{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 1.0,
  "eval_steps": 500,
  "global_step": 3000,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.0003333333333333333,
      "grad_norm": 38.693565368652344,
      "learning_rate": 0.0,
      "loss": 2.1137,
      "num_tokens": 361.0,
      "step": 1
    },
    {
      "epoch": 0.0006666666666666666,
      "grad_norm": 43.185150146484375,
      "learning_rate": 2.2222222222222224e-07,
      "loss": 2.294,
      "num_tokens": 686.0,
      "step": 2
    },
    {
      "epoch": 0.001,
      "grad_norm": 28.609718322753906,
      "learning_rate": 4.444444444444445e-07,
      "loss": 1.4308,
      "num_tokens": 1148.0,
      "step": 3
    },
    {
      "epoch": 0.0013333333333333333,
      "grad_norm": 36.48204803466797,
      "learning_rate": 6.666666666666667e-07,
      "loss": 1.7668,
      "num_tokens": 1520.0,
      "step": 4
    },
    {
      "epoch": 0.0016666666666666668,
      "grad_norm": 24.83543586730957,
      "learning_rate": 8.88888888888889e-07,
      "loss": 1.4162,
      "num_tokens": 2102.0,
      "step": 5
    },
    {
      "epoch": 0.002,
      "grad_norm": 23.894432067871094,
      "learning_rate": 1.111111111111111e-06,
      "loss": 1.3135,
      "num_tokens": 2636.0,
      "step": 6
    },
    {
      "epoch": 0.0023333333333333335,
      "grad_norm": 31.298288345336914,
      "learning_rate": 1.3333333333333334e-06,
      "loss": 1.6684,
      "num_tokens": 3054.0,
      "step": 7
    },
    {
      "epoch": 0.0026666666666666666,
      "grad_norm": 32.86004638671875,
      "learning_rate": 1.5555555555555558e-06,
      "loss": 1.8066,
      "num_tokens": 3477.0,
      "step": 8
    },
    {
      "epoch": 0.003,
      "grad_norm": 29.840923309326172,
      "learning_rate": 1.777777777777778e-06,
      "loss": 1.7083,
      "num_tokens": 3923.0,
      "step": 9
    },
    {
      "epoch": 0.0033333333333333335,
      "grad_norm": 31.29963493347168,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 1.726,
      "num_tokens": 4347.0,
      "step": 10
    },
    {
      "epoch": 0.0036666666666666666,
      "grad_norm": 29.037662506103516,
      "learning_rate": 2.222222222222222e-06,
      "loss": 1.7684,
      "num_tokens": 4729.0,
      "step": 11
    },
    {
      "epoch": 0.004,
      "grad_norm": 23.98295783996582,
      "learning_rate": 2.4444444444444447e-06,
      "loss": 1.5255,
      "num_tokens": 5228.0,
      "step": 12
    },
    {
      "epoch": 0.004333333333333333,
      "grad_norm": 33.105438232421875,
      "learning_rate": 2.666666666666667e-06,
      "loss": 1.8375,
      "num_tokens": 5695.0,
      "step": 13
    },
    {
      "epoch": 0.004666666666666667,
      "grad_norm": 24.56332778930664,
      "learning_rate": 2.888888888888889e-06,
      "loss": 1.3411,
      "num_tokens": 6269.0,
      "step": 14
    },
    {
      "epoch": 0.005,
      "grad_norm": 29.936965942382812,
      "learning_rate": 3.1111111111111116e-06,
      "loss": 1.4998,
      "num_tokens": 6704.0,
      "step": 15
    },
    {
      "epoch": 0.005333333333333333,
      "grad_norm": 24.450599670410156,
      "learning_rate": 3.3333333333333333e-06,
      "loss": 1.2372,
      "num_tokens": 7216.0,
      "step": 16
    },
    {
      "epoch": 0.005666666666666667,
      "grad_norm": 36.662879943847656,
      "learning_rate": 3.555555555555556e-06,
      "loss": 1.8152,
      "num_tokens": 7557.0,
      "step": 17
    },
    {
      "epoch": 0.006,
      "grad_norm": 29.97691535949707,
      "learning_rate": 3.777777777777778e-06,
      "loss": 1.4676,
      "num_tokens": 8066.0,
      "step": 18
    },
    {
      "epoch": 0.006333333333333333,
      "grad_norm": 22.799442291259766,
      "learning_rate": 4.000000000000001e-06,
      "loss": 1.3192,
      "num_tokens": 8598.0,
      "step": 19
    },
    {
      "epoch": 0.006666666666666667,
      "grad_norm": 20.752830505371094,
      "learning_rate": 4.222222222222223e-06,
      "loss": 1.1207,
      "num_tokens": 9319.0,
      "step": 20
    },
    {
      "epoch": 0.007,
      "grad_norm": 31.14697265625,
      "learning_rate": 4.444444444444444e-06,
      "loss": 1.5056,
      "num_tokens": 9763.0,
      "step": 21
    },
    {
      "epoch": 0.007333333333333333,
      "grad_norm": 23.135406494140625,
      "learning_rate": 4.666666666666667e-06,
      "loss": 1.2748,
      "num_tokens": 10267.0,
      "step": 22
    },
    {
      "epoch": 0.007666666666666666,
      "grad_norm": 36.023582458496094,
      "learning_rate": 4.888888888888889e-06,
      "loss": 1.7945,
      "num_tokens": 10690.0,
      "step": 23
    },
    {
      "epoch": 0.008,
      "grad_norm": 36.81800842285156,
      "learning_rate": 5.1111111111111115e-06,
      "loss": 1.7839,
      "num_tokens": 11035.0,
      "step": 24
    },
    {
      "epoch": 0.008333333333333333,
      "grad_norm": 25.811994552612305,
      "learning_rate": 5.333333333333334e-06,
      "loss": 1.1284,
      "num_tokens": 11593.0,
      "step": 25
    },
    {
      "epoch": 0.008666666666666666,
      "grad_norm": 42.21250534057617,
      "learning_rate": 5.555555555555557e-06,
      "loss": 1.6988,
      "num_tokens": 11865.0,
      "step": 26
    },
    {
      "epoch": 0.009,
      "grad_norm": 42.604698181152344,
      "learning_rate": 5.777777777777778e-06,
      "loss": 1.5929,
      "num_tokens": 12171.0,
      "step": 27
    },
    {
      "epoch": 0.009333333333333334,
      "grad_norm": 29.70273780822754,
      "learning_rate": 6e-06,
      "loss": 1.285,
      "num_tokens": 12752.0,
      "step": 28
    },
    {
      "epoch": 0.009666666666666667,
      "grad_norm": 27.72660255432129,
      "learning_rate": 6.222222222222223e-06,
      "loss": 1.223,
      "num_tokens": 13298.0,
      "step": 29
    },
    {
      "epoch": 0.01,
      "grad_norm": 46.37014389038086,
      "learning_rate": 6.444444444444445e-06,
      "loss": 1.6382,
      "num_tokens": 13532.0,
      "step": 30
    },
    {
      "epoch": 0.010333333333333333,
      "grad_norm": 46.5230598449707,
      "learning_rate": 6.666666666666667e-06,
      "loss": 1.7266,
      "num_tokens": 13798.0,
      "step": 31
    },
    {
      "epoch": 0.010666666666666666,
      "grad_norm": 47.3441276550293,
      "learning_rate": 6.88888888888889e-06,
      "loss": 1.7317,
      "num_tokens": 14072.0,
      "step": 32
    },
    {
      "epoch": 0.011,
      "grad_norm": 27.955442428588867,
      "learning_rate": 7.111111111111112e-06,
      "loss": 1.0365,
      "num_tokens": 14601.0,
      "step": 33
    },
    {
      "epoch": 0.011333333333333334,
      "grad_norm": 43.39369583129883,
      "learning_rate": 7.333333333333333e-06,
      "loss": 1.4398,
      "num_tokens": 14937.0,
      "step": 34
    },
    {
      "epoch": 0.011666666666666667,
      "grad_norm": 40.29633712768555,
      "learning_rate": 7.555555555555556e-06,
      "loss": 1.6149,
      "num_tokens": 15286.0,
      "step": 35
    },
    {
      "epoch": 0.012,
      "grad_norm": 20.111738204956055,
      "learning_rate": 7.77777777777778e-06,
      "loss": 0.6088,
      "num_tokens": 16050.0,
      "step": 36
    },
    {
      "epoch": 0.012333333333333333,
      "grad_norm": 29.654382705688477,
      "learning_rate": 8.000000000000001e-06,
      "loss": 1.2927,
      "num_tokens": 16544.0,
      "step": 37
    },
    {
      "epoch": 0.012666666666666666,
      "grad_norm": 16.448333740234375,
      "learning_rate": 8.222222222222222e-06,
      "loss": 0.8493,
      "num_tokens": 17319.0,
      "step": 38
    },
    {
      "epoch": 0.013,
      "grad_norm": 27.586576461791992,
      "learning_rate": 8.444444444444446e-06,
      "loss": 1.0355,
      "num_tokens": 17698.0,
      "step": 39
    },
    {
      "epoch": 0.013333333333333334,
      "grad_norm": 32.87131118774414,
      "learning_rate": 8.666666666666668e-06,
      "loss": 1.2475,
      "num_tokens": 18006.0,
      "step": 40
    },
    {
      "epoch": 0.013666666666666667,
      "grad_norm": 29.923601150512695,
      "learning_rate": 8.888888888888888e-06,
      "loss": 1.1324,
      "num_tokens": 18317.0,
      "step": 41
    },
    {
      "epoch": 0.014,
      "grad_norm": 28.666540145874023,
      "learning_rate": 9.111111111111112e-06,
      "loss": 1.3494,
      "num_tokens": 18747.0,
      "step": 42
    },
    {
      "epoch": 0.014333333333333333,
      "grad_norm": 28.173542022705078,
      "learning_rate": 9.333333333333334e-06,
      "loss": 1.2247,
      "num_tokens": 19145.0,
      "step": 43
    },
    {
      "epoch": 0.014666666666666666,
      "grad_norm": 36.888771057128906,
      "learning_rate": 9.555555555555556e-06,
      "loss": 1.4138,
      "num_tokens": 19406.0,
      "step": 44
    },
    {
      "epoch": 0.015,
      "grad_norm": 29.955352783203125,
      "learning_rate": 9.777777777777779e-06,
      "loss": 1.2402,
      "num_tokens": 19798.0,
      "step": 45
    },
    {
      "epoch": 0.015333333333333332,
      "grad_norm": 34.99082946777344,
      "learning_rate": 1e-05,
      "loss": 1.3513,
      "num_tokens": 20197.0,
      "step": 46
    },
    {
      "epoch": 0.015666666666666666,
      "grad_norm": 19.46980094909668,
      "learning_rate": 1.0222222222222223e-05,
      "loss": 0.9691,
      "num_tokens": 20824.0,
      "step": 47
    },
    {
      "epoch": 0.016,
      "grad_norm": 39.789886474609375,
      "learning_rate": 1.0444444444444445e-05,
      "loss": 1.4411,
      "num_tokens": 21051.0,
      "step": 48
    },
    {
      "epoch": 0.01633333333333333,
      "grad_norm": 35.46992874145508,
      "learning_rate": 1.0666666666666667e-05,
      "loss": 1.1058,
      "num_tokens": 21313.0,
      "step": 49
    },
    {
      "epoch": 0.016666666666666666,
      "grad_norm": 25.426536560058594,
      "learning_rate": 1.088888888888889e-05,
      "loss": 0.7127,
      "num_tokens": 21803.0,
      "step": 50
    },
    {
      "epoch": 0.017,
      "grad_norm": 42.56973648071289,
      "learning_rate": 1.1111111111111113e-05,
      "loss": 1.4474,
      "num_tokens": 22066.0,
      "step": 51
    },
    {
      "epoch": 0.017333333333333333,
      "grad_norm": 46.8170280456543,
      "learning_rate": 1.1333333333333334e-05,
      "loss": 1.7022,
      "num_tokens": 22365.0,
      "step": 52
    },
    {
      "epoch": 0.017666666666666667,
      "grad_norm": 18.09953498840332,
      "learning_rate": 1.1555555555555556e-05,
      "loss": 0.5626,
      "num_tokens": 23041.0,
      "step": 53
    },
    {
      "epoch": 0.018,
      "grad_norm": 31.380340576171875,
      "learning_rate": 1.177777777777778e-05,
      "loss": 1.2924,
      "num_tokens": 23392.0,
      "step": 54
    },
    {
      "epoch": 0.018333333333333333,
      "grad_norm": 19.047426223754883,
      "learning_rate": 1.2e-05,
      "loss": 0.7544,
      "num_tokens": 24041.0,
      "step": 55
    },
    {
      "epoch": 0.018666666666666668,
      "grad_norm": 26.886062622070312,
      "learning_rate": 1.2222222222222224e-05,
      "loss": 0.928,
      "num_tokens": 24380.0,
      "step": 56
    },
    {
      "epoch": 0.019,
      "grad_norm": 23.94386100769043,
      "learning_rate": 1.2444444444444446e-05,
      "loss": 0.9419,
      "num_tokens": 24907.0,
      "step": 57
    },
    {
      "epoch": 0.019333333333333334,
      "grad_norm": 18.92233657836914,
      "learning_rate": 1.2666666666666667e-05,
      "loss": 0.7039,
      "num_tokens": 25568.0,
      "step": 58
    },
    {
      "epoch": 0.019666666666666666,
      "grad_norm": 19.097074508666992,
      "learning_rate": 1.288888888888889e-05,
      "loss": 0.5143,
      "num_tokens": 26060.0,
      "step": 59
    },
    {
      "epoch": 0.02,
      "grad_norm": 15.921392440795898,
      "learning_rate": 1.3111111111111113e-05,
      "loss": 0.5689,
      "num_tokens": 26734.0,
      "step": 60
    },
    {
      "epoch": 0.02033333333333333,
      "grad_norm": 27.684288024902344,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 0.8092,
      "num_tokens": 27163.0,
      "step": 61
    },
    {
      "epoch": 0.020666666666666667,
      "grad_norm": 18.429224014282227,
      "learning_rate": 1.3555555555555557e-05,
      "loss": 0.7444,
      "num_tokens": 27899.0,
      "step": 62
    },
    {
      "epoch": 0.021,
      "grad_norm": 23.421669006347656,
      "learning_rate": 1.377777777777778e-05,
      "loss": 0.6896,
      "num_tokens": 28423.0,
      "step": 63
    },
    {
      "epoch": 0.021333333333333333,
      "grad_norm": 15.85240650177002,
      "learning_rate": 1.4e-05,
      "loss": 0.437,
      "num_tokens": 29104.0,
      "step": 64
    },
    {
      "epoch": 0.021666666666666667,
      "grad_norm": 30.679582595825195,
      "learning_rate": 1.4222222222222224e-05,
      "loss": 1.066,
      "num_tokens": 29522.0,
      "step": 65
    },
    {
      "epoch": 0.022,
      "grad_norm": 17.78363800048828,
      "learning_rate": 1.4444444444444446e-05,
      "loss": 0.5131,
      "num_tokens": 30076.0,
      "step": 66
    },
    {
      "epoch": 0.022333333333333334,
      "grad_norm": 40.53913497924805,
      "learning_rate": 1.4666666666666666e-05,
      "loss": 1.0862,
      "num_tokens": 30341.0,
      "step": 67
    },
    {
      "epoch": 0.02266666666666667,
      "grad_norm": 34.97540283203125,
      "learning_rate": 1.488888888888889e-05,
      "loss": 1.0495,
      "num_tokens": 30632.0,
      "step": 68
    },
    {
      "epoch": 0.023,
      "grad_norm": 29.912694931030273,
      "learning_rate": 1.5111111111111112e-05,
      "loss": 0.9427,
      "num_tokens": 31163.0,
      "step": 69
    },
    {
      "epoch": 0.023333333333333334,
      "grad_norm": 25.413188934326172,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 0.7438,
      "num_tokens": 31628.0,
      "step": 70
    },
    {
      "epoch": 0.023666666666666666,
      "grad_norm": 34.44293975830078,
      "learning_rate": 1.555555555555556e-05,
      "loss": 0.9727,
      "num_tokens": 32034.0,
      "step": 71
    },
    {
      "epoch": 0.024,
      "grad_norm": 28.53512191772461,
      "learning_rate": 1.577777777777778e-05,
      "loss": 0.8153,
      "num_tokens": 32474.0,
      "step": 72
    },
    {
      "epoch": 0.024333333333333332,
      "grad_norm": 39.46715545654297,
      "learning_rate": 1.6000000000000003e-05,
      "loss": 1.1314,
      "num_tokens": 32780.0,
      "step": 73
    },
    {
      "epoch": 0.024666666666666667,
      "grad_norm": 36.03692626953125,
      "learning_rate": 1.6222222222222223e-05,
      "loss": 0.9333,
      "num_tokens": 33196.0,
      "step": 74
    },
    {
      "epoch": 0.025,
      "grad_norm": 39.39129638671875,
      "learning_rate": 1.6444444444444444e-05,
      "loss": 1.0913,
      "num_tokens": 33560.0,
      "step": 75
    },
    {
      "epoch": 0.025333333333333333,
      "grad_norm": 23.855283737182617,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 0.629,
      "num_tokens": 34081.0,
      "step": 76
    },
    {
      "epoch": 0.025666666666666667,
      "grad_norm": 32.56710433959961,
      "learning_rate": 1.688888888888889e-05,
      "loss": 0.7597,
      "num_tokens": 34463.0,
      "step": 77
    },
    {
      "epoch": 0.026,
      "grad_norm": 37.71162796020508,
      "learning_rate": 1.7111111111111112e-05,
      "loss": 0.7529,
      "num_tokens": 34800.0,
      "step": 78
    },
    {
      "epoch": 0.026333333333333334,
      "grad_norm": 26.309837341308594,
      "learning_rate": 1.7333333333333336e-05,
      "loss": 0.7952,
      "num_tokens": 35288.0,
      "step": 79
    },
    {
      "epoch": 0.02666666666666667,
      "grad_norm": 29.76045036315918,
      "learning_rate": 1.7555555555555556e-05,
      "loss": 0.898,
      "num_tokens": 35833.0,
      "step": 80
    },
    {
      "epoch": 0.027,
      "grad_norm": 44.31228256225586,
      "learning_rate": 1.7777777777777777e-05,
      "loss": 0.6862,
      "num_tokens": 36246.0,
      "step": 81
    },
    {
      "epoch": 0.027333333333333334,
      "grad_norm": 46.8188591003418,
      "learning_rate": 1.8e-05,
      "loss": 0.8244,
      "num_tokens": 36643.0,
      "step": 82
    },
    {
      "epoch": 0.027666666666666666,
      "grad_norm": 25.236698150634766,
      "learning_rate": 1.8222222222222224e-05,
      "loss": 0.5379,
      "num_tokens": 37123.0,
      "step": 83
    },
    {
      "epoch": 0.028,
      "grad_norm": 30.14456558227539,
      "learning_rate": 1.8444444444444448e-05,
      "loss": 0.7916,
      "num_tokens": 37550.0,
      "step": 84
    },
    {
      "epoch": 0.028333333333333332,
      "grad_norm": 33.02702713012695,
      "learning_rate": 1.866666666666667e-05,
      "loss": 0.9451,
      "num_tokens": 38070.0,
      "step": 85
    },
    {
      "epoch": 0.028666666666666667,
      "grad_norm": 31.214811325073242,
      "learning_rate": 1.888888888888889e-05,
      "loss": 0.924,
      "num_tokens": 38489.0,
      "step": 86
    },
    {
      "epoch": 0.029,
      "grad_norm": 31.31169891357422,
      "learning_rate": 1.9111111111111113e-05,
      "loss": 0.8122,
      "num_tokens": 38888.0,
      "step": 87
    },
    {
      "epoch": 0.029333333333333333,
      "grad_norm": 51.78118896484375,
      "learning_rate": 1.9333333333333333e-05,
      "loss": 1.4062,
      "num_tokens": 39124.0,
      "step": 88
    },
    {
      "epoch": 0.029666666666666668,
      "grad_norm": 49.784629821777344,
      "learning_rate": 1.9555555555555557e-05,
      "loss": 1.4039,
      "num_tokens": 39357.0,
      "step": 89
    },
    {
      "epoch": 0.03,
      "grad_norm": 32.8852424621582,
      "learning_rate": 1.977777777777778e-05,
      "loss": 0.8611,
      "num_tokens": 39688.0,
      "step": 90
    },
    {
      "epoch": 0.030333333333333334,
      "grad_norm": 27.8829402923584,
      "learning_rate": 2e-05,
      "loss": 0.6468,
      "num_tokens": 40302.0,
      "step": 91
    },
    {
      "epoch": 0.030666666666666665,
      "grad_norm": 19.131120681762695,
      "learning_rate": 1.9993127147766325e-05,
      "loss": 0.3804,
      "num_tokens": 41073.0,
      "step": 92
    },
    {
      "epoch": 0.031,
      "grad_norm": 45.563865661621094,
      "learning_rate": 1.9986254295532648e-05,
      "loss": 0.8627,
      "num_tokens": 41396.0,
      "step": 93
    },
    {
      "epoch": 0.03133333333333333,
      "grad_norm": 106.09317779541016,
      "learning_rate": 1.997938144329897e-05,
      "loss": 0.7264,
      "num_tokens": 41719.0,
      "step": 94
    },
    {
      "epoch": 0.03166666666666667,
      "grad_norm": 35.518741607666016,
      "learning_rate": 1.9972508591065294e-05,
      "loss": 0.6709,
      "num_tokens": 42160.0,
      "step": 95
    },
    {
      "epoch": 0.032,
      "grad_norm": 37.055946350097656,
      "learning_rate": 1.9965635738831617e-05,
      "loss": 0.8078,
      "num_tokens": 42524.0,
      "step": 96
    },
    {
      "epoch": 0.03233333333333333,
      "grad_norm": 24.255197525024414,
      "learning_rate": 1.995876288659794e-05,
      "loss": 0.4606,
      "num_tokens": 43203.0,
      "step": 97
    },
    {
      "epoch": 0.03266666666666666,
      "grad_norm": 29.15459632873535,
      "learning_rate": 1.9951890034364263e-05,
      "loss": 0.5941,
      "num_tokens": 43664.0,
      "step": 98
    },
    {
      "epoch": 0.033,
      "grad_norm": 35.85024642944336,
      "learning_rate": 1.9945017182130586e-05,
      "loss": 0.8284,
      "num_tokens": 44173.0,
      "step": 99
    },
    {
      "epoch": 0.03333333333333333,
      "grad_norm": 38.781044006347656,
      "learning_rate": 1.993814432989691e-05,
      "loss": 0.7819,
      "num_tokens": 44433.0,
      "step": 100
    },
    {
      "epoch": 0.033666666666666664,
      "grad_norm": 41.58073425292969,
      "learning_rate": 1.9931271477663232e-05,
      "loss": 0.7619,
      "num_tokens": 44789.0,
      "step": 101
    },
    {
      "epoch": 0.034,
      "grad_norm": 38.9767951965332,
      "learning_rate": 1.9924398625429555e-05,
      "loss": 0.63,
      "num_tokens": 45227.0,
      "step": 102
    },
    {
      "epoch": 0.034333333333333334,
      "grad_norm": 29.111162185668945,
      "learning_rate": 1.9917525773195878e-05,
      "loss": 0.5334,
      "num_tokens": 45706.0,
      "step": 103
    },
    {
      "epoch": 0.034666666666666665,
      "grad_norm": 71.87579345703125,
      "learning_rate": 1.99106529209622e-05,
      "loss": 0.8936,
      "num_tokens": 45889.0,
      "step": 104
    },
    {
      "epoch": 0.035,
      "grad_norm": 41.190216064453125,
      "learning_rate": 1.9903780068728524e-05,
      "loss": 0.6939,
      "num_tokens": 46259.0,
      "step": 105
    },
    {
      "epoch": 0.035333333333333335,
      "grad_norm": 26.37325096130371,
      "learning_rate": 1.9896907216494847e-05,
      "loss": 0.3244,
      "num_tokens": 46711.0,
      "step": 106
    },
    {
      "epoch": 0.035666666666666666,
      "grad_norm": 46.37792205810547,
      "learning_rate": 1.989003436426117e-05,
      "loss": 0.6545,
      "num_tokens": 47084.0,
      "step": 107
    },
    {
      "epoch": 0.036,
      "grad_norm": 51.581214904785156,
      "learning_rate": 1.9883161512027493e-05,
      "loss": 0.9856,
      "num_tokens": 47335.0,
      "step": 108
    },
    {
      "epoch": 0.036333333333333336,
      "grad_norm": 39.16628646850586,
      "learning_rate": 1.9876288659793816e-05,
      "loss": 0.5802,
      "num_tokens": 47700.0,
      "step": 109
    },
    {
      "epoch": 0.03666666666666667,
      "grad_norm": 49.509674072265625,
      "learning_rate": 1.986941580756014e-05,
      "loss": 0.6792,
      "num_tokens": 48241.0,
      "step": 110
    },
    {
      "epoch": 0.037,
      "grad_norm": 31.066896438598633,
      "learning_rate": 1.9862542955326462e-05,
      "loss": 0.3961,
      "num_tokens": 48883.0,
      "step": 111
    },
    {
      "epoch": 0.037333333333333336,
      "grad_norm": 45.2198371887207,
      "learning_rate": 1.9855670103092785e-05,
      "loss": 0.6237,
      "num_tokens": 49199.0,
      "step": 112
    },
    {
      "epoch": 0.03766666666666667,
      "grad_norm": 36.31977462768555,
      "learning_rate": 1.9848797250859108e-05,
      "loss": 0.5475,
      "num_tokens": 49563.0,
      "step": 113
    },
    {
      "epoch": 0.038,
      "grad_norm": 53.55656051635742,
      "learning_rate": 1.984192439862543e-05,
      "loss": 0.759,
      "num_tokens": 49800.0,
      "step": 114
    },
    {
      "epoch": 0.03833333333333333,
      "grad_norm": 59.153564453125,
      "learning_rate": 1.9835051546391754e-05,
      "loss": 0.8572,
      "num_tokens": 50062.0,
      "step": 115
    },
    {
      "epoch": 0.03866666666666667,
      "grad_norm": 44.873512268066406,
      "learning_rate": 1.9828178694158077e-05,
      "loss": 0.7592,
      "num_tokens": 50448.0,
      "step": 116
    },
    {
      "epoch": 0.039,
      "grad_norm": 28.518779754638672,
      "learning_rate": 1.98213058419244e-05,
      "loss": 0.5324,
      "num_tokens": 51003.0,
      "step": 117
    },
    {
      "epoch": 0.03933333333333333,
      "grad_norm": 31.778804779052734,
      "learning_rate": 1.9814432989690723e-05,
      "loss": 0.7501,
      "num_tokens": 51402.0,
      "step": 118
    },
    {
      "epoch": 0.03966666666666667,
      "grad_norm": 45.377174377441406,
      "learning_rate": 1.9807560137457046e-05,
      "loss": 0.7268,
      "num_tokens": 51830.0,
      "step": 119
    },
    {
      "epoch": 0.04,
      "grad_norm": 61.660404205322266,
      "learning_rate": 1.980068728522337e-05,
      "loss": 1.104,
      "num_tokens": 52072.0,
      "step": 120
    },
    {
      "epoch": 0.04033333333333333,
      "grad_norm": 56.84831619262695,
      "learning_rate": 1.9793814432989692e-05,
      "loss": 0.7133,
      "num_tokens": 52525.0,
      "step": 121
    },
    {
      "epoch": 0.04066666666666666,
      "grad_norm": 48.0130615234375,
      "learning_rate": 1.9786941580756015e-05,
      "loss": 0.777,
      "num_tokens": 52907.0,
      "step": 122
    },
    {
      "epoch": 0.041,
      "grad_norm": 31.287490844726562,
      "learning_rate": 1.9780068728522338e-05,
      "loss": 0.4348,
      "num_tokens": 53403.0,
      "step": 123
    },
    {
      "epoch": 0.04133333333333333,
      "grad_norm": 40.65329360961914,
      "learning_rate": 1.977319587628866e-05,
      "loss": 0.4505,
      "num_tokens": 53738.0,
      "step": 124
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 46.760494232177734,
      "learning_rate": 1.9766323024054984e-05,
      "loss": 0.7291,
      "num_tokens": 54053.0,
      "step": 125
    },
    {
      "epoch": 0.042,
      "grad_norm": 37.59110641479492,
      "learning_rate": 1.9759450171821307e-05,
      "loss": 0.6041,
      "num_tokens": 54430.0,
      "step": 126
    },
    {
      "epoch": 0.042333333333333334,
      "grad_norm": 25.520221710205078,
      "learning_rate": 1.975257731958763e-05,
      "loss": 0.4191,
      "num_tokens": 54914.0,
      "step": 127
    },
    {
      "epoch": 0.042666666666666665,
      "grad_norm": 46.34235382080078,
      "learning_rate": 1.9745704467353953e-05,
      "loss": 0.7747,
      "num_tokens": 55220.0,
      "step": 128
    },
    {
      "epoch": 0.043,
      "grad_norm": 27.52751922607422,
      "learning_rate": 1.9738831615120276e-05,
      "loss": 0.4035,
      "num_tokens": 55750.0,
      "step": 129
    },
    {
      "epoch": 0.043333333333333335,
      "grad_norm": 23.122865676879883,
      "learning_rate": 1.97319587628866e-05,
      "loss": 0.5519,
      "num_tokens": 56567.0,
      "step": 130
    },
    {
      "epoch": 0.043666666666666666,
      "grad_norm": 39.1663818359375,
      "learning_rate": 1.9725085910652922e-05,
      "loss": 0.6899,
      "num_tokens": 57023.0,
      "step": 131
    },
    {
      "epoch": 0.044,
      "grad_norm": 59.09794616699219,
      "learning_rate": 1.9718213058419245e-05,
      "loss": 0.8583,
      "num_tokens": 57323.0,
      "step": 132
    },
    {
      "epoch": 0.044333333333333336,
      "grad_norm": 49.28044891357422,
      "learning_rate": 1.9711340206185568e-05,
      "loss": 0.8628,
      "num_tokens": 57607.0,
      "step": 133
    },
    {
      "epoch": 0.04466666666666667,
      "grad_norm": 32.314552307128906,
      "learning_rate": 1.9704467353951894e-05,
      "loss": 0.5154,
      "num_tokens": 57967.0,
      "step": 134
    },
    {
      "epoch": 0.045,
      "grad_norm": 60.111358642578125,
      "learning_rate": 1.9697594501718217e-05,
      "loss": 0.9745,
      "num_tokens": 58165.0,
      "step": 135
    },
    {
      "epoch": 0.04533333333333334,
      "grad_norm": 41.377479553222656,
      "learning_rate": 1.969072164948454e-05,
      "loss": 0.572,
      "num_tokens": 58459.0,
      "step": 136
    },
    {
      "epoch": 0.04566666666666667,
      "grad_norm": 22.802507400512695,
      "learning_rate": 1.968384879725086e-05,
      "loss": 0.3414,
      "num_tokens": 59214.0,
      "step": 137
    },
    {
      "epoch": 0.046,
      "grad_norm": 28.913257598876953,
      "learning_rate": 1.9676975945017183e-05,
      "loss": 0.4311,
      "num_tokens": 59738.0,
      "step": 138
    },
    {
      "epoch": 0.04633333333333333,
      "grad_norm": 38.25550079345703,
      "learning_rate": 1.9670103092783506e-05,
      "loss": 0.5357,
      "num_tokens": 60244.0,
      "step": 139
    },
    {
      "epoch": 0.04666666666666667,
      "grad_norm": 52.360877990722656,
      "learning_rate": 1.966323024054983e-05,
      "loss": 0.6839,
      "num_tokens": 60544.0,
      "step": 140
    },
    {
      "epoch": 0.047,
      "grad_norm": 43.630741119384766,
      "learning_rate": 1.9656357388316152e-05,
      "loss": 0.5714,
      "num_tokens": 60950.0,
      "step": 141
    },
    {
      "epoch": 0.04733333333333333,
      "grad_norm": 89.2325668334961,
      "learning_rate": 1.9649484536082475e-05,
      "loss": 0.9632,
      "num_tokens": 61260.0,
      "step": 142
    },
    {
      "epoch": 0.04766666666666667,
      "grad_norm": 39.44340515136719,
      "learning_rate": 1.9642611683848798e-05,
      "loss": 0.4943,
      "num_tokens": 61649.0,
      "step": 143
    },
    {
      "epoch": 0.048,
      "grad_norm": 48.94532775878906,
      "learning_rate": 1.963573883161512e-05,
      "loss": 0.5266,
      "num_tokens": 61950.0,
      "step": 144
    },
    {
      "epoch": 0.04833333333333333,
      "grad_norm": 27.165708541870117,
      "learning_rate": 1.9628865979381444e-05,
      "loss": 0.3441,
      "num_tokens": 62498.0,
      "step": 145
    },
    {
      "epoch": 0.048666666666666664,
      "grad_norm": 29.748661041259766,
      "learning_rate": 1.9621993127147767e-05,
      "loss": 0.3737,
      "num_tokens": 62947.0,
      "step": 146
    },
    {
      "epoch": 0.049,
      "grad_norm": 57.51644515991211,
      "learning_rate": 1.961512027491409e-05,
      "loss": 1.0173,
      "num_tokens": 63245.0,
      "step": 147
    },
    {
      "epoch": 0.04933333333333333,
      "grad_norm": 44.324642181396484,
      "learning_rate": 1.9608247422680413e-05,
      "loss": 0.7786,
      "num_tokens": 63558.0,
      "step": 148
    },
    {
      "epoch": 0.049666666666666665,
      "grad_norm": 33.15813446044922,
      "learning_rate": 1.9601374570446736e-05,
      "loss": 0.7298,
      "num_tokens": 63901.0,
      "step": 149
    },
    {
      "epoch": 0.05,
      "grad_norm": 26.945276260375977,
      "learning_rate": 1.959450171821306e-05,
      "loss": 0.423,
      "num_tokens": 64302.0,
      "step": 150
    },
    {
      "epoch": 0.050333333333333334,
      "grad_norm": 34.425323486328125,
      "learning_rate": 1.9587628865979382e-05,
      "loss": 0.5306,
      "num_tokens": 64607.0,
      "step": 151
    },
    {
      "epoch": 0.050666666666666665,
      "grad_norm": 35.405426025390625,
