{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 10.0,
  "eval_steps": 500,
  "global_step": 300,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 0.8721705675125122,
      "learning_rate": 6.666666666666667e-06,
      "loss": 2.5652,
      "step": 1
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 0.7771564722061157,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 2.5757,
      "step": 5
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.4726114273071289,
      "learning_rate": 6.666666666666667e-05,
      "loss": 2.5393,
      "step": 10
    },
    {
      "epoch": 0.5,
      "grad_norm": 0.41005024313926697,
      "learning_rate": 0.0001,
      "loss": 2.4619,
      "step": 15
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.359015554189682,
      "learning_rate": 0.00013333333333333334,
      "loss": 2.3546,
      "step": 20
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 0.32825127243995667,
      "learning_rate": 0.0001666666666666667,
      "loss": 2.2723,
      "step": 25
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.2509020268917084,
      "learning_rate": 0.0002,
      "loss": 2.1922,
      "step": 30
    },
    {
      "epoch": 1.0,
      "eval_loss": 2.293870449066162,
      "eval_runtime": 0.868,
      "eval_samples_per_second": 2.304,
      "eval_steps_per_second": 1.152,
      "step": 30
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 0.17683961987495422,
      "learning_rate": 0.00019983081582712685,
      "loss": 2.1372,
      "step": 35
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 0.13620507717132568,
      "learning_rate": 0.00019932383577419432,
      "loss": 2.092,
      "step": 40
    },
    {
      "epoch": 1.5,
      "grad_norm": 0.1294490098953247,
      "learning_rate": 0.00019848077530122083,
      "loss": 2.0612,
      "step": 45
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 0.12196648120880127,
      "learning_rate": 0.00019730448705798239,
      "loss": 2.029,
      "step": 50
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 0.12746499478816986,
      "learning_rate": 0.0001957989512315489,
      "loss": 2.0055,
      "step": 55
    },
    {
      "epoch": 2.0,
      "grad_norm": 0.11664091795682907,
      "learning_rate": 0.00019396926207859084,
      "loss": 1.9883,
      "step": 60
    },
    {
      "epoch": 2.0,
      "eval_loss": 2.2309093475341797,
      "eval_runtime": 0.8673,
      "eval_samples_per_second": 2.306,
      "eval_steps_per_second": 1.153,
      "step": 60
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 0.12395822256803513,
      "learning_rate": 0.00019182161068802741,
      "loss": 1.9631,
      "step": 65
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 0.14801518619060516,
      "learning_rate": 0.00018936326403234125,
      "loss": 1.9482,
      "step": 70
    },
    {
      "epoch": 2.5,
      "grad_norm": 0.12537938356399536,
      "learning_rate": 0.00018660254037844388,
      "loss": 1.9543,
      "step": 75
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.13340197503566742,
      "learning_rate": 0.00018354878114129367,
      "loss": 1.9364,
      "step": 80
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.16110606491565704,
      "learning_rate": 0.0001802123192755044,
      "loss": 1.9286,
      "step": 85
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.14026618003845215,
      "learning_rate": 0.0001766044443118978,
      "loss": 1.9261,
      "step": 90
    },
    {
      "epoch": 3.0,
      "eval_loss": 2.248041868209839,
      "eval_runtime": 0.8685,
      "eval_samples_per_second": 2.303,
      "eval_steps_per_second": 1.151,
      "step": 90
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 0.13984443247318268,
      "learning_rate": 0.00017273736415730488,
      "loss": 1.9053,
      "step": 95
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.17301388084888458,
      "learning_rate": 0.0001686241637868734,
      "loss": 1.9071,
      "step": 100
    },
    {
      "epoch": 3.5,
      "grad_norm": 0.15998174250125885,
      "learning_rate": 0.00016427876096865394,
      "loss": 1.896,
      "step": 105
