cycloneboy commited on
Commit
5eca78c
·
verified ·
1 Parent(s): 87b5f90

Upload folder using huggingface_hub

Browse files
.mdl ADDED
Binary file (78 Bytes). View file
 
.msc ADDED
Binary file (842 Bytes). View file
 
.mv ADDED
@@ -0,0 +1 @@
 
 
1
+ Revision:master,CreatedAt:1753939291
config.json ADDED
@@ -0,0 +1,33 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "LlamaForCausalLM"
4
+ ],
5
+ "attention_bias": false,
6
+ "attention_dropout": 0.0,
7
+ "bos_token_id": 32013,
8
+ "eos_token_id": 32021,
9
+ "head_dim": 128,
10
+ "hidden_act": "silu",
11
+ "hidden_size": 2048,
12
+ "initializer_range": 0.02,
13
+ "intermediate_size": 5504,
14
+ "max_position_embeddings": 16384,
15
+ "mlp_bias": false,
16
+ "model_type": "llama",
17
+ "num_attention_heads": 16,
18
+ "num_hidden_layers": 24,
19
+ "num_key_value_heads": 16,
20
+ "pretraining_tp": 1,
21
+ "rms_norm_eps": 1e-06,
22
+ "rope_scaling": {
23
+ "factor": 4.0,
24
+ "rope_type": "linear",
25
+ "type": "linear"
26
+ },
27
+ "rope_theta": 100000,
28
+ "tie_word_embeddings": false,
29
+ "torch_dtype": "bfloat16",
30
+ "transformers_version": "4.51.3",
31
+ "use_cache": false,
32
+ "vocab_size": 32256
33
+ }
configuration.json ADDED
@@ -0,0 +1 @@
 
 
1
+ {"framework": "pytorch", "task": "text-generation", "allow_remote": true}
generation_config.json ADDED
@@ -0,0 +1,6 @@
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 32013,
4
+ "eos_token_id": 32021,
5
+ "transformers_version": "4.51.3"
6
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:75321fcf2645a967dde0a5bc5751fe2a998ad264fa17612124353b64b7e38403
3
+ size 2692969128
special_tokens_map.json ADDED
@@ -0,0 +1,23 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "<|begin▁of▁sentence|>",
4
+ "lstrip": false,
5
+ "normalized": true,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "eos_token": {
10
+ "content": "<|EOT|>",
11
+ "lstrip": false,
12
+ "normalized": true,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "pad_token": {
17
+ "content": "<|end▁of▁sentence|>",
18
+ "lstrip": false,
19
+ "normalized": true,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ }
23
+ }
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
tokenizer_config.json ADDED
@@ -0,0 +1,195 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": true,
3
+ "add_eos_token": false,
4
+ "add_prefix_space": null,
5
+ "added_tokens_decoder": {
6
+ "32000": {
7
+ "content": "õ",
8
+ "lstrip": false,
9
+ "normalized": true,
10
+ "rstrip": false,
11
+ "single_word": false,
12
+ "special": false
13
+ },
14
+ "32001": {
15
+ "content": "÷",
16
+ "lstrip": false,
17
+ "normalized": true,
18
+ "rstrip": false,
19
+ "single_word": false,
20
+ "special": false
21
+ },
22
+ "32002": {
23
+ "content": "Á",
24
+ "lstrip": false,
25
+ "normalized": true,
26
+ "rstrip": false,
27
+ "single_word": false,
28
+ "special": false
29
+ },
30
+ "32003": {
31
+ "content": "ý",
32
+ "lstrip": false,
33
+ "normalized": true,
34
+ "rstrip": false,
35
+ "single_word": false,
36
+ "special": false
37
+ },
38
+ "32004": {
39
+ "content": "À",
40
+ "lstrip": false,
41
+ "normalized": true,
42
+ "rstrip": false,
43
+ "single_word": false,
44
+ "special": false
45
+ },
46
+ "32005": {
47
+ "content": "ÿ",
48
+ "lstrip": false,
49
+ "normalized": true,
50
+ "rstrip": false,
51
+ "single_word": false,
52
+ "special": false
53
+ },
54
+ "32006": {
55
+ "content": "ø",
56
+ "lstrip": false,
57
+ "normalized": true,
58
+ "rstrip": false,
59
+ "single_word": false,
60
+ "special": false
61
+ },
62
+ "32007": {
63
+ "content": "ú",
64
+ "lstrip": false,
65
+ "normalized": true,
66
+ "rstrip": false,
67
+ "single_word": false,
68
+ "special": false
69
+ },
70
+ "32008": {
71
+ "content": "þ",
72
+ "lstrip": false,
73
+ "normalized": true,
74
+ "rstrip": false,
75
+ "single_word": false,
76
+ "special": false
77
+ },
78
+ "32009": {
79
+ "content": "ü",
80
+ "lstrip": false,
81
+ "normalized": true,
82
+ "rstrip": false,
83
+ "single_word": false,
84
+ "special": false
85
+ },
86
+ "32010": {
87
+ "content": "ù",
88
+ "lstrip": false,
89
+ "normalized": true,
90
+ "rstrip": false,
91
+ "single_word": false,
92
+ "special": false
93
+ },
94
+ "32011": {
95
+ "content": "ö",
96
+ "lstrip": false,
97
+ "normalized": true,
98
+ "rstrip": false,
99
+ "single_word": false,
100
+ "special": false
101
+ },
102
+ "32012": {
103
+ "content": "û",
104
+ "lstrip": false,
105
+ "normalized": true,
106
+ "rstrip": false,
107
+ "single_word": false,
108
+ "special": false
109
+ },
110
+ "32013": {
111
+ "content": "<|begin▁of▁sentence|>",
112
+ "lstrip": false,
113
+ "normalized": true,
114
+ "rstrip": false,
115
+ "single_word": false,
116
+ "special": true
117
+ },
118
+ "32014": {
119
+ "content": "<|end▁of▁sentence|>",
120
+ "lstrip": false,
121
+ "normalized": true,
122
+ "rstrip": false,
123
+ "single_word": false,
124
+ "special": true
125
+ },
126
+ "32015": {
127
+ "content": "<|fim▁hole|>",
128
+ "lstrip": false,
129
+ "normalized": true,
130
+ "rstrip": false,
131
+ "single_word": false,
132
+ "special": false
133
+ },
134
+ "32016": {
135
+ "content": "<|fim▁begin|>",
136
+ "lstrip": false,
137
+ "normalized": true,
138
+ "rstrip": false,
139
+ "single_word": false,
140
+ "special": false
141
+ },
142
+ "32017": {
143
+ "content": "<|fim▁end|>",
144
+ "lstrip": false,
145
+ "normalized": true,
146
+ "rstrip": false,
147
+ "single_word": false,
148
+ "special": false
149
+ },
150
+ "32018": {
151
+ "content": "<pad>",
152
+ "lstrip": false,
153
+ "normalized": true,
154
+ "rstrip": false,
155
+ "single_word": false,
156
+ "special": false
157
+ },
158
+ "32019": {
159
+ "content": "<|User|>",
160
+ "lstrip": false,
161
+ "normalized": true,
162
+ "rstrip": false,
163
+ "single_word": false,
164
+ "special": false
165
+ },
166
+ "32020": {
167
+ "content": "<|Assistant|>",
168
+ "lstrip": false,
169
+ "normalized": true,
170
+ "rstrip": false,
171
+ "single_word": false,
172
+ "special": false
173
+ },
174
+ "32021": {
175
+ "content": "<|EOT|>",
176
+ "lstrip": false,
177
+ "normalized": true,
178
+ "rstrip": false,
179
+ "single_word": false,
180
+ "special": true
181
+ }
182
+ },
183
+ "bos_token": "<|begin▁of▁sentence|>",
184
+ "chat_template": "{% if not add_generation_prompt is defined %}\n{% set add_generation_prompt = false %}\n{% endif %}\n{%- set ns = namespace(found=false) -%}\n{%- for message in messages -%}\n {%- if message['role'] == 'system' -%}\n {%- set ns.found = true -%}\n {%- endif -%}\n{%- endfor -%}\n{{bos_token}}{%- if not ns.found -%}\n{{'You are an AI programming assistant, utilizing the Deepseek Coder model, developed by Deepseek Company, and you only answer questions related to computer science. For politically sensitive questions, security and privacy issues, and other non-computer science questions, you will refuse to answer\\n'}}\n{%- endif %}\n{%- for message in messages %}\n {%- if message['role'] == 'system' %}\n{{ message['content'] }}\n {%- else %}\n {%- if message['role'] == 'user' %}\n{{'### Instruction:\\n' + message['content'] + '\\n'}}\n {%- else %}\n{{'### Response:\\n' + message['content'] + '\\n<|EOT|>\\n'}}\n {%- endif %}\n {%- endif %}\n{%- endfor %}\n{% if add_generation_prompt %}\n{{'### Response:'}}\n{% endif %}",
185
+ "clean_up_tokenization_spaces": false,
186
+ "eos_token": "<|EOT|>",
187
+ "extra_special_tokens": {},
188
+ "legacy": true,
189
+ "model_max_length": 16384,
190
+ "pad_token": "<|end▁of▁sentence|>",
191
+ "sp_model_kwargs": {},
192
+ "tokenizer_class": "LlamaTokenizerFast",
193
+ "unk_token": null,
194
+ "use_default_system_prompt": false
195
+ }
trainer_state.json ADDED
@@ -0,0 +1,2602 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 1.789047219893825,
6
+ "eval_steps": 500,
7
+ "global_step": 1600,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.0011176306230790724,
14
+ "grad_norm": 2.6477396488189697,
15
+ "learning_rate": 0.0,
16
+ "loss": 0.9173,
17
+ "num_tokens": 2283153.0,
18
+ "step": 1
19
+ },
20
+ {
21
+ "epoch": 0.005588153115395362,
22
+ "grad_norm": 2.6618285179138184,
23
+ "learning_rate": 4.46927374301676e-07,
24
+ "loss": 0.9183,
25
+ "num_tokens": 11372970.0,
26
+ "step": 5
27
+ },
28
+ {
29
+ "epoch": 0.011176306230790724,
30
+ "grad_norm": 2.51755690574646,
31
+ "learning_rate": 1.005586592178771e-06,
32
+ "loss": 0.9114,
33
+ "num_tokens": 22783006.0,
34
+ "step": 10
35
+ },
36
+ {
37
+ "epoch": 0.016764459346186086,
38
+ "grad_norm": 2.163336992263794,
39
+ "learning_rate": 1.564245810055866e-06,
40
+ "loss": 0.8871,
41
+ "num_tokens": 34178559.0,
42
+ "step": 15
43
+ },
44
+ {
45
+ "epoch": 0.022352612461581448,
46
+ "grad_norm": 1.4962947368621826,
47
+ "learning_rate": 2.1229050279329612e-06,
48
+ "loss": 0.8116,
49
+ "num_tokens": 45574554.0,
50
+ "step": 20
51
+ },
52
+ {
53
+ "epoch": 0.02794076557697681,
54
+ "grad_norm": 1.0881785154342651,
55
+ "learning_rate": 2.6815642458100562e-06,
56
+ "loss": 0.7168,
57
+ "num_tokens": 57052998.0,
58
+ "step": 25
59
+ },
60
+ {
61
+ "epoch": 0.03352891869237217,
62
+ "grad_norm": 1.133913516998291,
63
+ "learning_rate": 3.240223463687151e-06,
64
+ "loss": 0.5776,
65
+ "num_tokens": 68474831.0,
66
+ "step": 30
67
+ },
68
+ {
69
+ "epoch": 0.03911707180776753,
70
+ "grad_norm": 0.5789642930030823,
71
+ "learning_rate": 3.798882681564246e-06,
72
+ "loss": 0.4818,
73
+ "num_tokens": 79910887.0,
74
+ "step": 35
75
+ },
76
+ {
77
+ "epoch": 0.044705224923162895,
78
+ "grad_norm": 0.31034183502197266,
79
+ "learning_rate": 4.357541899441341e-06,
80
+ "loss": 0.415,
81
+ "num_tokens": 91319517.0,
82
+ "step": 40
83
+ },
84
+ {
85
+ "epoch": 0.050293378038558254,
86
+ "grad_norm": 0.2817094027996063,
87
+ "learning_rate": 4.916201117318436e-06,
88
+ "loss": 0.4016,
89