      "learning_rate": 1.9580756013745705e-05,
      "loss": 0.8008,
      "num_tokens": 64979.0,
      "step": 152
    },
    {
      "epoch": 0.051,
      "grad_norm": 24.993913650512695,
      "learning_rate": 1.9573883161512028e-05,
      "loss": 0.3944,
      "num_tokens": 65449.0,
      "step": 153
    },
    {
      "epoch": 0.051333333333333335,
      "grad_norm": 32.408164978027344,
      "learning_rate": 1.956701030927835e-05,
      "loss": 0.4516,
      "num_tokens": 65931.0,
      "step": 154
    },
    {
      "epoch": 0.051666666666666666,
      "grad_norm": 43.65980529785156,
      "learning_rate": 1.9560137457044674e-05,
      "loss": 0.5932,
      "num_tokens": 66248.0,
      "step": 155
    },
    {
      "epoch": 0.052,
      "grad_norm": 33.937294006347656,
      "learning_rate": 1.9553264604810997e-05,
      "loss": 0.5121,
      "num_tokens": 66657.0,
      "step": 156
    },
    {
      "epoch": 0.052333333333333336,
      "grad_norm": 68.75544738769531,
      "learning_rate": 1.954639175257732e-05,
      "loss": 0.9235,
      "num_tokens": 67022.0,
      "step": 157
    },
    {
      "epoch": 0.05266666666666667,
      "grad_norm": 41.165531158447266,
      "learning_rate": 1.9539518900343643e-05,
      "loss": 0.5203,
      "num_tokens": 67350.0,
      "step": 158
    },
    {
      "epoch": 0.053,
      "grad_norm": 54.83644485473633,
      "learning_rate": 1.9532646048109966e-05,
      "loss": 1.0963,
      "num_tokens": 67643.0,
      "step": 159
    },
    {
      "epoch": 0.05333333333333334,
      "grad_norm": 29.313854217529297,
      "learning_rate": 1.952577319587629e-05,
      "loss": 0.4767,
      "num_tokens": 68025.0,
      "step": 160
    },
    {
      "epoch": 0.05366666666666667,
      "grad_norm": 35.819583892822266,
      "learning_rate": 1.9518900343642612e-05,
      "loss": 0.3438,
      "num_tokens": 68520.0,
      "step": 161
    },
    {
      "epoch": 0.054,
      "grad_norm": 29.85780906677246,
      "learning_rate": 1.9512027491408935e-05,
      "loss": 0.3983,
      "num_tokens": 68991.0,
      "step": 162
    },
    {
      "epoch": 0.05433333333333333,
      "grad_norm": 29.019607543945312,
      "learning_rate": 1.9505154639175258e-05,
      "loss": 0.2906,
      "num_tokens": 69397.0,
      "step": 163
    },
    {
      "epoch": 0.05466666666666667,
      "grad_norm": 41.16508483886719,
      "learning_rate": 1.949828178694158e-05,
      "loss": 0.6767,
      "num_tokens": 69677.0,
      "step": 164
    },
    {
      "epoch": 0.055,
      "grad_norm": 39.70085525512695,
      "learning_rate": 1.9491408934707904e-05,
      "loss": 0.6332,
      "num_tokens": 70147.0,
      "step": 165
    },
    {
      "epoch": 0.05533333333333333,
      "grad_norm": 53.46763610839844,
      "learning_rate": 1.9484536082474227e-05,
      "loss": 0.5392,
      "num_tokens": 70612.0,
      "step": 166
    },
    {
      "epoch": 0.05566666666666667,
      "grad_norm": 35.790184020996094,
      "learning_rate": 1.947766323024055e-05,
      "loss": 0.6766,
      "num_tokens": 70969.0,
      "step": 167
    },
    {
      "epoch": 0.056,
      "grad_norm": 39.647796630859375,
      "learning_rate": 1.9470790378006873e-05,
      "loss": 0.3815,
      "num_tokens": 71323.0,
      "step": 168
    },
    {
      "epoch": 0.05633333333333333,
      "grad_norm": 48.281253814697266,
      "learning_rate": 1.9463917525773196e-05,
      "loss": 0.4961,
      "num_tokens": 71700.0,
      "step": 169
    },
    {
      "epoch": 0.056666666666666664,
      "grad_norm": 51.821678161621094,
      "learning_rate": 1.945704467353952e-05,
      "loss": 0.5283,
      "num_tokens": 71949.0,
      "step": 170
    },
    {
      "epoch": 0.057,
      "grad_norm": 29.05267333984375,
      "learning_rate": 1.9450171821305842e-05,
      "loss": 0.264,
      "num_tokens": 72519.0,
      "step": 171
    },
    {
      "epoch": 0.05733333333333333,
      "grad_norm": 61.313987731933594,
      "learning_rate": 1.9443298969072165e-05,
      "loss": 0.7374,
      "num_tokens": 72913.0,
      "step": 172
    },
    {
      "epoch": 0.057666666666666665,
      "grad_norm": 26.462854385375977,
      "learning_rate": 1.943642611683849e-05,
      "loss": 0.2636,
      "num_tokens": 73323.0,
      "step": 173
    },
    {
      "epoch": 0.058,
      "grad_norm": 50.9460334777832,
      "learning_rate": 1.942955326460481e-05,
      "loss": 0.3442,
      "num_tokens": 73620.0,
      "step": 174
    },
    {
      "epoch": 0.058333333333333334,
      "grad_norm": 23.931690216064453,
      "learning_rate": 1.9422680412371134e-05,
      "loss": 0.3902,
      "num_tokens": 74151.0,
      "step": 175
    },
    {
      "epoch": 0.058666666666666666,
      "grad_norm": 21.215919494628906,
      "learning_rate": 1.9415807560137457e-05,
      "loss": 0.3633,
      "num_tokens": 74805.0,
      "step": 176
    },
    {
      "epoch": 0.059,
      "grad_norm": 60.89375305175781,
      "learning_rate": 1.940893470790378e-05,
      "loss": 0.6018,
      "num_tokens": 75195.0,
      "step": 177
    },
    {
      "epoch": 0.059333333333333335,
      "grad_norm": 42.124778747558594,
      "learning_rate": 1.9402061855670103e-05,
      "loss": 0.4916,
      "num_tokens": 75548.0,
      "step": 178
    },
    {
      "epoch": 0.059666666666666666,
      "grad_norm": 33.59177017211914,
      "learning_rate": 1.9395189003436426e-05,
      "loss": 0.39,
      "num_tokens": 76000.0,
      "step": 179
    },
    {
      "epoch": 0.06,
      "grad_norm": 51.772823333740234,
      "learning_rate": 1.938831615120275e-05,
      "loss": 0.8052,
      "num_tokens": 76349.0,
      "step": 180
    },
    {
      "epoch": 0.060333333333333336,
      "grad_norm": 45.656394958496094,
      "learning_rate": 1.9381443298969072e-05,
      "loss": 0.3082,
      "num_tokens": 76662.0,
      "step": 181
    },
    {
      "epoch": 0.06066666666666667,
      "grad_norm": 41.994239807128906,
      "learning_rate": 1.9374570446735395e-05,
      "loss": 0.6735,
      "num_tokens": 76921.0,
      "step": 182
    },
    {
      "epoch": 0.061,
      "grad_norm": 35.1087532043457,
      "learning_rate": 1.936769759450172e-05,
      "loss": 0.7214,
      "num_tokens": 77295.0,
      "step": 183
    },
    {
      "epoch": 0.06133333333333333,
      "grad_norm": 24.77341651916504,
      "learning_rate": 1.936082474226804e-05,
      "loss": 0.2811,
      "num_tokens": 77845.0,
      "step": 184
    },
    {
      "epoch": 0.06166666666666667,
      "grad_norm": 38.481082916259766,
      "learning_rate": 1.9353951890034364e-05,
      "loss": 0.5725,
      "num_tokens": 78171.0,
      "step": 185
    },
    {
      "epoch": 0.062,
      "grad_norm": 67.54834747314453,
      "learning_rate": 1.9347079037800687e-05,
      "loss": 0.5216,
      "num_tokens": 78442.0,
      "step": 186
    },
    {
      "epoch": 0.06233333333333333,
      "grad_norm": 27.833383560180664,
      "learning_rate": 1.934020618556701e-05,
      "loss": 0.3439,
      "num_tokens": 79093.0,
      "step": 187
    },
    {
      "epoch": 0.06266666666666666,
      "grad_norm": 39.93423080444336,
      "learning_rate": 1.9333333333333333e-05,
      "loss": 0.5933,
      "num_tokens": 79497.0,
      "step": 188
    },
    {
      "epoch": 0.063,
      "grad_norm": 51.19853210449219,
      "learning_rate": 1.9326460481099656e-05,
      "loss": 0.4533,
      "num_tokens": 79866.0,
      "step": 189
    },
    {
      "epoch": 0.06333333333333334,
      "grad_norm": 25.23544692993164,
      "learning_rate": 1.9319587628865983e-05,
      "loss": 0.2993,
      "num_tokens": 80306.0,
      "step": 190
    },
    {
      "epoch": 0.06366666666666666,
      "grad_norm": 35.64771270751953,
      "learning_rate": 1.9312714776632306e-05,
      "loss": 0.5268,
      "num_tokens": 80648.0,
      "step": 191
    },
    {
      "epoch": 0.064,
      "grad_norm": 28.292673110961914,
      "learning_rate": 1.930584192439863e-05,
      "loss": 0.4779,
      "num_tokens": 81402.0,
      "step": 192
    },
    {
      "epoch": 0.06433333333333334,
      "grad_norm": 74.62162017822266,
      "learning_rate": 1.9298969072164952e-05,
      "loss": 0.6907,
      "num_tokens": 81701.0,
      "step": 193
    },
    {
      "epoch": 0.06466666666666666,
      "grad_norm": 27.109350204467773,
      "learning_rate": 1.9292096219931275e-05,
      "loss": 0.5587,
      "num_tokens": 82255.0,
      "step": 194
    },
    {
      "epoch": 0.065,
      "grad_norm": 33.1630859375,
      "learning_rate": 1.9285223367697598e-05,
      "loss": 0.6041,
      "num_tokens": 82518.0,
      "step": 195
    },
    {
      "epoch": 0.06533333333333333,
      "grad_norm": 52.33440399169922,
      "learning_rate": 1.927835051546392e-05,
      "loss": 0.6438,
      "num_tokens": 82800.0,
      "step": 196
    },
    {
      "epoch": 0.06566666666666666,
      "grad_norm": 65.91926574707031,
      "learning_rate": 1.9271477663230244e-05,
      "loss": 0.678,
      "num_tokens": 83132.0,
      "step": 197
    },
    {
      "epoch": 0.066,
      "grad_norm": 30.52640151977539,
      "learning_rate": 1.9264604810996567e-05,
      "loss": 0.3446,
      "num_tokens": 83695.0,
      "step": 198
    },
    {
      "epoch": 0.06633333333333333,
      "grad_norm": 38.359169006347656,
      "learning_rate": 1.925773195876289e-05,
      "loss": 0.5499,
      "num_tokens": 84086.0,
      "step": 199
    },
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 51.04586410522461,
      "learning_rate": 1.9250859106529213e-05,
      "loss": 0.3828,
      "num_tokens": 84686.0,
      "step": 200
    },
    {
      "epoch": 0.067,
      "grad_norm": 34.816532135009766,
      "learning_rate": 1.9243986254295536e-05,
      "loss": 0.505,
      "num_tokens": 84979.0,
      "step": 201
    },
    {
      "epoch": 0.06733333333333333,
      "grad_norm": 18.85448455810547,
      "learning_rate": 1.923711340206186e-05,
      "loss": 0.2021,
      "num_tokens": 85432.0,
      "step": 202
    },
    {
      "epoch": 0.06766666666666667,
      "grad_norm": 42.22898864746094,
      "learning_rate": 1.9230240549828182e-05,
      "loss": 0.3962,
      "num_tokens": 85868.0,
      "step": 203
    },
    {
      "epoch": 0.068,
      "grad_norm": 39.08232498168945,
      "learning_rate": 1.9223367697594505e-05,
      "loss": 0.2846,
      "num_tokens": 86170.0,
      "step": 204
    },
    {
      "epoch": 0.06833333333333333,
      "grad_norm": 28.131832122802734,
      "learning_rate": 1.9216494845360828e-05,
      "loss": 0.442,
      "num_tokens": 86632.0,
      "step": 205
    },
    {
      "epoch": 0.06866666666666667,
      "grad_norm": 19.677894592285156,
      "learning_rate": 1.920962199312715e-05,
      "loss": 0.2671,
      "num_tokens": 87348.0,
      "step": 206
    },
    {
      "epoch": 0.069,
      "grad_norm": 31.017032623291016,
      "learning_rate": 1.9202749140893474e-05,
      "loss": 0.4425,
      "num_tokens": 87933.0,
      "step": 207
    },
    {
      "epoch": 0.06933333333333333,
      "grad_norm": 35.77029037475586,
      "learning_rate": 1.9195876288659797e-05,
      "loss": 0.3192,
      "num_tokens": 88396.0,
      "step": 208
    },
    {
      "epoch": 0.06966666666666667,
      "grad_norm": 23.739906311035156,
      "learning_rate": 1.918900343642612e-05,
      "loss": 0.4411,
      "num_tokens": 88983.0,
      "step": 209
    },
    {
      "epoch": 0.07,
      "grad_norm": 31.48282814025879,
      "learning_rate": 1.9182130584192443e-05,
      "loss": 0.5169,
      "num_tokens": 89334.0,
      "step": 210
    },
    {
      "epoch": 0.07033333333333333,
      "grad_norm": 24.556678771972656,
      "learning_rate": 1.9175257731958766e-05,
      "loss": 0.39,
      "num_tokens": 89777.0,
      "step": 211
    },
    {
      "epoch": 0.07066666666666667,
      "grad_norm": 68.45114135742188,
      "learning_rate": 1.916838487972509e-05,
      "loss": 0.5197,
      "num_tokens": 90109.0,
      "step": 212
    },
    {
      "epoch": 0.071,
      "grad_norm": 34.41621398925781,
      "learning_rate": 1.9161512027491412e-05,
      "loss": 0.6847,
      "num_tokens": 90410.0,
      "step": 213
    },
    {
      "epoch": 0.07133333333333333,
      "grad_norm": 22.215696334838867,
      "learning_rate": 1.9154639175257735e-05,
      "loss": 0.3468,
      "num_tokens": 90769.0,
      "step": 214
    },
    {
      "epoch": 0.07166666666666667,
      "grad_norm": 52.59676742553711,
      "learning_rate": 1.9147766323024058e-05,
      "loss": 0.5198,
      "num_tokens": 91092.0,
      "step": 215
    },
    {
      "epoch": 0.072,
      "grad_norm": 55.20315170288086,
      "learning_rate": 1.914089347079038e-05,
      "loss": 0.3788,
      "num_tokens": 91513.0,
      "step": 216
    },
    {
      "epoch": 0.07233333333333333,
      "grad_norm": 36.25192642211914,
      "learning_rate": 1.9134020618556704e-05,
      "loss": 0.2284,
      "num_tokens": 92108.0,
      "step": 217
    },
    {
      "epoch": 0.07266666666666667,
      "grad_norm": 44.73360824584961,
      "learning_rate": 1.9127147766323027e-05,
      "loss": 0.4676,
      "num_tokens": 92437.0,
      "step": 218
    },
    {
      "epoch": 0.073,
      "grad_norm": 23.987049102783203,
      "learning_rate": 1.912027491408935e-05,
      "loss": 0.3399,
      "num_tokens": 93037.0,
      "step": 219
    },
    {
      "epoch": 0.07333333333333333,
      "grad_norm": 17.397918701171875,
      "learning_rate": 1.9113402061855673e-05,
      "loss": 0.4112,
      "num_tokens": 93954.0,
      "step": 220
    },
    {
      "epoch": 0.07366666666666667,
      "grad_norm": 28.199684143066406,
      "learning_rate": 1.9106529209621996e-05,
      "loss": 0.4351,
      "num_tokens": 94304.0,
      "step": 221
    },
    {
      "epoch": 0.074,
      "grad_norm": 30.274017333984375,
      "learning_rate": 1.909965635738832e-05,
      "loss": 0.5721,
      "num_tokens": 94811.0,
      "step": 222
    },
    {
      "epoch": 0.07433333333333333,
      "grad_norm": 25.99551010131836,
      "learning_rate": 1.9092783505154642e-05,
      "loss": 0.383,
      "num_tokens": 95218.0,
      "step": 223
    },
    {
      "epoch": 0.07466666666666667,
      "grad_norm": 40.39858627319336,
      "learning_rate": 1.9085910652920965e-05,
      "loss": 0.6362,
      "num_tokens": 95466.0,
      "step": 224
    },
    {
      "epoch": 0.075,
      "grad_norm": 38.4858512878418,
      "learning_rate": 1.9079037800687288e-05,
      "loss": 0.6524,
      "num_tokens": 95810.0,
      "step": 225
    },
    {
      "epoch": 0.07533333333333334,
      "grad_norm": 28.182748794555664,
      "learning_rate": 1.907216494845361e-05,
      "loss": 0.3862,
      "num_tokens": 96222.0,
      "step": 226
    },
    {
      "epoch": 0.07566666666666666,
      "grad_norm": 53.8346061706543,
      "learning_rate": 1.9065292096219934e-05,
      "loss": 0.7188,
      "num_tokens": 96492.0,
      "step": 227
    },
    {
      "epoch": 0.076,
      "grad_norm": 37.86222839355469,
      "learning_rate": 1.9058419243986254e-05,
      "loss": 0.5718,
      "num_tokens": 96933.0,
      "step": 228
    },
    {
      "epoch": 0.07633333333333334,
      "grad_norm": 25.68267822265625,
      "learning_rate": 1.9051546391752577e-05,
      "loss": 0.3106,
      "num_tokens": 97343.0,
      "step": 229
    },
    {
      "epoch": 0.07666666666666666,
      "grad_norm": 22.319507598876953,
      "learning_rate": 1.90446735395189e-05,
      "loss": 0.2089,
      "num_tokens": 97975.0,
      "step": 230
    },
    {
      "epoch": 0.077,
      "grad_norm": 74.07844543457031,
      "learning_rate": 1.9037800687285223e-05,
      "loss": 0.4634,
      "num_tokens": 98227.0,
      "step": 231
    },
    {
      "epoch": 0.07733333333333334,
      "grad_norm": 34.40934753417969,
      "learning_rate": 1.9030927835051546e-05,
      "loss": 0.3483,
      "num_tokens": 98640.0,
      "step": 232
    },
    {
      "epoch": 0.07766666666666666,
      "grad_norm": 50.5785026550293,
      "learning_rate": 1.902405498281787e-05,
      "loss": 0.4364,
      "num_tokens": 99092.0,
      "step": 233
    },
    {
      "epoch": 0.078,
      "grad_norm": 26.721572875976562,
      "learning_rate": 1.9017182130584192e-05,
      "loss": 0.3061,
      "num_tokens": 99551.0,
      "step": 234
    },
    {
      "epoch": 0.07833333333333334,
      "grad_norm": 32.01909255981445,
      "learning_rate": 1.9010309278350515e-05,
      "loss": 0.4861,
      "num_tokens": 100033.0,
      "step": 235
    },
    {
      "epoch": 0.07866666666666666,
      "grad_norm": 33.3321418762207,
      "learning_rate": 1.9003436426116838e-05,
      "loss": 0.317,
      "num_tokens": 100407.0,
      "step": 236
    },
    {
      "epoch": 0.079,
      "grad_norm": 32.01106643676758,
      "learning_rate": 1.899656357388316e-05,
      "loss": 0.5347,
      "num_tokens": 100769.0,
      "step": 237
    },
    {
      "epoch": 0.07933333333333334,
      "grad_norm": 28.268598556518555,
      "learning_rate": 1.8989690721649484e-05,
      "loss": 0.5645,
      "num_tokens": 101194.0,
      "step": 238
    },
    {
      "epoch": 0.07966666666666666,
      "grad_norm": 39.21891403198242,
      "learning_rate": 1.8982817869415807e-05,
      "loss": 0.3107,
      "num_tokens": 101699.0,
      "step": 239
    },
    {
      "epoch": 0.08,
      "grad_norm": 25.772802352905273,
      "learning_rate": 1.897594501718213e-05,
      "loss": 0.3832,
      "num_tokens": 102110.0,
      "step": 240
    },
    {
      "epoch": 0.08033333333333334,
      "grad_norm": 36.86875534057617,
      "learning_rate": 1.8969072164948453e-05,
      "loss": 0.3777,
      "num_tokens": 102595.0,
      "step": 241
    },
    {
      "epoch": 0.08066666666666666,
      "grad_norm": 23.152475357055664,
      "learning_rate": 1.8962199312714776e-05,
      "loss": 0.4279,
      "num_tokens": 103054.0,
      "step": 242
    },
    {
      "epoch": 0.081,
      "grad_norm": 83.08087158203125,
      "learning_rate": 1.89553264604811e-05,
      "loss": 0.628,
      "num_tokens": 103348.0,
      "step": 243
    },
    {
      "epoch": 0.08133333333333333,
      "grad_norm": 20.99436378479004,
      "learning_rate": 1.8948453608247422e-05,
      "loss": 0.374,
      "num_tokens": 103921.0,
      "step": 244
    },
    {
      "epoch": 0.08166666666666667,
      "grad_norm": 24.986034393310547,
      "learning_rate": 1.8941580756013745e-05,
      "loss": 0.3785,
      "num_tokens": 104337.0,
      "step": 245
    },
    {
      "epoch": 0.082,
      "grad_norm": 30.015289306640625,
      "learning_rate": 1.8934707903780068e-05,
      "loss": 0.2752,
      "num_tokens": 105018.0,
      "step": 246
    },
    {
      "epoch": 0.08233333333333333,
      "grad_norm": 43.70608139038086,
      "learning_rate": 1.8927835051546394e-05,
      "loss": 0.8207,
      "num_tokens": 105226.0,
      "step": 247
    },
    {
      "epoch": 0.08266666666666667,
      "grad_norm": 36.09286880493164,
      "learning_rate": 1.8920962199312717e-05,
      "loss": 0.6912,
      "num_tokens": 105504.0,
      "step": 248
    },
    {
      "epoch": 0.083,
      "grad_norm": 29.150175094604492,
      "learning_rate": 1.891408934707904e-05,
      "loss": 0.5351,
      "num_tokens": 105974.0,
      "step": 249
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 43.00098419189453,
      "learning_rate": 1.8907216494845363e-05,
      "loss": 0.4506,
      "num_tokens": 106303.0,
      "step": 250
    },
    {
      "epoch": 0.08366666666666667,
      "grad_norm": 30.279096603393555,
      "learning_rate": 1.8900343642611686e-05,
      "loss": 0.5209,
      "num_tokens": 106653.0,
      "step": 251
    },
    {
      "epoch": 0.084,
      "grad_norm": 38.54591369628906,
      "learning_rate": 1.889347079037801e-05,
      "loss": 0.5705,
      "num_tokens": 106905.0,
      "step": 252
    },
    {
      "epoch": 0.08433333333333333,
      "grad_norm": 21.60423469543457,
      "learning_rate": 1.8886597938144332e-05,
      "loss": 0.3229,
      "num_tokens": 107296.0,
      "step": 253
    },
    {
      "epoch": 0.08466666666666667,
      "grad_norm": 39.48002243041992,
      "learning_rate": 1.8879725085910655e-05,
      "loss": 0.5134,
      "num_tokens": 107611.0,
      "step": 254
    },
    {
      "epoch": 0.085,
      "grad_norm": 37.47301483154297,
      "learning_rate": 1.887285223367698e-05,
      "loss": 0.3487,
      "num_tokens": 108129.0,
      "step": 255
    },
    {
      "epoch": 0.08533333333333333,
      "grad_norm": 44.64371109008789,
      "learning_rate": 1.88659793814433e-05,
      "loss": 0.4894,
      "num_tokens": 108553.0,
      "step": 256
    },
    {
      "epoch": 0.08566666666666667,
      "grad_norm": 22.639005661010742,
      "learning_rate": 1.8859106529209624e-05,
      "loss": 0.4092,
      "num_tokens": 109095.0,
      "step": 257
    },
    {
      "epoch": 0.086,
      "grad_norm": 37.285709381103516,
      "learning_rate": 1.8852233676975947e-05,
      "loss": 0.5502,
      "num_tokens": 109388.0,
      "step": 258
    },
    {
      "epoch": 0.08633333333333333,
      "grad_norm": 36.79397964477539,
      "learning_rate": 1.884536082474227e-05,
      "loss": 0.4467,
      "num_tokens": 109700.0,
      "step": 259
    },
    {
      "epoch": 0.08666666666666667,
      "grad_norm": 26.946632385253906,
      "learning_rate": 1.8838487972508593e-05,
      "loss": 0.6545,
      "num_tokens": 110127.0,
      "step": 260
    },
    {
      "epoch": 0.087,
      "grad_norm": 14.389484405517578,
      "learning_rate": 1.8831615120274916e-05,
      "loss": 0.1886,
      "num_tokens": 110726.0,
      "step": 261
    },
    {
      "epoch": 0.08733333333333333,
      "grad_norm": 31.17886734008789,
      "learning_rate": 1.882474226804124e-05,
      "loss": 0.5519,
      "num_tokens": 111009.0,
      "step": 262
    },
    {
      "epoch": 0.08766666666666667,
      "grad_norm": 33.768951416015625,
      "learning_rate": 1.8817869415807562e-05,
      "loss": 0.4186,
      "num_tokens": 111279.0,
      "step": 263
    },
    {
      "epoch": 0.088,
      "grad_norm": 49.355037689208984,
      "learning_rate": 1.8810996563573885e-05,
      "loss": 0.4368,
      "num_tokens": 111651.0,
      "step": 264
    },
    {
      "epoch": 0.08833333333333333,
      "grad_norm": 31.915544509887695,
      "learning_rate": 1.880412371134021e-05,
      "loss": 0.4092,
      "num_tokens": 112005.0,
      "step": 265
    },
    {
      "epoch": 0.08866666666666667,
      "grad_norm": 14.624432563781738,
      "learning_rate": 1.879725085910653e-05,
      "loss": 0.2399,
      "num_tokens": 112968.0,
      "step": 266
    },
    {
      "epoch": 0.089,
      "grad_norm": 58.64082717895508,
      "learning_rate": 1.8790378006872854e-05,
      "loss": 0.6935,
      "num_tokens": 113261.0,
      "step": 267
    },
    {
      "epoch": 0.08933333333333333,
      "grad_norm": 40.38248062133789,
      "learning_rate": 1.8783505154639178e-05,
      "loss": 0.5838,
      "num_tokens": 113637.0,
      "step": 268
    },
    {
      "epoch": 0.08966666666666667,
      "grad_norm": 29.96736717224121,
      "learning_rate": 1.87766323024055e-05,
      "loss": 0.4379,
      "num_tokens": 114342.0,
      "step": 269
    },
    {
      "epoch": 0.09,
      "grad_norm": 31.109102249145508,
      "learning_rate": 1.8769759450171824e-05,
      "loss": 0.3323,
      "num_tokens": 114721.0,
      "step": 270
    },
    {
      "epoch": 0.09033333333333333,
      "grad_norm": 22.108875274658203,
      "learning_rate": 1.8762886597938147e-05,
      "loss": 0.4789,
      "num_tokens": 115392.0,
      "step": 271
    },
    {
      "epoch": 0.09066666666666667,
      "grad_norm": 37.41347122192383,
      "learning_rate": 1.875601374570447e-05,
      "loss": 0.421,
      "num_tokens": 115761.0,
      "step": 272
    },
    {
      "epoch": 0.091,
      "grad_norm": 67.70362091064453,
      "learning_rate": 1.8749140893470793e-05,
      "loss": 0.3343,
      "num_tokens": 116187.0,
      "step": 273
    },
    {
      "epoch": 0.09133333333333334,
      "grad_norm": 22.19578742980957,
      "learning_rate": 1.8742268041237116e-05,
      "loss": 0.2968,
      "num_tokens": 116798.0,
      "step": 274
    },
    {
      "epoch": 0.09166666666666666,
      "grad_norm": 45.598323822021484,
      "learning_rate": 1.873539518900344e-05,
      "loss": 0.6074,
      "num_tokens": 117189.0,
      "step": 275
    },
    {
      "epoch": 0.092,
      "grad_norm": 39.78677749633789,
      "learning_rate": 1.872852233676976e-05,
      "loss": 0.4752,
      "num_tokens": 117544.0,
      "step": 276
    },
    {
      "epoch": 0.09233333333333334,
      "grad_norm": 47.94905090332031,
      "learning_rate": 1.8721649484536085e-05,
      "loss": 0.5899,
      "num_tokens": 117908.0,
      "step": 277
    },
    {
      "epoch": 0.09266666666666666,
      "grad_norm": 17.733047485351562,
      "learning_rate": 1.8714776632302408e-05,
      "loss": 0.3496,
      "num_tokens": 118415.0,
      "step": 278
    },
    {
      "epoch": 0.093,
      "grad_norm": 59.77836990356445,
      "learning_rate": 1.870790378006873e-05,
      "loss": 0.5578,
      "num_tokens": 118843.0,
      "step": 279
    },
    {
      "epoch": 0.09333333333333334,
      "grad_norm": 18.515100479125977,
      "learning_rate": 1.8701030927835054e-05,
      "loss": 0.3097,
      "num_tokens": 119245.0,
      "step": 280
    },
    {
      "epoch": 0.09366666666666666,
      "grad_norm": 44.32679748535156,
      "learning_rate": 1.8694158075601377e-05,
      "loss": 0.4466,
      "num_tokens": 119682.0,
      "step": 281
    },
    {
      "epoch": 0.094,
      "grad_norm": 31.972997665405273,
      "learning_rate": 1.86872852233677e-05,
      "loss": 0.474,
      "num_tokens": 119952.0,
      "step": 282
    },
    {
      "epoch": 0.09433333333333334,
      "grad_norm": 24.964447021484375,
      "learning_rate": 1.8680412371134023e-05,
      "loss": 0.2599,
      "num_tokens": 120327.0,
      "step": 283
    },
    {
      "epoch": 0.09466666666666666,
      "grad_norm": 24.656137466430664,
      "learning_rate": 1.8673539518900346e-05,
      "loss": 0.4599,
      "num_tokens": 120794.0,
      "step": 284
    },
    {
      "epoch": 0.095,
      "grad_norm": 21.277694702148438,
      "learning_rate": 1.866666666666667e-05,
      "loss": 0.2993,
      "num_tokens": 121193.0,
      "step": 285
    },
    {
      "epoch": 0.09533333333333334,
      "grad_norm": 20.721065521240234,
      "learning_rate": 1.865979381443299e-05,
      "loss": 0.2524,
      "num_tokens": 121967.0,
      "step": 286
    },
    {
      "epoch": 0.09566666666666666,
      "grad_norm": 27.646615982055664,
      "learning_rate": 1.8652920962199315e-05,
      "loss": 0.2975,
      "num_tokens": 122522.0,
      "step": 287
    },
    {
      "epoch": 0.096,
      "grad_norm": 34.89924240112305,
      "learning_rate": 1.8646048109965638e-05,
      "loss": 0.329,
      "num_tokens": 123003.0,
      "step": 288
    },
    {
      "epoch": 0.09633333333333334,
      "grad_norm": 30.71653175354004,
      "learning_rate": 1.863917525773196e-05,
      "loss": 0.4456,
      "num_tokens": 123504.0,
      "step": 289
    },
    {
      "epoch": 0.09666666666666666,
      "grad_norm": 22.233198165893555,
      "learning_rate": 1.8632302405498284e-05,
      "loss": 0.3796,
      "num_tokens": 123908.0,
      "step": 290
    },
    {
      "epoch": 0.097,
      "grad_norm": 24.301563262939453,
      "learning_rate": 1.8625429553264607e-05,
      "loss": 0.2749,
      "num_tokens": 124334.0,
      "step": 291
    },
    {
      "epoch": 0.09733333333333333,
      "grad_norm": 61.01966857910156,
      "learning_rate": 1.861855670103093e-05,
      "loss": 0.5442,
      "num_tokens": 124631.0,
      "step": 292
    },
    {
      "epoch": 0.09766666666666667,
      "grad_norm": 25.823530197143555,
      "learning_rate": 1.8611683848797253e-05,
      "loss": 0.3935,
      "num_tokens": 125019.0,
      "step": 293
    },
    {
      "epoch": 0.098,
      "grad_norm": 22.05927276611328,
      "learning_rate": 1.8604810996563576e-05,
      "loss": 0.2441,
      "num_tokens": 125401.0,
      "step": 294
    },
    {
      "epoch": 0.09833333333333333,
      "grad_norm": 51.44224166870117,
      "learning_rate": 1.85979381443299e-05,
      "loss": 0.5708,
      "num_tokens": 125654.0,
      "step": 295
    },
    {
      "epoch": 0.09866666666666667,
      "grad_norm": 43.19953536987305,
      "learning_rate": 1.8591065292096222e-05,
      "loss": 0.4156,
      "num_tokens": 126181.0,
      "step": 296
    },
    {
      "epoch": 0.099,
      "grad_norm": 16.899662017822266,
      "learning_rate": 1.8584192439862545e-05,
      "loss": 0.3026,
      "num_tokens": 126788.0,
      "step": 297
    },
    {
      "epoch": 0.09933333333333333,
      "grad_norm": 25.370384216308594,
      "learning_rate": 1.8577319587628868e-05,
      "loss": 0.5305,
      "num_tokens": 127191.0,
      "step": 298
    },
    {
      "epoch": 0.09966666666666667,
      "grad_norm": 35.13995361328125,
      "learning_rate": 1.857044673539519e-05,
      "loss": 0.251,
      "num_tokens": 127736.0,
      "step": 299
    },
    {
      "epoch": 0.1,
      "grad_norm": 72.9909439086914,
      "learning_rate": 1.8563573883161514e-05,
      "loss": 0.8122,
      "num_tokens": 127972.0,
      "step": 300
    },
    {
      "epoch": 0.10033333333333333,
      "grad_norm": 38.739654541015625,
      "learning_rate": 1.8556701030927837e-05,
      "loss": 0.2941,
      "num_tokens": 128281.0,
      "step": 301
    },
    {
      "epoch": 0.10066666666666667,
      "grad_norm": 59.909629821777344,
      "learning_rate": 1.854982817869416e-05,
      "loss": 0.7977,
      "num_tokens": 128606.0,
      "step": 302
    },
    {
      "epoch": 0.101,
      "grad_norm": 28.629846572875977,
