Hugging Face's logo

flyingbugs
/
Qwen2.5-math-1.5B-Open-R1-Distill-eos-new

Text Generation
Transformers
Safetensors
qwen2
Generated from Trainer
open-r1
trl
sft
conversational
text-generation-inference
Model card Files Community
flyingbugs commited on
Commit
278f54f
·
verified ·
1 Parent(s): 1d9139b

Model save

Browse files
Files changed (5) hide show
  1. README.md +58 -0
  2. all_results.json +8 -0
  3. generation_config.json +9 -0
  4. train_results.json +8 -0
  5. trainer_state.json +2297 -0
README.md ADDED
@@ -0,0 +1,58 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: Qwen/Qwen2.5-Math-1.5B-Instruct
3
+ library_name: transformers
4
+ model_name: Qwen2.5-math-1.5B-Open-R1-Distill-eos-new
5
+ tags:
6
+ - generated_from_trainer
7
+ - trl
8
+ - sft
9
+ licence: license
10
+ ---
11
+
12
+ # Model Card for Qwen2.5-math-1.5B-Open-R1-Distill-eos-new
13
+
14
+ This model is a fine-tuned version of [Qwen/Qwen2.5-Math-1.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-Math-1.5B-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="flyingbugs/Qwen2.5-math-1.5B-Open-R1-Distill-eos-new", 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/jjh233/huggingface/runs/z662m0g8)
31
+
32
+
33
+ This model was trained with SFT.
34
+
35
+ ### Framework versions
36
+
37
+ - TRL: 0.16.0.dev0
38
+ - Transformers: 4.54.0
39
+ - Pytorch: 2.7.1
40
+ - Datasets: 4.0.0
41
+ - Tokenizers: 0.21.2
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 Gallouédec},
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": 1468598568615936.0,
3
+ "train_loss": 0.4715816771147933,
4
+ "train_runtime": 19678.9404,
5
+ "train_samples": 93733,
6
+ "train_samples_per_second": 2.617,
7
+ "train_steps_per_second": 0.082
8
+ }
generation_config.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token_id": 151643,
3
+ "eos_token_id": [
4
+ 151645,
5
+ 151643
6
+ ],
7
+ "pad_token_id": 151643,
8
+ "transformers_version": "4.54.0"
9
+ }
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "total_flos": 1468598568615936.0,
3
+ "train_loss": 0.4715816771147933,
4
+ "train_runtime": 19678.9404,
5
+ "train_samples": 93733,
6
+ "train_samples_per_second": 2.617,
7
+ "train_steps_per_second": 0.082
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2297 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 3.0,
6
+ "eval_steps": 500,
7
+ "global_step": 1611,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.00931098696461825,
14
+ "grad_norm": 16.336199791449793,
15
+ "learning_rate": 2.469135802469136e-06,
16
+ "loss": 1.9327,
17
+ "step": 5
18
+ },
19
+ {
20
+ "epoch": 0.0186219739292365,
21
+ "grad_norm": 9.22734324139331,
22
+ "learning_rate": 5.555555555555556e-06,
23
+ "loss": 1.6983,
24
+ "step": 10
25
+ },
26
+ {
27
+ "epoch": 0.027932960893854747,
28
+ "grad_norm": 2.4572991614653783,
29
+ "learning_rate": 8.641975308641975e-06,
30
+ "loss": 1.1843,
31
+ "step": 15
32
+ },
33
+ {
34
+ "epoch": 0.037243947858473,
35
+ "grad_norm": 0.8356668158228655,
36
+ "learning_rate": 1.1728395061728396e-05,
37
+ "loss": 0.9297,
38
+ "step": 20
39
+ },
40
+ {
41
+ "epoch": 0.04655493482309125,
42
+ "grad_norm": 0.4936127329444582,
43
+ "learning_rate": 1.4814814814814815e-05,
44
+ "loss": 0.8284,
45
+ "step": 25
46
+ },
47
+ {
48
+ "epoch": 0.055865921787709494,
49
+ "grad_norm": 0.3478722983428711,
50
+ "learning_rate": 1.7901234567901236e-05,
51
+ "loss": 0.7489,
52
+ "step": 30
53
+ },
54
+ {
55
+ "epoch": 0.06517690875232775,
56
+ "grad_norm": 0.25513496703130056,
57
+ "learning_rate": 2.0987654320987655e-05,
58
+ "loss": 0.7016,
59
+ "step": 35
60
+ },
61
+ {
62
+ "epoch": 0.074487895716946,
63
+ "grad_norm": 0.2403829000286689,
64
+ "learning_rate": 2.4074074074074074e-05,
65
+ "loss": 0.673,
66
+ "step": 40
67
+ },
68
+ {
69
+ "epoch": 0.08379888268156424,
70
+ "grad_norm": 0.38912791976591726,
71
+ "learning_rate": 2.7160493827160493e-05,
72
+ "loss": 0.6583,
73
+ "step": 45
74
+ },
75
+ {
76
+ "epoch": 0.0931098696461825,
77
+ "grad_norm": 0.1953193028806376,
78
+ "learning_rate": 3.0246913580246916e-05,
79
+ "loss": 0.6318,
80
+ "step": 50
81
+ },
82
+ {
83
+ "epoch": 0.10242085661080075,
84
+ "grad_norm": 0.17012378672445239,
85
+ "learning_rate": 3.3333333333333335e-05,
86
+ "loss": 0.615,
87
+ "step": 55
88
+ },
89
+ {
90
+ "epoch": 0.11173184357541899,
91
+ "grad_norm": 0.19550839394534458,
92
+ "learning_rate": 3.6419753086419754e-05,
93
+ "loss": 0.6027,
94
+ "step": 60
95
+ },
96
+ {
97
+ "epoch": 0.12104283054003724,
98
+ "grad_norm": 0.1475381137651654,
99
+ "learning_rate": 3.950617283950617e-05,
100
+ "loss": 0.5917,
101
+ "step": 65
102
+ },
103
+ {
104
+ "epoch": 0.1303538175046555,
105
+ "grad_norm": 0.14017992287056805,
106
+ "learning_rate": 4.259259259259259e-05,
107
+ "loss": 0.5858,
108
+ "step": 70
109
+ },
110
+ {
111
+ "epoch": 0.13966480446927373,
112
+ "grad_norm": 0.17019572604849684,
113
+ "learning_rate": 4.567901234567901e-05,
114
+ "loss": 0.5905,
115
+ "step": 75
116
+ },
117
+ {
118
+ "epoch": 0.148975791433892,
119
+ "grad_norm": 0.17525567903422554,
120
+ "learning_rate": 4.876543209876544e-05,
121
+ "loss": 0.5734,
122
+ "step": 80
123
+ },
124
+ {
125
+ "epoch": 0.15828677839851024,
126
+ "grad_norm": 0.14195461289074676,
127
+ "learning_rate": 4.999957311534635e-05,
128
+ "loss": 0.561,
129
+ "step": 85
130
+ },
131
+ {
132
+ "epoch": 0.16759776536312848,
133
+ "grad_norm": 0.15882225996967175,
134
+ "learning_rate": 4.9996964434456464e-05,
135
+ "loss": 0.5562,
136
+ "step": 90
137
+ },
138
+ {
139
+ "epoch": 0.17690875232774675,
140
+ "grad_norm": 0.15508701484518203,
141
+ "learning_rate": 4.999198450544716e-05,
142
+ "loss": 0.5615,
143
+ "step": 95
144
+ },
145
+ {
146
+ "epoch": 0.186219739292365,
147
+ "grad_norm": 0.15282408576751363,
148
+ "learning_rate": 4.998463385321802e-05,
149
+ "loss": 0.5566,
150
+ "step": 100
151
+ },
152
+ {
153
+ "epoch": 0.19553072625698323,
154
+ "grad_norm": 0.1441039498919609,
155
+ "learning_rate": 4.997491325255003e-05,
156
+ "loss": 0.5504,
157
+ "step": 105
158
+ },
159
+ {
160
+ "epoch": 0.2048417132216015,
161
+ "grad_norm": 0.1414977005402374,
162
+ "learning_rate": 4.9962823728023915e-05,
163
+ "loss": 0.5419,
164
+ "step": 110
165
+ },
166
+ {
167
+ "epoch": 0.21415270018621974,
168
+ "grad_norm": 0.14874293035506805,
169
+ "learning_rate": 4.9948366553912146e-05,
170
+ "loss": 0.5307,
171
+ "step": 115
172
+ },
173
+ {
174
+ "epoch": 0.22346368715083798,
175
+ "grad_norm": 0.16062863369880248,
176
+ "learning_rate": 4.99315432540446e-05,
177
+ "loss": 0.534,
178
+ "step": 120
179
+ },
180
+ {
181
+ "epoch": 0.23277467411545624,
182
+ "grad_norm": 0.15097433303561048,
183
+ "learning_rate": 4.9912355601648e-05,
184
+ "loss": 0.5345,
185
+ "step": 125
186
+ },
187
+ {
188
+ "epoch": 0.24208566108007448,
189
+ "grad_norm": 0.17442330409969137,
190
+ "learning_rate": 4.9890805619158954e-05,
191
+ "loss": 0.5375,
192
+ "step": 130
193
+ },
194
+ {
195
+ "epoch": 0.25139664804469275,
196
+ "grad_norm": 0.21332022009684865,
197
+ "learning_rate": 4.9866895578010826e-05,
198
+ "loss": 0.5306,
199
+ "step": 135
200
+ },
201
+ {
202
+ "epoch": 0.260707635009311,
203
+ "grad_norm": 0.1652894070341978,
204
+ "learning_rate": 4.9840627998394285e-05,
205
+ "loss": 0.5318,
206
+ "step": 140
207
+ },
208
+ {
209
+ "epoch": 0.27001862197392923,
210
+ "grad_norm": 0.1637036108907819,
211
+ "learning_rate": 4.9812005648991715e-05,
212
+ "loss": 0.5324,
213
+ "step": 145
214
+ },
215
+ {
216
+ "epoch": 0.27932960893854747,
217
+ "grad_norm": 0.2654815231921947,
218
+ "learning_rate": 4.978103154668534e-05,
219
+ "loss": 0.5382,
220
+ "step": 150
221
+ },
222
+ {
223
+ "epoch": 0.2886405959031657,
224
+ "grad_norm": 0.1647627509019107,