+ "num_tokens": 102702395.0,
90
+ "step": 45
91
+ },
92
+ {
93
+ "epoch": 0.05588153115395362,
94
+ "grad_norm": 0.2526246905326843,
95
+ "learning_rate": 5.474860335195531e-06,
96
+ "loss": 0.3861,
97
+ "num_tokens": 114127803.0,
98
+ "step": 50
99
+ },
100
+ {
101
+ "epoch": 0.06146968426934898,
102
+ "grad_norm": 0.2339339554309845,
103
+ "learning_rate": 6.033519553072626e-06,
104
+ "loss": 0.3764,
105
+ "num_tokens": 125524248.0,
106
+ "step": 55
107
+ },
108
+ {
109
+ "epoch": 0.06705783738474434,
110
+ "grad_norm": 0.23666101694107056,
111
+ "learning_rate": 6.592178770949721e-06,
112
+ "loss": 0.3671,
113
+ "num_tokens": 136911011.0,
114
+ "step": 60
115
+ },
116
+ {
117
+ "epoch": 0.0726459905001397,
118
+ "grad_norm": 0.2580510973930359,
119
+ "learning_rate": 7.150837988826816e-06,
120
+ "loss": 0.3604,
121
+ "num_tokens": 148350926.0,
122
+ "step": 65
123
+ },
124
+ {
125
+ "epoch": 0.07823414361553506,
126
+ "grad_norm": 0.31147921085357666,
127
+ "learning_rate": 7.709497206703911e-06,
128
+ "loss": 0.3579,
129
+ "num_tokens": 159702648.0,
130
+ "step": 70
131
+ },
132
+ {
133
+ "epoch": 0.08382229673093043,
134
+ "grad_norm": 0.19841235876083374,
135
+ "learning_rate": 8.268156424581007e-06,
136
+ "loss": 0.348,
137
+ "num_tokens": 171139841.0,
138
+ "step": 75
139
+ },
140
+ {
141
+ "epoch": 0.08941044984632579,
142
+ "grad_norm": 0.0895436629652977,
143
+ "learning_rate": 8.826815642458101e-06,
144
+ "loss": 0.3423,
145
+ "num_tokens": 182567409.0,
146
+ "step": 80
147
+ },
148
+ {
149
+ "epoch": 0.09499860296172115,
150
+ "grad_norm": 0.09871780127286911,
151
+ "learning_rate": 9.385474860335197e-06,
152
+ "loss": 0.3421,
153
+ "num_tokens": 194004756.0,
154
+ "step": 85
155
+ },
156
+ {
157
+ "epoch": 0.10058675607711651,
158
+ "grad_norm": 0.06650134176015854,
159
+ "learning_rate": 9.944134078212291e-06,
160
+ "loss": 0.3384,
161
+ "num_tokens": 205442473.0,
162
+ "step": 90
163
+ },
164
+ {
165
+ "epoch": 0.10617490919251188,
166
+ "grad_norm": 0.0545571967959404,
167
+ "learning_rate": 1.0502793296089386e-05,
168
+ "loss": 0.3352,
169
+ "num_tokens": 216872981.0,
170
+ "step": 95
171
+ },
172
+ {
173
+ "epoch": 0.11176306230790724,
174
+ "grad_norm": 0.054781682789325714,
175
+ "learning_rate": 1.1061452513966481e-05,
176
+ "loss": 0.3316,
177
+ "num_tokens": 228325464.0,
178
+ "step": 100
179
+ },
180
+ {
181
+ "epoch": 0.1173512154233026,
182
+ "grad_norm": 0.05507330223917961,
183
+ "learning_rate": 1.1620111731843577e-05,
184
+ "loss": 0.3304,
185
+ "num_tokens": 239746434.0,
186
+ "step": 105
187
+ },
188
+ {
189
+ "epoch": 0.12293936853869795,
190
+ "grad_norm": 0.04985460266470909,
191
+ "learning_rate": 1.2178770949720671e-05,
192
+ "loss": 0.3286,
193
+ "num_tokens": 251145034.0,
194
+ "step": 110
195
+ },
196
+ {
197
+ "epoch": 0.1285275216540933,
198
+ "grad_norm": 0.05047163367271423,
199
+ "learning_rate": 1.2737430167597766e-05,
200
+ "loss": 0.3248,
201
+ "num_tokens": 262525841.0,
202
+ "step": 115
203
+ },
204
+ {
205
+ "epoch": 0.13411567476948869,
206
+ "grad_norm": 0.0513993501663208,
207
+ "learning_rate": 1.3296089385474861e-05,
208
+ "loss": 0.3259,
209
+ "num_tokens": 273895120.0,
210
+ "step": 120
211
+ },
212
+ {
213
+ "epoch": 0.13970382788488406,
214
+ "grad_norm": 0.05008988827466965,
215
+ "learning_rate": 1.3854748603351957e-05,
216
+ "loss": 0.3216,
217
+ "num_tokens": 285306751.0,
218
+ "step": 125
219
+ },
220
+ {
221
+ "epoch": 0.1452919810002794,
222
+ "grad_norm": 0.05217043682932854,
223
+ "learning_rate": 1.4413407821229052e-05,
224
+ "loss": 0.3202,
225
+ "num_tokens": 296700765.0,
226
+ "step": 130
227
+ },
228
+ {
229
+ "epoch": 0.15088013411567477,
230
+ "grad_norm": 0.05048668757081032,
231
+ "learning_rate": 1.4972067039106146e-05,
232
+ "loss": 0.3193,
233
+ "num_tokens": 308137335.0,
234
+ "step": 135
235
+ },
236
+ {
237
+ "epoch": 0.15646828723107012,
238
+ "grad_norm": 0.0592043362557888,
239
+ "learning_rate": 1.553072625698324e-05,
240
+ "loss": 0.3172,
241
+ "num_tokens": 319571146.0,
242
+ "step": 140
243
+ },
244
+ {
245
+ "epoch": 0.1620564403464655,
246
+ "grad_norm": 0.06134902313351631,
247
+ "learning_rate": 1.6089385474860336e-05,
248
+ "loss": 0.3135,
249
+ "num_tokens": 330973413.0,
250
+ "step": 145
251
+ },
252
+ {
253
+ "epoch": 0.16764459346186086,
254
+ "grad_norm": 0.05340028181672096,
255
+ "learning_rate": 1.664804469273743e-05,
256
+ "loss": 0.3124,
257
+ "num_tokens": 342371116.0,
258
+ "step": 150
259
+ },
260
+ {
261
+ "epoch": 0.1732327465772562,
262
+ "grad_norm": 0.05752944201231003,
263
+ "learning_rate": 1.7206703910614527e-05,
264
+ "loss": 0.3119,
265
+ "num_tokens": 353803596.0,
266
+ "step": 155
267
+ },
268
+ {
269
+ "epoch": 0.17882089969265158,
270
+ "grad_norm": 0.06477999687194824,
271
+ "learning_rate": 1.776536312849162e-05,
272
+ "loss": 0.3096,
273
+ "num_tokens": 365240245.0,
274
+ "step": 160
275
+ },
276
+ {
277
+ "epoch": 0.18440905280804695,
278
+ "grad_norm": 0.0565628707408905,
279
+ "learning_rate": 1.8324022346368716e-05,
280
+ "loss": 0.3111,
281
+ "num_tokens": 376640271.0,
282
+ "step": 165
283
+ },
284
+ {
285
+ "epoch": 0.1899972059234423,
286
+ "grad_norm": 0.06367555260658264,
287
+ "learning_rate": 1.888268156424581e-05,
288
+ "loss": 0.3066,
289
+ "num_tokens": 388026301.0,
290
+ "step": 170
291
+ },
292
+ {
293
+ "epoch": 0.19558535903883767,
294
+ "grad_norm": 0.06112772226333618,
295
+ "learning_rate": 1.9441340782122907e-05,
296
+ "loss": 0.3087,
297
+ "num_tokens": 399425545.0,
298
+ "step": 175
299
+ },
300
+ {
301
+ "epoch": 0.20117351215423301,
302
+ "grad_norm": 0.05626397952437401,
303
+ "learning_rate": 2e-05,
304
+ "loss": 0.3043,
305
+ "num_tokens": 410766539.0,
306
+ "step": 180
307
+ },
308
+ {
309
+ "epoch": 0.2067616652696284,
310
+ "grad_norm": 0.06474322825670242,
311
+ "learning_rate": 1.9937849596022375e-05,
312
+ "loss": 0.3048,
313
+ "num_tokens": 422199158.0,
314
+ "step": 185
315
+ },
316
+ {
317
+ "epoch": 0.21234981838502376,
318
+ "grad_norm": 0.05852804705500603,
319
+ "learning_rate": 1.9875699192044752e-05,
320
+ "loss": 0.3037,
321
+ "num_tokens": 433637045.0,
322
+ "step": 190
323
+ },
324
+ {
325
+ "epoch": 0.2179379715004191,
326
+ "grad_norm": 0.07262508571147919,
327
+ "learning_rate": 1.9813548788067125e-05,
328
+ "loss": 0.3028,
329
+ "num_tokens": 445060326.0,
330
+ "step": 195
331
+ },
332
+ {
333
+ "epoch": 0.22352612461581448,
334
+ "grad_norm": 0.061024755239486694,
335
+ "learning_rate": 1.97513983840895e-05,
336
+ "loss": 0.3011,
337
+ "num_tokens": 456564432.0,
338
+ "step": 200
339
+ },
340
+ {
341
+ "epoch": 0.22911427773120985,
342
+ "grad_norm": 0.05684756860136986,
343
+ "learning_rate": 1.9689247980111872e-05,
344
+ "loss": 0.3005,
345
+ "num_tokens": 467954846.0,
346
+ "step": 205
347
+ },
348
+ {
349
+ "epoch": 0.2347024308466052,
350
+ "grad_norm": 0.05736987292766571,
351
+ "learning_rate": 1.9627097576134246e-05,
352
+ "loss": 0.2993,
353
+ "num_tokens": 479322568.0,
354
+ "step": 210
355
+ },
356
+ {
357
+ "epoch": 0.24029058396200056,
358
+ "grad_norm": 0.056117478758096695,
359
+ "learning_rate": 1.9564947172156622e-05,
360
+ "loss": 0.3015,
361
+ "num_tokens": 490689992.0,
362
+ "step": 215
363
+ },
364
+ {
365
+ "epoch": 0.2458787370773959,
366
+ "grad_norm": 0.053805723786354065,
367
+ "learning_rate": 1.9502796768178996e-05,
368
+ "loss": 0.2969,
369
+ "num_tokens": 502112760.0,
370
+ "step": 220
371
+ },
372
+ {
373
+ "epoch": 0.2514668901927913,
374
+ "grad_norm": 0.054624415934085846,
375
+ "learning_rate": 1.944064636420137e-05,
376
+ "loss": 0.2962,
377
+ "num_tokens": 513492046.0,
378
+ "step": 225
379
+ },
380
+ {
381
+ "epoch": 0.2570550433081866,
382
+ "grad_norm": 0.05298687517642975,
383
+ "learning_rate": 1.9378495960223743e-05,
384
+ "loss": 0.2985,
385
+ "num_tokens": 524919249.0,
386
+ "step": 230
387
+ },
388
+ {
389
+ "epoch": 0.262643196423582,
390
+ "grad_norm": 0.059946753084659576,
391
+ "learning_rate": 1.9316345556246116e-05,
392
+ "loss": 0.2947,
393
+ "num_tokens": 536324070.0,
394
+ "step": 235
395
+ },
396
+ {
397
+ "epoch": 0.26823134953897737,
398
+ "grad_norm": 0.05546911805868149,
399
+ "learning_rate": 1.925419515226849e-05,
400
+ "loss": 0.2947,
401
+ "num_tokens": 547757412.0,
402
+ "step": 240
403
+ },
404
+ {
405
+ "epoch": 0.2738195026543727,
406
+ "grad_norm": 0.05153710022568703,
407
+ "learning_rate": 1.9192044748290866e-05,
408
+ "loss": 0.2945,
409
+ "num_tokens": 559148039.0,
410
+ "step": 245
411
+ },
412
+ {
413
+ "epoch": 0.2794076557697681,
414
+ "grad_norm": 0.05556200444698334,
415
+ "learning_rate": 1.912989434431324e-05,
416
+ "loss": 0.2929,
417
+ "num_tokens": 570614372.0,
418
+ "step": 250
419
+ },
420
+ {
421
+ "epoch": 0.28499580888516346,
422
+ "grad_norm": 0.05382775515317917,
423
+ "learning_rate": 1.9067743940335613e-05,
424
+ "loss": 0.2943,
425
+ "num_tokens": 581988955.0,
426
+ "step": 255
427
+ },
428
+ {
429
+ "epoch": 0.2905839620005588,
430
+ "grad_norm": 0.058685433119535446,
431
+ "learning_rate": 1.9005593536357987e-05,
432
+ "loss": 0.2936,
433
+ "num_tokens": 593431393.0,
434
+ "step": 260
435
+ },
436
+ {
437
+ "epoch": 0.2961721151159542,
438
+ "grad_norm": 0.05739787593483925,
439
+ "learning_rate": 1.894344313238036e-05,
440
+ "loss": 0.292,
441
+ "num_tokens": 604833789.0,
442
+ "step": 265
443
+ },
444
+ {
445
+ "epoch": 0.30176026823134955,
446
+ "grad_norm": 0.06372752040624619,
447
+ "learning_rate": 1.8881292728402737e-05,
448
+ "loss": 0.2904,
449
+ "num_tokens": 616243936.0,
450
+ "step": 270
451
+ },
452
+ {
453
+ "epoch": 0.3073484213467449,
454
+ "grad_norm": 0.07772672921419144,
455
+ "learning_rate": 1.881914232442511e-05,
456
+ "loss": 0.2897,
457
+ "num_tokens": 627657251.0,
458