      "learning_rate": 1.8542955326460483e-05,
      "loss": 0.3312,
      "num_tokens": 129160.0,
      "step": 303
    },
    {
      "epoch": 0.10133333333333333,
      "grad_norm": 30.19131088256836,
      "learning_rate": 1.8536082474226806e-05,
      "loss": 0.4437,
      "num_tokens": 129524.0,
      "step": 304
    },
    {
      "epoch": 0.10166666666666667,
      "grad_norm": 28.359947204589844,
      "learning_rate": 1.852920962199313e-05,
      "loss": 0.5925,
      "num_tokens": 129935.0,
      "step": 305
    },
    {
      "epoch": 0.102,
      "grad_norm": 27.915075302124023,
      "learning_rate": 1.8522336769759452e-05,
      "loss": 0.3835,
      "num_tokens": 130497.0,
      "step": 306
    },
    {
      "epoch": 0.10233333333333333,
      "grad_norm": 35.15650939941406,
      "learning_rate": 1.8515463917525775e-05,
      "loss": 0.5454,
      "num_tokens": 130832.0,
      "step": 307
    },
    {
      "epoch": 0.10266666666666667,
      "grad_norm": 27.789154052734375,
      "learning_rate": 1.8508591065292098e-05,
      "loss": 0.5859,
      "num_tokens": 131409.0,
      "step": 308
    },
    {
      "epoch": 0.103,
      "grad_norm": 43.43570327758789,
      "learning_rate": 1.850171821305842e-05,
      "loss": 0.8178,
      "num_tokens": 131640.0,
      "step": 309
    },
    {
      "epoch": 0.10333333333333333,
      "grad_norm": 38.694435119628906,
      "learning_rate": 1.8494845360824744e-05,
      "loss": 0.853,
      "num_tokens": 131885.0,
      "step": 310
    },
    {
      "epoch": 0.10366666666666667,
      "grad_norm": 14.144389152526855,
      "learning_rate": 1.8487972508591067e-05,
      "loss": 0.3274,
      "num_tokens": 132650.0,
      "step": 311
    },
    {
      "epoch": 0.104,
      "grad_norm": 20.59508514404297,
      "learning_rate": 1.848109965635739e-05,
      "loss": 0.332,
      "num_tokens": 133066.0,
      "step": 312
    },
    {
      "epoch": 0.10433333333333333,
      "grad_norm": 35.49625778198242,
      "learning_rate": 1.8474226804123713e-05,
      "loss": 0.7787,
      "num_tokens": 133320.0,
      "step": 313
    },
    {
      "epoch": 0.10466666666666667,
      "grad_norm": 20.29273796081543,
      "learning_rate": 1.8467353951890036e-05,
      "loss": 0.3692,
      "num_tokens": 133873.0,
      "step": 314
    },
    {
      "epoch": 0.105,
      "grad_norm": 30.282691955566406,
      "learning_rate": 1.846048109965636e-05,
      "loss": 0.3123,
      "num_tokens": 134313.0,
      "step": 315
    },
    {
      "epoch": 0.10533333333333333,
      "grad_norm": 16.257665634155273,
      "learning_rate": 1.8453608247422682e-05,
      "loss": 0.3404,
      "num_tokens": 135161.0,
      "step": 316
    },
    {
      "epoch": 0.10566666666666667,
      "grad_norm": 45.54347229003906,
      "learning_rate": 1.8446735395189005e-05,
      "loss": 0.4937,
      "num_tokens": 135470.0,
      "step": 317
    },
    {
      "epoch": 0.106,
      "grad_norm": 39.742950439453125,
      "learning_rate": 1.8439862542955328e-05,
      "loss": 0.7146,
      "num_tokens": 135738.0,
      "step": 318
    },
    {
      "epoch": 0.10633333333333334,
      "grad_norm": 26.2645206451416,
      "learning_rate": 1.843298969072165e-05,
      "loss": 0.506,
      "num_tokens": 136194.0,
      "step": 319
    },
    {
      "epoch": 0.10666666666666667,
      "grad_norm": 29.43448257446289,
      "learning_rate": 1.8426116838487974e-05,
      "loss": 0.5173,
      "num_tokens": 136470.0,
      "step": 320
    },
    {
      "epoch": 0.107,
      "grad_norm": 27.24252700805664,
      "learning_rate": 1.8419243986254297e-05,
      "loss": 0.5787,
      "num_tokens": 136791.0,
      "step": 321
    },
    {
      "epoch": 0.10733333333333334,
      "grad_norm": 20.00716209411621,
      "learning_rate": 1.841237113402062e-05,
      "loss": 0.4199,
      "num_tokens": 137284.0,
      "step": 322
    },
    {
      "epoch": 0.10766666666666666,
      "grad_norm": 17.578948974609375,
      "learning_rate": 1.8405498281786943e-05,
      "loss": 0.3236,
      "num_tokens": 137992.0,
      "step": 323
    },
    {
      "epoch": 0.108,
      "grad_norm": 24.953998565673828,
      "learning_rate": 1.8398625429553266e-05,
      "loss": 0.3105,
      "num_tokens": 138510.0,
      "step": 324
    },
    {
      "epoch": 0.10833333333333334,
      "grad_norm": 15.391066551208496,
      "learning_rate": 1.839175257731959e-05,
      "loss": 0.3002,
      "num_tokens": 139019.0,
      "step": 325
    },
    {
      "epoch": 0.10866666666666666,
      "grad_norm": 15.61146068572998,
      "learning_rate": 1.8384879725085912e-05,
      "loss": 0.2897,
      "num_tokens": 139740.0,
      "step": 326
    },
    {
      "epoch": 0.109,
      "grad_norm": 15.885650634765625,
      "learning_rate": 1.8378006872852235e-05,
      "loss": 0.3292,
      "num_tokens": 140365.0,
      "step": 327
    },
    {
      "epoch": 0.10933333333333334,
      "grad_norm": 21.972192764282227,
      "learning_rate": 1.8371134020618558e-05,
      "loss": 0.3616,
      "num_tokens": 140899.0,
      "step": 328
    },
    {
      "epoch": 0.10966666666666666,
      "grad_norm": 20.309297561645508,
      "learning_rate": 1.836426116838488e-05,
      "loss": 0.4569,
      "num_tokens": 141699.0,
      "step": 329
    },
    {
      "epoch": 0.11,
      "grad_norm": 32.15669250488281,
      "learning_rate": 1.8357388316151204e-05,
      "loss": 0.5418,
      "num_tokens": 142000.0,
      "step": 330
    },
    {
      "epoch": 0.11033333333333334,
      "grad_norm": 56.57528305053711,
      "learning_rate": 1.8350515463917527e-05,
      "loss": 0.2981,
      "num_tokens": 142568.0,
      "step": 331
    },
    {
      "epoch": 0.11066666666666666,
      "grad_norm": 23.60865592956543,
      "learning_rate": 1.834364261168385e-05,
      "loss": 0.4471,
      "num_tokens": 143003.0,
      "step": 332
    },
    {
      "epoch": 0.111,
      "grad_norm": 45.314273834228516,
      "learning_rate": 1.8336769759450173e-05,
      "loss": 0.8688,
      "num_tokens": 143217.0,
      "step": 333
    },
    {
      "epoch": 0.11133333333333334,
      "grad_norm": 115.07856750488281,
      "learning_rate": 1.8329896907216496e-05,
      "loss": 0.9472,
      "num_tokens": 143402.0,
      "step": 334
    },
    {
      "epoch": 0.11166666666666666,
      "grad_norm": 29.714092254638672,
      "learning_rate": 1.832302405498282e-05,
      "loss": 0.5351,
      "num_tokens": 143678.0,
      "step": 335
    },
    {
      "epoch": 0.112,
      "grad_norm": 17.933687210083008,
      "learning_rate": 1.8316151202749142e-05,
      "loss": 0.2255,
      "num_tokens": 144046.0,
      "step": 336
    },
    {
      "epoch": 0.11233333333333333,
      "grad_norm": 28.57701873779297,
      "learning_rate": 1.8309278350515465e-05,
      "loss": 0.5766,
      "num_tokens": 144484.0,
      "step": 337
    },
    {
      "epoch": 0.11266666666666666,
      "grad_norm": 25.793231964111328,
      "learning_rate": 1.8302405498281788e-05,
      "loss": 0.4169,
      "num_tokens": 144807.0,
      "step": 338
    },
    {
      "epoch": 0.113,
      "grad_norm": 22.070350646972656,
      "learning_rate": 1.829553264604811e-05,
      "loss": 0.3988,
      "num_tokens": 145272.0,
      "step": 339
    },
    {
      "epoch": 0.11333333333333333,
      "grad_norm": 17.80551528930664,
      "learning_rate": 1.8288659793814434e-05,
      "loss": 0.3612,
      "num_tokens": 145850.0,
      "step": 340
    },
    {
      "epoch": 0.11366666666666667,
      "grad_norm": 19.763381958007812,
      "learning_rate": 1.8281786941580757e-05,
      "loss": 0.4703,
      "num_tokens": 146316.0,
      "step": 341
    },
    {
      "epoch": 0.114,
      "grad_norm": 22.812047958374023,
      "learning_rate": 1.827491408934708e-05,
      "loss": 0.2943,
      "num_tokens": 146925.0,
      "step": 342
    },
    {
      "epoch": 0.11433333333333333,
      "grad_norm": 14.56030559539795,
      "learning_rate": 1.8268041237113403e-05,
      "loss": 0.2921,
      "num_tokens": 147490.0,
      "step": 343
    },
    {
      "epoch": 0.11466666666666667,
      "grad_norm": 22.50061798095703,
      "learning_rate": 1.8261168384879726e-05,
      "loss": 0.3895,
      "num_tokens": 147880.0,
      "step": 344
    },
    {
      "epoch": 0.115,
      "grad_norm": 27.27079200744629,
      "learning_rate": 1.825429553264605e-05,
      "loss": 0.4231,
      "num_tokens": 148265.0,
      "step": 345
    },
    {
      "epoch": 0.11533333333333333,
      "grad_norm": 23.741975784301758,
      "learning_rate": 1.8247422680412372e-05,
      "loss": 0.3831,
      "num_tokens": 148725.0,
      "step": 346
    },
    {
      "epoch": 0.11566666666666667,
      "grad_norm": 18.17969512939453,
      "learning_rate": 1.8240549828178695e-05,
      "loss": 0.3395,
      "num_tokens": 149157.0,
      "step": 347
    },
    {
      "epoch": 0.116,
      "grad_norm": 29.78831672668457,
      "learning_rate": 1.8233676975945018e-05,
      "loss": 0.5682,
      "num_tokens": 149617.0,
      "step": 348
    },
    {
      "epoch": 0.11633333333333333,
      "grad_norm": 27.710926055908203,
      "learning_rate": 1.822680412371134e-05,
      "loss": 0.6457,
      "num_tokens": 149954.0,
      "step": 349
    },
    {
      "epoch": 0.11666666666666667,
      "grad_norm": 22.891868591308594,
      "learning_rate": 1.8219931271477664e-05,
      "loss": 0.4718,
      "num_tokens": 150518.0,
      "step": 350
    },
    {
      "epoch": 0.117,
      "grad_norm": 26.409526824951172,
      "learning_rate": 1.8213058419243987e-05,
      "loss": 0.3455,
      "num_tokens": 151152.0,
      "step": 351
    },
    {
      "epoch": 0.11733333333333333,
      "grad_norm": 48.46035385131836,
      "learning_rate": 1.820618556701031e-05,
      "loss": 0.6172,
      "num_tokens": 151468.0,
      "step": 352
    },
    {
      "epoch": 0.11766666666666667,
      "grad_norm": 34.801658630371094,
      "learning_rate": 1.8199312714776633e-05,
      "loss": 0.7299,
      "num_tokens": 151810.0,
      "step": 353
    },
    {
      "epoch": 0.118,
      "grad_norm": 34.63065719604492,
      "learning_rate": 1.8192439862542956e-05,
      "loss": 0.3005,
      "num_tokens": 152213.0,
      "step": 354
    },
    {
      "epoch": 0.11833333333333333,
      "grad_norm": 30.14621353149414,
      "learning_rate": 1.818556701030928e-05,
      "loss": 0.4017,
      "num_tokens": 152704.0,
      "step": 355
    },
    {
      "epoch": 0.11866666666666667,
      "grad_norm": 27.550901412963867,
      "learning_rate": 1.8178694158075602e-05,
      "loss": 0.4101,
      "num_tokens": 153168.0,
      "step": 356
    },
    {
      "epoch": 0.119,
      "grad_norm": 35.19160842895508,
      "learning_rate": 1.8171821305841925e-05,
      "loss": 0.6839,
      "num_tokens": 153426.0,
      "step": 357
    },
    {
      "epoch": 0.11933333333333333,
      "grad_norm": 18.548734664916992,
      "learning_rate": 1.8164948453608248e-05,
      "loss": 0.288,
      "num_tokens": 153835.0,
      "step": 358
    },
    {
      "epoch": 0.11966666666666667,
      "grad_norm": 18.44453239440918,
      "learning_rate": 1.815807560137457e-05,
      "loss": 0.4006,
      "num_tokens": 154351.0,
      "step": 359
    },
    {
      "epoch": 0.12,
      "grad_norm": 35.23210906982422,
      "learning_rate": 1.8151202749140894e-05,
      "loss": 0.4813,
      "num_tokens": 154577.0,
      "step": 360
    },
    {
      "epoch": 0.12033333333333333,
      "grad_norm": 22.455120086669922,
      "learning_rate": 1.8144329896907217e-05,
      "loss": 0.3411,
      "num_tokens": 155104.0,
      "step": 361
    },
    {
      "epoch": 0.12066666666666667,
      "grad_norm": 41.07017517089844,
      "learning_rate": 1.813745704467354e-05,
      "loss": 0.5927,
      "num_tokens": 155445.0,
      "step": 362
    },
    {
      "epoch": 0.121,
      "grad_norm": 20.727876663208008,
      "learning_rate": 1.8130584192439863e-05,
      "loss": 0.3124,
      "num_tokens": 155821.0,
      "step": 363
    },
    {
      "epoch": 0.12133333333333333,
      "grad_norm": 36.86009979248047,
      "learning_rate": 1.8123711340206186e-05,
      "loss": 0.6221,
      "num_tokens": 156061.0,
      "step": 364
    },
    {
      "epoch": 0.12166666666666667,
      "grad_norm": 23.657840728759766,
      "learning_rate": 1.811683848797251e-05,
      "loss": 0.3896,
      "num_tokens": 156458.0,
      "step": 365
    },
    {
      "epoch": 0.122,
      "grad_norm": 91.57533264160156,
      "learning_rate": 1.8109965635738832e-05,
      "loss": 0.4828,
      "num_tokens": 156838.0,
      "step": 366
    },
    {
      "epoch": 0.12233333333333334,
      "grad_norm": 29.500930786132812,
      "learning_rate": 1.8103092783505155e-05,
      "loss": 0.3219,
      "num_tokens": 157152.0,
      "step": 367
    },
    {
      "epoch": 0.12266666666666666,
      "grad_norm": 15.189298629760742,
      "learning_rate": 1.809621993127148e-05,
      "loss": 0.3181,
      "num_tokens": 158066.0,
      "step": 368
    },
    {
      "epoch": 0.123,
      "grad_norm": 24.642986297607422,
      "learning_rate": 1.80893470790378e-05,
      "loss": 0.4064,
      "num_tokens": 158455.0,
      "step": 369
    },
    {
      "epoch": 0.12333333333333334,
      "grad_norm": 29.104766845703125,
      "learning_rate": 1.8082474226804124e-05,
      "loss": 0.6252,
      "num_tokens": 158722.0,
      "step": 370
    },
    {
      "epoch": 0.12366666666666666,
      "grad_norm": 56.02358627319336,
      "learning_rate": 1.8075601374570447e-05,
      "loss": 0.6691,
      "num_tokens": 158984.0,
      "step": 371
    },
    {
      "epoch": 0.124,
      "grad_norm": 23.48501205444336,
      "learning_rate": 1.806872852233677e-05,
      "loss": 0.3644,
      "num_tokens": 159338.0,
      "step": 372
    },
    {
      "epoch": 0.12433333333333334,
      "grad_norm": 23.82691764831543,
      "learning_rate": 1.8061855670103093e-05,
      "loss": 0.3994,
      "num_tokens": 159764.0,
      "step": 373
    },
    {
      "epoch": 0.12466666666666666,
      "grad_norm": 25.259727478027344,
      "learning_rate": 1.8054982817869416e-05,
      "loss": 0.536,
      "num_tokens": 160172.0,
      "step": 374
    },
    {
      "epoch": 0.125,
      "grad_norm": 30.988243103027344,
      "learning_rate": 1.804810996563574e-05,
      "loss": 0.6692,
      "num_tokens": 160433.0,
      "step": 375
    },
    {
      "epoch": 0.12533333333333332,
      "grad_norm": 20.449365615844727,
      "learning_rate": 1.8041237113402062e-05,
      "loss": 0.4313,
      "num_tokens": 160913.0,
      "step": 376
    },
    {
      "epoch": 0.12566666666666668,
      "grad_norm": 35.40486526489258,
      "learning_rate": 1.8034364261168385e-05,
      "loss": 0.3475,
      "num_tokens": 161266.0,
      "step": 377
    },
    {
      "epoch": 0.126,
      "grad_norm": 15.015335083007812,
      "learning_rate": 1.802749140893471e-05,
      "loss": 0.2335,
      "num_tokens": 161854.0,
      "step": 378
    },
    {
      "epoch": 0.12633333333333333,
      "grad_norm": 23.38346290588379,
      "learning_rate": 1.802061855670103e-05,
      "loss": 0.378,
      "num_tokens": 162168.0,
      "step": 379
    },
    {
      "epoch": 0.12666666666666668,
      "grad_norm": 15.325318336486816,
      "learning_rate": 1.8013745704467354e-05,
      "loss": 0.2007,
      "num_tokens": 163012.0,
      "step": 380
    },
    {
      "epoch": 0.127,
      "grad_norm": 30.95763397216797,
      "learning_rate": 1.8006872852233677e-05,
      "loss": 0.4862,
      "num_tokens": 163449.0,
      "step": 381
    },
    {
      "epoch": 0.12733333333333333,
      "grad_norm": 52.36934280395508,
      "learning_rate": 1.8e-05,
      "loss": 0.4751,
      "num_tokens": 163695.0,
      "step": 382
    },
    {
      "epoch": 0.12766666666666668,
      "grad_norm": 13.800684928894043,
      "learning_rate": 1.7993127147766323e-05,
      "loss": 0.2425,
      "num_tokens": 164574.0,
      "step": 383
    },
    {
      "epoch": 0.128,
      "grad_norm": 22.05525779724121,
      "learning_rate": 1.7986254295532646e-05,
      "loss": 0.2274,
      "num_tokens": 165154.0,
      "step": 384
    },
    {
      "epoch": 0.12833333333333333,
      "grad_norm": 26.92284393310547,
      "learning_rate": 1.797938144329897e-05,
      "loss": 0.5323,
      "num_tokens": 165576.0,
      "step": 385
    },
    {
      "epoch": 0.12866666666666668,
      "grad_norm": 27.347618103027344,
      "learning_rate": 1.7972508591065292e-05,
      "loss": 0.3966,
      "num_tokens": 166008.0,
      "step": 386
    },
    {
      "epoch": 0.129,
      "grad_norm": 75.76184844970703,
      "learning_rate": 1.7965635738831615e-05,
      "loss": 0.497,
      "num_tokens": 166400.0,
      "step": 387
    },
    {
      "epoch": 0.12933333333333333,
      "grad_norm": 14.213099479675293,
      "learning_rate": 1.7958762886597942e-05,
      "loss": 0.2565,
      "num_tokens": 167000.0,
      "step": 388
    },
    {
      "epoch": 0.12966666666666668,
      "grad_norm": 20.6612491607666,
      "learning_rate": 1.7951890034364265e-05,
      "loss": 0.3684,
      "num_tokens": 167389.0,
      "step": 389
    },
    {
      "epoch": 0.13,
      "grad_norm": 34.62000274658203,
      "learning_rate": 1.7945017182130588e-05,
      "loss": 0.5078,
      "num_tokens": 167662.0,
      "step": 390
    },
    {
      "epoch": 0.13033333333333333,
      "grad_norm": 39.924461364746094,
      "learning_rate": 1.793814432989691e-05,
      "loss": 0.4566,
      "num_tokens": 168094.0,
      "step": 391
    },
    {
      "epoch": 0.13066666666666665,
      "grad_norm": 26.041629791259766,
      "learning_rate": 1.7931271477663234e-05,
      "loss": 0.3264,
      "num_tokens": 168502.0,
      "step": 392
    },
    {
      "epoch": 0.131,
      "grad_norm": 48.80217742919922,
      "learning_rate": 1.7924398625429557e-05,
      "loss": 0.3925,
      "num_tokens": 168892.0,
      "step": 393
    },
    {
      "epoch": 0.13133333333333333,
      "grad_norm": 26.03668212890625,
      "learning_rate": 1.791752577319588e-05,
      "loss": 0.3489,
      "num_tokens": 169336.0,
      "step": 394
    },
    {
      "epoch": 0.13166666666666665,
      "grad_norm": 15.759737014770508,
      "learning_rate": 1.7910652920962203e-05,
      "loss": 0.2514,
      "num_tokens": 169880.0,
      "step": 395
    },
    {
      "epoch": 0.132,
      "grad_norm": 45.62040710449219,
      "learning_rate": 1.7903780068728526e-05,
      "loss": 0.8975,
      "num_tokens": 170100.0,
      "step": 396
    },
    {
      "epoch": 0.13233333333333333,
      "grad_norm": 19.41387939453125,
      "learning_rate": 1.789690721649485e-05,
      "loss": 0.3467,
      "num_tokens": 170584.0,
      "step": 397
    },
    {
      "epoch": 0.13266666666666665,
      "grad_norm": 15.50485897064209,
      "learning_rate": 1.7890034364261172e-05,
      "loss": 0.2207,
      "num_tokens": 171153.0,
      "step": 398
    },
    {
      "epoch": 0.133,
      "grad_norm": 22.475608825683594,
      "learning_rate": 1.7883161512027495e-05,
      "loss": 0.305,
      "num_tokens": 171580.0,
      "step": 399
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 20.059383392333984,
      "learning_rate": 1.7876288659793818e-05,
      "loss": 0.2623,
      "num_tokens": 171999.0,
      "step": 400
    },
    {
      "epoch": 0.13366666666666666,
      "grad_norm": 55.094966888427734,
      "learning_rate": 1.786941580756014e-05,
      "loss": 0.3176,
      "num_tokens": 172365.0,
      "step": 401
    },
    {
      "epoch": 0.134,
      "grad_norm": 12.016053199768066,
      "learning_rate": 1.7862542955326464e-05,
      "loss": 0.2353,
      "num_tokens": 173067.0,
      "step": 402
    },
    {
      "epoch": 0.13433333333333333,
      "grad_norm": 18.45512580871582,
      "learning_rate": 1.7855670103092787e-05,
      "loss": 0.2717,
      "num_tokens": 173727.0,
      "step": 403
    },
    {
      "epoch": 0.13466666666666666,
      "grad_norm": 17.47917366027832,
      "learning_rate": 1.784879725085911e-05,
      "loss": 0.228,
      "num_tokens": 174205.0,
      "step": 404
    },
    {
      "epoch": 0.135,
      "grad_norm": 30.00370979309082,
      "learning_rate": 1.7841924398625433e-05,
      "loss": 0.211,
      "num_tokens": 174565.0,
      "step": 405
    },
    {
      "epoch": 0.13533333333333333,
      "grad_norm": 19.197914123535156,
      "learning_rate": 1.7835051546391756e-05,
      "loss": 0.2952,
      "num_tokens": 174947.0,
      "step": 406
    },
    {
      "epoch": 0.13566666666666666,
      "grad_norm": 20.285863876342773,
      "learning_rate": 1.782817869415808e-05,
      "loss": 0.3608,
      "num_tokens": 175372.0,
      "step": 407
    },
    {
      "epoch": 0.136,
      "grad_norm": 23.008180618286133,
      "learning_rate": 1.7821305841924402e-05,
      "loss": 0.2572,
      "num_tokens": 175812.0,
      "step": 408
    },
    {
      "epoch": 0.13633333333333333,
      "grad_norm": 23.130706787109375,
      "learning_rate": 1.7814432989690725e-05,
      "loss": 0.3287,
      "num_tokens": 176199.0,
      "step": 409
    },
    {
      "epoch": 0.13666666666666666,
      "grad_norm": 26.146041870117188,
      "learning_rate": 1.7807560137457045e-05,
      "loss": 0.4153,
      "num_tokens": 176661.0,
      "step": 410
    },
    {
      "epoch": 0.137,
      "grad_norm": 10.40959358215332,
      "learning_rate": 1.7800687285223368e-05,
      "loss": 0.1377,
      "num_tokens": 177142.0,
      "step": 411
    },
    {
      "epoch": 0.13733333333333334,
      "grad_norm": 36.71569061279297,
      "learning_rate": 1.779381443298969e-05,
      "loss": 0.6828,
      "num_tokens": 177507.0,
      "step": 412
    },
    {
      "epoch": 0.13766666666666666,
      "grad_norm": 31.66615104675293,
      "learning_rate": 1.7786941580756014e-05,
      "loss": 0.523,
      "num_tokens": 177815.0,
      "step": 413
    },
    {
      "epoch": 0.138,
      "grad_norm": 35.65137481689453,
      "learning_rate": 1.7780068728522337e-05,
      "loss": 0.3982,
      "num_tokens": 178332.0,
      "step": 414
    },
    {
      "epoch": 0.13833333333333334,
      "grad_norm": 29.639667510986328,
      "learning_rate": 1.777319587628866e-05,
      "loss": 0.4441,
      "num_tokens": 178629.0,
      "step": 415
    },
    {
      "epoch": 0.13866666666666666,
      "grad_norm": 19.314533233642578,
      "learning_rate": 1.7766323024054983e-05,
      "loss": 0.4225,
      "num_tokens": 179189.0,
      "step": 416
    },
    {
      "epoch": 0.139,
      "grad_norm": 53.23433303833008,
      "learning_rate": 1.7759450171821306e-05,
      "loss": 0.7223,
      "num_tokens": 179442.0,
      "step": 417
    },
    {
      "epoch": 0.13933333333333334,
      "grad_norm": 21.173763275146484,
      "learning_rate": 1.775257731958763e-05,
      "loss": 0.4782,
      "num_tokens": 179836.0,
      "step": 418
    },
    {
      "epoch": 0.13966666666666666,
      "grad_norm": 23.679580688476562,
      "learning_rate": 1.7745704467353952e-05,
      "loss": 0.3915,
      "num_tokens": 180380.0,
      "step": 419
    },
    {
      "epoch": 0.14,
      "grad_norm": 18.570032119750977,
      "learning_rate": 1.7738831615120275e-05,
      "loss": 0.3743,
      "num_tokens": 180927.0,
      "step": 420
    },
    {
      "epoch": 0.14033333333333334,
      "grad_norm": 15.993633270263672,
      "learning_rate": 1.7731958762886598e-05,
      "loss": 0.3522,
      "num_tokens": 181452.0,
      "step": 421
    },
    {
      "epoch": 0.14066666666666666,
      "grad_norm": 16.787677764892578,
      "learning_rate": 1.772508591065292e-05,
      "loss": 0.3206,
      "num_tokens": 181900.0,
      "step": 422
    },
    {
      "epoch": 0.141,
      "grad_norm": 20.07572364807129,
      "learning_rate": 1.7718213058419244e-05,
      "loss": 0.3863,
      "num_tokens": 182314.0,
      "step": 423
    },
    {
      "epoch": 0.14133333333333334,
      "grad_norm": 19.24660301208496,
      "learning_rate": 1.7711340206185567e-05,
      "loss": 0.3249,
      "num_tokens": 182813.0,
      "step": 424
    },
    {
      "epoch": 0.14166666666666666,
      "grad_norm": 17.589942932128906,
      "learning_rate": 1.770446735395189e-05,
      "loss": 0.4149,
      "num_tokens": 183420.0,
      "step": 425
    },
    {
      "epoch": 0.142,
      "grad_norm": 13.7640380859375,
      "learning_rate": 1.7697594501718213e-05,
      "loss": 0.207,
      "num_tokens": 184015.0,
      "step": 426
    },
    {
      "epoch": 0.14233333333333334,
      "grad_norm": 14.775389671325684,
      "learning_rate": 1.7690721649484536e-05,
      "loss": 0.2858,
      "num_tokens": 184547.0,
      "step": 427
    },
    {
      "epoch": 0.14266666666666666,
      "grad_norm": 37.36191940307617,
      "learning_rate": 1.768384879725086e-05,
      "loss": 0.3873,
      "num_tokens": 184889.0,
      "step": 428
    },
    {
      "epoch": 0.143,
      "grad_norm": 36.255149841308594,
      "learning_rate": 1.7676975945017182e-05,
      "loss": 0.5039,
      "num_tokens": 185193.0,
      "step": 429
    },
    {
      "epoch": 0.14333333333333334,
      "grad_norm": 22.563600540161133,
      "learning_rate": 1.7670103092783505e-05,
      "loss": 0.4366,
      "num_tokens": 185755.0,
      "step": 430
    },
    {
      "epoch": 0.14366666666666666,
      "grad_norm": 23.48263168334961,
      "learning_rate": 1.7663230240549828e-05,
      "loss": 0.2662,
      "num_tokens": 186342.0,
      "step": 431
    },
    {
      "epoch": 0.144,
      "grad_norm": 20.39504051208496,
      "learning_rate": 1.765635738831615e-05,
      "loss": 0.3613,
      "num_tokens": 186804.0,
      "step": 432
    },
    {
      "epoch": 0.14433333333333334,
      "grad_norm": 21.80072021484375,
      "learning_rate": 1.7649484536082474e-05,
      "loss": 0.471,
      "num_tokens": 187189.0,
      "step": 433
    },
    {
      "epoch": 0.14466666666666667,
      "grad_norm": 26.284135818481445,
      "learning_rate": 1.7642611683848797e-05,
      "loss": 0.5449,
      "num_tokens": 187530.0,
      "step": 434
    },
    {
      "epoch": 0.145,
      "grad_norm": 21.60777473449707,
      "learning_rate": 1.763573883161512e-05,
      "loss": 0.3901,
      "num_tokens": 187861.0,
      "step": 435
    },
    {
      "epoch": 0.14533333333333334,
      "grad_norm": 14.764845848083496,
      "learning_rate": 1.7628865979381443e-05,
      "loss": 0.3867,
      "num_tokens": 188730.0,
      "step": 436
    },
    {
      "epoch": 0.14566666666666667,
      "grad_norm": 16.469728469848633,
      "learning_rate": 1.7621993127147766e-05,
      "loss": 0.3008,
      "num_tokens": 189313.0,
      "step": 437
    },
    {
      "epoch": 0.146,
      "grad_norm": 34.35407638549805,
      "learning_rate": 1.761512027491409e-05,
      "loss": 0.5725,
      "num_tokens": 189650.0,
      "step": 438
    },
    {
      "epoch": 0.14633333333333334,
      "grad_norm": 17.538541793823242,
      "learning_rate": 1.7608247422680412e-05,
      "loss": 0.4507,
      "num_tokens": 190189.0,
      "step": 439
    },
    {
      "epoch": 0.14666666666666667,
      "grad_norm": 23.459949493408203,
      "learning_rate": 1.7601374570446735e-05,
      "loss": 0.6709,
      "num_tokens": 190681.0,
      "step": 440
    },
    {
      "epoch": 0.147,
      "grad_norm": 16.916532516479492,
      "learning_rate": 1.7594501718213058e-05,
      "loss": 0.2768,
      "num_tokens": 191082.0,
      "step": 441
    },
    {
      "epoch": 0.14733333333333334,
      "grad_norm": 23.190073013305664,
      "learning_rate": 1.758762886597938e-05,
      "loss": 0.5224,
      "num_tokens": 191499.0,
      "step": 442
    },
    {
      "epoch": 0.14766666666666667,
      "grad_norm": 35.74082565307617,
      "learning_rate": 1.7580756013745704e-05,
      "loss": 0.4837,
      "num_tokens": 191957.0,
      "step": 443
    },
    {
      "epoch": 0.148,
      "grad_norm": 9.367639541625977,
      "learning_rate": 1.7573883161512027e-05,
      "loss": 0.1654,
      "num_tokens": 192742.0,
      "step": 444
    },
    {
      "epoch": 0.14833333333333334,
      "grad_norm": 23.839393615722656,
      "learning_rate": 1.7567010309278353e-05,
      "loss": 0.4329,
      "num_tokens": 193160.0,
      "step": 445
    },
    {
      "epoch": 0.14866666666666667,
      "grad_norm": 19.201862335205078,
      "learning_rate": 1.7560137457044676e-05,
      "loss": 0.3333,
      "num_tokens": 193590.0,
      "step": 446
    },
    {
      "epoch": 0.149,
      "grad_norm": 29.59769058227539,
      "learning_rate": 1.7553264604811e-05,
      "loss": 0.2663,
      "num_tokens": 194093.0,
      "step": 447
    },
    {
      "epoch": 0.14933333333333335,
      "grad_norm": 28.38691520690918,
      "learning_rate": 1.7546391752577322e-05,
      "loss": 0.5119,
      "num_tokens": 194439.0,
      "step": 448
    },
    {
      "epoch": 0.14966666666666667,
      "grad_norm": 17.883792877197266,
      "learning_rate": 1.7539518900343645e-05,
      "loss": 0.3322,
      "num_tokens": 195106.0,
      "step": 449
    },
    {
      "epoch": 0.15,
      "grad_norm": 21.76114845275879,
      "learning_rate": 1.753264604810997e-05,
      "loss": 0.4618,
      "num_tokens": 195488.0,
      "step": 450
    },
    {
      "epoch": 0.15033333333333335,
      "grad_norm": 18.695579528808594,
      "learning_rate": 1.752577319587629e-05,
      "loss": 0.2556,
      "num_tokens": 195772.0,
      "step": 451
    },
    {
      "epoch": 0.15066666666666667,
      "grad_norm": 21.111772537231445,
      "learning_rate": 1.7518900343642614e-05,
      "loss": 0.3259,
      "num_tokens": 196257.0,
      "step": 452
    },
    {
      "epoch": 0.151,
      "grad_norm": 21.88755226135254,
      "learning_rate": 1.7512027491408937e-05,
