RetentionLabs commited on
Commit
4a96c1d
·
verified ·
1 Parent(s): 3eb394a

Back up dynamic-connections-moshika/checkpoint-7500

Browse files
dynamic-connections-moshika/checkpoint-7500/checkpoint.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:e81ff90d2095f913cb018ace8e1b0434470176c66fddb95494ffe177d12b5d78
3
+ size 13451412964
dynamic-connections-moshika/checkpoint-7500/manifest.json ADDED
@@ -0,0 +1,1036 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "step": 7500,
3
+ "files": [
4
+ "checkpoint.safetensors"
5
+ ],
6
+ "groups": {
7
+ "muon": [
8
+ {
9
+ "lr": 0.0,
10
+ "weight_decay": 0.0,
11
+ "momentum": 0.95,
12
+ "nesterov": true,
13
+ "ns_coefficients": [
14
+ 3.4445,
15
+ -4.775,
16
+ 2.0315
17
+ ],
18
+ "eps": 1e-07,
19
+ "ns_steps": 5,
20
+ "adjust_lr_fn": "match_rms_adamw",
21
+ "params": [
22
+ 0,
23
+ 1,
24
+ 2,
25
+ 3,
26
+ 4,
27
+ 5,
28
+ 6,
29
+ 7,
30
+ 8,
31
+ 9,
32
+ 10,
33
+ 11,
34
+ 12,
35
+ 13,
36
+ 14,
37
+ 15,
38
+ 16,
39
+ 17,
40
+ 18,
41
+ 19,
42
+ 20,
43
+ 21,
44
+ 22,
45
+ 23,
46
+ 24,
47
+ 25,
48
+ 26,
49
+ 27,
50
+ 28,
51
+ 29,
52
+ 30,
53
+ 31,
54
+ 32,
55
+ 33,
56
+ 34,
57
+ 35,
58
+ 36,
59
+ 37,
60
+ 38,
61
+ 39
62
+ ]
63
+ }
64
+ ],
65
+ "adamw": [
66
+ {
67
+ "weight_decay": 0.0,
68
+ "lr": 0.0,
69
+ "betas": [
70
+ 0.9,
71
+ 0.999
72
+ ],
73
+ "eps": 1e-08,
74
+ "amsgrad": false,
75
+ "maximize": false,
76
+ "foreach": null,
77
+ "capturable": false,
78
+ "differentiable": false,
79
+ "fused": null,
80
+ "decoupled_weight_decay": true,
81
+ "params": [
82
+ 0,
83
+ 1,
84
+ 2,
85
+ 3,
86
+ 4,
87
+ 5,
88
+ 6,
89
+ 7,
90
+ 8,
91
+ 9,
92
+ 10,
93
+ 11,
94
+ 12,
95
+ 13,
96
+ 14,
97
+ 15,
98
+ 16,
99
+ 17,
100
+ 18,
101
+ 19,
102
+ 20,
103
+ 21,
104
+ 22,
105
+ 23,
106
+ 24,
107
+ 25,
108
+ 26,
109
+ 27,
110
+ 28,
111
+ 29,
112
+ 30,
113
+ 31,
114
+ 32,
115
+ 33,
116
+ 34,
117
+ 35,
118
+ 36,
119
+ 37,
120
+ 38,
121
+ 39,
122
+ 40,
123
+ 41,
124
+ 42,
125
+ 43,
126
+ 44,
127
+ 45,
128
+ 46,
129
+ 47,
130
+ 48,
131
+ 49,
132
+ 50,
133
+ 51,
134
+ 52,
135
+ 53,
136
+ 54,
137
+ 55,
138
+ 56,
139
+ 57,
140
+ 58,
141
+ 59,
142
+ 60,
143
+ 61,
144
+ 62,
145
+ 63,
146
+ 64,
147
+ 65,
148
+ 66,
149
+ 67,
150
+ 68,
151
+ 69,
152
+ 70,
153
+ 71,
154
+ 72,
155
+ 73,
156
+ 74,
157
+ 75,
158
+ 76,
159
+ 77,
160
+ 78,
161
+ 79,
162
+ 80,
163
+ 81,
164
+ 82,
165
+ 83,
166
+ 84,
167
+ 85,
168
+ 86,
169
+ 87,
170