+ "step": 275
459
+ },
460
+ {
461
+ "epoch": 0.31293657446214024,
462
+ "grad_norm": 0.05482286587357521,
463
+ "learning_rate": 1.8756991920447484e-05,
464
+ "loss": 0.2902,
465
+ "num_tokens": 639102143.0,
466
+ "step": 280
467
+ },
468
+ {
469
+ "epoch": 0.31852472757753564,
470
+ "grad_norm": 0.0831618458032608,
471
+ "learning_rate": 1.869484151646986e-05,
472
+ "loss": 0.2895,
473
+ "num_tokens": 650526469.0,
474
+ "step": 285
475
+ },
476
+ {
477
+ "epoch": 0.324112880692931,
478
+ "grad_norm": 0.08661651611328125,
479
+ "learning_rate": 1.863269111249223e-05,
480
+ "loss": 0.2874,
481
+ "num_tokens": 661978672.0,
482
+ "step": 290
483
+ },
484
+ {
485
+ "epoch": 0.3297010338083263,
486
+ "grad_norm": 0.06093963235616684,
487
+ "learning_rate": 1.8570540708514607e-05,
488
+ "loss": 0.2858,
489
+ "num_tokens": 673371819.0,
490
+ "step": 295
491
+ },
492
+ {
493
+ "epoch": 0.3352891869237217,
494
+ "grad_norm": 0.0825875923037529,
495
+ "learning_rate": 1.850839030453698e-05,
496
+ "loss": 0.2874,
497
+ "num_tokens": 684804343.0,
498
+ "step": 300
499
+ },
500
+ {
501
+ "epoch": 0.34087734003911707,
502
+ "grad_norm": 0.06878200173377991,
503
+ "learning_rate": 1.8446239900559354e-05,
504
+ "loss": 0.285,
505
+ "num_tokens": 696163350.0,
506
+ "step": 305
507
+ },
508
+ {
509
+ "epoch": 0.3464654931545124,
510
+ "grad_norm": 0.054976046085357666,
511
+ "learning_rate": 1.838408949658173e-05,
512
+ "loss": 0.2852,
513
+ "num_tokens": 707554947.0,
514
+ "step": 310
515
+ },
516
+ {
517
+ "epoch": 0.3520536462699078,
518
+ "grad_norm": 0.0718793049454689,
519
+ "learning_rate": 1.8321939092604105e-05,
520
+ "loss": 0.2854,
521
+ "num_tokens": 718984412.0,
522
+ "step": 315
523
+ },
524
+ {
525
+ "epoch": 0.35764179938530316,
526
+ "grad_norm": 0.06983356922864914,
527
+ "learning_rate": 1.8259788688626478e-05,
528
+ "loss": 0.2847,
529
+ "num_tokens": 730470288.0,
530
+ "step": 320
531
+ },
532
+ {
533
+ "epoch": 0.3632299525006985,
534
+ "grad_norm": 0.06837037205696106,
535
+ "learning_rate": 1.819763828464885e-05,
536
+ "loss": 0.2845,
537
+ "num_tokens": 741858439.0,
538
+ "step": 325
539
+ },
540
+ {
541
+ "epoch": 0.3688181056160939,
542
+ "grad_norm": 0.0682324767112732,
543
+ "learning_rate": 1.8135487880671225e-05,
544
+ "loss": 0.2812,
545
+ "num_tokens": 753183420.0,
546
+ "step": 330
547
+ },
548
+ {
549
+ "epoch": 0.37440625873148925,
550
+ "grad_norm": 0.06449826061725616,
551
+ "learning_rate": 1.8073337476693598e-05,
552
+ "loss": 0.2829,
553
+ "num_tokens": 764629623.0,
554
+ "step": 335
555
+ },
556
+ {
557
+ "epoch": 0.3799944118468846,
558
+ "grad_norm": 0.061453547328710556,
559
+ "learning_rate": 1.8011187072715975e-05,
560
+ "loss": 0.2817,
561
+ "num_tokens": 776072180.0,
562
+ "step": 340
563
+ },
564
+ {
565
+ "epoch": 0.38558256496227994,
566
+ "grad_norm": 0.06518165022134781,
567
+ "learning_rate": 1.794903666873835e-05,
568
+ "loss": 0.2827,
569
+ "num_tokens": 787454913.0,
570
+ "step": 345
571
+ },
572
+ {
573
+ "epoch": 0.39117071807767534,
574
+ "grad_norm": 0.07645566761493683,
575
+ "learning_rate": 1.7886886264760722e-05,
576
+ "loss": 0.2798,
577
+ "num_tokens": 798880783.0,
578
+ "step": 350
579
+ },
580
+ {
581
+ "epoch": 0.3967588711930707,
582
+ "grad_norm": 0.06994960457086563,
583
+ "learning_rate": 1.7824735860783095e-05,
584
+ "loss": 0.2822,
585
+ "num_tokens": 810324356.0,
586
+ "step": 355
587
+ },
588
+ {
589
+ "epoch": 0.40234702430846603,
590
+ "grad_norm": 0.06685755401849747,
591
+ "learning_rate": 1.776258545680547e-05,
592
+ "loss": 0.281,
593
+ "num_tokens": 821684136.0,
594
+ "step": 360
595
+ },
596
+ {
597
+ "epoch": 0.40793517742386143,
598
+ "grad_norm": 0.06723885238170624,
599
+ "learning_rate": 1.7700435052827846e-05,
600
+ "loss": 0.2791,
601
+ "num_tokens": 833138031.0,
602
+ "step": 365
603
+ },
604
+ {
605
+ "epoch": 0.4135233305392568,
606
+ "grad_norm": 0.06097578629851341,
607
+ "learning_rate": 1.763828464885022e-05,
608
+ "loss": 0.2791,
609
+ "num_tokens": 844568556.0,
610
+ "step": 370
611
+ },
612
+ {
613
+ "epoch": 0.4191114836546521,
614
+ "grad_norm": 0.06696998327970505,
615
+ "learning_rate": 1.7576134244872592e-05,
616
+ "loss": 0.2784,
617
+ "num_tokens": 855958988.0,
618
+ "step": 375
619
+ },
620
+ {
621
+ "epoch": 0.4246996367700475,
622
+ "grad_norm": 0.06988263130187988,
623
+ "learning_rate": 1.751398384089497e-05,
624
+ "loss": 0.2785,
625
+ "num_tokens": 867386144.0,
626
+ "step": 380
627
+ },
628
+ {
629
+ "epoch": 0.43028778988544286,
630
+ "grad_norm": 0.08155910670757294,
631
+ "learning_rate": 1.745183343691734e-05,
632
+ "loss": 0.2783,
633
+ "num_tokens": 878793737.0,
634
+ "step": 385
635
+ },
636
+ {
637
+ "epoch": 0.4358759430008382,
638
+ "grad_norm": 0.06370873749256134,
639
+ "learning_rate": 1.7389683032939716e-05,
640
+ "loss": 0.2773,
641
+ "num_tokens": 890247643.0,
642
+ "step": 390
643
+ },
644
+ {
645
+ "epoch": 0.4414640961162336,
646
+ "grad_norm": 0.05926324427127838,
647
+ "learning_rate": 1.732753262896209e-05,
648
+ "loss": 0.2785,
649
+ "num_tokens": 901673170.0,
650
+ "step": 395
651
+ },
652
+ {
653
+ "epoch": 0.44705224923162895,
654
+ "grad_norm": 0.06649507582187653,
655
+ "learning_rate": 1.7265382224984463e-05,
656
+ "loss": 0.275,
657
+ "num_tokens": 913137686.0,
658
+ "step": 400
659
+ },
660
+ {
661
+ "epoch": 0.4526404023470243,
662
+ "grad_norm": 0.06259816884994507,
663
+ "learning_rate": 1.720323182100684e-05,
664
+ "loss": 0.2767,
665
+ "num_tokens": 924486634.0,
666
+ "step": 405
667
+ },
668
+ {
669
+ "epoch": 0.4582285554624197,
670
+ "grad_norm": 0.06120780482888222,
671
+ "learning_rate": 1.7141081417029213e-05,
672
+ "loss": 0.2762,
673
+ "num_tokens": 935847065.0,
674
+ "step": 410
675
+ },
676
+ {
677
+ "epoch": 0.46381670857781504,
678
+ "grad_norm": 0.06271655857563019,
679
+ "learning_rate": 1.7078931013051587e-05,
680
+ "loss": 0.2766,
681
+ "num_tokens": 947288653.0,
682
+ "step": 415
683
+ },
684
+ {
685
+ "epoch": 0.4694048616932104,
686
+ "grad_norm": 0.06720273941755295,
687
+ "learning_rate": 1.701678060907396e-05,
688
+ "loss": 0.2774,
689
+ "num_tokens": 958753391.0,
690
+ "step": 420
691
+ },
692
+ {
693
+ "epoch": 0.47499301480860573,
694
+ "grad_norm": 0.07040219753980637,
695
+ "learning_rate": 1.6954630205096334e-05,
696
+ "loss": 0.2745,
697
+ "num_tokens": 970211625.0,
698
+ "step": 425
699
+ },
700
+ {
701
+ "epoch": 0.48058116792400113,
702
+ "grad_norm": 0.06442518532276154,
703
+ "learning_rate": 1.6892479801118707e-05,
704
+ "loss": 0.2745,
705
+ "num_tokens": 981563186.0,
706
+ "step": 430
707
+ },
708
+ {
709
+ "epoch": 0.4861693210393965,
710
+ "grad_norm": 0.07135903835296631,
711
+ "learning_rate": 1.6830329397141084e-05,
712
+ "loss": 0.2746,
713
+ "num_tokens": 993028060.0,
714
+ "step": 435
715
+ },
716
+ {
717
+ "epoch": 0.4917574741547918,
718
+ "grad_norm": 0.05886778235435486,
719
+ "learning_rate": 1.6768178993163457e-05,
720
+ "loss": 0.2742,
721
+ "num_tokens": 1004435363.0,
722
+ "step": 440
723
+ },
724
+ {
725
+ "epoch": 0.4973456272701872,
726
+ "grad_norm": 0.056988589465618134,
727
+ "learning_rate": 1.670602858918583e-05,
728
+ "loss": 0.2737,
729
+ "num_tokens": 1015874037.0,
730
+ "step": 445
731
+ },
732
+ {
733
+ "epoch": 0.5029337803855826,
734
+ "grad_norm": 0.06291932612657547,
735
+ "learning_rate": 1.6643878185208204e-05,
736
+ "loss": 0.2725,
737
+ "num_tokens": 1027283401.0,
738
+ "step": 450
739
+ },
740
+ {
741
+ "epoch": 0.508521933500978,
742
+ "grad_norm": 0.07145503163337708,
743
+ "learning_rate": 1.6581727781230577e-05,
744
+ "loss": 0.2725,
745
+ "num_tokens": 1038629883.0,
746
+ "step": 455
747
+ },
748
+ {
749
+ "epoch": 0.5141100866163733,
750
+ "grad_norm": 0.05856870859861374,
751
+ "learning_rate": 1.6519577377252954e-05,
752
+ "loss": 0.2726,
753
+ "num_tokens": 1050019923.0,
754
+ "step": 460
755
+ },
756
+ {
757
+ "epoch": 0.5196982397317687,
758
+ "grad_norm": 0.07050315290689468,
759
+ "learning_rate": 1.6457426973275328e-05,
760
+ "loss": 0.2706,
761
+ "num_tokens": 1061416078.0,
762
+ "step": 465
763
+ },
764
+ {
765
+ "epoch": 0.525286392847164,
766
+ "grad_norm": 0.06802777945995331,
767
+ "learning_rate": 1.63952765692977e-05,
768
+ "loss": 0.2702,
769
+ "num_tokens": 1072788410.0,
770
+ "step": 470
771
+ },
772
+ {
773
+ "epoch": 0.5308745459625593,
774
+ "grad_norm": 0.06870804727077484,
775
+ "learning_rate": 1.6333126165320078e-05,
776
+ "loss": 0.2719,
777
+ "num_tokens": 1084176813.0,
778
+ "step": 475
779
+ },
780
+ {
781
+ "epoch": 0.5364626990779547,
782
+ "grad_norm": 0.05907612666487694,
783
+ "learning_rate": 1.6270975761342448e-05,
784
+ "loss": 0.2715,
785
+ "num_tokens": 1095631809.0,
786
+ "step": 480
787
+ },
788
+ {
789
+ "epoch": 0.5420508521933501,
790
+ "grad_norm": 0.05871352180838585,
791
+ "learning_rate": 1.6208825357364825e-05,
792
+ "loss": 0.271,
793
+ "num_tokens": 1107023659.0,
794
+ "step": 485
795
+ },
796
+ {
797
+ "epoch": 0.5476390053087454,
798
+ "grad_norm": 0.07040645182132721,
799
+ "learning_rate": 1.6146674953387198e-05,
800
+ "loss": 0.2692,
801
+ "num_tokens": 1118483440.0,
802
+ "step": 490
803
+ },
804
+ {
805
+ "epoch": 0.5532271584241408,
806
+ "grad_norm": 0.09836603701114655,
807
+ "learning_rate": 1.608452454940957e-05,
808
+ "loss": 0.2696,
809
+ "num_tokens": 1129990125.0,
810
+ "step": 495
811
+ },
812
+ {
813
+ "epoch": 0.5588153115395362,
814
+ "grad_norm": 0.060847748070955276,
815
+ "learning_rate": 1.602237414543195e-05,
816
+ "loss": 0.2703,
817
+ "num_tokens": 1141412681.0,
818
+ "step": 500
819
+ },
820
+ {
821
+ "epoch": 0.5644034646549315,
822
+ "grad_norm": 0.0608036145567894,
823
+ "learning_rate": 1.5960223741454322e-05,
824
+ "loss": 0.269,
825
+ "num_tokens": 1152853495.0,
