{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.5,
  "eval_steps": 10.0,
  "global_step": 42,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 26.380765315815527,
      "learning_rate": 6e-06,
      "loss": 1.637,
      "step": 1
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 25.35316617531774,
      "learning_rate": 1.2e-05,
      "loss": 1.5916,
      "step": 2
    },
    {
      "epoch": 0.25,
      "grad_norm": 22.382420662552963,
      "learning_rate": 1.8e-05,
      "loss": 1.6109,
      "step": 3
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 21.262034892553896,
      "learning_rate": 2.4e-05,
      "loss": 1.5828,
      "step": 4
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 16.93878387411178,
      "learning_rate": 3e-05,
      "loss": 1.4997,
      "step": 5
    },
    {
      "epoch": 0.5,
      "grad_norm": 12.578579171634221,
      "learning_rate": 3.6e-05,
      "loss": 1.5073,
      "step": 6
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 6.833577753108573,
      "learning_rate": 4.2e-05,
      "loss": 1.437,
      "step": 7
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 3.4934350691604714,
      "learning_rate": 4.8e-05,
      "loss": 1.4254,
      "step": 8
    },
    {
      "epoch": 0.75,
      "grad_norm": 0.959552010155968,
      "learning_rate": 5.4000000000000005e-05,
      "loss": 1.3326,
      "step": 9
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 0.8361263714006861,
      "learning_rate": 6e-05,
      "loss": 1.3304,
      "step": 10
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 0.7323974839890229,
      "learning_rate": 5.8125e-05,
      "loss": 1.3278,
      "step": 11
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.6951027985861574,
      "learning_rate": 5.625e-05,
      "loss": 1.3108,
      "step": 12
    },
    {
      "epoch": 1.0833333333333333,
      "grad_norm": 0.57348360237748,
      "learning_rate": 5.4375e-05,
      "loss": 1.2705,
      "step": 13
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 0.528694935084245,
      "learning_rate": 5.25e-05,
      "loss": 1.2375,
      "step": 14
    },
    {
      "epoch": 1.25,
      "grad_norm": 0.4448790686884711,
      "learning_rate": 5.0625000000000004e-05,
      "loss": 1.2187,
      "step": 15
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 0.3580324531801698,
      "learning_rate": 4.875e-05,
      "loss": 1.2433,
      "step": 16
    },
    {
      "epoch": 1.4166666666666667,
      "grad_norm": 0.3108073231109972,
      "learning_rate": 4.6875e-05,
      "loss": 1.2122,
      "step": 17
    },
    {
      "epoch": 1.5,
      "grad_norm": 0.2921780414179229,
      "learning_rate": 4.5e-05,
      "loss": 1.1814,
      "step": 18
    },
    {
      "epoch": 1.5833333333333335,
      "grad_norm": 0.3447262685955944,
      "learning_rate": 4.3125e-05,
      "loss": 1.1907,
      "step": 19
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 0.38249020921637505,
      "learning_rate": 4.125e-05,
      "loss": 1.1853,
      "step": 20
    },
    {
      "epoch": 1.75,
      "grad_norm": 0.37950262519346134,
      "learning_rate": 3.9375e-05,
      "loss": 1.1482,
      "step": 21
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 0.39300483802535985,
      "learning_rate": 3.7500000000000003e-05,
      "loss": 1.1575,
      "step": 22
    },
    {
      "epoch": 1.9166666666666665,
      "grad_norm": 0.3601350807382535,
      "learning_rate": 3.5625e-05,
      "loss": 1.1452,
      "step": 23
    },
    {
      "epoch": 2.0,
      "grad_norm": 0.28740143349590463,
      "learning_rate": 3.375e-05,
      "loss": 1.1747,
      "step": 24
    },
    {
      "epoch": 2.0833333333333335,
      "grad_norm": 0.29344650368854636,
      "learning_rate": 3.1875e-05,
      "loss": 1.1489,
      "step": 25
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 0.22921175315092276,
      "learning_rate": 3e-05,
      "loss": 1.1138,
      "step": 26
    },
    {
      "epoch": 2.25,
      "grad_norm": 0.23332553896709798,
      "learning_rate": 2.8125e-05,
      "loss": 1.1333,
      "step": 27
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 0.23900234635107834,
      "learning_rate": 2.625e-05,
      "loss": 1.1247,
      "step": 28
    },
    {
      "epoch": 2.4166666666666665,
      "grad_norm": 0.270889055472087,
      "learning_rate": 2.4375e-05,
      "loss": 1.1435,
      "step": 29
    },
    {
      "epoch": 2.5,
      "grad_norm": 0.29217404285890963,
      "learning_rate": 2.25e-05,
      "loss": 1.139,
      "step": 30
    },
    {
      "epoch": 2.5833333333333335,
      "grad_norm": 0.2605183698989679,
      "learning_rate": 2.0625e-05,
      "loss": 1.1524,
      "step": 31
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.23689133070901894,
      "learning_rate": 1.8750000000000002e-05,
      "loss": 1.1095,
      "step": 32
    },
    {
      "epoch": 2.75,
      "grad_norm": 0.20391634446781137,
      "learning_rate": 1.6875e-05,
      "loss": 1.1276,
      "step": 33
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.19818598024841114,
      "learning_rate": 1.5e-05,
      "loss": 1.1024,
      "step": 34
    },
    {
      "epoch": 2.9166666666666665,
      "grad_norm": 0.18692842089396786,
      "learning_rate": 1.3125e-05,
      "loss": 1.1394,
      "step": 35
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.19253089755959987,
      "learning_rate": 1.125e-05,
      "loss": 1.1373,
      "step": 36
    },
    {
      "epoch": 3.0833333333333335,
      "grad_norm": 0.1969018527285566,
      "learning_rate": 9.375000000000001e-06,
      "loss": 1.1132,
      "step": 37
    },
    {
      "epoch": 3.1666666666666665,
      "grad_norm": 0.18160128458689978,
      "learning_rate": 7.5e-06,
      "loss": 1.1295,
      "step": 38
    },
    {
      "epoch": 3.25,
      "grad_norm": 0.17027573936026272,
      "learning_rate": 5.625e-06,
      "loss": 1.1269,
      "step": 39
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.17665242361690578,
      "learning_rate": 3.75e-06,
      "loss": 1.1016,
      "step": 40
    },
    {
      "epoch": 3.4166666666666665,
      "grad_norm": 0.18783275712862058,
      "learning_rate": 1.875e-06,
      "loss": 1.1053,
      "step": 41
    },
    {
      "epoch": 3.5,
      "grad_norm": 0.18290243203179393,
      "learning_rate": 0.0,
      "loss": 1.1064,
      "step": 42
    }
  ],
  "logging_steps": 1.0,
  "max_steps": 42,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 4,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 78063178088448.0,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}