225
+ "learning_rate": 4.9747708956239245e-05,
226
+ "loss": 0.5217,
227
+ "step": 155
228
+ },
229
+ {
230
+ "epoch": 0.297951582867784,
231
+ "grad_norm": 0.15907215366520921,
232
+ "learning_rate": 4.971204138995531e-05,
233
+ "loss": 0.5191,
234
+ "step": 160
235
+ },
236
+ {
237
+ "epoch": 0.30726256983240224,
238
+ "grad_norm": 0.15147466492817646,
239
+ "learning_rate": 4.967403260730291e-05,
240
+ "loss": 0.5134,
241
+ "step": 165
242
+ },
243
+ {
244
+ "epoch": 0.3165735567970205,
245
+ "grad_norm": 0.1405938594476101,
246
+ "learning_rate": 4.963368661452277e-05,
247
+ "loss": 0.5195,
248
+ "step": 170
249
+ },
250
+ {
251
+ "epoch": 0.3258845437616387,
252
+ "grad_norm": 0.1595878244498165,
253
+ "learning_rate": 4.959100766420458e-05,
254
+ "loss": 0.5232,
255
+ "step": 175
256
+ },
257
+ {
258
+ "epoch": 0.33519553072625696,
259
+ "grad_norm": 0.15951772828099983,
260
+ "learning_rate": 4.954600025483885e-05,
261
+ "loss": 0.5141,
262
+ "step": 180
263
+ },
264
+ {
265
+ "epoch": 0.34450651769087526,
266
+ "grad_norm": 0.16382396726117066,
267
+ "learning_rate": 4.9498669130342686e-05,
268
+ "loss": 0.516,
269
+ "step": 185
270
+ },
271
+ {
272
+ "epoch": 0.3538175046554935,
273
+ "grad_norm": 0.17573565863431748,
274
+ "learning_rate": 4.944901927955983e-05,
275
+ "loss": 0.5161,
276
+ "step": 190
277
+ },
278
+ {
279
+ "epoch": 0.36312849162011174,
280
+ "grad_norm": 0.1574125159399186,
281
+ "learning_rate": 4.939705593573477e-05,
282
+ "loss": 0.5185,
283
+ "step": 195
284
+ },
285
+ {
286
+ "epoch": 0.37243947858473,
287
+ "grad_norm": 0.15370896499046016,
288
+ "learning_rate": 4.9342784575961175e-05,
289
+ "loss": 0.5082,
290
+ "step": 200
291
+ },
292
+ {
293
+ "epoch": 0.3817504655493482,
294
+ "grad_norm": 0.14999931215152523,
295
+ "learning_rate": 4.928621092060457e-05,
296
+ "loss": 0.5177,
297
+ "step": 205
298
+ },
299
+ {
300
+ "epoch": 0.39106145251396646,
301
+ "grad_norm": 0.15559155877009215,
302
+ "learning_rate": 4.922734093269941e-05,
303
+ "loss": 0.5118,
304
+ "step": 210
305
+ },
306
+ {
307
+ "epoch": 0.40037243947858475,
308
+ "grad_norm": 0.14927855222097725,
309
+ "learning_rate": 4.916618081732053e-05,
310
+ "loss": 0.5123,
311
+ "step": 215
312
+ },
313
+ {
314
+ "epoch": 0.409683426443203,
315
+ "grad_norm": 0.17618505030960954,
316
+ "learning_rate": 4.9102737020929135e-05,
317
+ "loss": 0.5166,
318
+ "step": 220
319
+ },
320
+ {
321
+ "epoch": 0.41899441340782123,
322
+ "grad_norm": 0.15485079003135388,
323
+ "learning_rate": 4.903701623069334e-05,
324
+ "loss": 0.5031,
325
+ "step": 225
326
+ },
327
+ {
328
+ "epoch": 0.42830540037243947,
329
+ "grad_norm": 0.1516909848278948,
330
+ "learning_rate": 4.8969025373783266e-05,
331
+ "loss": 0.5025,
332
+ "step": 230
333
+ },
334
+ {
335
+ "epoch": 0.4376163873370577,
336
+ "grad_norm": 0.16374748063322728,
337
+ "learning_rate": 4.889877161664096e-05,
338
+ "loss": 0.5056,
339
+ "step": 235
340
+ },
341
+ {
342
+ "epoch": 0.44692737430167595,
343
+ "grad_norm": 0.20591850992077587,
344
+ "learning_rate": 4.882626236422498e-05,
345
+ "loss": 0.5083,
346
+ "step": 240
347
+ },
348
+ {
349
+ "epoch": 0.45623836126629425,
350
+ "grad_norm": 0.1556213381298468,
351
+ "learning_rate": 4.875150525922994e-05,
352
+ "loss": 0.5031,
353
+ "step": 245
354
+ },
355
+ {
356
+ "epoch": 0.4655493482309125,
357
+ "grad_norm": 0.16267277069927719,
358
+ "learning_rate": 4.8674508181280865e-05,
359
+ "loss": 0.5074,
360
+ "step": 250
361
+ },
362
+ {
363
+ "epoch": 0.4748603351955307,
364
+ "grad_norm": 0.15425490006295214,
365
+ "learning_rate": 4.8595279246102754e-05,
366
+ "loss": 0.4995,
367
+ "step": 255
368
+ },
369
+ {
370
+ "epoch": 0.48417132216014896,
371
+ "grad_norm": 0.13465996416398995,
372
+ "learning_rate": 4.85138268046651e-05,
373
+ "loss": 0.5046,
374
+ "step": 260
375
+ },
376
+ {
377
+ "epoch": 0.4934823091247672,
378
+ "grad_norm": 0.17570069468472505,
379
+ "learning_rate": 4.843015944230166e-05,
380
+ "loss": 0.5042,
381
+ "step": 265
382
+ },
383
+ {
384
+ "epoch": 0.5027932960893855,
385
+ "grad_norm": 0.15339985049013902,
386
+ "learning_rate": 4.8344285977805594e-05,
387
+ "loss": 0.4972,
388
+ "step": 270
389
+ },
390
+ {
391
+ "epoch": 0.5121042830540037,
392
+ "grad_norm": 0.14216267176397104,
393
+ "learning_rate": 4.8256215462499866e-05,
394
+ "loss": 0.4977,
395
+ "step": 275
396
+ },
397
+ {
398
+ "epoch": 0.521415270018622,
399
+ "grad_norm": 0.1442544392520683,
400
+ "learning_rate": 4.816595717928327e-05,
401
+ "loss": 0.5045,
402
+ "step": 280
403
+ },
404
+ {
405
+ "epoch": 0.5307262569832403,
406
+ "grad_norm": 0.14073656875745008,
407
+ "learning_rate": 4.807352064165195e-05,
408
+ "loss": 0.4899,
409
+ "step": 285
410
+ },
411
+ {
412
+ "epoch": 0.5400372439478585,
413
+ "grad_norm": 0.18295662717507738,
414
+ "learning_rate": 4.7978915592696644e-05,
415
+ "loss": 0.4968,
416
+ "step": 290
417
+ },
418
+ {
419
+ "epoch": 0.5493482309124768,
420
+ "grad_norm": 0.1804436580847151,
421
+ "learning_rate": 4.788215200407576e-05,
422
+ "loss": 0.4921,
423
+ "step": 295
424
+ },
425
+ {
426
+ "epoch": 0.5586592178770949,
427
+ "grad_norm": 0.14254600145362717,
428
+ "learning_rate": 4.7783240074964316e-05,
429
+ "loss": 0.4924,
430
+ "step": 300
431
+ },
432
+ {
433
+ "epoch": 0.5679702048417132,
434
+ "grad_norm": 0.1510375274736302,
435
+ "learning_rate": 4.76821902309789e-05,
436
+ "loss": 0.4969,
437
+ "step": 305
438
+ },
439
+ {
440
+ "epoch": 0.5772811918063314,
441
+ "grad_norm": 0.14322180938059342,
442
+ "learning_rate": 4.757901312307882e-05,
443
+ "loss": 0.4867,
444
+ "step": 310
445
+ },
446
+ {
447
+ "epoch": 0.5865921787709497,
448
+ "grad_norm": 0.15778761438406094,
449
+ "learning_rate": 4.747371962644344e-05,
450
+ "loss": 0.5062,
451
+ "step": 315
452
+ },
453
+ {
454
+ "epoch": 0.595903165735568,
455
+ "grad_norm": 0.15689388105498725,
456
+ "learning_rate": 4.7366320839325864e-05,
457
+ "loss": 0.4992,
458
+ "step": 320
459
+ },
460
+ {
461
+ "epoch": 0.6052141527001862,
462
+ "grad_norm": 0.14383076831723837,
463
+ "learning_rate": 4.7256828081883205e-05,
464
+ "loss": 0.4989,
465
+ "step": 325
466
+ },
467
+ {
468
+ "epoch": 0.6145251396648045,
469
+ "grad_norm": 0.21080496453629785,
470
+ "learning_rate": 4.71452528949834e-05,
471
+ "loss": 0.4898,
472
+ "step": 330
473
+ },
474
+ {
475
+ "epoch": 0.6238361266294227,
476
+ "grad_norm": 0.14254271015618503,
477
+ "learning_rate": 4.7031607038988735e-05,
478
+ "loss": 0.4802,
479
+ "step": 335
480
+ },
481
+ {
482
+ "epoch": 0.633147113594041,
483
+ "grad_norm": 0.15811041126836908,
484
+ "learning_rate": 4.691590249251627e-05,
485
+ "loss": 0.4907,
486
+ "step": 340
487
+ },
488
+ {
489
+ "epoch": 0.6424581005586593,
490
+ "grad_norm": 0.13753498439384687,
491
+ "learning_rate": 4.67981514511753e-05,
492
+ "loss": 0.494,
493
+ "step": 345
494
+ },
495
+ {
496
+ "epoch": 0.6517690875232774,
497
+ "grad_norm": 0.1381443189067191,
498
+ "learning_rate": 4.667836632628185e-05,
499
+ "loss": 0.4929,
500
+ "step": 350
501
+ },
502
+ {
503
+ "epoch": 0.6610800744878957,
504
+ "grad_norm": 0.14535188259873358,
505
+ "learning_rate": 4.655655974355051e-05,
506
+ "loss": 0.492,
507
+ "step": 355
508
+ },
509
+ {
510
+ "epoch": 0.6703910614525139,
511
+ "grad_norm": 0.16265320769415334,
512
+ "learning_rate": 4.643274454176365e-05,
513
+ "loss": 0.4854,
514
+ "step": 360
515
+ },
516
+ {
517
+ "epoch": 0.6797020484171322,
518
+ "grad_norm": 0.1426180701421254,
519
+ "learning_rate": 4.630693377141816e-05,
520
+ "loss": 0.4865,
521
+ "step": 365
522
+ },
523
+ {
524
+ "epoch": 0.6890130353817505,
525
+ "grad_norm": 0.1422570068389307,
526
+ "learning_rate": 4.6179140693349894e-05,
527
+ "loss": 0.4848,