826
+ "step": 505
827
+ },
828
+ {
829
+ "epoch": 0.5699916177703269,
830
+ "grad_norm": 0.0629318356513977,
831
+ "learning_rate": 1.5898073337476695e-05,
832
+ "loss": 0.2696,
833
+ "num_tokens": 1164243394.0,
834
+ "step": 510
835
+ },
836
+ {
837
+ "epoch": 0.5755797708857223,
838
+ "grad_norm": 0.0749465599656105,
839
+ "learning_rate": 1.583592293349907e-05,
840
+ "loss": 0.2671,
841
+ "num_tokens": 1175612357.0,
842
+ "step": 515
843
+ },
844
+ {
845
+ "epoch": 0.5811679240011176,
846
+ "grad_norm": 0.09776467829942703,
847
+ "learning_rate": 1.5773772529521442e-05,
848
+ "loss": 0.2669,
849
+ "num_tokens": 1187046869.0,
850
+ "step": 520
851
+ },
852
+ {
853
+ "epoch": 0.586756077116513,
854
+ "grad_norm": 0.12097107619047165,
855
+ "learning_rate": 1.5711622125543816e-05,
856
+ "loss": 0.2681,
857
+ "num_tokens": 1198478715.0,
858
+ "step": 525
859
+ },
860
+ {
861
+ "epoch": 0.5923442302319084,
862
+ "grad_norm": 0.08982737362384796,
863
+ "learning_rate": 1.5649471721566192e-05,
864
+ "loss": 0.2676,
865
+ "num_tokens": 1209894292.0,
866
+ "step": 530
867
+ },
868
+ {
869
+ "epoch": 0.5979323833473037,
870
+ "grad_norm": 0.05943426489830017,
871
+ "learning_rate": 1.5587321317588566e-05,
872
+ "loss": 0.2681,
873
+ "num_tokens": 1221288210.0,
874
+ "step": 535
875
+ },
876
+ {
877
+ "epoch": 0.6035205364626991,
878
+ "grad_norm": 0.05909049138426781,
879
+ "learning_rate": 1.552517091361094e-05,
880
+ "loss": 0.2666,
881
+ "num_tokens": 1232662337.0,
882
+ "step": 540
883
+ },
884
+ {
885
+ "epoch": 0.6091086895780944,
886
+ "grad_norm": 0.06840803474187851,
887
+ "learning_rate": 1.5463020509633313e-05,
888
+ "loss": 0.2656,
889
+ "num_tokens": 1244049474.0,
890
+ "step": 545
891
+ },
892
+ {
893
+ "epoch": 0.6146968426934898,
894
+ "grad_norm": 0.0623379684984684,
895
+ "learning_rate": 1.5400870105655686e-05,
896
+ "loss": 0.2648,
897
+ "num_tokens": 1255501882.0,
898
+ "step": 550
899
+ },
900
+ {
901
+ "epoch": 0.6202849958088852,
902
+ "grad_norm": 0.05863022804260254,
903
+ "learning_rate": 1.5338719701678063e-05,
904
+ "loss": 0.2645,
905
+ "num_tokens": 1266929882.0,
906
+ "step": 555
907
+ },
908
+ {
909
+ "epoch": 0.6258731489242805,
910
+ "grad_norm": 0.0742977187037468,
911
+ "learning_rate": 1.5276569297700436e-05,
912
+ "loss": 0.2637,
913
+ "num_tokens": 1278348389.0,
914
+ "step": 560
915
+ },
916
+ {
917
+ "epoch": 0.6314613020396759,
918
+ "grad_norm": 0.06603442877531052,
919
+ "learning_rate": 1.5214418893722812e-05,
920
+ "loss": 0.2642,
921
+ "num_tokens": 1289764706.0,
922
+ "step": 565
923
+ },
924
+ {
925
+ "epoch": 0.6370494551550713,
926
+ "grad_norm": 0.06260518729686737,
927
+ "learning_rate": 1.5152268489745185e-05,
928
+ "loss": 0.2635,
929
+ "num_tokens": 1301188033.0,
930
+ "step": 570
931
+ },
932
+ {
933
+ "epoch": 0.6426376082704666,
934
+ "grad_norm": 0.06276093423366547,
935
+ "learning_rate": 1.5090118085767558e-05,
936
+ "loss": 0.2626,
937
+ "num_tokens": 1312563993.0,
938
+ "step": 575
939
+ },
940
+ {
941
+ "epoch": 0.648225761385862,
942
+ "grad_norm": 0.05987481400370598,
943
+ "learning_rate": 1.5027967681789932e-05,
944
+ "loss": 0.2642,
945
+ "num_tokens": 1323998912.0,
946
+ "step": 580
947
+ },
948
+ {
949
+ "epoch": 0.6538139145012574,
950
+ "grad_norm": 0.07826969027519226,
951
+ "learning_rate": 1.4965817277812307e-05,
952
+ "loss": 0.2637,
953
+ "num_tokens": 1335437946.0,
954
+ "step": 585
955
+ },
956
+ {
957
+ "epoch": 0.6594020676166527,
958
+ "grad_norm": 0.07437111437320709,
959
+ "learning_rate": 1.4903666873834682e-05,
960
+ "loss": 0.2625,
961
+ "num_tokens": 1346881745.0,
962
+ "step": 590
963
+ },
964
+ {
965
+ "epoch": 0.664990220732048,
966
+ "grad_norm": 0.09087026864290237,
967
+ "learning_rate": 1.4841516469857056e-05,
968
+ "loss": 0.2617,
969
+ "num_tokens": 1358272528.0,
970
+ "step": 595
971
+ },
972
+ {
973
+ "epoch": 0.6705783738474435,
974
+ "grad_norm": 0.09543482959270477,
975
+ "learning_rate": 1.477936606587943e-05,
976
+ "loss": 0.2628,
977
+ "num_tokens": 1369658784.0,
978
+ "step": 600
979
+ },
980
+ {
981
+ "epoch": 0.6761665269628387,
982
+ "grad_norm": 0.07354892790317535,
983
+ "learning_rate": 1.4717215661901802e-05,
984
+ "loss": 0.263,
985
+ "num_tokens": 1381096596.0,
986
+ "step": 605
987
+ },
988
+ {
989
+ "epoch": 0.6817546800782341,
990
+ "grad_norm": 0.08725232630968094,
991
+ "learning_rate": 1.4655065257924177e-05,
992
+ "loss": 0.2601,
993
+ "num_tokens": 1392519601.0,
994
+ "step": 610
995
+ },
996
+ {
997
+ "epoch": 0.6873428331936295,
998
+ "grad_norm": 0.06985431909561157,
999
+ "learning_rate": 1.4592914853946551e-05,
1000
+ "loss": 0.2608,
1001
+ "num_tokens": 1403941561.0,
1002
+ "step": 615
1003
+ },
1004
+ {
1005
+ "epoch": 0.6929309863090248,
1006
+ "grad_norm": 0.0729910135269165,
1007
+ "learning_rate": 1.4530764449968926e-05,
1008
+ "loss": 0.2595,
1009
+ "num_tokens": 1415354409.0,
1010
+ "step": 620
1011
+ },
1012
+ {
1013
+ "epoch": 0.6985191394244202,
1014
+ "grad_norm": 0.07240404933691025,
1015
+ "learning_rate": 1.4468614045991301e-05,
1016
+ "loss": 0.2605,
1017
+ "num_tokens": 1426725558.0,
1018
+ "step": 625
1019
+ },
1020
+ {
1021
+ "epoch": 0.7041072925398156,
1022
+ "grad_norm": 0.06184804067015648,
1023
+ "learning_rate": 1.4406463642013675e-05,
1024
+ "loss": 0.2611,
1025
+ "num_tokens": 1438189513.0,
1026
+ "step": 630
1027
+ },
1028
+ {
1029
+ "epoch": 0.7096954456552109,
1030
+ "grad_norm": 0.08360790461301804,
1031
+ "learning_rate": 1.434431323803605e-05,
1032
+ "loss": 0.2607,
1033
+ "num_tokens": 1449608422.0,
1034
+ "step": 635
1035
+ },
1036
+ {
1037
+ "epoch": 0.7152835987706063,
1038
+ "grad_norm": 0.13933835923671722,
1039
+ "learning_rate": 1.4282162834058421e-05,
1040
+ "loss": 0.2585,
1041
+ "num_tokens": 1461023964.0,
1042
+ "step": 640
1043
+ },
1044
+ {
1045
+ "epoch": 0.7208717518860017,
1046
+ "grad_norm": 0.07683195173740387,
1047
+ "learning_rate": 1.4220012430080797e-05,
1048
+ "loss": 0.2591,
1049
+ "num_tokens": 1472442326.0,
1050
+ "step": 645
1051
+ },
1052
+ {
1053
+ "epoch": 0.726459905001397,
1054
+ "grad_norm": 0.08932902663946152,
1055
+ "learning_rate": 1.415786202610317e-05,
1056
+ "loss": 0.2584,
1057
+ "num_tokens": 1483853206.0,
1058
+ "step": 650
1059
+ },
1060
+ {
1061
+ "epoch": 0.7320480581167924,
1062
+ "grad_norm": 0.07598485797643661,
1063
+ "learning_rate": 1.4095711622125545e-05,
1064
+ "loss": 0.2586,
1065
+ "num_tokens": 1495295410.0,
1066
+ "step": 655
1067
+ },
1068
+ {
1069
+ "epoch": 0.7376362112321878,
1070
+ "grad_norm": 0.0836004987359047,
1071
+ "learning_rate": 1.403356121814792e-05,
1072
+ "loss": 0.2589,
1073
+ "num_tokens": 1506682604.0,
1074
+ "step": 660
1075
+ },
1076
+ {
1077
+ "epoch": 0.7432243643475831,
1078
+ "grad_norm": 0.10632190108299255,
1079
+ "learning_rate": 1.3971410814170294e-05,
1080
+ "loss": 0.2591,
1081
+ "num_tokens": 1518151316.0,
1082
+ "step": 665
1083
+ },
1084
+ {
1085
+ "epoch": 0.7488125174629785,
1086
+ "grad_norm": 0.07187483459711075,
1087
+ "learning_rate": 1.3909260410192667e-05,
1088
+ "loss": 0.2586,
1089
+ "num_tokens": 1529536050.0,
1090
+ "step": 670
1091
+ },
1092
+ {
1093
+ "epoch": 0.7544006705783739,
1094
+ "grad_norm": 0.06604966521263123,
1095
+ "learning_rate": 1.384711000621504e-05,
1096
+ "loss": 0.2572,
1097
+ "num_tokens": 1540906374.0,
1098
+ "step": 675
1099
+ },
1100
+ {
1101
+ "epoch": 0.7599888236937692,
1102
+ "grad_norm": 0.059948720037937164,
1103
+ "learning_rate": 1.3784959602237416e-05,
1104
+ "loss": 0.2564,
1105
+ "num_tokens": 1552367588.0,
1106
+ "step": 680
1107
+ },
1108
+ {
1109
+ "epoch": 0.7655769768091646,
1110
+ "grad_norm": 0.10807392001152039,
1111
+ "learning_rate": 1.372280919825979e-05,
1112
+ "loss": 0.2572,
1113
+ "num_tokens": 1563798845.0,
1114
+ "step": 685
1115
+ },
1116
+ {
1117
+ "epoch": 0.7711651299245599,
1118
+ "grad_norm": 0.07425787299871445,
1119
+ "learning_rate": 1.3660658794282164e-05,
1120
+ "loss": 0.256,
1121
+ "num_tokens": 1575159561.0,
1122
+ "step": 690
1123
+ },
1124
+ {
1125
+ "epoch": 0.7767532830399553,
1126
+ "grad_norm": 0.10806109756231308,
1127
+ "learning_rate": 1.359850839030454e-05,
1128
+ "loss": 0.2544,
1129
+ "num_tokens": 1586595617.0,
1130
+ "step": 695
1131
+ },
1132
+ {
1133
+ "epoch": 0.7823414361553507,
1134
+ "grad_norm": 0.08122843503952026,
1135
+ "learning_rate": 1.3536357986326911e-05,
1136
+ "loss": 0.2558,
1137
+ "num_tokens": 1598019511.0,
1138
+ "step": 700
1139
+ },
1140
+ {
1141
+ "epoch": 0.787929589270746,
1142
+ "grad_norm": 0.08998622000217438,
1143
+ "learning_rate": 1.3474207582349286e-05,
1144
+ "loss": 0.2551,
1145
+ "num_tokens": 1609449516.0,
1146
+ "step": 705
1147
+ },
1148
+ {
1149
+ "epoch": 0.7935177423861414,
1150
+ "grad_norm": 0.06237884238362312,
1151
+ "learning_rate": 1.341205717837166e-05,
1152
+ "loss": 0.2558,
1153
+ "num_tokens": 1620942485.0,
1154
+ "step": 710
1155
+ },
1156
+ {
1157
+ "epoch": 0.7991058955015368,
1158
+ "grad_norm": 0.08027390390634537,
1159
+ "learning_rate": 1.3349906774394035e-05,
1160
+ "loss": 0.2551,
1161
+ "num_tokens": 1632316514.0,
1162
+ "step": 715
1163
+ },
1164
+ {
1165
+ "epoch": 0.8046940486169321,
1166
+ "grad_norm": 0.06748659908771515,
1167
+ "learning_rate": 1.328775637041641e-05,
1168
+ "loss": 0.2551,
1169
+ "num_tokens": 1643728845.0,
1170
+ "step": 720
1171
+ },
1172
+ {
1173
+ "epoch": 0.8102822017323275,
1174
+ "grad_norm": 0.06500785052776337,
1175
+ "learning_rate": 1.3225605966438783e-05,
1176
+ "loss": 0.2552,
1177
+ "num_tokens": 1655109711.0,
1178
+ "step": 725
1179
+ },
1180
+ {
1181
+ "epoch": 0.8158703548477229,
1182
+ "grad_norm": 0.07137981057167053,
1183
+ "learning_rate": 1.3163455562461157e-05,
1184
+ "loss": 0.2527,
1185
+ "num_tokens": 1666511424.0,
