ToastyPigeon commited on
Commit
ff5fe27
·
verified ·
1 Parent(s): 6db3da3

Upload checkpoint-318/trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. checkpoint-318/trainer_state.json +2578 -0
checkpoint-318/trainer_state.json ADDED
@@ -0,0 +1,2578 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 1.4874048037492678,
6
+ "eval_steps": 500,
7
+ "global_step": 318,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.0046865846514352666,
14
+ "grad_norm": 0.051384374499320984,
15
+ "learning_rate": 0.0,
16
+ "loss": 0.9135436415672302,
17
+ "num_tokens": 27577.0,
18
+ "step": 1
19
+ },
20
+ {
21
+ "epoch": 0.009373169302870533,
22
+ "grad_norm": 0.05661161243915558,
23
+ "learning_rate": 9.090909090909091e-06,
24
+ "loss": 1.0476775169372559,
25
+ "num_tokens": 53769.0,
26
+ "step": 2
27
+ },
28
+ {
29
+ "epoch": 0.014059753954305799,
30
+ "grad_norm": 0.06055368855595589,
31
+ "learning_rate": 1.8181818181818182e-05,
32
+ "loss": 1.018783688545227,
33
+ "num_tokens": 83710.0,
34
+ "step": 3
35
+ },
36
+ {
37
+ "epoch": 0.018746338605741066,
38
+ "grad_norm": 0.05393720418214798,
39
+ "learning_rate": 2.7272727272727273e-05,
40
+ "loss": 1.016797661781311,
41
+ "num_tokens": 110526.0,
42
+ "step": 4
43
+ },
44
+ {
45
+ "epoch": 0.023432923257176334,
46
+ "grad_norm": 0.040069058537483215,
47
+ "learning_rate": 3.6363636363636364e-05,
48
+ "loss": 0.8858492374420166,
49
+ "num_tokens": 141157.0,
50
+ "step": 5
51
+ },
52
+ {
53
+ "epoch": 0.028119507908611598,
54
+ "grad_norm": 0.027801791206002235,
55
+ "learning_rate": 4.545454545454546e-05,
56
+ "loss": 0.8189319372177124,
57
+ "num_tokens": 167869.0,
58
+ "step": 6
59
+ },
60
+ {
61
+ "epoch": 0.032806092560046865,
62
+ "grad_norm": 0.03238449990749359,
63
+ "learning_rate": 5.4545454545454546e-05,
64
+ "loss": 0.8969806432723999,
65
+ "num_tokens": 195198.0,
66
+ "step": 7
67
+ },
68
+ {
69
+ "epoch": 0.03749267721148213,
70
+ "grad_norm": 0.04445185512304306,
71
+ "learning_rate": 6.363636363636364e-05,
72
+ "loss": 0.840364933013916,
73
+ "num_tokens": 222221.0,
74
+ "step": 8
75
+ },
76
+ {
77
+ "epoch": 0.0421792618629174,
78
+ "grad_norm": 0.03980391472578049,
79
+ "learning_rate": 7.272727272727273e-05,
80
+ "loss": 0.7074636816978455,
81
+ "num_tokens": 253886.0,
82
+ "step": 9
83
+ },
84
+ {
85
+ "epoch": 0.04686584651435267,
86
+ "grad_norm": 0.037389349192380905,
87
+ "learning_rate": 8.181818181818183e-05,
88
+ "loss": 0.7766112089157104,
89
+ "num_tokens": 282084.0,
90
+ "step": 10
91
+ },
92
+ {
93
+ "epoch": 0.051552431165787935,
94
+ "grad_norm": 0.03370026499032974,
95
+ "learning_rate": 9.090909090909092e-05,
96
+ "loss": 0.9224791526794434,
97
+ "num_tokens": 306274.0,
98
+ "step": 11
99
+ },
100
+ {
101
+ "epoch": 0.056239015817223195,
102
+ "grad_norm": 0.030875062569975853,
103
+ "learning_rate": 0.0001,
104
+ "loss": 0.8241673707962036,
105
+ "num_tokens": 333896.0,
106
+ "step": 12
107
+ },
108
+ {
109
+ "epoch": 0.06092560046865846,
110
+ "grad_norm": 0.027592068538069725,
111
+ "learning_rate": 0.00010909090909090909,
112
+ "loss": 0.7796958684921265,
113
+ "num_tokens": 358218.0,
114
+ "step": 13
115
+ },
116
+ {
117
+ "epoch": 0.06561218512009373,
118
+ "grad_norm": 0.021626442670822144,
119
+ "learning_rate": 0.0001181818181818182,
120
+ "loss": 0.8019801378250122,
121
+ "num_tokens": 386330.0,
122
+ "step": 14
123
+ },
124
+ {
125
+ "epoch": 0.070298769771529,
126
+ "grad_norm": 0.027092255651950836,
127
+ "learning_rate": 0.00012727272727272728,
128
+ "loss": 0.7218313217163086,
129
+ "num_tokens": 418249.0,
130
+ "step": 15
131
+ },
132
+ {
133
+ "epoch": 0.07498535442296426,
134
+ "grad_norm": 0.023632660508155823,
135
+ "learning_rate": 0.00013636363636363637,
136
+ "loss": 0.8899157047271729,
137
+ "num_tokens": 445646.0,
138
+ "step": 16
139
+ },
140
+ {
141
+ "epoch": 0.07967193907439953,
142
+ "grad_norm": 0.03362816572189331,
143
+ "learning_rate": 0.00014545454545454546,
144
+ "loss": 0.8559063673019409,
145
+ "num_tokens": 470930.0,
146
+ "step": 17
147
+ },
148
+ {
149
+ "epoch": 0.0843585237258348,
150
+ "grad_norm": 0.020501242950558662,
151
+ "learning_rate": 0.00015454545454545454,
152
+ "loss": 0.7042301297187805,
153
+ "num_tokens": 498059.0,
154
+ "step": 18
155
+ },
156
+ {
157
+ "epoch": 0.08904510837727006,
158
+ "grad_norm": 0.018128708004951477,
159
+ "learning_rate": 0.00016363636363636366,
160
+ "loss": 0.7310709953308105,
161
+ "num_tokens": 530592.0,
162
+ "step": 19
163
+ },
164
+ {
165
+ "epoch": 0.09373169302870533,
166
+ "grad_norm": 0.018460258841514587,
167
+ "learning_rate": 0.00017272727272727275,
168
+ "loss": 0.6924107074737549,
169
+ "num_tokens": 562330.0,
170
+ "step": 20
171
+ },
172
+ {
173
+ "epoch": 0.0984182776801406,
174
+ "grad_norm": 0.02003256231546402,
175
+ "learning_rate": 0.00018181818181818183,
176
+ "loss": 0.7911130785942078,
177
+ "num_tokens": 589956.0,
178
+ "step": 21
179
+ },
180
+ {
181
+ "epoch": 0.10310486233157587,
182
+ "grad_norm": 0.018715323880314827,
183
+ "learning_rate": 0.00019090909090909092,
184
+ "loss": 0.7266192436218262,
185
+ "num_tokens": 616859.0,
186
+ "step": 22
187
+ },
188
+ {
189
+ "epoch": 0.10779144698301113,
190
+ "grad_norm": 0.01817537099123001,
191
+ "learning_rate": 0.0002,
192
+ "loss": 0.6269426941871643,
193
+ "num_tokens": 642701.0,
194
+ "step": 23
195
+ },
196
+ {
197
+ "epoch": 0.11247803163444639,
198
+ "grad_norm": 0.018678782507777214,
199
+ "learning_rate": 0.00019999700625010443,
200
+ "loss": 0.7403688430786133,
201
+ "num_tokens": 676504.0,
202
+ "step": 24
203
+ },
204
+ {
205
+ "epoch": 0.11716461628588166,
206
+ "grad_norm": 0.020272132009267807,
207
+ "learning_rate": 0.0001999880251796685,
208
+ "loss": 0.7321911454200745,
209
+ "num_tokens": 705912.0,
210
+ "step": 25
211
+ },
212
+ {
213
+ "epoch": 0.12185120093731693,
214
+ "grad_norm": 0.01957310177385807,
215
+ "learning_rate": 0.00019997305732643374,
216
+ "loss": 0.7002245187759399,
217
+ "num_tokens": 732194.0,
218
+ "step": 26
219
+ },
220
+ {
221
+ "epoch": 0.1265377855887522,
222
+ "grad_norm": 0.01948855258524418,
223
+ "learning_rate": 0.00019995210358660038,
224
+ "loss": 0.7347348928451538,
225
+ "num_tokens": 759652.0,
226
+ "step": 27
227
+ },
228
+ {
229
+ "epoch": 0.13122437024018746,
230
+ "grad_norm": 0.023063676431775093,
231
+ "learning_rate": 0.00019992516521477352,
232
+ "loss": 0.6699464917182922,
233
+ "num_tokens": 785242.0,
234
+ "step": 28
235
+ },
236
+ {
237
+ "epoch": 0.13591095489162272,
238
+ "grad_norm": 0.021980423480272293,
239
+ "learning_rate": 0.00019989224382388813,
240
+ "loss": 0.6514506340026855,
241
+ "num_tokens": 810494.0,
242
+ "step": 29
243
+ },
244
+ {
245
+ "epoch": 0.140597539543058,
246
+ "grad_norm": 0.02254093810915947,
247
+ "learning_rate": 0.00019985334138511237,
248
+ "loss": 0.8430403470993042,
249
+ "num_tokens": 833820.0,
250
+ "step": 30
251
+ },
252
+ {
253
+ "epoch": 0.14528412419449327,
254
+ "grad_norm": 0.020795788615942,
255
+ "learning_rate": 0.00019980846022772978,
256
+ "loss": 0.8233045339584351,
257
+ "num_tokens": 855801.0,
258
+ "step": 31
259
+ },
260
+ {
261
+ "epoch": 0.14997070884592853,
262
+ "grad_norm": 0.02146788127720356,
263
+ "learning_rate": 0.00019975760303899952,
264
+ "loss": 0.8730515241622925,
265
+ "num_tokens": 883156.0,
266
+ "step": 32
267
+ },
268
+ {
269
+ "epoch": 0.1546572934973638,
270
+ "grad_norm": 0.020464448258280754,
271
+ "learning_rate": 0.0001997007728639956,
272
+ "loss": 0.6831374168395996,
273
+ "num_tokens": 910253.0,
274
+ "step": 33
275
+ },
276
+ {
277
+ "epoch": 0.15934387814879905,
278
+ "grad_norm": 0.02013879455626011,
279
+ "learning_rate": 0.0001996379731054247,
280
+ "loss": 0.701470673084259,
281
+ "num_tokens": 939939.0,
282
+ "step": 34
283
+ },
284
+ {
285
+ "epoch": 0.16403046280023434,
286
+ "grad_norm": 0.02222023718059063,
287
+ "learning_rate": 0.00019956920752342225,
288
+ "loss": 0.803076446056366,
289
+ "num_tokens": 964809.0,
290
+ "step": 35
291
+ },
292
+ {
293
+ "epoch": 0.1687170474516696,
294
+ "grad_norm": 0.019367733970284462,
295
+ "learning_rate": 0.00019949448023532726,
296
+ "loss": 0.775732696056366,
297
+ "num_tokens": 990661.0,
298
+ "step": 36
299
+ },
300
+ {
301
+ "epoch": 0.17340363210310486,
302
+ "grad_norm": 0.016949206590652466,
303
+ "learning_rate": 0.00019941379571543596,
304
+ "loss": 0.6347322463989258,
305
+ "num_tokens": 1016336.0,
306
+ "step": 37
307
+ },
308
+ {
309
+ "epoch": 0.17809021675454012,
310
+ "grad_norm": 0.01832510717213154,
311
+ "learning_rate": 0.00019932715879473386,
312
+ "loss": 0.703629732131958,
313
+ "num_tokens": 1043264.0,
314
+ "step": 38
315
+ },
316
+ {
317
+ "epoch": 0.1827768014059754,
318
+ "grad_norm": 0.01435445062816143,
319
+ "learning_rate": 0.00019923457466060636,
320
+ "loss": 0.7372844219207764,
321
+ "num_tokens": 1080968.0,
322
+ "step": 39
323
+ },
324
+ {
325
+ "epoch": 0.18746338605741067,
326
+ "grad_norm": 0.017573175951838493,
327
+ "learning_rate": 0.00019913604885652832,
328
+ "loss": 0.6736240386962891,
329
+ "num_tokens": 1107301.0,
330
+ "step": 40
331
+ },
332
+ {
333