528
+ "step": 370
529
+ },
530
+ {
531
+ "epoch": 0.6983240223463687,
532
+ "grad_norm": 0.14960885172487687,
533
+ "learning_rate": 4.6049378777335925e-05,
534
+ "loss": 0.478,
535
+ "step": 375
536
+ },
537
+ {
538
+ "epoch": 0.707635009310987,
539
+ "grad_norm": 0.1686075463208643,
540
+ "learning_rate": 4.591766170067484e-05,
541
+ "loss": 0.4856,
542
+ "step": 380
543
+ },
544
+ {
545
+ "epoch": 0.7169459962756052,
546
+ "grad_norm": 0.1696479397319911,
547
+ "learning_rate": 4.578400334674503e-05,
548
+ "loss": 0.4738,
549
+ "step": 385
550
+ },
551
+ {
552
+ "epoch": 0.7262569832402235,
553
+ "grad_norm": 0.12636437658397243,
554
+ "learning_rate": 4.5648417803541405e-05,
555
+ "loss": 0.4861,
556
+ "step": 390
557
+ },
558
+ {
559
+ "epoch": 0.7355679702048417,
560
+ "grad_norm": 0.14823499403718474,
561
+ "learning_rate": 4.5510919362190465e-05,
562
+ "loss": 0.4874,
563
+ "step": 395
564
+ },
565
+ {
566
+ "epoch": 0.74487895716946,
567
+ "grad_norm": 0.13876911181183,
568
+ "learning_rate": 4.5371522515443934e-05,
569
+ "loss": 0.481,
570
+ "step": 400
571
+ },
572
+ {
573
+ "epoch": 0.7541899441340782,
574
+ "grad_norm": 0.14555324320118293,
575
+ "learning_rate": 4.523024195615124e-05,
576
+ "loss": 0.4917,
577
+ "step": 405
578
+ },
579
+ {
580
+ "epoch": 0.7635009310986964,
581
+ "grad_norm": 0.1483421827835732,
582
+ "learning_rate": 4.508709257571081e-05,
583
+ "loss": 0.4818,
584
+ "step": 410
585
+ },
586
+ {
587
+ "epoch": 0.7728119180633147,
588
+ "grad_norm": 0.1419680809174011,
589
+ "learning_rate": 4.494208946250042e-05,
590
+ "loss": 0.4772,
591
+ "step": 415
592
+ },
593
+ {
594
+ "epoch": 0.7821229050279329,
595
+ "grad_norm": 0.16513221694643368,
596
+ "learning_rate": 4.4795247900286975e-05,
597
+ "loss": 0.4845,
598
+ "step": 420
599
+ },
600
+ {
601
+ "epoch": 0.7914338919925512,
602
+ "grad_norm": 0.14036938615466898,
603
+ "learning_rate": 4.46465833666154e-05,
604
+ "loss": 0.4904,
605
+ "step": 425
606
+ },
607
+ {
608
+ "epoch": 0.8007448789571695,
609
+ "grad_norm": 0.14632734868202635,
610
+ "learning_rate": 4.449611153117736e-05,
611
+ "loss": 0.4916,
612
+ "step": 430
613
+ },
614
+ {
615
+ "epoch": 0.8100558659217877,
616
+ "grad_norm": 0.20473257481525392,
617
+ "learning_rate": 4.4343848254159587e-05,
618
+ "loss": 0.4805,
619
+ "step": 435
620
+ },
621
+ {
622
+ "epoch": 0.819366852886406,
623
+ "grad_norm": 0.12821369541497668,
624
+ "learning_rate": 4.418980958457217e-05,
625
+ "loss": 0.4778,
626
+ "step": 440
627
+ },
628
+ {
629
+ "epoch": 0.8286778398510242,
630
+ "grad_norm": 0.14169275068446857,
631
+ "learning_rate": 4.4034011758556957e-05,
632
+ "loss": 0.4824,
633
+ "step": 445
634
+ },
635
+ {
636
+ "epoch": 0.8379888268156425,
637
+ "grad_norm": 0.13905298509358965,
638
+ "learning_rate": 4.387647119767619e-05,
639
+ "loss": 0.4879,
640
+ "step": 450
641
+ },
642
+ {
643
+ "epoch": 0.8472998137802608,
644
+ "grad_norm": 0.14408464936999882,
645
+ "learning_rate": 4.3717204507181665e-05,
646
+ "loss": 0.4826,
647
+ "step": 455
648
+ },
649
+ {
650
+ "epoch": 0.8566108007448789,
651
+ "grad_norm": 0.1408096706025395,
652
+ "learning_rate": 4.355622847426443e-05,
653
+ "loss": 0.481,
654
+ "step": 460
655
+ },
656
+ {
657
+ "epoch": 0.8659217877094972,
658
+ "grad_norm": 0.18158777593456274,
659
+ "learning_rate": 4.339356006628542e-05,
660
+ "loss": 0.4688,
661
+ "step": 465
662
+ },
663
+ {
664
+ "epoch": 0.8752327746741154,
665
+ "grad_norm": 0.12760922940847635,
666
+ "learning_rate": 4.322921642898701e-05,
667
+ "loss": 0.4802,
668
+ "step": 470
669
+ },
670
+ {
671
+ "epoch": 0.8845437616387337,
672
+ "grad_norm": 0.11771870402744473,
673
+ "learning_rate": 4.3063214884685835e-05,
674
+ "loss": 0.4856,
675
+ "step": 475
676
+ },
677
+ {
678
+ "epoch": 0.8938547486033519,
679
+ "grad_norm": 0.12319800101836006,
680
+ "learning_rate": 4.2895572930446895e-05,
681
+ "loss": 0.4864,
682
+ "step": 480
683
+ },
684
+ {
685
+ "epoch": 0.9031657355679702,
686
+ "grad_norm": 0.1266489948893168,
687
+ "learning_rate": 4.272630823623942e-05,
688
+ "loss": 0.4718,
689
+ "step": 485
690
+ },
691
+ {
692
+ "epoch": 0.9124767225325885,
693
+ "grad_norm": 0.1539105039445935,
694
+ "learning_rate": 4.255543864307431e-05,
695
+ "loss": 0.4852,
696
+ "step": 490
697
+ },
698
+ {
699
+ "epoch": 0.9217877094972067,
700
+ "grad_norm": 0.14332478118043573,
701
+ "learning_rate": 4.238298216112367e-05,
702
+ "loss": 0.4773,
703
+ "step": 495
704
+ },
705
+ {
706
+ "epoch": 0.931098696461825,
707
+ "grad_norm": 0.12617484788483693,
708
+ "learning_rate": 4.220895696782251e-05,
709
+ "loss": 0.4727,
710
+ "step": 500
711
+ },
712
+ {
713
+ "epoch": 0.9404096834264432,
714
+ "grad_norm": 0.1360094821692902,
715
+ "learning_rate": 4.2033381405952715e-05,
716
+ "loss": 0.4765,
717
+ "step": 505
718
+ },
719
+ {
720
+ "epoch": 0.9497206703910615,
721
+ "grad_norm": 0.1283299871000522,
722
+ "learning_rate": 4.1856273981709757e-05,
723
+ "loss": 0.4785,
724
+ "step": 510
725
+ },
726
+ {
727
+ "epoch": 0.9590316573556797,
728
+ "grad_norm": 0.1456300012973035,
729
+ "learning_rate": 4.167765336275201e-05,
730
+ "loss": 0.4836,
731
+ "step": 515
732
+ },
733
+ {
734
+ "epoch": 0.9683426443202979,
735
+ "grad_norm": 0.12631639520637056,
736
+ "learning_rate": 4.149753837623317e-05,
737
+ "loss": 0.4742,
738
+ "step": 520
739
+ },
740
+ {
741
+ "epoch": 0.9776536312849162,
742
+ "grad_norm": 0.12595076088478818,
743
+ "learning_rate": 4.1315948006817755e-05,
744
+ "loss": 0.4808,
745
+ "step": 525
746
+ },
747
+ {
748
+ "epoch": 0.9869646182495344,
749
+ "grad_norm": 0.12055722184602191,
750
+ "learning_rate": 4.113290139468015e-05,
751
+ "loss": 0.4725,
752
+ "step": 530
753
+ },
754
+ {
755
+ "epoch": 0.9962756052141527,
756
+ "grad_norm": 0.13737170916427302,
757
+ "learning_rate": 4.0948417833487104e-05,
758
+ "loss": 0.4771,
759
+ "step": 535
760
+ },
761
+ {
762
+ "epoch": 1.005586592178771,
763
+ "grad_norm": 0.1402038369271413,
764
+ "learning_rate": 4.0762516768364164e-05,
765
+ "loss": 0.4531,
766
+ "step": 540
767
+ },
768
+ {
769
+ "epoch": 1.0148975791433892,
770
+ "grad_norm": 0.1389386280489692,
771
+ "learning_rate": 4.0575217793846045e-05,
772
+ "loss": 0.4618,
773
+ "step": 545
774
+ },
775
+ {
776
+ "epoch": 1.0242085661080074,
777
+ "grad_norm": 0.1301676008479176,
778
+ "learning_rate": 4.038654065181137e-05,
779
+ "loss": 0.4444,
780
+ "step": 550
781
+ },
782
+ {
783
+ "epoch": 1.0335195530726258,
784
+ "grad_norm": 0.12917021441633983,
785
+ "learning_rate": 4.0196505229401785e-05,
786
+ "loss": 0.4478,
787
+ "step": 555
788
+ },
789
+ {
790
+ "epoch": 1.042830540037244,
791
+ "grad_norm": 0.12625994093795317,
792
+ "learning_rate": 4.0005131556925795e-05,
793
+ "loss": 0.447,
794
+ "step": 560
795
+ },
796
+ {
797
+ "epoch": 1.0521415270018621,
798
+ "grad_norm": 0.1407545892773896,
799
+ "learning_rate": 3.98124398057475e-05,
800
+ "loss": 0.4511,
801
+ "step": 565
802
+ },
803
+ {
804
+ "epoch": 1.0614525139664805,
805
+ "grad_norm": 0.1392139399442254,
806
+ "learning_rate": 3.961845028616052e-05,
807
+ "loss": 0.4581,
808
+ "step": 570
809
+ },
810
+ {
811
+ "epoch": 1.0707635009310987,
812
+ "grad_norm": 0.11692992722859218,
813
+ "learning_rate": 3.9423183445247117e-05,
814
+ "loss": 0.4466,
815
+ "step": 575
816
+ },
817
+ {
818
+ "epoch": 1.080074487895717,
819
+ "grad_norm": 0.11866718899104756,
820
+ "learning_rate": 3.9226659864723166e-05,
821
+ "loss": 0.4505,
822
+ "step": 580
823
+ },
824
+ {
825
+ "epoch": 1.089385474860335,
826
+ "grad_norm": 0.1301769972288239,
827
+ "learning_rate": 3.902890025876867e-05,
828
+ "loss": 0.4568,
829
+ "step": 585
830
+ },
831
+ {
832
+ "epoch": 1.0986964618249535,
833