1186
+ "step": 730
1187
+ },
1188
+ {
1189
+ "epoch": 0.8214585079631181,
1190
+ "grad_norm": 0.07075709849596024,
1191
+ "learning_rate": 1.310130515848353e-05,
1192
+ "loss": 0.2524,
1193
+ "num_tokens": 1677945037.0,
1194
+ "step": 735
1195
+ },
1196
+ {
1197
+ "epoch": 0.8270466610785135,
1198
+ "grad_norm": 0.07283911108970642,
1199
+ "learning_rate": 1.3039154754505905e-05,
1200
+ "loss": 0.2531,
1201
+ "num_tokens": 1689328065.0,
1202
+ "step": 740
1203
+ },
1204
+ {
1205
+ "epoch": 0.832634814193909,
1206
+ "grad_norm": 0.07047147303819656,
1207
+ "learning_rate": 1.2977004350528279e-05,
1208
+ "loss": 0.2526,
1209
+ "num_tokens": 1700701797.0,
1210
+ "step": 745
1211
+ },
1212
+ {
1213
+ "epoch": 0.8382229673093042,
1214
+ "grad_norm": 0.0700286328792572,
1215
+ "learning_rate": 1.2914853946550654e-05,
1216
+ "loss": 0.2529,
1217
+ "num_tokens": 1712094439.0,
1218
+ "step": 750
1219
+ },
1220
+ {
1221
+ "epoch": 0.8438111204246996,
1222
+ "grad_norm": 0.07566844671964645,
1223
+ "learning_rate": 1.2852703542573029e-05,
1224
+ "loss": 0.2525,
1225
+ "num_tokens": 1723506482.0,
1226
+ "step": 755
1227
+ },
1228
+ {
1229
+ "epoch": 0.849399273540095,
1230
+ "grad_norm": 0.0756835788488388,
1231
+ "learning_rate": 1.2790553138595402e-05,
1232
+ "loss": 0.2515,
1233
+ "num_tokens": 1734948173.0,
1234
+ "step": 760
1235
+ },
1236
+ {
1237
+ "epoch": 0.8549874266554903,
1238
+ "grad_norm": 0.10192592442035675,
1239
+ "learning_rate": 1.2728402734617776e-05,
1240
+ "loss": 0.2527,
1241
+ "num_tokens": 1746339575.0,
1242
+ "step": 765
1243
+ },
1244
+ {
1245
+ "epoch": 0.8605755797708857,
1246
+ "grad_norm": 0.06903030723333359,
1247
+ "learning_rate": 1.266625233064015e-05,
1248
+ "loss": 0.2511,
1249
+ "num_tokens": 1757726090.0,
1250
+ "step": 770
1251
+ },
1252
+ {
1253
+ "epoch": 0.8661637328862811,
1254
+ "grad_norm": 0.07352637499570847,
1255
+ "learning_rate": 1.2604101926662524e-05,
1256
+ "loss": 0.2505,
1257
+ "num_tokens": 1769185846.0,
1258
+ "step": 775
1259
+ },
1260
+ {
1261
+ "epoch": 0.8717518860016764,
1262
+ "grad_norm": 0.0697358250617981,
1263
+ "learning_rate": 1.25419515226849e-05,
1264
+ "loss": 0.251,
1265
+ "num_tokens": 1780540282.0,
1266
+ "step": 780
1267
+ },
1268
+ {
1269
+ "epoch": 0.8773400391170718,
1270
+ "grad_norm": 0.07313339412212372,
1271
+ "learning_rate": 1.2479801118707273e-05,
1272
+ "loss": 0.251,
1273
+ "num_tokens": 1792000179.0,
1274
+ "step": 785
1275
+ },
1276
+ {
1277
+ "epoch": 0.8829281922324672,
1278
+ "grad_norm": 0.07740647345781326,
1279
+ "learning_rate": 1.2417650714729648e-05,
1280
+ "loss": 0.2498,
1281
+ "num_tokens": 1803413179.0,
1282
+ "step": 790
1283
+ },
1284
+ {
1285
+ "epoch": 0.8885163453478625,
1286
+ "grad_norm": 0.06439563632011414,
1287
+ "learning_rate": 1.235550031075202e-05,
1288
+ "loss": 0.2495,
1289
+ "num_tokens": 1814874417.0,
1290
+ "step": 795
1291
+ },
1292
+ {
1293
+ "epoch": 0.8941044984632579,
1294
+ "grad_norm": 0.07976026087999344,
1295
+ "learning_rate": 1.2293349906774395e-05,
1296
+ "loss": 0.2492,
1297
+ "num_tokens": 1826321606.0,
1298
+ "step": 800
1299
+ },
1300
+ {
1301
+ "epoch": 0.8996926515786533,
1302
+ "grad_norm": 0.07340570539236069,
1303
+ "learning_rate": 1.2231199502796768e-05,
1304
+ "loss": 0.2491,
1305
+ "num_tokens": 1837738496.0,
1306
+ "step": 805
1307
+ },
1308
+ {
1309
+ "epoch": 0.9052808046940486,
1310
+ "grad_norm": 0.074010469019413,
1311
+ "learning_rate": 1.2169049098819143e-05,
1312
+ "loss": 0.2509,
1313
+ "num_tokens": 1849163294.0,
1314
+ "step": 810
1315
+ },
1316
+ {
1317
+ "epoch": 0.910868957809444,
1318
+ "grad_norm": 0.06877516210079193,
1319
+ "learning_rate": 1.2106898694841519e-05,
1320
+ "loss": 0.2491,
1321
+ "num_tokens": 1860581937.0,
1322
+ "step": 815
1323
+ },
1324
+ {
1325
+ "epoch": 0.9164571109248394,
1326
+ "grad_norm": 0.11264199018478394,
1327
+ "learning_rate": 1.2044748290863892e-05,
1328
+ "loss": 0.249,
1329
+ "num_tokens": 1872023057.0,
1330
+ "step": 820
1331
+ },
1332
+ {
1333
+ "epoch": 0.9220452640402347,
1334
+ "grad_norm": 0.07071848213672638,
1335
+ "learning_rate": 1.1982597886886265e-05,
1336
+ "loss": 0.2491,
1337
+ "num_tokens": 1883430495.0,
1338
+ "step": 825
1339
+ },
1340
+ {
1341
+ "epoch": 0.9276334171556301,
1342
+ "grad_norm": 0.06249503418803215,
1343
+ "learning_rate": 1.1920447482908639e-05,
1344
+ "loss": 0.2479,
1345
+ "num_tokens": 1894830982.0,
1346
+ "step": 830
1347
+ },
1348
+ {
1349
+ "epoch": 0.9332215702710255,
1350
+ "grad_norm": 0.09320665150880814,
1351
+ "learning_rate": 1.1858297078931014e-05,
1352
+ "loss": 0.249,
1353
+ "num_tokens": 1906265064.0,
1354
+ "step": 835
1355
+ },
1356
+ {
1357
+ "epoch": 0.9388097233864208,
1358
+ "grad_norm": 0.07534969598054886,
1359
+ "learning_rate": 1.1796146674953387e-05,
1360
+ "loss": 0.2457,
1361
+ "num_tokens": 1917622370.0,
1362
+ "step": 840
1363
+ },
1364
+ {
1365
+ "epoch": 0.9443978765018162,
1366
+ "grad_norm": 0.06999360024929047,
1367
+ "learning_rate": 1.1733996270975763e-05,
1368
+ "loss": 0.2472,
1369
+ "num_tokens": 1929083402.0,
1370
+ "step": 845
1371
+ },
1372
+ {
1373
+ "epoch": 0.9499860296172115,
1374
+ "grad_norm": 0.0674748569726944,
1375
+ "learning_rate": 1.1671845866998138e-05,
1376
+ "loss": 0.247,
1377
+ "num_tokens": 1940493455.0,
1378
+ "step": 850
1379
+ },
1380
+ {
1381
+ "epoch": 0.9555741827326069,
1382
+ "grad_norm": 0.07490040361881256,
1383
+ "learning_rate": 1.1609695463020511e-05,
1384
+ "loss": 0.2472,
1385
+ "num_tokens": 1951881506.0,
1386
+ "step": 855
1387
+ },
1388
+ {
1389
+ "epoch": 0.9611623358480023,
1390
+ "grad_norm": 0.06616108119487762,
1391
+ "learning_rate": 1.1547545059042884e-05,
1392
+ "loss": 0.246,
1393
+ "num_tokens": 1963273217.0,
1394
+ "step": 860
1395
+ },
1396
+ {
1397
+ "epoch": 0.9667504889633975,
1398
+ "grad_norm": 0.06972012668848038,
1399
+ "learning_rate": 1.1485394655065258e-05,
1400
+ "loss": 0.2465,
1401
+ "num_tokens": 1974706747.0,
1402
+ "step": 865
1403
+ },
1404
+ {
1405
+ "epoch": 0.972338642078793,
1406
+ "grad_norm": 0.07631607353687286,
1407
+ "learning_rate": 1.1423244251087633e-05,
1408
+ "loss": 0.2449,
1409
+ "num_tokens": 1986149340.0,
1410
+ "step": 870
1411
+ },
1412
+ {
1413
+ "epoch": 0.9779267951941883,
1414
+ "grad_norm": 0.06611183285713196,
1415
+ "learning_rate": 1.1361093847110008e-05,
1416
+ "loss": 0.2454,
1417
+ "num_tokens": 1997579388.0,
1418
+ "step": 875
1419
+ },
1420
+ {
1421
+ "epoch": 0.9835149483095836,
1422
+ "grad_norm": 0.06674376130104065,
1423
+ "learning_rate": 1.1298943443132382e-05,
1424
+ "loss": 0.2455,
1425
+ "num_tokens": 2008982302.0,
1426
+ "step": 880
1427
+ },
1428
+ {
1429
+ "epoch": 0.989103101424979,
1430
+ "grad_norm": 0.06652665883302689,
1431
+ "learning_rate": 1.1236793039154757e-05,
1432
+ "loss": 0.2431,
1433
+ "num_tokens": 2020472578.0,
1434
+ "step": 885
1435
+ },
1436
+ {
1437
+ "epoch": 0.9946912545403744,
1438
+ "grad_norm": 0.06591866910457611,
1439
+ "learning_rate": 1.1174642635177128e-05,
1440
+ "loss": 0.2449,
1441
+ "num_tokens": 2031841635.0,
1442
+ "step": 890
1443
+ },
1444
+ {
1445
+ "epoch": 1.0011176306230791,
1446
+ "grad_norm": 0.23118355870246887,
1447
+ "learning_rate": 1.1112492231199504e-05,
1448
+ "loss": 0.2933,
1449
+ "num_tokens": 2044427047.0,
1450
+ "step": 895
1451
+ },
1452
+ {
1453
+ "epoch": 1.0067057837384745,
1454
+ "grad_norm": 0.10587958991527557,
1455
+ "learning_rate": 1.1050341827221877e-05,
1456
+ "loss": 0.2414,
1457
+ "num_tokens": 2055793025.0,
1458
+ "step": 900
1459
+ },
1460
+ {
1461
+ "epoch": 1.0122939368538697,
1462
+ "grad_norm": 0.0685587227344513,
1463
+ "learning_rate": 1.0988191423244252e-05,
1464
+ "loss": 0.2432,
1465
+ "num_tokens": 2067243827.0,
1466
+ "step": 905
1467
+ },
1468
+ {
1469
+ "epoch": 1.017882089969265,
1470
+ "grad_norm": 0.08346986025571823,
1471
+ "learning_rate": 1.0926041019266627e-05,
1472
+ "loss": 0.2409,
1473
+ "num_tokens": 2078620577.0,
1474
+ "step": 910
1475
+ },
1476
+ {
1477
+ "epoch": 1.0234702430846605,
1478
+ "grad_norm": 0.08620323985815048,
1479
+ "learning_rate": 1.0863890615289e-05,
1480
+ "loss": 0.2415,
1481
+ "num_tokens": 2089971736.0,
1482
+ "step": 915
1483
+ },
1484
+ {
1485
+ "epoch": 1.029058396200056,
1486
+ "grad_norm": 0.0674772635102272,
1487
+ "learning_rate": 1.0801740211311374e-05,
1488
+ "loss": 0.2421,
1489
+ "num_tokens": 2101379103.0,
1490
+ "step": 920
1491
+ },
1492
+ {
1493
+ "epoch": 1.0346465493154513,
1494
+ "grad_norm": 0.07416342943906784,
1495
+ "learning_rate": 1.0739589807333748e-05,
1496
+ "loss": 0.2407,
1497
+ "num_tokens": 2112776077.0,
1498
+ "step": 925
1499
+ },
1500
+ {
1501
+ "epoch": 1.0402347024308467,
1502
+ "grad_norm": 0.07598921656608582,
1503
+ "learning_rate": 1.0677439403356123e-05,
1504
+ "loss": 0.2409,
1505
+ "num_tokens": 2124236482.0,
1506
+ "step": 930
1507
+ },
1508
+ {
1509
+ "epoch": 1.0458228555462419,
1510
+ "grad_norm": 0.0737273246049881,
1511
+ "learning_rate": 1.0615288999378496e-05,
1512
+ "loss": 0.2413,
1513
+ "num_tokens": 2135688525.0,
1514
+ "step": 935
1515
+ },
1516
+ {
1517
+ "epoch": 1.0514110086616373,
1518
+ "grad_norm": 0.06743738800287247,
1519
+ "learning_rate": 1.0553138595400871e-05,
1520
+ "loss": 0.2386,
1521
+ "num_tokens": 2147122071.0,
1522
+ "step": 940
1523
+ },
1524
+ {
1525
+ "epoch": 1.0569991617770327,
1526
+ "grad_norm": 0.06557197123765945,
1527
+ "learning_rate": 1.0490988191423246e-05,
1528
+ "loss": 0.2403,
1529
+ "num_tokens": 2158530375.0,
1530
+ "step": 945
1531
+ },
1532
+ {
1533
+ "epoch": 1.062587314892428,
1534
+ "grad_norm": 0.06542874127626419,
1535
+ "learning_rate": 1.0428837787445618e-05,
1536
+ "loss": 0.2402,
1537
+ "num_tokens": 2169932710.0,
1538
+ "step": 950
1539
+ },
1540
+ {
1541