+ "epoch": 0.19214997070884593,
334
+ "grad_norm": 0.018299151211977005,
335
+ "learning_rate": 0.00019903158728173205,
336
+ "loss": 0.6043229103088379,
337
+ "num_tokens": 1135940.0,
338
+ "step": 41
339
+ },
340
+ {
341
+ "epoch": 0.1968365553602812,
342
+ "grad_norm": 0.017435841262340546,
343
+ "learning_rate": 0.00019892119619085413,
344
+ "loss": 0.8914448618888855,
345
+ "num_tokens": 1168551.0,
346
+ "step": 42
347
+ },
348
+ {
349
+ "epoch": 0.20152314001171645,
350
+ "grad_norm": 0.017910778522491455,
351
+ "learning_rate": 0.00019880488219356087,
352
+ "loss": 0.6544086337089539,
353
+ "num_tokens": 1192822.0,
354
+ "step": 43
355
+ },
356
+ {
357
+ "epoch": 0.20620972466315174,
358
+ "grad_norm": 0.014131936244666576,
359
+ "learning_rate": 0.00019868265225415265,
360
+ "loss": 0.5981888175010681,
361
+ "num_tokens": 1224533.0,
362
+ "step": 44
363
+ },
364
+ {
365
+ "epoch": 0.210896309314587,
366
+ "grad_norm": 0.013926932588219643,
367
+ "learning_rate": 0.00019855451369114676,
368
+ "loss": 0.5678025484085083,
369
+ "num_tokens": 1258277.0,
370
+ "step": 45
371
+ },
372
+ {
373
+ "epoch": 0.21558289396602226,
374
+ "grad_norm": 0.019710620865225792,
375
+ "learning_rate": 0.0001984204741768395,
376
+ "loss": 0.741448163986206,
377
+ "num_tokens": 1283306.0,
378
+ "step": 46
379
+ },
380
+ {
381
+ "epoch": 0.22026947861745752,
382
+ "grad_norm": 0.014478852972388268,
383
+ "learning_rate": 0.00019828054173684644,
384
+ "loss": 0.6968680024147034,
385
+ "num_tokens": 1314849.0,
386
+ "step": 47
387
+ },
388
+ {
389
+ "epoch": 0.22495606326889278,
390
+ "grad_norm": 0.0185406357049942,
391
+ "learning_rate": 0.00019813472474962217,
392
+ "loss": 0.70443195104599,
393
+ "num_tokens": 1341950.0,
394
+ "step": 48
395
+ },
396
+ {
397
+ "epoch": 0.22964264792032807,
398
+ "grad_norm": 0.01472421269863844,
399
+ "learning_rate": 0.00019798303194595846,
400
+ "loss": 0.7086731195449829,
401
+ "num_tokens": 1374717.0,
402
+ "step": 49
403
+ },
404
+ {
405
+ "epoch": 0.23432923257176333,
406
+ "grad_norm": 0.01715102605521679,
407
+ "learning_rate": 0.00019782547240846166,
408
+ "loss": 0.7801943421363831,
409
+ "num_tokens": 1405423.0,
410
+ "step": 50
411
+ },
412
+ {
413
+ "epoch": 0.2390158172231986,
414
+ "grad_norm": 0.01534986775368452,
415
+ "learning_rate": 0.00019766205557100868,
416
+ "loss": 0.7315295934677124,
417
+ "num_tokens": 1435797.0,
418
+ "step": 51
419
+ },
420
+ {
421
+ "epoch": 0.24370240187463385,
422
+ "grad_norm": 0.01790514402091503,
423
+ "learning_rate": 0.00019749279121818235,
424
+ "loss": 0.6989485025405884,
425
+ "num_tokens": 1460603.0,
426
+ "step": 52
427
+ },
428
+ {
429
+ "epoch": 0.24838898652606914,
430
+ "grad_norm": 0.019122600555419922,
431
+ "learning_rate": 0.00019731768948468549,
432
+ "loss": 0.8172528743743896,
433
+ "num_tokens": 1485860.0,
434
+ "step": 53
435
+ },
436
+ {
437
+ "epoch": 0.2530755711775044,
438
+ "grad_norm": 0.015816036611795425,
439
+ "learning_rate": 0.00019713676085473397,
440
+ "loss": 0.6920545101165771,
441
+ "num_tokens": 1516763.0,
442
+ "step": 54
443
+ },
444
+ {
445
+ "epoch": 0.2577621558289397,
446
+ "grad_norm": 0.0181569941341877,
447
+ "learning_rate": 0.00019695001616142915,
448
+ "loss": 0.6596686840057373,
449
+ "num_tokens": 1541863.0,
450
+ "step": 55
451
+ },
452
+ {
453
+ "epoch": 0.2624487404803749,
454
+ "grad_norm": 0.017863502725958824,
455
+ "learning_rate": 0.00019675746658610917,
456
+ "loss": 0.8410529494285583,
457
+ "num_tokens": 1571150.0,
458
+ "step": 56
459
+ },
460
+ {
461
+ "epoch": 0.2671353251318102,
462
+ "grad_norm": 0.017747659236192703,
463
+ "learning_rate": 0.0001965591236576794,
464
+ "loss": 0.6777825355529785,
465
+ "num_tokens": 1596156.0,
466
+ "step": 57
467
+ },
468
+ {
469
+ "epoch": 0.27182190978324544,
470
+ "grad_norm": 0.018964149057865143,
471
+ "learning_rate": 0.0001963549992519223,
472
+ "loss": 0.7582053542137146,
473
+ "num_tokens": 1620023.0,
474
+ "step": 58
475
+ },
476
+ {
477
+ "epoch": 0.27650849443468073,
478
+ "grad_norm": 0.01840493083000183,
479
+ "learning_rate": 0.00019614510559078625,
480
+ "loss": 0.7568569183349609,
481
+ "num_tokens": 1645111.0,
482
+ "step": 59
483
+ },
484
+ {
485
+ "epoch": 0.281195079086116,
486
+ "grad_norm": 0.014947458170354366,
487
+ "learning_rate": 0.00019592945524165374,
488
+ "loss": 0.7009609341621399,
489
+ "num_tokens": 1676825.0,
490
+ "step": 60
491
+ },
492
+ {
493
+ "epoch": 0.28588166373755125,
494
+ "grad_norm": 0.018854359164834023,
495
+ "learning_rate": 0.00019570806111658898,
496
+ "loss": 0.7680045366287231,
497
+ "num_tokens": 1704692.0,
498
+ "step": 61
499
+ },
500
+ {
501
+ "epoch": 0.29056824838898654,
502
+ "grad_norm": 0.018227359279990196,
503
+ "learning_rate": 0.0001954809364715648,
504
+ "loss": 0.7715598940849304,
505
+ "num_tokens": 1731109.0,
506
+ "step": 62
507
+ },
508
+ {
509
+ "epoch": 0.29525483304042177,
510
+ "grad_norm": 0.030492570251226425,
511
+ "learning_rate": 0.00019524809490566877,
512
+ "loss": 0.7712352275848389,
513
+ "num_tokens": 1759415.0,
514
+ "step": 63
515
+ },
516
+ {
517
+ "epoch": 0.29994141769185706,
518
+ "grad_norm": 0.017521576955914497,
519
+ "learning_rate": 0.00019500955036028922,
520
+ "loss": 0.760728120803833,
521
+ "num_tokens": 1785521.0,
522
+ "step": 64
523
+ },
524
+ {
525
+ "epoch": 0.30462800234329235,
526
+ "grad_norm": 0.015448614954948425,
527
+ "learning_rate": 0.00019476531711828027,
528
+ "loss": 0.7066532969474792,
529
+ "num_tokens": 1817775.0,
530
+ "step": 65
531
+ },
532
+ {
533
+ "epoch": 0.3093145869947276,
534
+ "grad_norm": 0.017962772399187088,
535
+ "learning_rate": 0.00019451540980310676,
536
+ "loss": 0.7092620730400085,
537
+ "num_tokens": 1842665.0,
538
+ "step": 66
539
+ },
540
+ {
541
+ "epoch": 0.31400117164616287,
542
+ "grad_norm": 0.017784444615244865,
543
+ "learning_rate": 0.0001942598433779687,
544
+ "loss": 0.7012664079666138,
545
+ "num_tokens": 1869577.0,
546
+ "step": 67
547
+ },
548
+ {
549
+ "epoch": 0.3186877562975981,
550
+ "grad_norm": 0.017005180940032005,
551
+ "learning_rate": 0.00019399863314490526,
552
+ "loss": 0.6345712542533875,
553
+ "num_tokens": 1897675.0,
554
+ "step": 68
555
+ },
556
+ {
557
+ "epoch": 0.3233743409490334,
558
+ "grad_norm": 0.01969163678586483,
559
+ "learning_rate": 0.00019373179474387858,
560
+ "loss": 0.883948802947998,
561
+ "num_tokens": 1925451.0,
562
+ "step": 69
563
+ },
564
+ {
565
+ "epoch": 0.3280609256004687,
566
+ "grad_norm": 0.015260924585163593,
567
+ "learning_rate": 0.0001934593441518374,
568
+ "loss": 0.5999019742012024,
569
+ "num_tokens": 1955944.0,
570
+ "step": 70
571
+ },
572
+ {
573
+ "epoch": 0.3327475102519039,
574
+ "grad_norm": 0.015242267400026321,
575
+ "learning_rate": 0.00019318129768176032,
576
+ "loss": 0.7795001268386841,
577
+ "num_tokens": 1992104.0,
578
+ "step": 71
579
+ },
580
+ {
581
+ "epoch": 0.3374340949033392,
582
+ "grad_norm": 0.015679946169257164,
583
+ "learning_rate": 0.00019289767198167916,
584
+ "loss": 0.6518503427505493,
585
+ "num_tokens": 2024006.0,
586
+ "step": 72
587
+ },
588
+ {
589
+ "epoch": 0.34212067955477443,
590
+ "grad_norm": 0.016625264659523964,
591
+ "learning_rate": 0.0001926084840336821,
592
+ "loss": 0.655728280544281,
593
+ "num_tokens": 2048339.0,
594
+ "step": 73
595
+ },
596
+ {
597
+ "epoch": 0.3468072642062097,
598
+ "grad_norm": 0.016117312014102936,
599
+ "learning_rate": 0.00019231375115289696,
600
+ "loss": 0.6389369964599609,
601
+ "num_tokens": 2079167.0,
602
+ "step": 74
603
+ },
604
+ {
605
+ "epoch": 0.351493848857645,
606
+ "grad_norm": 0.015863342210650444,
607
+ "learning_rate": 0.00019201349098645434,
608
+ "loss": 0.6088578104972839,
609
+ "num_tokens": 2110608.0,
610
+ "step": 75
611
+ },
612
+ {
613
+ "epoch": 0.35618043350908024,
614
+ "grad_norm": 0.0166738610714674,
615
+ "learning_rate": 0.00019170772151243107,
616
+ "loss": 0.6107393503189087,
617
+ "num_tokens": 2142233.0,
618
+ "step": 76
619
+ },
620
+ {
621
+ "epoch": 0.36086701816051553,
622
+ "grad_norm": 0.01740742288529873,
623
+ "learning_rate": 0.0001913964610387738,
624
+ "loss": 0.7315651774406433,
625
+ "num_tokens": 2169376.0,
626
+ "step": 77
627
+ },
628
+ {
629
+ "epoch": 0.3655536028119508,
630
+ "grad_norm": 0.021772760897874832,
631
+ "learning_rate": 0.00019107972820220267,
632
+ "loss": 0.8029112815856934,
633
+ "num_tokens": 2189864.0,
634
+ "step": 78
635
+ },
636
+ {
637
+ "epoch": 0.37024018746338605,
638
+ "grad_norm": 0.021346885710954666,
639
+ "learning_rate": 0.00019075754196709572,
640
+ "loss": 0.7283374667167664,
641
+ "num_tokens": 2212915.0,
642
+ "step": 79
643
+ },
644
+ {
645
+ "epoch": 0.37492677211482134,
646
+ "grad_norm": 0.015978064388036728,
647
+ "learning_rate": 0.00019042992162435302,
648
+ "loss": 0.6502755880355835,
649
+ "num_tokens": 2243293.0,
650
+ "step": 80
651
+ },
652
+ {
653
+ "epoch": 0.37961335676625657,
654
+ "grad_norm": 0.018250679597258568,
655
+ "learning_rate": 0.0001900968867902419,
656
+ "loss": 0.6920264363288879,
657
+ "num_tokens": 2271476.0,
658
+ "step": 81
659
+ },
660
+ {
661