+ "grad_norm": 0.12988708729398774,
834
+ "learning_rate": 3.8829925471844434e-05,
835
+ "loss": 0.4486,
836
+ "step": 590
837
+ },
838
+ {
839
+ "epoch": 1.1080074487895717,
840
+ "grad_norm": 0.14294084168875013,
841
+ "learning_rate": 3.8629756476495024e-05,
842
+ "loss": 0.4519,
843
+ "step": 595
844
+ },
845
+ {
846
+ "epoch": 1.1173184357541899,
847
+ "grad_norm": 0.12461053171632061,
848
+ "learning_rate": 3.842841437113821e-05,
849
+ "loss": 0.4551,
850
+ "step": 600
851
+ },
852
+ {
853
+ "epoch": 1.1266294227188083,
854
+ "grad_norm": 0.12220034734319962,
855
+ "learning_rate": 3.822592037784109e-05,
856
+ "loss": 0.4445,
857
+ "step": 605
858
+ },
859
+ {
860
+ "epoch": 1.1359404096834265,
861
+ "grad_norm": 0.11924325065263018,
862
+ "learning_rate": 3.802229584008321e-05,
863
+ "loss": 0.4493,
864
+ "step": 610
865
+ },
866
+ {
867
+ "epoch": 1.1452513966480447,
868
+ "grad_norm": 0.1549692686985166,
869
+ "learning_rate": 3.781756222050696e-05,
870
+ "loss": 0.4549,
871
+ "step": 615
872
+ },
873
+ {
874
+ "epoch": 1.1545623836126628,
875
+ "grad_norm": 0.11567955790271696,
876
+ "learning_rate": 3.761174109865529e-05,
877
+ "loss": 0.4484,
878
+ "step": 620
879
+ },
880
+ {
881
+ "epoch": 1.1638733705772812,
882
+ "grad_norm": 0.11742160828357712,
883
+ "learning_rate": 3.7404854168697215e-05,
884
+ "loss": 0.4567,
885
+ "step": 625
886
+ },
887
+ {
888
+ "epoch": 1.1731843575418994,
889
+ "grad_norm": 0.12900092793504658,
890
+ "learning_rate": 3.719692323714109e-05,
891
+ "loss": 0.4352,
892
+ "step": 630
893
+ },
894
+ {
895
+ "epoch": 1.1824953445065176,
896
+ "grad_norm": 0.14140700517521818,
897
+ "learning_rate": 3.6987970220536246e-05,
898
+ "loss": 0.4488,
899
+ "step": 635
900
+ },
901
+ {
902
+ "epoch": 1.191806331471136,
903
+ "grad_norm": 0.1293764570562897,
904
+ "learning_rate": 3.677801714316283e-05,
905
+ "loss": 0.4512,
906
+ "step": 640
907
+ },
908
+ {
909
+ "epoch": 1.2011173184357542,
910
+ "grad_norm": 0.1312966218053429,
911
+ "learning_rate": 3.6567086134710466e-05,
912
+ "loss": 0.4484,
913
+ "step": 645
914
+ },
915
+ {
916
+ "epoch": 1.2104283054003724,
917
+ "grad_norm": 0.11960370887697533,
918
+ "learning_rate": 3.6355199427945634e-05,
919
+ "loss": 0.4499,
920
+ "step": 650
921
+ },
922
+ {
923
+ "epoch": 1.2197392923649906,
924
+ "grad_norm": 0.12886802374746667,
925
+ "learning_rate": 3.6142379356368334e-05,
926
+ "loss": 0.4508,
927
+ "step": 655
928
+ },
929
+ {
930
+ "epoch": 1.229050279329609,
931
+ "grad_norm": 0.12443137480159507,
932
+ "learning_rate": 3.5928648351858027e-05,
933
+ "loss": 0.4531,
934
+ "step": 660
935
+ },
936
+ {
937
+ "epoch": 1.2383612662942272,
938
+ "grad_norm": 0.1235305037487046,
939
+ "learning_rate": 3.571402894230926e-05,
940
+ "loss": 0.4535,
941
+ "step": 665
942
+ },
943
+ {
944
+ "epoch": 1.2476722532588453,
945
+ "grad_norm": 0.12201354012941291,
946
+ "learning_rate": 3.549854374925716e-05,
947
+ "loss": 0.4442,
948
+ "step": 670
949
+ },
950
+ {
951
+ "epoch": 1.2569832402234637,
952
+ "grad_norm": 0.11281012174298978,
953
+ "learning_rate": 3.528221548549307e-05,
954
+ "loss": 0.4427,
955
+ "step": 675
956
+ },
957
+ {
958
+ "epoch": 1.266294227188082,
959
+ "grad_norm": 0.12838733714308004,
960
+ "learning_rate": 3.506506695267052e-05,
961
+ "loss": 0.4529,
962
+ "step": 680
963
+ },
964
+ {
965
+ "epoch": 1.2756052141527001,
966
+ "grad_norm": 0.15014600853193164,
967
+ "learning_rate": 3.4847121038901877e-05,
968
+ "loss": 0.4477,
969
+ "step": 685
970
+ },
971
+ {
972
+ "epoch": 1.2849162011173183,
973
+ "grad_norm": 0.1302974794693121,
974
+ "learning_rate": 3.4628400716345896e-05,
975
+ "loss": 0.4426,
976
+ "step": 690
977
+ },
978
+ {
979
+ "epoch": 1.2942271880819367,
980
+ "grad_norm": 0.14919901945518166,
981
+ "learning_rate": 3.440892903878634e-05,
982
+ "loss": 0.4548,
983
+ "step": 695
984
+ },
985
+ {
986
+ "epoch": 1.303538175046555,
987
+ "grad_norm": 0.1440080046929404,
988
+ "learning_rate": 3.4188729139202065e-05,
989
+ "loss": 0.4468,
990
+ "step": 700
991
+ },
992
+ {
993
+ "epoch": 1.3128491620111733,
994
+ "grad_norm": 0.13277438244879466,
995
+ "learning_rate": 3.396782422732874e-05,
996
+ "loss": 0.4477,
997
+ "step": 705
998
+ },
999
+ {
1000
+ "epoch": 1.3221601489757915,
1001
+ "grad_norm": 0.12813547908714812,
1002
+ "learning_rate": 3.374623758721246e-05,
1003
+ "loss": 0.443,
1004
+ "step": 710
1005
+ },
1006
+ {
1007
+ "epoch": 1.3314711359404097,
1008
+ "grad_norm": 0.1142868678900171,
1009
+ "learning_rate": 3.352399257475553e-05,
1010
+ "loss": 0.4476,
1011
+ "step": 715
1012
+ },
1013
+ {
1014
+ "epoch": 1.3407821229050279,
1015
+ "grad_norm": 0.12281619965751127,
1016
+ "learning_rate": 3.330111261525471e-05,
1017
+ "loss": 0.4509,
1018
+ "step": 720
1019
+ },
1020
+ {
1021
+ "epoch": 1.3500931098696463,
1022
+ "grad_norm": 0.12546558627371193,
1023
+ "learning_rate": 3.307762120093208e-05,
1024
+ "loss": 0.4467,
1025
+ "step": 725
1026
+ },
1027
+ {
1028
+ "epoch": 1.3594040968342644,
1029
+ "grad_norm": 0.12160846175906896,
1030
+ "learning_rate": 3.285354188845892e-05,
1031
+ "loss": 0.4559,
1032
+ "step": 730
1033
+ },
1034
+ {
1035
+ "epoch": 1.3687150837988826,
1036
+ "grad_norm": 0.1327867446422573,
1037
+ "learning_rate": 3.262889829647276e-05,
1038
+ "loss": 0.4461,
1039
+ "step": 735
1040
+ },
1041
+ {
1042
+ "epoch": 1.378026070763501,
1043
+ "grad_norm": 0.11851775176530409,
1044
+ "learning_rate": 3.2403714103087875e-05,
1045
+ "loss": 0.4376,
1046
+ "step": 740
1047
+ },
1048
+ {
1049
+ "epoch": 1.3873370577281192,
1050
+ "grad_norm": 0.13354798789102165,
1051
+ "learning_rate": 3.217801304339959e-05,
1052
+ "loss": 0.4483,
1053
+ "step": 745
1054
+ },
1055
+ {
1056
+ "epoch": 1.3966480446927374,
1057
+ "grad_norm": 0.1219907416413629,
1058
+ "learning_rate": 3.1951818906982474e-05,
1059
+ "loss": 0.4574,
1060
+ "step": 750
1061
+ },
1062
+ {
1063
+ "epoch": 1.4059590316573556,
1064
+ "grad_norm": 0.1341034895178442,
1065
+ "learning_rate": 3.1725155535382905e-05,
1066
+ "loss": 0.4557,
1067
+ "step": 755
1068
+ },
1069
+ {
1070
+ "epoch": 1.415270018621974,
1071
+ "grad_norm": 0.12347048681951657,
1072
+ "learning_rate": 3.1498046819606056e-05,
1073
+ "loss": 0.447,
1074
+ "step": 760
1075
+ },
1076
+ {
1077
+ "epoch": 1.4245810055865922,
1078
+ "grad_norm": 0.11917886931538982,
1079
+ "learning_rate": 3.127051669759769e-05,
1080
+ "loss": 0.4454,
1081
+ "step": 765
1082
+ },
1083
+ {
1084
+ "epoch": 1.4338919925512104,
1085
+ "grad_norm": 0.11857820273802168,
1086
+ "learning_rate": 3.1042589151721134e-05,
1087
+ "loss": 0.449,
1088
+ "step": 770
1089
+ },
1090
+ {
1091
+ "epoch": 1.4432029795158288,
1092
+ "grad_norm": 0.11694287535715704,
1093
+ "learning_rate": 3.081428820622935e-05,
1094
+ "loss": 0.4384,
1095
+ "step": 775
1096
+ },
1097
+ {
1098
+ "epoch": 1.452513966480447,
1099
+ "grad_norm": 0.1155522561144092,
1100
+ "learning_rate": 3.058563792473273e-05,
1101
+ "loss": 0.4391,
1102
+ "step": 780
1103
+ },
1104
+ {
1105
+ "epoch": 1.4618249534450651,
1106
+ "grad_norm": 0.12724124843039097,
1107
+ "learning_rate": 3.0356662407662768e-05,
1108
+ "loss": 0.4464,
1109
+ "step": 785
1110
+ },
1111
+ {
1112
+ "epoch": 1.4711359404096833,
1113
+ "grad_norm": 0.12271179738453024,
1114
+ "learning_rate": 3.0127385789731766e-05,
1115
+ "loss": 0.447,
1116
+ "step": 790
1117
+ },
1118
+ {
1119
+ "epoch": 1.4804469273743017,
1120
+ "grad_norm": 0.13153662517383716,
1121
+ "learning_rate": 2.9897832237388977e-05,
1122
+ "loss": 0.4522,
1123
+ "step": 795
1124
+ },
1125
+ {
1126
+ "epoch": 1.48975791433892,
1127
+ "grad_norm": 0.13079604733987632,
1128
+ "learning_rate": 2.9668025946273353e-05,
1129
+ "loss": 0.4466,
1130
+ "step": 800
1131
+ },
