{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 9.0,
  "eval_steps": 500,
  "global_step": 216,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 73.5,
      "learning_rate": 0.0,
      "loss": 3.9287,
      "step": 1
    },
    {
      "epoch": 0.20833333333333334,
      "grad_norm": 80.5,
      "learning_rate": 4.000000000000001e-06,
      "loss": 3.994,
      "step": 5
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 63.75,
      "learning_rate": 9e-06,
      "loss": 3.6819,
      "step": 10
    },
    {
      "epoch": 0.625,
      "grad_norm": 49.25,
      "learning_rate": 1.4000000000000001e-05,
      "loss": 2.5702,
      "step": 15
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 48.75,
      "learning_rate": 1.9e-05,
      "loss": 1.4286,
      "step": 20
    },
    {
      "epoch": 1.0416666666666667,
      "grad_norm": 11.3125,
      "learning_rate": 2.4e-05,
      "loss": 0.7957,
      "step": 25
    },
    {
      "epoch": 1.25,
      "grad_norm": 9.0625,
      "learning_rate": 2.9e-05,
      "loss": 0.7432,
      "step": 30
    },
    {
      "epoch": 1.4583333333333333,
      "grad_norm": 16.5,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 0.6508,
      "step": 35
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 12.75,
      "learning_rate": 3.9000000000000006e-05,
      "loss": 0.591,
      "step": 40
    },
    {
      "epoch": 1.875,
      "grad_norm": 6.59375,
      "learning_rate": 4.4000000000000006e-05,
      "loss": 0.6682,
      "step": 45
    },
    {
      "epoch": 2.0833333333333335,
      "grad_norm": 11.1875,
      "learning_rate": 4.9e-05,
      "loss": 0.4391,
      "step": 50
    },
    {
      "epoch": 2.2916666666666665,
      "grad_norm": 9.5,
      "learning_rate": 4.8947368421052635e-05,
      "loss": 0.3461,
      "step": 55
    },
    {
      "epoch": 2.5,
      "grad_norm": 15.5,
      "learning_rate": 4.7631578947368424e-05,
      "loss": 0.4083,
      "step": 60
    },
    {
      "epoch": 2.7083333333333335,
      "grad_norm": 12.0,
      "learning_rate": 4.6315789473684214e-05,
      "loss": 0.377,
      "step": 65
    },
    {
      "epoch": 2.9166666666666665,
      "grad_norm": 10.0625,
      "learning_rate": 4.5e-05,
      "loss": 0.3861,
      "step": 70
    },
    {
      "epoch": 3.125,
      "grad_norm": 6.78125,
      "learning_rate": 4.368421052631579e-05,
      "loss": 0.3271,
      "step": 75
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 5.125,
      "learning_rate": 4.236842105263158e-05,
      "loss": 0.2295,
      "step": 80
    },
    {
      "epoch": 3.5416666666666665,
      "grad_norm": 5.75,
      "learning_rate": 4.105263157894737e-05,
      "loss": 0.2661,
      "step": 85
    },
    {
      "epoch": 3.75,
      "grad_norm": 10.9375,
      "learning_rate": 3.973684210526316e-05,
      "loss": 0.2583,
      "step": 90
    },
    {
      "epoch": 3.9583333333333335,
      "grad_norm": 10.0625,
      "learning_rate": 3.842105263157895e-05,
      "loss": 0.2631,
      "step": 95
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 6.4375,
      "learning_rate": 3.710526315789474e-05,
      "loss": 0.1991,
      "step": 100
    },
    {
      "epoch": 4.375,
      "grad_norm": 6.71875,
      "learning_rate": 3.578947368421053e-05,
      "loss": 0.1937,
      "step": 105
    },
    {
      "epoch": 4.583333333333333,
      "grad_norm": 5.0,
      "learning_rate": 3.447368421052632e-05,
      "loss": 0.1894,
      "step": 110
    },
    {