+ "epoch": 0.38429994141769186,
662
+ "grad_norm": 0.018970279023051262,
663
+ "learning_rate": 0.00018975845740522244,
664
+ "loss": 0.8388804197311401,
665
+ "num_tokens": 2301194.0,
666
+ "step": 82
667
+ },
668
+ {
669
+ "epoch": 0.38898652606912715,
670
+ "grad_norm": 0.01729811541736126,
671
+ "learning_rate": 0.0001894146537327533,
672
+ "loss": 0.7298757433891296,
673
+ "num_tokens": 2331066.0,
674
+ "step": 83
675
+ },
676
+ {
677
+ "epoch": 0.3936731107205624,
678
+ "grad_norm": 0.016176382079720497,
679
+ "learning_rate": 0.00018906549635807861,
680
+ "loss": 0.6759993433952332,
681
+ "num_tokens": 2364333.0,
682
+ "step": 84
683
+ },
684
+ {
685
+ "epoch": 0.39835969537199767,
686
+ "grad_norm": 0.02077021636068821,
687
+ "learning_rate": 0.00018871100618699554,
688
+ "loss": 0.6763718128204346,
689
+ "num_tokens": 2391743.0,
690
+ "step": 85
691
+ },
692
+ {
693
+ "epoch": 0.4030462800234329,
694
+ "grad_norm": 0.018082395195961,
695
+ "learning_rate": 0.0001883512044446023,
696
+ "loss": 0.5660803318023682,
697
+ "num_tokens": 2414298.0,
698
+ "step": 86
699
+ },
700
+ {
701
+ "epoch": 0.4077328646748682,
702
+ "grad_norm": 0.014369606971740723,
703
+ "learning_rate": 0.00018798611267402746,
704
+ "loss": 0.6493896245956421,
705
+ "num_tokens": 2448533.0,
706
+ "step": 87
707
+ },
708
+ {
709
+ "epoch": 0.4124194493263035,
710
+ "grad_norm": 0.01696608029305935,
711
+ "learning_rate": 0.00018761575273514003,
712
+ "loss": 0.7302640676498413,
713
+ "num_tokens": 2475822.0,
714
+ "step": 88
715
+ },
716
+ {
717
+ "epoch": 0.4171060339777387,
718
+ "grad_norm": 0.014188491739332676,
719
+ "learning_rate": 0.00018724014680324057,
720
+ "loss": 0.6129812002182007,
721
+ "num_tokens": 2507447.0,
722
+ "step": 89
723
+ },
724
+ {
725
+ "epoch": 0.421792618629174,
726
+ "grad_norm": 0.020873507484793663,
727
+ "learning_rate": 0.0001868593173677335,
728
+ "loss": 0.7562912106513977,
729
+ "num_tokens": 2533325.0,
730
+ "step": 90
731
+ },
732
+ {
733
+ "epoch": 0.42647920328060923,
734
+ "grad_norm": 0.02266933023929596,
735
+ "learning_rate": 0.00018647328723078038,
736
+ "loss": 0.7829717993736267,
737
+ "num_tokens": 2557554.0,
738
+ "step": 91
739
+ },
740
+ {
741
+ "epoch": 0.4311657879320445,
742
+ "grad_norm": 0.01618797518312931,
743
+ "learning_rate": 0.000186082079505935,
744
+ "loss": 0.6683343648910522,
745
+ "num_tokens": 2584256.0,
746
+ "step": 92
747
+ },
748
+ {
749
+ "epoch": 0.4358523725834798,
750
+ "grad_norm": 0.01636049523949623,
751
+ "learning_rate": 0.00018568571761675893,
752
+ "loss": 0.6867488622665405,
753
+ "num_tokens": 2611538.0,
754
+ "step": 93
755
+ },
756
+ {
757
+ "epoch": 0.44053895723491504,
758
+ "grad_norm": 0.019674455747008324,
759
+ "learning_rate": 0.00018528422529541952,
760
+ "loss": 0.7042540311813354,
761
+ "num_tokens": 2634546.0,
762
+ "step": 94
763
+ },
764
+ {
765
+ "epoch": 0.44522554188635033,
766
+ "grad_norm": 0.01726832054555416,
767
+ "learning_rate": 0.0001848776265812687,
768
+ "loss": 0.7717908024787903,
769
+ "num_tokens": 2663498.0,
770
+ "step": 95
771
+ },
772
+ {
773
+ "epoch": 0.44991212653778556,
774
+ "grad_norm": 0.019708722829818726,
775
+ "learning_rate": 0.0001844659458194036,
776
+ "loss": 0.7058840394020081,
777
+ "num_tokens": 2690495.0,
778
+ "step": 96
779
+ },
780
+ {
781
+ "epoch": 0.45459871118922085,
782
+ "grad_norm": 0.015666253864765167,
783
+ "learning_rate": 0.00018404920765920896,
784
+ "loss": 0.6890168190002441,
785
+ "num_tokens": 2721805.0,
786
+ "step": 97
787
+ },
788
+ {
789
+ "epoch": 0.45928529584065614,
790
+ "grad_norm": 0.017277831211686134,
791
+ "learning_rate": 0.00018362743705288125,
792
+ "loss": 0.7441021800041199,
793
+ "num_tokens": 2750865.0,
794
+ "step": 98
795
+ },
796
+ {
797
+ "epoch": 0.46397188049209137,
798
+ "grad_norm": 0.019693659618496895,
799
+ "learning_rate": 0.00018320065925393468,
800
+ "loss": 0.7525553107261658,
801
+ "num_tokens": 2774941.0,
802
+ "step": 99
803
+ },
804
+ {
805
+ "epoch": 0.46865846514352666,
806
+ "grad_norm": 0.018467402085661888,
807
+ "learning_rate": 0.00018276889981568906,
808
+ "loss": 0.7478335499763489,
809
+ "num_tokens": 2798754.0,
810
+ "step": 100
811
+ },
812
+ {
813
+ "epoch": 0.47334504979496195,
814
+ "grad_norm": 0.016140319406986237,
815
+ "learning_rate": 0.00018233218458973984,
816
+ "loss": 0.6552085876464844,
817
+ "num_tokens": 2830956.0,
818
+ "step": 101
819
+ },
820
+ {
821
+ "epoch": 0.4780316344463972,
822
+ "grad_norm": 0.01590798981487751,
823
+ "learning_rate": 0.00018189053972441025,
824
+ "loss": 0.7423396110534668,
825
+ "num_tokens": 2862140.0,
826
+ "step": 102
827
+ },
828
+ {
829
+ "epoch": 0.48271821909783247,
830
+ "grad_norm": 0.01869652047753334,
831
+ "learning_rate": 0.00018144399166318572,
832
+ "loss": 0.7427437901496887,
833
+ "num_tokens": 2886612.0,
834
+ "step": 103
835
+ },
836
+ {
837
+ "epoch": 0.4874048037492677,
838
+ "grad_norm": 0.01759265922009945,
839
+ "learning_rate": 0.0001809925671431304,
840
+ "loss": 0.7087360620498657,
841
+ "num_tokens": 2912450.0,
842
+ "step": 104
843
+ },
844
+ {
845
+ "epoch": 0.492091388400703,
846
+ "grad_norm": 0.02047079987823963,
847
+ "learning_rate": 0.00018053629319328662,
848
+ "loss": 0.7138317227363586,
849
+ "num_tokens": 2937623.0,
850
+ "step": 105
851
+ },
852
+ {
853
+ "epoch": 0.4967779730521383,
854
+ "grad_norm": 0.017713995650410652,
855
+ "learning_rate": 0.00018007519713305605,
856
+ "loss": 0.8792675733566284,
857
+ "num_tokens": 2966948.0,
858
+ "step": 106
859
+ },
860
+ {
861
+ "epoch": 0.5014645577035736,
862
+ "grad_norm": 0.017888452857732773,
863
+ "learning_rate": 0.00017960930657056438,
864
+ "loss": 0.7580028176307678,
865
+ "num_tokens": 2995391.0,
866
+ "step": 107
867
+ },
868
+ {
869
+ "epoch": 0.5061511423550088,
870
+ "grad_norm": 0.01546698808670044,
871
+ "learning_rate": 0.00017913864940100808,
872
+ "loss": 0.6153715252876282,
873
+ "num_tokens": 3027800.0,
874
+ "step": 108
875
+ },
876
+ {
877
+ "epoch": 0.510837727006444,
878
+ "grad_norm": 0.016936223953962326,
879
+ "learning_rate": 0.00017866325380498416,
880
+ "loss": 0.7080944180488586,
881
+ "num_tokens": 3059479.0,
882
+ "step": 109
883
+ },
884
+ {
885
+ "epoch": 0.5155243116578794,
886
+ "grad_norm": 0.014087708666920662,
887
+ "learning_rate": 0.000178183148246803,
888
+ "loss": 0.6673498749732971,
889
+ "num_tokens": 3090276.0,
890
+ "step": 110
891
+ },
892
+ {
893
+ "epoch": 0.5202108963093146,
894
+ "grad_norm": 0.01673322543501854,
895
+ "learning_rate": 0.0001776983614727838,
896
+ "loss": 0.7345165014266968,
897
+ "num_tokens": 3117983.0,
898
+ "step": 111
899
+ },
900
+ {
901
+ "epoch": 0.5248974809607498,
902
+ "grad_norm": 0.020172668620944023,
903
+ "learning_rate": 0.00017720892250953373,
904
+ "loss": 0.7241357564926147,
905
+ "num_tokens": 3142487.0,
906
+ "step": 112
907
+ },
908
+ {
909
+ "epoch": 0.5295840656121851,
910
+ "grad_norm": 0.017690038308501244,
911
+ "learning_rate": 0.00017671486066220965,
912
+ "loss": 0.7055312395095825,
913
+ "num_tokens": 3168339.0,
914
+ "step": 113
915
+ },
916
+ {
917
+ "epoch": 0.5342706502636204,
918
+ "grad_norm": 0.02020364999771118,
919
+ "learning_rate": 0.00017621620551276366,
920
+ "loss": 0.8319218158721924,
921
+ "num_tokens": 3188724.0,
922
+ "step": 114
923
+ },
924
+ {
925
+ "epoch": 0.5389572349150556,
926
+ "grad_norm": 0.01781732589006424,
927
+ "learning_rate": 0.00017571298691817177,
928
+ "loss": 0.6731840372085571,
929
+ "num_tokens": 3212012.0,
930
+ "step": 115
931
+ },
932
+ {
933
+ "epoch": 0.5436438195664909,
934
+ "grad_norm": 0.01930844970047474,
935
+ "learning_rate": 0.00017520523500864625,
936
+ "loss": 0.7961735725402832,
937
+ "num_tokens": 3234866.0,
938
+ "step": 116
939
+ },
940
+ {
941
+ "epoch": 0.5483304042179262,
942
+ "grad_norm": 0.01762983947992325,
943
+ "learning_rate": 0.0001746929801858317,
944
+ "loss": 0.7620041966438293,
945
+ "num_tokens": 3263912.0,
946
+ "step": 117
947
+ },
948
+ {
949
+ "epoch": 0.5530169888693615,
950
+ "grad_norm": 0.01918371021747589,
951
+ "learning_rate": 0.00017417625312098452,
952
+ "loss": 0.7817209362983704,
953
+ "num_tokens": 3291531.0,
954
+ "step": 118
955
+ },
956
+ {
957
+ "epoch": 0.5577035735207967,
958
+ "grad_norm": 0.015562949702143669,
959
+ "learning_rate": 0.0001736550847531366,
960
+ "loss": 0.5484626889228821,
961
+ "num_tokens": 3319717.0,
962
+ "step": 119
963
+ },
964
+ {
965
+ "epoch": 0.562390158172232,
966
+ "grad_norm": 0.014110572636127472,
967
+ "learning_rate": 0.00017312950628724295,
968
+ "loss": 0.6404852867126465,
969
+ "num_tokens": 3353800.0,
970
+ "step": 120
971
+ },
972
+ {
973
+ "epoch": 0.5670767428236673,
974
+ "grad_norm": 0.01469608023762703,
975
+ "learning_rate": 0.0001725995491923131,
976
+ "loss": 0.5291256904602051,
977
+ "num_tokens": 3383165.0,
978
+ "step": 121
979
+ },
980
+ {
981
+ "epoch": 0.5717633274751025,
982
+ "grad_norm": 0.012918651103973389,
983
+ "learning_rate": 0.00017206524519952697,
984
+ "loss": 0.6107466220855713,
985
+ "num_tokens": 3422397.0,
986
+ "step": 122
987
+ },
988
+ {
989
+ "epoch": 0.5764499121265377,
