{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.06666666666666667,
  "eval_steps": 50,
  "global_step": 200,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.0016666666666666668,
      "grad_norm": 0.419921875,
      "learning_rate": 0.0002,
      "loss": 2.7259506225585937,
      "step": 5
    },
    {
      "epoch": 0.0033333333333333335,
      "grad_norm": 0.326171875,
      "learning_rate": 0.00045000000000000004,
      "loss": 2.7605268478393556,
      "step": 10
    },
    {
      "epoch": 0.005,
      "grad_norm": 0.490234375,
      "learning_rate": 0.0005,
      "loss": 2.717021179199219,
      "step": 15
    },
    {
      "epoch": 0.006666666666666667,
      "grad_norm": 0.267578125,
      "learning_rate": 0.0005,
      "loss": 2.661177635192871,
      "step": 20
    },
    {
      "epoch": 0.008333333333333333,
      "grad_norm": 0.43359375,
      "learning_rate": 0.0005,
      "loss": 2.671949768066406,
      "step": 25
    },
    {
      "epoch": 0.01,
      "grad_norm": 0.10595703125,
      "learning_rate": 0.0005,
      "loss": 2.673902893066406,
      "step": 30
    },
    {
      "epoch": 0.011666666666666667,
      "grad_norm": 0.21875,
      "learning_rate": 0.0005,
      "loss": 2.686188316345215,
      "step": 35
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 0.087890625,
      "learning_rate": 0.0005,
      "loss": 2.6556489944458006,
      "step": 40
    },
    {
      "epoch": 0.015,
      "grad_norm": 0.119140625,
      "learning_rate": 0.0005,
      "loss": 2.66821346282959,
      "step": 45
    },
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 0.095703125,
      "learning_rate": 0.0005,
      "loss": 2.6468021392822267,
      "step": 50
    },
    {
      "epoch": 0.016666666666666666,
      "eval_loss": 3.0268919467926025,
      "eval_runtime": 4.7731,
      "eval_samples_per_second": 31.217,
      "eval_steps_per_second": 3.562,
      "step": 50
    },
    {
      "epoch": 0.018333333333333333,
      "grad_norm": 139.0,
      "learning_rate": 0.0005,
      "loss": 2.6445695877075197,
      "step": 55
    },
    {
      "epoch": 0.02,
      "grad_norm": 0.65234375,
      "learning_rate": 0.0005,
      "loss": 2.645796775817871,
      "step": 60
    },
    {
      "epoch": 0.021666666666666667,
      "grad_norm": 0.07421875,
      "learning_rate": 0.0005,
      "loss": 2.6811267852783205,
      "step": 65
    },
    {
      "epoch": 0.023333333333333334,
      "grad_norm": 0.08642578125,
      "learning_rate": 0.0005,
      "loss": 2.6605648040771483,
      "step": 70
    },
    {
      "epoch": 0.025,
      "grad_norm": 0.275390625,
      "learning_rate": 0.0005,
      "loss": 2.668781852722168,
      "step": 75
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 0.0693359375,
      "learning_rate": 0.0005,
      "loss": 2.6526798248291015,
      "step": 80
    },
    {
      "epoch": 0.028333333333333332,
      "grad_norm": 0.427734375,
      "learning_rate": 0.0005,
      "loss": 2.6234062194824217,
      "step": 85
    },
    {
      "epoch": 0.03,
      "grad_norm": 0.08447265625,
      "learning_rate": 0.0005,
      "loss": 2.6748191833496096,
      "step": 90
    },
    {
      "epoch": 0.03166666666666667,
      "grad_norm": 0.08544921875,
      "learning_rate": 0.0005,
      "loss": 2.665359878540039,
      "step": 95
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 0.2734375,
      "learning_rate": 0.0005,
      "loss": 2.6298377990722654,
      "step": 100
    },
    {
      "epoch": 0.03333333333333333,
      "eval_loss": 3.037663221359253,
      "eval_runtime": 4.6626,
      "eval_samples_per_second": 31.956,
      "eval_steps_per_second": 3.646,
      "step": 100
    },
    {
      "epoch": 0.035,
      "grad_norm": 0.1865234375,