+ "epoch": 1.0681754680078235,
1542
+ "grad_norm": 0.06733342260122299,
1543
+ "learning_rate": 1.0366687383467993e-05,
1544
+ "loss": 0.2388,
1545
+ "num_tokens": 2181338844.0,
1546
+ "step": 955
1547
+ },
1548
+ {
1549
+ "epoch": 1.0737636211232187,
1550
+ "grad_norm": 0.0743744820356369,
1551
+ "learning_rate": 1.0304536979490367e-05,
1552
+ "loss": 0.2398,
1553
+ "num_tokens": 2192802959.0,
1554
+ "step": 960
1555
+ },
1556
+ {
1557
+ "epoch": 1.079351774238614,
1558
+ "grad_norm": 0.06693757325410843,
1559
+ "learning_rate": 1.0242386575512742e-05,
1560
+ "loss": 0.2388,
1561
+ "num_tokens": 2204275699.0,
1562
+ "step": 965
1563
+ },
1564
+ {
1565
+ "epoch": 1.0849399273540095,
1566
+ "grad_norm": 0.06969534605741501,
1567
+ "learning_rate": 1.0180236171535117e-05,
1568
+ "loss": 0.2374,
1569
+ "num_tokens": 2215670693.0,
1570
+ "step": 970
1571
+ },
1572
+ {
1573
+ "epoch": 1.0905280804694049,
1574
+ "grad_norm": 0.06961479038000107,
1575
+ "learning_rate": 1.011808576755749e-05,
1576
+ "loss": 0.2388,
1577
+ "num_tokens": 2227056672.0,
1578
+ "step": 975
1579
+ },
1580
+ {
1581
+ "epoch": 1.0961162335848003,
1582
+ "grad_norm": 0.07095306366682053,
1583
+ "learning_rate": 1.0055935363579865e-05,
1584
+ "loss": 0.2378,
1585
+ "num_tokens": 2238434978.0,
1586
+ "step": 980
1587
+ },
1588
+ {
1589
+ "epoch": 1.1017043867001957,
1590
+ "grad_norm": 0.06813249737024307,
1591
+ "learning_rate": 9.993784959602239e-06,
1592
+ "loss": 0.2375,
1593
+ "num_tokens": 2249850683.0,
1594
+ "step": 985
1595
+ },
1596
+ {
1597
+ "epoch": 1.107292539815591,
1598
+ "grad_norm": 0.0719991996884346,
1599
+ "learning_rate": 9.931634555624612e-06,
1600
+ "loss": 0.2373,
1601
+ "num_tokens": 2261212383.0,
1602
+ "step": 990
1603
+ },
1604
+ {
1605
+ "epoch": 1.1128806929309862,
1606
+ "grad_norm": 0.06997533142566681,
1607
+ "learning_rate": 9.869484151646986e-06,
1608
+ "loss": 0.237,
1609
+ "num_tokens": 2272587162.0,
1610
+ "step": 995
1611
+ },
1612
+ {
1613
+ "epoch": 1.1184688460463816,
1614
+ "grad_norm": 0.07270677387714386,
1615
+ "learning_rate": 9.80733374766936e-06,
1616
+ "loss": 0.2359,
1617
+ "num_tokens": 2283912018.0,
1618
+ "step": 1000
1619
+ },
1620
+ {
1621
+ "epoch": 1.124056999161777,
1622
+ "grad_norm": 0.07579246163368225,
1623
+ "learning_rate": 9.745183343691734e-06,
1624
+ "loss": 0.2366,
1625
+ "num_tokens": 2295347080.0,
1626
+ "step": 1005
1627
+ },
1628
+ {
1629
+ "epoch": 1.1296451522771724,
1630
+ "grad_norm": 0.07113311439752579,
1631
+ "learning_rate": 9.68303293971411e-06,
1632
+ "loss": 0.2365,
1633
+ "num_tokens": 2306773064.0,
1634
+ "step": 1010
1635
+ },
1636
+ {
1637
+ "epoch": 1.1352333053925678,
1638
+ "grad_norm": 0.07556473463773727,
1639
+ "learning_rate": 9.620882535736483e-06,
1640
+ "loss": 0.2372,
1641
+ "num_tokens": 2318150911.0,
1642
+ "step": 1015
1643
+ },
1644
+ {
1645
+ "epoch": 1.140821458507963,
1646
+ "grad_norm": 0.06698355823755264,
1647
+ "learning_rate": 9.558732131758858e-06,
1648
+ "loss": 0.235,
1649
+ "num_tokens": 2329523719.0,
1650
+ "step": 1020
1651
+ },
1652
+ {
1653
+ "epoch": 1.1464096116233584,
1654
+ "grad_norm": 0.08231225609779358,
1655
+ "learning_rate": 9.496581727781231e-06,
1656
+ "loss": 0.2344,
1657
+ "num_tokens": 2340997447.0,
1658
+ "step": 1025
1659
+ },
1660
+ {
1661
+ "epoch": 1.1519977647387538,
1662
+ "grad_norm": 0.06964124739170074,
1663
+ "learning_rate": 9.434431323803605e-06,
1664
+ "loss": 0.2361,
1665
+ "num_tokens": 2352475029.0,
1666
+ "step": 1030
1667
+ },
1668
+ {
1669
+ "epoch": 1.1575859178541492,
1670
+ "grad_norm": 0.0700337216258049,
1671
+ "learning_rate": 9.37228091982598e-06,
1672
+ "loss": 0.2355,
1673
+ "num_tokens": 2363920017.0,
1674
+ "step": 1035
1675
+ },
1676
+ {
1677
+ "epoch": 1.1631740709695446,
1678
+ "grad_norm": 0.0741286426782608,
1679
+ "learning_rate": 9.310130515848353e-06,
1680
+ "loss": 0.2341,
1681
+ "num_tokens": 2375322119.0,
1682
+ "step": 1040
1683
+ },
1684
+ {
1685
+ "epoch": 1.16876222408494,
1686
+ "grad_norm": 0.06947010010480881,
1687
+ "learning_rate": 9.247980111870728e-06,
1688
+ "loss": 0.2342,
1689
+ "num_tokens": 2386741113.0,
1690
+ "step": 1045
1691
+ },
1692
+ {
1693
+ "epoch": 1.1743503772003352,
1694
+ "grad_norm": 0.07005992531776428,
1695
+ "learning_rate": 9.185829707893102e-06,
1696
+ "loss": 0.2332,
1697
+ "num_tokens": 2398129082.0,
1698
+ "step": 1050
1699
+ },
1700
+ {
1701
+ "epoch": 1.1799385303157306,
1702
+ "grad_norm": 0.08020587265491486,
1703
+ "learning_rate": 9.123679303915475e-06,
1704
+ "loss": 0.2339,
1705
+ "num_tokens": 2409586941.0,
1706
+ "step": 1055
1707
+ },
1708
+ {
1709
+ "epoch": 1.185526683431126,
1710
+ "grad_norm": 0.06929939240217209,
1711
+ "learning_rate": 9.06152889993785e-06,
1712
+ "loss": 0.2327,
1713
+ "num_tokens": 2421044006.0,
1714
+ "step": 1060
1715
+ },
1716
+ {
1717
+ "epoch": 1.1911148365465214,
1718
+ "grad_norm": 0.06981244683265686,
1719
+ "learning_rate": 8.999378495960226e-06,
1720
+ "loss": 0.2341,
1721
+ "num_tokens": 2432441590.0,
1722
+ "step": 1065
1723
+ },
1724
+ {
1725
+ "epoch": 1.1967029896619168,
1726
+ "grad_norm": 0.06755483150482178,
1727
+ "learning_rate": 8.937228091982599e-06,
1728
+ "loss": 0.235,
1729
+ "num_tokens": 2443840149.0,
1730
+ "step": 1070
1731
+ },
1732
+ {
1733
+ "epoch": 1.2022911427773122,
1734
+ "grad_norm": 0.0726640447974205,
1735
+ "learning_rate": 8.875077688004972e-06,
1736
+ "loss": 0.2323,
1737
+ "num_tokens": 2455313893.0,
1738
+ "step": 1075
1739
+ },
1740
+ {
1741
+ "epoch": 1.2078792958927074,
1742
+ "grad_norm": 0.08011981844902039,
1743
+ "learning_rate": 8.812927284027348e-06,
1744
+ "loss": 0.2326,
1745
+ "num_tokens": 2466720769.0,
1746
+ "step": 1080
1747
+ },
1748
+ {
1749
+ "epoch": 1.2134674490081028,
1750
+ "grad_norm": 0.07221303135156631,
1751
+ "learning_rate": 8.750776880049721e-06,
1752
+ "loss": 0.2334,
1753
+ "num_tokens": 2478131913.0,
1754
+ "step": 1085
1755
+ },
1756
+ {
1757
+ "epoch": 1.2190556021234982,
1758
+ "grad_norm": 0.0708707943558693,
1759
+ "learning_rate": 8.688626476072094e-06,
1760
+ "loss": 0.2322,
1761
+ "num_tokens": 2489518624.0,
1762
+ "step": 1090
1763
+ },
1764
+ {
1765
+ "epoch": 1.2246437552388936,
1766
+ "grad_norm": 0.08248551189899445,
1767
+ "learning_rate": 8.62647607209447e-06,
1768
+ "loss": 0.232,
1769
+ "num_tokens": 2500909560.0,
1770
+ "step": 1095
1771
+ },
1772
+ {
1773
+ "epoch": 1.230231908354289,
1774
+ "grad_norm": 0.0947834923863411,
1775
+ "learning_rate": 8.564325668116843e-06,
1776
+ "loss": 0.2329,
1777
+ "num_tokens": 2512309464.0,
1778
+ "step": 1100
1779
+ },
1780
+ {
1781
+ "epoch": 1.2358200614696844,
1782
+ "grad_norm": 0.07485756278038025,
1783
+ "learning_rate": 8.502175264139218e-06,
1784
+ "loss": 0.2327,
1785
+ "num_tokens": 2523712493.0,
1786
+ "step": 1105
1787
+ },
1788
+ {
1789
+ "epoch": 1.2414082145850796,
1790
+ "grad_norm": 0.07397732138633728,
1791
+ "learning_rate": 8.440024860161591e-06,
1792
+ "loss": 0.2323,
1793
+ "num_tokens": 2535086363.0,
1794
+ "step": 1110
1795
+ },
1796
+ {
1797
+ "epoch": 1.246996367700475,
1798
+ "grad_norm": 0.07793208956718445,
1799
+ "learning_rate": 8.377874456183965e-06,
1800
+ "loss": 0.2314,
1801
+ "num_tokens": 2546530108.0,
1802
+ "step": 1115
1803
+ },
1804
+ {
1805
+ "epoch": 1.2525845208158704,
1806
+ "grad_norm": 0.07121593505144119,
1807
+ "learning_rate": 8.31572405220634e-06,
1808
+ "loss": 0.2323,
1809
+ "num_tokens": 2557949004.0,
1810
+ "step": 1120
1811
+ },
1812
+ {
1813
+ "epoch": 1.2581726739312658,
1814
+ "grad_norm": 0.0731595903635025,
1815
+ "learning_rate": 8.253573648228713e-06,
1816
+ "loss": 0.2296,
1817
+ "num_tokens": 2569329945.0,
1818
+ "step": 1125
1819
+ },
1820
+ {
1821
+ "epoch": 1.2637608270466612,
1822
+ "grad_norm": 0.07631632685661316,
1823
+ "learning_rate": 8.191423244251089e-06,
1824
+ "loss": 0.2302,
1825
+ "num_tokens": 2580772666.0,
1826
+ "step": 1130
1827
+ },
1828
+ {
1829
+ "epoch": 1.2693489801620563,
1830
+ "grad_norm": 0.07604105025529861,
1831
+ "learning_rate": 8.129272840273462e-06,
1832
+ "loss": 0.2301,
1833
+ "num_tokens": 2592188030.0,
1834
+ "step": 1135
1835
+ },
1836
+ {
1837
+ "epoch": 1.2749371332774517,
1838
+ "grad_norm": 0.08908157795667648,
1839
+ "learning_rate": 8.067122436295837e-06,
1840
+ "loss": 0.2302,
1841
+ "num_tokens": 2603596771.0,
1842
+ "step": 1140
1843
+ },
1844
+ {
1845
+ "epoch": 1.2805252863928471,
1846
+ "grad_norm": 0.07644952088594437,
1847
+ "learning_rate": 8.00497203231821e-06,
1848
+ "loss": 0.2299,
1849
+ "num_tokens": 2615012662.0,
1850
+ "step": 1145
1851
+ },
1852
+ {
1853
+ "epoch": 1.2861134395082425,
1854
+ "grad_norm": 0.07276136428117752,
1855
+ "learning_rate": 7.942821628340584e-06,
1856
+ "loss": 0.2302,
1857
+ "num_tokens": 2626465997.0,
1858
+ "step": 1150
1859
+ },
1860
+ {
1861
+ "epoch": 1.291701592623638,
1862
+ "grad_norm": 0.06722812354564667,
1863
+ "learning_rate": 7.880671224362959e-06,
1864
+ "loss": 0.2297,
1865
+ "num_tokens": 2637906310.0,
1866
+ "step": 1155
1867
+ },
1868
+ {
1869
+ "epoch": 1.2972897457390333,
1870
+ "grad_norm": 0.06997846812009811,
1871
+ "learning_rate": 7.818520820385334e-06,
1872
+ "loss": 0.2299,
1873
+ "num_tokens": 2649317945.0,
1874
+ "step": 1160
1875
+ },
1876
+ {
1877
+ "epoch": 1.3028778988544287,
1878
+ "grad_norm": 0.06939522922039032,
1879
+ "learning_rate": 7.756370416407708e-06,
1880
+ "loss": 0.2297,
1881
+ "num_tokens": 2660728809.0,
1882
+ "step": 1165
1883
+ },
1884
+ {
1885
+ "epoch": 1.308466051969824,
1886
+ "grad_norm": 0.07478871941566467,
1887
+ "learning_rate": 7.694220012430081e-06,
1888
+ "loss": 0.2289,
1889
+ "num_tokens": 2672175476.0,
1890
+ "step": 1170
1891
+ },
1892
+ {
1893
+ "epoch": 1.3140542050852193,
1894
+ "grad_norm": 0.07200620323419571,
