{ "best_metric": null, "best_model_checkpoint": null, "epoch": 3.0, "eval_steps": 500, "global_step": 21, "is_hyper_param_search": false, "is_local_process_zero": true, "is_world_process_zero": true, "log_history": [ { "epoch": 0.14, "grad_norm": 2.9258434772491455, "learning_rate": 9.999999999999999e-06, "loss": 2.1748, "step": 1 }, { "epoch": 0.29, "grad_norm": 2.7063839435577393, "learning_rate": 1.9999999999999998e-05, "loss": 1.9763, "step": 2 }, { "epoch": 0.43, "grad_norm": 2.6058349609375, "learning_rate": 3e-05, "loss": 2.0765, "step": 3 }, { "epoch": 0.57, "grad_norm": 2.4401776790618896, "learning_rate": 2.8333333333333332e-05, "loss": 1.8445, "step": 4 }, { "epoch": 0.71, "grad_norm": 2.4424264430999756, "learning_rate": 2.6666666666666667e-05, "loss": 1.8471, "step": 5 }, { "epoch": 0.86, "grad_norm": 2.358938217163086, "learning_rate": 2.5e-05, "loss": 1.738, "step": 6 }, { "epoch": 1.0, "grad_norm": 3.549773931503296, "learning_rate": 2.3333333333333336e-05, "loss": 1.5309, "step": 7 }, { "epoch": 1.14, "grad_norm": 2.1476035118103027, "learning_rate": 2.1666666666666667e-05, "loss": 1.7547, "step": 8 }, { "epoch": 1.29, "grad_norm": 2.203382968902588, "learning_rate": 1.9999999999999998e-05, "loss": 1.5624, "step": 9 }, { "epoch": 1.43, "grad_norm": 2.297717332839966, "learning_rate": 1.8333333333333336e-05, "loss": 1.4664, "step": 10 }, { "epoch": 1.57, "grad_norm": 2.1212267875671387, "learning_rate": 1.6666666666666667e-05, "loss": 1.303, "step": 11 }, { "epoch": 1.71, "grad_norm": 2.2762389183044434, "learning_rate": 1.5e-05, "loss": 1.592, "step": 12 }, { "epoch": 1.86, "grad_norm": 2.2024176120758057, "learning_rate": 1.3333333333333333e-05, "loss": 1.4487, "step": 13 }, { "epoch": 2.0, "grad_norm": 2.8860790729522705, "learning_rate": 1.1666666666666668e-05, "loss": 1.4676, "step": 14 }, { "epoch": 2.14, "grad_norm": 2.149879217147827, "learning_rate": 9.999999999999999e-06, "loss": 1.254, "step": 15 }, { "epoch": 2.29, "grad_norm": 2.1534736156463623, "learning_rate": 8.333333333333334e-06, "loss": 1.1987, "step": 16 }, { "epoch": 2.43, "grad_norm": 2.24772572517395, "learning_rate": 6.666666666666667e-06, "loss": 1.3075, "step": 17 }, { "epoch": 2.57, "grad_norm": 2.0693881511688232, "learning_rate": 4.9999999999999996e-06, "loss": 1.1817, "step": 18 }, { "epoch": 2.71, "grad_norm": 2.126629114151001, "learning_rate": 3.3333333333333333e-06, "loss": 1.3248, "step": 19 }, { "epoch": 2.86, "grad_norm": 2.1558408737182617, "learning_rate": 1.6666666666666667e-06, "loss": 1.4871, "step": 20 }, { "epoch": 3.0, "grad_norm": 2.790468454360962, "learning_rate": 0.0, "loss": 1.4053, "step": 21 } ], "logging_steps": 1, "max_steps": 21, "num_input_tokens_seen": 0, "num_train_epochs": 3, "save_steps": 500, "total_flos": 1713878153035776.0, "train_batch_size": 2, "trial_name": null, "trial_params": null }