      "loss": 0.285,
      "num_tokens": 196668.0,
      "step": 453
    },
    {
      "epoch": 0.15133333333333332,
      "grad_norm": 17.129901885986328,
      "learning_rate": 1.750515463917526e-05,
      "loss": 0.2083,
      "num_tokens": 197100.0,
      "step": 454
    },
    {
      "epoch": 0.15166666666666667,
      "grad_norm": 30.10249900817871,
      "learning_rate": 1.7498281786941583e-05,
      "loss": 0.6742,
      "num_tokens": 197443.0,
      "step": 455
    },
    {
      "epoch": 0.152,
      "grad_norm": 17.409177780151367,
      "learning_rate": 1.7491408934707906e-05,
      "loss": 0.2217,
      "num_tokens": 197790.0,
      "step": 456
    },
    {
      "epoch": 0.15233333333333332,
      "grad_norm": 16.78458595275879,
      "learning_rate": 1.748453608247423e-05,
      "loss": 0.2354,
      "num_tokens": 198257.0,
      "step": 457
    },
    {
      "epoch": 0.15266666666666667,
      "grad_norm": 53.29841232299805,
      "learning_rate": 1.7477663230240552e-05,
      "loss": 0.6327,
      "num_tokens": 198567.0,
      "step": 458
    },
    {
      "epoch": 0.153,
      "grad_norm": 28.44548988342285,
      "learning_rate": 1.7470790378006875e-05,
      "loss": 0.512,
      "num_tokens": 198784.0,
      "step": 459
    },
    {
      "epoch": 0.15333333333333332,
      "grad_norm": 76.2418441772461,
      "learning_rate": 1.74639175257732e-05,
      "loss": 0.5556,
      "num_tokens": 199041.0,
      "step": 460
    },
    {
      "epoch": 0.15366666666666667,
      "grad_norm": 19.00859832763672,
      "learning_rate": 1.745704467353952e-05,
      "loss": 0.3015,
      "num_tokens": 199534.0,
      "step": 461
    },
    {
      "epoch": 0.154,
      "grad_norm": 23.51732063293457,
      "learning_rate": 1.7450171821305845e-05,
      "loss": 0.364,
      "num_tokens": 199952.0,
      "step": 462
    },
    {
      "epoch": 0.15433333333333332,
      "grad_norm": 13.962043762207031,
      "learning_rate": 1.7443298969072168e-05,
      "loss": 0.21,
      "num_tokens": 200707.0,
      "step": 463
    },
    {
      "epoch": 0.15466666666666667,
      "grad_norm": 30.04779815673828,
      "learning_rate": 1.743642611683849e-05,
      "loss": 0.4516,
      "num_tokens": 201005.0,
      "step": 464
    },
    {
      "epoch": 0.155,
      "grad_norm": 26.44369125366211,
      "learning_rate": 1.7429553264604814e-05,
      "loss": 0.5104,
      "num_tokens": 201427.0,
      "step": 465
    },
    {
      "epoch": 0.15533333333333332,
      "grad_norm": 14.317481994628906,
      "learning_rate": 1.7422680412371137e-05,
      "loss": 0.2453,
      "num_tokens": 202214.0,
      "step": 466
    },
    {
      "epoch": 0.15566666666666668,
      "grad_norm": 19.795888900756836,
      "learning_rate": 1.741580756013746e-05,
      "loss": 0.3448,
      "num_tokens": 202648.0,
      "step": 467
    },
    {
      "epoch": 0.156,
      "grad_norm": 21.876707077026367,
      "learning_rate": 1.7408934707903783e-05,
      "loss": 0.3475,
      "num_tokens": 203093.0,
      "step": 468
    },
    {
      "epoch": 0.15633333333333332,
      "grad_norm": 25.528244018554688,
      "learning_rate": 1.7402061855670106e-05,
      "loss": 0.3503,
      "num_tokens": 203424.0,
      "step": 469
    },
    {
      "epoch": 0.15666666666666668,
      "grad_norm": 49.659236907958984,
      "learning_rate": 1.739518900343643e-05,
      "loss": 0.6613,
      "num_tokens": 203680.0,
      "step": 470
    },
    {
      "epoch": 0.157,
      "grad_norm": 22.557395935058594,
      "learning_rate": 1.738831615120275e-05,
      "loss": 0.2684,
      "num_tokens": 203951.0,
      "step": 471
    },
    {
      "epoch": 0.15733333333333333,
      "grad_norm": 34.72840881347656,
      "learning_rate": 1.7381443298969075e-05,
      "loss": 0.6837,
      "num_tokens": 204199.0,
      "step": 472
    },
    {
      "epoch": 0.15766666666666668,
      "grad_norm": 17.086915969848633,
      "learning_rate": 1.7374570446735398e-05,
      "loss": 0.3609,
      "num_tokens": 204731.0,
      "step": 473
    },
    {
      "epoch": 0.158,
      "grad_norm": 49.82794952392578,
      "learning_rate": 1.736769759450172e-05,
      "loss": 0.6539,
      "num_tokens": 204938.0,
      "step": 474
    },
    {
      "epoch": 0.15833333333333333,
      "grad_norm": 20.47834014892578,
      "learning_rate": 1.7360824742268044e-05,
      "loss": 0.4217,
      "num_tokens": 205342.0,
      "step": 475
    },
    {
      "epoch": 0.15866666666666668,
      "grad_norm": 18.873167037963867,
      "learning_rate": 1.7353951890034367e-05,
      "loss": 0.4118,
      "num_tokens": 205968.0,
      "step": 476
    },
    {
      "epoch": 0.159,
      "grad_norm": 15.121624946594238,
      "learning_rate": 1.734707903780069e-05,
      "loss": 0.3484,
      "num_tokens": 206805.0,
      "step": 477
    },
    {
      "epoch": 0.15933333333333333,
      "grad_norm": 15.313365936279297,
      "learning_rate": 1.7340206185567013e-05,
      "loss": 0.2959,
      "num_tokens": 207297.0,
      "step": 478
    },
    {
      "epoch": 0.15966666666666668,
      "grad_norm": 47.93696594238281,
      "learning_rate": 1.7333333333333336e-05,
      "loss": 0.6226,
      "num_tokens": 207674.0,
      "step": 479
    },
    {
      "epoch": 0.16,
      "grad_norm": 27.130521774291992,
      "learning_rate": 1.732646048109966e-05,
      "loss": 0.6609,
      "num_tokens": 207931.0,
      "step": 480
    },
    {
      "epoch": 0.16033333333333333,
      "grad_norm": 22.288991928100586,
      "learning_rate": 1.731958762886598e-05,
      "loss": 0.5482,
      "num_tokens": 208354.0,
      "step": 481
    },
    {
      "epoch": 0.16066666666666668,
      "grad_norm": 16.43842315673828,
      "learning_rate": 1.7312714776632305e-05,
      "loss": 0.3466,
      "num_tokens": 208841.0,
      "step": 482
    },
    {
      "epoch": 0.161,
      "grad_norm": 18.5867919921875,
      "learning_rate": 1.7305841924398628e-05,
      "loss": 0.288,
      "num_tokens": 209352.0,
      "step": 483
    },
    {
      "epoch": 0.16133333333333333,
      "grad_norm": 18.81549835205078,
      "learning_rate": 1.729896907216495e-05,
      "loss": 0.2755,
      "num_tokens": 209862.0,
      "step": 484
    },
    {
      "epoch": 0.16166666666666665,
      "grad_norm": 26.995450973510742,
      "learning_rate": 1.7292096219931274e-05,
      "loss": 0.5618,
      "num_tokens": 210345.0,
      "step": 485
    },
    {
      "epoch": 0.162,
      "grad_norm": 18.192176818847656,
      "learning_rate": 1.7285223367697597e-05,
      "loss": 0.357,
      "num_tokens": 210756.0,
      "step": 486
    },
    {
      "epoch": 0.16233333333333333,
      "grad_norm": 53.38581085205078,
      "learning_rate": 1.727835051546392e-05,
      "loss": 0.7004,
      "num_tokens": 211054.0,
      "step": 487
    },
    {
      "epoch": 0.16266666666666665,
      "grad_norm": 32.21673583984375,
      "learning_rate": 1.7271477663230243e-05,
      "loss": 0.4297,
      "num_tokens": 211340.0,
      "step": 488
    },
    {
      "epoch": 0.163,
      "grad_norm": 25.616121292114258,
      "learning_rate": 1.7264604810996566e-05,
      "loss": 0.6612,
      "num_tokens": 211801.0,
      "step": 489
    },
    {
      "epoch": 0.16333333333333333,
      "grad_norm": 27.65186309814453,
      "learning_rate": 1.725773195876289e-05,
      "loss": 0.5601,
      "num_tokens": 212050.0,
      "step": 490
    },
    {
      "epoch": 0.16366666666666665,
      "grad_norm": 20.75261688232422,
      "learning_rate": 1.7250859106529212e-05,
      "loss": 0.3892,
      "num_tokens": 212479.0,
      "step": 491
    },
    {
      "epoch": 0.164,
      "grad_norm": 21.209962844848633,
      "learning_rate": 1.7243986254295535e-05,
      "loss": 0.324,
      "num_tokens": 213020.0,
      "step": 492
    },
    {
      "epoch": 0.16433333333333333,
      "grad_norm": 20.01892852783203,
      "learning_rate": 1.7237113402061858e-05,
      "loss": 0.4005,
      "num_tokens": 213490.0,
      "step": 493
    },
    {
      "epoch": 0.16466666666666666,
      "grad_norm": 29.406463623046875,
      "learning_rate": 1.723024054982818e-05,
      "loss": 0.6401,
      "num_tokens": 213775.0,
      "step": 494
    },
    {
      "epoch": 0.165,
      "grad_norm": 19.645174026489258,
      "learning_rate": 1.7223367697594504e-05,
      "loss": 0.438,
      "num_tokens": 214178.0,
      "step": 495
    },
    {
      "epoch": 0.16533333333333333,
      "grad_norm": 16.082355499267578,
      "learning_rate": 1.7216494845360827e-05,
      "loss": 0.2615,
      "num_tokens": 214745.0,
      "step": 496
    },
    {
      "epoch": 0.16566666666666666,
      "grad_norm": 12.057690620422363,
      "learning_rate": 1.720962199312715e-05,
      "loss": 0.3366,
      "num_tokens": 215732.0,
      "step": 497
    },
    {
      "epoch": 0.166,
      "grad_norm": 19.436437606811523,
      "learning_rate": 1.7202749140893473e-05,
      "loss": 0.4662,
      "num_tokens": 216154.0,
      "step": 498
    },
    {
      "epoch": 0.16633333333333333,
      "grad_norm": 24.42662811279297,
      "learning_rate": 1.7195876288659796e-05,
      "loss": 0.5601,
      "num_tokens": 216493.0,
      "step": 499
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 34.63334655761719,
      "learning_rate": 1.718900343642612e-05,
      "loss": 0.5371,
      "num_tokens": 216817.0,
      "step": 500
    },
    {
      "epoch": 0.167,
      "grad_norm": 20.38674545288086,
      "learning_rate": 1.7182130584192442e-05,
      "loss": 0.478,
      "num_tokens": 217142.0,
      "step": 501
    },
    {
      "epoch": 0.16733333333333333,
      "grad_norm": 21.208032608032227,
      "learning_rate": 1.7175257731958765e-05,
      "loss": 0.4482,
      "num_tokens": 217547.0,
      "step": 502
    },
    {
      "epoch": 0.16766666666666666,
      "grad_norm": 26.266990661621094,
      "learning_rate": 1.7168384879725088e-05,
      "loss": 0.6107,
      "num_tokens": 217907.0,
      "step": 503
    },
    {
      "epoch": 0.168,
      "grad_norm": 61.92717742919922,
      "learning_rate": 1.716151202749141e-05,
      "loss": 0.3041,
      "num_tokens": 218350.0,
      "step": 504
    },
    {
      "epoch": 0.16833333333333333,
      "grad_norm": 54.85898208618164,
      "learning_rate": 1.7154639175257734e-05,
      "loss": 0.5664,
      "num_tokens": 218621.0,
      "step": 505
    },
    {
      "epoch": 0.16866666666666666,
      "grad_norm": 23.685298919677734,
      "learning_rate": 1.7147766323024057e-05,
      "loss": 0.4331,
      "num_tokens": 219102.0,
      "step": 506
    },
    {
      "epoch": 0.169,
      "grad_norm": 28.45393180847168,
      "learning_rate": 1.714089347079038e-05,
      "loss": 0.5257,
      "num_tokens": 219365.0,
      "step": 507
    },
    {
      "epoch": 0.16933333333333334,
      "grad_norm": 21.749603271484375,
      "learning_rate": 1.7134020618556703e-05,
      "loss": 0.3034,
      "num_tokens": 219741.0,
      "step": 508
    },
    {
      "epoch": 0.16966666666666666,
      "grad_norm": 15.658947944641113,
      "learning_rate": 1.7127147766323026e-05,
      "loss": 0.3072,
      "num_tokens": 220227.0,
      "step": 509
    },
    {
      "epoch": 0.17,
      "grad_norm": 17.05265998840332,
      "learning_rate": 1.712027491408935e-05,
      "loss": 0.4372,
      "num_tokens": 220695.0,
      "step": 510
    },
    {
      "epoch": 0.17033333333333334,
      "grad_norm": 31.408248901367188,
      "learning_rate": 1.7113402061855672e-05,
      "loss": 0.3711,
      "num_tokens": 221048.0,
      "step": 511
    },
    {
      "epoch": 0.17066666666666666,
      "grad_norm": 12.65321159362793,
      "learning_rate": 1.7106529209621995e-05,
      "loss": 0.2461,
      "num_tokens": 221593.0,
      "step": 512
    },
    {
      "epoch": 0.171,
      "grad_norm": 40.484619140625,
      "learning_rate": 1.7099656357388318e-05,
      "loss": 0.841,
      "num_tokens": 221849.0,
      "step": 513
    },
    {
      "epoch": 0.17133333333333334,
      "grad_norm": 22.97848892211914,
      "learning_rate": 1.709278350515464e-05,
      "loss": 0.5678,
      "num_tokens": 222188.0,
      "step": 514
    },
    {
      "epoch": 0.17166666666666666,
      "grad_norm": 28.992382049560547,
      "learning_rate": 1.7085910652920964e-05,
      "loss": 0.5182,
      "num_tokens": 222488.0,
      "step": 515
    },
    {
      "epoch": 0.172,
      "grad_norm": 16.19476890563965,
      "learning_rate": 1.7079037800687287e-05,
      "loss": 0.3239,
      "num_tokens": 223058.0,
      "step": 516
    },
    {
      "epoch": 0.17233333333333334,
      "grad_norm": 28.93166732788086,
      "learning_rate": 1.707216494845361e-05,
      "loss": 0.6013,
      "num_tokens": 223332.0,
      "step": 517
    },
    {
      "epoch": 0.17266666666666666,
      "grad_norm": 25.95389747619629,
      "learning_rate": 1.7065292096219933e-05,
      "loss": 0.412,
      "num_tokens": 223627.0,
      "step": 518
    },
    {
      "epoch": 0.173,
      "grad_norm": 31.67219352722168,
      "learning_rate": 1.7058419243986256e-05,
      "loss": 0.4289,
      "num_tokens": 223953.0,
      "step": 519
    },
    {
      "epoch": 0.17333333333333334,
      "grad_norm": 24.735300064086914,
      "learning_rate": 1.705154639175258e-05,
      "loss": 0.2586,
      "num_tokens": 224458.0,
      "step": 520
    },
    {
      "epoch": 0.17366666666666666,
      "grad_norm": 40.71742630004883,
      "learning_rate": 1.7044673539518902e-05,
      "loss": 0.6031,
      "num_tokens": 224646.0,
      "step": 521
    },
    {
      "epoch": 0.174,
      "grad_norm": 17.032861709594727,
      "learning_rate": 1.7037800687285225e-05,
      "loss": 0.3329,
      "num_tokens": 225057.0,
      "step": 522
    },
    {
      "epoch": 0.17433333333333334,
      "grad_norm": 28.10430145263672,
      "learning_rate": 1.7030927835051548e-05,
      "loss": 0.4354,
      "num_tokens": 225378.0,
      "step": 523
    },
    {
      "epoch": 0.17466666666666666,
      "grad_norm": 20.194217681884766,
      "learning_rate": 1.702405498281787e-05,
      "loss": 0.227,
      "num_tokens": 225718.0,
      "step": 524
    },
    {
      "epoch": 0.175,
      "grad_norm": 25.47016143798828,
      "learning_rate": 1.7017182130584194e-05,
      "loss": 0.6717,
      "num_tokens": 226080.0,
      "step": 525
    },
    {
      "epoch": 0.17533333333333334,
      "grad_norm": 24.243797302246094,
      "learning_rate": 1.7010309278350517e-05,
      "loss": 0.6254,
      "num_tokens": 226583.0,
      "step": 526
    },
    {
      "epoch": 0.17566666666666667,
      "grad_norm": 41.210296630859375,
      "learning_rate": 1.700343642611684e-05,
      "loss": 0.8439,
      "num_tokens": 226826.0,
      "step": 527
    },
    {
      "epoch": 0.176,
      "grad_norm": 28.7137393951416,
      "learning_rate": 1.6996563573883163e-05,
      "loss": 0.2657,
      "num_tokens": 227407.0,
      "step": 528
    },
    {
      "epoch": 0.17633333333333334,
      "grad_norm": 12.281630516052246,
      "learning_rate": 1.6989690721649486e-05,
      "loss": 0.188,
      "num_tokens": 228009.0,
      "step": 529
    },
    {
      "epoch": 0.17666666666666667,
      "grad_norm": 21.486019134521484,
      "learning_rate": 1.698281786941581e-05,
      "loss": 0.258,
      "num_tokens": 228892.0,
      "step": 530
    },
    {
      "epoch": 0.177,
      "grad_norm": 27.315610885620117,
      "learning_rate": 1.6975945017182132e-05,
      "loss": 0.5292,
      "num_tokens": 229168.0,
      "step": 531
    },
    {
      "epoch": 0.17733333333333334,
      "grad_norm": 21.286457061767578,
      "learning_rate": 1.6969072164948455e-05,
      "loss": 0.3979,
      "num_tokens": 229504.0,
      "step": 532
    },
    {
      "epoch": 0.17766666666666667,
      "grad_norm": 18.422861099243164,
      "learning_rate": 1.6962199312714778e-05,
      "loss": 0.3508,
      "num_tokens": 229966.0,
      "step": 533
    },
    {
      "epoch": 0.178,
      "grad_norm": 15.002598762512207,
      "learning_rate": 1.69553264604811e-05,
      "loss": 0.3153,
      "num_tokens": 230667.0,
      "step": 534
    },
    {
      "epoch": 0.17833333333333334,
      "grad_norm": 16.335908889770508,
      "learning_rate": 1.6948453608247424e-05,
      "loss": 0.2913,
      "num_tokens": 231279.0,
      "step": 535
    },
    {
      "epoch": 0.17866666666666667,
      "grad_norm": 46.51729965209961,
      "learning_rate": 1.6941580756013747e-05,
      "loss": 0.6204,
      "num_tokens": 231583.0,
      "step": 536
    },
    {
      "epoch": 0.179,
      "grad_norm": 49.30997085571289,
      "learning_rate": 1.693470790378007e-05,
      "loss": 0.8763,
      "num_tokens": 231778.0,
      "step": 537
    },
    {
      "epoch": 0.17933333333333334,
      "grad_norm": 31.57961082458496,
      "learning_rate": 1.6927835051546393e-05,
      "loss": 0.5906,
      "num_tokens": 232055.0,
      "step": 538
    },
    {
      "epoch": 0.17966666666666667,
      "grad_norm": 23.945438385009766,
      "learning_rate": 1.6920962199312716e-05,
      "loss": 0.3446,
      "num_tokens": 232373.0,
      "step": 539
    },
    {
      "epoch": 0.18,
      "grad_norm": 25.289033889770508,
      "learning_rate": 1.691408934707904e-05,
      "loss": 0.6543,
      "num_tokens": 232768.0,
      "step": 540
    },
    {
      "epoch": 0.18033333333333335,
      "grad_norm": 13.83476734161377,
      "learning_rate": 1.6907216494845362e-05,
      "loss": 0.2211,
      "num_tokens": 233293.0,
      "step": 541
    },
    {
      "epoch": 0.18066666666666667,
      "grad_norm": 22.183866500854492,
      "learning_rate": 1.6900343642611685e-05,
      "loss": 0.5002,
      "num_tokens": 233588.0,
      "step": 542
    },
    {
      "epoch": 0.181,
      "grad_norm": 19.43381690979004,
      "learning_rate": 1.6893470790378008e-05,
      "loss": 0.4236,
      "num_tokens": 233943.0,
      "step": 543
    },
    {
      "epoch": 0.18133333333333335,
      "grad_norm": 35.85491943359375,
      "learning_rate": 1.688659793814433e-05,
      "loss": 0.6956,
      "num_tokens": 234219.0,
      "step": 544
    },
    {
      "epoch": 0.18166666666666667,
      "grad_norm": 26.069541931152344,
      "learning_rate": 1.6879725085910654e-05,
      "loss": 0.5819,
      "num_tokens": 234699.0,
      "step": 545
    },
    {
      "epoch": 0.182,
      "grad_norm": 13.64471435546875,
      "learning_rate": 1.6872852233676977e-05,
      "loss": 0.2775,
      "num_tokens": 235116.0,
      "step": 546
    },
    {
      "epoch": 0.18233333333333332,
      "grad_norm": 17.30000877380371,
      "learning_rate": 1.68659793814433e-05,
      "loss": 0.3685,
      "num_tokens": 235550.0,
      "step": 547
    },
    {
      "epoch": 0.18266666666666667,
      "grad_norm": 27.314037322998047,
      "learning_rate": 1.6859106529209623e-05,
      "loss": 0.3786,
      "num_tokens": 235990.0,
      "step": 548
    },
    {
      "epoch": 0.183,
      "grad_norm": 17.323287963867188,
      "learning_rate": 1.6852233676975946e-05,
      "loss": 0.3289,
      "num_tokens": 236456.0,
      "step": 549
    },
    {
      "epoch": 0.18333333333333332,
      "grad_norm": 22.846689224243164,
      "learning_rate": 1.684536082474227e-05,
      "loss": 0.4695,
      "num_tokens": 236771.0,
      "step": 550
    },
    {
      "epoch": 0.18366666666666667,
      "grad_norm": 15.031794548034668,
      "learning_rate": 1.6838487972508592e-05,
      "loss": 0.4268,
      "num_tokens": 237393.0,
      "step": 551
    },
    {
      "epoch": 0.184,
      "grad_norm": 19.950162887573242,
      "learning_rate": 1.6831615120274915e-05,
      "loss": 0.4457,
      "num_tokens": 237793.0,
      "step": 552
    },
    {
      "epoch": 0.18433333333333332,
      "grad_norm": 15.98537540435791,
      "learning_rate": 1.6824742268041238e-05,
      "loss": 0.3753,
      "num_tokens": 238297.0,
      "step": 553
    },
    {
      "epoch": 0.18466666666666667,
      "grad_norm": 16.582721710205078,
      "learning_rate": 1.681786941580756e-05,
      "loss": 0.3152,
      "num_tokens": 238817.0,
      "step": 554
    },
    {
      "epoch": 0.185,
      "grad_norm": 25.71152114868164,
      "learning_rate": 1.6810996563573884e-05,
      "loss": 0.5861,
      "num_tokens": 239120.0,
      "step": 555
    },
    {
      "epoch": 0.18533333333333332,
      "grad_norm": 25.623010635375977,
      "learning_rate": 1.6804123711340207e-05,
      "loss": 0.6981,
      "num_tokens": 239426.0,
      "step": 556
    },
    {
      "epoch": 0.18566666666666667,
      "grad_norm": 14.8167085647583,
      "learning_rate": 1.679725085910653e-05,
      "loss": 0.2488,
      "num_tokens": 239914.0,
      "step": 557
    },
    {
      "epoch": 0.186,
      "grad_norm": 18.452024459838867,
      "learning_rate": 1.6790378006872853e-05,
      "loss": 0.257,
      "num_tokens": 240310.0,
      "step": 558
    },
    {
      "epoch": 0.18633333333333332,
      "grad_norm": 15.72367000579834,
      "learning_rate": 1.6783505154639176e-05,
      "loss": 0.3634,
      "num_tokens": 240893.0,
      "step": 559
    },
    {
      "epoch": 0.18666666666666668,
      "grad_norm": 36.88656997680664,
      "learning_rate": 1.67766323024055e-05,
      "loss": 0.3709,
      "num_tokens": 241484.0,
      "step": 560
    },
    {
      "epoch": 0.187,
      "grad_norm": 23.514509201049805,
      "learning_rate": 1.6769759450171822e-05,
      "loss": 0.6124,
      "num_tokens": 241875.0,
      "step": 561
    },
    {
      "epoch": 0.18733333333333332,
      "grad_norm": 22.05734634399414,
      "learning_rate": 1.6762886597938145e-05,
      "loss": 0.3235,
      "num_tokens": 242582.0,
      "step": 562
    },
    {
      "epoch": 0.18766666666666668,
      "grad_norm": 25.59742546081543,
      "learning_rate": 1.675601374570447e-05,
      "loss": 0.3753,
      "num_tokens": 242869.0,
      "step": 563
    },
    {
      "epoch": 0.188,
      "grad_norm": 30.628376007080078,
      "learning_rate": 1.674914089347079e-05,
      "loss": 0.3289,
      "num_tokens": 243398.0,
      "step": 564
    },
    {
      "epoch": 0.18833333333333332,
      "grad_norm": 19.614044189453125,
      "learning_rate": 1.6742268041237114e-05,
      "loss": 0.3987,
      "num_tokens": 243835.0,
      "step": 565
    },
    {
      "epoch": 0.18866666666666668,
      "grad_norm": 11.729801177978516,
      "learning_rate": 1.6735395189003437e-05,
      "loss": 0.2859,
      "num_tokens": 244575.0,
      "step": 566
    },
    {
      "epoch": 0.189,
      "grad_norm": 21.81154441833496,
      "learning_rate": 1.672852233676976e-05,
      "loss": 0.3451,
      "num_tokens": 244856.0,
      "step": 567
    },
    {
      "epoch": 0.18933333333333333,
      "grad_norm": 27.10545539855957,
      "learning_rate": 1.6721649484536083e-05,
      "loss": 0.5689,
      "num_tokens": 245144.0,
      "step": 568
    },
    {
      "epoch": 0.18966666666666668,
      "grad_norm": 13.525874137878418,
      "learning_rate": 1.6714776632302406e-05,
      "loss": 0.2313,
      "num_tokens": 245565.0,
      "step": 569
    },
    {
      "epoch": 0.19,
      "grad_norm": 21.132083892822266,
      "learning_rate": 1.670790378006873e-05,
      "loss": 0.4784,
      "num_tokens": 245979.0,
      "step": 570
    },
    {
      "epoch": 0.19033333333333333,
      "grad_norm": 17.37161636352539,
      "learning_rate": 1.6701030927835052e-05,
      "loss": 0.3031,
      "num_tokens": 246420.0,
      "step": 571
    },
    {
      "epoch": 0.19066666666666668,
      "grad_norm": 25.221349716186523,
      "learning_rate": 1.6694158075601375e-05,
      "loss": 0.4156,
      "num_tokens": 246875.0,
      "step": 572
    },
    {
      "epoch": 0.191,
      "grad_norm": 30.317277908325195,
      "learning_rate": 1.66872852233677e-05,
      "loss": 0.6828,
      "num_tokens": 247127.0,
      "step": 573
    },
    {
      "epoch": 0.19133333333333333,
      "grad_norm": 22.4108829498291,
      "learning_rate": 1.668041237113402e-05,
      "loss": 0.4167,
      "num_tokens": 247473.0,
      "step": 574
    },
    {
      "epoch": 0.19166666666666668,
      "grad_norm": 42.48869323730469,
      "learning_rate": 1.6673539518900344e-05,
      "loss": 0.9041,
      "num_tokens": 247652.0,
      "step": 575
    },
    {
      "epoch": 0.192,
      "grad_norm": 24.68836212158203,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 0.4365,
      "num_tokens": 248148.0,
      "step": 576
    },
    {
      "epoch": 0.19233333333333333,
      "grad_norm": 32.10274124145508,
      "learning_rate": 1.665979381443299e-05,
      "loss": 0.2874,
      "num_tokens": 248787.0,
      "step": 577
    },
    {
      "epoch": 0.19266666666666668,
      "grad_norm": 21.163625717163086,
      "learning_rate": 1.6652920962199313e-05,
      "loss": 0.5279,
      "num_tokens": 249124.0,
      "step": 578
    },
    {
      "epoch": 0.193,
      "grad_norm": 22.90005874633789,
      "learning_rate": 1.6646048109965636e-05,
      "loss": 0.4013,
      "num_tokens": 249499.0,
      "step": 579
    },
    {
      "epoch": 0.19333333333333333,
      "grad_norm": 23.710302352905273,
      "learning_rate": 1.663917525773196e-05,
      "loss": 0.394,
      "num_tokens": 249758.0,
      "step": 580
    },
    {
      "epoch": 0.19366666666666665,
      "grad_norm": 26.265275955200195,
      "learning_rate": 1.6632302405498283e-05,
      "loss": 0.296,
      "num_tokens": 250024.0,
      "step": 581
    },
    {
      "epoch": 0.194,
      "grad_norm": 19.32786750793457,
      "learning_rate": 1.6625429553264606e-05,
      "loss": 0.3482,
      "num_tokens": 250448.0,
      "step": 582
    },
    {
      "epoch": 0.19433333333333333,
      "grad_norm": 34.811004638671875,
      "learning_rate": 1.661855670103093e-05,
      "loss": 0.6017,
      "num_tokens": 250651.0,
      "step": 583
    },
    {
      "epoch": 0.19466666666666665,
      "grad_norm": 33.16473388671875,
      "learning_rate": 1.661168384879725e-05,
      "loss": 0.5537,
      "num_tokens": 250921.0,
      "step": 584
    },
    {
      "epoch": 0.195,
      "grad_norm": 24.060787200927734,
      "learning_rate": 1.6604810996563575e-05,
      "loss": 0.5043,
      "num_tokens": 251203.0,
      "step": 585
    },
    {
      "epoch": 0.19533333333333333,
      "grad_norm": 11.13211441040039,
      "learning_rate": 1.65979381443299e-05,
      "loss": 0.2553,
      "num_tokens": 251862.0,
      "step": 586
    },
    {
      "epoch": 0.19566666666666666,
      "grad_norm": 29.783037185668945,
      "learning_rate": 1.6591065292096224e-05,
      "loss": 0.655,
      "num_tokens": 252232.0,
      "step": 587
    },
    {
      "epoch": 0.196,
      "grad_norm": 16.797468185424805,
      "learning_rate": 1.6584192439862547e-05,
      "loss": 0.2835,
      "num_tokens": 252653.0,
      "step": 588
    },
    {
      "epoch": 0.19633333333333333,
      "grad_norm": 14.84044361114502,
      "learning_rate": 1.657731958762887e-05,
      "loss": 0.3562,
      "num_tokens": 253354.0,
      "step": 589
    },
    {
      "epoch": 0.19666666666666666,
      "grad_norm": 31.560718536376953,
      "learning_rate": 1.6570446735395193e-05,
      "loss": 0.6884,
      "num_tokens": 253592.0,
      "step": 590
    },
    {
      "epoch": 0.197,
      "grad_norm": 16.031721115112305,
      "learning_rate": 1.6563573883161516e-05,
      "loss": 0.3924,
      "num_tokens": 254009.0,
      "step": 591
    },
    {
      "epoch": 0.19733333333333333,
      "grad_norm": 21.088621139526367,
      "learning_rate": 1.6556701030927836e-05,
      "loss": 0.4674,
      "num_tokens": 254363.0,
      "step": 592
    },
    {
      "epoch": 0.19766666666666666,
      "grad_norm": 18.056909561157227,
      "learning_rate": 1.654982817869416e-05,
      "loss": 0.3131,
      "num_tokens": 254697.0,
      "step": 593
    },
    {
      "epoch": 0.198,
      "grad_norm": 12.323354721069336,
      "learning_rate": 1.654295532646048e-05,
      "loss": 0.2245,
      "num_tokens": 255214.0,
      "step": 594
    },
    {
      "epoch": 0.19833333333333333,
      "grad_norm": 13.75442123413086,
      "learning_rate": 1.6536082474226805e-05,
      "loss": 0.2726,
      "num_tokens": 255718.0,
      "step": 595
    },
    {
      "epoch": 0.19866666666666666,
      "grad_norm": 17.051673889160156,
      "learning_rate": 1.6529209621993128e-05,
      "loss": 0.3152,
      "num_tokens": 256367.0,
      "step": 596
    },
    {
      "epoch": 0.199,
      "grad_norm": 12.190932273864746,
      "learning_rate": 1.652233676975945e-05,
      "loss": 0.1536,
      "num_tokens": 256731.0,
      "step": 597
    },
    {
      "epoch": 0.19933333333333333,
      "grad_norm": 22.305383682250977,
      "learning_rate": 1.6515463917525774e-05,
      "loss": 0.259,
      "num_tokens": 257030.0,
      "step": 598
    },
    {
      "epoch": 0.19966666666666666,
      "grad_norm": 25.14312744140625,
      "learning_rate": 1.6508591065292097e-05,
      "loss": 0.3787,
      "num_tokens": 257267.0,
      "step": 599
    },
    {
      "epoch": 0.2,
      "grad_norm": 15.937422752380371,
      "learning_rate": 1.650171821305842e-05,
      "loss": 0.323,
      "num_tokens": 257731.0,
      "step": 600
    },
    {
      "epoch": 0.20033333333333334,
      "grad_norm": 19.65683937072754,
      "learning_rate": 1.6494845360824743e-05,
      "loss": 0.4435,
      "num_tokens": 258234.0,
      "step": 601
    },
    {
      "epoch": 0.20066666666666666,
      "grad_norm": 23.734676361083984,
      "learning_rate": 1.6487972508591066e-05,
      "loss": 0.4078,
      "num_tokens": 258583.0,
      "step": 602
    },
    {
      "epoch": 0.201,
      "grad_norm": 25.02617073059082,
      "learning_rate": 1.648109965635739e-05,
      "loss": 0.4529,
      "num_tokens": 258897.0,
      "step": 603
    },
    {
