510658740636,
      "learning_rate": 4.015254584289585e-07,
      "loss": 0.0284,
      "step": 427
    },
    {
      "epoch": 0.9130666666666667,
      "grad_norm": 0.3821784310816325,
      "learning_rate": 3.8230196705263734e-07,
      "loss": 0.0314,
      "step": 428
    },
    {
      "epoch": 0.9152,
      "grad_norm": 0.4285412525833733,
      "learning_rate": 3.635410406436857e-07,
      "loss": 0.0285,
      "step": 429
    },
    {
      "epoch": 0.9173333333333333,
      "grad_norm": 0.47164766917478057,
      "learning_rate": 3.452435815123323e-07,
      "loss": 0.0242,
      "step": 430
    },
    {
      "epoch": 0.9194666666666667,
      "grad_norm": 0.49041783990243004,
      "learning_rate": 3.2741046967826205e-07,
      "loss": 0.0295,
      "step": 431
    },
    {
      "epoch": 0.9216,
      "grad_norm": 0.6397446017314912,
      "learning_rate": 3.100425628282899e-07,
      "loss": 0.0249,
      "step": 432
    },
    {
      "epoch": 0.9237333333333333,
      "grad_norm": 0.4970070709773908,
      "learning_rate": 2.9314069627511045e-07,
      "loss": 0.0177,
      "step": 433
    },
    {
      "epoch": 0.9258666666666666,
      "grad_norm": 0.4670315801826843,
      "learning_rate": 2.767056829171255e-07,
      "loss": 0.0288,
      "step": 434
    },
    {
      "epoch": 0.928,
      "grad_norm": 0.5046915562077479,
      "learning_rate": 2.607383131993424e-07,
      "loss": 0.0129,
      "step": 435
    },
    {
      "epoch": 0.9301333333333334,
      "grad_norm": 0.8275284725819219,
      "learning_rate": 2.452393550753662e-07,
      "loss": 0.0322,
      "step": 436
    },
    {
      "epoch": 0.9322666666666667,
      "grad_norm": 0.5330578134222311,
      "learning_rate": 2.302095539704563e-07,
      "loss": 0.0291,
      "step": 437
    },
    {
      "epoch": 0.9344,
      "grad_norm": 0.4043839746249479,
      "learning_rate": 2.1564963274568028e-07,
      "loss": 0.0187,
      "step": 438
    },
    {
      "epoch": 0.9365333333333333,
      "grad_norm": 2.1237883356620095,
      "learning_rate": 2.0156029166314316e-07,
      "loss": 0.0196,
      "step": 439
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 0.9091991546647338,
      "learning_rate": 1.8794220835231413e-07,
      "loss": 0.0369,
      "step": 440
    },
    {
      "epoch": 0.9408,
      "grad_norm": 1.2279587859330783,
      "learning_rate": 1.7479603777742937e-07,
      "loss": 0.043,
      "step": 441
    },
    {
      "epoch": 0.9429333333333333,
      "grad_norm": 0.4701919068863411,
      "learning_rate": 1.6212241220599835e-07,
      "loss": 0.0167,
      "step": 442
    },
    {
      "epoch": 0.9450666666666667,
      "grad_norm": 0.6567820766521014,
      "learning_rate": 1.49921941178387e-07,
      "loss": 0.0387,
      "step": 443
    },
    {
      "epoch": 0.9472,
      "grad_norm": 0.6387442727751721,
      "learning_rate": 1.3819521147851122e-07,
      "loss": 0.0167,
      "step": 444
    },
    {
      "epoch": 0.9493333333333334,
      "grad_norm": 0.6453478387521295,
      "learning_rate": 1.2694278710560282e-07,
      "loss": 0.0147,
      "step": 445
    },
    {
      "epoch": 0.9514666666666667,
      "grad_norm": 0.45942473171463294,
      "learning_rate": 1.1616520924709773e-07,
      "loss": 0.0405,
      "step": 446
    },
    {
      "epoch": 0.9536,
      "grad_norm": 0.6556176206084849,
      "learning_rate": 1.0586299625259699e-07,
      "loss": 0.0335,
      "step": 447
    },
    {
      "epoch": 0.9557333333333333,
      "grad_norm": 0.7060471932864678,
      "learning_rate": 9.603664360894327e-08,
      "loss": 0.0265,
      "step": 448
    },
    {
      "epoch": 0.9578666666666666,
      "grad_norm": 0.6260109644095994,