1132
+ {
1133
+ "epoch": 1.499068901303538,
1134
+ "grad_norm": 0.12483287404044502,
1135
+ "learning_rate": 2.943799113866329e-05,
1136
+ "loss": 0.4535,
1137
+ "step": 805
1138
+ },
1139
+ {
1140
+ "epoch": 1.5083798882681565,
1141
+ "grad_norm": 0.16043696471672628,
1142
+ "learning_rate": 2.9207752060923526e-05,
1143
+ "loss": 0.4451,
1144
+ "step": 810
1145
+ },
1146
+ {
1147
+ "epoch": 1.5176908752327747,
1148
+ "grad_norm": 0.1237851353311521,
1149
+ "learning_rate": 2.8977332980949468e-05,
1150
+ "loss": 0.4311,
1151
+ "step": 815
1152
+ },
1153
+ {
1154
+ "epoch": 1.5270018621973929,
1155
+ "grad_norm": 0.11667518885636707,
1156
+ "learning_rate": 2.874675818560933e-05,
1157
+ "loss": 0.439,
1158
+ "step": 820
1159
+ },
1160
+ {
1161
+ "epoch": 1.536312849162011,
1162
+ "grad_norm": 0.1165443133197676,
1163
+ "learning_rate": 2.851605197818416e-05,
1164
+ "loss": 0.4533,
1165
+ "step": 825
1166
+ },
1167
+ {
1168
+ "epoch": 1.5456238361266295,
1169
+ "grad_norm": 0.11852825430527979,
1170
+ "learning_rate": 2.828523867580628e-05,
1171
+ "loss": 0.4478,
1172
+ "step": 830
1173
+ },
1174
+ {
1175
+ "epoch": 1.5549348230912476,
1176
+ "grad_norm": 0.11263242835984934,
1177
+ "learning_rate": 2.80543426068961e-05,
1178
+ "loss": 0.4413,
1179
+ "step": 835
1180
+ },
1181
+ {
1182
+ "epoch": 1.564245810055866,
1183
+ "grad_norm": 0.11792947875462449,
1184
+ "learning_rate": 2.7823388108597904e-05,
1185
+ "loss": 0.4419,
1186
+ "step": 840
1187
+ },
1188
+ {
1189
+ "epoch": 1.5735567970204842,
1190
+ "grad_norm": 0.11536152090272359,
1191
+ "learning_rate": 2.75923995242146e-05,
1192
+ "loss": 0.4441,
1193
+ "step": 845
1194
+ },
1195
+ {
1196
+ "epoch": 1.5828677839851024,
1197
+ "grad_norm": 0.11948166926439772,
1198
+ "learning_rate": 2.7361401200641883e-05,
1199
+ "loss": 0.4481,
1200
+ "step": 850
1201
+ },
1202
+ {
1203
+ "epoch": 1.5921787709497206,
1204
+ "grad_norm": 0.13523357634130967,
1205
+ "learning_rate": 2.7130417485801968e-05,
1206
+ "loss": 0.446,
1207
+ "step": 855
1208
+ },
1209
+ {
1210
+ "epoch": 1.6014897579143388,
1211
+ "grad_norm": 0.12128750858126454,
1212
+ "learning_rate": 2.6899472726077275e-05,
1213
+ "loss": 0.4425,
1214
+ "step": 860
1215
+ },
1216
+ {
1217
+ "epoch": 1.6108007448789572,
1218
+ "grad_norm": 0.11455173358368062,
1219
+ "learning_rate": 2.6668591263744246e-05,
1220
+ "loss": 0.4441,
1221
+ "step": 865
1222
+ },
1223
+ {
1224
+ "epoch": 1.6201117318435754,
1225
+ "grad_norm": 0.13042675513137278,
1226
+ "learning_rate": 2.6437797434407574e-05,
1227
+ "loss": 0.4398,
1228
+ "step": 870
1229
+ },
1230
+ {
1231
+ "epoch": 1.6294227188081938,
1232
+ "grad_norm": 0.12385390445885733,
1233
+ "learning_rate": 2.620711556443516e-05,
1234
+ "loss": 0.4511,
1235
+ "step": 875
1236
+ },
1237
+ {
1238
+ "epoch": 1.638733705772812,
1239
+ "grad_norm": 0.11517915674628858,
1240
+ "learning_rate": 2.5976569968394083e-05,
1241
+ "loss": 0.4443,
1242
+ "step": 880
1243
+ },
1244
+ {
1245
+ "epoch": 1.6480446927374302,
1246
+ "grad_norm": 0.10395291968134747,
1247
+ "learning_rate": 2.574618494648771e-05,
1248
+ "loss": 0.4442,
1249
+ "step": 885
1250
+ },
1251
+ {
1252
+ "epoch": 1.6573556797020483,
1253
+ "grad_norm": 0.11431662054546529,
1254
+ "learning_rate": 2.5515984781994417e-05,
1255
+ "loss": 0.4433,
1256
+ "step": 890
1257
+ },
1258
+ {
1259
+ "epoch": 1.6666666666666665,
1260
+ "grad_norm": 0.11997395296814937,
1261
+ "learning_rate": 2.528599373870804e-05,
1262
+ "loss": 0.4412,
1263
+ "step": 895
1264
+ },
1265
+ {
1266
+ "epoch": 1.675977653631285,
1267
+ "grad_norm": 0.11251548912326118,
1268
+ "learning_rate": 2.5056236058380422e-05,
1269
+ "loss": 0.4341,
1270
+ "step": 900
1271
+ },
1272
+ {
1273
+ "epoch": 1.6852886405959033,
1274
+ "grad_norm": 0.12200163922402081,
1275
+ "learning_rate": 2.4826735958166238e-05,
1276
+ "loss": 0.4391,
1277
+ "step": 905
1278
+ },
1279
+ {
1280
+ "epoch": 1.6945996275605215,
1281
+ "grad_norm": 0.12515447326859908,
1282
+ "learning_rate": 2.4597517628070434e-05,
1283
+ "loss": 0.4335,
1284
+ "step": 910
1285
+ },
1286
+ {
1287
+ "epoch": 1.7039106145251397,
1288
+ "grad_norm": 0.11900007427268738,
1289
+ "learning_rate": 2.4368605228398534e-05,
1290
+ "loss": 0.4442,
1291
+ "step": 915
1292
+ },
1293
+ {
1294
+ "epoch": 1.7132216014897579,
1295
+ "grad_norm": 0.10327616314867456,
1296
+ "learning_rate": 2.4140022887210074e-05,
1297
+ "loss": 0.442,
1298
+ "step": 920
1299
+ },
1300
+ {
1301
+ "epoch": 1.722532588454376,
1302
+ "grad_norm": 0.11195530093482621,
1303
+ "learning_rate": 2.391179469777543e-05,
1304
+ "loss": 0.4335,
1305
+ "step": 925
1306
+ },
1307
+ {
1308
+ "epoch": 1.7318435754189943,
1309
+ "grad_norm": 0.10733741642428904,
1310
+ "learning_rate": 2.3683944716036316e-05,
1311
+ "loss": 0.4379,
1312
+ "step": 930
1313
+ },
1314
+ {
1315
+ "epoch": 1.7411545623836127,
1316
+ "grad_norm": 0.10722035609207795,
1317
+ "learning_rate": 2.345649695807019e-05,
1318
+ "loss": 0.4367,
1319
+ "step": 935
1320
+ },
1321
+ {
1322
+ "epoch": 1.750465549348231,
1323
+ "grad_norm": 0.11022965957105299,
1324
+ "learning_rate": 2.322947539755892e-05,
1325
+ "loss": 0.4433,
1326
+ "step": 940
1327
+ },
1328
+ {
1329
+ "epoch": 1.7597765363128492,
1330
+ "grad_norm": 0.11737086019377437,
1331
+ "learning_rate": 2.3002903963261884e-05,
1332
+ "loss": 0.4403,
1333
+ "step": 945
1334
+ },
1335
+ {
1336
+ "epoch": 1.7690875232774674,
1337
+ "grad_norm": 0.10855004430890172,
1338
+ "learning_rate": 2.2776806536493774e-05,
1339
+ "loss": 0.4391,
1340
+ "step": 950
1341
+ },
1342
+ {
1343
+ "epoch": 1.7783985102420856,
1344
+ "grad_norm": 0.11126097809718666,
1345
+ "learning_rate": 2.2551206948607466e-05,
1346
+ "loss": 0.4344,
1347
+ "step": 955
1348
+ },
1349
+ {
1350
+ "epoch": 1.7877094972067038,
1351
+ "grad_norm": 0.11482383919676267,
1352
+ "learning_rate": 2.2326128978482103e-05,
1353
+ "loss": 0.4369,
1354
+ "step": 960
1355
+ },
1356
+ {
1357
+ "epoch": 1.7970204841713222,
1358
+ "grad_norm": 0.10817387409350918,
1359
+ "learning_rate": 2.2101596350016756e-05,
1360
+ "loss": 0.4384,
1361
+ "step": 965
1362
+ },
1363
+ {
1364
+ "epoch": 1.8063314711359404,
1365
+ "grad_norm": 0.10278656697485476,
1366
+ "learning_rate": 2.1877632729629803e-05,
1367
+ "loss": 0.4363,
1368
+ "step": 970
1369
+ },
1370
+ {
1371
+ "epoch": 1.8156424581005588,
1372
+ "grad_norm": 0.10003238891948513,
1373
+ "learning_rate": 2.16542617237645e-05,
1374
+ "loss": 0.4386,
1375
+ "step": 975
1376
+ },
1377
+ {
1378
+ "epoch": 1.824953445065177,
1379
+ "grad_norm": 0.12056952514610235,
1380
+ "learning_rate": 2.1431506876400694e-05,
1381
+ "loss": 0.4324,
1382
+ "step": 980
1383
+ },
1384
+ {
1385
+ "epoch": 1.8342644320297952,
1386
+ "grad_norm": 0.11514887779350329,
1387
+ "learning_rate": 2.1209391666573265e-05,
1388
+ "loss": 0.4431,
1389
+ "step": 985
1390
+ },
1391
+ {
1392
+ "epoch": 1.8435754189944134,
1393
+ "grad_norm": 0.11972084038390686,
1394
+ "learning_rate": 2.0987939505897393e-05,
1395
+ "loss": 0.4452,
1396
+ "step": 990
1397
+ },
1398
+ {
1399
+ "epoch": 1.8528864059590315,
1400
+ "grad_norm": 0.11700688868223293,
1401
+ "learning_rate": 2.076717373610083e-05,
1402
+ "loss": 0.4423,
1403
+ "step": 995
1404
+ },
1405
+ {
1406
+ "epoch": 1.86219739292365,
1407
+ "grad_norm": 0.111956011270972,
1408
+ "learning_rate": 2.054711762656369e-05,
1409
+ "loss": 0.4377,
1410
+ "step": 1000
1411
+ },
1412
+ {
1413
+ "epoch": 1.8715083798882681,
1414
+ "grad_norm": 0.10113399321289508,
1415
+ "learning_rate": 2.032779437186572e-05,
1416
+ "loss": 0.4386,
1417
+ "step": 1005
1418
+ },
1419
+ {
1420
+ "epoch": 1.8808193668528865,
1421
+ "grad_norm": 0.1058333563087994,
1422
+ "learning_rate": 2.010922708934157e-05,
