{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 0.08,
  "eval_steps": 500,
  "global_step": 250,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.00032,
      "grad_norm": 0.24713319540023804,
      "learning_rate": 0.0,
      "loss": 0.8884,
      "step": 1
    },
    {
      "epoch": 0.00064,
      "grad_norm": 0.20603826642036438,
      "learning_rate": 1.3333333333333334e-06,
      "loss": 0.8479,
      "step": 2
    },
    {
      "epoch": 0.00096,
      "grad_norm": 0.24543610215187073,
      "learning_rate": 2.666666666666667e-06,
      "loss": 0.9853,
      "step": 3
    },
    {
      "epoch": 0.00128,
      "grad_norm": 0.2051621973514557,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.8293,
      "step": 4
    },
    {
      "epoch": 0.0016,
      "grad_norm": 0.23469021916389465,
      "learning_rate": 5.333333333333334e-06,
      "loss": 0.9811,
      "step": 5
    },
    {
      "epoch": 0.00192,
      "grad_norm": 0.25180304050445557,
      "learning_rate": 6.666666666666667e-06,
      "loss": 1.039,
      "step": 6
    },
    {
      "epoch": 0.00224,
      "grad_norm": 0.23135970532894135,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.8688,
      "step": 7
    },
    {
      "epoch": 0.00256,
      "grad_norm": 0.22394850850105286,
      "learning_rate": 9.333333333333334e-06,
      "loss": 0.9214,
      "step": 8
    },
    {
      "epoch": 0.00288,
      "grad_norm": 0.25566354393959045,
      "learning_rate": 1.0666666666666667e-05,
      "loss": 0.8667,
      "step": 9
    },
    {
      "epoch": 0.0032,
      "grad_norm": 0.2881408631801605,
      "learning_rate": 1.2e-05,
      "loss": 0.9544,
      "step": 10
    },
    {
      "epoch": 0.00352,
      "grad_norm": 0.22555342316627502,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 0.9383,
      "step": 11
    },
    {
      "epoch": 0.00384,
      "grad_norm": 0.23086762428283691,
      "learning_rate": 1.4666666666666668e-05,
      "loss": 0.8595,
      "step": 12
    },
    {
      "epoch": 0.00416,
      "grad_norm": 0.2487766444683075,
      "learning_rate": 1.6000000000000003e-05,
      "loss": 0.9469,
      "step": 13
    },
    {
      "epoch": 0.00448,
      "grad_norm": 0.3970007598400116,
      "learning_rate": 1.7333333333333336e-05,
      "loss": 1.1923,
      "step": 14
    },
    {
      "epoch": 0.0048,
      "grad_norm": 0.25204387307167053,
      "learning_rate": 1.866666666666667e-05,
      "loss": 0.8854,
      "step": 15
    },
    {
      "epoch": 0.00512,
      "grad_norm": 0.23282122611999512,
      "learning_rate": 2e-05,
      "loss": 0.932,
      "step": 16
    },
    {
      "epoch": 0.00544,
      "grad_norm": 0.2607545852661133,
      "learning_rate": 2.1333333333333335e-05,
      "loss": 0.9094,
      "step": 17
    },
    {
      "epoch": 0.00576,
      "grad_norm": 0.21402348577976227,
      "learning_rate": 2.2666666666666668e-05,
      "loss": 0.7879,
      "step": 18
    },
    {
      "epoch": 0.00608,
      "grad_norm": 0.23922377824783325,
      "learning_rate": 2.4e-05,
      "loss": 0.9193,
      "step": 19
    },
    {
      "epoch": 0.0064,
      "grad_norm": 0.18835392594337463,
      "learning_rate": 2.5333333333333337e-05,
      "loss": 0.9786,
      "step": 20
    },
    {
      "epoch": 0.00672,
      "grad_norm": 0.1775645613670349,
      "learning_rate": 2.6666666666666667e-05,
      "loss": 0.933,
      "step": 21
    },
    {
      "epoch": 0.00704,
      "grad_norm": 0.20945614576339722,
      "learning_rate": 2.8000000000000003e-05,
      "loss": 0.8171,
      "step": 22
    },
    {
      "epoch": 0.00736,
      "grad_norm": 0.16134795546531677,
      "learning_rate": 2.9333333333333336e-05,
      "loss": 0.9665,
      "step": 23
    },
    {
      "epoch": 0.00768,
      "grad_norm": 0.1454283446073532,
      "learning_rate": 3.066666666666667e-05,
      "loss": 0.7238,
      "step": 24
    },
    {
      "epoch": 0.008,
      "grad_norm": 0.15920202434062958,
      "learning_rate": 3.2000000000000005e-05,
      "loss": 0.7932,
      "step": 25
    },
    {
      "epoch": 0.00832,
      "grad_norm": 0.16204868257045746,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 0.8175,
      "step": 26
    },
    {
      "epoch": 0.00864,
      "grad_norm": 0.15179912745952606,
      "learning_rate": 3.466666666666667e-05,
      "loss": 0.9067,
      "step": 27
    },
    {
      "epoch": 0.00896,
      "grad_norm": 0.1287967711687088,
      "learning_rate": 3.6e-05,
      "loss": 0.8039,
      "step": 28
    },
    {
      "epoch": 0.00928,
      "grad_norm": 0.13528791069984436,
      "learning_rate": 3.733333333333334e-05,
      "loss": 0.8892,
      "step": 29
    },
    {
      "epoch": 0.0096,
      "grad_norm": 0.13059762120246887,
      "learning_rate": 3.866666666666667e-05,
      "loss": 0.7023,
      "step": 30
    },
    {
      "epoch": 0.00992,
      "grad_norm": 0.13119487464427948,
      "learning_rate": 4e-05,
      "loss": 0.7607,
      "step": 31
    },
    {
      "epoch": 0.01024,
      "grad_norm": 0.12565594911575317,