990
+ "grad_norm": 0.020249634981155396,
991
+ "learning_rate": 0.00017152662630033505,
992
+ "loss": 0.8056011199951172,
993
+ "num_tokens": 3446864.0,
994
+ "step": 123
995
+ },
996
+ {
997
+ "epoch": 0.5811364967779731,
998
+ "grad_norm": 0.01469720620661974,
999
+ "learning_rate": 0.00017098372474454277,
1000
+ "loss": 0.5424352884292603,
1001
+ "num_tokens": 3480661.0,
1002
+ "step": 124
1003
+ },
1004
+ {
1005
+ "epoch": 0.5858230814294083,
1006
+ "grad_norm": 0.018604544922709465,
1007
+ "learning_rate": 0.00017043657303837963,
1008
+ "loss": 0.7502825260162354,
1009
+ "num_tokens": 3506115.0,
1010
+ "step": 125
1011
+ },
1012
+ {
1013
+ "epoch": 0.5905096660808435,
1014
+ "grad_norm": 0.018334681168198586,
1015
+ "learning_rate": 0.000169885203942553,
1016
+ "loss": 0.8402462005615234,
1017
+ "num_tokens": 3538294.0,
1018
+ "step": 126
1019
+ },
1020
+ {
1021
+ "epoch": 0.5951962507322789,
1022
+ "grad_norm": 0.016648396849632263,
1023
+ "learning_rate": 0.0001693296504702862,
1024
+ "loss": 0.6800752878189087,
1025
+ "num_tokens": 3566829.0,
1026
+ "step": 127
1027
+ },
1028
+ {
1029
+ "epoch": 0.5998828353837141,
1030
+ "grad_norm": 0.01815720461308956,
1031
+ "learning_rate": 0.00016876994588534234,
1032
+ "loss": 0.6151847839355469,
1033
+ "num_tokens": 3593345.0,
1034
+ "step": 128
1035
+ },
1036
+ {
1037
+ "epoch": 0.6045694200351494,
1038
+ "grad_norm": 0.01732209511101246,
1039
+ "learning_rate": 0.00016820612370003221,
1040
+ "loss": 0.6896803975105286,
1041
+ "num_tokens": 3616682.0,
1042
+ "step": 129
1043
+ },
1044
+ {
1045
+ "epoch": 0.6092560046865847,
1046
+ "grad_norm": 0.016574790701270103,
1047
+ "learning_rate": 0.000167638217673208,
1048
+ "loss": 0.6374701261520386,
1049
+ "num_tokens": 3643326.0,
1050
+ "step": 130
1051
+ },
1052
+ {
1053
+ "epoch": 0.6139425893380199,
1054
+ "grad_norm": 0.01585974544286728,
1055
+ "learning_rate": 0.00016706626180824186,
1056
+ "loss": 0.6000485420227051,
1057
+ "num_tokens": 3674755.0,
1058
+ "step": 131
1059
+ },
1060
+ {
1061
+ "epoch": 0.6186291739894552,
1062
+ "grad_norm": 0.02168286219239235,
1063
+ "learning_rate": 0.00016649029035099,
1064
+ "loss": 0.6615947484970093,
1065
+ "num_tokens": 3702146.0,
1066
+ "step": 132
1067
+ },
1068
+ {
1069
+ "epoch": 0.6233157586408905,
1070
+ "grad_norm": 0.01953584887087345,
1071
+ "learning_rate": 0.0001659103377877423,
1072
+ "loss": 0.631389856338501,
1073
+ "num_tokens": 3724254.0,
1074
+ "step": 133
1075
+ },
1076
+ {
1077
+ "epoch": 0.6280023432923257,
1078
+ "grad_norm": 0.01740172505378723,
1079
+ "learning_rate": 0.0001653264388431572,
1080
+ "loss": 0.782500684261322,
1081
+ "num_tokens": 3754889.0,
1082
+ "step": 134
1083
+ },
1084
+ {
1085
+ "epoch": 0.632688927943761,
1086
+ "grad_norm": 0.01756126992404461,
1087
+ "learning_rate": 0.00016473862847818277,
1088
+ "loss": 0.6240105628967285,
1089
+ "num_tokens": 3780049.0,
1090
+ "step": 135
1091
+ },
1092
+ {
1093
+ "epoch": 0.6373755125951962,
1094
+ "grad_norm": 0.018631862476468086,
1095
+ "learning_rate": 0.00016414694188796345,
1096
+ "loss": 0.6254751682281494,
1097
+ "num_tokens": 3805994.0,
1098
+ "step": 136
1099
+ },
1100
+ {
1101
+ "epoch": 0.6420620972466315,
1102
+ "grad_norm": 0.01772165298461914,
1103
+ "learning_rate": 0.00016355141449973256,
1104
+ "loss": 0.7138672471046448,
1105
+ "num_tokens": 3838692.0,
1106
+ "step": 137
1107
+ },
1108
+ {
1109
+ "epoch": 0.6467486818980668,
1110
+ "grad_norm": 0.02134813368320465,
1111
+ "learning_rate": 0.0001629520819706912,
1112
+ "loss": 0.6843606233596802,
1113
+ "num_tokens": 3861136.0,
1114
+ "step": 138
1115
+ },
1116
+ {
1117
+ "epoch": 0.651435266549502,
1118
+ "grad_norm": 0.019024241715669632,
1119
+ "learning_rate": 0.00016234898018587337,
1120
+ "loss": 0.7739150524139404,
1121
+ "num_tokens": 3884299.0,
1122
+ "step": 139
1123
+ },
1124
+ {
1125
+ "epoch": 0.6561218512009374,
1126
+ "grad_norm": 0.017018890008330345,
1127
+ "learning_rate": 0.0001617421452559971,
1128
+ "loss": 0.7982111573219299,
1129
+ "num_tokens": 3911990.0,
1130
+ "step": 140
1131
+ },
1132
+ {
1133
+ "epoch": 0.6608084358523726,
1134
+ "grad_norm": 0.017716465517878532,
1135
+ "learning_rate": 0.0001611316135153026,
1136
+ "loss": 0.6516788005828857,
1137
+ "num_tokens": 3937590.0,
1138
+ "step": 141
1139
+ },
1140
+ {
1141
+ "epoch": 0.6654950205038078,
1142
+ "grad_norm": 0.018196681514382362,
1143
+ "learning_rate": 0.00016051742151937655,
1144
+ "loss": 0.6962698101997375,
1145
+ "num_tokens": 3968492.0,
1146
+ "step": 142
1147
+ },
1148
+ {
1149
+ "epoch": 0.6701816051552432,
1150
+ "grad_norm": 0.019828489050269127,
1151
+ "learning_rate": 0.0001598996060429634,
1152
+ "loss": 0.7837550640106201,
1153
+ "num_tokens": 3992077.0,
1154
+ "step": 143
1155
+ },
1156
+ {
1157
+ "epoch": 0.6748681898066784,
1158
+ "grad_norm": 0.019504865631461143,
1159
+ "learning_rate": 0.00015927820407776353,
1160
+ "loss": 0.8257341384887695,
1161
+ "num_tokens": 4017854.0,
1162
+ "step": 144
1163
+ },
1164
+ {
1165
+ "epoch": 0.6795547744581136,
1166
+ "grad_norm": 0.024247588589787483,
1167
+ "learning_rate": 0.0001586532528302183,
1168
+ "loss": 0.7519227266311646,
1169
+ "num_tokens": 4040498.0,
1170
+ "step": 145
1171
+ },
1172
+ {
1173
+ "epoch": 0.6842413591095489,
1174
+ "grad_norm": 0.017198674380779266,
1175
+ "learning_rate": 0.00015802478971928242,
1176
+ "loss": 0.6746048331260681,
1177
+ "num_tokens": 4064754.0,
1178
+ "step": 146
1179
+ },
1180
+ {
1181
+ "epoch": 0.6889279437609842,
1182
+ "grad_norm": 0.018579604104161263,
1183
+ "learning_rate": 0.0001573928523741832,
1184
+ "loss": 0.8102442622184753,
1185
+ "num_tokens": 4088447.0,
1186
+ "step": 147
1187
+ },
1188
+ {
1189
+ "epoch": 0.6936145284124194,
1190
+ "grad_norm": 0.017206164076924324,
1191
+ "learning_rate": 0.00015675747863216801,
1192
+ "loss": 0.6687013506889343,
1193
+ "num_tokens": 4118049.0,
1194
+ "step": 148
1195
+ },
1196
+ {
1197
+ "epoch": 0.6983011130638547,
1198
+ "grad_norm": 0.018775764852762222,
1199
+ "learning_rate": 0.00015611870653623825,
1200
+ "loss": 0.7222660183906555,
1201
+ "num_tokens": 4141820.0,
1202
+ "step": 149
1203
+ },
1204
+ {
1205
+ "epoch": 0.70298769771529,
1206
+ "grad_norm": 0.01597282849252224,
1207
+ "learning_rate": 0.00015547657433287183,
1208
+ "loss": 0.7305333018302917,
1209
+ "num_tokens": 4171467.0,
1210
+ "step": 150
1211
+ },
1212
+ {
1213
+ "epoch": 0.7076742823667252,
1214
+ "grad_norm": 0.014281094074249268,
1215
+ "learning_rate": 0.0001548311204697331,
1216
+ "loss": 0.6703628301620483,
1217
+ "num_tokens": 4210286.0,
1218
+ "step": 151
1219
+ },
1220
+ {
1221
+ "epoch": 0.7123608670181605,
1222
+ "grad_norm": 0.021154943853616714,
1223
+ "learning_rate": 0.00015418238359337077,
1224
+ "loss": 0.6685652732849121,
1225
+ "num_tokens": 4234631.0,
1226
+ "step": 152
1227
+ },
1228
+ {
1229
+ "epoch": 0.7170474516695958,
1230
+ "grad_norm": 0.018537605181336403,
1231
+ "learning_rate": 0.00015353040254690393,
1232
+ "loss": 0.6078515648841858,
1233
+ "num_tokens": 4260789.0,
1234
+ "step": 153
1235
+ },
1236
+ {
1237
+ "epoch": 0.7217340363210311,
1238
+ "grad_norm": 0.01671479269862175,
1239
+ "learning_rate": 0.0001528752163676964,
1240
+ "loss": 0.7512734532356262,
1241
+ "num_tokens": 4291494.0,
1242
+ "step": 154
1243
+ },
1244
+ {
1245
+ "epoch": 0.7264206209724663,
1246
+ "grad_norm": 0.015522940084338188,
1247
+ "learning_rate": 0.00015221686428501928,
1248
+ "loss": 0.6290964484214783,
1249
+ "num_tokens": 4321851.0,
1250
+ "step": 155
1251
+ },
1252
+ {
1253
+ "epoch": 0.7311072056239016,
1254
+ "grad_norm": 0.018737254664301872,
1255
+ "learning_rate": 0.00015155538571770218,
1256
+ "loss": 0.6476538777351379,
1257
+ "num_tokens": 4345682.0,
1258
+ "step": 156
1259
+ },
1260
+ {
1261
+ "epoch": 0.7357937902753369,
1262
+ "grad_norm": 0.016887914389371872,
1263
+ "learning_rate": 0.0001508908202717729,
1264
+ "loss": 0.7374083995819092,
1265
+ "num_tokens": 4377398.0,
1266
+ "step": 157
1267
+ },
1268
+ {
1269
+ "epoch": 0.7404803749267721,
1270
+ "grad_norm": 0.019042199477553368,
1271
+ "learning_rate": 0.00015022320773808612,
1272
+ "loss": 0.727727472782135,
1273
+ "num_tokens": 4407190.0,
1274
+ "step": 158
1275
+ },
1276
+ {
1277
+ "epoch": 0.7451669595782073,
1278
+ "grad_norm": 0.015718845650553703,
1279
+ "learning_rate": 0.00014955258808994096,
1280
+ "loss": 0.7678956389427185,
1281
+ "num_tokens": 4443267.0,
1282
+ "step": 159
1283
+ },
1284
+ {
1285
+ "epoch": 0.7498535442296427,
1286
+ "grad_norm": 0.01766720600426197,
1287
+ "learning_rate": 0.00014887900148068735,
1288
+ "loss": 0.6393877267837524,
1289
+ "num_tokens": 4471233.0,
1290
+ "step": 160
1291
+ },
1292
+ {
1293
+ "epoch": 0.7545401288810779,
1294
+ "grad_norm": 0.01771809719502926,
1295
+ "learning_rate": 0.0001482024882413222,
1296
+ "loss": 0.7477349042892456,
1297
+ "num_tokens": 4498609.0,
1298
+ "step": 161
1299
+ },
1300
+ {
1301
+ "epoch": 0.7592267135325131,
1302
+ "grad_norm": 0.01701246201992035,
1303
+ "learning_rate": 0.00014752308887807427,
1304
+ "loss": 0.6386726498603821,
1305
+ "num_tokens": 4523329.0,