      "learning_rate": 8.668662391638439e-08,
      "loss": 0.0248,
      "step": 449
    },
    {
      "epoch": 0.96,
      "grad_norm": 0.36731082098951995,
      "learning_rate": 7.781338686584928e-08,
      "loss": 0.0185,
      "step": 450
    },
    {
      "epoch": 0.9621333333333333,
      "grad_norm": 0.8139729310196088,
      "learning_rate": 6.94173592173164e-08,
      "loss": 0.0341,
      "step": 451
    },
    {
      "epoch": 0.9642666666666667,
      "grad_norm": 1.6216939031071436,
      "learning_rate": 6.149894477928909e-08,
      "loss": 0.0316,
      "step": 452
    },
    {
      "epoch": 0.9664,
      "grad_norm": 0.5150067530894208,
      "learning_rate": 5.405852438937764e-08,
      "loss": 0.0259,
      "step": 453
    },
    {
      "epoch": 0.9685333333333334,
      "grad_norm": 0.8841513107446011,
      "learning_rate": 4.7096455895976334e-08,
      "loss": 0.0221,
      "step": 454
    },
    {
      "epoch": 0.9706666666666667,
      "grad_norm": 0.6370913091082288,
      "learning_rate": 4.0613074141059307e-08,
      "loss": 0.0463,
      "step": 455
    },
    {
      "epoch": 0.9728,
      "grad_norm": 0.7085376308611622,
      "learning_rate": 3.460869094407127e-08,
      "loss": 0.0463,
      "step": 456
    },
    {
      "epoch": 0.9749333333333333,
      "grad_norm": 3.220232340341537,
      "learning_rate": 2.9083595086933924e-08,
      "loss": 0.0328,
      "step": 457
    },
    {
      "epoch": 0.9770666666666666,
      "grad_norm": 0.5424367863848012,
      "learning_rate": 2.403805230015488e-08,
      "loss": 0.0316,
      "step": 458
    },
    {
      "epoch": 0.9792,
      "grad_norm": 0.36392784412465723,
      "learning_rate": 1.947230525005006e-08,
      "loss": 0.0279,
      "step": 459
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 0.6181427229243145,
      "learning_rate": 1.5386573527067516e-08,
      "loss": 0.0207,
      "step": 460
    },
    {
      "epoch": 0.9834666666666667,
      "grad_norm": 1.0432099564460677,
      "learning_rate": 1.178105363523252e-08,
      "loss": 0.0341,
      "step": 461
    },
    {
      "epoch": 0.9856,
      "grad_norm": 0.6805191457294142,
      "learning_rate": 8.655918982689582e-09,
      "loss": 0.0374,
      "step": 462
    },
    {
      "epoch": 0.9877333333333334,
      "grad_norm": 0.7140231951371093,
      "learning_rate": 6.011319873370225e-09,
      "loss": 0.0337,
      "step": 463
    },
    {
      "epoch": 0.9898666666666667,
      "grad_norm": 0.4539980505144493,
      "learning_rate": 3.847383499756552e-09,
      "loss": 0.0233,
      "step": 464
    },
    {
      "epoch": 0.992,
      "grad_norm": 0.639929310768322,
      "learning_rate": 2.164213936770576e-09,
      "loss": 0.0316,
      "step": 465
    },
    {
      "epoch": 0.9941333333333333,
      "grad_norm": 0.3734946598281521,
      "learning_rate": 9.618921367637869e-10,
      "loss": 0.0418,
      "step": 466
    },
    {
      "epoch": 0.9962666666666666,
      "grad_norm": 0.4711246157830267,
      "learning_rate": 2.404759256247058e-10,
      "loss": 0.0284,
      "step": 467
    },
    {
      "epoch": 0.9984,
      "grad_norm": 0.5677887625377763,
      "learning_rate": 0.0,
      "loss": 0.0306,
      "step": 468
    },
    {
      "epoch": 0.9984,
      "step": 468,
      "total_flos": 24715131617280.0,
      "train_loss": 0.19915007105351895,
      "train_runtime": 2797.252,
      "train_samples_per_second": 42.899,
      "train_steps_per_second": 0.167
    }
  ],
  "logging_steps": 1.0,
  "max_steps": 468,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 200,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 24715131617280.0,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}