      "learning_rate": 4.133333333333333e-05,
      "loss": 0.808,
      "step": 32
    },
    {
      "epoch": 0.01056,
      "grad_norm": 0.1259136199951172,
      "learning_rate": 4.266666666666667e-05,
      "loss": 0.8704,
      "step": 33
    },
    {
      "epoch": 0.01088,
      "grad_norm": 0.1319507360458374,
      "learning_rate": 4.4000000000000006e-05,
      "loss": 0.6421,
      "step": 34
    },
    {
      "epoch": 0.0112,
      "grad_norm": 0.1317446082830429,
      "learning_rate": 4.5333333333333335e-05,
      "loss": 0.688,
      "step": 35
    },
    {
      "epoch": 0.01152,
      "grad_norm": 0.12360246479511261,
      "learning_rate": 4.666666666666667e-05,
      "loss": 0.798,
      "step": 36
    },
    {
      "epoch": 0.01184,
      "grad_norm": 0.11974922567605972,
      "learning_rate": 4.8e-05,
      "loss": 0.829,
      "step": 37
    },
    {
      "epoch": 0.01216,
      "grad_norm": 0.13918066024780273,
      "learning_rate": 4.933333333333334e-05,
      "loss": 0.8626,
      "step": 38
    },
    {
      "epoch": 0.01248,
      "grad_norm": 0.11004938930273056,
      "learning_rate": 5.0666666666666674e-05,
      "loss": 0.8056,
      "step": 39
    },
    {
      "epoch": 0.0128,
      "grad_norm": 0.10854440927505493,
      "learning_rate": 5.2000000000000004e-05,
      "loss": 0.8773,
      "step": 40
    },
    {
      "epoch": 0.01312,
      "grad_norm": 0.10877286642789841,
      "learning_rate": 5.333333333333333e-05,
      "loss": 0.8947,
      "step": 41
    },
    {
      "epoch": 0.01344,
      "grad_norm": 0.12767033278942108,
      "learning_rate": 5.466666666666666e-05,
      "loss": 0.7892,
      "step": 42
    },
    {
      "epoch": 0.01376,
      "grad_norm": 0.11700518429279327,
      "learning_rate": 5.6000000000000006e-05,
      "loss": 0.8598,
      "step": 43
    },
    {
      "epoch": 0.01408,
      "grad_norm": 0.12549364566802979,
      "learning_rate": 5.7333333333333336e-05,
      "loss": 0.8498,
      "step": 44
    },
    {
      "epoch": 0.0144,
      "grad_norm": 0.11921705305576324,
      "learning_rate": 5.866666666666667e-05,
      "loss": 0.7979,
      "step": 45
    },
    {
      "epoch": 0.01472,
      "grad_norm": 0.11621945351362228,
      "learning_rate": 6e-05,
      "loss": 0.9252,
      "step": 46
    },
    {
      "epoch": 0.01504,
      "grad_norm": 0.10912485420703888,
      "learning_rate": 6.133333333333334e-05,
      "loss": 0.7674,
      "step": 47
    },
    {
      "epoch": 0.01536,
      "grad_norm": 0.11039536446332932,
      "learning_rate": 6.266666666666667e-05,
      "loss": 0.841,
      "step": 48
    },
    {
      "epoch": 0.01568,
      "grad_norm": 0.10852135717868805,
      "learning_rate": 6.400000000000001e-05,
      "loss": 0.7991,
      "step": 49
    },
    {
      "epoch": 0.016,
      "grad_norm": 0.09653560072183609,
      "learning_rate": 6.533333333333334e-05,
      "loss": 0.6292,
      "step": 50
    },
    {
      "epoch": 0.01632,
      "grad_norm": 0.11932919919490814,
      "learning_rate": 6.666666666666667e-05,
      "loss": 0.7327,
      "step": 51
    },
    {
      "epoch": 0.01664,
      "grad_norm": 0.10563201457262039,
      "learning_rate": 6.800000000000001e-05,
      "loss": 0.7041,
      "step": 52
    },
    {
      "epoch": 0.01696,
      "grad_norm": 0.1063474714756012,
      "learning_rate": 6.933333333333334e-05,
      "loss": 0.7953,
      "step": 53
    },
    {
      "epoch": 0.01728,
      "grad_norm": 0.11396024376153946,
      "learning_rate": 7.066666666666667e-05,
      "loss": 0.899,
      "step": 54
    },
    {
      "epoch": 0.0176,
      "grad_norm": 0.10861669480800629,
      "learning_rate": 7.2e-05,
      "loss": 0.9343,
      "step": 55
    },
    {
      "epoch": 0.01792,
      "grad_norm": 0.12476427853107452,
      "learning_rate": 7.333333333333333e-05,
      "loss": 0.8145,
      "step": 56
    },
    {
      "epoch": 0.01824,
      "grad_norm": 0.1240817978978157,
      "learning_rate": 7.466666666666667e-05,
      "loss": 0.7133,
      "step": 57
    },
    {
      "epoch": 0.01856,
      "grad_norm": 0.10977518558502197,
      "learning_rate": 7.6e-05,
      "loss": 0.7576,
      "step": 58
    },
    {
      "epoch": 0.01888,
      "grad_norm": 0.11463093012571335,
      "learning_rate": 7.733333333333333e-05,
      "loss": 0.8552,
      "step": 59
    },
    {
      "epoch": 0.0192,
      "grad_norm": 0.1143040657043457,
      "learning_rate": 7.866666666666666e-05,
      "loss": 0.9198,
      "step": 60
    },
    {
      "epoch": 0.01952,
      "grad_norm": 0.12839296460151672,
      "learning_rate": 8e-05,
      "loss": 0.6644,
      "step": 61
    },
    {
      "epoch": 0.01984,
      "grad_norm": 0.11903133243322372,
      "learning_rate": 8.133333333333334e-05,
      "loss": 0.9053,
      "step": 62
    },
    {
      "epoch": 0.02016,
      "grad_norm": 0.12296755611896515,
      "learning_rate": 8.266666666666667e-05,
      "loss": 0.7695,
      "step": 63
    },
    {
      "epoch": 0.02048,