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 0.17066697776317596,
      "learning_rate": 0.00015971585917027862,
      "loss": 1.891,
      "step": 110
    },
    {
      "epoch": 3.8333333333333335,
      "grad_norm": 0.18711982667446136,
      "learning_rate": 0.0001549508978070806,
      "loss": 1.8784,
      "step": 115
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.18189194798469543,
      "learning_rate": 0.00015000000000000001,
      "loss": 1.877,
      "step": 120
    },
    {
      "epoch": 4.0,
      "eval_loss": 2.246403217315674,
      "eval_runtime": 0.8876,
      "eval_samples_per_second": 2.253,
      "eval_steps_per_second": 1.127,
      "step": 120
    },
    {
      "epoch": 4.166666666666667,
      "grad_norm": 0.19101205468177795,
      "learning_rate": 0.00014487991802004623,
      "loss": 1.8693,
      "step": 125
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 0.18224620819091797,
      "learning_rate": 0.0001396079766039157,
      "loss": 1.8717,
      "step": 130
    },
    {
      "epoch": 4.5,
      "grad_norm": 0.21038778126239777,
      "learning_rate": 0.00013420201433256689,
      "loss": 1.865,
      "step": 135
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 0.20972222089767456,
      "learning_rate": 0.00012868032327110904,
      "loss": 1.8534,
      "step": 140
    },
    {
      "epoch": 4.833333333333333,
      "grad_norm": 0.20562510192394257,
      "learning_rate": 0.00012306158707424403,
      "loss": 1.8507,
      "step": 145
    },
    {
      "epoch": 5.0,
      "grad_norm": 0.18542522192001343,
      "learning_rate": 0.00011736481776669306,
      "loss": 1.8508,
      "step": 150
    },
    {
      "epoch": 5.0,
      "eval_loss": 2.251426935195923,
      "eval_runtime": 0.8697,
      "eval_samples_per_second": 2.3,
      "eval_steps_per_second": 1.15,
      "step": 150
    },
    {
      "epoch": 5.166666666666667,
      "grad_norm": 0.19300299882888794,
      "learning_rate": 0.00011160929141252303,
      "loss": 1.8441,
      "step": 155
    },
    {
      "epoch": 5.333333333333333,
      "grad_norm": 0.17082081735134125,
      "learning_rate": 0.00010581448289104758,
      "loss": 1.8406,
      "step": 160
    },
    {
      "epoch": 5.5,
      "grad_norm": 0.16670560836791992,
      "learning_rate": 0.0001,
      "loss": 1.8314,
      "step": 165
    },
    {
      "epoch": 5.666666666666667,
      "grad_norm": 0.2005225419998169,
      "learning_rate": 9.418551710895243e-05,
      "loss": 1.84,
      "step": 170
    },
    {
      "epoch": 5.833333333333333,
      "grad_norm": 0.17486542463302612,
      "learning_rate": 8.839070858747697e-05,
      "loss": 1.8356,
      "step": 175
    },
    {
      "epoch": 6.0,
      "grad_norm": 0.17715969681739807,
      "learning_rate": 8.263518223330697e-05,
      "loss": 1.8357,
      "step": 180
    },
    {
      "epoch": 6.0,
      "eval_loss": 2.244203805923462,
      "eval_runtime": 0.8698,
      "eval_samples_per_second": 2.299,
      "eval_steps_per_second": 1.15,
      "step": 180
    },
    {
      "epoch": 6.166666666666667,
      "grad_norm": 0.1805175244808197,
      "learning_rate": 7.693841292575598e-05,
      "loss": 1.8293,
      "step": 185
    },
    {
      "epoch": 6.333333333333333,
      "grad_norm": 0.16339732706546783,
      "learning_rate": 7.131967672889101e-05,
      "loss": 1.8289,
      "step": 190
    },
    {
      "epoch": 6.5,
      "grad_norm": 0.17380179464817047,
      "learning_rate": 6.579798566743314e-05,
      "loss": 1.8242,
      "step": 195
    },
    {
      "epoch": 6.666666666666667,
      "grad_norm": 0.18039536476135254,
      "learning_rate": 6.039202339608432e-05,
      "loss": 1.8221,
      "step": 200
    },
    {
      "epoch": 6.833333333333333,
      "grad_norm": 0.1678876280784607,
      "learning_rate": 5.5120081979953785e-05,
      "loss": 1.8182,
      "step": 205
    },
    {
      "epoch": 7.0,
      "grad_norm": 0.18717928230762482,
      "learning_rate": 5.000000000000002e-05,
      "loss": 1.8225,
      "step": 210
    },
    {
      "epoch": 7.0,
      "eval_loss": 2.2534749507904053,
      "eval_runtime": 0.8691,
      "eval_samples_per_second": 2.301,