      "epoch": 0.20133333333333334,
      "grad_norm": 27.19719123840332,
      "learning_rate": 1.6474226804123712e-05,
      "loss": 0.487,
      "num_tokens": 259154.0,
      "step": 604
    },
    {
      "epoch": 0.20166666666666666,
      "grad_norm": 19.7155818939209,
      "learning_rate": 1.6467353951890035e-05,
      "loss": 0.4354,
      "num_tokens": 259586.0,
      "step": 605
    },
    {
      "epoch": 0.202,
      "grad_norm": 30.209171295166016,
      "learning_rate": 1.6460481099656358e-05,
      "loss": 0.4659,
      "num_tokens": 259874.0,
      "step": 606
    },
    {
      "epoch": 0.20233333333333334,
      "grad_norm": 22.83366584777832,
      "learning_rate": 1.645360824742268e-05,
      "loss": 0.2936,
      "num_tokens": 260267.0,
      "step": 607
    },
    {
      "epoch": 0.20266666666666666,
      "grad_norm": 18.518339157104492,
      "learning_rate": 1.6446735395189004e-05,
      "loss": 0.307,
      "num_tokens": 260709.0,
      "step": 608
    },
    {
      "epoch": 0.203,
      "grad_norm": 11.78290843963623,
      "learning_rate": 1.6439862542955327e-05,
      "loss": 0.2411,
      "num_tokens": 261368.0,
      "step": 609
    },
    {
      "epoch": 0.20333333333333334,
      "grad_norm": 30.326934814453125,
      "learning_rate": 1.643298969072165e-05,
      "loss": 0.5799,
      "num_tokens": 261598.0,
      "step": 610
    },
    {
      "epoch": 0.20366666666666666,
      "grad_norm": 26.588197708129883,
      "learning_rate": 1.6426116838487973e-05,
      "loss": 0.3544,
      "num_tokens": 261908.0,
      "step": 611
    },
    {
      "epoch": 0.204,
      "grad_norm": 13.719107627868652,
      "learning_rate": 1.6419243986254296e-05,
      "loss": 0.202,
      "num_tokens": 262323.0,
      "step": 612
    },
    {
      "epoch": 0.20433333333333334,
      "grad_norm": 22.264862060546875,
      "learning_rate": 1.641237113402062e-05,
      "loss": 0.4205,
      "num_tokens": 262690.0,
      "step": 613
    },
    {
      "epoch": 0.20466666666666666,
      "grad_norm": 30.448408126831055,
      "learning_rate": 1.6405498281786942e-05,
      "loss": 0.5443,
      "num_tokens": 262927.0,
      "step": 614
    },
    {
      "epoch": 0.205,
      "grad_norm": 9.65341567993164,
      "learning_rate": 1.6398625429553265e-05,
      "loss": 0.2313,
      "num_tokens": 263919.0,
      "step": 615
    },
    {
      "epoch": 0.20533333333333334,
      "grad_norm": 21.44770050048828,
      "learning_rate": 1.6391752577319588e-05,
      "loss": 0.4415,
      "num_tokens": 264439.0,
      "step": 616
    },
    {
      "epoch": 0.20566666666666666,
      "grad_norm": 17.24468994140625,
      "learning_rate": 1.638487972508591e-05,
      "loss": 0.4365,
      "num_tokens": 264902.0,
      "step": 617
    },
    {
      "epoch": 0.206,
      "grad_norm": 24.271669387817383,
      "learning_rate": 1.6378006872852234e-05,
      "loss": 0.4271,
      "num_tokens": 265230.0,
      "step": 618
    },
    {
      "epoch": 0.20633333333333334,
      "grad_norm": 26.003381729125977,
      "learning_rate": 1.6371134020618557e-05,
      "loss": 0.5493,
      "num_tokens": 265581.0,
      "step": 619
    },
    {
      "epoch": 0.20666666666666667,
      "grad_norm": 21.941686630249023,
      "learning_rate": 1.636426116838488e-05,
      "loss": 0.4646,
      "num_tokens": 265924.0,
      "step": 620
    },
    {
      "epoch": 0.207,
      "grad_norm": 33.77889633178711,
      "learning_rate": 1.6357388316151203e-05,
      "loss": 0.5853,
      "num_tokens": 266137.0,
      "step": 621
    },
    {
      "epoch": 0.20733333333333334,
      "grad_norm": 18.66501235961914,
      "learning_rate": 1.6350515463917526e-05,
      "loss": 0.269,
      "num_tokens": 266544.0,
      "step": 622
    },
    {
      "epoch": 0.20766666666666667,
      "grad_norm": 22.491485595703125,
      "learning_rate": 1.634364261168385e-05,
      "loss": 0.3891,
      "num_tokens": 266833.0,
      "step": 623
    },
    {
      "epoch": 0.208,
      "grad_norm": 13.81707763671875,
      "learning_rate": 1.6336769759450172e-05,
      "loss": 0.2507,
      "num_tokens": 267483.0,
      "step": 624
    },
    {
      "epoch": 0.20833333333333334,
      "grad_norm": 23.89751625061035,
      "learning_rate": 1.6329896907216495e-05,
      "loss": 0.3861,
      "num_tokens": 268159.0,
      "step": 625
    },
    {
      "epoch": 0.20866666666666667,
      "grad_norm": 28.264066696166992,
      "learning_rate": 1.6323024054982818e-05,
      "loss": 0.3205,
      "num_tokens": 268590.0,
      "step": 626
    },
    {
      "epoch": 0.209,
      "grad_norm": 34.47746276855469,
      "learning_rate": 1.631615120274914e-05,
      "loss": 0.9738,
      "num_tokens": 268898.0,
      "step": 627
    },
    {
      "epoch": 0.20933333333333334,
      "grad_norm": 17.890108108520508,
      "learning_rate": 1.6309278350515464e-05,
      "loss": 0.2935,
      "num_tokens": 269450.0,
      "step": 628
    },
    {
      "epoch": 0.20966666666666667,
      "grad_norm": 26.296497344970703,
      "learning_rate": 1.6302405498281787e-05,
      "loss": 0.4101,
      "num_tokens": 269683.0,
      "step": 629
    },
    {
      "epoch": 0.21,
      "grad_norm": 20.453472137451172,
      "learning_rate": 1.629553264604811e-05,
      "loss": 0.4293,
      "num_tokens": 270022.0,
      "step": 630
    },
    {
      "epoch": 0.21033333333333334,
      "grad_norm": 13.469695091247559,
      "learning_rate": 1.6288659793814433e-05,
      "loss": 0.2362,
      "num_tokens": 270647.0,
      "step": 631
    },
    {
      "epoch": 0.21066666666666667,
      "grad_norm": 13.308784484863281,
      "learning_rate": 1.6281786941580756e-05,
      "loss": 0.294,
      "num_tokens": 271255.0,
      "step": 632
    },
    {
      "epoch": 0.211,
      "grad_norm": 31.742849349975586,
      "learning_rate": 1.627491408934708e-05,
      "loss": 0.5296,
      "num_tokens": 271656.0,
      "step": 633
    },
    {
      "epoch": 0.21133333333333335,
      "grad_norm": 27.552366256713867,
      "learning_rate": 1.6268041237113402e-05,
      "loss": 0.7271,
      "num_tokens": 272030.0,
      "step": 634
    },
    {
      "epoch": 0.21166666666666667,
      "grad_norm": 18.473188400268555,
      "learning_rate": 1.6261168384879725e-05,
      "loss": 0.4223,
      "num_tokens": 272610.0,
      "step": 635
    },
    {
      "epoch": 0.212,
      "grad_norm": 18.43381118774414,
      "learning_rate": 1.6254295532646048e-05,
      "loss": 0.3241,
      "num_tokens": 272976.0,
      "step": 636
    },
    {
      "epoch": 0.21233333333333335,
      "grad_norm": 15.261659622192383,
      "learning_rate": 1.624742268041237e-05,
      "loss": 0.2858,
      "num_tokens": 273432.0,
      "step": 637
    },
    {
      "epoch": 0.21266666666666667,
      "grad_norm": 22.178998947143555,
      "learning_rate": 1.6240549828178694e-05,
      "loss": 0.5097,
      "num_tokens": 273799.0,
      "step": 638
    },
    {
      "epoch": 0.213,
      "grad_norm": 19.257829666137695,
      "learning_rate": 1.6233676975945017e-05,
      "loss": 0.4429,
      "num_tokens": 274297.0,
      "step": 639
    },
    {
      "epoch": 0.21333333333333335,
      "grad_norm": 35.73877716064453,
      "learning_rate": 1.622680412371134e-05,
      "loss": 0.5773,
      "num_tokens": 274599.0,
      "step": 640
    },
    {
      "epoch": 0.21366666666666667,
      "grad_norm": 26.63612174987793,
      "learning_rate": 1.6219931271477663e-05,
      "loss": 0.6138,
      "num_tokens": 274900.0,
      "step": 641
    },
    {
      "epoch": 0.214,
      "grad_norm": 37.242828369140625,
      "learning_rate": 1.621305841924399e-05,
      "loss": 0.8253,
      "num_tokens": 275100.0,
      "step": 642
    },
    {
      "epoch": 0.21433333333333332,
      "grad_norm": 31.978225708007812,
      "learning_rate": 1.6206185567010312e-05,
      "loss": 0.2574,
      "num_tokens": 275587.0,
      "step": 643
    },
    {
      "epoch": 0.21466666666666667,
      "grad_norm": 23.825271606445312,
      "learning_rate": 1.6199312714776635e-05,
      "loss": 0.4425,
      "num_tokens": 276133.0,
      "step": 644
    },
    {
      "epoch": 0.215,
      "grad_norm": 18.92102813720703,
      "learning_rate": 1.619243986254296e-05,
      "loss": 0.3877,
      "num_tokens": 276565.0,
      "step": 645
    },
    {
      "epoch": 0.21533333333333332,
      "grad_norm": 18.847394943237305,
      "learning_rate": 1.618556701030928e-05,
      "loss": 0.2627,
      "num_tokens": 276890.0,
      "step": 646
    },
    {
      "epoch": 0.21566666666666667,
      "grad_norm": 21.81018829345703,
      "learning_rate": 1.6178694158075604e-05,
      "loss": 0.385,
      "num_tokens": 277201.0,
      "step": 647
    },
    {
      "epoch": 0.216,
      "grad_norm": 24.859315872192383,
      "learning_rate": 1.6171821305841927e-05,
      "loss": 0.6009,
      "num_tokens": 277547.0,
      "step": 648
    },
    {
      "epoch": 0.21633333333333332,
      "grad_norm": 21.944673538208008,
      "learning_rate": 1.616494845360825e-05,
      "loss": 0.319,
      "num_tokens": 278263.0,
      "step": 649
    },
    {
      "epoch": 0.21666666666666667,
      "grad_norm": 28.320730209350586,
      "learning_rate": 1.6158075601374573e-05,
      "loss": 0.54,
      "num_tokens": 278608.0,
      "step": 650
    },
    {
      "epoch": 0.217,
      "grad_norm": 29.88319969177246,
      "learning_rate": 1.6151202749140896e-05,
      "loss": 0.5501,
      "num_tokens": 278815.0,
      "step": 651
    },
    {
      "epoch": 0.21733333333333332,
      "grad_norm": 28.360767364501953,
      "learning_rate": 1.614432989690722e-05,
      "loss": 0.6172,
      "num_tokens": 279120.0,
      "step": 652
    },
    {
      "epoch": 0.21766666666666667,
      "grad_norm": 15.245465278625488,
      "learning_rate": 1.6137457044673542e-05,
      "loss": 0.3297,
      "num_tokens": 279648.0,
      "step": 653
    },
    {
      "epoch": 0.218,
      "grad_norm": 16.195669174194336,
      "learning_rate": 1.6130584192439866e-05,
      "loss": 0.4211,
      "num_tokens": 280157.0,
      "step": 654
    },
    {
      "epoch": 0.21833333333333332,
      "grad_norm": 21.093807220458984,
      "learning_rate": 1.612371134020619e-05,
      "loss": 0.2858,
      "num_tokens": 280551.0,
      "step": 655
    },
    {
      "epoch": 0.21866666666666668,
      "grad_norm": 21.21099853515625,
      "learning_rate": 1.611683848797251e-05,
      "loss": 0.347,
      "num_tokens": 280888.0,
      "step": 656
    },
    {
      "epoch": 0.219,
      "grad_norm": 18.88507652282715,
      "learning_rate": 1.6109965635738835e-05,
      "loss": 0.4835,
      "num_tokens": 281358.0,
      "step": 657
    },
    {
      "epoch": 0.21933333333333332,
      "grad_norm": 14.83598518371582,
      "learning_rate": 1.6103092783505158e-05,
      "loss": 0.3287,
      "num_tokens": 281829.0,
      "step": 658
    },
    {
      "epoch": 0.21966666666666668,
      "grad_norm": 20.4962158203125,
      "learning_rate": 1.609621993127148e-05,
      "loss": 0.3486,
      "num_tokens": 282184.0,
      "step": 659
    },
    {
      "epoch": 0.22,
      "grad_norm": 28.730119705200195,
      "learning_rate": 1.6089347079037804e-05,
      "loss": 0.5519,
      "num_tokens": 282383.0,
      "step": 660
    },
    {
      "epoch": 0.22033333333333333,
      "grad_norm": 53.70389175415039,
      "learning_rate": 1.6082474226804127e-05,
      "loss": 0.3823,
      "num_tokens": 282916.0,
      "step": 661
    },
    {
      "epoch": 0.22066666666666668,
      "grad_norm": 35.809410095214844,
      "learning_rate": 1.607560137457045e-05,
      "loss": 0.3127,
      "num_tokens": 283308.0,
      "step": 662
    },
    {
      "epoch": 0.221,
      "grad_norm": 21.06481170654297,
      "learning_rate": 1.6068728522336773e-05,
      "loss": 0.3769,
      "num_tokens": 283667.0,
      "step": 663
    },
    {
      "epoch": 0.22133333333333333,
      "grad_norm": 18.709928512573242,
      "learning_rate": 1.6061855670103096e-05,
      "loss": 0.4331,
      "num_tokens": 284018.0,
      "step": 664
    },
    {
      "epoch": 0.22166666666666668,
      "grad_norm": 20.094240188598633,
      "learning_rate": 1.605498281786942e-05,
      "loss": 0.4782,
      "num_tokens": 284416.0,
      "step": 665
    },
    {
      "epoch": 0.222,
      "grad_norm": 15.828883171081543,
      "learning_rate": 1.604810996563574e-05,
      "loss": 0.3001,
      "num_tokens": 284752.0,
      "step": 666
    },
    {
      "epoch": 0.22233333333333333,
      "grad_norm": 30.30340576171875,
      "learning_rate": 1.6041237113402065e-05,
      "loss": 0.5355,
      "num_tokens": 284960.0,
      "step": 667
    },
    {
      "epoch": 0.22266666666666668,
      "grad_norm": 13.684536933898926,
      "learning_rate": 1.6034364261168388e-05,
      "loss": 0.2653,
      "num_tokens": 285739.0,
      "step": 668
    },
    {
      "epoch": 0.223,
      "grad_norm": 10.602097511291504,
      "learning_rate": 1.602749140893471e-05,
      "loss": 0.1799,
      "num_tokens": 286224.0,
      "step": 669
    },
    {
      "epoch": 0.22333333333333333,
      "grad_norm": 22.557619094848633,
      "learning_rate": 1.6020618556701034e-05,
      "loss": 0.3632,
      "num_tokens": 286712.0,
      "step": 670
    },
    {
      "epoch": 0.22366666666666668,
      "grad_norm": 17.45625877380371,
      "learning_rate": 1.6013745704467357e-05,
      "loss": 0.4969,
      "num_tokens": 287244.0,
      "step": 671
    },
    {
      "epoch": 0.224,
      "grad_norm": 13.798023223876953,
      "learning_rate": 1.600687285223368e-05,
      "loss": 0.2989,
      "num_tokens": 287739.0,
      "step": 672
    },
    {
      "epoch": 0.22433333333333333,
      "grad_norm": 27.30744743347168,
      "learning_rate": 1.6000000000000003e-05,
      "loss": 0.4331,
      "num_tokens": 288119.0,
      "step": 673
    },
    {
      "epoch": 0.22466666666666665,
      "grad_norm": 14.319175720214844,
      "learning_rate": 1.5993127147766326e-05,
      "loss": 0.3279,
      "num_tokens": 288661.0,
      "step": 674
    },
    {
      "epoch": 0.225,
      "grad_norm": 34.45911407470703,
      "learning_rate": 1.598625429553265e-05,
      "loss": 0.3099,
      "num_tokens": 289078.0,
      "step": 675
    },
    {
      "epoch": 0.22533333333333333,
      "grad_norm": 36.244178771972656,
      "learning_rate": 1.597938144329897e-05,
      "loss": 0.4217,
      "num_tokens": 289665.0,
      "step": 676
    },
    {
      "epoch": 0.22566666666666665,
      "grad_norm": 11.629700660705566,
      "learning_rate": 1.5972508591065295e-05,
      "loss": 0.2857,
      "num_tokens": 290310.0,
      "step": 677
    },
    {
      "epoch": 0.226,
      "grad_norm": 19.230918884277344,
      "learning_rate": 1.5965635738831618e-05,
      "loss": 0.309,
      "num_tokens": 290630.0,
      "step": 678
    },
    {
      "epoch": 0.22633333333333333,
      "grad_norm": 11.398876190185547,
      "learning_rate": 1.595876288659794e-05,
      "loss": 0.2106,
      "num_tokens": 291157.0,
      "step": 679
    },
    {
      "epoch": 0.22666666666666666,
      "grad_norm": 29.815059661865234,
      "learning_rate": 1.5951890034364264e-05,
      "loss": 0.8009,
      "num_tokens": 291446.0,
      "step": 680
    },
    {
      "epoch": 0.227,
      "grad_norm": 28.3437442779541,
      "learning_rate": 1.5945017182130587e-05,
      "loss": 0.5749,
      "num_tokens": 291787.0,
      "step": 681
    },
    {
      "epoch": 0.22733333333333333,
      "grad_norm": 15.300314903259277,
      "learning_rate": 1.593814432989691e-05,
      "loss": 0.2639,
      "num_tokens": 292260.0,
      "step": 682
    },
    {
      "epoch": 0.22766666666666666,
      "grad_norm": 28.80604362487793,
      "learning_rate": 1.593127147766323e-05,
      "loss": 0.5484,
      "num_tokens": 292548.0,
      "step": 683
    },
    {
      "epoch": 0.228,
      "grad_norm": 32.12178421020508,
      "learning_rate": 1.5924398625429552e-05,
      "loss": 0.4452,
      "num_tokens": 293061.0,
      "step": 684
    },
    {
      "epoch": 0.22833333333333333,
      "grad_norm": 24.378427505493164,
      "learning_rate": 1.5917525773195875e-05,
      "loss": 0.3199,
      "num_tokens": 293373.0,
      "step": 685
    },
    {
      "epoch": 0.22866666666666666,
      "grad_norm": 27.304662704467773,
      "learning_rate": 1.59106529209622e-05,
      "loss": 0.5542,
      "num_tokens": 293784.0,
      "step": 686
    },
    {
      "epoch": 0.229,
      "grad_norm": 23.767757415771484,
      "learning_rate": 1.590378006872852e-05,
      "loss": 0.5608,
      "num_tokens": 294238.0,
      "step": 687
    },
    {
      "epoch": 0.22933333333333333,
      "grad_norm": 19.656423568725586,
      "learning_rate": 1.5896907216494844e-05,
      "loss": 0.3654,
      "num_tokens": 294595.0,
      "step": 688
    },
    {
      "epoch": 0.22966666666666666,
      "grad_norm": 24.61363410949707,
      "learning_rate": 1.5890034364261167e-05,
      "loss": 0.3687,
      "num_tokens": 294963.0,
      "step": 689
    },
    {
      "epoch": 0.23,
      "grad_norm": 15.02269172668457,
      "learning_rate": 1.588316151202749e-05,
      "loss": 0.3066,
      "num_tokens": 295310.0,
      "step": 690
    },
    {
      "epoch": 0.23033333333333333,
      "grad_norm": 18.62783432006836,
      "learning_rate": 1.5876288659793813e-05,
      "loss": 0.4091,
      "num_tokens": 295731.0,
      "step": 691
    },
    {
      "epoch": 0.23066666666666666,
      "grad_norm": 20.312801361083984,
      "learning_rate": 1.5869415807560136e-05,
      "loss": 0.3947,
      "num_tokens": 296178.0,
      "step": 692
    },
    {
      "epoch": 0.231,
      "grad_norm": 31.587772369384766,
      "learning_rate": 1.586254295532646e-05,
      "loss": 0.564,
      "num_tokens": 296379.0,
      "step": 693
    },
    {
      "epoch": 0.23133333333333334,
      "grad_norm": 18.263164520263672,
      "learning_rate": 1.5855670103092782e-05,
      "loss": 0.325,
      "num_tokens": 296814.0,
      "step": 694
    },
    {
      "epoch": 0.23166666666666666,
      "grad_norm": 16.923168182373047,
      "learning_rate": 1.5848797250859105e-05,
      "loss": 0.3796,
      "num_tokens": 297335.0,
      "step": 695
    },
    {
      "epoch": 0.232,
      "grad_norm": 55.827476501464844,
      "learning_rate": 1.584192439862543e-05,
      "loss": 0.5675,
      "num_tokens": 297622.0,
      "step": 696
    },
    {
      "epoch": 0.23233333333333334,
      "grad_norm": 18.611854553222656,
      "learning_rate": 1.583505154639175e-05,
      "loss": 0.2866,
      "num_tokens": 298039.0,
      "step": 697
    },
    {
      "epoch": 0.23266666666666666,
      "grad_norm": 38.5455207824707,
      "learning_rate": 1.5828178694158074e-05,
      "loss": 0.5417,
      "num_tokens": 298291.0,
      "step": 698
    },
    {
      "epoch": 0.233,
      "grad_norm": 28.21441078186035,
      "learning_rate": 1.58213058419244e-05,
      "loss": 0.615,
      "num_tokens": 298646.0,
      "step": 699
    },
    {
      "epoch": 0.23333333333333334,
      "grad_norm": 16.41607093811035,
      "learning_rate": 1.5814432989690724e-05,
      "loss": 0.365,
      "num_tokens": 299211.0,
      "step": 700
    },
    {
      "epoch": 0.23366666666666666,
      "grad_norm": 15.552599906921387,
      "learning_rate": 1.5807560137457047e-05,
      "loss": 0.27,
      "num_tokens": 299665.0,
      "step": 701
    },
    {
      "epoch": 0.234,
      "grad_norm": 26.4362735748291,
      "learning_rate": 1.580068728522337e-05,
      "loss": 0.7262,
      "num_tokens": 299997.0,
      "step": 702
    },
    {
      "epoch": 0.23433333333333334,
      "grad_norm": 13.410664558410645,
      "learning_rate": 1.5793814432989693e-05,
      "loss": 0.2678,
      "num_tokens": 300500.0,
      "step": 703
    },
    {
      "epoch": 0.23466666666666666,
      "grad_norm": 23.0742244720459,
      "learning_rate": 1.5786941580756016e-05,
      "loss": 0.5494,
      "num_tokens": 300862.0,
      "step": 704
    },
    {
      "epoch": 0.235,
      "grad_norm": 13.634366989135742,
      "learning_rate": 1.578006872852234e-05,
      "loss": 0.3557,
      "num_tokens": 301518.0,
      "step": 705
    },
    {
      "epoch": 0.23533333333333334,
      "grad_norm": 21.77338981628418,
      "learning_rate": 1.5773195876288662e-05,
      "loss": 0.4924,
      "num_tokens": 301926.0,
      "step": 706
    },
    {
      "epoch": 0.23566666666666666,
      "grad_norm": 24.9615421295166,
      "learning_rate": 1.5766323024054985e-05,
      "loss": 0.5586,
      "num_tokens": 302325.0,
      "step": 707
    },
    {
      "epoch": 0.236,
      "grad_norm": 27.584152221679688,
      "learning_rate": 1.5759450171821308e-05,
      "loss": 0.5199,
      "num_tokens": 302576.0,
      "step": 708
    },
    {
      "epoch": 0.23633333333333334,
      "grad_norm": 17.316022872924805,
      "learning_rate": 1.575257731958763e-05,
      "loss": 0.355,
      "num_tokens": 303064.0,
      "step": 709
    },
    {
      "epoch": 0.23666666666666666,
      "grad_norm": 21.577468872070312,
      "learning_rate": 1.5745704467353954e-05,
      "loss": 0.4226,
      "num_tokens": 303388.0,
      "step": 710
    },
    {
      "epoch": 0.237,
      "grad_norm": 16.361326217651367,
      "learning_rate": 1.5738831615120277e-05,
      "loss": 0.316,
      "num_tokens": 303811.0,
      "step": 711
    },
    {
      "epoch": 0.23733333333333334,
      "grad_norm": 24.298433303833008,
      "learning_rate": 1.57319587628866e-05,
      "loss": 0.4496,
      "num_tokens": 304193.0,
      "step": 712
    },
    {
      "epoch": 0.23766666666666666,
      "grad_norm": 19.517000198364258,
      "learning_rate": 1.5725085910652923e-05,
      "loss": 0.3538,
      "num_tokens": 304531.0,
      "step": 713
    },
    {
      "epoch": 0.238,
      "grad_norm": 18.186670303344727,
      "learning_rate": 1.5718213058419246e-05,
      "loss": 0.3262,
      "num_tokens": 304869.0,
      "step": 714
    },
    {
      "epoch": 0.23833333333333334,
      "grad_norm": 45.466705322265625,
      "learning_rate": 1.571134020618557e-05,
      "loss": 0.575,
      "num_tokens": 305362.0,
      "step": 715
    },
    {
      "epoch": 0.23866666666666667,
      "grad_norm": 19.29486083984375,
      "learning_rate": 1.5704467353951892e-05,
      "loss": 0.402,
      "num_tokens": 305867.0,
      "step": 716
    },
    {
      "epoch": 0.239,
      "grad_norm": 13.103860855102539,
      "learning_rate": 1.5697594501718215e-05,
      "loss": 0.2814,
      "num_tokens": 306391.0,
      "step": 717
    },
    {
      "epoch": 0.23933333333333334,
      "grad_norm": 23.156017303466797,
      "learning_rate": 1.5690721649484538e-05,
      "loss": 0.3865,
      "num_tokens": 306690.0,
      "step": 718
    },
    {
      "epoch": 0.23966666666666667,
      "grad_norm": 20.886796951293945,
      "learning_rate": 1.568384879725086e-05,
      "loss": 0.4066,
      "num_tokens": 306999.0,
      "step": 719
    },
    {
      "epoch": 0.24,
      "grad_norm": 21.458293914794922,
      "learning_rate": 1.5676975945017184e-05,
      "loss": 0.3783,
      "num_tokens": 307428.0,
      "step": 720
    },
    {
      "epoch": 0.24033333333333334,
      "grad_norm": 14.171487808227539,
      "learning_rate": 1.5670103092783507e-05,
      "loss": 0.258,
      "num_tokens": 307900.0,
      "step": 721
    },
    {
      "epoch": 0.24066666666666667,
      "grad_norm": 19.405977249145508,
      "learning_rate": 1.566323024054983e-05,
      "loss": 0.2987,
      "num_tokens": 308271.0,
      "step": 722
    },
    {
      "epoch": 0.241,
      "grad_norm": 25.859527587890625,
      "learning_rate": 1.5656357388316153e-05,
      "loss": 0.499,
      "num_tokens": 308627.0,
      "step": 723
    },
    {
      "epoch": 0.24133333333333334,
      "grad_norm": 12.81906795501709,
      "learning_rate": 1.5649484536082476e-05,
      "loss": 0.1978,
      "num_tokens": 309166.0,
      "step": 724
    },
    {
      "epoch": 0.24166666666666667,
      "grad_norm": 16.02366828918457,
      "learning_rate": 1.56426116838488e-05,
      "loss": 0.2883,
      "num_tokens": 309599.0,
      "step": 725
    },
    {
      "epoch": 0.242,
      "grad_norm": 30.752145767211914,
      "learning_rate": 1.5635738831615122e-05,
      "loss": 0.3891,
      "num_tokens": 309968.0,
      "step": 726
    },
    {
      "epoch": 0.24233333333333335,
      "grad_norm": 20.21421241760254,
      "learning_rate": 1.5628865979381445e-05,
      "loss": 0.5258,
      "num_tokens": 310381.0,
      "step": 727
    },
    {
      "epoch": 0.24266666666666667,
      "grad_norm": 19.82984733581543,
      "learning_rate": 1.5621993127147768e-05,
      "loss": 0.3607,
      "num_tokens": 310788.0,
      "step": 728
    },
    {
      "epoch": 0.243,
      "grad_norm": 33.50464630126953,
      "learning_rate": 1.561512027491409e-05,
      "loss": 0.5762,
      "num_tokens": 311022.0,
      "step": 729
    },
    {
      "epoch": 0.24333333333333335,
      "grad_norm": 13.817497253417969,
      "learning_rate": 1.5608247422680414e-05,
      "loss": 0.2178,
      "num_tokens": 311619.0,
      "step": 730
    },
    {
      "epoch": 0.24366666666666667,
      "grad_norm": 32.058536529541016,
      "learning_rate": 1.5601374570446737e-05,
      "loss": 0.5808,
      "num_tokens": 311851.0,
      "step": 731
    },
    {
      "epoch": 0.244,
      "grad_norm": 29.21874237060547,
      "learning_rate": 1.559450171821306e-05,
      "loss": 0.6909,
      "num_tokens": 312143.0,
      "step": 732
    },
    {
      "epoch": 0.24433333333333335,
      "grad_norm": 25.20625114440918,
      "learning_rate": 1.5587628865979383e-05,
      "loss": 0.5768,
      "num_tokens": 312530.0,
      "step": 733
    },
    {
      "epoch": 0.24466666666666667,
      "grad_norm": 22.7664737701416,
      "learning_rate": 1.5580756013745706e-05,
      "loss": 0.452,
      "num_tokens": 312867.0,
      "step": 734
    },
    {
      "epoch": 0.245,
      "grad_norm": 29.164140701293945,
      "learning_rate": 1.557388316151203e-05,
      "loss": 0.5916,
      "num_tokens": 313167.0,
      "step": 735
    },
    {
      "epoch": 0.24533333333333332,
      "grad_norm": 26.84794807434082,
      "learning_rate": 1.5567010309278352e-05,
      "loss": 0.4929,
      "num_tokens": 313516.0,
      "step": 736
    },
    {
      "epoch": 0.24566666666666667,
      "grad_norm": 16.32344627380371,
      "learning_rate": 1.5560137457044675e-05,
      "loss": 0.2932,
      "num_tokens": 313947.0,
      "step": 737
    },
    {
      "epoch": 0.246,
      "grad_norm": 29.72564125061035,
      "learning_rate": 1.5553264604810998e-05,
      "loss": 0.7409,
      "num_tokens": 314242.0,
      "step": 738
    },
    {
      "epoch": 0.24633333333333332,
      "grad_norm": 14.195647239685059,
      "learning_rate": 1.554639175257732e-05,
      "loss": 0.3008,
      "num_tokens": 314740.0,
      "step": 739
    },
    {
      "epoch": 0.24666666666666667,
      "grad_norm": 22.42542266845703,
      "learning_rate": 1.5539518900343644e-05,
      "loss": 0.4434,
      "num_tokens": 315057.0,
      "step": 740
    },
    {
      "epoch": 0.247,
      "grad_norm": 8.757437705993652,
      "learning_rate": 1.5532646048109967e-05,
      "loss": 0.1748,
      "num_tokens": 315648.0,
      "step": 741
    },
    {
      "epoch": 0.24733333333333332,
      "grad_norm": 24.78724479675293,
      "learning_rate": 1.552577319587629e-05,
      "loss": 0.4019,
      "num_tokens": 316060.0,
      "step": 742
    },
    {
      "epoch": 0.24766666666666667,
      "grad_norm": 18.636009216308594,
      "learning_rate": 1.5518900343642613e-05,
      "loss": 0.3494,
      "num_tokens": 316518.0,
      "step": 743
    },
    {
      "epoch": 0.248,
      "grad_norm": 11.923733711242676,
      "learning_rate": 1.5512027491408936e-05,
      "loss": 0.2977,
      "num_tokens": 317147.0,
      "step": 744
    },
    {
      "epoch": 0.24833333333333332,
      "grad_norm": 12.531336784362793,
      "learning_rate": 1.550515463917526e-05,
      "loss": 0.2341,
      "num_tokens": 317886.0,
      "step": 745
    },
    {
      "epoch": 0.24866666666666667,
      "grad_norm": 25.960203170776367,
      "learning_rate": 1.5498281786941582e-05,
      "loss": 0.3073,
      "num_tokens": 318455.0,
      "step": 746
    },
    {
      "epoch": 0.249,
      "grad_norm": 26.665084838867188,
      "learning_rate": 1.5491408934707905e-05,
      "loss": 0.4105,
      "num_tokens": 318736.0,
      "step": 747
    },
    {
      "epoch": 0.24933333333333332,
      "grad_norm": 16.113773345947266,
      "learning_rate": 1.5484536082474228e-05,
      "loss": 0.2141,
      "num_tokens": 319068.0,
      "step": 748
    },
    {
      "epoch": 0.24966666666666668,
      "grad_norm": 18.72749900817871,
      "learning_rate": 1.547766323024055e-05,
      "loss": 0.4587,
      "num_tokens": 319723.0,
      "step": 749
    },
    {
      "epoch": 0.25,
      "grad_norm": 17.985380172729492,
      "learning_rate": 1.5470790378006874e-05,
      "loss": 0.4159,
      "num_tokens": 320210.0,
      "step": 750
    },
    {
      "epoch": 0.25033333333333335,
      "grad_norm": 14.915518760681152,
      "learning_rate": 1.5463917525773197e-05,
      "loss": 0.3204,
      "num_tokens": 320823.0,
      "step": 751
    },
    {
      "epoch": 0.25066666666666665,
      "grad_norm": 18.683204650878906,
      "learning_rate": 1.545704467353952e-05,
      "loss": 0.466,
      "num_tokens": 321295.0,
      "step": 752
    },
    {
      "epoch": 0.251,
      "grad_norm": 23.731077194213867,
      "learning_rate": 1.5450171821305843e-05,
      "loss": 0.3768,
      "num_tokens": 321618.0,
      "step": 753
    },
    {
      "epoch": 0.25133333333333335,
      "grad_norm": 17.449907302856445,