      "grad_norm": 0.11100097000598907,
      "learning_rate": 8.4e-05,
      "loss": 0.8909,
      "step": 64
    },
    {
      "epoch": 0.0208,
      "grad_norm": 0.11848391592502594,
      "learning_rate": 8.533333333333334e-05,
      "loss": 0.8204,
      "step": 65
    },
    {
      "epoch": 0.02112,
      "grad_norm": 0.11903996020555496,
      "learning_rate": 8.666666666666667e-05,
      "loss": 0.7778,
      "step": 66
    },
    {
      "epoch": 0.02144,
      "grad_norm": 0.10964814573526382,
      "learning_rate": 8.800000000000001e-05,
      "loss": 0.6879,
      "step": 67
    },
    {
      "epoch": 0.02176,
      "grad_norm": 0.11036152392625809,
      "learning_rate": 8.933333333333334e-05,
      "loss": 0.8051,
      "step": 68
    },
    {
      "epoch": 0.02208,
      "grad_norm": 0.10888101160526276,
      "learning_rate": 9.066666666666667e-05,
      "loss": 0.759,
      "step": 69
    },
    {
      "epoch": 0.0224,
      "grad_norm": 0.11158827692270279,
      "learning_rate": 9.200000000000001e-05,
      "loss": 0.7412,
      "step": 70
    },
    {
      "epoch": 0.02272,
      "grad_norm": 0.12085185945034027,
      "learning_rate": 9.333333333333334e-05,
      "loss": 0.7978,
      "step": 71
    },
    {
      "epoch": 0.02304,
      "grad_norm": 0.12325625121593475,
      "learning_rate": 9.466666666666667e-05,
      "loss": 0.7175,
      "step": 72
    },
    {
      "epoch": 0.02336,
      "grad_norm": 0.10695890337228775,
      "learning_rate": 9.6e-05,
      "loss": 0.868,
      "step": 73
    },
    {
      "epoch": 0.02368,
      "grad_norm": 0.11983097344636917,
      "learning_rate": 9.733333333333335e-05,
      "loss": 0.7965,
      "step": 74
    },
    {
      "epoch": 0.024,
      "grad_norm": 0.11521439999341965,
      "learning_rate": 9.866666666666668e-05,
      "loss": 0.9305,
      "step": 75
    },
    {
      "epoch": 0.02432,
      "grad_norm": 0.1252303123474121,
      "learning_rate": 0.0001,
      "loss": 0.6807,
      "step": 76
    },
    {
      "epoch": 0.02464,
      "grad_norm": 0.1265154629945755,
      "learning_rate": 0.00010133333333333335,
      "loss": 0.718,
      "step": 77
    },
    {
      "epoch": 0.02496,
      "grad_norm": 0.1109502986073494,
      "learning_rate": 0.00010266666666666666,
      "loss": 0.769,
      "step": 78
    },
    {
      "epoch": 0.02528,
      "grad_norm": 0.11158560961484909,
      "learning_rate": 0.00010400000000000001,
      "loss": 0.8579,
      "step": 79
    },
    {
      "epoch": 0.0256,
      "grad_norm": 0.13526469469070435,
      "learning_rate": 0.00010533333333333332,
      "loss": 0.7704,
      "step": 80
    },
    {
      "epoch": 0.02592,
      "grad_norm": 0.12420251965522766,
      "learning_rate": 0.00010666666666666667,
      "loss": 0.673,
      "step": 81
    },
    {
      "epoch": 0.02624,
      "grad_norm": 0.11838296055793762,
      "learning_rate": 0.00010800000000000001,
      "loss": 0.8576,
      "step": 82
    },
    {
      "epoch": 0.02656,
      "grad_norm": 0.11958430707454681,
      "learning_rate": 0.00010933333333333333,
      "loss": 0.8521,
      "step": 83
    },
    {
      "epoch": 0.02688,
      "grad_norm": 0.12049078941345215,
      "learning_rate": 0.00011066666666666667,
      "loss": 0.6008,
      "step": 84
    },
    {
      "epoch": 0.0272,
      "grad_norm": 0.10999640822410583,
      "learning_rate": 0.00011200000000000001,
      "loss": 0.7351,
      "step": 85
    },
    {
      "epoch": 0.02752,
      "grad_norm": 0.11500285565853119,
      "learning_rate": 0.00011333333333333334,
      "loss": 0.7841,
      "step": 86
    },
    {
      "epoch": 0.02784,
      "grad_norm": 0.11917781829833984,
      "learning_rate": 0.00011466666666666667,
      "loss": 0.8275,
      "step": 87
    },
    {
      "epoch": 0.02816,
      "grad_norm": 0.11745665222406387,
      "learning_rate": 0.000116,
      "loss": 0.6096,
      "step": 88
    },
    {
      "epoch": 0.02848,
      "grad_norm": 0.1208786815404892,
      "learning_rate": 0.00011733333333333334,
      "loss": 0.6842,
      "step": 89
    },
    {
      "epoch": 0.0288,
      "grad_norm": 0.12839952111244202,
      "learning_rate": 0.00011866666666666669,
      "loss": 0.7467,
      "step": 90
    },
    {
      "epoch": 0.02912,
      "grad_norm": 0.12688350677490234,
      "learning_rate": 0.00012,
      "loss": 0.6507,
      "step": 91
    },
    {
      "epoch": 0.02944,
      "grad_norm": 0.11489767581224442,
      "learning_rate": 0.00012133333333333335,
      "loss": 0.8403,
      "step": 92
    },
    {
      "epoch": 0.02976,
      "grad_norm": 0.1305433064699173,
      "learning_rate": 0.00012266666666666668,
      "loss": 0.748,
      "step": 93
    },
    {
      "epoch": 0.03008,
      "grad_norm": 0.13992320001125336,
      "learning_rate": 0.000124,
      "loss": 0.796,
      "step": 94
    },
    {
      "epoch": 0.0304,
      "grad_norm": 0.12120400369167328,
      "learning_rate": 0.00012533333333333334,
      "loss": 0.6445,
      "step": 95
    },
    {