+ 88,
171
+ 89,
172
+ 90,
173
+ 91,
174
+ 92,
175
+ 93,
176
+ 94,
177
+ 95,
178
+ 96,
179
+ 97,
180
+ 98,
181
+ 99,
182
+ 100,
183
+ 101,
184
+ 102,
185
+ 103,
186
+ 104,
187
+ 105,
188
+ 106,
189
+ 107,
190
+ 108,
191
+ 109,
192
+ 110,
193
+ 111,
194
+ 112,
195
+ 113,
196
+ 114,
197
+ 115,
198
+ 116,
199
+ 117,
200
+ 118,
201
+ 119,
202
+ 120,
203
+ 121,
204
+ 122,
205
+ 123,
206
+ 124,
207
+ 125,
208
+ 126,
209
+ 127,
210
+ 128,
211
+ 129,
212
+ 130,
213
+ 131,
214
+ 132,
215
+ 133,
216
+ 134,
217
+ 135,
218
+ 136,
219
+ 137,
220
+ 138,
221
+ 139,
222
+ 140,
223
+ 141,
224
+ 142,
225
+ 143,
226
+ 144,
227
+ 145,
228
+ 146,
229
+ 147,
230
+ 148,
231
+ 149,
232
+ 150,
233
+ 151,
234
+ 152,
235
+ 153,
236
+ 154,
237
+ 155,
238
+ 156,
239
+ 157,
240
+ 158,
241
+ 159,
242
+ 160,
243
+ 161,
244
+ 162,
245
+ 163,
246
+ 164,
247
+ 165,
248
+ 166,
249
+ 167,
250
+ 168,
251
+ 169,
252
+ 170,
253
+ 171,
254
+ 172,
255
+ 173,
256
+ 174,
257
+ 175,
258
+ 176,
259
+ 177,
260
+ 178,
261
+ 179,
262
+ 180,
263
+ 181,
264
+ 182,
265
+ 183,
266
+ 184,
267
+ 185,
268
+ 186,
269
+ 187,
270
+ 188,
271
+ 189,
272
+ 190,
273
+ 191,
274
+ 192,
275
+ 193,
276
+ 194,
277
+ 195,
278
+ 196,
279
+ 197,
280
+ 198,
281
+ 199,
282
+ 200,
283
+ 201,
284
+ 202,
285
+ 203,
286
+ 204,
287
+ 205,
288
+ 206,
289
+ 207,
290
+ 208,
291
+ 209,
292
+ 210,
293
+ 211,
294
+ 212,
295
+ 213,
296
+ 214,
297
+ 215,
298
+ 216,
299
+ 217,
300
+ 218,
301
+ 219,
302
+ 220,
303
+ 221,
304
+ 222,
305
+ 223,
306
+ 224,
307
+ 225,
308
+ 226,
309
+ 227,
310
+ 228,
311
+ 229,
312
+ 230,
313
+ 231,
314
+ 232,
315
+ 233,
316
+ 234,
317
+ 235,
318
+ 236,
319
+ 237,
320
+ 238,
321
+ 239,
322
+ 240,
323
+ 241,
324
+ 242,
325
+ 243,
326
+ 244,
327
+ 245,
328
+ 246,
329
+ 247,
330
+ 248,
331
+ 249,
332
+ 250,
333
+ 251,
334
+ 252,
335
+ 253,
336
+ 254,
337
+ 255,
338
+ 256,
339
+ 257,
340
+ 258,
341
+ 259,
342
+ 260,
343
+ 261,
344
+ 262
345
+ ]
346
+ },
347
+ {
348
+ "weight_decay": 0.0,
349
+ "lr_scale": 10.0,
350
+ "lr": 0.0,
351
+ "betas": [
352
+ 0.9,
353
+ 0.999
354
+ ],
355
+ "eps": 1e-08,
356
+ "amsgrad": false,
357
+ "maximize": false,
358
+ "foreach": null,
359
+ "capturable": false,
360
+ "differentiable": false,
361
+ "fused": null,
362
+ "decoupled_weight_decay": true,
363
+ "params": [
364
+ 263,
365
+ 264,
366
+ 265,
367
+ 266,
368
+ 267,
369
+ 268,
370
+ 269,
371
+ 270,
372
+ 271,
373