1423
+ "loss": 0.4317,
1424
+ "step": 1010
1425
+ },
1426
+ {
1427
+ "epoch": 1.8901303538175047,
1428
+ "grad_norm": 0.10370579219821685,
1429
+ "learning_rate": 1.9891438816644114e-05,
1430
+ "loss": 0.4349,
1431
+ "step": 1015
1432
+ },
1433
+ {
1434
+ "epoch": 1.899441340782123,
1435
+ "grad_norm": 0.1206689535928644,
1436
+ "learning_rate": 1.967445250931627e-05,
1437
+ "loss": 0.4365,
1438
+ "step": 1020
1439
+ },
1440
+ {
1441
+ "epoch": 1.908752327746741,
1442
+ "grad_norm": 0.1202510464984422,
1443
+ "learning_rate": 1.945829103837133e-05,
1444
+ "loss": 0.4479,
1445
+ "step": 1025
1446
+ },
1447
+ {
1448
+ "epoch": 1.9180633147113593,
1449
+ "grad_norm": 0.10822437459168585,
1450
+ "learning_rate": 1.9242977187882383e-05,
1451
+ "loss": 0.4438,
1452
+ "step": 1030
1453
+ },
1454
+ {
1455
+ "epoch": 1.9273743016759777,
1456
+ "grad_norm": 0.11150240856764543,
1457
+ "learning_rate": 1.902853365258072e-05,
1458
+ "loss": 0.4366,
1459
+ "step": 1035
1460
+ },
1461
+ {
1462
+ "epoch": 1.9366852886405959,
1463
+ "grad_norm": 0.10570123944866744,
1464
+ "learning_rate": 1.8814983035463794e-05,
1465
+ "loss": 0.4433,
1466
+ "step": 1040
1467
+ },
1468
+ {
1469
+ "epoch": 1.9459962756052143,
1470
+ "grad_norm": 0.10602330715260787,
1471
+ "learning_rate": 1.86023478454128e-05,
1472
+ "loss": 0.4388,
1473
+ "step": 1045
1474
+ },
1475
+ {
1476
+ "epoch": 1.9553072625698324,
1477
+ "grad_norm": 0.10899590289579546,
1478
+ "learning_rate": 1.8390650494820107e-05,
1479
+ "loss": 0.4362,
1480
+ "step": 1050
1481
+ },
1482
+ {
1483
+ "epoch": 1.9646182495344506,
1484
+ "grad_norm": 0.11765129534980089,
1485
+ "learning_rate": 1.8179913297226993e-05,
1486
+ "loss": 0.4408,
1487
+ "step": 1055
1488
+ },
1489
+ {
1490
+ "epoch": 1.9739292364990688,
1491
+ "grad_norm": 0.11030605011675014,
1492
+ "learning_rate": 1.7970158464971714e-05,
1493
+ "loss": 0.4467,
1494
+ "step": 1060
1495
+ },
1496
+ {
1497
+ "epoch": 1.983240223463687,
1498
+ "grad_norm": 0.10612432103217494,
1499
+ "learning_rate": 1.7761408106848217e-05,
1500
+ "loss": 0.4346,
1501
+ "step": 1065
1502
+ },
1503
+ {
1504
+ "epoch": 1.9925512104283054,
1505
+ "grad_norm": 0.10754649072396187,
1506
+ "learning_rate": 1.7553684225775867e-05,
1507
+ "loss": 0.429,
1508
+ "step": 1070
1509
+ },
1510
+ {
1511
+ "epoch": 2.001862197392924,
1512
+ "grad_norm": 0.10691719626323028,
1513
+ "learning_rate": 1.734700871648024e-05,
1514
+ "loss": 0.4264,
1515
+ "step": 1075
1516
+ },
1517
+ {
1518
+ "epoch": 2.011173184357542,
1519
+ "grad_norm": 0.11506657646587219,
1520
+ "learning_rate": 1.7141403363185325e-05,
1521
+ "loss": 0.4226,
1522
+ "step": 1080
1523
+ },
1524
+ {
1525
+ "epoch": 2.02048417132216,
1526
+ "grad_norm": 0.10752371863340741,
1527
+ "learning_rate": 1.6936889837317466e-05,
1528
+ "loss": 0.421,
1529
+ "step": 1085
1530
+ },
1531
+ {
1532
+ "epoch": 2.0297951582867784,
1533
+ "grad_norm": 0.10258005127471478,
1534
+ "learning_rate": 1.6733489695221056e-05,
1535
+ "loss": 0.4148,
1536
+ "step": 1090
1537
+ },
1538
+ {
1539
+ "epoch": 2.0391061452513966,
1540
+ "grad_norm": 0.10283082864546561,
1541
+ "learning_rate": 1.6531224375886507e-05,
1542
+ "loss": 0.4202,
1543
+ "step": 1095
1544
+ },
1545
+ {
1546
+ "epoch": 2.0484171322160147,
1547
+ "grad_norm": 0.10708122228606631,
1548
+ "learning_rate": 1.6330115198690462e-05,
1549
+ "loss": 0.4287,
1550
+ "step": 1100
1551
+ },
1552
+ {
1553
+ "epoch": 2.0577281191806334,
1554
+ "grad_norm": 0.10210619581682416,
1555
+ "learning_rate": 1.6130183361148672e-05,
1556
+ "loss": 0.4212,
1557
+ "step": 1105
1558
+ },
1559
+ {
1560
+ "epoch": 2.0670391061452515,
1561
+ "grad_norm": 0.09909955572450115,
1562
+ "learning_rate": 1.593144993668175e-05,
1563
+ "loss": 0.4128,
1564
+ "step": 1110
1565
+ },
1566
+ {
1567
+ "epoch": 2.0763500931098697,
1568
+ "grad_norm": 0.09903027868569465,
1569
+ "learning_rate": 1.5733935872393924e-05,
1570
+ "loss": 0.4102,
1571
+ "step": 1115
1572
+ },
1573
+ {
1574
+ "epoch": 2.085661080074488,
1575
+ "grad_norm": 0.11465913565196915,
1576
+ "learning_rate": 1.5537661986865187e-05,
1577
+ "loss": 0.4196,
1578
+ "step": 1120
1579
+ },
1580
+ {
1581
+ "epoch": 2.094972067039106,
1582
+ "grad_norm": 0.10431445935320442,
1583
+ "learning_rate": 1.5342648967956935e-05,
1584
+ "loss": 0.4211,
1585
+ "step": 1125
1586
+ },
1587
+ {
1588
+ "epoch": 2.1042830540037243,
1589
+ "grad_norm": 0.10867828847006396,
1590
+ "learning_rate": 1.5148917370631389e-05,
1591
+ "loss": 0.4273,
1592
+ "step": 1130
1593
+ },
1594
+ {
1595
+ "epoch": 2.1135940409683425,
1596
+ "grad_norm": 0.10564151475662023,
1597
+ "learning_rate": 1.4956487614785076e-05,
1598
+ "loss": 0.4177,
1599
+ "step": 1135
1600
+ },
1601
+ {
1602
+ "epoch": 2.122905027932961,
1603
+ "grad_norm": 0.10252126454298957,
1604
+ "learning_rate": 1.47653799830965e-05,
1605
+ "loss": 0.4256,
1606
+ "step": 1140
1607
+ },
1608
+ {
1609
+ "epoch": 2.1322160148975793,
1610
+ "grad_norm": 0.10583448098931744,
1611
+ "learning_rate": 1.4575614618888248e-05,
1612
+ "loss": 0.4162,
1613
+ "step": 1145
1614
+ },
1615
+ {
1616
+ "epoch": 2.1415270018621975,
1617
+ "grad_norm": 0.11129869429457806,
1618
+ "learning_rate": 1.438721152400388e-05,
1619
+ "loss": 0.4214,
1620
+ "step": 1150
1621
+ },
1622
+ {
1623
+ "epoch": 2.1508379888268156,
1624
+ "grad_norm": 0.10661908698656541,
1625
+ "learning_rate": 1.4200190556699653e-05,
1626
+ "loss": 0.4171,
1627
+ "step": 1155
1628
+ },
1629
+ {
1630
+ "epoch": 2.160148975791434,
1631
+ "grad_norm": 0.10172941781846247,
1632
+ "learning_rate": 1.4014571429551348e-05,
1633
+ "loss": 0.4198,
1634
+ "step": 1160
1635
+ },
1636
+ {
1637
+ "epoch": 2.169459962756052,
1638
+ "grad_norm": 0.10129345871926003,
1639
+ "learning_rate": 1.3830373707376623e-05,
1640
+ "loss": 0.4207,
1641
+ "step": 1165
1642
+ },
1643
+ {
1644
+ "epoch": 2.17877094972067,
1645
+ "grad_norm": 0.1039002300974548,
1646
+ "learning_rate": 1.364761680517269e-05,
1647
+ "loss": 0.414,
1648
+ "step": 1170
1649
+ },
1650
+ {
1651
+ "epoch": 2.188081936685289,
1652
+ "grad_norm": 0.09557941393888705,
1653
+ "learning_rate": 1.3466319986070008e-05,
1654
+ "loss": 0.419,
1655
+ "step": 1175
1656
+ },
1657
+ {
1658
+ "epoch": 2.197392923649907,
1659
+ "grad_norm": 0.10379899436807119,
1660
+ "learning_rate": 1.3286502359301862e-05,
1661
+ "loss": 0.423,
1662
+ "step": 1180
1663
+ },
1664
+ {
1665
+ "epoch": 2.206703910614525,
1666
+ "grad_norm": 0.09519170293308159,
1667
+ "learning_rate": 1.3108182878190156e-05,
1668
+ "loss": 0.4071,
1669
+ "step": 1185
1670
+ },
1671
+ {
1672
+ "epoch": 2.2160148975791434,
1673
+ "grad_norm": 0.09880897724698645,
1674
+ "learning_rate": 1.2931380338147745e-05,
1675
+ "loss": 0.4137,
1676
+ "step": 1190
1677
+ },
1678
+ {
1679
+ "epoch": 2.2253258845437616,
1680
+ "grad_norm": 0.10001625336759871,
1681
+ "learning_rate": 1.2756113374697301e-05,
1682
+ "loss": 0.4141,
1683
+ "step": 1195
1684
+ },
1685
+ {
1686
+ "epoch": 2.2346368715083798,
1687
+ "grad_norm": 0.0996637237587361,
1688
+ "learning_rate": 1.2582400461507055e-05,
1689
+ "loss": 0.4203,
1690
+ "step": 1200
1691
+ },
1692
+ {
1693
+ "epoch": 2.243947858472998,
1694
+ "grad_norm": 0.10454993690871738,
1695
+ "learning_rate": 1.2410259908443657e-05,
1696
+ "loss": 0.4102,
1697
+ "step": 1205
1698
+ },
1699
+ {
1700
+ "epoch": 2.2532588454376166,
1701
+ "grad_norm": 0.1003379879509651,
1702
+ "learning_rate": 1.2239709859642236e-05,
1703
+ "loss": 0.4223,
1704
+ "step": 1210
1705
+ },
1706
+ {
1707
+ "epoch": 2.2625698324022347,
1708
+ "grad_norm": 0.09802095097599599,
1709
+ "learning_rate": 1.2070768291593964e-05,
1710
+ "loss": 0.4151,
1711
+ "step": 1215
1712
+ },
1713
+ {
1714
+ "epoch": 2.271880819366853,