      "epoch": 0.03072,
      "grad_norm": 0.13254240155220032,
      "learning_rate": 0.00012666666666666666,
      "loss": 0.7488,
      "step": 96
    },
    {
      "epoch": 0.03104,
      "grad_norm": 0.13790103793144226,
      "learning_rate": 0.00012800000000000002,
      "loss": 0.8005,
      "step": 97
    },
    {
      "epoch": 0.03136,
      "grad_norm": 0.12862953543663025,
      "learning_rate": 0.00012933333333333332,
      "loss": 0.7975,
      "step": 98
    },
    {
      "epoch": 0.03168,
      "grad_norm": 0.14197330176830292,
      "learning_rate": 0.00013066666666666668,
      "loss": 0.9026,
      "step": 99
    },
    {
      "epoch": 0.032,
      "grad_norm": 0.12494270503520966,
      "learning_rate": 0.000132,
      "loss": 0.7353,
      "step": 100
    },
    {
      "epoch": 0.03232,
      "grad_norm": 0.12572987377643585,
      "learning_rate": 0.00013333333333333334,
      "loss": 0.9271,
      "step": 101
    },
    {
      "epoch": 0.03264,
      "grad_norm": 0.1314753144979477,
      "learning_rate": 0.00013466666666666667,
      "loss": 0.7816,
      "step": 102
    },
    {
      "epoch": 0.03296,
      "grad_norm": 0.12902331352233887,
      "learning_rate": 0.00013600000000000003,
      "loss": 0.7348,
      "step": 103
    },
    {
      "epoch": 0.03328,
      "grad_norm": 0.14086449146270752,
      "learning_rate": 0.00013733333333333333,
      "loss": 0.831,
      "step": 104
    },
    {
      "epoch": 0.0336,
      "grad_norm": 0.12464585155248642,
      "learning_rate": 0.00013866666666666669,
      "loss": 0.6945,
      "step": 105
    },
    {
      "epoch": 0.03392,
      "grad_norm": 0.11436092108488083,
      "learning_rate": 0.00014,
      "loss": 0.8192,
      "step": 106
    },
    {
      "epoch": 0.03424,
      "grad_norm": 0.11779410392045975,
      "learning_rate": 0.00014133333333333334,
      "loss": 0.7989,
      "step": 107
    },
    {
      "epoch": 0.03456,
      "grad_norm": 0.14601927995681763,
      "learning_rate": 0.00014266666666666667,
      "loss": 0.6256,
      "step": 108
    },
    {
      "epoch": 0.03488,
      "grad_norm": 0.13231013715267181,
      "learning_rate": 0.000144,
      "loss": 0.7445,
      "step": 109
    },
    {
      "epoch": 0.0352,
      "grad_norm": 0.11249889433383942,
      "learning_rate": 0.00014533333333333333,
      "loss": 0.7338,
      "step": 110
    },
    {
      "epoch": 0.03552,
      "grad_norm": 0.11275426298379898,
      "learning_rate": 0.00014666666666666666,
      "loss": 0.7993,
      "step": 111
    },
    {
      "epoch": 0.03584,
      "grad_norm": 0.11678344756364822,
      "learning_rate": 0.000148,
      "loss": 0.9234,
      "step": 112
    },
    {
      "epoch": 0.03616,
      "grad_norm": 0.10879474133253098,
      "learning_rate": 0.00014933333333333335,
      "loss": 0.8732,
      "step": 113
    },
    {
      "epoch": 0.03648,
      "grad_norm": 0.13673344254493713,
      "learning_rate": 0.00015066666666666668,
      "loss": 0.8698,
      "step": 114
    },
    {
      "epoch": 0.0368,
      "grad_norm": 0.12564410269260406,
      "learning_rate": 0.000152,
      "loss": 0.7913,
      "step": 115
    },
    {
      "epoch": 0.03712,
      "grad_norm": 0.12272034585475922,
      "learning_rate": 0.00015333333333333334,
      "loss": 0.7244,
      "step": 116
    },
    {
      "epoch": 0.03744,
      "grad_norm": 0.11841209977865219,
      "learning_rate": 0.00015466666666666667,
      "loss": 0.7648,
      "step": 117
    },
    {
      "epoch": 0.03776,
      "grad_norm": 0.11938042938709259,
      "learning_rate": 0.00015600000000000002,
      "loss": 0.8381,
      "step": 118
    },
    {
      "epoch": 0.03808,
      "grad_norm": 0.13476668298244476,
      "learning_rate": 0.00015733333333333333,
      "loss": 0.6931,
      "step": 119
    },
    {
      "epoch": 0.0384,
      "grad_norm": 0.1274396926164627,
      "learning_rate": 0.00015866666666666668,
      "loss": 0.854,
      "step": 120
    },
    {
      "epoch": 0.03872,
      "grad_norm": 0.11518494784832001,
      "learning_rate": 0.00016,
      "loss": 0.7591,
      "step": 121
    },
    {
      "epoch": 0.03904,
      "grad_norm": 0.12739014625549316,
      "learning_rate": 0.00016133333333333334,
      "loss": 0.6956,
      "step": 122
    },
    {
      "epoch": 0.03936,
      "grad_norm": 0.13384665548801422,
      "learning_rate": 0.00016266666666666667,
      "loss": 0.6487,
      "step": 123
    },
    {
      "epoch": 0.03968,
      "grad_norm": 0.11407941579818726,
      "learning_rate": 0.000164,
      "loss": 0.6822,
      "step": 124
    },
    {
      "epoch": 0.04,
      "grad_norm": 0.12307750433683395,
      "learning_rate": 0.00016533333333333333,
      "loss": 0.7038,
      "step": 125
    },
    {
      "epoch": 0.04032,
      "grad_norm": 0.12420140206813812,
      "learning_rate": 0.0001666666666666667,
      "loss": 0.6589,
      "step": 126
    },
    {
      "epoch": 0.04064,
      "grad_norm": 0.1327451914548874,
      "learning_rate": 0.000168,
      "loss": 0.6002,