+ 272,
374
+ 273,
375
+ 274,
376
+ 275,
377
+ 276,
378
+ 277,
379
+ 278,
380
+ 279,
381
+ 280,
382
+ 281,
383
+ 282,
384
+ 283,
385
+ 284,
386
+ 285,
387
+ 286,
388
+ 287,
389
+ 288,
390
+ 289,
391
+ 290,
392
+ 291,
393
+ 292,
394
+ 293,
395
+ 294,
396
+ 295,
397
+ 296,
398
+ 297,
399
+ 298,
400
+ 299,
401
+ 300,
402
+ 301,
403
+ 302,
404
+ 303,
405
+ 304,
406
+ 305,
407
+ 306,
408
+ 307,
409
+ 308,
410
+ 309,
411
+ 310,
412
+ 311,
413
+ 312,
414
+ 313,
415
+ 314,
416
+ 315,
417
+ 316,
418
+ 317,
419
+ 318,
420
+ 319,
421
+ 320,
422
+ 321,
423
+ 322,
424
+ 323,
425
+ 324,
426
+ 325,
427
+ 326,
428
+ 327,
429
+ 328,
430
+ 329,
431
+ 330,
432
+ 331,
433
+ 332,
434
+ 333,
435
+ 334,
436
+ 335,
437
+ 336,
438
+ 337,
439
+ 338,
440
+ 339,
441
+ 340,
442
+ 341,
443
+ 342,
444
+ 343,
445
+ 344,
446
+ 345,
447
+ 346,
448
+ 347,
449
+ 348,
450
+ 349,
451
+ 350,
452
+ 351,
453
+ 352,
454
+ 353,
455
+ 354,
456
+ 355,
457
+ 356,
458
+ 357,
459
+ 358,
460
+ 359,
461
+ 360,
462
+ 361,
463
+ 362,
464
+ 363,
465
+ 364,
466
+ 365,
467
+ 366,
468
+ 367,
469
+ 368,
470
+ 369,
471
+ 370,
472
+ 371,
473
+ 372,
474
+ 373,
475
+ 374,
476
+ 375,
477
+ 376,
478
+ 377,
479
+ 378,
480
+ 379,
481
+ 380,
482
+ 381,
483
+ 382,
484
+ 383,
485
+ 384,
486
+ 385,
487
+ 386,
488
+ 387,
489
+ 388,
490
+ 389,
491
+ 390,
492
+ 391,
493
+ 392,
494
+ 393,
495
+ 394,
496
+ 395,
497
+ 396,
498
+ 397,
499
+ 398,
500
+ 399,
501
+ 400,
502
+ 401,
503
+ 402,
504
+ 403,
505
+ 404,
506
+ 405,
507
+ 406,
508
+ 407,
509
+ 408,
510
+ 409,
511
+ 410,
512
+ 411,
513
+ 412,
514
+ 413,
515
+ 414,
516
+ 415,
517
+ 416,
518
+ 417,
519
+ 418,
520
+ 419,
521
+ 420,
522
+ 421,
523
+ 422,
524
+ 423,
525
+ 424,
526
+ 425,
527
+ 426,
528
+ 427,
529
+ 428,
530
+ 429,
531
+ 430,
532
+ 431,
533
+ 432,
534
+ 433,
535
+ 434,
536
+ 435,
537
+ 436,
538
+ 437,
539
+ 438,
540
+ 439,
541
+ 440,
542
+ 441,
543
+ 442,
544
+ 443,
545
+ 444,
546
+ 445,
547
+ 446,
548
+ 447,
549
+ 448,
550
+ 449,
551
+ 450,
552
+ 451,
553
+ 452,
554
+ 453,
555
+ 454,
556
+ 455,
557
+ 456,
558
+ 457,
559
+ 458,
560
+ 459,
561
+ 460,
562
+ 461,
563
+ 462,
564
+ 463,
565
+ 464,
566
+ 465,
567
+ 466,
568
+ 467,
569
+ 468,
570
+ 469,
571
+ 470,
572
+ 471,
573
+ 472,
574
+ 473,
575
+ 474,
576
+ 475,
577
+ 476,
578
+ 477,
579
+ 478,
580
+ 479,
581
+ 480,
582
+ 481,
583
+ 482,
584
+ 483,
585
+ 484,
586
+ 485,
587
+ 486,
588
+ 487,
589
+ 488,