1306
+ "step": 162
1307
+ },
1308
+ {
1309
+ "epoch": 0.7639132981839485,
1310
+ "grad_norm": 0.02258412167429924,
1311
+ "learning_rate": 0.00014684084406997903,
1312
+ "loss": 0.751873254776001,
1313
+ "num_tokens": 4546858.0,
1314
+ "step": 163
1315
+ },
1316
+ {
1317
+ "epoch": 0.7685998828353837,
1318
+ "grad_norm": 0.018019448965787888,
1319
+ "learning_rate": 0.00014615579466644292,
1320
+ "loss": 0.6369242072105408,
1321
+ "num_tokens": 4573004.0,
1322
+ "step": 164
1323
+ },
1324
+ {
1325
+ "epoch": 0.773286467486819,
1326
+ "grad_norm": 0.015171061269938946,
1327
+ "learning_rate": 0.00014546798168479756,
1328
+ "loss": 0.6253129243850708,
1329
+ "num_tokens": 4600141.0,
1330
+ "step": 165
1331
+ },
1332
+ {
1333
+ "epoch": 0.7779730521382543,
1334
+ "grad_norm": 0.01836264133453369,
1335
+ "learning_rate": 0.00014477744630784378,
1336
+ "loss": 0.6729415655136108,
1337
+ "num_tokens": 4622472.0,
1338
+ "step": 166
1339
+ },
1340
+ {
1341
+ "epoch": 0.7826596367896895,
1342
+ "grad_norm": 0.016997816041111946,
1343
+ "learning_rate": 0.00014408422988138584,
1344
+ "loss": 0.7881853580474854,
1345
+ "num_tokens": 4654084.0,
1346
+ "step": 167
1347
+ },
1348
+ {
1349
+ "epoch": 0.7873462214411248,
1350
+ "grad_norm": 0.017668506130576134,
1351
+ "learning_rate": 0.00014338837391175582,
1352
+ "loss": 0.6245524287223816,
1353
+ "num_tokens": 4678962.0,
1354
+ "step": 168
1355
+ },
1356
+ {
1357
+ "epoch": 0.79203280609256,
1358
+ "grad_norm": 0.01410279143601656,
1359
+ "learning_rate": 0.00014268992006332846,
1360
+ "loss": 0.6286853551864624,
1361
+ "num_tokens": 4714998.0,
1362
+ "step": 169
1363
+ },
1364
+ {
1365
+ "epoch": 0.7967193907439953,
1366
+ "grad_norm": 0.016260406002402306,
1367
+ "learning_rate": 0.00014198891015602646,
1368
+ "loss": 0.5806441307067871,
1369
+ "num_tokens": 4744061.0,
1370
+ "step": 170
1371
+ },
1372
+ {
1373
+ "epoch": 0.8014059753954306,
1374
+ "grad_norm": 0.016793547198176384,
1375
+ "learning_rate": 0.0001412853861628166,
1376
+ "loss": 0.6900240778923035,
1377
+ "num_tokens": 4771394.0,
1378
+ "step": 171
1379
+ },
1380
+ {
1381
+ "epoch": 0.8060925600468658,
1382
+ "grad_norm": 0.01554949302226305,
1383
+ "learning_rate": 0.0001405793902071964,
1384
+ "loss": 0.5430771708488464,
1385
+ "num_tokens": 4797695.0,
1386
+ "step": 172
1387
+ },
1388
+ {
1389
+ "epoch": 0.8107791446983011,
1390
+ "grad_norm": 0.021834636107087135,
1391
+ "learning_rate": 0.00013987096456067236,
1392
+ "loss": 0.7372509837150574,
1393
+ "num_tokens": 4818473.0,
1394
+ "step": 173
1395
+ },
1396
+ {
1397
+ "epoch": 0.8154657293497364,
1398
+ "grad_norm": 0.017153380438685417,
1399
+ "learning_rate": 0.00013916015164022852,
1400
+ "loss": 0.7403316497802734,
1401
+ "num_tokens": 4850247.0,
1402
+ "step": 174
1403
+ },
1404
+ {
1405
+ "epoch": 0.8201523140011716,
1406
+ "grad_norm": 0.017557591199874878,
1407
+ "learning_rate": 0.00013844699400578696,
1408
+ "loss": 0.5496473908424377,
1409
+ "num_tokens": 4875104.0,
1410
+ "step": 175
1411
+ },
1412
+ {
1413
+ "epoch": 0.824838898652607,
1414
+ "grad_norm": 0.018106888979673386,
1415
+ "learning_rate": 0.00013773153435765964,
1416
+ "loss": 0.656714677810669,
1417
+ "num_tokens": 4902439.0,
1418
+ "step": 176
1419
+ },
1420
+ {
1421
+ "epoch": 0.8295254833040422,
1422
+ "grad_norm": 0.014749976806342602,
1423
+ "learning_rate": 0.00013701381553399145,
1424
+ "loss": 0.514419674873352,
1425
+ "num_tokens": 4934804.0,
1426
+ "step": 177
1427
+ },
1428
+ {
1429
+ "epoch": 0.8342120679554774,
1430
+ "grad_norm": 0.015780452638864517,
1431
+ "learning_rate": 0.00013629388050819547,
1432
+ "loss": 0.6916260719299316,
1433
+ "num_tokens": 4964820.0,
1434
+ "step": 178
1435
+ },
1436
+ {
1437
+ "epoch": 0.8388986526069128,
1438
+ "grad_norm": 0.02181050553917885,
1439
+ "learning_rate": 0.00013557177238637986,
1440
+ "loss": 0.789571225643158,
1441
+ "num_tokens": 4987774.0,
1442
+ "step": 179
1443
+ },
1444
+ {
1445
+ "epoch": 0.843585237258348,
1446
+ "grad_norm": 0.019028659909963608,
1447
+ "learning_rate": 0.00013484753440476692,
1448
+ "loss": 0.7827271819114685,
1449
+ "num_tokens": 5012356.0,
1450
+ "step": 180
1451
+ },
1452
+ {
1453
+ "epoch": 0.8482718219097832,
1454
+ "grad_norm": 0.018884286284446716,
1455
+ "learning_rate": 0.00013412120992710425,
1456
+ "loss": 0.7337446808815002,
1457
+ "num_tokens": 5039247.0,
1458
+ "step": 181
1459
+ },
1460
+ {
1461
+ "epoch": 0.8529584065612185,
1462
+ "grad_norm": 0.015975872054696083,
1463
+ "learning_rate": 0.00013339284244206847,
1464
+ "loss": 0.6652353405952454,
1465
+ "num_tokens": 5069912.0,
1466
+ "step": 182
1467
+ },
1468
+ {
1469
+ "epoch": 0.8576449912126538,
1470
+ "grad_norm": 0.019088014960289,
1471
+ "learning_rate": 0.00013266247556066122,
1472
+ "loss": 0.6951537132263184,
1473
+ "num_tokens": 5098146.0,
1474
+ "step": 183
1475
+ },
1476
+ {
1477
+ "epoch": 0.862331575864089,
1478
+ "grad_norm": 0.014904006384313107,
1479
+ "learning_rate": 0.000131930153013598,
1480
+ "loss": 0.5959742069244385,
1481
+ "num_tokens": 5128454.0,
1482
+ "step": 184
1483
+ },
1484
+ {
1485
+ "epoch": 0.8670181605155243,
1486
+ "grad_norm": 0.01810140162706375,
1487
+ "learning_rate": 0.0001311959186486898,
1488
+ "loss": 0.7200735807418823,
1489
+ "num_tokens": 5154213.0,
1490
+ "step": 185
1491
+ },
1492
+ {
1493
+ "epoch": 0.8717047451669596,
1494
+ "grad_norm": 0.019789377227425575,
1495
+ "learning_rate": 0.0001304598164282176,
1496
+ "loss": 0.6804766654968262,
1497
+ "num_tokens": 5175623.0,
1498
+ "step": 186
1499
+ },
1500
+ {
1501
+ "epoch": 0.8763913298183948,
1502
+ "grad_norm": 0.017321709543466568,
1503
+ "learning_rate": 0.00012972189042630044,
1504
+ "loss": 0.7105655670166016,
1505
+ "num_tokens": 5201293.0,
1506
+ "step": 187
1507
+ },
1508
+ {
1509
+ "epoch": 0.8810779144698301,
1510
+ "grad_norm": 0.022706087678670883,
1511
+ "learning_rate": 0.00012898218482625606,
1512
+ "loss": 0.7062239646911621,
1513
+ "num_tokens": 5227922.0,
1514
+ "step": 188
1515
+ },
1516
+ {
1517
+ "epoch": 0.8857644991212654,
1518
+ "grad_norm": 0.014490657486021519,
1519
+ "learning_rate": 0.0001282407439179557,
1520
+ "loss": 0.6353857517242432,
1521
+ "num_tokens": 5260546.0,
1522
+ "step": 189
1523
+ },
1524
+ {
1525
+ "epoch": 0.8904510837727007,
1526
+ "grad_norm": 0.01803654059767723,
1527
+ "learning_rate": 0.0001274976120951723,
1528
+ "loss": 0.6230901479721069,
1529
+ "num_tokens": 5288394.0,
1530
+ "step": 190
1531
+ },
1532
+ {
1533
+ "epoch": 0.8951376684241359,
1534
+ "grad_norm": 0.023029128089547157,
1535
+ "learning_rate": 0.00012675283385292212,
1536
+ "loss": 0.6824889183044434,
1537
+ "num_tokens": 5313596.0,
1538
+ "step": 191
1539
+ },
1540
+ {
1541
+ "epoch": 0.8998242530755711,
1542
+ "grad_norm": 0.02031250298023224,
1543
+ "learning_rate": 0.00012600645378480082,
1544
+ "loss": 0.7509975433349609,
1545
+ "num_tokens": 5340851.0,
1546
+ "step": 192
1547
+ },
1548
+ {
1549
+ "epoch": 0.9045108377270065,
1550
+ "grad_norm": 0.01629417948424816,
1551
+ "learning_rate": 0.00012525851658031352,
1552
+ "loss": 0.6494298577308655,
1553
+ "num_tokens": 5372120.0,
1554
+ "step": 193
1555
+ },
1556
+ {
1557
+ "epoch": 0.9091974223784417,
1558
+ "grad_norm": 0.01852346956729889,
1559
+ "learning_rate": 0.0001245090670221987,
1560
+ "loss": 0.615811288356781,
1561
+ "num_tokens": 5400573.0,
1562
+ "step": 194
1563
+ },
1564
+ {
1565
+ "epoch": 0.9138840070298769,
1566
+ "grad_norm": 0.0194899570196867,
1567
+ "learning_rate": 0.00012375814998374712,
1568
+ "loss": 0.8159194588661194,
1569
+ "num_tokens": 5424108.0,
1570
+ "step": 195
1571
+ },
1572
+ {
1573
+ "epoch": 0.9185705916813123,
1574
+ "grad_norm": 0.017043786123394966,
1575
+ "learning_rate": 0.00012300581042611492,
1576
+ "loss": 0.6191376447677612,
1577
+ "num_tokens": 5448551.0,
1578
+ "step": 196
1579
+ },
1580
+ {
1581
+ "epoch": 0.9232571763327475,
1582
+ "grad_norm": 0.01926240883767605,
1583
+ "learning_rate": 0.00012225209339563145,
1584
+ "loss": 0.7384488582611084,
1585
+ "num_tokens": 5475526.0,
1586
+ "step": 197
1587
+ },
1588
+ {
1589
+ "epoch": 0.9279437609841827,
1590
+ "grad_norm": 0.020789049565792084,
1591
+ "learning_rate": 0.00012149704402110243,
1592
+ "loss": 0.7020618915557861,
1593
+ "num_tokens": 5502611.0,
1594
+ "step": 198
1595
+ },
1596
+ {
1597
+ "epoch": 0.9326303456356181,
1598
+ "grad_norm": 0.01582273840904236,
1599
+ "learning_rate": 0.00012074070751110751,
1600
+ "loss": 0.6311229467391968,
1601
+ "num_tokens": 5529480.0,
1602
+ "step": 199
1603
+ },
1604
+ {
1605
+ "epoch": 0.9373169302870533,
1606
+ "grad_norm": 0.02086408995091915,
1607
+ "learning_rate": 0.00011998312915129371,
1608
+ "loss": 0.7435621619224548,
1609
+ "num_tokens": 5553458.0,
1610
+ "step": 200
1611
+ },
1612
+ {
1613
+ "epoch": 0.9420035149384886,
1614
+ "grad_norm": 0.01609129272401333,
1615
+ "learning_rate": 0.0001192243543016637,
1616
+ "loss": 0.6395267844200134,
1617
+ "num_tokens": 5584758.0,
1618
+ "step": 201
1619
+ },
1620
+ {
1621
+ "epoch": 0.9466900995899239,
1622
+ "grad_norm": 0.01869116723537445,
1623