      "step": 127
    },
    {
      "epoch": 0.04096,
      "grad_norm": 0.1248873695731163,
      "learning_rate": 0.00016933333333333335,
      "loss": 0.8812,
      "step": 128
    },
    {
      "epoch": 0.04128,
      "grad_norm": 0.11638613790273666,
      "learning_rate": 0.00017066666666666668,
      "loss": 0.7455,
      "step": 129
    },
    {
      "epoch": 0.0416,
      "grad_norm": 0.12473749369382858,
      "learning_rate": 0.000172,
      "loss": 0.6218,
      "step": 130
    },
    {
      "epoch": 0.04192,
      "grad_norm": 0.1339467465877533,
      "learning_rate": 0.00017333333333333334,
      "loss": 0.729,
      "step": 131
    },
    {
      "epoch": 0.04224,
      "grad_norm": 0.11078035831451416,
      "learning_rate": 0.00017466666666666667,
      "loss": 0.8507,
      "step": 132
    },
    {
      "epoch": 0.04256,
      "grad_norm": 0.11885277926921844,
      "learning_rate": 0.00017600000000000002,
      "loss": 0.8817,
      "step": 133
    },
    {
      "epoch": 0.04288,
      "grad_norm": 0.13378757238388062,
      "learning_rate": 0.00017733333333333335,
      "loss": 0.705,
      "step": 134
    },
    {
      "epoch": 0.0432,
      "grad_norm": 0.11696331948041916,
      "learning_rate": 0.00017866666666666668,
      "loss": 0.7089,
      "step": 135
    },
    {
      "epoch": 0.04352,
      "grad_norm": 0.12444671988487244,
      "learning_rate": 0.00018,
      "loss": 0.699,
      "step": 136
    },
    {
      "epoch": 0.04384,
      "grad_norm": 0.11136961728334427,
      "learning_rate": 0.00018133333333333334,
      "loss": 0.7805,
      "step": 137
    },
    {
      "epoch": 0.04416,
      "grad_norm": 0.13461412489414215,
      "learning_rate": 0.00018266666666666667,
      "loss": 0.7581,
      "step": 138
    },
    {
      "epoch": 0.04448,
      "grad_norm": 0.11344683915376663,
      "learning_rate": 0.00018400000000000003,
      "loss": 0.7234,
      "step": 139
    },
    {
      "epoch": 0.0448,
      "grad_norm": 0.12247714400291443,
      "learning_rate": 0.00018533333333333333,
      "loss": 0.9326,
      "step": 140
    },
    {
      "epoch": 0.04512,
      "grad_norm": 0.12991179525852203,
      "learning_rate": 0.0001866666666666667,
      "loss": 0.7644,
      "step": 141
    },
    {
      "epoch": 0.04544,
      "grad_norm": 0.1182120144367218,
      "learning_rate": 0.000188,
      "loss": 0.8437,
      "step": 142
    },
    {
      "epoch": 0.04576,
      "grad_norm": 0.10737155377864838,
      "learning_rate": 0.00018933333333333335,
      "loss": 0.8047,
      "step": 143
    },
    {
      "epoch": 0.04608,
      "grad_norm": 0.11993440985679626,
      "learning_rate": 0.00019066666666666668,
      "loss": 0.7247,
      "step": 144
    },
    {
      "epoch": 0.0464,
      "grad_norm": 0.11705442517995834,
      "learning_rate": 0.000192,
      "loss": 0.7104,
      "step": 145
    },
    {
      "epoch": 0.04672,
      "grad_norm": 0.12065937370061874,
      "learning_rate": 0.00019333333333333333,
      "loss": 0.7243,
      "step": 146
    },
    {
      "epoch": 0.04704,
      "grad_norm": 0.1178629919886589,
      "learning_rate": 0.0001946666666666667,
      "loss": 0.6946,
      "step": 147
    },
    {
      "epoch": 0.04736,
      "grad_norm": 0.12744340300559998,
      "learning_rate": 0.000196,
      "loss": 0.6946,
      "step": 148
    },
    {
      "epoch": 0.04768,
      "grad_norm": 0.14068365097045898,
      "learning_rate": 0.00019733333333333335,
      "loss": 0.7905,
      "step": 149
    },
    {
      "epoch": 0.048,
      "grad_norm": 0.11114205420017242,
      "learning_rate": 0.00019866666666666668,
      "loss": 0.8352,
      "step": 150
    },
    {
      "epoch": 0.04832,
      "grad_norm": 0.10463167726993561,
      "learning_rate": 0.0002,
      "loss": 0.6664,
      "step": 151
    },
    {
      "epoch": 0.04864,
      "grad_norm": 0.12237433344125748,
      "learning_rate": 0.00019995876288659794,
      "loss": 0.8114,
      "step": 152
    },
    {
      "epoch": 0.04896,
      "grad_norm": 0.12069843709468842,
      "learning_rate": 0.0001999175257731959,
      "loss": 0.7901,
      "step": 153
    },
    {
      "epoch": 0.04928,
      "grad_norm": 0.11398322135210037,
      "learning_rate": 0.00019987628865979383,
      "loss": 0.7131,
      "step": 154
    },
    {
      "epoch": 0.0496,
      "grad_norm": 0.12183695286512375,
      "learning_rate": 0.00019983505154639176,
      "loss": 0.7609,
      "step": 155
    },
    {
      "epoch": 0.04992,
      "grad_norm": 0.12869080901145935,
      "learning_rate": 0.0001997938144329897,
      "loss": 0.8103,
      "step": 156
    },
    {
      "epoch": 0.05024,
      "grad_norm": 0.1119738221168518,
      "learning_rate": 0.00019975257731958762,
      "loss": 0.6731,
      "step": 157
    },
    {
      "epoch": 0.05056,
      "grad_norm": 0.12156844139099121,
      "learning_rate": 0.00019971134020618558,
      "loss": 0.7535,
      "step": 158
    },
    {
      "epoch": 0.05088,
      "grad_norm": 0.12900514900684357,