1895
+ "learning_rate": 7.632069608452456e-06,
1896
+ "loss": 0.2292,
1897
+ "num_tokens": 2683583065.0,
1898
+ "step": 1175
1899
+ },
1900
+ {
1901
+ "epoch": 1.3196423582006147,
1902
+ "grad_norm": 0.085682712495327,
1903
+ "learning_rate": 7.56991920447483e-06,
1904
+ "loss": 0.2277,
1905
+ "num_tokens": 2695002849.0,
1906
+ "step": 1180
1907
+ },
1908
+ {
1909
+ "epoch": 1.32523051131601,
1910
+ "grad_norm": 0.07334276288747787,
1911
+ "learning_rate": 7.507768800497204e-06,
1912
+ "loss": 0.2291,
1913
+ "num_tokens": 2706445460.0,
1914
+ "step": 1185
1915
+ },
1916
+ {
1917
+ "epoch": 1.3308186644314053,
1918
+ "grad_norm": 0.07264410704374313,
1919
+ "learning_rate": 7.445618396519578e-06,
1920
+ "loss": 0.2279,
1921
+ "num_tokens": 2717815944.0,
1922
+ "step": 1190
1923
+ },
1924
+ {
1925
+ "epoch": 1.3364068175468007,
1926
+ "grad_norm": 0.06988160312175751,
1927
+ "learning_rate": 7.383467992541952e-06,
1928
+ "loss": 0.2279,
1929
+ "num_tokens": 2729163930.0,
1930
+ "step": 1195
1931
+ },
1932
+ {
1933
+ "epoch": 1.341994970662196,
1934
+ "grad_norm": 0.06736642867326736,
1935
+ "learning_rate": 7.321317588564326e-06,
1936
+ "loss": 0.2264,
1937
+ "num_tokens": 2740621790.0,
1938
+ "step": 1200
1939
+ },
1940
+ {
1941
+ "epoch": 1.3475831237775915,
1942
+ "grad_norm": 0.07245367765426636,
1943
+ "learning_rate": 7.259167184586701e-06,
1944
+ "loss": 0.2267,
1945
+ "num_tokens": 2752072684.0,
1946
+ "step": 1205
1947
+ },
1948
+ {
1949
+ "epoch": 1.3531712768929869,
1950
+ "grad_norm": 0.08028583973646164,
1951
+ "learning_rate": 7.1970167806090745e-06,
1952
+ "loss": 0.2278,
1953
+ "num_tokens": 2763500501.0,
1954
+ "step": 1210
1955
+ },
1956
+ {
1957
+ "epoch": 1.3587594300083823,
1958
+ "grad_norm": 0.07318496704101562,
1959
+ "learning_rate": 7.134866376631449e-06,
1960
+ "loss": 0.2273,
1961
+ "num_tokens": 2774964965.0,
1962
+ "step": 1215
1963
+ },
1964
+ {
1965
+ "epoch": 1.3643475831237777,
1966
+ "grad_norm": 0.07295212149620056,
1967
+ "learning_rate": 7.072715972653823e-06,
1968
+ "loss": 0.2274,
1969
+ "num_tokens": 2786383778.0,
1970
+ "step": 1220
1971
+ },
1972
+ {
1973
+ "epoch": 1.369935736239173,
1974
+ "grad_norm": 0.09171269088983536,
1975
+ "learning_rate": 7.0105655686761964e-06,
1976
+ "loss": 0.2277,
1977
+ "num_tokens": 2797785341.0,
1978
+ "step": 1225
1979
+ },
1980
+ {
1981
+ "epoch": 1.3755238893545683,
1982
+ "grad_norm": 0.07763542234897614,
1983
+ "learning_rate": 6.948415164698571e-06,
1984
+ "loss": 0.2259,
1985
+ "num_tokens": 2809216451.0,
1986
+ "step": 1230
1987
+ },
1988
+ {
1989
+ "epoch": 1.3811120424699637,
1990
+ "grad_norm": 0.0825599804520607,
1991
+ "learning_rate": 6.886264760720945e-06,
1992
+ "loss": 0.2262,
1993
+ "num_tokens": 2820729443.0,
1994
+ "step": 1235
1995
+ },
1996
+ {
1997
+ "epoch": 1.386700195585359,
1998
+ "grad_norm": 0.08326242119073868,
1999
+ "learning_rate": 6.82411435674332e-06,
2000
+ "loss": 0.2255,
2001
+ "num_tokens": 2832131712.0,
2002
+ "step": 1240
2003
+ },
2004
+ {
2005
+ "epoch": 1.3922883487007545,
2006
+ "grad_norm": 0.077967569231987,
2007
+ "learning_rate": 6.7619639527656935e-06,
2008
+ "loss": 0.2261,
2009
+ "num_tokens": 2843515554.0,
2010
+ "step": 1245
2011
+ },
2012
+ {
2013
+ "epoch": 1.3978765018161496,
2014
+ "grad_norm": 0.06851288676261902,
2015
+ "learning_rate": 6.699813548788068e-06,
2016
+ "loss": 0.2249,
2017
+ "num_tokens": 2854912230.0,
2018
+ "step": 1250
2019
+ },
2020
+ {
2021
+ "epoch": 1.403464654931545,
2022
+ "grad_norm": 0.07257357984781265,
2023
+ "learning_rate": 6.637663144810442e-06,
2024
+ "loss": 0.2238,
2025
+ "num_tokens": 2866364126.0,
2026
+ "step": 1255
2027
+ },
2028
+ {
2029
+ "epoch": 1.4090528080469404,
2030
+ "grad_norm": 0.07548319548368454,
2031
+ "learning_rate": 6.5755127408328155e-06,
2032
+ "loss": 0.2258,
2033
+ "num_tokens": 2877776317.0,
2034
+ "step": 1260
2035
+ },
2036
+ {
2037
+ "epoch": 1.4146409611623358,
2038
+ "grad_norm": 0.06983385235071182,
2039
+ "learning_rate": 6.51336233685519e-06,
2040
+ "loss": 0.2247,
2041
+ "num_tokens": 2889208578.0,
2042
+ "step": 1265
2043
+ },
2044
+ {
2045
+ "epoch": 1.4202291142777312,
2046
+ "grad_norm": 0.06997440755367279,
2047
+ "learning_rate": 6.451211932877565e-06,
2048
+ "loss": 0.2253,
2049
+ "num_tokens": 2900590760.0,
2050
+ "step": 1270
2051
+ },
2052
+ {
2053
+ "epoch": 1.4258172673931266,
2054
+ "grad_norm": 0.070710189640522,
2055
+ "learning_rate": 6.389061528899938e-06,
2056
+ "loss": 0.2248,
2057
+ "num_tokens": 2912023196.0,
2058
+ "step": 1275
2059
+ },
2060
+ {
2061
+ "epoch": 1.431405420508522,
2062
+ "grad_norm": 0.07270118594169617,
2063
+ "learning_rate": 6.326911124922313e-06,
2064
+ "loss": 0.2238,
2065
+ "num_tokens": 2923429499.0,
2066
+ "step": 1280
2067
+ },
2068
+ {
2069
+ "epoch": 1.4369935736239172,
2070
+ "grad_norm": 0.08694124966859818,
2071
+ "learning_rate": 6.264760720944687e-06,
2072
+ "loss": 0.2259,
2073
+ "num_tokens": 2934837080.0,
2074
+ "step": 1285
2075
+ },
2076
+ {
2077
+ "epoch": 1.4425817267393126,
2078
+ "grad_norm": 0.07063344120979309,
2079
+ "learning_rate": 6.20261031696706e-06,
2080
+ "loss": 0.2239,
2081
+ "num_tokens": 2946269327.0,
2082
+ "step": 1290
2083
+ },
2084
+ {
2085
+ "epoch": 1.448169879854708,
2086
+ "grad_norm": 0.07271133363246918,
2087
+ "learning_rate": 6.140459912989435e-06,
2088
+ "loss": 0.2245,
2089
+ "num_tokens": 2957677718.0,
2090
+ "step": 1295
2091
+ },
2092
+ {
2093
+ "epoch": 1.4537580329701034,
2094
+ "grad_norm": 0.07457529008388519,
2095
+ "learning_rate": 6.07830950901181e-06,
2096
+ "loss": 0.2243,
2097
+ "num_tokens": 2969106309.0,
2098
+ "step": 1300
2099
+ },
2100
+ {
2101
+ "epoch": 1.4593461860854988,
2102
+ "grad_norm": 0.08053404092788696,
2103
+ "learning_rate": 6.016159105034183e-06,
2104
+ "loss": 0.2246,
2105
+ "num_tokens": 2980514913.0,
2106
+ "step": 1305
2107
+ },
2108
+ {
2109
+ "epoch": 1.464934339200894,
2110
+ "grad_norm": 0.08139532804489136,
2111
+ "learning_rate": 5.9540087010565574e-06,
2112
+ "loss": 0.2235,
2113
+ "num_tokens": 2991911920.0,
2114
+ "step": 1310
2115
+ },
2116
+ {
2117
+ "epoch": 1.4705224923162894,
2118
+ "grad_norm": 0.07161208987236023,
2119
+ "learning_rate": 5.891858297078932e-06,
2120
+ "loss": 0.2238,
2121
+ "num_tokens": 3003300184.0,
2122
+ "step": 1315
2123
+ },
2124
+ {
2125
+ "epoch": 1.4761106454316848,
2126
+ "grad_norm": 0.07118191570043564,
2127
+ "learning_rate": 5.829707893101305e-06,
2128
+ "loss": 0.2234,
2129
+ "num_tokens": 3014691103.0,
2130
+ "step": 1320
2131
+ },
2132
+ {
2133
+ "epoch": 1.4816987985470802,
2134
+ "grad_norm": 0.07934009283781052,
2135
+ "learning_rate": 5.767557489123679e-06,
2136
+ "loss": 0.2224,
2137
+ "num_tokens": 3026103118.0,
2138
+ "step": 1325
2139
+ },
2140
+ {
2141
+ "epoch": 1.4872869516624756,
2142
+ "grad_norm": 0.07582356035709381,
2143
+ "learning_rate": 5.7054070851460545e-06,
2144
+ "loss": 0.2221,
2145
+ "num_tokens": 3037596869.0,
2146
+ "step": 1330
2147
+ },
2148
+ {
2149
+ "epoch": 1.492875104777871,
2150
+ "grad_norm": 0.07446973025798798,
2151
+ "learning_rate": 5.643256681168427e-06,
2152
+ "loss": 0.2229,
2153
+ "num_tokens": 3049028284.0,
2154
+ "step": 1335
2155
+ },
2156
+ {
2157
+ "epoch": 1.4984632578932664,
2158
+ "grad_norm": 0.0742158517241478,
2159
+ "learning_rate": 5.581106277190802e-06,
2160
+ "loss": 0.2227,
2161
+ "num_tokens": 3060480880.0,
2162
+ "step": 1340
2163
+ },
2164
+ {
2165
+ "epoch": 1.5040514110086618,
2166
+ "grad_norm": 0.07621730864048004,
2167
+ "learning_rate": 5.5189558732131765e-06,
2168
+ "loss": 0.2233,
2169
+ "num_tokens": 3071863505.0,
2170
+ "step": 1345
2171
+ },
2172
+ {
2173
+ "epoch": 1.509639564124057,
2174
+ "grad_norm": 0.07590433955192566,
2175
+ "learning_rate": 5.456805469235551e-06,
2176
+ "loss": 0.2218,
2177
+ "num_tokens": 3083299766.0,
2178
+ "step": 1350
2179
+ },
2180
+ {
2181
+ "epoch": 1.5152277172394524,
2182
+ "grad_norm": 0.07606492191553116,
2183
+ "learning_rate": 5.394655065257924e-06,
2184
+ "loss": 0.2229,
2185
+ "num_tokens": 3094669059.0,
2186
+ "step": 1355
2187
+ },
2188
+ {
2189
+ "epoch": 1.5208158703548478,
2190
+ "grad_norm": 0.07033602148294449,
2191
+ "learning_rate": 5.3325046612802985e-06,
2192
+ "loss": 0.2217,
2193
+ "num_tokens": 3106096591.0,
2194
+ "step": 1360
2195
+ },
2196
+ {
2197
+ "epoch": 1.526404023470243,
2198
+ "grad_norm": 0.07336968928575516,
2199
+ "learning_rate": 5.270354257302674e-06,
2200
+ "loss": 0.2216,
2201
+ "num_tokens": 3117475057.0,
2202
+ "step": 1365
2203
+ },
2204
+ {
2205
+ "epoch": 1.5319921765856384,
2206
+ "grad_norm": 0.07641858607530594,
2207
+ "learning_rate": 5.208203853325047e-06,
2208
+ "loss": 0.221,
2209
+ "num_tokens": 3128902661.0,
2210
+ "step": 1370
2211
+ },
2212
+ {
2213
+ "epoch": 1.5375803297010338,
2214
+ "grad_norm": 0.07360400259494781,
2215
+ "learning_rate": 5.146053449347421e-06,
2216
+ "loss": 0.2211,
2217
+ "num_tokens": 3140300853.0,
2218
+ "step": 1375
2219
+ },
2220
+ {
2221
+ "epoch": 1.5431684828164292,
2222
+ "grad_norm": 0.07237103581428528,
2223
+ "learning_rate": 5.083903045369796e-06,
2224
+ "loss": 0.2212,
2225
+ "num_tokens": 3151699200.0,
2226
+ "step": 1380
2227
+ },
2228
+ {
2229
+ "epoch": 1.5487566359318246,
2230
+ "grad_norm": 0.07762517035007477,
2231
+ "learning_rate": 5.021752641392169e-06,
2232
+ "loss": 0.2217,
2233
+ "num_tokens": 3163130506.0,
2234
+ "step": 1385
2235
+ },
2236
+ {
2237
+ "epoch": 1.55434478904722,
2238
+ "grad_norm": 0.08191149681806564,
2239
+ "learning_rate": 4.959602237414543e-06,
2240
+ "loss": 0.2217,
2241
+ "num_tokens": 3174508734.0,
2242
+ "step": 1390
2243
+ },
2244
+ {
2245
+ "epoch": 1.5599329421626154,
2246
+ "grad_norm": 0.07370056957006454,
2247
+ "learning_rate": 4.897451833436918e-06,