+ "learning_rate": 0.00011846442839386003,
1624
+ "loss": 0.6983841061592102,
1625
+ "num_tokens": 5615997.0,
1626
+ "step": 202
1627
+ },
1628
+ {
1629
+ "epoch": 0.9513766842413591,
1630
+ "grad_norm": 0.03048761747777462,
1631
+ "learning_rate": 0.00011770339692844483,
1632
+ "loss": 0.6789813041687012,
1633
+ "num_tokens": 5640891.0,
1634
+ "step": 203
1635
+ },
1636
+ {
1637
+ "epoch": 0.9560632688927944,
1638
+ "grad_norm": 0.01786402240395546,
1639
+ "learning_rate": 0.00011694130547217554,
1640
+ "loss": 0.75504469871521,
1641
+ "num_tokens": 5670686.0,
1642
+ "step": 204
1643
+ },
1644
+ {
1645
+ "epoch": 0.9607498535442296,
1646
+ "grad_norm": 0.01641128584742546,
1647
+ "learning_rate": 0.0001161781996552765,
1648
+ "loss": 0.5403404235839844,
1649
+ "num_tokens": 5699611.0,
1650
+ "step": 205
1651
+ },
1652
+ {
1653
+ "epoch": 0.9654364381956649,
1654
+ "grad_norm": 0.01727338694036007,
1655
+ "learning_rate": 0.00011541412516870684,
1656
+ "loss": 0.6894916296005249,
1657
+ "num_tokens": 5729248.0,
1658
+ "step": 206
1659
+ },
1660
+ {
1661
+ "epoch": 0.9701230228471002,
1662
+ "grad_norm": 0.01573982834815979,
1663
+ "learning_rate": 0.00011464912776142494,
1664
+ "loss": 0.5996260046958923,
1665
+ "num_tokens": 5757744.0,
1666
+ "step": 207
1667
+ },
1668
+ {
1669
+ "epoch": 0.9748096074985354,
1670
+ "grad_norm": 0.017988774925470352,
1671
+ "learning_rate": 0.00011388325323764888,
1672
+ "loss": 0.6654211282730103,
1673
+ "num_tokens": 5788566.0,
1674
+ "step": 208
1675
+ },
1676
+ {
1677
+ "epoch": 0.9794961921499707,
1678
+ "grad_norm": 0.014979843981564045,
1679
+ "learning_rate": 0.00011311654745411425,
1680
+ "loss": 0.6495011448860168,
1681
+ "num_tokens": 5824022.0,
1682
+ "step": 209
1683
+ },
1684
+ {
1685
+ "epoch": 0.984182776801406,
1686
+ "grad_norm": 0.01659063622355461,
1687
+ "learning_rate": 0.00011234905631732819,
1688
+ "loss": 0.6396357417106628,
1689
+ "num_tokens": 5853973.0,
1690
+ "step": 210
1691
+ },
1692
+ {
1693
+ "epoch": 0.9888693614528412,
1694
+ "grad_norm": 0.016888733953237534,
1695
+ "learning_rate": 0.00011158082578082089,
1696
+ "loss": 0.6784655451774597,
1697
+ "num_tokens": 5883848.0,
1698
+ "step": 211
1699
+ },
1700
+ {
1701
+ "epoch": 0.9935559461042766,
1702
+ "grad_norm": 0.01959056593477726,
1703
+ "learning_rate": 0.00011081190184239419,
1704
+ "loss": 0.6131283044815063,
1705
+ "num_tokens": 5907061.0,
1706
+ "step": 212
1707
+ },
1708
+ {
1709
+ "epoch": 0.9982425307557118,
1710
+ "grad_norm": 0.016141943633556366,
1711
+ "learning_rate": 0.00011004233054136725,
1712
+ "loss": 0.5719535946846008,
1713
+ "num_tokens": 5937101.0,
1714
+ "step": 213
1715
+ },
1716
+ {
1717
+ "epoch": 1.0,
1718
+ "grad_norm": 0.025195077061653137,
1719
+ "learning_rate": 0.00010927215795582012,
1720
+ "loss": 0.5020159482955933,
1721
+ "num_tokens": 5947501.0,
1722
+ "step": 214
1723
+ },
1724
+ {
1725
+ "epoch": 1.0046865846514352,
1726
+ "grad_norm": 0.01583407074213028,
1727
+ "learning_rate": 0.00010850143019983474,
1728
+ "loss": 0.4937314987182617,
1729
+ "num_tokens": 5970493.0,
1730
+ "step": 215
1731
+ },
1732
+ {
1733
+ "epoch": 1.0093731693028705,
1734
+ "grad_norm": 0.017454253509640694,
1735
+ "learning_rate": 0.0001077301934207339,
1736
+ "loss": 0.6226227879524231,
1737
+ "num_tokens": 6003077.0,
1738
+ "step": 216
1739
+ },
1740
+ {
1741
+ "epoch": 1.0140597539543057,
1742
+ "grad_norm": 0.014966587536036968,
1743
+ "learning_rate": 0.00010695849379631813,
1744
+ "loss": 0.5236163139343262,
1745
+ "num_tokens": 6033093.0,
1746
+ "step": 217
1747
+ },
1748
+ {
1749
+ "epoch": 1.0187463386057412,
1750
+ "grad_norm": 0.015618878416717052,
1751
+ "learning_rate": 0.00010618637753210085,
1752
+ "loss": 0.5199332237243652,
1753
+ "num_tokens": 6060819.0,
1754
+ "step": 218
1755
+ },
1756
+ {
1757
+ "epoch": 1.0234329232571764,
1758
+ "grad_norm": 0.01610647886991501,
1759
+ "learning_rate": 0.00010541389085854176,
1760
+ "loss": 0.5474415421485901,
1761
+ "num_tokens": 6091049.0,
1762
+ "step": 219
1763
+ },
1764
+ {
1765
+ "epoch": 1.0281195079086116,
1766
+ "grad_norm": 0.015623976476490498,
1767
+ "learning_rate": 0.00010464108002827882,
1768
+ "loss": 0.48489633202552795,
1769
+ "num_tokens": 6122790.0,
1770
+ "step": 220
1771
+ },
1772
+ {
1773
+ "epoch": 1.0328060925600469,
1774
+ "grad_norm": 0.015523376874625683,
1775
+ "learning_rate": 0.00010386799131335889,
1776
+ "loss": 0.5330443382263184,
1777
+ "num_tokens": 6157043.0,
1778
+ "step": 221
1779
+ },
1780
+ {
1781
+ "epoch": 1.037492677211482,
1782
+ "grad_norm": 0.017354318872094154,
1783
+ "learning_rate": 0.00010309467100246713,
1784
+ "loss": 0.49863070249557495,
1785
+ "num_tokens": 6182364.0,
1786
+ "step": 222
1787
+ },
1788
+ {
1789
+ "epoch": 1.0421792618629173,
1790
+ "grad_norm": 0.014648743905127048,
1791
+ "learning_rate": 0.00010232116539815558,
1792
+ "loss": 0.5403507947921753,
1793
+ "num_tokens": 6217015.0,
1794
+ "step": 223
1795
+ },
1796
+ {
1797
+ "epoch": 1.0468658465143528,
1798
+ "grad_norm": 0.017757907509803772,
1799
+ "learning_rate": 0.00010154752081407066,
1800
+ "loss": 0.5948547720909119,
1801
+ "num_tokens": 6246427.0,
1802
+ "step": 224
1803
+ },
1804
+ {
1805
+ "epoch": 1.051552431165788,
1806
+ "grad_norm": 0.03653530776500702,
1807
+ "learning_rate": 0.00010077378357218021,
1808
+ "loss": 0.5761139392852783,
1809
+ "num_tokens": 6275025.0,
1810
+ "step": 225
1811
+ },
1812
+ {
1813
+ "epoch": 1.0562390158172232,
1814
+ "grad_norm": 0.016985690221190453,
1815
+ "learning_rate": 0.0001,
1816
+ "loss": 0.539291501045227,
1817
+ "num_tokens": 6304885.0,
1818
+ "step": 226
1819
+ },
1820
+ {
1821
+ "epoch": 1.0609256004686585,
1822
+ "grad_norm": 0.017139555886387825,
1823
+ "learning_rate": 9.92262164278198e-05,
1824
+ "loss": 0.48060083389282227,
1825
+ "num_tokens": 6331616.0,
1826
+ "step": 227
1827
+ },
1828
+ {
1829
+ "epoch": 1.0656121851200937,
1830
+ "grad_norm": 0.015508485957980156,
1831
+ "learning_rate": 9.845247918592937e-05,
1832
+ "loss": 0.4607234299182892,
1833
+ "num_tokens": 6361325.0,
1834
+ "step": 228
1835
+ },
1836
+ {
1837
+ "epoch": 1.070298769771529,
1838
+ "grad_norm": 0.01898042857646942,
1839
+ "learning_rate": 9.767883460184443e-05,
1840
+ "loss": 0.5976904034614563,
1841
+ "num_tokens": 6387046.0,
1842
+ "step": 229
1843
+ },
1844
+ {
1845
+ "epoch": 1.0749853544229642,
1846
+ "grad_norm": 0.01673644594848156,
1847
+ "learning_rate": 9.69053289975329e-05,
1848
+ "loss": 0.49898090958595276,
1849
+ "num_tokens": 6417864.0,
1850
+ "step": 230
1851
+ },
1852
+ {
1853
+ "epoch": 1.0796719390743996,
1854
+ "grad_norm": 0.020018402487039566,
1855
+ "learning_rate": 9.613200868664112e-05,
1856
+ "loss": 0.5435779094696045,
1857
+ "num_tokens": 6444931.0,
1858
+ "step": 231
1859
+ },
1860
+ {
1861
+ "epoch": 1.0843585237258349,
1862
+ "grad_norm": 0.021194079890847206,
1863
+ "learning_rate": 9.53589199717212e-05,
1864
+ "loss": 0.6362026929855347,
1865
+ "num_tokens": 6475713.0,
1866
+ "step": 232
1867
+ },
1868
+ {
1869
+ "epoch": 1.08904510837727,
1870
+ "grad_norm": 0.017888659611344337,
1871
+ "learning_rate": 9.458610914145826e-05,
1872
+ "loss": 0.5617181658744812,
1873
+ "num_tokens": 6504178.0,
1874
+ "step": 233
1875
+ },
1876
+ {
1877
+ "epoch": 1.0937316930287053,
1878
+ "grad_norm": 0.020780451595783234,
1879
+ "learning_rate": 9.381362246789917e-05,
1880
+ "loss": 0.49862992763519287,
1881
+ "num_tokens": 6529543.0,
1882
+ "step": 234
1883
+ },
1884
+ {
1885
+ "epoch": 1.0984182776801406,
1886
+ "grad_norm": 0.01968269981443882,
1887
+ "learning_rate": 9.304150620368188e-05,
1888
+ "loss": 0.6710590124130249,
1889
+ "num_tokens": 6557912.0,
1890
+ "step": 235
1891
+ },
1892
+ {
1893
+ "epoch": 1.1031048623315758,
1894
+ "grad_norm": 0.01871589943766594,
1895
+ "learning_rate": 9.226980657926614e-05,
1896
+ "loss": 0.44637927412986755,
1897
+ "num_tokens": 6582586.0,
1898
+ "step": 236
1899
+ },
1900
+ {
1901
+ "epoch": 1.1077914469830112,
1902
+ "grad_norm": 0.021373949944972992,
1903
+ "learning_rate": 9.149856980016529e-05,
1904
+ "loss": 0.5362990498542786,
1905
+ "num_tokens": 6605854.0,
1906
+ "step": 237
1907
+ },
1908
+ {
1909
+ "epoch": 1.1124780316344465,
1910
+ "grad_norm": 0.018750222399830818,
1911
+ "learning_rate": 9.072784204417995e-05,
1912
+ "loss": 0.543184757232666,
1913
+ "num_tokens": 6633003.0,
1914
+ "step": 238
1915
+ },
1916
+ {
1917
+ "epoch": 1.1171646162858817,
1918
+ "grad_norm": 0.01677524298429489,
1919
+ "learning_rate": 8.995766945863277e-05,
1920
+ "loss": 0.5202764868736267,
1921
+ "num_tokens": 6665844.0,
1922
+ "step": 239
1923
+ },
1924
+ {
1925
+ "epoch": 1.121851200937317,
1926
+ "grad_norm": 0.01806574873626232,
1927
+ "learning_rate": 8.918809815760585e-05,
1928
+ "loss": 0.5611273646354675,
1929
+ "num_tokens": 6698052.0,
1930
+ "step": 240
1931
+ },
1932
+ {
1933
+ "epoch": 1.1265377855887522,
1934
+ "grad_norm": 0.022728972136974335,
1935
+ "learning_rate": 8.841917421917912e-05,
1936
+ "loss": 0.5777214765548706,
1937
+ "num_tokens": 6719727.0,
1938
+ "step": 241
1939
+ },
1940
+ {
1941
+ "epoch": 1.1312243702401874,