      "learning_rate": 1.5443298969072166e-05,
      "loss": 0.4101,
      "num_tokens": 322114.0,
      "step": 754
    },
    {
      "epoch": 0.25166666666666665,
      "grad_norm": 13.60303783416748,
      "learning_rate": 1.543642611683849e-05,
      "loss": 0.2775,
      "num_tokens": 322628.0,
      "step": 755
    },
    {
      "epoch": 0.252,
      "grad_norm": 25.119022369384766,
      "learning_rate": 1.5429553264604812e-05,
      "loss": 0.5195,
      "num_tokens": 322957.0,
      "step": 756
    },
    {
      "epoch": 0.25233333333333335,
      "grad_norm": 18.598804473876953,
      "learning_rate": 1.5422680412371135e-05,
      "loss": 0.4556,
      "num_tokens": 323576.0,
      "step": 757
    },
    {
      "epoch": 0.25266666666666665,
      "grad_norm": 19.9899959564209,
      "learning_rate": 1.541580756013746e-05,
      "loss": 0.3711,
      "num_tokens": 323972.0,
      "step": 758
    },
    {
      "epoch": 0.253,
      "grad_norm": 16.815593719482422,
      "learning_rate": 1.540893470790378e-05,
      "loss": 0.3997,
      "num_tokens": 324338.0,
      "step": 759
    },
    {
      "epoch": 0.25333333333333335,
      "grad_norm": 16.46075439453125,
      "learning_rate": 1.5402061855670104e-05,
      "loss": 0.3848,
      "num_tokens": 324919.0,
      "step": 760
    },
    {
      "epoch": 0.25366666666666665,
      "grad_norm": 16.116065979003906,
      "learning_rate": 1.5395189003436427e-05,
      "loss": 0.486,
      "num_tokens": 325558.0,
      "step": 761
    },
    {
      "epoch": 0.254,
      "grad_norm": 19.8360595703125,
      "learning_rate": 1.538831615120275e-05,
      "loss": 0.4157,
      "num_tokens": 326175.0,
      "step": 762
    },
    {
      "epoch": 0.25433333333333336,
      "grad_norm": 24.398738861083984,
      "learning_rate": 1.5381443298969073e-05,
      "loss": 0.5311,
      "num_tokens": 326496.0,
      "step": 763
    },
    {
      "epoch": 0.25466666666666665,
      "grad_norm": 11.683755874633789,
      "learning_rate": 1.5374570446735396e-05,
      "loss": 0.2687,
      "num_tokens": 327141.0,
      "step": 764
    },
    {
      "epoch": 0.255,
      "grad_norm": 12.966801643371582,
      "learning_rate": 1.536769759450172e-05,
      "loss": 0.3007,
      "num_tokens": 327717.0,
      "step": 765
    },
    {
      "epoch": 0.25533333333333336,
      "grad_norm": 15.757293701171875,
      "learning_rate": 1.5360824742268042e-05,
      "loss": 0.2955,
      "num_tokens": 328065.0,
      "step": 766
    },
    {
      "epoch": 0.25566666666666665,
      "grad_norm": 29.468929290771484,
      "learning_rate": 1.5353951890034365e-05,
      "loss": 0.6724,
      "num_tokens": 328301.0,
      "step": 767
    },
    {
      "epoch": 0.256,
      "grad_norm": 10.610393524169922,
      "learning_rate": 1.534707903780069e-05,
      "loss": 0.3114,
      "num_tokens": 329127.0,
      "step": 768
    },
    {
      "epoch": 0.25633333333333336,
      "grad_norm": 59.54426574707031,
      "learning_rate": 1.534020618556701e-05,
      "loss": 0.8727,
      "num_tokens": 329348.0,
      "step": 769
    },
    {
      "epoch": 0.25666666666666665,
      "grad_norm": 10.77741813659668,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 0.2982,
      "num_tokens": 330117.0,
      "step": 770
    },
    {
      "epoch": 0.257,
      "grad_norm": 15.445230484008789,
      "learning_rate": 1.5326460481099657e-05,
      "loss": 0.2693,
      "num_tokens": 330698.0,
      "step": 771
    },
    {
      "epoch": 0.25733333333333336,
      "grad_norm": 18.68321990966797,
      "learning_rate": 1.531958762886598e-05,
      "loss": 0.5281,
      "num_tokens": 331208.0,
      "step": 772
    },
    {
      "epoch": 0.25766666666666665,
      "grad_norm": 12.099520683288574,
      "learning_rate": 1.5312714776632303e-05,
      "loss": 0.2025,
      "num_tokens": 331772.0,
      "step": 773
    },
    {
      "epoch": 0.258,
      "grad_norm": 12.453295707702637,
      "learning_rate": 1.5305841924398627e-05,
      "loss": 0.2836,
      "num_tokens": 332386.0,
      "step": 774
    },
    {
      "epoch": 0.25833333333333336,
      "grad_norm": 11.642105102539062,
      "learning_rate": 1.529896907216495e-05,
      "loss": 0.3084,
      "num_tokens": 333117.0,
      "step": 775
    },
    {
      "epoch": 0.25866666666666666,
      "grad_norm": 19.976078033447266,
      "learning_rate": 1.5292096219931273e-05,
      "loss": 0.2998,
      "num_tokens": 333430.0,
      "step": 776
    },
    {
      "epoch": 0.259,
      "grad_norm": 30.33978843688965,
      "learning_rate": 1.5285223367697596e-05,
      "loss": 0.5052,
      "num_tokens": 333671.0,
      "step": 777
    },
    {
      "epoch": 0.25933333333333336,
      "grad_norm": 23.654518127441406,
      "learning_rate": 1.527835051546392e-05,
      "loss": 0.4566,
      "num_tokens": 334037.0,
      "step": 778
    },
    {
      "epoch": 0.25966666666666666,
      "grad_norm": 28.32822608947754,
      "learning_rate": 1.527147766323024e-05,
      "loss": 0.6004,
      "num_tokens": 334276.0,
      "step": 779
    },
    {
      "epoch": 0.26,
      "grad_norm": 16.385807037353516,
      "learning_rate": 1.5264604810996565e-05,
      "loss": 0.3745,
      "num_tokens": 334762.0,
      "step": 780
    },
    {
      "epoch": 0.26033333333333336,
      "grad_norm": 12.33930492401123,
      "learning_rate": 1.5257731958762888e-05,
      "loss": 0.29,
      "num_tokens": 335481.0,
      "step": 781
    },
    {
      "epoch": 0.26066666666666666,
      "grad_norm": 14.307756423950195,
      "learning_rate": 1.525085910652921e-05,
      "loss": 0.3041,
      "num_tokens": 336085.0,
      "step": 782
    },
    {
      "epoch": 0.261,
      "grad_norm": 13.300872802734375,
      "learning_rate": 1.5243986254295534e-05,
      "loss": 0.2637,
      "num_tokens": 336642.0,
      "step": 783
    },
    {
      "epoch": 0.2613333333333333,
      "grad_norm": 25.458715438842773,
      "learning_rate": 1.5237113402061857e-05,
      "loss": 0.4387,
      "num_tokens": 337042.0,
      "step": 784
    },
    {
      "epoch": 0.26166666666666666,
      "grad_norm": 21.464929580688477,
      "learning_rate": 1.523024054982818e-05,
      "loss": 0.3353,
      "num_tokens": 337413.0,
      "step": 785
    },
    {
      "epoch": 0.262,
      "grad_norm": 40.28292465209961,
      "learning_rate": 1.5223367697594503e-05,
      "loss": 0.5522,
      "num_tokens": 337850.0,
      "step": 786
    },
    {
      "epoch": 0.2623333333333333,
      "grad_norm": 13.954794883728027,
      "learning_rate": 1.5216494845360826e-05,
      "loss": 0.2605,
      "num_tokens": 338299.0,
      "step": 787
    },
    {
      "epoch": 0.26266666666666666,
      "grad_norm": 25.686100006103516,
      "learning_rate": 1.5209621993127149e-05,
      "loss": 0.6285,
      "num_tokens": 338592.0,
      "step": 788
    },
    {
      "epoch": 0.263,
      "grad_norm": 14.32227897644043,
      "learning_rate": 1.5202749140893472e-05,
      "loss": 0.3824,
      "num_tokens": 339124.0,
      "step": 789
    },
    {
      "epoch": 0.2633333333333333,
      "grad_norm": 16.064218521118164,
      "learning_rate": 1.5195876288659795e-05,
      "loss": 0.2449,
      "num_tokens": 339534.0,
      "step": 790
    },
    {
      "epoch": 0.26366666666666666,
      "grad_norm": 14.317425727844238,
      "learning_rate": 1.5189003436426118e-05,
      "loss": 0.2937,
      "num_tokens": 340084.0,
      "step": 791
    },
    {
      "epoch": 0.264,
      "grad_norm": 16.7224178314209,
      "learning_rate": 1.518213058419244e-05,
      "loss": 0.3202,
      "num_tokens": 340637.0,
      "step": 792
    },
    {
      "epoch": 0.2643333333333333,
      "grad_norm": 17.53285026550293,
      "learning_rate": 1.5175257731958764e-05,
      "loss": 0.3556,
      "num_tokens": 341024.0,
      "step": 793
    },
    {
      "epoch": 0.26466666666666666,
      "grad_norm": 19.1760196685791,
      "learning_rate": 1.5168384879725087e-05,
      "loss": 0.3959,
      "num_tokens": 341415.0,
      "step": 794
    },
    {
      "epoch": 0.265,
      "grad_norm": 45.55078125,
      "learning_rate": 1.516151202749141e-05,
      "loss": 0.4064,
      "num_tokens": 341789.0,
      "step": 795
    },
    {
      "epoch": 0.2653333333333333,
      "grad_norm": 15.751895904541016,
      "learning_rate": 1.5154639175257733e-05,
      "loss": 0.3361,
      "num_tokens": 342348.0,
      "step": 796
    },
    {
      "epoch": 0.26566666666666666,
      "grad_norm": 12.053816795349121,
      "learning_rate": 1.5147766323024056e-05,
      "loss": 0.2263,
      "num_tokens": 343123.0,
      "step": 797
    },
    {
      "epoch": 0.266,
      "grad_norm": 18.662853240966797,
      "learning_rate": 1.5140893470790379e-05,
      "loss": 0.3819,
      "num_tokens": 343508.0,
      "step": 798
    },
    {
      "epoch": 0.2663333333333333,
      "grad_norm": 48.60149002075195,
      "learning_rate": 1.5134020618556702e-05,
      "loss": 0.5416,
      "num_tokens": 343857.0,
      "step": 799
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 20.675565719604492,
      "learning_rate": 1.5127147766323025e-05,
      "loss": 0.3896,
      "num_tokens": 344334.0,
      "step": 800
    },
    {
      "epoch": 0.267,
      "grad_norm": 38.52623748779297,
      "learning_rate": 1.5120274914089348e-05,
      "loss": 0.582,
      "num_tokens": 344658.0,
      "step": 801
    },
    {
      "epoch": 0.2673333333333333,
      "grad_norm": 13.260730743408203,
      "learning_rate": 1.511340206185567e-05,
      "loss": 0.174,
      "num_tokens": 345091.0,
      "step": 802
    },
    {
      "epoch": 0.26766666666666666,
      "grad_norm": 33.06178283691406,
      "learning_rate": 1.5106529209621994e-05,
      "loss": 0.5296,
      "num_tokens": 345335.0,
      "step": 803
    },
    {
      "epoch": 0.268,
      "grad_norm": 12.364883422851562,
      "learning_rate": 1.5099656357388317e-05,
      "loss": 0.2328,
      "num_tokens": 345875.0,
      "step": 804
    },
    {
      "epoch": 0.2683333333333333,
      "grad_norm": 25.61958122253418,
      "learning_rate": 1.509278350515464e-05,
      "loss": 0.3956,
      "num_tokens": 346193.0,
      "step": 805
    },
    {
      "epoch": 0.26866666666666666,
      "grad_norm": 17.153749465942383,
      "learning_rate": 1.5085910652920963e-05,
      "loss": 0.2581,
      "num_tokens": 346690.0,
      "step": 806
    },
    {
      "epoch": 0.269,
      "grad_norm": 17.54041862487793,
      "learning_rate": 1.5079037800687286e-05,
      "loss": 0.4982,
      "num_tokens": 347153.0,
      "step": 807
    },
    {
      "epoch": 0.2693333333333333,
      "grad_norm": 21.964996337890625,
      "learning_rate": 1.5072164948453609e-05,
      "loss": 0.4371,
      "num_tokens": 347478.0,
      "step": 808
    },
    {
      "epoch": 0.26966666666666667,
      "grad_norm": 30.839412689208984,
      "learning_rate": 1.5065292096219932e-05,
      "loss": 0.139,
      "num_tokens": 347873.0,
      "step": 809
    },
    {
      "epoch": 0.27,
      "grad_norm": 19.678762435913086,
      "learning_rate": 1.5058419243986255e-05,
      "loss": 0.3685,
      "num_tokens": 348303.0,
      "step": 810
    },
    {
      "epoch": 0.2703333333333333,
      "grad_norm": 20.570642471313477,
      "learning_rate": 1.5051546391752578e-05,
      "loss": 0.2609,
      "num_tokens": 348649.0,
      "step": 811
    },
    {
      "epoch": 0.27066666666666667,
      "grad_norm": 12.996740341186523,
      "learning_rate": 1.50446735395189e-05,
      "loss": 0.2684,
      "num_tokens": 349287.0,
      "step": 812
    },
    {
      "epoch": 0.271,
      "grad_norm": 22.416208267211914,
      "learning_rate": 1.5037800687285224e-05,
      "loss": 0.4389,
      "num_tokens": 349558.0,
      "step": 813
    },
    {
      "epoch": 0.2713333333333333,
      "grad_norm": 17.77952766418457,
      "learning_rate": 1.5030927835051547e-05,
      "loss": 0.2643,
      "num_tokens": 349921.0,
      "step": 814
    },
    {
      "epoch": 0.27166666666666667,
      "grad_norm": 21.7767391204834,
      "learning_rate": 1.502405498281787e-05,
      "loss": 0.4409,
      "num_tokens": 350208.0,
      "step": 815
    },
    {
      "epoch": 0.272,
      "grad_norm": 14.431796073913574,
      "learning_rate": 1.5017182130584193e-05,
      "loss": 0.2243,
      "num_tokens": 350538.0,
      "step": 816
    },
    {
      "epoch": 0.2723333333333333,
      "grad_norm": 13.459674835205078,
      "learning_rate": 1.5010309278350516e-05,
      "loss": 0.2362,
      "num_tokens": 350999.0,
      "step": 817
    },
    {
      "epoch": 0.27266666666666667,
      "grad_norm": 35.31993103027344,
      "learning_rate": 1.5003436426116839e-05,
      "loss": 0.7094,
      "num_tokens": 351257.0,
      "step": 818
    },
    {
      "epoch": 0.273,
      "grad_norm": 22.469995498657227,
      "learning_rate": 1.4996563573883164e-05,
      "loss": 0.426,
      "num_tokens": 351712.0,
      "step": 819
    },
    {
      "epoch": 0.2733333333333333,
      "grad_norm": 29.062036514282227,
      "learning_rate": 1.4989690721649487e-05,
      "loss": 0.4602,
      "num_tokens": 352095.0,
      "step": 820
    },
    {
      "epoch": 0.27366666666666667,
      "grad_norm": 26.834936141967773,
      "learning_rate": 1.498281786941581e-05,
      "loss": 0.4309,
      "num_tokens": 352426.0,
      "step": 821
    },
    {
      "epoch": 0.274,
      "grad_norm": 14.26888370513916,
      "learning_rate": 1.4975945017182133e-05,
      "loss": 0.2403,
      "num_tokens": 352985.0,
      "step": 822
    },
    {
      "epoch": 0.2743333333333333,
      "grad_norm": 25.372650146484375,
      "learning_rate": 1.4969072164948456e-05,
      "loss": 0.5458,
      "num_tokens": 353289.0,
      "step": 823
    },
    {
      "epoch": 0.27466666666666667,
      "grad_norm": 27.766551971435547,
      "learning_rate": 1.4962199312714779e-05,
      "loss": 0.5628,
      "num_tokens": 353661.0,
      "step": 824
    },
    {
      "epoch": 0.275,
      "grad_norm": 14.510455131530762,
      "learning_rate": 1.4955326460481102e-05,
      "loss": 0.3258,
      "num_tokens": 354218.0,
      "step": 825
    },
    {
      "epoch": 0.2753333333333333,
      "grad_norm": 16.39808464050293,
      "learning_rate": 1.4948453608247425e-05,
      "loss": 0.3215,
      "num_tokens": 354701.0,
      "step": 826
    },
    {
      "epoch": 0.27566666666666667,
      "grad_norm": 16.342926025390625,
      "learning_rate": 1.4941580756013748e-05,
      "loss": 0.3711,
      "num_tokens": 355047.0,
      "step": 827
    },
    {
      "epoch": 0.276,
      "grad_norm": 68.38653564453125,
      "learning_rate": 1.493470790378007e-05,
      "loss": 0.6971,
      "num_tokens": 355394.0,
      "step": 828
    },
    {
      "epoch": 0.2763333333333333,
      "grad_norm": 16.345617294311523,
      "learning_rate": 1.4927835051546394e-05,
      "loss": 0.2746,
      "num_tokens": 355830.0,
      "step": 829
    },
    {
      "epoch": 0.27666666666666667,
      "grad_norm": 24.229543685913086,
      "learning_rate": 1.4920962199312717e-05,
      "loss": 0.494,
      "num_tokens": 356253.0,
      "step": 830
    },
    {
      "epoch": 0.277,
      "grad_norm": 28.375097274780273,
      "learning_rate": 1.491408934707904e-05,
      "loss": 0.4541,
      "num_tokens": 356480.0,
      "step": 831
    },
    {
      "epoch": 0.2773333333333333,
      "grad_norm": 33.40117263793945,
      "learning_rate": 1.4907216494845363e-05,
      "loss": 0.6003,
      "num_tokens": 356816.0,
      "step": 832
    },
    {
      "epoch": 0.2776666666666667,
      "grad_norm": 17.077959060668945,
      "learning_rate": 1.4900343642611686e-05,
      "loss": 0.3437,
      "num_tokens": 357335.0,
      "step": 833
    },
    {
      "epoch": 0.278,
      "grad_norm": 15.912385940551758,
      "learning_rate": 1.4893470790378009e-05,
      "loss": 0.3461,
      "num_tokens": 357848.0,
      "step": 834
    },
    {
      "epoch": 0.2783333333333333,
      "grad_norm": 14.414732933044434,
      "learning_rate": 1.4886597938144332e-05,
      "loss": 0.3229,
      "num_tokens": 358400.0,
      "step": 835
    },
    {
      "epoch": 0.2786666666666667,
      "grad_norm": 15.198616027832031,
      "learning_rate": 1.4879725085910655e-05,
      "loss": 0.3212,
      "num_tokens": 359074.0,
      "step": 836
    },
    {
      "epoch": 0.279,
      "grad_norm": 44.504234313964844,
      "learning_rate": 1.4872852233676978e-05,
      "loss": 0.265,
      "num_tokens": 359596.0,
      "step": 837
    },
    {
      "epoch": 0.2793333333333333,
      "grad_norm": 16.92096519470215,
      "learning_rate": 1.48659793814433e-05,
      "loss": 0.2591,
      "num_tokens": 359934.0,
      "step": 838
    },
    {
      "epoch": 0.2796666666666667,
      "grad_norm": 28.479562759399414,
      "learning_rate": 1.4859106529209624e-05,
      "loss": 0.5398,
      "num_tokens": 360167.0,
      "step": 839
    },
    {
      "epoch": 0.28,
      "grad_norm": 97.97335815429688,
      "learning_rate": 1.4852233676975947e-05,
      "loss": 0.3747,
      "num_tokens": 360462.0,
      "step": 840
    },
    {
      "epoch": 0.2803333333333333,
      "grad_norm": 17.50348663330078,
      "learning_rate": 1.484536082474227e-05,
      "loss": 0.2377,
      "num_tokens": 360860.0,
      "step": 841
    },
    {
      "epoch": 0.2806666666666667,
      "grad_norm": 18.633480072021484,
      "learning_rate": 1.4838487972508593e-05,
      "loss": 0.3426,
      "num_tokens": 361258.0,
      "step": 842
    },
    {
      "epoch": 0.281,
      "grad_norm": 24.361530303955078,
      "learning_rate": 1.4831615120274916e-05,
      "loss": 0.5088,
      "num_tokens": 361657.0,
      "step": 843
    },
    {
      "epoch": 0.2813333333333333,
      "grad_norm": 19.666282653808594,
      "learning_rate": 1.4824742268041239e-05,
      "loss": 0.3902,
      "num_tokens": 362060.0,
      "step": 844
    },
    {
      "epoch": 0.2816666666666667,
      "grad_norm": 29.547931671142578,
      "learning_rate": 1.4817869415807562e-05,
      "loss": 0.6722,
      "num_tokens": 362354.0,
      "step": 845
    },
    {
      "epoch": 0.282,
      "grad_norm": 35.195457458496094,
      "learning_rate": 1.4810996563573885e-05,
      "loss": 0.4198,
      "num_tokens": 362843.0,
      "step": 846
    },
    {
      "epoch": 0.2823333333333333,
      "grad_norm": 14.03990364074707,
      "learning_rate": 1.4804123711340208e-05,
      "loss": 0.2495,
      "num_tokens": 363274.0,
      "step": 847
    },
    {
      "epoch": 0.2826666666666667,
      "grad_norm": 22.356473922729492,
      "learning_rate": 1.479725085910653e-05,
      "loss": 0.4288,
      "num_tokens": 363551.0,
      "step": 848
    },
    {
      "epoch": 0.283,
      "grad_norm": 18.323884963989258,
      "learning_rate": 1.4790378006872854e-05,
      "loss": 0.3777,
      "num_tokens": 363988.0,
      "step": 849
    },
    {
      "epoch": 0.2833333333333333,
      "grad_norm": 15.62744426727295,
      "learning_rate": 1.4783505154639177e-05,
      "loss": 0.3274,
      "num_tokens": 364666.0,
      "step": 850
    },
    {
      "epoch": 0.2836666666666667,
      "grad_norm": 16.845869064331055,
      "learning_rate": 1.47766323024055e-05,
      "loss": 0.2867,
      "num_tokens": 364962.0,
      "step": 851
    },
    {
      "epoch": 0.284,
      "grad_norm": 15.117484092712402,
      "learning_rate": 1.4769759450171823e-05,
      "loss": 0.3727,
      "num_tokens": 365458.0,
      "step": 852
    },
    {
      "epoch": 0.2843333333333333,
      "grad_norm": 17.32691764831543,
      "learning_rate": 1.4762886597938146e-05,
      "loss": 0.2651,
      "num_tokens": 366140.0,
      "step": 853
    },
    {
      "epoch": 0.2846666666666667,
      "grad_norm": 19.02428436279297,
      "learning_rate": 1.4756013745704469e-05,
      "loss": 0.3471,
      "num_tokens": 366565.0,
      "step": 854
    },
    {
      "epoch": 0.285,
      "grad_norm": 19.83327293395996,
      "learning_rate": 1.4749140893470792e-05,
      "loss": 0.3863,
      "num_tokens": 366847.0,
      "step": 855
    },
    {
      "epoch": 0.2853333333333333,
      "grad_norm": 11.027931213378906,
      "learning_rate": 1.4742268041237115e-05,
      "loss": 0.1626,
      "num_tokens": 367491.0,
      "step": 856
    },
    {
      "epoch": 0.2856666666666667,
      "grad_norm": 9.827354431152344,
      "learning_rate": 1.4735395189003438e-05,
      "loss": 0.1954,
      "num_tokens": 368217.0,
      "step": 857
    },
    {
      "epoch": 0.286,
      "grad_norm": 17.276004791259766,
      "learning_rate": 1.4728522336769761e-05,
      "loss": 0.4189,
      "num_tokens": 368664.0,
      "step": 858
    },
    {
      "epoch": 0.28633333333333333,
      "grad_norm": 17.08719825744629,
      "learning_rate": 1.4721649484536084e-05,
      "loss": 0.2372,
      "num_tokens": 369184.0,
      "step": 859
    },
    {
      "epoch": 0.2866666666666667,
      "grad_norm": 29.694297790527344,
      "learning_rate": 1.4714776632302407e-05,
      "loss": 0.3356,
      "num_tokens": 369425.0,
      "step": 860
    },
    {
      "epoch": 0.287,
      "grad_norm": 17.37468147277832,
      "learning_rate": 1.470790378006873e-05,
      "loss": 0.321,
      "num_tokens": 369768.0,
      "step": 861
    },
    {
      "epoch": 0.28733333333333333,
      "grad_norm": 23.895526885986328,
      "learning_rate": 1.4701030927835055e-05,
      "loss": 0.3376,
      "num_tokens": 370118.0,
      "step": 862
    },
    {
      "epoch": 0.2876666666666667,
      "grad_norm": 48.46590042114258,
      "learning_rate": 1.4694158075601378e-05,
      "loss": 0.4768,
      "num_tokens": 370393.0,
      "step": 863
    },
    {
      "epoch": 0.288,
      "grad_norm": 23.80722999572754,
      "learning_rate": 1.4687285223367697e-05,
      "loss": 0.5628,
      "num_tokens": 370703.0,
      "step": 864
    },
    {
      "epoch": 0.28833333333333333,
      "grad_norm": 13.044955253601074,
      "learning_rate": 1.468041237113402e-05,
      "loss": 0.2607,
      "num_tokens": 371388.0,
      "step": 865
    },
    {
      "epoch": 0.2886666666666667,
      "grad_norm": 13.574700355529785,
      "learning_rate": 1.4673539518900343e-05,
      "loss": 0.248,
      "num_tokens": 371939.0,
      "step": 866
    },
    {
      "epoch": 0.289,
      "grad_norm": 12.63620376586914,
      "learning_rate": 1.4666666666666666e-05,
      "loss": 0.2501,
      "num_tokens": 372535.0,
      "step": 867
    },
    {
      "epoch": 0.28933333333333333,
      "grad_norm": 21.511415481567383,
      "learning_rate": 1.465979381443299e-05,
      "loss": 0.4227,
      "num_tokens": 372904.0,
      "step": 868
    },
    {
      "epoch": 0.2896666666666667,
      "grad_norm": 9.129487991333008,
      "learning_rate": 1.4652920962199312e-05,
      "loss": 0.1894,
      "num_tokens": 373773.0,
      "step": 869
    },
    {
      "epoch": 0.29,
      "grad_norm": 35.88633728027344,
      "learning_rate": 1.4646048109965635e-05,
      "loss": 0.7551,
      "num_tokens": 373992.0,
      "step": 870
    },
    {
      "epoch": 0.29033333333333333,
      "grad_norm": 19.181859970092773,
      "learning_rate": 1.4639175257731958e-05,
      "loss": 0.4361,
      "num_tokens": 374356.0,
      "step": 871
    },
    {
      "epoch": 0.2906666666666667,
      "grad_norm": 17.528438568115234,
      "learning_rate": 1.4632302405498281e-05,
      "loss": 0.2796,
      "num_tokens": 374723.0,
      "step": 872
    },
    {
      "epoch": 0.291,
      "grad_norm": 20.443140029907227,
      "learning_rate": 1.4625429553264604e-05,
      "loss": 0.4473,
      "num_tokens": 375117.0,
      "step": 873
    },
    {
      "epoch": 0.29133333333333333,
      "grad_norm": 24.61357307434082,
      "learning_rate": 1.4618556701030927e-05,
      "loss": 0.4728,
      "num_tokens": 375431.0,
      "step": 874
    },
    {
      "epoch": 0.2916666666666667,
      "grad_norm": 18.830745697021484,
      "learning_rate": 1.4611683848797252e-05,
      "loss": 0.2353,
      "num_tokens": 375975.0,
      "step": 875
    },
    {
      "epoch": 0.292,
      "grad_norm": 11.653755187988281,
      "learning_rate": 1.4604810996563575e-05,
      "loss": 0.2029,
      "num_tokens": 376454.0,
      "step": 876
    },
    {
      "epoch": 0.29233333333333333,
      "grad_norm": 35.598365783691406,
      "learning_rate": 1.4597938144329898e-05,
      "loss": 0.7729,
      "num_tokens": 376717.0,
      "step": 877
    },
    {
      "epoch": 0.2926666666666667,
      "grad_norm": 25.875581741333008,
      "learning_rate": 1.4591065292096221e-05,
      "loss": 0.4225,
      "num_tokens": 377009.0,
      "step": 878
    },
    {
      "epoch": 0.293,
      "grad_norm": 16.342514038085938,
      "learning_rate": 1.4584192439862544e-05,
      "loss": 0.3333,
      "num_tokens": 377398.0,
      "step": 879
    },
    {
      "epoch": 0.29333333333333333,
      "grad_norm": 19.744165420532227,
      "learning_rate": 1.4577319587628867e-05,
      "loss": 0.4116,
      "num_tokens": 377754.0,
      "step": 880
    },
    {
      "epoch": 0.2936666666666667,
      "grad_norm": 27.437397003173828,
      "learning_rate": 1.457044673539519e-05,
      "loss": 0.5471,
      "num_tokens": 378010.0,
      "step": 881
    },
    {
      "epoch": 0.294,
      "grad_norm": 40.0157356262207,
      "learning_rate": 1.4563573883161513e-05,
      "loss": 0.9013,
      "num_tokens": 378249.0,
      "step": 882
    },
    {
      "epoch": 0.29433333333333334,
      "grad_norm": 23.208547592163086,
      "learning_rate": 1.4556701030927836e-05,
      "loss": 0.4567,
      "num_tokens": 378642.0,
      "step": 883
    },
    {
      "epoch": 0.2946666666666667,
      "grad_norm": 21.061880111694336,
      "learning_rate": 1.4549828178694159e-05,
      "loss": 0.3805,
      "num_tokens": 378917.0,
      "step": 884
    },
    {
      "epoch": 0.295,
      "grad_norm": 11.891819953918457,
      "learning_rate": 1.4542955326460482e-05,
      "loss": 0.1899,
      "num_tokens": 379497.0,
      "step": 885
    },
    {
      "epoch": 0.29533333333333334,
      "grad_norm": 28.061649322509766,
      "learning_rate": 1.4536082474226805e-05,
      "loss": 0.5087,
      "num_tokens": 379727.0,
      "step": 886
    },
    {
      "epoch": 0.2956666666666667,
      "grad_norm": 12.462547302246094,
      "learning_rate": 1.4529209621993128e-05,
      "loss": 0.2776,
      "num_tokens": 380389.0,
      "step": 887
    },
    {
      "epoch": 0.296,
      "grad_norm": 12.054616928100586,
      "learning_rate": 1.4522336769759451e-05,
      "loss": 0.2263,
      "num_tokens": 380907.0,
      "step": 888
    },
    {
      "epoch": 0.29633333333333334,
      "grad_norm": 26.074344635009766,
      "learning_rate": 1.4515463917525774e-05,
      "loss": 0.5742,
      "num_tokens": 381160.0,
      "step": 889
    },
    {
      "epoch": 0.2966666666666667,
      "grad_norm": 23.982807159423828,
      "learning_rate": 1.4508591065292097e-05,
      "loss": 0.4735,
      "num_tokens": 381464.0,
      "step": 890
    },
    {
      "epoch": 0.297,
      "grad_norm": 20.593103408813477,
      "learning_rate": 1.450171821305842e-05,
      "loss": 0.3962,
      "num_tokens": 381854.0,
      "step": 891
    },
    {
      "epoch": 0.29733333333333334,
      "grad_norm": 14.287759780883789,
      "learning_rate": 1.4494845360824743e-05,
      "loss": 0.2299,
      "num_tokens": 382432.0,
      "step": 892
    },
    {
      "epoch": 0.2976666666666667,
      "grad_norm": 25.786909103393555,
      "learning_rate": 1.4487972508591066e-05,
      "loss": 0.6598,
      "num_tokens": 382799.0,
      "step": 893
    },
    {
      "epoch": 0.298,
      "grad_norm": 28.809375762939453,
      "learning_rate": 1.448109965635739e-05,
      "loss": 0.5358,
      "num_tokens": 383064.0,
      "step": 894
    },
    {
      "epoch": 0.29833333333333334,
      "grad_norm": 20.068037033081055,
      "learning_rate": 1.4474226804123712e-05,
      "loss": 0.5087,
      "num_tokens": 383565.0,
      "step": 895
    },
    {
      "epoch": 0.2986666666666667,
      "grad_norm": 30.478626251220703,
      "learning_rate": 1.4467353951890035e-05,
      "loss": 0.2025,
      "num_tokens": 384068.0,
      "step": 896
    },
    {
      "epoch": 0.299,
      "grad_norm": 21.01751708984375,
      "learning_rate": 1.4460481099656358e-05,
      "loss": 0.4107,
      "num_tokens": 384452.0,
      "step": 897
    },
    {
      "epoch": 0.29933333333333334,
      "grad_norm": 15.11526107788086,
      "learning_rate": 1.4453608247422681e-05,
      "loss": 0.2865,
      "num_tokens": 384933.0,
      "step": 898
    },
    {
      "epoch": 0.2996666666666667,
      "grad_norm": 31.61366081237793,
      "learning_rate": 1.4446735395189004e-05,
      "loss": 0.4767,
      "num_tokens": 385303.0,
      "step": 899
    },
    {
      "epoch": 0.3,
      "grad_norm": 20.569541931152344,
      "learning_rate": 1.4439862542955327e-05,
      "loss": 0.2892,
      "num_tokens": 385633.0,
      "step": 900
    },
    {
      "epoch": 0.30033333333333334,
      "grad_norm": 49.272064208984375,
      "learning_rate": 1.443298969072165e-05,
      "loss": 0.4729,
      "num_tokens": 386063.0,
      "step": 901
    },
    {
      "epoch": 0.3006666666666667,
      "grad_norm": 25.37062644958496,
      "learning_rate": 1.4426116838487973e-05,
      "loss": 0.4257,
      "num_tokens": 386293.0,
      "step": 902
    },
    {
      "epoch": 0.301,
      "grad_norm": 19.69419288635254,
      "learning_rate": 1.4419243986254296e-05,
      "loss": 0.3473,
      "num_tokens": 386741.0,
      "step": 903
    },
    {
      "epoch": 0.30133333333333334,
      "grad_norm": 15.337982177734375,
      "learning_rate": 1.441237113402062e-05,
      "loss": 0.2505,