1715
+ "grad_norm": 0.09783634576245234,
1716
+ "learning_rate": 1.1903453011251281e-05,
1717
+ "loss": 0.4171,
1718
+ "step": 1220
1719
+ },
1720
+ {
1721
+ "epoch": 2.281191806331471,
1722
+ "grad_norm": 0.10651764573200316,
1723
+ "learning_rate": 1.1737781654150954e-05,
1724
+ "loss": 0.4171,
1725
+ "step": 1225
1726
+ },
1727
+ {
1728
+ "epoch": 2.2905027932960893,
1729
+ "grad_norm": 0.10998450255021262,
1730
+ "learning_rate": 1.1573771682555298e-05,
1731
+ "loss": 0.4212,
1732
+ "step": 1230
1733
+ },
1734
+ {
1735
+ "epoch": 2.2998137802607075,
1736
+ "grad_norm": 0.09653384858037176,
1737
+ "learning_rate": 1.1411440383611559e-05,
1738
+ "loss": 0.4149,
1739
+ "step": 1235
1740
+ },
1741
+ {
1742
+ "epoch": 2.3091247672253257,
1743
+ "grad_norm": 0.10197498165183494,
1744
+ "learning_rate": 1.1250804867529793e-05,
1745
+ "loss": 0.4174,
1746
+ "step": 1240
1747
+ },
1748
+ {
1749
+ "epoch": 2.3184357541899443,
1750
+ "grad_norm": 0.10064617044586674,
1751
+ "learning_rate": 1.1091882065779429e-05,
1752
+ "loss": 0.4142,
1753
+ "step": 1245
1754
+ },
1755
+ {
1756
+ "epoch": 2.3277467411545625,
1757
+ "grad_norm": 0.09997648870136769,
1758
+ "learning_rate": 1.093468872930462e-05,
1759
+ "loss": 0.4248,
1760
+ "step": 1250
1761
+ },
1762
+ {
1763
+ "epoch": 2.3370577281191807,
1764
+ "grad_norm": 0.10126015276405256,
1765
+ "learning_rate": 1.0779241426758628e-05,
1766
+ "loss": 0.4187,
1767
+ "step": 1255
1768
+ },
1769
+ {
1770
+ "epoch": 2.346368715083799,
1771
+ "grad_norm": 0.10248882729986777,
1772
+ "learning_rate": 1.0625556542757494e-05,
1773
+ "loss": 0.4256,
1774
+ "step": 1260
1775
+ },
1776
+ {
1777
+ "epoch": 2.355679702048417,
1778
+ "grad_norm": 0.09629566154715391,
1779
+ "learning_rate": 1.0473650276152972e-05,
1780
+ "loss": 0.4215,
1781
+ "step": 1265
1782
+ },
1783
+ {
1784
+ "epoch": 2.364990689013035,
1785
+ "grad_norm": 0.09893527097271672,
1786
+ "learning_rate": 1.0323538638325184e-05,
1787
+ "loss": 0.4188,
1788
+ "step": 1270
1789
+ },
1790
+ {
1791
+ "epoch": 2.3743016759776534,
1792
+ "grad_norm": 0.09302606623894093,
1793
+ "learning_rate": 1.0175237451494946e-05,
1794
+ "loss": 0.4145,
1795
+ "step": 1275
1796
+ },
1797
+ {
1798
+ "epoch": 2.383612662942272,
1799
+ "grad_norm": 0.10187238212320712,
1800
+ "learning_rate": 1.0028762347056049e-05,
1801
+ "loss": 0.4087,
1802
+ "step": 1280
1803
+ },
1804
+ {
1805
+ "epoch": 2.39292364990689,
1806
+ "grad_norm": 0.09943852275889314,
1807
+ "learning_rate": 9.88412876392769e-06,
1808
+ "loss": 0.4234,
1809
+ "step": 1285
1810
+ },
1811
+ {
1812
+ "epoch": 2.4022346368715084,
1813
+ "grad_norm": 0.09579290986291013,
1814
+ "learning_rate": 9.741351946927141e-06,
1815
+ "loss": 0.4209,
1816
+ "step": 1290
1817
+ },
1818
+ {
1819
+ "epoch": 2.4115456238361266,
1820
+ "grad_norm": 0.10121357816296453,
1821
+ "learning_rate": 9.600446945162908e-06,
1822
+ "loss": 0.4221,
1823
+ "step": 1295
1824
+ },
1825
+ {
1826
+ "epoch": 2.4208566108007448,
1827
+ "grad_norm": 0.09927071713182525,
1828
+ "learning_rate": 9.461428610448502e-06,
1829
+ "loss": 0.4227,
1830
+ "step": 1300
1831
+ },
1832
+ {
1833
+ "epoch": 2.430167597765363,
1834
+ "grad_norm": 0.10159715499322029,
1835
+ "learning_rate": 9.324311595737025e-06,
1836
+ "loss": 0.4169,
1837
+ "step": 1305
1838
+ },
1839
+ {
1840
+ "epoch": 2.439478584729981,
1841
+ "grad_norm": 0.10043193606766965,
1842
+ "learning_rate": 9.189110353576703e-06,
1843
+ "loss": 0.4117,
1844
+ "step": 1310
1845
+ },
1846
+ {
1847
+ "epoch": 2.4487895716945998,
1848
+ "grad_norm": 0.09912578603874618,
1849
+ "learning_rate": 9.055839134587527e-06,
1850
+ "loss": 0.4151,
1851
+ "step": 1315
1852
+ },
1853
+ {
1854
+ "epoch": 2.458100558659218,
1855
+ "grad_norm": 0.09297775914893847,
1856
+ "learning_rate": 8.92451198595921e-06,
1857
+ "loss": 0.4099,
1858
+ "step": 1320
1859
+ },
1860
+ {
1861
+ "epoch": 2.467411545623836,
1862
+ "grad_norm": 0.09984530224126298,
1863
+ "learning_rate": 8.795142749970564e-06,
1864
+ "loss": 0.4123,
1865
+ "step": 1325
1866
+ },
1867
+ {
1868
+ "epoch": 2.4767225325884543,
1869
+ "grad_norm": 0.09120975321788215,
1870
+ "learning_rate": 8.667745062530503e-06,
1871
+ "loss": 0.4143,
1872
+ "step": 1330
1873
+ },
1874
+ {
1875
+ "epoch": 2.4860335195530725,
1876
+ "grad_norm": 0.09774167066305631,
1877
+ "learning_rate": 8.542332351740727e-06,
1878
+ "loss": 0.4189,
1879
+ "step": 1335
1880
+ },
1881
+ {
1882
+ "epoch": 2.4953445065176907,
1883
+ "grad_norm": 0.09827792678481405,
1884
+ "learning_rate": 8.418917836480417e-06,
1885
+ "loss": 0.4194,
1886
+ "step": 1340
1887
+ },
1888
+ {
1889
+ "epoch": 2.504655493482309,
1890
+ "grad_norm": 0.09390126470923525,
1891
+ "learning_rate": 8.297514525012894e-06,
1892
+ "loss": 0.422,
1893
+ "step": 1345
1894
+ },
1895
+ {
1896
+ "epoch": 2.5139664804469275,
1897
+ "grad_norm": 0.09346706560041741,
1898
+ "learning_rate": 8.178135213614499e-06,
1899
+ "loss": 0.4198,
1900
+ "step": 1350
1901
+ },
1902
+ {
1903
+ "epoch": 2.5232774674115457,
1904
+ "grad_norm": 0.09400692518566071,
1905
+ "learning_rate": 8.060792485225877e-06,
1906
+ "loss": 0.4153,
1907
+ "step": 1355
1908
+ },
1909
+ {
1910
+ "epoch": 2.532588454376164,
1911
+ "grad_norm": 0.09935167204099171,
1912
+ "learning_rate": 7.945498708125612e-06,
1913
+ "loss": 0.419,
1914
+ "step": 1360
1915
+ },
1916
+ {
1917
+ "epoch": 2.541899441340782,
1918
+ "grad_norm": 0.09255945749166977,
1919
+ "learning_rate": 7.832266034626668e-06,
1920
+ "loss": 0.4077,
1921
+ "step": 1365
1922
+ },
1923
+ {
1924
+ "epoch": 2.5512104283054002,
1925
+ "grad_norm": 0.09429134332541908,
1926
+ "learning_rate": 7.721106399795427e-06,
1927
+ "loss": 0.4111,
1928
+ "step": 1370
1929
+ },
1930
+ {
1931
+ "epoch": 2.560521415270019,
1932
+ "grad_norm": 0.09593431408689819,
1933
+ "learning_rate": 7.612031520193731e-06,
1934
+ "loss": 0.4144,
1935
+ "step": 1375
1936
+ },
1937
+ {
1938
+ "epoch": 2.5698324022346366,
1939
+ "grad_norm": 0.10216201759504691,
1940
+ "learning_rate": 7.505052892643915e-06,
1941
+ "loss": 0.4147,
1942
+ "step": 1380
1943
+ },
1944
+ {
1945
+ "epoch": 2.5791433891992552,
1946
+ "grad_norm": 0.09195284463580435,
1947
+ "learning_rate": 7.4001817930170036e-06,
1948
+ "loss": 0.42,
1949
+ "step": 1385
1950
+ },
1951
+ {
1952
+ "epoch": 2.5884543761638734,
1953
+ "grad_norm": 0.09617799061198681,
1954
+ "learning_rate": 7.297429275044194e-06,
1955
+ "loss": 0.4093,
1956
+ "step": 1390
1957
+ },
1958
+ {
1959
+ "epoch": 2.5977653631284916,
1960
+ "grad_norm": 0.10099179291339958,
1961
+ "learning_rate": 7.196806169151786e-06,
1962
+ "loss": 0.4233,
1963
+ "step": 1395
1964
+ },
1965
+ {
1966
+ "epoch": 2.60707635009311,
1967
+ "grad_norm": 0.09641311151569762,
1968
+ "learning_rate": 7.098323081319576e-06,
1969
+ "loss": 0.4155,
1970
+ "step": 1400
1971
+ },
1972
+ {
1973
+ "epoch": 2.616387337057728,
1974
+ "grad_norm": 0.09465528720326888,
1975
+ "learning_rate": 7.001990391963011e-06,
1976
+ "loss": 0.4179,
1977
+ "step": 1405
1978
+ },
1979
+ {
1980
+ "epoch": 2.6256983240223466,
1981
+ "grad_norm": 0.09927128319879645,
1982
+ "learning_rate": 6.907818254839017e-06,
1983
+ "loss": 0.4203,
1984
+ "step": 1410
1985
+ },
1986
+ {
1987
+ "epoch": 2.635009310986965,
1988
+ "grad_norm": 0.09942785015352072,
1989
+ "learning_rate": 6.815816595975771e-06,
1990
+ "loss": 0.4216,
1991
+ "step": 1415
1992
+ },
1993
+ {
1994
+ "epoch": 2.644320297951583,
1995
+ "grad_norm": 0.1002604796284761,
1996
+ "learning_rate": 6.725995112626489e-06,
1997
+ "loss": 0.4214,
1998
+ "step": 1420
1999
+ },
2000
+ {
2001
+ "epoch": 2.653631284916201,
2002
+ "grad_norm": 0.09509870809273925,
2003
+ "learning_rate": 6.638363272247286e-06,
2004
+ "loss": 0.4149,
2005