      "eval_steps_per_second": 1.151,
      "step": 210
    },
    {
      "epoch": 7.166666666666667,
      "grad_norm": 0.1713215708732605,
      "learning_rate": 4.50491021929194e-05,
      "loss": 1.8162,
      "step": 215
    },
    {
      "epoch": 7.333333333333333,
      "grad_norm": 0.14658918976783752,
      "learning_rate": 4.028414082972141e-05,
      "loss": 1.8146,
      "step": 220
    },
    {
      "epoch": 7.5,
      "grad_norm": 0.16408003866672516,
      "learning_rate": 3.5721239031346066e-05,
      "loss": 1.8179,
      "step": 225
    },
    {
      "epoch": 7.666666666666667,
      "grad_norm": 0.15933865308761597,
      "learning_rate": 3.137583621312665e-05,
      "loss": 1.8101,
      "step": 230
    },
    {
      "epoch": 7.833333333333333,
      "grad_norm": 0.14181320369243622,
      "learning_rate": 2.7262635842695127e-05,
      "loss": 1.8199,
      "step": 235
    },
    {
      "epoch": 8.0,
      "grad_norm": 0.16157026588916779,
      "learning_rate": 2.339555568810221e-05,
      "loss": 1.8153,
      "step": 240
    },
    {
      "epoch": 8.0,
      "eval_loss": 2.2560064792633057,
      "eval_runtime": 0.8693,
      "eval_samples_per_second": 2.301,
      "eval_steps_per_second": 1.15,
      "step": 240
    },
    {
      "epoch": 8.166666666666666,
      "grad_norm": 0.14123442769050598,
      "learning_rate": 1.9787680724495617e-05,
      "loss": 1.8138,
      "step": 245
    },
    {
      "epoch": 8.333333333333334,
      "grad_norm": 0.14202268421649933,
      "learning_rate": 1.6451218858706374e-05,
      "loss": 1.8143,
      "step": 250
    },
    {
      "epoch": 8.5,
      "grad_norm": 0.15732887387275696,
      "learning_rate": 1.339745962155613e-05,
      "loss": 1.811,
      "step": 255
    },
    {
      "epoch": 8.666666666666666,
      "grad_norm": 0.13898594677448273,
      "learning_rate": 1.0636735967658784e-05,
      "loss": 1.8033,
      "step": 260
    },
    {
      "epoch": 8.833333333333334,
      "grad_norm": 0.1528938263654709,
      "learning_rate": 8.178389311972612e-06,
      "loss": 1.8194,
      "step": 265
    },
    {
      "epoch": 9.0,
      "grad_norm": 0.14544987678527832,
      "learning_rate": 6.030737921409169e-06,
      "loss": 1.8065,
      "step": 270
    },
    {
      "epoch": 9.0,
      "eval_loss": 2.257399320602417,
      "eval_runtime": 0.8685,
      "eval_samples_per_second": 2.303,
      "eval_steps_per_second": 1.151,
      "step": 270
    },
    {
      "epoch": 9.166666666666666,
      "grad_norm": 0.13697919249534607,
      "learning_rate": 4.20104876845111e-06,
      "loss": 1.8037,
      "step": 275
    },
    {
      "epoch": 9.333333333333334,
      "grad_norm": 0.134043887257576,
      "learning_rate": 2.6955129420176196e-06,
      "loss": 1.8095,
      "step": 280
    },
    {
      "epoch": 9.5,
      "grad_norm": 0.1406584531068802,
      "learning_rate": 1.5192246987791981e-06,
      "loss": 1.8133,
      "step": 285
    },
    {
      "epoch": 9.666666666666666,
      "grad_norm": 0.1350001096725464,
      "learning_rate": 6.761642258056978e-07,
      "loss": 1.8064,
      "step": 290
    },
    {
      "epoch": 9.833333333333334,
      "grad_norm": 0.13039974868297577,
      "learning_rate": 1.6918417287318245e-07,
      "loss": 1.8157,
      "step": 295
    },
    {
      "epoch": 10.0,
      "grad_norm": 0.12890292704105377,
      "learning_rate": 0.0,
      "loss": 1.8084,
      "step": 300
    },
    {
      "epoch": 10.0,
      "eval_loss": 2.2579641342163086,
      "eval_runtime": 0.8884,
      "eval_samples_per_second": 2.251,
      "eval_steps_per_second": 1.126,
      "step": 300
    },
    {
      "epoch": 10.0,
      "step": 300,
      "total_flos": 1.3343811847501906e+18,
      "train_loss": 1.9245261510213216,
      "train_runtime": 1578.2466,
      "train_samples_per_second": 47.958,
      "train_steps_per_second": 0.19
    }
  ],
  "logging_steps": 5,
  "max_steps": 300,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 10,
  "save_steps": 100,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 1.3343811847501906e+18,
  "train_batch_size": 16,
  "trial_name": null,
  "trial_params": null
}