      "num_tokens": 387221.0,
      "step": 904
    },
    {
      "epoch": 0.3016666666666667,
      "grad_norm": 16.588624954223633,
      "learning_rate": 1.4405498281786942e-05,
      "loss": 0.3723,
      "num_tokens": 387729.0,
      "step": 905
    },
    {
      "epoch": 0.302,
      "grad_norm": 25.34275245666504,
      "learning_rate": 1.4398625429553265e-05,
      "loss": 0.2401,
      "num_tokens": 388181.0,
      "step": 906
    },
    {
      "epoch": 0.30233333333333334,
      "grad_norm": 12.155566215515137,
      "learning_rate": 1.4391752577319588e-05,
      "loss": 0.1603,
      "num_tokens": 388602.0,
      "step": 907
    },
    {
      "epoch": 0.30266666666666664,
      "grad_norm": 14.80554485321045,
      "learning_rate": 1.4384879725085911e-05,
      "loss": 0.2813,
      "num_tokens": 389034.0,
      "step": 908
    },
    {
      "epoch": 0.303,
      "grad_norm": 24.34110450744629,
      "learning_rate": 1.4378006872852234e-05,
      "loss": 0.4571,
      "num_tokens": 389404.0,
      "step": 909
    },
    {
      "epoch": 0.30333333333333334,
      "grad_norm": 17.63836669921875,
      "learning_rate": 1.4371134020618557e-05,
      "loss": 0.3921,
      "num_tokens": 389824.0,
      "step": 910
    },
    {
      "epoch": 0.30366666666666664,
      "grad_norm": 74.6668701171875,
      "learning_rate": 1.436426116838488e-05,
      "loss": 0.6381,
      "num_tokens": 390164.0,
      "step": 911
    },
    {
      "epoch": 0.304,
      "grad_norm": 11.59835433959961,
      "learning_rate": 1.4357388316151203e-05,
      "loss": 0.2053,
      "num_tokens": 390786.0,
      "step": 912
    },
    {
      "epoch": 0.30433333333333334,
      "grad_norm": 11.381248474121094,
      "learning_rate": 1.4350515463917526e-05,
      "loss": 0.2756,
      "num_tokens": 391253.0,
      "step": 913
    },
    {
      "epoch": 0.30466666666666664,
      "grad_norm": 10.173454284667969,
      "learning_rate": 1.434364261168385e-05,
      "loss": 0.1702,
      "num_tokens": 391897.0,
      "step": 914
    },
    {
      "epoch": 0.305,
      "grad_norm": 31.035694122314453,
      "learning_rate": 1.4336769759450172e-05,
      "loss": 0.726,
      "num_tokens": 392192.0,
      "step": 915
    },
    {
      "epoch": 0.30533333333333335,
      "grad_norm": 22.364534378051758,
      "learning_rate": 1.4329896907216495e-05,
      "loss": 0.4757,
      "num_tokens": 392515.0,
      "step": 916
    },
    {
      "epoch": 0.30566666666666664,
      "grad_norm": 12.950790405273438,
      "learning_rate": 1.4323024054982818e-05,
      "loss": 0.3339,
      "num_tokens": 393208.0,
      "step": 917
    },
    {
      "epoch": 0.306,
      "grad_norm": 16.238161087036133,
      "learning_rate": 1.4316151202749143e-05,
      "loss": 0.3113,
      "num_tokens": 393589.0,
      "step": 918
    },
    {
      "epoch": 0.30633333333333335,
      "grad_norm": 22.07794761657715,
      "learning_rate": 1.4309278350515466e-05,
      "loss": 0.4229,
      "num_tokens": 394043.0,
      "step": 919
    },
    {
      "epoch": 0.30666666666666664,
      "grad_norm": 17.878917694091797,
      "learning_rate": 1.4302405498281789e-05,
      "loss": 0.4004,
      "num_tokens": 394557.0,
      "step": 920
    },
    {
      "epoch": 0.307,
      "grad_norm": 13.895441055297852,
      "learning_rate": 1.4295532646048112e-05,
      "loss": 0.2434,
      "num_tokens": 395015.0,
      "step": 921
    },
    {
      "epoch": 0.30733333333333335,
      "grad_norm": 36.776268005371094,
      "learning_rate": 1.4288659793814435e-05,
      "loss": 0.8048,
      "num_tokens": 395196.0,
      "step": 922
    },
    {
      "epoch": 0.30766666666666664,
      "grad_norm": 18.817764282226562,
      "learning_rate": 1.4281786941580758e-05,
      "loss": 0.323,
      "num_tokens": 395490.0,
      "step": 923
    },
    {
      "epoch": 0.308,
      "grad_norm": 17.413759231567383,
      "learning_rate": 1.4274914089347081e-05,
      "loss": 0.5028,
      "num_tokens": 395998.0,
      "step": 924
    },
    {
      "epoch": 0.30833333333333335,
      "grad_norm": 17.440298080444336,
      "learning_rate": 1.4268041237113404e-05,
      "loss": 0.3229,
      "num_tokens": 396648.0,
      "step": 925
    },
    {
      "epoch": 0.30866666666666664,
      "grad_norm": 12.16079330444336,
      "learning_rate": 1.4261168384879727e-05,
      "loss": 0.211,
      "num_tokens": 397097.0,
      "step": 926
    },
    {
      "epoch": 0.309,
      "grad_norm": 19.623544692993164,
      "learning_rate": 1.425429553264605e-05,
      "loss": 0.2938,
      "num_tokens": 397455.0,
      "step": 927
    },
    {
      "epoch": 0.30933333333333335,
      "grad_norm": 45.166542053222656,
      "learning_rate": 1.4247422680412373e-05,
      "loss": 0.5855,
      "num_tokens": 397705.0,
      "step": 928
    },
    {
      "epoch": 0.30966666666666665,
      "grad_norm": 28.85155487060547,
      "learning_rate": 1.4240549828178696e-05,
      "loss": 0.5186,
      "num_tokens": 398102.0,
      "step": 929
    },
    {
      "epoch": 0.31,
      "grad_norm": 19.012895584106445,
      "learning_rate": 1.423367697594502e-05,
      "loss": 0.347,
      "num_tokens": 398513.0,
      "step": 930
    },
    {
      "epoch": 0.31033333333333335,
      "grad_norm": 19.05544090270996,
      "learning_rate": 1.4226804123711342e-05,
      "loss": 0.327,
      "num_tokens": 398871.0,
      "step": 931
    },
    {
      "epoch": 0.31066666666666665,
      "grad_norm": 17.67155647277832,
      "learning_rate": 1.4219931271477665e-05,
      "loss": 0.3563,
      "num_tokens": 399226.0,
      "step": 932
    },
    {
      "epoch": 0.311,
      "grad_norm": 25.05889892578125,
      "learning_rate": 1.4213058419243988e-05,
      "loss": 0.4378,
      "num_tokens": 399610.0,
      "step": 933
    },
    {
      "epoch": 0.31133333333333335,
      "grad_norm": 34.199954986572266,
      "learning_rate": 1.4206185567010311e-05,
      "loss": 0.5141,
      "num_tokens": 399811.0,
      "step": 934
    },
    {
      "epoch": 0.31166666666666665,
      "grad_norm": 19.06647300720215,
      "learning_rate": 1.4199312714776634e-05,
      "loss": 0.4357,
      "num_tokens": 400215.0,
      "step": 935
    },
    {
      "epoch": 0.312,
      "grad_norm": 30.036083221435547,
      "learning_rate": 1.4192439862542957e-05,
      "loss": 0.7423,
      "num_tokens": 400472.0,
      "step": 936
    },
    {
      "epoch": 0.31233333333333335,
      "grad_norm": 13.959113121032715,
      "learning_rate": 1.418556701030928e-05,
      "loss": 0.2346,
      "num_tokens": 400853.0,
      "step": 937
    },
    {
      "epoch": 0.31266666666666665,
      "grad_norm": 14.052959442138672,
      "learning_rate": 1.4178694158075603e-05,
      "loss": 0.37,
      "num_tokens": 401493.0,
      "step": 938
    },
    {
      "epoch": 0.313,
      "grad_norm": 16.286882400512695,
      "learning_rate": 1.4171821305841926e-05,
      "loss": 0.3065,
      "num_tokens": 401878.0,
      "step": 939
    },
    {
      "epoch": 0.31333333333333335,
      "grad_norm": 17.96169662475586,
      "learning_rate": 1.416494845360825e-05,
      "loss": 0.5072,
      "num_tokens": 402409.0,
      "step": 940
    },
    {
      "epoch": 0.31366666666666665,
      "grad_norm": 19.418127059936523,
      "learning_rate": 1.4158075601374572e-05,
      "loss": 0.333,
      "num_tokens": 402668.0,
      "step": 941
    },
    {
      "epoch": 0.314,
      "grad_norm": 20.202550888061523,
      "learning_rate": 1.4151202749140895e-05,
      "loss": 0.2688,
      "num_tokens": 403053.0,
      "step": 942
    },
    {
      "epoch": 0.31433333333333335,
      "grad_norm": 20.56338119506836,
      "learning_rate": 1.4144329896907218e-05,
      "loss": 0.3185,
      "num_tokens": 403476.0,
      "step": 943
    },
    {
      "epoch": 0.31466666666666665,
      "grad_norm": 27.952281951904297,
      "learning_rate": 1.4137457044673541e-05,
      "loss": 0.5243,
      "num_tokens": 403746.0,
      "step": 944
    },
    {
      "epoch": 0.315,
      "grad_norm": 35.054134368896484,
      "learning_rate": 1.4130584192439864e-05,
      "loss": 0.6637,
      "num_tokens": 403953.0,
      "step": 945
    },
    {
      "epoch": 0.31533333333333335,
      "grad_norm": 18.699188232421875,
      "learning_rate": 1.4123711340206187e-05,
      "loss": 0.2905,
      "num_tokens": 404420.0,
      "step": 946
    },
    {
      "epoch": 0.31566666666666665,
      "grad_norm": 20.458755493164062,
      "learning_rate": 1.411683848797251e-05,
      "loss": 0.4397,
      "num_tokens": 404750.0,
      "step": 947
    },
    {
      "epoch": 0.316,
      "grad_norm": 20.984210968017578,
      "learning_rate": 1.4109965635738833e-05,
      "loss": 0.4568,
      "num_tokens": 405159.0,
      "step": 948
    },
    {
      "epoch": 0.31633333333333336,
      "grad_norm": 15.773835182189941,
      "learning_rate": 1.4103092783505156e-05,
      "loss": 0.2947,
      "num_tokens": 405648.0,
      "step": 949
    },
    {
      "epoch": 0.31666666666666665,
      "grad_norm": 20.232559204101562,
      "learning_rate": 1.409621993127148e-05,
      "loss": 0.3842,
      "num_tokens": 406027.0,
      "step": 950
    },
    {
      "epoch": 0.317,
      "grad_norm": 16.758657455444336,
      "learning_rate": 1.4089347079037802e-05,
      "loss": 0.3707,
      "num_tokens": 406434.0,
      "step": 951
    },
    {
      "epoch": 0.31733333333333336,
      "grad_norm": 14.11952018737793,
      "learning_rate": 1.4082474226804125e-05,
      "loss": 0.2639,
      "num_tokens": 406864.0,
      "step": 952
    },
    {
      "epoch": 0.31766666666666665,
      "grad_norm": 24.145830154418945,
      "learning_rate": 1.4075601374570448e-05,
      "loss": 0.4958,
      "num_tokens": 407228.0,
      "step": 953
    },
    {
      "epoch": 0.318,
      "grad_norm": 13.341742515563965,
      "learning_rate": 1.4068728522336771e-05,
      "loss": 0.2057,
      "num_tokens": 407763.0,
      "step": 954
    },
    {
      "epoch": 0.31833333333333336,
      "grad_norm": 13.569196701049805,
      "learning_rate": 1.4061855670103093e-05,
      "loss": 0.2781,
      "num_tokens": 408378.0,
      "step": 955
    },
    {
      "epoch": 0.31866666666666665,
      "grad_norm": 19.835521697998047,
      "learning_rate": 1.4054982817869416e-05,
      "loss": 0.335,
      "num_tokens": 408731.0,
      "step": 956
    },
    {
      "epoch": 0.319,
      "grad_norm": 9.8268461227417,
      "learning_rate": 1.4048109965635739e-05,
      "loss": 0.1854,
      "num_tokens": 409566.0,
      "step": 957
    },
    {
      "epoch": 0.31933333333333336,
      "grad_norm": 21.655195236206055,
      "learning_rate": 1.4041237113402062e-05,
      "loss": 0.4118,
      "num_tokens": 409808.0,
      "step": 958
    },
    {
      "epoch": 0.31966666666666665,
      "grad_norm": 14.131196022033691,
      "learning_rate": 1.4034364261168385e-05,
      "loss": 0.2261,
      "num_tokens": 410272.0,
      "step": 959
    },
    {
      "epoch": 0.32,
      "grad_norm": 12.595651626586914,
      "learning_rate": 1.4027491408934708e-05,
      "loss": 0.2413,
      "num_tokens": 410794.0,
      "step": 960
    },
    {
      "epoch": 0.32033333333333336,
      "grad_norm": 17.646638870239258,
      "learning_rate": 1.402061855670103e-05,
      "loss": 0.3798,
      "num_tokens": 411312.0,
      "step": 961
    },
    {
      "epoch": 0.32066666666666666,
      "grad_norm": 21.704322814941406,
      "learning_rate": 1.4013745704467354e-05,
      "loss": 0.626,
      "num_tokens": 411751.0,
      "step": 962
    },
    {
      "epoch": 0.321,
      "grad_norm": 19.257381439208984,
      "learning_rate": 1.4006872852233677e-05,
      "loss": 0.3018,
      "num_tokens": 412147.0,
      "step": 963
    },
    {
      "epoch": 0.32133333333333336,
      "grad_norm": 17.491106033325195,
      "learning_rate": 1.4e-05,
      "loss": 0.3581,
      "num_tokens": 412579.0,
      "step": 964
    },
    {
      "epoch": 0.32166666666666666,
      "grad_norm": 35.641780853271484,
      "learning_rate": 1.3993127147766323e-05,
      "loss": 0.7083,
      "num_tokens": 412846.0,
      "step": 965
    },
    {
      "epoch": 0.322,
      "grad_norm": 20.685237884521484,
      "learning_rate": 1.3986254295532646e-05,
      "loss": 0.4109,
      "num_tokens": 413140.0,
      "step": 966
    },
    {
      "epoch": 0.32233333333333336,
      "grad_norm": 34.42707443237305,
      "learning_rate": 1.3979381443298969e-05,
      "loss": 0.5327,
      "num_tokens": 413364.0,
      "step": 967
    },
    {
      "epoch": 0.32266666666666666,
      "grad_norm": 15.870885848999023,
      "learning_rate": 1.3972508591065292e-05,
      "loss": 0.35,
      "num_tokens": 413875.0,
      "step": 968
    },
    {
      "epoch": 0.323,
      "grad_norm": 22.320545196533203,
      "learning_rate": 1.3965635738831615e-05,
      "loss": 0.3662,
      "num_tokens": 414208.0,
      "step": 969
    },
    {
      "epoch": 0.3233333333333333,
      "grad_norm": 17.563636779785156,
      "learning_rate": 1.3958762886597938e-05,
      "loss": 0.2838,
      "num_tokens": 414583.0,
      "step": 970
    },
    {
      "epoch": 0.32366666666666666,
      "grad_norm": 12.943824768066406,
      "learning_rate": 1.3951890034364261e-05,
      "loss": 0.2721,
      "num_tokens": 415096.0,
      "step": 971
    },
    {
      "epoch": 0.324,
      "grad_norm": 26.100492477416992,
      "learning_rate": 1.3945017182130584e-05,
      "loss": 0.659,
      "num_tokens": 415448.0,
      "step": 972
    },
    {
      "epoch": 0.3243333333333333,
      "grad_norm": 36.59056854248047,
      "learning_rate": 1.3938144329896907e-05,
      "loss": 0.657,
      "num_tokens": 415687.0,
      "step": 973
    },
    {
      "epoch": 0.32466666666666666,
      "grad_norm": 18.05779457092285,
      "learning_rate": 1.3931271477663232e-05,
      "loss": 0.354,
      "num_tokens": 416142.0,
      "step": 974
    },
    {
      "epoch": 0.325,
      "grad_norm": 13.02901554107666,
      "learning_rate": 1.3924398625429555e-05,
      "loss": 0.391,
      "num_tokens": 416908.0,
      "step": 975
    },
    {
      "epoch": 0.3253333333333333,
      "grad_norm": 16.753616333007812,
      "learning_rate": 1.3917525773195878e-05,
      "loss": 0.3008,
      "num_tokens": 417305.0,
      "step": 976
    },
    {
      "epoch": 0.32566666666666666,
      "grad_norm": 21.20567512512207,
      "learning_rate": 1.39106529209622e-05,
      "loss": 0.4795,
      "num_tokens": 417661.0,
      "step": 977
    },
    {
      "epoch": 0.326,
      "grad_norm": 18.598764419555664,
      "learning_rate": 1.3903780068728524e-05,
      "loss": 0.4194,
      "num_tokens": 418043.0,
      "step": 978
    },
    {
      "epoch": 0.3263333333333333,
      "grad_norm": 12.596274375915527,
      "learning_rate": 1.3896907216494847e-05,
      "loss": 0.2611,
      "num_tokens": 418624.0,
      "step": 979
    },
    {
      "epoch": 0.32666666666666666,
      "grad_norm": 23.53544807434082,
      "learning_rate": 1.389003436426117e-05,
      "loss": 0.4169,
      "num_tokens": 419090.0,
      "step": 980
    },
    {
      "epoch": 0.327,
      "grad_norm": 19.88063621520996,
      "learning_rate": 1.3883161512027493e-05,
      "loss": 0.5508,
      "num_tokens": 419610.0,
      "step": 981
    },
    {
      "epoch": 0.3273333333333333,
      "grad_norm": 23.771339416503906,
      "learning_rate": 1.3876288659793816e-05,
      "loss": 0.424,
      "num_tokens": 419959.0,
      "step": 982
    },
    {
      "epoch": 0.32766666666666666,
      "grad_norm": 11.378881454467773,
      "learning_rate": 1.3869415807560139e-05,
      "loss": 0.2206,
      "num_tokens": 420638.0,
      "step": 983
    },
    {
      "epoch": 0.328,
      "grad_norm": 12.103583335876465,
      "learning_rate": 1.3862542955326462e-05,
      "loss": 0.2233,
      "num_tokens": 421307.0,
      "step": 984
    },
    {
      "epoch": 0.3283333333333333,
      "grad_norm": 16.072063446044922,
      "learning_rate": 1.3855670103092785e-05,
      "loss": 0.4011,
      "num_tokens": 421784.0,
      "step": 985
    },
    {
      "epoch": 0.32866666666666666,
      "grad_norm": 23.159765243530273,
      "learning_rate": 1.3848797250859108e-05,
      "loss": 0.5065,
      "num_tokens": 422064.0,
      "step": 986
    },
    {
      "epoch": 0.329,
      "grad_norm": 19.179716110229492,
      "learning_rate": 1.384192439862543e-05,
      "loss": 0.3996,
      "num_tokens": 422479.0,
      "step": 987
    },
    {
      "epoch": 0.3293333333333333,
      "grad_norm": 16.648754119873047,
      "learning_rate": 1.3835051546391754e-05,
      "loss": 0.3339,
      "num_tokens": 423301.0,
      "step": 988
    },
    {
      "epoch": 0.32966666666666666,
      "grad_norm": 10.455439567565918,
      "learning_rate": 1.3828178694158077e-05,
      "loss": 0.2246,
      "num_tokens": 423821.0,
      "step": 989
    },
    {
      "epoch": 0.33,
      "grad_norm": 23.588642120361328,
      "learning_rate": 1.38213058419244e-05,
      "loss": 0.4892,
      "num_tokens": 424264.0,
      "step": 990
    },
    {
      "epoch": 0.3303333333333333,
      "grad_norm": 27.395381927490234,
      "learning_rate": 1.3814432989690723e-05,
      "loss": 0.3931,
      "num_tokens": 424691.0,
      "step": 991
    },
    {
      "epoch": 0.33066666666666666,
      "grad_norm": 17.08598518371582,
      "learning_rate": 1.3807560137457046e-05,
      "loss": 0.3103,
      "num_tokens": 425232.0,
      "step": 992
    },
    {
      "epoch": 0.331,
      "grad_norm": 26.323030471801758,
      "learning_rate": 1.3800687285223369e-05,
      "loss": 0.6882,
      "num_tokens": 425523.0,
      "step": 993
    },
    {
      "epoch": 0.3313333333333333,
      "grad_norm": 23.248016357421875,
      "learning_rate": 1.3793814432989692e-05,
      "loss": 0.3801,
      "num_tokens": 425822.0,
      "step": 994
    },
    {
      "epoch": 0.33166666666666667,
      "grad_norm": 31.338581085205078,
      "learning_rate": 1.3786941580756015e-05,
      "loss": 0.4892,
      "num_tokens": 426161.0,
      "step": 995
    },
    {
      "epoch": 0.332,
      "grad_norm": 33.51223373413086,
      "learning_rate": 1.3780068728522338e-05,
      "loss": 0.457,
      "num_tokens": 426419.0,
      "step": 996
    },
    {
      "epoch": 0.3323333333333333,
      "grad_norm": 22.473987579345703,
      "learning_rate": 1.377319587628866e-05,
      "loss": 0.4589,
      "num_tokens": 426727.0,
      "step": 997
    },
    {
      "epoch": 0.33266666666666667,
      "grad_norm": 15.945637702941895,
      "learning_rate": 1.3766323024054984e-05,
      "loss": 0.2304,
      "num_tokens": 427158.0,
      "step": 998
    },
    {
      "epoch": 0.333,
      "grad_norm": 16.035791397094727,
      "learning_rate": 1.3759450171821307e-05,
      "loss": 0.2722,
      "num_tokens": 427614.0,
      "step": 999
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 14.272132873535156,
      "learning_rate": 1.375257731958763e-05,
      "loss": 0.3374,
      "num_tokens": 428061.0,
      "step": 1000
    },
    {
      "epoch": 0.33366666666666667,
      "grad_norm": 40.96101760864258,
      "learning_rate": 1.3745704467353953e-05,
      "loss": 0.3767,
      "num_tokens": 428414.0,
      "step": 1001
    },
    {
      "epoch": 0.334,
      "grad_norm": 27.36749267578125,
      "learning_rate": 1.3738831615120276e-05,
      "loss": 0.5431,
      "num_tokens": 428655.0,
      "step": 1002
    },
    {
      "epoch": 0.3343333333333333,
      "grad_norm": 48.47542190551758,
      "learning_rate": 1.3731958762886599e-05,
      "loss": 0.7894,
      "num_tokens": 428807.0,
      "step": 1003
    },
    {
      "epoch": 0.33466666666666667,
      "grad_norm": 22.643796920776367,
      "learning_rate": 1.3725085910652922e-05,
      "loss": 0.4645,
      "num_tokens": 429198.0,
      "step": 1004
    },
    {
      "epoch": 0.335,
      "grad_norm": 14.68553352355957,
      "learning_rate": 1.3718213058419245e-05,
      "loss": 0.3669,
      "num_tokens": 429692.0,
      "step": 1005
    },
    {
      "epoch": 0.3353333333333333,
      "grad_norm": 22.833608627319336,
      "learning_rate": 1.3711340206185568e-05,
      "loss": 0.4138,
      "num_tokens": 430051.0,
      "step": 1006
    },
    {
      "epoch": 0.33566666666666667,
      "grad_norm": 14.437907218933105,
      "learning_rate": 1.370446735395189e-05,
      "loss": 0.2713,
      "num_tokens": 430486.0,
      "step": 1007
    },
    {
      "epoch": 0.336,
      "grad_norm": 16.721750259399414,
      "learning_rate": 1.3697594501718214e-05,
      "loss": 0.3217,
      "num_tokens": 431063.0,
      "step": 1008
    },
    {
      "epoch": 0.3363333333333333,
      "grad_norm": 24.910829544067383,
      "learning_rate": 1.3690721649484537e-05,
      "loss": 0.3712,
      "num_tokens": 431282.0,
      "step": 1009
    },
    {
      "epoch": 0.33666666666666667,
      "grad_norm": 16.730539321899414,
      "learning_rate": 1.368384879725086e-05,
      "loss": 0.3082,
      "num_tokens": 431770.0,
      "step": 1010
    },
    {
      "epoch": 0.337,
      "grad_norm": 16.68932342529297,
      "learning_rate": 1.3676975945017183e-05,
      "loss": 0.2613,
      "num_tokens": 432122.0,
      "step": 1011
    },
    {
      "epoch": 0.3373333333333333,
      "grad_norm": 20.546817779541016,
      "learning_rate": 1.3670103092783506e-05,
      "loss": 0.4663,
      "num_tokens": 432470.0,
      "step": 1012
    },
    {
      "epoch": 0.33766666666666667,
      "grad_norm": 19.574844360351562,
      "learning_rate": 1.3663230240549829e-05,
      "loss": 0.3732,
      "num_tokens": 432800.0,
      "step": 1013
    },
    {
      "epoch": 0.338,
      "grad_norm": 26.656009674072266,
      "learning_rate": 1.3656357388316152e-05,
      "loss": 0.5514,
      "num_tokens": 433154.0,
      "step": 1014
    },
    {
      "epoch": 0.3383333333333333,
      "grad_norm": 24.288846969604492,
      "learning_rate": 1.3649484536082475e-05,
      "loss": 0.3726,
      "num_tokens": 433518.0,
      "step": 1015
    },
    {
      "epoch": 0.33866666666666667,
      "grad_norm": 20.39019012451172,
      "learning_rate": 1.3642611683848798e-05,
      "loss": 0.3985,
      "num_tokens": 433906.0,
      "step": 1016
    },
    {
      "epoch": 0.339,
      "grad_norm": 15.881165504455566,
      "learning_rate": 1.3635738831615123e-05,
      "loss": 0.2987,
      "num_tokens": 434416.0,
      "step": 1017
    },
    {
      "epoch": 0.3393333333333333,
      "grad_norm": 49.093441009521484,
      "learning_rate": 1.3628865979381446e-05,
      "loss": 0.3257,
      "num_tokens": 435021.0,
      "step": 1018
    },
    {
      "epoch": 0.3396666666666667,
      "grad_norm": 15.905976295471191,
      "learning_rate": 1.3621993127147769e-05,
      "loss": 0.2367,
      "num_tokens": 435726.0,
      "step": 1019
    },
    {
      "epoch": 0.34,
      "grad_norm": 15.612444877624512,
      "learning_rate": 1.3615120274914092e-05,
      "loss": 0.2724,
      "num_tokens": 436344.0,
      "step": 1020
    },
    {
      "epoch": 0.3403333333333333,
      "grad_norm": 13.098210334777832,
      "learning_rate": 1.3608247422680415e-05,
      "loss": 0.2358,
      "num_tokens": 436813.0,
      "step": 1021
    },
    {
      "epoch": 0.3406666666666667,
      "grad_norm": 57.23373031616211,
      "learning_rate": 1.3601374570446738e-05,
      "loss": 0.3414,
      "num_tokens": 437128.0,
      "step": 1022
    },
    {
      "epoch": 0.341,
      "grad_norm": 24.083650588989258,
      "learning_rate": 1.359450171821306e-05,
      "loss": 0.5758,
      "num_tokens": 437461.0,
      "step": 1023
    },
    {
      "epoch": 0.3413333333333333,
      "grad_norm": 18.314311981201172,
      "learning_rate": 1.3587628865979384e-05,
      "loss": 0.3403,
      "num_tokens": 437942.0,
      "step": 1024
    },
    {
      "epoch": 0.3416666666666667,
      "grad_norm": 19.92885398864746,
      "learning_rate": 1.3580756013745707e-05,
      "loss": 0.2961,
      "num_tokens": 438396.0,
      "step": 1025
    },
    {
      "epoch": 0.342,
      "grad_norm": 22.324703216552734,
      "learning_rate": 1.357388316151203e-05,
      "loss": 0.4222,
      "num_tokens": 438698.0,
      "step": 1026
    },
    {
      "epoch": 0.3423333333333333,
      "grad_norm": 18.771297454833984,
      "learning_rate": 1.3567010309278353e-05,
      "loss": 0.3376,
      "num_tokens": 439042.0,
      "step": 1027
    },
    {
      "epoch": 0.3426666666666667,
      "grad_norm": 16.861330032348633,
      "learning_rate": 1.3560137457044676e-05,
      "loss": 0.2786,
      "num_tokens": 439458.0,
      "step": 1028
    },
    {
      "epoch": 0.343,
      "grad_norm": 14.191258430480957,
      "learning_rate": 1.3553264604810999e-05,
      "loss": 0.2564,
      "num_tokens": 439894.0,
      "step": 1029
    },
    {
      "epoch": 0.3433333333333333,
      "grad_norm": 22.280658721923828,
      "learning_rate": 1.3546391752577322e-05,
      "loss": 0.4609,
      "num_tokens": 440426.0,
      "step": 1030
    },
    {
      "epoch": 0.3436666666666667,
      "grad_norm": 13.285468101501465,
      "learning_rate": 1.3539518900343645e-05,
      "loss": 0.3058,
      "num_tokens": 441284.0,
      "step": 1031
    },
    {
      "epoch": 0.344,
      "grad_norm": 21.084884643554688,
      "learning_rate": 1.3532646048109968e-05,
      "loss": 0.4144,
      "num_tokens": 441643.0,
      "step": 1032
    },
    {
      "epoch": 0.3443333333333333,
      "grad_norm": 16.94411277770996,
      "learning_rate": 1.352577319587629e-05,
      "loss": 0.2935,
      "num_tokens": 442062.0,
      "step": 1033
    },
    {
      "epoch": 0.3446666666666667,
      "grad_norm": 26.703453063964844,
      "learning_rate": 1.3518900343642614e-05,
      "loss": 0.5548,
      "num_tokens": 442403.0,
      "step": 1034
    },
    {
      "epoch": 0.345,
      "grad_norm": 28.018463134765625,
      "learning_rate": 1.3512027491408937e-05,
      "loss": 0.4638,
      "num_tokens": 442708.0,
      "step": 1035
    },
    {
      "epoch": 0.3453333333333333,
      "grad_norm": 37.019126892089844,
      "learning_rate": 1.350515463917526e-05,
      "loss": 0.7842,
      "num_tokens": 442961.0,
      "step": 1036
    },
    {
      "epoch": 0.3456666666666667,
      "grad_norm": 18.304847717285156,
      "learning_rate": 1.3498281786941583e-05,
      "loss": 0.4414,
      "num_tokens": 443378.0,
      "step": 1037
    },
    {
      "epoch": 0.346,
      "grad_norm": 26.22449493408203,
      "learning_rate": 1.3491408934707906e-05,
      "loss": 0.5227,
      "num_tokens": 443771.0,
      "step": 1038
    },
    {
      "epoch": 0.3463333333333333,
      "grad_norm": 17.654754638671875,
      "learning_rate": 1.3484536082474229e-05,
      "loss": 0.3487,
      "num_tokens": 444359.0,
      "step": 1039
    },
    {
      "epoch": 0.3466666666666667,
      "grad_norm": 19.031888961791992,
      "learning_rate": 1.3477663230240552e-05,
      "loss": 0.3266,
      "num_tokens": 444856.0,
      "step": 1040
    },
    {
      "epoch": 0.347,
      "grad_norm": 14.834895133972168,
      "learning_rate": 1.3470790378006875e-05,
      "loss": 0.3333,
      "num_tokens": 445406.0,
      "step": 1041
    },
    {
      "epoch": 0.3473333333333333,
      "grad_norm": 17.34480094909668,
      "learning_rate": 1.3463917525773198e-05,
      "loss": 0.2308,
      "num_tokens": 445617.0,
      "step": 1042
    },
    {
      "epoch": 0.3476666666666667,
      "grad_norm": 13.271309852600098,
      "learning_rate": 1.345704467353952e-05,
      "loss": 0.2361,
      "num_tokens": 445947.0,
      "step": 1043
    },
    {
      "epoch": 0.348,
      "grad_norm": 13.80868911743164,
      "learning_rate": 1.3450171821305844e-05,
      "loss": 0.2221,
      "num_tokens": 446374.0,
      "step": 1044
    },
    {
      "epoch": 0.34833333333333333,
      "grad_norm": 26.420103073120117,
      "learning_rate": 1.3443298969072167e-05,
      "loss": 0.649,
      "num_tokens": 446667.0,
      "step": 1045
    },
    {
      "epoch": 0.3486666666666667,
      "grad_norm": 11.7680025100708,
      "learning_rate": 1.3436426116838488e-05,
      "loss": 0.2668,
      "num_tokens": 447341.0,
      "step": 1046
    },
    {
      "epoch": 0.349,
      "grad_norm": 17.629791259765625,
      "learning_rate": 1.3429553264604811e-05,
      "loss": 0.327,
      "num_tokens": 447787.0,
      "step": 1047
    },
    {
      "epoch": 0.34933333333333333,
      "grad_norm": 21.904796600341797,
      "learning_rate": 1.3422680412371134e-05,
      "loss": 0.4976,
      "num_tokens": 448229.0,
      "step": 1048
    },
    {
      "epoch": 0.3496666666666667,
      "grad_norm": 21.57414436340332,
      "learning_rate": 1.3415807560137457e-05,
      "loss": 0.2776,
      "num_tokens": 448758.0,
      "step": 1049
    },
    {
      "epoch": 0.35,
      "grad_norm": 23.151695251464844,
      "learning_rate": 1.340893470790378e-05,
      "loss": 0.4623,
      "num_tokens": 449084.0,
      "step": 1050
    },
    {
      "epoch": 0.35033333333333333,
      "grad_norm": 23.522974014282227,
      "learning_rate": 1.3402061855670103e-05,
      "loss": 0.3844,
      "num_tokens": 449409.0,
      "step": 1051
    },
    {
      "epoch": 0.3506666666666667,
      "grad_norm": 14.969827651977539,
      "learning_rate": 1.3395189003436426e-05,
      "loss": 0.378,
      "num_tokens": 449890.0,
      "step": 1052
    },
    {
      "epoch": 0.351,
      "grad_norm": 16.334577560424805,
      "learning_rate": 1.338831615120275e-05,
      "loss": 0.3164,
      "num_tokens": 450296.0,
      "step": 1053
    },
    {
      "epoch": 0.35133333333333333,
      "grad_norm": 19.203285217285156,
      "learning_rate": 1.3381443298969072e-05,
      "loss": 0.3248,