+ "step": 1425
2006
+ },
2007
+ {
2008
+ "epoch": 2.6629422718808193,
2009
+ "grad_norm": 0.10038637331627898,
2010
+ "learning_rate": 6.552930311499275e-06,
2011
+ "loss": 0.4243,
2012
+ "step": 1430
2013
+ },
2014
+ {
2015
+ "epoch": 2.6722532588454375,
2016
+ "grad_norm": 0.09849966019071536,
2017
+ "learning_rate": 6.469705235275016e-06,
2018
+ "loss": 0.423,
2019
+ "step": 1435
2020
+ },
2021
+ {
2022
+ "epoch": 2.6815642458100557,
2023
+ "grad_norm": 0.09583945495890936,
2024
+ "learning_rate": 6.388696815749346e-06,
2025
+ "loss": 0.4297,
2026
+ "step": 1440
2027
+ },
2028
+ {
2029
+ "epoch": 2.6908752327746743,
2030
+ "grad_norm": 0.09818740944151227,
2031
+ "learning_rate": 6.309913591454788e-06,
2032
+ "loss": 0.4175,
2033
+ "step": 1445
2034
+ },
2035
+ {
2036
+ "epoch": 2.7001862197392925,
2037
+ "grad_norm": 0.09297545599110695,
2038
+ "learning_rate": 6.233363866381562e-06,
2039
+ "loss": 0.4151,
2040
+ "step": 1450
2041
+ },
2042
+ {
2043
+ "epoch": 2.7094972067039107,
2044
+ "grad_norm": 0.09347294049524463,
2045
+ "learning_rate": 6.159055709102293e-06,
2046
+ "loss": 0.4211,
2047
+ "step": 1455
2048
+ },
2049
+ {
2050
+ "epoch": 2.718808193668529,
2051
+ "grad_norm": 0.09063495788855541,
2052
+ "learning_rate": 6.086996951921601e-06,
2053
+ "loss": 0.4169,
2054
+ "step": 1460
2055
+ },
2056
+ {
2057
+ "epoch": 2.728119180633147,
2058
+ "grad_norm": 0.09576157520224456,
2059
+ "learning_rate": 6.017195190050504e-06,
2060
+ "loss": 0.4178,
2061
+ "step": 1465
2062
+ },
2063
+ {
2064
+ "epoch": 2.7374301675977653,
2065
+ "grad_norm": 0.09821892447570103,
2066
+ "learning_rate": 5.949657780805906e-06,
2067
+ "loss": 0.4196,
2068
+ "step": 1470
2069
+ },
2070
+ {
2071
+ "epoch": 2.7467411545623834,
2072
+ "grad_norm": 0.09403307674636713,
2073
+ "learning_rate": 5.88439184283509e-06,
2074
+ "loss": 0.4191,
2075
+ "step": 1475
2076
+ },
2077
+ {
2078
+ "epoch": 2.756052141527002,
2079
+ "grad_norm": 0.09844473844449389,
2080
+ "learning_rate": 5.821404255365381e-06,
2081
+ "loss": 0.4167,
2082
+ "step": 1480
2083
+ },
2084
+ {
2085
+ "epoch": 2.7653631284916202,
2086
+ "grad_norm": 0.1049290391027304,
2087
+ "learning_rate": 5.7607016574790845e-06,
2088
+ "loss": 0.4158,
2089
+ "step": 1485
2090
+ },
2091
+ {
2092
+ "epoch": 2.7746741154562384,
2093
+ "grad_norm": 0.09142057289478683,
2094
+ "learning_rate": 5.702290447413681e-06,
2095
+ "loss": 0.4195,
2096
+ "step": 1490
2097
+ },
2098
+ {
2099
+ "epoch": 2.7839851024208566,
2100
+ "grad_norm": 0.09437947535885335,
2101
+ "learning_rate": 5.646176781887437e-06,
2102
+ "loss": 0.422,
2103
+ "step": 1495
2104
+ },
2105
+ {
2106
+ "epoch": 2.793296089385475,
2107
+ "grad_norm": 0.09658988683610302,
2108
+ "learning_rate": 5.592366575450494e-06,
2109
+ "loss": 0.4132,
2110
+ "step": 1500
2111
+ },
2112
+ {
2113
+ "epoch": 2.802607076350093,
2114
+ "grad_norm": 0.10021332194018327,
2115
+ "learning_rate": 5.5408654998614055e-06,
2116
+ "loss": 0.4285,
2117
+ "step": 1505
2118
+ },
2119
+ {
2120
+ "epoch": 2.811918063314711,
2121
+ "grad_norm": 0.09395338001674504,
2122
+ "learning_rate": 5.491678983489372e-06,
2123
+ "loss": 0.4056,
2124
+ "step": 1510
2125
+ },
2126
+ {
2127
+ "epoch": 2.82122905027933,
2128
+ "grad_norm": 0.10069367341531493,
2129
+ "learning_rate": 5.4448122107420415e-06,
2130
+ "loss": 0.4289,
2131
+ "step": 1515
2132
+ },
2133
+ {
2134
+ "epoch": 2.830540037243948,
2135
+ "grad_norm": 0.0977726987894797,
2136
+ "learning_rate": 5.40027012151906e-06,
2137
+ "loss": 0.4178,
2138
+ "step": 1520
2139
+ },
2140
+ {
2141
+ "epoch": 2.839851024208566,
2142
+ "grad_norm": 0.09024612259420411,
2143
+ "learning_rate": 5.3580574106914015e-06,
2144
+ "loss": 0.4118,
2145
+ "step": 1525
2146
+ },
2147
+ {
2148
+ "epoch": 2.8491620111731844,
2149
+ "grad_norm": 0.09342541886916174,
2150
+ "learning_rate": 5.318178527606511e-06,
2151
+ "loss": 0.4205,
2152
+ "step": 1530
2153
+ },
2154
+ {
2155
+ "epoch": 2.8584729981378025,
2156
+ "grad_norm": 0.09438754600698024,
2157
+ "learning_rate": 5.2806376756193194e-06,
2158
+ "loss": 0.4129,
2159
+ "step": 1535
2160
+ },
2161
+ {
2162
+ "epoch": 2.8677839851024207,
2163
+ "grad_norm": 0.09314142674041269,
2164
+ "learning_rate": 5.245438811649216e-06,
2165
+ "loss": 0.4174,
2166
+ "step": 1540
2167
+ },
2168
+ {
2169
+ "epoch": 2.877094972067039,
2170
+ "grad_norm": 0.09920083405177257,
2171
+ "learning_rate": 5.212585645762963e-06,
2172
+ "loss": 0.413,
2173
+ "step": 1545
2174
+ },
2175
+ {
2176
+ "epoch": 2.8864059590316575,
2177
+ "grad_norm": 0.10054514046549108,
2178
+ "learning_rate": 5.182081640783647e-06,
2179
+ "loss": 0.4201,
2180
+ "step": 1550
2181
+ },
2182
+ {
2183
+ "epoch": 2.8957169459962757,
2184
+ "grad_norm": 0.09375029466655158,
2185
+ "learning_rate": 5.153930011925686e-06,
2186
+ "loss": 0.4117,
2187
+ "step": 1555
2188
+ },
2189
+ {
2190
+ "epoch": 2.905027932960894,
2191
+ "grad_norm": 0.1187162272510011,
2192
+ "learning_rate": 5.128133726455941e-06,
2193
+ "loss": 0.4147,
2194
+ "step": 1560
2195
+ },
2196
+ {
2197
+ "epoch": 2.914338919925512,
2198
+ "grad_norm": 0.09097957682917539,
2199
+ "learning_rate": 5.104695503380948e-06,
2200
+ "loss": 0.406,
2201
+ "step": 1565
2202
+ },
2203
+ {
2204
+ "epoch": 2.9236499068901303,
2205
+ "grad_norm": 0.08917608409363194,
2206
+ "learning_rate": 5.083617813160338e-06,
2207
+ "loss": 0.4139,
2208
+ "step": 1570
2209
+ },
2210
+ {
2211
+ "epoch": 2.9329608938547485,
2212
+ "grad_norm": 0.09357577576462056,
2213
+ "learning_rate": 5.064902877446432e-06,
2214
+ "loss": 0.4198,
2215
+ "step": 1575
2216
+ },
2217
+ {
2218
+ "epoch": 2.9422718808193666,
2219
+ "grad_norm": 0.09162535893385207,
2220
+ "learning_rate": 5.048552668850077e-06,
2221
+ "loss": 0.4211,
2222
+ "step": 1580
2223
+ },
2224
+ {
2225
+ "epoch": 2.9515828677839853,
2226
+ "grad_norm": 0.09497386963890858,
2227
+ "learning_rate": 5.034568910732737e-06,
2228
+ "loss": 0.4143,
2229
+ "step": 1585
2230
+ },
2231
+ {
2232
+ "epoch": 2.9608938547486034,
2233
+ "grad_norm": 0.09474281729138122,
2234
+ "learning_rate": 5.022953077024818e-06,
2235
+ "loss": 0.4194,
2236
+ "step": 1590
2237
+ },
2238
+ {
2239
+ "epoch": 2.9702048417132216,
2240
+ "grad_norm": 0.09634825165067597,
2241
+ "learning_rate": 5.0137063920703455e-06,
2242
+ "loss": 0.4142,
2243
+ "step": 1595
2244
+ },
2245
+ {
2246
+ "epoch": 2.97951582867784,
2247
+ "grad_norm": 0.09441014556129712,
2248
+ "learning_rate": 5.0068298304978894e-06,
2249
+ "loss": 0.4174,
2250
+ "step": 1600
2251
+ },
2252
+ {
2253
+ "epoch": 2.988826815642458,
2254
+ "grad_norm": 0.09449692277995367,
2255
+ "learning_rate": 5.002324117117843e-06,
2256
+ "loss": 0.4177,
2257
+ "step": 1605
2258
+ },
2259
+ {
2260
+ "epoch": 2.998137802607076,
2261
+ "grad_norm": 0.09204215488513472,
2262
+ "learning_rate": 5.000189726846031e-06,
2263
+ "loss": 0.4193,
2264
+ "step": 1610
2265
+ },
2266
+ {
2267
+ "epoch": 3.0,
2268
+ "step": 1611,
2269
+ "total_flos": 1468598568615936.0,
2270
+ "train_loss": 0.4715816771147933,
2271
+ "train_runtime": 19678.9404,
2272
+ "train_samples_per_second": 2.617,
2273
+ "train_steps_per_second": 0.082
2274
+ }
2275
+ ],
2276
+ "logging_steps": 5,
2277
+ "max_steps": 1611,
2278
+ "num_input_tokens_seen": 0,
2279
+ "num_train_epochs": 3,
2280
+ "save_steps": 100,
2281
+ "stateful_callbacks": {
2282
+ "TrainerControl": {
2283
+ "args": {
2284
+ "should_epoch_stop": false,
2285
+ "should_evaluate": false,
2286
+ "should_log": false,
2287
+ "should_save": true,
2288
+ "should_training_stop": true
2289
+ },
2290
+ "attributes": {}
2291
+ }
2292
+ },
2293
+ "total_flos": 1468598568615936.0,
2294
+ "train_batch_size": 4,
2295
+ "trial_name": null,
2296
+ "trial_params": null
2297
+ }