1942
+ "grad_norm": 0.018225179985165596,
1943
+ "learning_rate": 8.765094368267186e-05,
1944
+ "loss": 0.4442354440689087,
1945
+ "num_tokens": 6745434.0,
1946
+ "step": 242
1947
+ },
1948
+ {
1949
+ "epoch": 1.1359109548916226,
1950
+ "grad_norm": 0.020616615191102028,
1951
+ "learning_rate": 8.688345254588578e-05,
1952
+ "loss": 0.5914826989173889,
1953
+ "num_tokens": 6773920.0,
1954
+ "step": 243
1955
+ },
1956
+ {
1957
+ "epoch": 1.140597539543058,
1958
+ "grad_norm": 0.018396707251667976,
1959
+ "learning_rate": 8.611674676235115e-05,
1960
+ "loss": 0.4618031084537506,
1961
+ "num_tokens": 6800391.0,
1962
+ "step": 244
1963
+ },
1964
+ {
1965
+ "epoch": 1.1452841241944933,
1966
+ "grad_norm": 0.016975924372673035,
1967
+ "learning_rate": 8.535087223857508e-05,
1968
+ "loss": 0.5435763001441956,
1969
+ "num_tokens": 6832207.0,
1970
+ "step": 245
1971
+ },
1972
+ {
1973
+ "epoch": 1.1499707088459286,
1974
+ "grad_norm": 0.015872633084654808,
1975
+ "learning_rate": 8.458587483129316e-05,
1976
+ "loss": 0.471432626247406,
1977
+ "num_tokens": 6864377.0,
1978
+ "step": 246
1979
+ },
1980
+ {
1981
+ "epoch": 1.1546572934973638,
1982
+ "grad_norm": 0.020818166434764862,
1983
+ "learning_rate": 8.382180034472353e-05,
1984
+ "loss": 0.5589307546615601,
1985
+ "num_tokens": 6890689.0,
1986
+ "step": 247
1987
+ },
1988
+ {
1989
+ "epoch": 1.159343878148799,
1990
+ "grad_norm": 0.020436430349946022,
1991
+ "learning_rate": 8.305869452782446e-05,
1992
+ "loss": 0.5633253455162048,
1993
+ "num_tokens": 6916605.0,
1994
+ "step": 248
1995
+ },
1996
+ {
1997
+ "epoch": 1.1640304628002343,
1998
+ "grad_norm": 0.021504931151866913,
1999
+ "learning_rate": 8.229660307155518e-05,
2000
+ "loss": 0.5318947434425354,
2001
+ "num_tokens": 6941217.0,
2002
+ "step": 249
2003
+ },
2004
+ {
2005
+ "epoch": 1.1687170474516697,
2006
+ "grad_norm": 0.015647897496819496,
2007
+ "learning_rate": 8.153557160613998e-05,
2008
+ "loss": 0.41660377383232117,
2009
+ "num_tokens": 6971845.0,
2010
+ "step": 250
2011
+ },
2012
+ {
2013
+ "epoch": 1.173403632103105,
2014
+ "grad_norm": 0.01813015528023243,
2015
+ "learning_rate": 8.077564569833632e-05,
2016
+ "loss": 0.4969935417175293,
2017
+ "num_tokens": 7000145.0,
2018
+ "step": 251
2019
+ },
2020
+ {
2021
+ "epoch": 1.1780902167545402,
2022
+ "grad_norm": 0.02095090039074421,
2023
+ "learning_rate": 8.00168708487063e-05,
2024
+ "loss": 0.5970808267593384,
2025
+ "num_tokens": 7028674.0,
2026
+ "step": 252
2027
+ },
2028
+ {
2029
+ "epoch": 1.1827768014059754,
2030
+ "grad_norm": 0.01675095222890377,
2031
+ "learning_rate": 7.92592924888925e-05,
2032
+ "loss": 0.5089432001113892,
2033
+ "num_tokens": 7057684.0,
2034
+ "step": 253
2035
+ },
2036
+ {
2037
+ "epoch": 1.1874633860574106,
2038
+ "grad_norm": 0.018853550776839256,
2039
+ "learning_rate": 7.85029559788976e-05,
2040
+ "loss": 0.6490843892097473,
2041
+ "num_tokens": 7088398.0,
2042
+ "step": 254
2043
+ },
2044
+ {
2045
+ "epoch": 1.1921499707088459,
2046
+ "grad_norm": 0.01821407489478588,
2047
+ "learning_rate": 7.774790660436858e-05,
2048
+ "loss": 0.5658373236656189,
2049
+ "num_tokens": 7119190.0,
2050
+ "step": 255
2051
+ },
2052
+ {
2053
+ "epoch": 1.196836555360281,
2054
+ "grad_norm": 0.017882108688354492,
2055
+ "learning_rate": 7.699418957388512e-05,
2056
+ "loss": 0.5955532789230347,
2057
+ "num_tokens": 7153203.0,
2058
+ "step": 256
2059
+ },
2060
+ {
2061
+ "epoch": 1.2015231400117163,
2062
+ "grad_norm": 0.017674054950475693,
2063
+ "learning_rate": 7.624185001625292e-05,
2064
+ "loss": 0.5457881689071655,
2065
+ "num_tokens": 7184609.0,
2066
+ "step": 257
2067
+ },
2068
+ {
2069
+ "epoch": 1.2062097246631518,
2070
+ "grad_norm": 0.01938200183212757,
2071
+ "learning_rate": 7.549093297780132e-05,
2072
+ "loss": 0.5812852382659912,
2073
+ "num_tokens": 7212942.0,
2074
+ "step": 258
2075
+ },
2076
+ {
2077
+ "epoch": 1.210896309314587,
2078
+ "grad_norm": 0.021312085911631584,
2079
+ "learning_rate": 7.474148341968652e-05,
2080
+ "loss": 0.5053731203079224,
2081
+ "num_tokens": 7235722.0,
2082
+ "step": 259
2083
+ },
2084
+ {
2085
+ "epoch": 1.2155828939660223,
2086
+ "grad_norm": 0.015914585441350937,
2087
+ "learning_rate": 7.39935462151992e-05,
2088
+ "loss": 0.4808054566383362,
2089
+ "num_tokens": 7268853.0,
2090
+ "step": 260
2091
+ },
2092
+ {
2093
+ "epoch": 1.2202694786174575,
2094
+ "grad_norm": 0.016284095123410225,
2095
+ "learning_rate": 7.324716614707793e-05,
2096
+ "loss": 0.5059459209442139,
2097
+ "num_tokens": 7301735.0,
2098
+ "step": 261
2099
+ },
2100
+ {
2101
+ "epoch": 1.2249560632688927,
2102
+ "grad_norm": 0.02114776149392128,
2103
+ "learning_rate": 7.250238790482773e-05,
2104
+ "loss": 0.5616275072097778,
2105
+ "num_tokens": 7326126.0,
2106
+ "step": 262
2107
+ },
2108
+ {
2109
+ "epoch": 1.2296426479203282,
2110
+ "grad_norm": 0.018290745094418526,
2111
+ "learning_rate": 7.175925608204428e-05,
2112
+ "loss": 0.4677993357181549,
2113
+ "num_tokens": 7353023.0,
2114
+ "step": 263
2115
+ },
2116
+ {
2117
+ "epoch": 1.2343292325717634,
2118
+ "grad_norm": 0.018801284953951836,
2119
+ "learning_rate": 7.101781517374398e-05,
2120
+ "loss": 0.495519757270813,
2121
+ "num_tokens": 7378830.0,
2122
+ "step": 264
2123
+ },
2124
+ {
2125
+ "epoch": 1.2390158172231986,
2126
+ "grad_norm": 0.01867852732539177,
2127
+ "learning_rate": 7.027810957369957e-05,
2128
+ "loss": 0.6183238625526428,
2129
+ "num_tokens": 7409846.0,
2130
+ "step": 265
2131
+ },
2132
+ {
2133
+ "epoch": 1.2437024018746339,
2134
+ "grad_norm": 0.021188955754041672,
2135
+ "learning_rate": 6.954018357178241e-05,
2136
+ "loss": 0.5982891917228699,
2137
+ "num_tokens": 7435647.0,
2138
+ "step": 266
2139
+ },
2140
+ {
2141
+ "epoch": 1.248388986526069,
2142
+ "grad_norm": 0.016743872314691544,
2143
+ "learning_rate": 6.880408135131022e-05,
2144
+ "loss": 0.4980001151561737,
2145
+ "num_tokens": 7466694.0,
2146
+ "step": 267
2147
+ },
2148
+ {
2149
+ "epoch": 1.2530755711775043,
2150
+ "grad_norm": 0.019149333238601685,
2151
+ "learning_rate": 6.806984698640202e-05,
2152
+ "loss": 0.6516995429992676,
2153
+ "num_tokens": 7496653.0,
2154
+ "step": 268
2155
+ },
2156
+ {
2157
+ "epoch": 1.2577621558289396,
2158
+ "grad_norm": 0.019356200471520424,
2159
+ "learning_rate": 6.733752443933878e-05,
2160
+ "loss": 0.5884249210357666,
2161
+ "num_tokens": 7523023.0,
2162
+ "step": 269
2163
+ },
2164
+ {
2165
+ "epoch": 1.2624487404803748,
2166
+ "grad_norm": 0.02171611227095127,
2167
+ "learning_rate": 6.660715755793154e-05,
2168
+ "loss": 0.49592259526252747,
2169
+ "num_tokens": 7542791.0,
2170
+ "step": 270
2171
+ },
2172
+ {
2173
+ "epoch": 1.2671353251318103,
2174
+ "grad_norm": 0.017002740874886513,
2175
+ "learning_rate": 6.587879007289576e-05,
2176
+ "loss": 0.5243790149688721,
2177
+ "num_tokens": 7577560.0,
2178
+ "step": 271
2179
+ },
2180
+ {
2181
+ "epoch": 1.2718219097832455,
2182
+ "grad_norm": 0.020400408655405045,
2183
+ "learning_rate": 6.515246559523312e-05,
2184
+ "loss": 0.5987250804901123,
2185
+ "num_tokens": 7603100.0,
2186
+ "step": 272
2187
+ },
2188
+ {
2189
+ "epoch": 1.2765084944346807,
2190
+ "grad_norm": 0.019193653017282486,
2191
+ "learning_rate": 6.442822761362015e-05,
2192
+ "loss": 0.6312786936759949,
2193
+ "num_tokens": 7630292.0,
2194
+ "step": 273
2195
+ },
2196
+ {
2197
+ "epoch": 1.281195079086116,
2198
+ "grad_norm": 0.01957247033715248,
2199
+ "learning_rate": 6.370611949180457e-05,
2200
+ "loss": 0.5242177844047546,
2201
+ "num_tokens": 7655668.0,
2202
+ "step": 274
2203
+ },
2204
+ {
2205
+ "epoch": 1.2858816637375512,
2206
+ "grad_norm": 0.017094500362873077,
2207
+ "learning_rate": 6.298618446600856e-05,
2208
+ "loss": 0.4949776828289032,
2209
+ "num_tokens": 7684925.0,
2210
+ "step": 275
2211
+ },
2212
+ {
2213
+ "epoch": 1.2905682483889866,
2214
+ "grad_norm": 0.02443353645503521,
2215
+ "learning_rate": 6.22684656423404e-05,
2216
+ "loss": 0.5696538090705872,
2217
+ "num_tokens": 7719008.0,
2218
+ "step": 276
2219
+ },
2220
+ {
2221
+ "epoch": 1.2952548330404219,
2222
+ "grad_norm": 0.057685527950525284,
2223
+ "learning_rate": 6.155300599421306e-05,
2224
+ "loss": 0.5062693953514099,
2225
+ "num_tokens": 7751344.0,
2226
+ "step": 277
2227
+ },
2228
+ {
2229
+ "epoch": 1.2999414176918571,
2230
+ "grad_norm": 0.02328214980661869,
2231
+ "learning_rate": 6.0839848359771536e-05,
2232
+ "loss": 0.5536410212516785,
2233
+ "num_tokens": 7777488.0,
2234
+ "step": 278
2235
+ },
2236
+ {
2237
+ "epoch": 1.3046280023432923,
2238
+ "grad_norm": 0.02110743522644043,
2239
+ "learning_rate": 6.012903543932766e-05,
2240
+ "loss": 0.6596872806549072,
2241
+ "num_tokens": 7805208.0,
2242
+ "step": 279
2243
+ },
2244
+ {
2245
+ "epoch": 1.3093145869947276,
2246
+ "grad_norm": 0.019983140751719475,
2247
+ "learning_rate": 5.9420609792803604e-05,
2248
+ "loss": 0.5163890719413757,
2249
+ "num_tokens": 7831286.0,
2250
+ "step": 280
2251
+ },
2252
+ {
2253
+ "epoch": 1.3140011716461628,
2254
+ "grad_norm": 0.019265560433268547,
2255
+ "learning_rate": 5.871461383718344e-05,
2256
+ "loss": 0.5131065845489502,
2257
+ "num_tokens": 7859261.0,