590
+ 489,
591
+ 490,
592
+ 491,
593
+ 492,
594
+ 493,
595
+ 494,
596
+ 495,
597
+ 496,
598
+ 497,
599
+ 498,
600
+ 499,
601
+ 500,
602
+ 501,
603
+ 502,
604
+ 503,
605
+ 504,
606
+ 505,
607
+ 506,
608
+ 507,
609
+ 508,
610
+ 509,
611
+ 510,
612
+ 511,
613
+ 512,
614
+ 513,
615
+ 514,
616
+ 515,
617
+ 516,
618
+ 517,
619
+ 518,
620
+ 519,
621
+ 520,
622
+ 521,
623
+ 522,
624
+ 523,
625
+ 524,
626
+ 525,
627
+ 526,
628
+ 527,
629
+ 528,
630
+ 529,
631
+ 530,
632
+ 531,
633
+ 532,
634
+ 533,
635
+ 534,
636
+ 535,
637
+ 536,
638
+ 537,
639
+ 538,
640
+ 539,
641
+ 540,
642
+ 541,
643
+ 542,
644
+ 543,
645
+ 544,
646
+ 545,
647
+ 546,
648
+ 547,
649
+ 548,
650
+ 549,
651
+ 550,
652
+ 551
653
+ ]
654
+ },
655
+ {
656
+ "weight_decay": 0.0,
657
+ "lr_scale": 0.1,
658
+ "low_rank": true,
659
+ "lr": 0.0,
660
+ "betas": [
661
+ 0.9,
662
+ 0.999
663
+ ],
664
+ "eps": 1e-08,
665
+ "amsgrad": false,
666
+ "maximize": false,
667
+ "foreach": null,
668
+ "capturable": false,
669
+ "differentiable": false,
670
+ "fused": null,
671
+ "decoupled_weight_decay": true,
672
+ "params": [
673
+ 552,
674
+ 553,
675
+ 554,
676
+ 555,
677
+ 556,
678
+ 557,
679
+ 558,
680
+ 559,
681
+ 560,
682
+ 561,
683
+ 562,
684
+ 563,
685
+ 564,
686
+ 565,
687
+ 566,
688
+ 567,
689
+ 568,
690
+ 569,
691
+ 570,
692
+ 571,
693
+ 572,
694
+ 573,
695
+ 574,
696
+ 575,
697
+ 576,
698
+ 577,
699
+ 578,
700
+ 579,
701
+ 580,
702
+ 581,
703
+ 582,
704
+ 583,
705
+ 584,
706
+ 585,
707
+ 586,
708
+ 587,
709
+ 588,
710
+ 589,
711
+ 590,
712
+ 591,
713
+ 592,
714
+ 593,
715
+ 594,
716
+ 595,
717
+ 596,
718
+ 597,
719
+ 598,
720
+ 599,
721
+ 600,
722
+ 601,
723
+ 602,
724
+ 603,
725
+ 604,
726
+ 605,
727
+ 606,
728
+ 607,
729
+ 608,
730
+ 609,
731
+ 610,
732
+ 611,
733
+ 612,
734
+ 613,
735
+ 614,
736
+ 615,
737
+ 616,
738
+ 617,
739
+ 618,
740
+ 619,
741
+ 620,
742
+ 621,
743
+ 622,
744
+ 623,
745
+ 624,
746
+ 625,
747
+ 626,
748
+ 627,
749
+ 628,
750
+ 629,
751
+ 630,
752
+ 631,
753
+ 632,
754
+ 633,
755
+ 634,
756
+ 635,
757
+ 636,
758
+ 637,
759
+ 638,
760
+ 639,
761
+ 640,
762
+ 641,
763
+ 642,
764
+ 643,
765
+ 644,
766
+ 645,
767
+ 646,
768
+ 647,
769
+ 648,
770
+ 649,
771
+ 650,
772
+ 651,
773
+ 652,
774
+ 653,
775
+ 654,
776
+ 655,
777
+ 656,
778
+ 657,
779
+ 658,
780
+ 659,
781
+ 660,
782
+ 661,
783
+ 662,
784
+ 663,
785
+ 664,
786
+ 665,
787
+ 666,
788
+ 667,
789
+ 668,
790
+ 669,