      "epoch": 4.791666666666667,
      "grad_norm": 10.8125,
      "learning_rate": 3.3157894736842106e-05,
      "loss": 0.2233,
      "step": 115
    },
    {
      "epoch": 5.0,
      "grad_norm": 6.53125,
      "learning_rate": 3.1842105263157895e-05,
      "loss": 0.2006,
      "step": 120
    },
    {
      "epoch": 5.208333333333333,
      "grad_norm": 4.59375,
      "learning_rate": 3.0526315789473684e-05,
      "loss": 0.1657,
      "step": 125
    },
    {
      "epoch": 5.416666666666667,
      "grad_norm": 4.65625,
      "learning_rate": 2.9210526315789477e-05,
      "loss": 0.1937,
      "step": 130
    },
    {
      "epoch": 5.625,
      "grad_norm": 7.90625,
      "learning_rate": 2.7894736842105263e-05,
      "loss": 0.1801,
      "step": 135
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 3.984375,
      "learning_rate": 2.6578947368421052e-05,
      "loss": 0.1704,
      "step": 140
    },
    {
      "epoch": 6.041666666666667,
      "grad_norm": 3.8125,
      "learning_rate": 2.5263157894736845e-05,
      "loss": 0.168,
      "step": 145
    },
    {
      "epoch": 6.25,
      "grad_norm": 5.15625,
      "learning_rate": 2.394736842105263e-05,
      "loss": 0.1395,
      "step": 150
    },
    {
      "epoch": 6.458333333333333,
      "grad_norm": 4.25,
      "learning_rate": 2.2631578947368423e-05,
      "loss": 0.1426,
      "step": 155
    },
    {
      "epoch": 6.666666666666667,
      "grad_norm": 4.8125,
      "learning_rate": 2.1315789473684212e-05,
      "loss": 0.1591,
      "step": 160
    },
    {
      "epoch": 6.875,
      "grad_norm": 5.3125,
      "learning_rate": 2e-05,
      "loss": 0.1656,
      "step": 165
    },
    {
      "epoch": 7.083333333333333,
      "grad_norm": 3.53125,
      "learning_rate": 1.868421052631579e-05,
      "loss": 0.1505,
      "step": 170
    },
    {
      "epoch": 7.291666666666667,
      "grad_norm": 4.875,
      "learning_rate": 1.736842105263158e-05,
      "loss": 0.1356,
      "step": 175
    },
    {
      "epoch": 7.5,
      "grad_norm": 3.890625,
      "learning_rate": 1.605263157894737e-05,
      "loss": 0.1359,
      "step": 180
    },
    {
      "epoch": 7.708333333333333,
      "grad_norm": 3.59375,
      "learning_rate": 1.4736842105263157e-05,
      "loss": 0.1444,
      "step": 185
    },
    {
      "epoch": 7.916666666666667,
      "grad_norm": 4.5,
      "learning_rate": 1.3421052631578948e-05,
      "loss": 0.1446,
      "step": 190
    },
    {
      "epoch": 8.125,
      "grad_norm": 3.375,
      "learning_rate": 1.2105263157894737e-05,
      "loss": 0.1381,
      "step": 195
    },
    {
      "epoch": 8.333333333333334,
      "grad_norm": 4.03125,
      "learning_rate": 1.0789473684210526e-05,
      "loss": 0.1372,
      "step": 200
    },
    {
      "epoch": 8.541666666666666,
      "grad_norm": 3.921875,
      "learning_rate": 9.473684210526317e-06,
      "loss": 0.1354,
      "step": 205
    },
    {
      "epoch": 8.75,
      "grad_norm": 4.03125,
      "learning_rate": 8.157894736842106e-06,
      "loss": 0.1321,
      "step": 210
    },
    {
      "epoch": 8.958333333333334,
      "grad_norm": 3.390625,
      "learning_rate": 6.842105263157896e-06,
      "loss": 0.1351,
      "step": 215
    }
  ],
  "logging_steps": 5,
  "max_steps": 240,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 10,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 572368078503936.0,
  "train_batch_size": 4,
  "trial_name": null,
  "trial_params": null
}