      "learning_rate": 0.00019967010309278351,
      "loss": 0.7378,
      "step": 159
    },
    {
      "epoch": 0.0512,
      "grad_norm": 0.12743592262268066,
      "learning_rate": 0.00019962886597938147,
      "loss": 0.6197,
      "step": 160
    },
    {
      "epoch": 0.05152,
      "grad_norm": 0.128151997923851,
      "learning_rate": 0.0001995876288659794,
      "loss": 0.7812,
      "step": 161
    },
    {
      "epoch": 0.05184,
      "grad_norm": 0.10753507912158966,
      "learning_rate": 0.00019954639175257733,
      "loss": 0.5774,
      "step": 162
    },
    {
      "epoch": 0.05216,
      "grad_norm": 0.11813949793577194,
      "learning_rate": 0.00019950515463917527,
      "loss": 0.6894,
      "step": 163
    },
    {
      "epoch": 0.05248,
      "grad_norm": 0.1340881586074829,
      "learning_rate": 0.0001994639175257732,
      "loss": 0.7193,
      "step": 164
    },
    {
      "epoch": 0.0528,
      "grad_norm": 0.10451763868331909,
      "learning_rate": 0.00019942268041237116,
      "loss": 0.572,
      "step": 165
    },
    {
      "epoch": 0.05312,
      "grad_norm": 0.10894517600536346,
      "learning_rate": 0.0001993814432989691,
      "loss": 0.7693,
      "step": 166
    },
    {
      "epoch": 0.05344,
      "grad_norm": 0.1243942379951477,
      "learning_rate": 0.00019934020618556702,
      "loss": 0.7805,
      "step": 167
    },
    {
      "epoch": 0.05376,
      "grad_norm": 0.14128854870796204,
      "learning_rate": 0.00019929896907216498,
      "loss": 0.8595,
      "step": 168
    },
    {
      "epoch": 0.05408,
      "grad_norm": 0.12148380279541016,
      "learning_rate": 0.00019925773195876288,
      "loss": 0.8954,
      "step": 169
    },
    {
      "epoch": 0.0544,
      "grad_norm": 0.10860492289066315,
      "learning_rate": 0.0001992164948453608,
      "loss": 0.8101,
      "step": 170
    },
    {
      "epoch": 0.05472,
      "grad_norm": 0.12292741239070892,
      "learning_rate": 0.00019917525773195877,
      "loss": 0.7965,
      "step": 171
    },
    {
      "epoch": 0.05504,
      "grad_norm": 0.13840395212173462,
      "learning_rate": 0.0001991340206185567,
      "loss": 0.7231,
      "step": 172
    },
    {
      "epoch": 0.05536,
      "grad_norm": 0.11291699856519699,
      "learning_rate": 0.00019909278350515466,
      "loss": 0.8247,
      "step": 173
    },
    {
      "epoch": 0.05568,
      "grad_norm": 0.11811841279268265,
      "learning_rate": 0.0001990515463917526,
      "loss": 0.8504,
      "step": 174
    },
    {
      "epoch": 0.056,
      "grad_norm": 0.11040613055229187,
      "learning_rate": 0.00019901030927835052,
      "loss": 0.6464,
      "step": 175
    },
    {
      "epoch": 0.05632,
      "grad_norm": 0.10370033234357834,
      "learning_rate": 0.00019896907216494845,
      "loss": 0.8016,
      "step": 176
    },
    {
      "epoch": 0.05664,
      "grad_norm": 0.11868111789226532,
      "learning_rate": 0.00019892783505154639,
      "loss": 0.7267,
      "step": 177
    },
    {
      "epoch": 0.05696,
      "grad_norm": 0.11893659085035324,
      "learning_rate": 0.00019888659793814434,
      "loss": 0.814,
      "step": 178
    },
    {
      "epoch": 0.05728,
      "grad_norm": 0.11829444020986557,
      "learning_rate": 0.00019884536082474227,
      "loss": 0.7852,
      "step": 179
    },
    {
      "epoch": 0.0576,
      "grad_norm": 0.10493418574333191,
      "learning_rate": 0.0001988041237113402,
      "loss": 0.6154,
      "step": 180
    },
    {
      "epoch": 0.05792,
      "grad_norm": 0.10895421355962753,
      "learning_rate": 0.00019876288659793816,
      "loss": 0.8663,
      "step": 181
    },
    {
      "epoch": 0.05824,
      "grad_norm": 0.11782484501600266,
      "learning_rate": 0.0001987216494845361,
      "loss": 0.7902,
      "step": 182
    },
    {
      "epoch": 0.05856,
      "grad_norm": 0.12639066576957703,
      "learning_rate": 0.00019868041237113403,
      "loss": 0.7381,
      "step": 183
    },
    {
      "epoch": 0.05888,
      "grad_norm": 0.1321602165699005,
      "learning_rate": 0.00019863917525773196,
      "loss": 0.9283,
      "step": 184
    },
    {
      "epoch": 0.0592,
      "grad_norm": 0.12468945235013962,
      "learning_rate": 0.0001985979381443299,
      "loss": 0.6641,
      "step": 185
    },
    {
      "epoch": 0.05952,
      "grad_norm": 0.12850762903690338,
      "learning_rate": 0.00019855670103092785,
      "loss": 0.8694,
      "step": 186
    },
    {
      "epoch": 0.05984,
      "grad_norm": 0.10586417466402054,
      "learning_rate": 0.00019851546391752578,
      "loss": 0.806,
      "step": 187
    },
    {
      "epoch": 0.06016,
      "grad_norm": 0.10202761739492416,
      "learning_rate": 0.00019847422680412374,
      "loss": 0.684,
      "step": 188
    },
    {
      "epoch": 0.06048,
      "grad_norm": 0.11566773056983948,
      "learning_rate": 0.00019843298969072167,
      "loss": 0.6737,
      "step": 189
    },
    {
      "epoch": 0.0608,
      "grad_norm": 0.12295495718717575,
      "learning_rate": 0.0001983917525773196,