2248
+ "loss": 0.2207,
2249
+ "num_tokens": 3185863770.0,
2250
+ "step": 1395
2251
+ },
2252
+ {
2253
+ "epoch": 1.5655210952780108,
2254
+ "grad_norm": 0.08156365156173706,
2255
+ "learning_rate": 4.835301429459292e-06,
2256
+ "loss": 0.2211,
2257
+ "num_tokens": 3197279089.0,
2258
+ "step": 1400
2259
+ },
2260
+ {
2261
+ "epoch": 1.571109248393406,
2262
+ "grad_norm": 0.0858791321516037,
2263
+ "learning_rate": 4.773151025481666e-06,
2264
+ "loss": 0.2205,
2265
+ "num_tokens": 3208673959.0,
2266
+ "step": 1405
2267
+ },
2268
+ {
2269
+ "epoch": 1.5766974015088013,
2270
+ "grad_norm": 0.07985149323940277,
2271
+ "learning_rate": 4.7110006215040396e-06,
2272
+ "loss": 0.2198,
2273
+ "num_tokens": 3220133881.0,
2274
+ "step": 1410
2275
+ },
2276
+ {
2277
+ "epoch": 1.5822855546241967,
2278
+ "grad_norm": 0.07632007449865341,
2279
+ "learning_rate": 4.648850217526415e-06,
2280
+ "loss": 0.2206,
2281
+ "num_tokens": 3231491155.0,
2282
+ "step": 1415
2283
+ },
2284
+ {
2285
+ "epoch": 1.587873707739592,
2286
+ "grad_norm": 0.07036534696817398,
2287
+ "learning_rate": 4.586699813548788e-06,
2288
+ "loss": 0.2207,
2289
+ "num_tokens": 3242935540.0,
2290
+ "step": 1420
2291
+ },
2292
+ {
2293
+ "epoch": 1.5934618608549873,
2294
+ "grad_norm": 0.06916205585002899,
2295
+ "learning_rate": 4.524549409571163e-06,
2296
+ "loss": 0.2197,
2297
+ "num_tokens": 3254402835.0,
2298
+ "step": 1425
2299
+ },
2300
+ {
2301
+ "epoch": 1.5990500139703827,
2302
+ "grad_norm": 0.07398437708616257,
2303
+ "learning_rate": 4.462399005593537e-06,
2304
+ "loss": 0.2207,
2305
+ "num_tokens": 3265876131.0,
2306
+ "step": 1430
2307
+ },
2308
+ {
2309
+ "epoch": 1.604638167085778,
2310
+ "grad_norm": 0.07751976698637009,
2311
+ "learning_rate": 4.400248601615911e-06,
2312
+ "loss": 0.22,
2313
+ "num_tokens": 3277349860.0,
2314
+ "step": 1435
2315
+ },
2316
+ {
2317
+ "epoch": 1.6102263202011735,
2318
+ "grad_norm": 0.07772251963615417,
2319
+ "learning_rate": 4.338098197638285e-06,
2320
+ "loss": 0.2191,
2321
+ "num_tokens": 3288733768.0,
2322
+ "step": 1440
2323
+ },
2324
+ {
2325
+ "epoch": 1.615814473316569,
2326
+ "grad_norm": 0.08139509707689285,
2327
+ "learning_rate": 4.2759477936606595e-06,
2328
+ "loss": 0.2185,
2329
+ "num_tokens": 3300158714.0,
2330
+ "step": 1445
2331
+ },
2332
+ {
2333
+ "epoch": 1.6214026264319643,
2334
+ "grad_norm": 0.06895268708467484,
2335
+ "learning_rate": 4.213797389683033e-06,
2336
+ "loss": 0.2196,
2337
+ "num_tokens": 3311588436.0,
2338
+ "step": 1450
2339
+ },
2340
+ {
2341
+ "epoch": 1.6269907795473597,
2342
+ "grad_norm": 0.07353264838457108,
2343
+ "learning_rate": 4.151646985705407e-06,
2344
+ "loss": 0.2181,
2345
+ "num_tokens": 3323053103.0,
2346
+ "step": 1455
2347
+ },
2348
+ {
2349
+ "epoch": 1.6325789326627551,
2350
+ "grad_norm": 0.07424376159906387,
2351
+ "learning_rate": 4.0894965817277815e-06,
2352
+ "loss": 0.2191,
2353
+ "num_tokens": 3334470782.0,
2354
+ "step": 1460
2355
+ },
2356
+ {
2357
+ "epoch": 1.6381670857781503,
2358
+ "grad_norm": 0.07496050000190735,
2359
+ "learning_rate": 4.027346177750156e-06,
2360
+ "loss": 0.2177,
2361
+ "num_tokens": 3345862999.0,
2362
+ "step": 1465
2363
+ },
2364
+ {
2365
+ "epoch": 1.6437552388935457,
2366
+ "grad_norm": 0.0735882893204689,
2367
+ "learning_rate": 3.96519577377253e-06,
2368
+ "loss": 0.2173,
2369
+ "num_tokens": 3357254289.0,
2370
+ "step": 1470
2371
+ },
2372
+ {
2373
+ "epoch": 1.649343392008941,
2374
+ "grad_norm": 0.06661386042833328,
2375
+ "learning_rate": 3.903045369794904e-06,
2376
+ "loss": 0.2183,
2377
+ "num_tokens": 3368694368.0,
2378
+ "step": 1475
2379
+ },
2380
+ {
2381
+ "epoch": 1.6549315451243363,
2382
+ "grad_norm": 0.07148396968841553,
2383
+ "learning_rate": 3.8408949658172786e-06,
2384
+ "loss": 0.2193,
2385
+ "num_tokens": 3380126124.0,
2386
+ "step": 1480
2387
+ },
2388
+ {
2389
+ "epoch": 1.6605196982397317,
2390
+ "grad_norm": 0.0710797905921936,
2391
+ "learning_rate": 3.7787445618396524e-06,
2392
+ "loss": 0.2184,
2393
+ "num_tokens": 3391574072.0,
2394
+ "step": 1485
2395
+ },
2396
+ {
2397
+ "epoch": 1.666107851355127,
2398
+ "grad_norm": 0.07196183502674103,
2399
+ "learning_rate": 3.7165941578620263e-06,
2400
+ "loss": 0.2182,
2401
+ "num_tokens": 3402977723.0,
2402
+ "step": 1490
2403
+ },
2404
+ {
2405
+ "epoch": 1.6716960044705225,
2406
+ "grad_norm": 0.07636953890323639,
2407
+ "learning_rate": 3.6544437538844006e-06,
2408
+ "loss": 0.2182,
2409
+ "num_tokens": 3414408734.0,
2410
+ "step": 1495
2411
+ },
2412
+ {
2413
+ "epoch": 1.6772841575859179,
2414
+ "grad_norm": 0.08158502727746964,
2415
+ "learning_rate": 3.592293349906775e-06,
2416
+ "loss": 0.2185,
2417
+ "num_tokens": 3425813751.0,
2418
+ "step": 1500
2419
+ },
2420
+ {
2421
+ "epoch": 1.6828723107013133,
2422
+ "grad_norm": 0.07502773404121399,
2423
+ "learning_rate": 3.5301429459291487e-06,
2424
+ "loss": 0.2179,
2425
+ "num_tokens": 3437193392.0,
2426
+ "step": 1505
2427
+ },
2428
+ {
2429
+ "epoch": 1.6884604638167087,
2430
+ "grad_norm": 0.07863924652338028,
2431
+ "learning_rate": 3.467992541951523e-06,
2432
+ "loss": 0.2172,
2433
+ "num_tokens": 3448632773.0,
2434
+ "step": 1510
2435
+ },
2436
+ {
2437
+ "epoch": 1.694048616932104,
2438
+ "grad_norm": 0.07169536501169205,
2439
+ "learning_rate": 3.4058421379738972e-06,
2440
+ "loss": 0.2187,
2441
+ "num_tokens": 3460067160.0,
2442
+ "step": 1515
2443
+ },
2444
+ {
2445
+ "epoch": 1.6996367700474995,
2446
+ "grad_norm": 0.0705784261226654,
2447
+ "learning_rate": 3.343691733996271e-06,
2448
+ "loss": 0.2179,
2449
+ "num_tokens": 3471516712.0,
2450
+ "step": 1520
2451
+ },
2452
+ {
2453
+ "epoch": 1.7052249231628946,
2454
+ "grad_norm": 0.07223106175661087,
2455
+ "learning_rate": 3.2815413300186454e-06,
2456
+ "loss": 0.2175,
2457
+ "num_tokens": 3482932353.0,
2458
+ "step": 1525
2459
+ },
2460
+ {
2461
+ "epoch": 1.71081307627829,
2462
+ "grad_norm": 0.07556425780057907,
2463
+ "learning_rate": 3.2193909260410196e-06,
2464
+ "loss": 0.2165,
2465
+ "num_tokens": 3494314753.0,
2466
+ "step": 1530
2467
+ },
2468
+ {
2469
+ "epoch": 1.7164012293936852,
2470
+ "grad_norm": 0.06876374036073685,
2471
+ "learning_rate": 3.157240522063394e-06,
2472
+ "loss": 0.2173,
2473
+ "num_tokens": 3505725660.0,
2474
+ "step": 1535
2475
+ },
2476
+ {
2477
+ "epoch": 1.7219893825090806,
2478
+ "grad_norm": 0.0745040625333786,
2479
+ "learning_rate": 3.0950901180857678e-06,
2480
+ "loss": 0.2167,
2481
+ "num_tokens": 3517142975.0,
2482
+ "step": 1540
2483
+ },
2484
+ {
2485
+ "epoch": 1.727577535624476,
2486
+ "grad_norm": 0.07012300193309784,
2487
+ "learning_rate": 3.0329397141081416e-06,
2488
+ "loss": 0.2182,
2489
+ "num_tokens": 3528528432.0,
2490
+ "step": 1545
2491
+ },
2492
+ {
2493
+ "epoch": 1.7331656887398714,
2494
+ "grad_norm": 0.07678242027759552,
2495
+ "learning_rate": 2.9707893101305163e-06,
2496
+ "loss": 0.2163,
2497
+ "num_tokens": 3539941340.0,
2498
+ "step": 1550
2499
+ },
2500
+ {
2501
+ "epoch": 1.7387538418552668,
2502
+ "grad_norm": 0.07423070818185806,
2503
+ "learning_rate": 2.90863890615289e-06,
2504
+ "loss": 0.2173,
2505
+ "num_tokens": 3551323443.0,
2506
+ "step": 1555
2507
+ },
2508
+ {
2509
+ "epoch": 1.7443419949706622,
2510
+ "grad_norm": 0.06830978393554688,
2511
+ "learning_rate": 2.846488502175264e-06,
2512
+ "loss": 0.2163,
2513
+ "num_tokens": 3562717030.0,
2514
+ "step": 1560
2515
+ },
2516
+ {
2517
+ "epoch": 1.7499301480860576,
2518
+ "grad_norm": 0.06994173675775528,
2519
+ "learning_rate": 2.7843380981976387e-06,
2520
+ "loss": 0.2165,
2521
+ "num_tokens": 3574144181.0,
2522
+ "step": 1565
2523
+ },
2524
+ {
2525
+ "epoch": 1.755518301201453,
2526
+ "grad_norm": 0.07089458405971527,
2527
+ "learning_rate": 2.7221876942200126e-06,
2528
+ "loss": 0.2157,
2529
+ "num_tokens": 3585556833.0,
2530
+ "step": 1570
2531
+ },
2532
+ {
2533
+ "epoch": 1.7611064543168484,
2534
+ "grad_norm": 0.07160953432321548,
2535
+ "learning_rate": 2.6600372902423864e-06,
2536
+ "loss": 0.2162,
2537
+ "num_tokens": 3596978608.0,
2538
+ "step": 1575
2539
+ },
2540
+ {
2541
+ "epoch": 1.7666946074322436,
2542
+ "grad_norm": 0.07307710498571396,
2543
+ "learning_rate": 2.597886886264761e-06,
2544
+ "loss": 0.2174,
2545
+ "num_tokens": 3608380361.0,
2546
+ "step": 1580
2547
+ },
2548
+ {
2549
+ "epoch": 1.772282760547639,
2550
+ "grad_norm": 0.07015839219093323,
2551
+ "learning_rate": 2.535736482287135e-06,
2552
+ "loss": 0.2158,
2553
+ "num_tokens": 3619811825.0,
2554
+ "step": 1585
2555
+ },
2556
+ {
2557
+ "epoch": 1.7778709136630344,
2558
+ "grad_norm": 0.07099422812461853,
2559
+ "learning_rate": 2.4735860783095093e-06,
2560
+ "loss": 0.2165,
2561
+ "num_tokens": 3631237698.0,
2562
+ "step": 1590
2563
+ },
2564
+ {
2565
+ "epoch": 1.7834590667784296,
2566
+ "grad_norm": 0.06655248254537582,
2567
+ "learning_rate": 2.4114356743318835e-06,
2568
+ "loss": 0.2173,
2569
+ "num_tokens": 3642666802.0,
2570
+ "step": 1595
2571
+ },
2572
+ {
2573
+ "epoch": 1.789047219893825,
2574
+ "grad_norm": 0.06884568929672241,
2575
+ "learning_rate": 2.349285270354258e-06,
2576
+ "loss": 0.2146,
2577
+ "num_tokens": 3654090172.0,
2578
+ "step": 1600
2579
+ }
2580
+ ],
2581
+ "logging_steps": 5,
2582
+ "max_steps": 1788,
2583
+ "num_input_tokens_seen": 0,
2584
+ "num_train_epochs": 2,
2585
+ "save_steps": 200,
2586
+ "stateful_callbacks": {
2587
+ "TrainerControl": {
2588
+ "args": {
2589
+ "should_epoch_stop": false,
2590
+ "should_evaluate": false,
2591
+ "should_log": false,
2592
+ "should_save": true,
2593
+ "should_training_stop": false
2594
+ },
2595
+ "attributes": {}
2596
+ }
2597
+ },
2598
+ "total_flos": 3.823986412087568e+19,
2599
+ "train_batch_size": 32,
2600
+ "trial_name": null,
2601
+ "trial_params": null
2602
+ }