791
+ 670,
792
+ 671,
793
+ 672,
794
+ 673,
795
+ 674,
796
+ 675,
797
+ 676,
798
+ 677,
799
+ 678,
800
+ 679,
801
+ 680,
802
+ 681,
803
+ 682,
804
+ 683,
805
+ 684,
806
+ 685,
807
+ 686,
808
+ 687,
809
+ 688,
810
+ 689,
811
+ 690,
812
+ 691,
813
+ 692,
814
+ 693,
815
+ 694,
816
+ 695,
817
+ 696,
818
+ 697,
819
+ 698,
820
+ 699,
821
+ 700,
822
+ 701,
823
+ 702,
824
+ 703,
825
+ 704,
826
+ 705,
827
+ 706,
828
+ 707,
829
+ 708,
830
+ 709,
831
+ 710,
832
+ 711,
833
+ 712,
834
+ 713,
835
+ 714,
836
+ 715,
837
+ 716,
838
+ 717,
839
+ 718,
840
+ 719,
841
+ 720,
842
+ 721
843
+ ]
844
+ }
845
+ ],
846
+ "tables": [
847
+ {
848
+ "lr": 0.0,
849
+ "betas": [
850
+ 0.9,
851
+ 0.999
852
+ ],
853
+ "eps": 1e-08,
854
+ "params": [
855
+ 0,
856
+ 1
857
+ ]
858
+ }
859
+ ]
860
+ },
861
+ "extra": {
862
+ "documents_used": {
863
+ "fra_Latn@fineweb2-hq": 10366,
864
+ "por_Latn@fineweb2-hq": 8865,
865
+ "deu_Latn@fineweb2-hq": 11914,
866
+ "ron_Latn": 4693,
867
+ "swe_Latn@fineweb2-hq": 9114,
868
+ "dan_Latn@fineweb2-hq": 8013,
869
+ "bul_Cyrl": 5008,
870
+ "ru@fineweb2-hq": 12013,
871
+ "ces_Latn@fineweb2-hq": 6556,
872
+ "ell_Grek@fineweb2-hq": 7035,
873
+ "ukr_Cyrl": 2716,
874
+ "spa_Latn@fineweb2-hq": 12010,
875
+ "nld_Latn@fineweb2-hq": 12770,
876
+ "slk_Latn": 4355,
877
+ "hrv_Latn": 1429,
878
+ "pol_Latn@fineweb2-hq": 10644,
879
+ "lit_Latn": 3614,
880
+ "nob_Latn": 8182,
881
+ "nno_Latn": 2566,
882
+ "fas_Arab@fineweb2-hq": 9508,
883
+ "slv_Latn": 4557,
884
+ "guj_Gujr": 1091,
885
+ "lvs_Latn": 4102,
886
+ "ita_Latn@fineweb2-hq": 10031,
887
+ "oci_Latn": 1005,
888
+ "npi_Deva": 4217,
889
+ "mar_Deva": 2191,
890
+ "bel_Cyrl": 2014,
891
+ "srp_Cyrl": 2350,
892
+ "ltz_Latn": 2011,
893
+ "vec_Latn": 644,
894
+ "asm_Beng": 382,
895
+ "cym_Latn": 2981,
896
+ "szl_Latn": 491,
897
+ "ast_Latn": 810,
898
+ "hne_Deva": 526,
899
+ "awa_Deva": 420,
900
+ "mai_Deva": 230,
901
+ "bho_Deva": 871,
902
+ "snd_Arab": 388,
903
+ "gle_Latn": 1884,
904
+ "fao_Latn": 1863,
905
+ "hi": 6643,
906
+ "pan_Guru": 2027,
907
+ "ben_Beng": 2138,
908
+ "ory_Orya": 1573,
909
+ "tgk_Cyrl": 2282,
910
+ "ydd_Hebr": 898,
911
+ "lmo_Latn": 643,
912
+ "lij_Latn": 436,
913
+ "scn_Latn": 772,
914
+ "fur_Latn": 708,
915
+ "srd_Latn": 876,
916
+ "glg_Latn": 3375,
917
+ "cat_Latn": 4811,
918
+ "isl_Latn": 2866,
919
+ "als_Latn": 1532,
920
+ "lim_Latn": 829,
921
+ "afr_Latn": 1558,
922