      "learning_rate": 0.0005,
      "loss": 2.639477348327637,
      "step": 105
    },
    {
      "epoch": 0.03666666666666667,
      "grad_norm": 0.1376953125,
      "learning_rate": 0.0005,
      "loss": 2.671689987182617,
      "step": 110
    },
    {
      "epoch": 0.03833333333333333,
      "grad_norm": 0.078125,
      "learning_rate": 0.0005,
      "loss": 2.6607818603515625,
      "step": 115
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.06494140625,
      "learning_rate": 0.0005,
      "loss": 2.6763479232788088,
      "step": 120
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 0.96875,
      "learning_rate": 0.0005,
      "loss": 2.6471065521240233,
      "step": 125
    },
    {
      "epoch": 0.043333333333333335,
      "grad_norm": 0.076171875,
      "learning_rate": 0.0005,
      "loss": 2.643071746826172,
      "step": 130
    },
    {
      "epoch": 0.045,
      "grad_norm": 0.10400390625,
      "learning_rate": 0.0005,
      "loss": 2.6617103576660157,
      "step": 135
    },
    {
      "epoch": 0.04666666666666667,
      "grad_norm": 0.06640625,
      "learning_rate": 0.0005,
      "loss": 2.617737579345703,
      "step": 140
    },
    {
      "epoch": 0.04833333333333333,
      "grad_norm": 0.3984375,
      "learning_rate": 0.0005,
      "loss": 2.7076738357543944,
      "step": 145
    },
    {
      "epoch": 0.05,
      "grad_norm": 0.09375,
      "learning_rate": 0.0005,
      "loss": 2.6471235275268556,
      "step": 150
    },
    {
      "epoch": 0.05,
      "eval_loss": 3.055941581726074,
      "eval_runtime": 4.6673,
      "eval_samples_per_second": 31.924,
      "eval_steps_per_second": 3.642,
      "step": 150
    },
    {
      "epoch": 0.051666666666666666,
      "grad_norm": 0.08642578125,
      "learning_rate": 0.0005,
      "loss": 2.6089550018310548,
      "step": 155
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 0.61328125,
      "learning_rate": 0.0005,
      "loss": 2.6288101196289064,
      "step": 160
    },
    {
      "epoch": 0.055,
      "grad_norm": 0.0703125,
      "learning_rate": 0.0005,
      "loss": 2.647333335876465,
      "step": 165
    },
    {
      "epoch": 0.056666666666666664,
      "grad_norm": 0.06689453125,
      "learning_rate": 0.0005,
      "loss": 2.6732242584228514,
      "step": 170
    },
    {
      "epoch": 0.058333333333333334,
      "grad_norm": 0.060791015625,
      "learning_rate": 0.0005,
      "loss": 2.6399274826049806,
      "step": 175
    },
    {
      "epoch": 0.06,
      "grad_norm": 0.059326171875,
      "learning_rate": 0.0005,
      "loss": 2.6433204650878905,
      "step": 180
    },
    {
      "epoch": 0.06166666666666667,
      "grad_norm": 0.05712890625,
      "learning_rate": 0.0005,
      "loss": 2.6490320205688476,
      "step": 185
    },
    {
      "epoch": 0.06333333333333334,
      "grad_norm": 0.0830078125,
      "learning_rate": 0.0005,
      "loss": 2.6651992797851562,
      "step": 190
    },
    {
      "epoch": 0.065,
      "grad_norm": 0.0712890625,
      "learning_rate": 0.0005,
      "loss": 2.6375024795532225,
      "step": 195
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 0.07763671875,
      "learning_rate": 0.0005,
      "loss": 2.616963768005371,
      "step": 200
    },
    {
      "epoch": 0.06666666666666667,
      "eval_loss": 3.0367250442504883,
      "eval_runtime": 4.6782,
      "eval_samples_per_second": 31.85,
      "eval_steps_per_second": 3.634,
      "step": 200
    }
  ],
  "logging_steps": 5,
  "max_steps": 3000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 9223372036854775807,
  "save_steps": 200,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 6.52309029715968e+16,
  "train_batch_size": 9,
  "trial_name": null,
  "trial_params": null
}