      "loss": 0.6539,
      "step": 190
    },
    {
      "epoch": 0.06112,
      "grad_norm": 0.14126336574554443,
      "learning_rate": 0.00019835051546391753,
      "loss": 0.8539,
      "step": 191
    },
    {
      "epoch": 0.06144,
      "grad_norm": 0.1215134933590889,
      "learning_rate": 0.00019830927835051546,
      "loss": 0.7051,
      "step": 192
    },
    {
      "epoch": 0.06176,
      "grad_norm": 0.10785145312547684,
      "learning_rate": 0.00019826804123711342,
      "loss": 0.7877,
      "step": 193
    },
    {
      "epoch": 0.06208,
      "grad_norm": 0.1299588680267334,
      "learning_rate": 0.00019822680412371135,
      "loss": 0.7942,
      "step": 194
    },
    {
      "epoch": 0.0624,
      "grad_norm": 0.1072564497590065,
      "learning_rate": 0.00019818556701030928,
      "loss": 0.7055,
      "step": 195
    },
    {
      "epoch": 0.06272,
      "grad_norm": 0.12069325149059296,
      "learning_rate": 0.00019814432989690724,
      "loss": 0.9036,
      "step": 196
    },
    {
      "epoch": 0.06304,
      "grad_norm": 0.14454863965511322,
      "learning_rate": 0.00019810309278350517,
      "loss": 0.7567,
      "step": 197
    },
    {
      "epoch": 0.06336,
      "grad_norm": 0.11882466822862625,
      "learning_rate": 0.0001980618556701031,
      "loss": 0.5986,
      "step": 198
    },
    {
      "epoch": 0.06368,
      "grad_norm": 0.12222633510828018,
      "learning_rate": 0.00019802061855670104,
      "loss": 0.8493,
      "step": 199
    },
    {
      "epoch": 0.064,
      "grad_norm": 0.10818106681108475,
      "learning_rate": 0.00019797938144329897,
      "loss": 0.7932,
      "step": 200
    },
    {
      "epoch": 0.06432,
      "grad_norm": 0.1225774884223938,
      "learning_rate": 0.00019793814432989693,
      "loss": 0.7501,
      "step": 201
    },
    {
      "epoch": 0.06464,
      "grad_norm": 0.13827428221702576,
      "learning_rate": 0.00019789690721649486,
      "loss": 0.818,
      "step": 202
    },
    {
      "epoch": 0.06496,
      "grad_norm": 0.1145445853471756,
      "learning_rate": 0.0001978556701030928,
      "loss": 0.6433,
      "step": 203
    },
    {
      "epoch": 0.06528,
      "grad_norm": 0.11928769201040268,
      "learning_rate": 0.00019781443298969075,
      "loss": 0.7352,
      "step": 204
    },
    {
      "epoch": 0.0656,
      "grad_norm": 0.11696071177721024,
      "learning_rate": 0.00019777319587628865,
      "loss": 0.8499,
      "step": 205
    },
    {
      "epoch": 0.06592,
      "grad_norm": 0.1281200349330902,
      "learning_rate": 0.0001977319587628866,
      "loss": 0.7526,
      "step": 206
    },
    {
      "epoch": 0.06624,
      "grad_norm": 0.1270955204963684,
      "learning_rate": 0.00019769072164948454,
      "loss": 0.8456,
      "step": 207
    },
    {
      "epoch": 0.06656,
      "grad_norm": 0.12278109043836594,
      "learning_rate": 0.00019764948453608247,
      "loss": 0.5972,
      "step": 208
    },
    {
      "epoch": 0.06688,
      "grad_norm": 0.10781408101320267,
      "learning_rate": 0.00019760824742268043,
      "loss": 0.5967,
      "step": 209
    },
    {
      "epoch": 0.0672,
      "grad_norm": 0.12237494438886642,
      "learning_rate": 0.00019756701030927836,
      "loss": 0.7306,
      "step": 210
    },
    {
      "epoch": 0.06752,
      "grad_norm": 0.1100955531001091,
      "learning_rate": 0.00019752577319587632,
      "loss": 0.7579,
      "step": 211
    },
    {
      "epoch": 0.06784,
      "grad_norm": 0.11036559194326401,
      "learning_rate": 0.00019748453608247422,
      "loss": 0.6668,
      "step": 212
    },
    {
      "epoch": 0.06816,
      "grad_norm": 0.14552150666713715,
      "learning_rate": 0.00019744329896907216,
      "loss": 0.6668,
      "step": 213
    },
    {
      "epoch": 0.06848,
      "grad_norm": 0.11125028133392334,
      "learning_rate": 0.0001974020618556701,
      "loss": 0.7342,
      "step": 214
    },
    {
      "epoch": 0.0688,
      "grad_norm": 0.14329232275485992,
      "learning_rate": 0.00019736082474226804,
      "loss": 0.8708,
      "step": 215
    },
    {
      "epoch": 0.06912,
      "grad_norm": 0.11911016702651978,
      "learning_rate": 0.000197319587628866,
      "loss": 0.7224,
      "step": 216
    },
    {
      "epoch": 0.06944,
      "grad_norm": 0.12713277339935303,
      "learning_rate": 0.00019727835051546393,
      "loss": 0.7222,
      "step": 217
    },
    {
      "epoch": 0.06976,
      "grad_norm": 0.1140274852514267,
      "learning_rate": 0.00019723711340206187,
      "loss": 0.627,
      "step": 218
    },
    {
      "epoch": 0.07008,
      "grad_norm": 0.1070765033364296,
      "learning_rate": 0.0001971958762886598,
      "loss": 0.7514,
      "step": 219
    },
    {
      "epoch": 0.0704,
      "grad_norm": 0.09937503188848495,
      "learning_rate": 0.00019715463917525773,
      "loss": 0.7539,
      "step": 220
    },
    {
      "epoch": 0.07072,
      "grad_norm": 0.12137589603662491,
      "learning_rate": 0.0001971134020618557,