+ "mkd_Cyrl": 3539,
923
+ "sin_Sinh": 2277,
924
+ "urd_Arab": 4023,
925
+ "mag_Deva": 72,
926
+ "bos_Latn": 3169,
927
+ "hye_Armn": 2049,
928
+ "zh@fineweb2-hq": 17344,
929
+ "yue_Hani": 2270,
930
+ "mya_Mymr": 697,
931
+ "ar@fineweb2-hq": 6834,
932
+ "ars_Arab": 305,
933
+ "apc_Arab": 617,
934
+ "arz_Arab": 1988,
935
+ "ary_Arab": 3486,
936
+ "acm_Arab": 437,
937
+ "aeb_Arab": 449,
938
+ "heb_Hebr": 3855,
939
+ "mlt_Latn": 1192,
940
+ "ind_Latn@fineweb2-hq": 4708,
941
+ "zsm_Latn": 3158,
942
+ "fil_Latn": 1757,
943
+ "ceb_Latn": 1168,
944
+ "jav_Latn": 568,
945
+ "sun_Latn": 777,
946
+ "min_Latn": 207,
947
+ "ban_Latn": 344,
948
+ "bjn_Latn": 561,
949
+ "pag_Latn": 320,
950
+ "ilo_Latn": 730,
951
+ "war_Latn": 433,
952
+ "tam_Taml": 2957,
953
+ "tel_Telu": 694,
954
+ "kan_Knda": 1054,
955
+ "mal_Mlym": 1950,
956
+ "tur_Latn@fineweb2-hq": 10129,
957
+ "azj_Latn": 4791,
958
+ "uzn_Latn": 1806,
959
+ "kaz_Cyrl": 1636,
960
+ "bak_Cyrl": 1332,
961
+ "tat_Cyrl": 513,
962
+ "tha_Thai": 5800,
963
+ "lao_Laoo": 943,
964
+ "fin_Latn": 6150,
965
+ "ekk_Latn": 4246,
966
+ "hun_Latn@fineweb2-hq": 5169,
967
+ "vie_Latn@fineweb2-hq": 8243,
968
+ "khm_Khmr": 1509,
969
+ "ja@fineweb2-hq": 19143,
970
+ "ko@korean-webtext-edu": 1948,
971
+ "kat_Geor": 970,
972
+ "eus_Latn": 2415,
973
+ "hat_Latn": 1204,
974
+ "pap_Latn": 491,
975
+ "kea_Latn": 119,
976
+ "tpi_Latn": 290,
977
+ "swh_Latn": 1958,
978
+ "en": 49259
979
+ },
980
+ "documents_start": {},
981
+ "first_step": 0,
982
+ "run_name": "dynamic-connections-moshika",
983
+ "wandb": "https://wandb.ai/haan_modeling/polyplex/runs/bdnfjwxe",
984
+ "batch_size": 64,
985
+ "row_frames": 1024,
986
+ "lr_schedule": "cosine-restarts",
987
+ "dual_stream": true,
988
+ "dynamic_stream_connections": true,
989
+ "language_lora_layers": [
990
+ 7,
991
+ 8,
992
+ 9,
993
+ 10,
994
+ 11,
995
+ 12,
996
+ 13,
997
+ 14,
998
+ 15,
999
+ 16,
1000
+ 17,
1001
+ 18,
1002
+ 19,
1003
+ 20,
1004
+ 21,
1005
+ 22,
1006
+ 23
1007
+ ],
1008
+ "language_lora_rank": 16,
1009
+ "language_down_rotation_layers": [
1010
+ 7,
1011
+ 8,
1012
+ 9,
1013
+ 10,
1014
+ 11,
1015
+ 12,
1016
+ 13,
1017
+ 14,
1018
+ 15,
1019
+ 16,
1020
+ 17,
1021
+ 18,
1022
+ 19,
1023
+ 20,
1024
+ 21,
1025
+ 22,
1026
+ 23
1027
+ ],
1028
+ "language_down_rotation_rank": 16,
1029
+ "language_attention_layers": [
1030
+ 32,
1031
+ 33,
1032
+ 34,
1033
+ 35
1034
+ ]
1035
+ }
1036
+ }