2258
+ "step": 281
2259
+ },
2260
+ {
2261
+ "epoch": 1.318687756297598,
2262
+ "grad_norm": 0.022508597001433372,
2263
+ "learning_rate": 5.801108984397354e-05,
2264
+ "loss": 0.6271864175796509,
2265
+ "num_tokens": 7885431.0,
2266
+ "step": 282
2267
+ },
2268
+ {
2269
+ "epoch": 1.3233743409490333,
2270
+ "grad_norm": 0.017685849219560623,
2271
+ "learning_rate": 5.7310079936671545e-05,
2272
+ "loss": 0.4501059353351593,
2273
+ "num_tokens": 7913746.0,
2274
+ "step": 283
2275
+ },
2276
+ {
2277
+ "epoch": 1.3280609256004687,
2278
+ "grad_norm": 0.016956064850091934,
2279
+ "learning_rate": 5.6611626088244194e-05,
2280
+ "loss": 0.47412410378456116,
2281
+ "num_tokens": 7942905.0,
2282
+ "step": 284
2283
+ },
2284
+ {
2285
+ "epoch": 1.332747510251904,
2286
+ "grad_norm": 0.01661519892513752,
2287
+ "learning_rate": 5.59157701186142e-05,
2288
+ "loss": 0.47091153264045715,
2289
+ "num_tokens": 7974222.0,
2290
+ "step": 285
2291
+ },
2292
+ {
2293
+ "epoch": 1.3374340949033392,
2294
+ "grad_norm": 0.02206377312541008,
2295
+ "learning_rate": 5.522255369215622e-05,
2296
+ "loss": 0.45931947231292725,
2297
+ "num_tokens": 8001662.0,
2298
+ "step": 286
2299
+ },
2300
+ {
2301
+ "epoch": 1.3421206795547744,
2302
+ "grad_norm": 0.021219369024038315,
2303
+ "learning_rate": 5.453201831520245e-05,
2304
+ "loss": 0.6900108456611633,
2305
+ "num_tokens": 8027798.0,
2306
+ "step": 287
2307
+ },
2308
+ {
2309
+ "epoch": 1.3468072642062097,
2310
+ "grad_norm": 0.018379267305135727,
2311
+ "learning_rate": 5.38442053335571e-05,
2312
+ "loss": 0.5277714729309082,
2313
+ "num_tokens": 8060964.0,
2314
+ "step": 288
2315
+ },
2316
+ {
2317
+ "epoch": 1.3514938488576451,
2318
+ "grad_norm": 0.016046447679400444,
2319
+ "learning_rate": 5.3159155930021e-05,
2320
+ "loss": 0.5390745401382446,
2321
+ "num_tokens": 8097006.0,
2322
+ "step": 289
2323
+ },
2324
+ {
2325
+ "epoch": 1.3561804335090804,
2326
+ "grad_norm": 0.021015141159296036,
2327
+ "learning_rate": 5.247691112192577e-05,
2328
+ "loss": 0.5474106073379517,
2329
+ "num_tokens": 8127461.0,
2330
+ "step": 290
2331
+ },
2332
+ {
2333
+ "epoch": 1.3608670181605156,
2334
+ "grad_norm": 0.019383052363991737,
2335
+ "learning_rate": 5.179751175867784e-05,
2336
+ "loss": 0.5751417875289917,
2337
+ "num_tokens": 8156154.0,
2338
+ "step": 291
2339
+ },
2340
+ {
2341
+ "epoch": 1.3655536028119508,
2342
+ "grad_norm": 0.018249724060297012,
2343
+ "learning_rate": 5.112099851931265e-05,
2344
+ "loss": 0.4899910092353821,
2345
+ "num_tokens": 8181611.0,
2346
+ "step": 292
2347
+ },
2348
+ {
2349
+ "epoch": 1.370240187463386,
2350
+ "grad_norm": 0.021499330177903175,
2351
+ "learning_rate": 5.044741191005908e-05,
2352
+ "loss": 0.6149919629096985,
2353
+ "num_tokens": 8208053.0,
2354
+ "step": 293
2355
+ },
2356
+ {
2357
+ "epoch": 1.3749267721148213,
2358
+ "grad_norm": 0.018448660150170326,
2359
+ "learning_rate": 4.9776792261913896e-05,
2360
+ "loss": 0.5378507375717163,
2361
+ "num_tokens": 8236427.0,
2362
+ "step": 294
2363
+ },
2364
+ {
2365
+ "epoch": 1.3796133567662565,
2366
+ "grad_norm": 0.020480727776885033,
2367
+ "learning_rate": 4.910917972822713e-05,
2368
+ "loss": 0.5937903523445129,
2369
+ "num_tokens": 8261482.0,
2370
+ "step": 295
2371
+ },
2372
+ {
2373
+ "epoch": 1.3842999414176917,
2374
+ "grad_norm": 0.021023282781243324,
2375
+ "learning_rate": 4.844461428229782e-05,
2376
+ "loss": 0.475787878036499,
2377
+ "num_tokens": 8283675.0,
2378
+ "step": 296
2379
+ },
2380
+ {
2381
+ "epoch": 1.3889865260691272,
2382
+ "grad_norm": 0.022145070135593414,
2383
+ "learning_rate": 4.7783135714980744e-05,
2384
+ "loss": 0.6385347843170166,
2385
+ "num_tokens": 8308823.0,
2386
+ "step": 297
2387
+ },
2388
+ {
2389
+ "epoch": 1.3936731107205624,
2390
+ "grad_norm": 0.019477400928735733,
2391
+ "learning_rate": 4.712478363230362e-05,
2392
+ "loss": 0.6258922815322876,
2393
+ "num_tokens": 8336711.0,
2394
+ "step": 298
2395
+ },
2396
+ {
2397
+ "epoch": 1.3983596953719977,
2398
+ "grad_norm": 0.022344205528497696,
2399
+ "learning_rate": 4.646959745309609e-05,
2400
+ "loss": 0.49651363492012024,
2401
+ "num_tokens": 8355982.0,
2402
+ "step": 299
2403
+ },
2404
+ {
2405
+ "epoch": 1.403046280023433,
2406
+ "grad_norm": 0.018516717478632927,
2407
+ "learning_rate": 4.581761640662927e-05,
2408
+ "loss": 0.5565701723098755,
2409
+ "num_tokens": 8392293.0,
2410
+ "step": 300
2411
+ },
2412
+ {
2413
+ "epoch": 1.4077328646748681,
2414
+ "grad_norm": 0.02049725316464901,
2415
+ "learning_rate": 4.516887953026691e-05,
2416
+ "loss": 0.5584365725517273,
2417
+ "num_tokens": 8418190.0,
2418
+ "step": 301
2419
+ },
2420
+ {
2421
+ "epoch": 1.4124194493263036,
2422
+ "grad_norm": 0.018973683938384056,
2423
+ "learning_rate": 4.452342566712818e-05,
2424
+ "loss": 0.5133151412010193,
2425
+ "num_tokens": 8446616.0,
2426
+ "step": 302
2427
+ },
2428
+ {
2429
+ "epoch": 1.4171060339777388,
2430
+ "grad_norm": 0.02378571778535843,
2431
+ "learning_rate": 4.388129346376178e-05,
2432
+ "loss": 0.48315972089767456,
2433
+ "num_tokens": 8470185.0,
2434
+ "step": 303
2435
+ },
2436
+ {
2437
+ "epoch": 1.421792618629174,
2438
+ "grad_norm": 0.023281428962945938,
2439
+ "learning_rate": 4.3242521367832015e-05,
2440
+ "loss": 0.5316978096961975,
2441
+ "num_tokens": 8494772.0,
2442
+ "step": 304
2443
+ },
2444
+ {
2445
+ "epoch": 1.4264792032806093,
2446
+ "grad_norm": 0.020904844626784325,
2447
+ "learning_rate": 4.260714762581677e-05,
2448
+ "loss": 0.5123225450515747,
2449
+ "num_tokens": 8519300.0,
2450
+ "step": 305
2451
+ },
2452
+ {
2453
+ "epoch": 1.4311657879320445,
2454
+ "grad_norm": 0.022328970953822136,
2455
+ "learning_rate": 4.197521028071765e-05,
2456
+ "loss": 0.46863052248954773,
2457
+ "num_tokens": 8544147.0,
2458
+ "step": 306
2459
+ },
2460
+ {
2461
+ "epoch": 1.4358523725834798,
2462
+ "grad_norm": 0.02324979566037655,
2463
+ "learning_rate": 4.13467471697817e-05,
2464
+ "loss": 0.6753160953521729,
2465
+ "num_tokens": 8568351.0,
2466
+ "step": 307
2467
+ },
2468
+ {
2469
+ "epoch": 1.440538957234915,
2470
+ "grad_norm": 0.01805717498064041,
2471
+ "learning_rate": 4.0721795922236496e-05,
2472
+ "loss": 0.5179596543312073,
2473
+ "num_tokens": 8598849.0,
2474
+ "step": 308
2475
+ },
2476
+ {
2477
+ "epoch": 1.4452255418863502,
2478
+ "grad_norm": 0.016879988834261894,
2479
+ "learning_rate": 4.010039395703664e-05,
2480
+ "loss": 0.5598073601722717,
2481
+ "num_tokens": 8635197.0,
2482
+ "step": 309
2483
+ },
2484
+ {
2485
+ "epoch": 1.4499121265377855,
2486
+ "grad_norm": 0.019025171175599098,
2487
+ "learning_rate": 3.948257848062351e-05,
2488
+ "loss": 0.5200734734535217,
2489
+ "num_tokens": 8668440.0,
2490
+ "step": 310
2491
+ },
2492
+ {
2493
+ "epoch": 1.454598711189221,
2494
+ "grad_norm": 0.020963799208402634,
2495
+ "learning_rate": 3.8868386484697417e-05,
2496
+ "loss": 0.5326945185661316,
2497
+ "num_tokens": 8689757.0,
2498
+ "step": 311
2499
+ },
2500
+ {
2501
+ "epoch": 1.4592852958406561,
2502
+ "grad_norm": 0.02187330089509487,
2503
+ "learning_rate": 3.825785474400291e-05,
2504
+ "loss": 0.48833855986595154,
2505
+ "num_tokens": 8716599.0,
2506
+ "step": 312
2507
+ },
2508
+ {
2509
+ "epoch": 1.4639718804920914,
2510
+ "grad_norm": 0.01959657296538353,
2511
+ "learning_rate": 3.7651019814126654e-05,
2512
+ "loss": 0.5740939974784851,
2513
+ "num_tokens": 8747984.0,
2514
+ "step": 313
2515
+ },
2516
+ {
2517
+ "epoch": 1.4686584651435266,
2518
+ "grad_norm": 0.022587157785892487,
2519
+ "learning_rate": 3.7047918029308815e-05,
2520
+ "loss": 0.5537501573562622,
2521
+ "num_tokens": 8768742.0,
2522
+ "step": 314
2523
+ },
2524
+ {
2525
+ "epoch": 1.473345049794962,
2526
+ "grad_norm": 0.01806885376572609,
2527
+ "learning_rate": 3.6448585500267485e-05,
2528
+ "loss": 0.5617669224739075,
2529
+ "num_tokens": 8799757.0,
2530
+ "step": 315
2531
+ },
2532
+ {
2533
+ "epoch": 1.4780316344463973,
2534
+ "grad_norm": 0.017536548897624016,
2535
+ "learning_rate": 3.5853058112036596e-05,
2536
+ "loss": 0.5035026669502258,
2537
+ "num_tokens": 8832220.0,
2538
+ "step": 316
2539
+ },
2540
+ {
2541
+ "epoch": 1.4827182190978325,
2542
+ "grad_norm": 0.018568003550171852,
2543
+ "learning_rate": 3.5261371521817244e-05,
2544
+ "loss": 0.5434101819992065,
2545
+ "num_tokens": 8862171.0,
2546
+ "step": 317
2547
+ },
2548
+ {
2549
+ "epoch": 1.4874048037492678,
2550
+ "grad_norm": 0.01621602475643158,
2551
+ "learning_rate": 3.467356115684284e-05,
2552
+ "loss": 0.5029686093330383,
2553
+ "num_tokens": 8896875.0,
2554
+ "step": 318
2555
+ }
2556
+ ],
2557
+ "logging_steps": 1,
2558
+ "max_steps": 428,
2559
+ "num_input_tokens_seen": 0,
2560
+ "num_train_epochs": 2,
2561
+ "save_steps": 106,
2562
+ "stateful_callbacks": {
2563
+ "TrainerControl": {
2564
+ "args": {
2565
+ "should_epoch_stop": false,
2566
+ "should_evaluate": false,
2567
+ "should_log": false,
2568
+ "should_save": true,
2569
+ "should_training_stop": false
2570
+ },
2571
+ "attributes": {}
2572
+ }
2573
+ },
2574
+ "total_flos": 6.10671473662922e+17,
2575
+ "train_batch_size": 2,
2576
+ "trial_name": null,
2577
+ "trial_params": null
2578
+ }