      "loss": 0.68,
      "step": 221
    },
    {
      "epoch": 0.07104,
      "grad_norm": 0.11091487109661102,
      "learning_rate": 0.00019707216494845362,
      "loss": 0.6904,
      "step": 222
    },
    {
      "epoch": 0.07136,
      "grad_norm": 0.10996535420417786,
      "learning_rate": 0.00019703092783505155,
      "loss": 0.6854,
      "step": 223
    },
    {
      "epoch": 0.07168,
      "grad_norm": 0.129950150847435,
      "learning_rate": 0.0001969896907216495,
      "loss": 0.7023,
      "step": 224
    },
    {
      "epoch": 0.072,
      "grad_norm": 0.13028115034103394,
      "learning_rate": 0.00019694845360824744,
      "loss": 0.6479,
      "step": 225
    },
    {
      "epoch": 0.07232,
      "grad_norm": 0.1166912168264389,
      "learning_rate": 0.00019690721649484537,
      "loss": 0.6498,
      "step": 226
    },
    {
      "epoch": 0.07264,
      "grad_norm": 0.1148250624537468,
      "learning_rate": 0.0001968659793814433,
      "loss": 0.7461,
      "step": 227
    },
    {
      "epoch": 0.07296,
      "grad_norm": 0.12639757990837097,
      "learning_rate": 0.00019682474226804123,
      "loss": 0.712,
      "step": 228
    },
    {
      "epoch": 0.07328,
      "grad_norm": 0.13229860365390778,
      "learning_rate": 0.0001967835051546392,
      "loss": 0.7447,
      "step": 229
    },
    {
      "epoch": 0.0736,
      "grad_norm": 0.11198769509792328,
      "learning_rate": 0.00019674226804123712,
      "loss": 0.7329,
      "step": 230
    },
    {
      "epoch": 0.07392,
      "grad_norm": 0.11425165086984634,
      "learning_rate": 0.00019670103092783505,
      "loss": 0.868,
      "step": 231
    },
    {
      "epoch": 0.07424,
      "grad_norm": 0.12034732848405838,
      "learning_rate": 0.000196659793814433,
      "loss": 0.7276,
      "step": 232
    },
    {
      "epoch": 0.07456,
      "grad_norm": 0.10866102576255798,
      "learning_rate": 0.00019661855670103094,
      "loss": 0.7338,
      "step": 233
    },
    {
      "epoch": 0.07488,
      "grad_norm": 0.12432979047298431,
      "learning_rate": 0.00019657731958762887,
      "loss": 0.8257,
      "step": 234
    },
    {
      "epoch": 0.0752,
      "grad_norm": 0.12356464564800262,
      "learning_rate": 0.0001965360824742268,
      "loss": 0.6813,
      "step": 235
    },
    {
      "epoch": 0.07552,
      "grad_norm": 0.1002034917473793,
      "learning_rate": 0.00019649484536082474,
      "loss": 0.7406,
      "step": 236
    },
    {
      "epoch": 0.07584,
      "grad_norm": 0.11528842151165009,
      "learning_rate": 0.0001964536082474227,
      "loss": 0.7597,
      "step": 237
    },
    {
      "epoch": 0.07616,
      "grad_norm": 0.11711521446704865,
      "learning_rate": 0.00019641237113402063,
      "loss": 0.6925,
      "step": 238
    },
    {
      "epoch": 0.07648,
      "grad_norm": 0.09948590397834778,
      "learning_rate": 0.00019637113402061859,
      "loss": 0.8017,
      "step": 239
    },
    {
      "epoch": 0.0768,
      "grad_norm": 0.11264682561159134,
      "learning_rate": 0.00019632989690721652,
      "loss": 0.6871,
      "step": 240
    },
    {
      "epoch": 0.07712,
      "grad_norm": 0.12238943576812744,
      "learning_rate": 0.00019628865979381442,
      "loss": 0.7113,
      "step": 241
    },
    {
      "epoch": 0.07744,
      "grad_norm": 0.11449657380580902,
      "learning_rate": 0.00019624742268041238,
      "loss": 0.7144,
      "step": 242
    },
    {
      "epoch": 0.07776,
      "grad_norm": 0.12212596088647842,
      "learning_rate": 0.0001962061855670103,
      "loss": 0.697,
      "step": 243
    },
    {
      "epoch": 0.07808,
      "grad_norm": 0.12231374531984329,
      "learning_rate": 0.00019616494845360827,
      "loss": 0.6955,
      "step": 244
    },
    {
      "epoch": 0.0784,
      "grad_norm": 0.11105109006166458,
      "learning_rate": 0.0001961237113402062,
      "loss": 0.8251,
      "step": 245
    },
    {
      "epoch": 0.07872,
      "grad_norm": 0.12369677424430847,
      "learning_rate": 0.00019608247422680413,
      "loss": 0.8814,
      "step": 246
    },
    {
      "epoch": 0.07904,
      "grad_norm": 0.12226764857769012,
      "learning_rate": 0.0001960412371134021,
      "loss": 0.7408,
      "step": 247
    },
    {
      "epoch": 0.07936,
      "grad_norm": 0.10316195338964462,
      "learning_rate": 0.000196,
      "loss": 0.792,
      "step": 248
    },
    {
      "epoch": 0.07968,
      "grad_norm": 0.12036872655153275,
      "learning_rate": 0.00019595876288659795,
      "loss": 0.6,
      "step": 249
    },
    {
      "epoch": 0.08,
      "grad_norm": 0.1140509843826294,
      "learning_rate": 0.00019591752577319588,
      "loss": 0.7599,
      "step": 250
    }
  ],
  "logging_steps": 1,
  "max_steps": 5000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 2,
  "save_steps": 250,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": false
      },
      "attributes": {}
    }
  },
  "total_flos": 1.0718337600855245e+17,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}