      "num_tokens": 450643.0,
      "step": 1054
    },
    {
      "epoch": 0.3516666666666667,
      "grad_norm": 13.402548789978027,
      "learning_rate": 1.3374570446735395e-05,
      "loss": 0.2573,
      "num_tokens": 451116.0,
      "step": 1055
    },
    {
      "epoch": 0.352,
      "grad_norm": 20.256601333618164,
      "learning_rate": 1.3367697594501718e-05,
      "loss": 0.4271,
      "num_tokens": 451493.0,
      "step": 1056
    },
    {
      "epoch": 0.35233333333333333,
      "grad_norm": 30.61740493774414,
      "learning_rate": 1.3360824742268041e-05,
      "loss": 0.6949,
      "num_tokens": 451753.0,
      "step": 1057
    },
    {
      "epoch": 0.3526666666666667,
      "grad_norm": 12.404852867126465,
      "learning_rate": 1.3353951890034364e-05,
      "loss": 0.2305,
      "num_tokens": 452340.0,
      "step": 1058
    },
    {
      "epoch": 0.353,
      "grad_norm": 16.36083221435547,
      "learning_rate": 1.3347079037800687e-05,
      "loss": 0.3316,
      "num_tokens": 452717.0,
      "step": 1059
    },
    {
      "epoch": 0.35333333333333333,
      "grad_norm": 11.444425582885742,
      "learning_rate": 1.334020618556701e-05,
      "loss": 0.2696,
      "num_tokens": 453264.0,
      "step": 1060
    },
    {
      "epoch": 0.3536666666666667,
      "grad_norm": 21.772743225097656,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 0.4277,
      "num_tokens": 453600.0,
      "step": 1061
    },
    {
      "epoch": 0.354,
      "grad_norm": 19.710294723510742,
      "learning_rate": 1.3326460481099656e-05,
      "loss": 0.3713,
      "num_tokens": 454016.0,
      "step": 1062
    },
    {
      "epoch": 0.35433333333333333,
      "grad_norm": 15.894389152526855,
      "learning_rate": 1.331958762886598e-05,
      "loss": 0.2964,
      "num_tokens": 454467.0,
      "step": 1063
    },
    {
      "epoch": 0.3546666666666667,
      "grad_norm": 12.121512413024902,
      "learning_rate": 1.3312714776632302e-05,
      "loss": 0.2986,
      "num_tokens": 455142.0,
      "step": 1064
    },
    {
      "epoch": 0.355,
      "grad_norm": 10.96960163116455,
      "learning_rate": 1.3305841924398625e-05,
      "loss": 0.2078,
      "num_tokens": 455697.0,
      "step": 1065
    },
    {
      "epoch": 0.35533333333333333,
      "grad_norm": 13.87387466430664,
      "learning_rate": 1.3298969072164948e-05,
      "loss": 0.245,
      "num_tokens": 456224.0,
      "step": 1066
    },
    {
      "epoch": 0.3556666666666667,
      "grad_norm": 17.260295867919922,
      "learning_rate": 1.3292096219931271e-05,
      "loss": 0.3874,
      "num_tokens": 456874.0,
      "step": 1067
    },
    {
      "epoch": 0.356,
      "grad_norm": 16.157804489135742,
      "learning_rate": 1.3285223367697594e-05,
      "loss": 0.2564,
      "num_tokens": 457516.0,
      "step": 1068
    },
    {
      "epoch": 0.35633333333333334,
      "grad_norm": 12.094852447509766,
      "learning_rate": 1.3278350515463917e-05,
      "loss": 0.2245,
      "num_tokens": 458072.0,
      "step": 1069
    },
    {
      "epoch": 0.3566666666666667,
      "grad_norm": 22.118061065673828,
      "learning_rate": 1.327147766323024e-05,
      "loss": 0.3902,
      "num_tokens": 458380.0,
      "step": 1070
    },
    {
      "epoch": 0.357,
      "grad_norm": 19.282573699951172,
      "learning_rate": 1.3264604810996563e-05,
      "loss": 0.4274,
      "num_tokens": 458720.0,
      "step": 1071
    },
    {
      "epoch": 0.35733333333333334,
      "grad_norm": 21.57517433166504,
      "learning_rate": 1.3257731958762886e-05,
      "loss": 0.3698,
      "num_tokens": 459074.0,
      "step": 1072
    },
    {
      "epoch": 0.3576666666666667,
      "grad_norm": 13.608341217041016,
      "learning_rate": 1.3250859106529211e-05,
      "loss": 0.2465,
      "num_tokens": 459651.0,
      "step": 1073
    },
    {
      "epoch": 0.358,
      "grad_norm": 26.298234939575195,
      "learning_rate": 1.3243986254295534e-05,
      "loss": 0.4641,
      "num_tokens": 460079.0,
      "step": 1074
    },
    {
      "epoch": 0.35833333333333334,
      "grad_norm": 18.953731536865234,
      "learning_rate": 1.3237113402061857e-05,
      "loss": 0.3465,
      "num_tokens": 460449.0,
      "step": 1075
    },
    {
      "epoch": 0.3586666666666667,
      "grad_norm": 23.957054138183594,
      "learning_rate": 1.323024054982818e-05,
      "loss": 0.3701,
      "num_tokens": 460859.0,
      "step": 1076
    },
    {
      "epoch": 0.359,
      "grad_norm": 17.73834228515625,
      "learning_rate": 1.3223367697594503e-05,
      "loss": 0.3323,
      "num_tokens": 461299.0,
      "step": 1077
    },
    {
      "epoch": 0.35933333333333334,
      "grad_norm": 18.358291625976562,
      "learning_rate": 1.3216494845360826e-05,
      "loss": 0.3249,
      "num_tokens": 461758.0,
      "step": 1078
    },
    {
      "epoch": 0.3596666666666667,
      "grad_norm": 37.344146728515625,
      "learning_rate": 1.3209621993127149e-05,
      "loss": 0.4247,
      "num_tokens": 461956.0,
      "step": 1079
    },
    {
      "epoch": 0.36,
      "grad_norm": 32.73588562011719,
      "learning_rate": 1.3202749140893472e-05,
      "loss": 0.5222,
      "num_tokens": 462216.0,
      "step": 1080
    },
    {
      "epoch": 0.36033333333333334,
      "grad_norm": 21.23603630065918,
      "learning_rate": 1.3195876288659795e-05,
      "loss": 0.483,
      "num_tokens": 462612.0,
      "step": 1081
    },
    {
      "epoch": 0.3606666666666667,
      "grad_norm": 18.546405792236328,
      "learning_rate": 1.3189003436426118e-05,
      "loss": 0.2749,
      "num_tokens": 463025.0,
      "step": 1082
    },
    {
      "epoch": 0.361,
      "grad_norm": 18.829727172851562,
      "learning_rate": 1.3182130584192441e-05,
      "loss": 0.2709,
      "num_tokens": 463402.0,
      "step": 1083
    },
    {
      "epoch": 0.36133333333333334,
      "grad_norm": 20.946393966674805,
      "learning_rate": 1.3175257731958764e-05,
      "loss": 0.3448,
      "num_tokens": 463738.0,
      "step": 1084
    },
    {
      "epoch": 0.3616666666666667,
      "grad_norm": 28.261220932006836,
      "learning_rate": 1.3168384879725087e-05,
      "loss": 0.5818,
      "num_tokens": 464095.0,
      "step": 1085
    },
    {
      "epoch": 0.362,
      "grad_norm": 20.51249122619629,
      "learning_rate": 1.316151202749141e-05,
      "loss": 0.4266,
      "num_tokens": 464484.0,
      "step": 1086
    },
    {
      "epoch": 0.36233333333333334,
      "grad_norm": 28.486921310424805,
      "learning_rate": 1.3154639175257733e-05,
      "loss": 0.548,
      "num_tokens": 464778.0,
      "step": 1087
    },
    {
      "epoch": 0.3626666666666667,
      "grad_norm": 24.60567855834961,
      "learning_rate": 1.3147766323024056e-05,
      "loss": 0.4043,
      "num_tokens": 465165.0,
      "step": 1088
    },
    {
      "epoch": 0.363,
      "grad_norm": 15.56784725189209,
      "learning_rate": 1.314089347079038e-05,
      "loss": 0.259,
      "num_tokens": 465517.0,
      "step": 1089
    },
    {
      "epoch": 0.36333333333333334,
      "grad_norm": 15.687424659729004,
      "learning_rate": 1.3134020618556702e-05,
      "loss": 0.2519,
      "num_tokens": 465908.0,
      "step": 1090
    },
    {
      "epoch": 0.3636666666666667,
      "grad_norm": 15.661452293395996,
      "learning_rate": 1.3127147766323025e-05,
      "loss": 0.2593,
      "num_tokens": 466300.0,
      "step": 1091
    },
    {
      "epoch": 0.364,
      "grad_norm": 13.695301055908203,
      "learning_rate": 1.3120274914089348e-05,
      "loss": 0.2705,
      "num_tokens": 466978.0,
      "step": 1092
    },
    {
      "epoch": 0.36433333333333334,
      "grad_norm": 18.417980194091797,
      "learning_rate": 1.3113402061855671e-05,
      "loss": 0.3658,
      "num_tokens": 467547.0,
      "step": 1093
    },
    {
      "epoch": 0.36466666666666664,
      "grad_norm": 22.303739547729492,
      "learning_rate": 1.3106529209621994e-05,
      "loss": 0.4775,
      "num_tokens": 467842.0,
      "step": 1094
    },
    {
      "epoch": 0.365,
      "grad_norm": 21.481863021850586,
      "learning_rate": 1.3099656357388317e-05,
      "loss": 0.3921,
      "num_tokens": 468154.0,
      "step": 1095
    },
    {
      "epoch": 0.36533333333333334,
      "grad_norm": 16.138410568237305,
      "learning_rate": 1.309278350515464e-05,
      "loss": 0.2806,
      "num_tokens": 468622.0,
      "step": 1096
    },
    {
      "epoch": 0.36566666666666664,
      "grad_norm": 15.60428237915039,
      "learning_rate": 1.3085910652920963e-05,
      "loss": 0.283,
      "num_tokens": 469074.0,
      "step": 1097
    },
    {
      "epoch": 0.366,
      "grad_norm": 23.7045955657959,
      "learning_rate": 1.3079037800687286e-05,
      "loss": 0.3806,
      "num_tokens": 469336.0,
      "step": 1098
    },
    {
      "epoch": 0.36633333333333334,
      "grad_norm": 25.601211547851562,
      "learning_rate": 1.307216494845361e-05,
      "loss": 0.4697,
      "num_tokens": 469594.0,
      "step": 1099
    },
    {
      "epoch": 0.36666666666666664,
      "grad_norm": 12.72181224822998,
      "learning_rate": 1.3065292096219932e-05,
      "loss": 0.2283,
      "num_tokens": 470152.0,
      "step": 1100
    },
    {
      "epoch": 0.367,
      "grad_norm": 17.92850112915039,
      "learning_rate": 1.3058419243986255e-05,
      "loss": 0.3717,
      "num_tokens": 470723.0,
      "step": 1101
    },
    {
      "epoch": 0.36733333333333335,
      "grad_norm": 26.446727752685547,
      "learning_rate": 1.3051546391752578e-05,
      "loss": 0.4525,
      "num_tokens": 471136.0,
      "step": 1102
    },
    {
      "epoch": 0.36766666666666664,
      "grad_norm": 20.686052322387695,
      "learning_rate": 1.3044673539518901e-05,
      "loss": 0.418,
      "num_tokens": 471510.0,
      "step": 1103
    },
    {
      "epoch": 0.368,
      "grad_norm": 14.285544395446777,
      "learning_rate": 1.3037800687285224e-05,
      "loss": 0.3184,
      "num_tokens": 472036.0,
      "step": 1104
    },
    {
      "epoch": 0.36833333333333335,
      "grad_norm": 22.03545570373535,
      "learning_rate": 1.3030927835051547e-05,
      "loss": 0.4264,
      "num_tokens": 472399.0,
      "step": 1105
    },
    {
      "epoch": 0.36866666666666664,
      "grad_norm": 22.884946823120117,
      "learning_rate": 1.302405498281787e-05,
      "loss": 0.4818,
      "num_tokens": 472730.0,
      "step": 1106
    },
    {
      "epoch": 0.369,
      "grad_norm": 23.658010482788086,
      "learning_rate": 1.3017182130584193e-05,
      "loss": 0.4854,
      "num_tokens": 473077.0,
      "step": 1107
    },
    {
      "epoch": 0.36933333333333335,
      "grad_norm": 13.630030632019043,
      "learning_rate": 1.3010309278350516e-05,
      "loss": 0.2477,
      "num_tokens": 473654.0,
      "step": 1108
    },
    {
      "epoch": 0.36966666666666664,
      "grad_norm": 10.070454597473145,
      "learning_rate": 1.300343642611684e-05,
      "loss": 0.1637,
      "num_tokens": 474199.0,
      "step": 1109
    },
    {
      "epoch": 0.37,
      "grad_norm": 15.302685737609863,
      "learning_rate": 1.2996563573883162e-05,
      "loss": 0.2735,
      "num_tokens": 474742.0,
      "step": 1110
    },
    {
      "epoch": 0.37033333333333335,
      "grad_norm": 21.022743225097656,
      "learning_rate": 1.2989690721649485e-05,
      "loss": 0.5123,
      "num_tokens": 475187.0,
      "step": 1111
    },
    {
      "epoch": 0.37066666666666664,
      "grad_norm": 24.8569278717041,
      "learning_rate": 1.2982817869415808e-05,
      "loss": 0.5796,
      "num_tokens": 475557.0,
      "step": 1112
    },
    {
      "epoch": 0.371,
      "grad_norm": 12.025877952575684,
      "learning_rate": 1.2975945017182131e-05,
      "loss": 0.2502,
      "num_tokens": 476227.0,
      "step": 1113
    },
    {
      "epoch": 0.37133333333333335,
      "grad_norm": 11.003083229064941,
      "learning_rate": 1.2969072164948454e-05,
      "loss": 0.1863,
      "num_tokens": 476807.0,
      "step": 1114
    },
    {
      "epoch": 0.37166666666666665,
      "grad_norm": 43.81560134887695,
      "learning_rate": 1.2962199312714777e-05,
      "loss": 0.6163,
      "num_tokens": 477055.0,
      "step": 1115
    },
    {
      "epoch": 0.372,
      "grad_norm": 20.784086227416992,
      "learning_rate": 1.2955326460481102e-05,
      "loss": 0.2754,
      "num_tokens": 477373.0,
      "step": 1116
    },
    {
      "epoch": 0.37233333333333335,
      "grad_norm": 9.874693870544434,
      "learning_rate": 1.2948453608247425e-05,
      "loss": 0.2382,
      "num_tokens": 478216.0,
      "step": 1117
    },
    {
      "epoch": 0.37266666666666665,
      "grad_norm": 33.102046966552734,
      "learning_rate": 1.2941580756013748e-05,
      "loss": 0.7981,
      "num_tokens": 478400.0,
      "step": 1118
    },
    {
      "epoch": 0.373,
      "grad_norm": 23.752971649169922,
      "learning_rate": 1.2934707903780071e-05,
      "loss": 0.4584,
      "num_tokens": 478808.0,
      "step": 1119
    },
    {
      "epoch": 0.37333333333333335,
      "grad_norm": 30.342117309570312,
      "learning_rate": 1.2927835051546394e-05,
      "loss": 0.4678,
      "num_tokens": 478983.0,
      "step": 1120
    },
    {
      "epoch": 0.37366666666666665,
      "grad_norm": 16.25002098083496,
      "learning_rate": 1.2920962199312717e-05,
      "loss": 0.2965,
      "num_tokens": 479393.0,
      "step": 1121
    },
    {
      "epoch": 0.374,
      "grad_norm": 23.72726058959961,
      "learning_rate": 1.291408934707904e-05,
      "loss": 0.4357,
      "num_tokens": 479714.0,
      "step": 1122
    },
    {
      "epoch": 0.37433333333333335,
      "grad_norm": 29.150651931762695,
      "learning_rate": 1.2907216494845363e-05,
      "loss": 0.5409,
      "num_tokens": 479988.0,
      "step": 1123
    },
    {
      "epoch": 0.37466666666666665,
      "grad_norm": 20.79514503479004,
      "learning_rate": 1.2900343642611686e-05,
      "loss": 0.3798,
      "num_tokens": 480327.0,
      "step": 1124
    },
    {
      "epoch": 0.375,
      "grad_norm": 18.280506134033203,
      "learning_rate": 1.289347079037801e-05,
      "loss": 0.3671,
      "num_tokens": 480820.0,
      "step": 1125
    },
    {
      "epoch": 0.37533333333333335,
      "grad_norm": 19.8229923248291,
      "learning_rate": 1.2886597938144332e-05,
      "loss": 0.3386,
      "num_tokens": 481156.0,
      "step": 1126
    },
    {
      "epoch": 0.37566666666666665,
      "grad_norm": 16.59060287475586,
      "learning_rate": 1.2879725085910655e-05,
      "loss": 0.3648,
      "num_tokens": 481618.0,
      "step": 1127
    },
    {
      "epoch": 0.376,
      "grad_norm": 11.363178253173828,
      "learning_rate": 1.2872852233676978e-05,
      "loss": 0.1917,
      "num_tokens": 482101.0,
      "step": 1128
    },
    {
      "epoch": 0.37633333333333335,
      "grad_norm": 18.580965042114258,
      "learning_rate": 1.2865979381443301e-05,
      "loss": 0.4066,
      "num_tokens": 482503.0,
      "step": 1129
    },
    {
      "epoch": 0.37666666666666665,
      "grad_norm": 29.695981979370117,
      "learning_rate": 1.2859106529209624e-05,
      "loss": 0.6003,
      "num_tokens": 482733.0,
      "step": 1130
    },
    {
      "epoch": 0.377,
      "grad_norm": 13.989581108093262,
      "learning_rate": 1.2852233676975947e-05,
      "loss": 0.2981,
      "num_tokens": 483431.0,
      "step": 1131
    },
    {
      "epoch": 0.37733333333333335,
      "grad_norm": 24.78279685974121,
      "learning_rate": 1.284536082474227e-05,
      "loss": 0.5247,
      "num_tokens": 483769.0,
      "step": 1132
    },
    {
      "epoch": 0.37766666666666665,
      "grad_norm": 20.349994659423828,
      "learning_rate": 1.2838487972508593e-05,
      "loss": 0.3744,
      "num_tokens": 484105.0,
      "step": 1133
    },
    {
      "epoch": 0.378,
      "grad_norm": 15.231034278869629,
      "learning_rate": 1.2831615120274916e-05,
      "loss": 0.2346,
      "num_tokens": 484470.0,
      "step": 1134
    },
    {
      "epoch": 0.37833333333333335,
      "grad_norm": 13.607717514038086,
      "learning_rate": 1.282474226804124e-05,
      "loss": 0.2861,
      "num_tokens": 485138.0,
      "step": 1135
    },
    {
      "epoch": 0.37866666666666665,
      "grad_norm": 24.42586326599121,
      "learning_rate": 1.2817869415807562e-05,
      "loss": 0.4673,
      "num_tokens": 485437.0,
      "step": 1136
    },
    {
      "epoch": 0.379,
      "grad_norm": 23.01663589477539,
      "learning_rate": 1.2810996563573884e-05,
      "loss": 0.4006,
      "num_tokens": 485841.0,
      "step": 1137
    },
    {
      "epoch": 0.37933333333333336,
      "grad_norm": 20.32039451599121,
      "learning_rate": 1.2804123711340207e-05,
      "loss": 0.3926,
      "num_tokens": 486249.0,
      "step": 1138
    },
    {
      "epoch": 0.37966666666666665,
      "grad_norm": 18.615535736083984,
      "learning_rate": 1.279725085910653e-05,
      "loss": 0.3752,
      "num_tokens": 486651.0,
      "step": 1139
    },
    {
      "epoch": 0.38,
      "grad_norm": 20.0799617767334,
      "learning_rate": 1.2790378006872853e-05,
      "loss": 0.4202,
      "num_tokens": 487088.0,
      "step": 1140
    },
    {
      "epoch": 0.38033333333333336,
      "grad_norm": 22.253116607666016,
      "learning_rate": 1.2783505154639176e-05,
      "loss": 0.3684,
      "num_tokens": 487385.0,
      "step": 1141
    },
    {
      "epoch": 0.38066666666666665,
      "grad_norm": 20.453201293945312,
      "learning_rate": 1.2776632302405499e-05,
      "loss": 0.3704,
      "num_tokens": 487863.0,
      "step": 1142
    },
    {
      "epoch": 0.381,
      "grad_norm": 13.841719627380371,
      "learning_rate": 1.2769759450171822e-05,
      "loss": 0.2606,
      "num_tokens": 488425.0,
      "step": 1143
    },
    {
      "epoch": 0.38133333333333336,
      "grad_norm": 23.24674415588379,
      "learning_rate": 1.2762886597938145e-05,
      "loss": 0.4814,
      "num_tokens": 488805.0,
      "step": 1144
    },
    {
      "epoch": 0.38166666666666665,
      "grad_norm": 35.531463623046875,
      "learning_rate": 1.2756013745704468e-05,
      "loss": 0.6043,
      "num_tokens": 489065.0,
      "step": 1145
    },
    {
      "epoch": 0.382,
      "grad_norm": 32.63093566894531,
      "learning_rate": 1.274914089347079e-05,
      "loss": 0.6449,
      "num_tokens": 489267.0,
      "step": 1146
    },
    {
      "epoch": 0.38233333333333336,
      "grad_norm": 31.238426208496094,
      "learning_rate": 1.2742268041237114e-05,
      "loss": 0.6334,
      "num_tokens": 489571.0,
      "step": 1147
    },
    {
      "epoch": 0.38266666666666665,
      "grad_norm": 21.950891494750977,
      "learning_rate": 1.2735395189003437e-05,
      "loss": 0.547,
      "num_tokens": 489964.0,
      "step": 1148
    },
    {
      "epoch": 0.383,
      "grad_norm": 19.119586944580078,
      "learning_rate": 1.272852233676976e-05,
      "loss": 0.3622,
      "num_tokens": 490300.0,
      "step": 1149
    },
    {
      "epoch": 0.38333333333333336,
      "grad_norm": 18.169342041015625,
      "learning_rate": 1.2721649484536083e-05,
      "loss": 0.2322,
      "num_tokens": 490733.0,
      "step": 1150
    },
    {
      "epoch": 0.38366666666666666,
      "grad_norm": 18.733360290527344,
      "learning_rate": 1.2714776632302406e-05,
      "loss": 0.4416,
      "num_tokens": 491128.0,
      "step": 1151
    },
    {
      "epoch": 0.384,
      "grad_norm": 18.579055786132812,
      "learning_rate": 1.2707903780068729e-05,
      "loss": 0.3386,
      "num_tokens": 491468.0,
      "step": 1152
    },
    {
      "epoch": 0.38433333333333336,
      "grad_norm": 16.39452362060547,
      "learning_rate": 1.2701030927835052e-05,
      "loss": 0.239,
      "num_tokens": 492019.0,
      "step": 1153
    },
    {
      "epoch": 0.38466666666666666,
      "grad_norm": 15.22903823852539,
      "learning_rate": 1.2694158075601375e-05,
      "loss": 0.3215,
      "num_tokens": 492750.0,
      "step": 1154
    },
    {
      "epoch": 0.385,
      "grad_norm": 13.664992332458496,
      "learning_rate": 1.2687285223367698e-05,
      "loss": 0.2432,
      "num_tokens": 493249.0,
      "step": 1155
    },
    {
      "epoch": 0.38533333333333336,
      "grad_norm": 17.66621971130371,
      "learning_rate": 1.268041237113402e-05,
      "loss": 0.4395,
      "num_tokens": 493759.0,
      "step": 1156
    },
    {
      "epoch": 0.38566666666666666,
      "grad_norm": 15.779143333435059,
      "learning_rate": 1.2673539518900344e-05,
      "loss": 0.2638,
      "num_tokens": 494163.0,
      "step": 1157
    },
    {
      "epoch": 0.386,
      "grad_norm": 18.89597511291504,
      "learning_rate": 1.2666666666666667e-05,
      "loss": 0.2679,
      "num_tokens": 494722.0,
      "step": 1158
    },
    {
      "epoch": 0.3863333333333333,
      "grad_norm": 22.276025772094727,
      "learning_rate": 1.265979381443299e-05,
      "loss": 0.3467,
      "num_tokens": 495058.0,
      "step": 1159
    },
    {
      "epoch": 0.38666666666666666,
      "grad_norm": 13.181798934936523,
      "learning_rate": 1.2652920962199313e-05,
      "loss": 0.2317,
      "num_tokens": 495651.0,
      "step": 1160
    },
    {
      "epoch": 0.387,
      "grad_norm": 14.811128616333008,
      "learning_rate": 1.2646048109965636e-05,
      "loss": 0.2589,
      "num_tokens": 496296.0,
      "step": 1161
    },
    {
      "epoch": 0.3873333333333333,
      "grad_norm": 26.923540115356445,
      "learning_rate": 1.2639175257731959e-05,
      "loss": 0.6248,
      "num_tokens": 496672.0,
      "step": 1162
    },
    {
      "epoch": 0.38766666666666666,
      "grad_norm": 19.210615158081055,
      "learning_rate": 1.2632302405498282e-05,
      "loss": 0.4933,
      "num_tokens": 497146.0,
      "step": 1163
    },
    {
      "epoch": 0.388,
      "grad_norm": 22.490625381469727,
      "learning_rate": 1.2625429553264605e-05,
      "loss": 0.6416,
      "num_tokens": 497477.0,
      "step": 1164
    },
    {
      "epoch": 0.3883333333333333,
      "grad_norm": 25.704256057739258,
      "learning_rate": 1.2618556701030928e-05,
      "loss": 0.5293,
      "num_tokens": 497739.0,
      "step": 1165
    },
    {
      "epoch": 0.38866666666666666,
      "grad_norm": 24.787616729736328,
      "learning_rate": 1.2611683848797251e-05,
      "loss": 0.4574,
      "num_tokens": 498034.0,
      "step": 1166
    },
    {
      "epoch": 0.389,
      "grad_norm": 14.404008865356445,
      "learning_rate": 1.2604810996563574e-05,
      "loss": 0.2333,
      "num_tokens": 498621.0,
      "step": 1167
    },
    {
      "epoch": 0.3893333333333333,
      "grad_norm": 19.343358993530273,
      "learning_rate": 1.2597938144329897e-05,
      "loss": 0.3399,
      "num_tokens": 498954.0,
      "step": 1168
    },
    {
      "epoch": 0.38966666666666666,
      "grad_norm": 10.627667427062988,
      "learning_rate": 1.259106529209622e-05,
      "loss": 0.2015,
      "num_tokens": 499469.0,
      "step": 1169
    },
    {
      "epoch": 0.39,
      "grad_norm": 17.674631118774414,
      "learning_rate": 1.2584192439862543e-05,
      "loss": 0.2151,
      "num_tokens": 500250.0,
      "step": 1170
    },
    {
      "epoch": 0.3903333333333333,
      "grad_norm": 28.006227493286133,
      "learning_rate": 1.2577319587628866e-05,
      "loss": 0.5997,
      "num_tokens": 500487.0,
      "step": 1171
    },
    {
      "epoch": 0.39066666666666666,
      "grad_norm": 32.10094451904297,
      "learning_rate": 1.257044673539519e-05,
      "loss": 0.7302,
      "num_tokens": 500757.0,
      "step": 1172
    },
    {
      "epoch": 0.391,
      "grad_norm": 19.81618881225586,
      "learning_rate": 1.2563573883161514e-05,
      "loss": 0.391,
      "num_tokens": 501267.0,
      "step": 1173
    },
    {
      "epoch": 0.3913333333333333,
      "grad_norm": 14.318201065063477,
      "learning_rate": 1.2556701030927837e-05,
      "loss": 0.2657,
      "num_tokens": 501756.0,
      "step": 1174
    },
    {
      "epoch": 0.39166666666666666,
      "grad_norm": 23.60334587097168,
      "learning_rate": 1.254982817869416e-05,
      "loss": 0.5792,
      "num_tokens": 502113.0,
      "step": 1175
    },
    {
      "epoch": 0.392,
      "grad_norm": 28.500341415405273,
      "learning_rate": 1.2542955326460483e-05,
      "loss": 0.6722,
      "num_tokens": 502422.0,
      "step": 1176
    },
    {
      "epoch": 0.3923333333333333,
      "grad_norm": 21.80260467529297,
      "learning_rate": 1.2536082474226806e-05,
      "loss": 0.3214,
      "num_tokens": 502829.0,
      "step": 1177
    },
    {
      "epoch": 0.39266666666666666,
      "grad_norm": 20.39137077331543,
      "learning_rate": 1.2529209621993129e-05,
      "loss": 0.313,
      "num_tokens": 503241.0,
      "step": 1178
    },
    {
      "epoch": 0.393,
      "grad_norm": 17.652565002441406,
      "learning_rate": 1.2522336769759452e-05,
      "loss": 0.3333,
      "num_tokens": 503816.0,
      "step": 1179
    },
    {
      "epoch": 0.3933333333333333,
      "grad_norm": 24.415790557861328,
      "learning_rate": 1.2515463917525775e-05,
      "loss": 0.4515,
      "num_tokens": 504194.0,
      "step": 1180
    },
    {
      "epoch": 0.39366666666666666,
      "grad_norm": 11.546710014343262,
      "learning_rate": 1.2508591065292098e-05,
      "loss": 0.2341,
      "num_tokens": 504874.0,
      "step": 1181
    },
    {
      "epoch": 0.394,
      "grad_norm": 28.50632095336914,
      "learning_rate": 1.250171821305842e-05,
      "loss": 0.5001,
      "num_tokens": 505138.0,
      "step": 1182
    },
    {
      "epoch": 0.3943333333333333,
      "grad_norm": 18.401914596557617,
      "learning_rate": 1.2494845360824744e-05,
      "loss": 0.3799,
      "num_tokens": 505592.0,
      "step": 1183
    },
    {
      "epoch": 0.39466666666666667,
      "grad_norm": 13.968500137329102,
      "learning_rate": 1.2487972508591067e-05,
      "loss": 0.3769,
      "num_tokens": 506277.0,
      "step": 1184
    },
    {
      "epoch": 0.395,
      "grad_norm": 20.91876220703125,
      "learning_rate": 1.248109965635739e-05,
      "loss": 0.3846,
      "num_tokens": 506856.0,
      "step": 1185
    },
    {
      "epoch": 0.3953333333333333,
      "grad_norm": 20.348661422729492,
      "learning_rate": 1.2474226804123713e-05,
      "loss": 0.4439,
      "num_tokens": 507220.0,
      "step": 1186
    },
    {
      "epoch": 0.39566666666666667,
      "grad_norm": 21.80577278137207,
      "learning_rate": 1.2467353951890036e-05,
      "loss": 0.448,
      "num_tokens": 507558.0,
      "step": 1187
    },
    {
      "epoch": 0.396,
      "grad_norm": 33.3502197265625,
      "learning_rate": 1.2460481099656359e-05,
      "loss": 0.7592,
      "num_tokens": 507770.0,
      "step": 1188
    },
    {
      "epoch": 0.3963333333333333,
      "grad_norm": 16.392908096313477,
      "learning_rate": 1.2453608247422682e-05,
      "loss": 0.3368,
      "num_tokens": 508224.0,
      "step": 1189
    },
    {
      "epoch": 0.39666666666666667,
      "grad_norm": 17.958751678466797,
      "learning_rate": 1.2446735395189005e-05,
      "loss": 0.3307,
      "num_tokens": 508570.0,
      "step": 1190
    },
    {
      "epoch": 0.397,
      "grad_norm": 17.106311798095703,
      "learning_rate": 1.2439862542955328e-05,
      "loss": 0.3566,
      "num_tokens": 509109.0,
      "step": 1191
    },
    {
      "epoch": 0.3973333333333333,
      "grad_norm": 13.123290061950684,
      "learning_rate": 1.243298969072165e-05,
      "loss": 0.1966,
      "num_tokens": 509611.0,
      "step": 1192
    },
    {
      "epoch": 0.39766666666666667,
      "grad_norm": 18.17109489440918,
      "learning_rate": 1.2426116838487974e-05,
      "loss": 0.2044,
      "num_tokens": 509878.0,
      "step": 1193
    },
    {
      "epoch": 0.398,
      "grad_norm": 20.942018508911133,
      "learning_rate": 1.2419243986254297e-05,
      "loss": 0.3572,
      "num_tokens": 510278.0,
      "step": 1194
    },
    {
      "epoch": 0.3983333333333333,
      "grad_norm": 34.73643493652344,
      "learning_rate": 1.241237113402062e-05,
      "loss": 0.6474,
      "num_tokens": 510529.0,
      "step": 1195
    },
    {
      "epoch": 0.39866666666666667,
      "grad_norm": 15.570846557617188,
      "learning_rate": 1.2405498281786943e-05,
      "loss": 0.2694,
      "num_tokens": 510930.0,
      "step": 1196
    },
    {
      "epoch": 0.399,
      "grad_norm": 12.607349395751953,
      "learning_rate": 1.2398625429553266e-05,
      "loss": 0.2246,
      "num_tokens": 511401.0,
      "step": 1197
    },
    {
      "epoch": 0.3993333333333333,
      "grad_norm": 18.67749786376953,
      "learning_rate": 1.2391752577319589e-05,
      "loss": 0.4367,
      "num_tokens": 511780.0,
      "step": 1198
    },
    {
      "epoch": 0.39966666666666667,
      "grad_norm": 16.713027954101562,
      "learning_rate": 1.2384879725085912e-05,
      "loss": 0.3102,
      "num_tokens": 512176.0,
      "step": 1199
    },
    {
      "epoch": 0.4,
      "grad_norm": 20.054061889648438,
      "learning_rate": 1.2378006872852235e-05,
      "loss": 0.4251,
      "num_tokens": 512579.0,
      "step": 1200
    },
    {
      "epoch": 0.4003333333333333,
      "grad_norm": 38.49532699584961,
      "learning_rate": 1.2371134020618558e-05,
      "loss": 0.7368,
      "num_tokens": 512800.0,
      "step": 1201
    },
    {
      "epoch": 0.40066666666666667,
      "grad_norm": 33.336421966552734,
      "learning_rate": 1.2364261168384881e-05,
      "loss": 0.4137,
      "num_tokens": 513113.0,
      "step": 1202
    },
    {
      "epoch": 0.401,
      "grad_norm": 33.0419921875,
      "learning_rate": 1.2357388316151204e-05,
      "loss": 0.3897,
      "num_tokens": 513527.0,
      "step": 1203
    },
    {
      "epoch": 0.4013333333333333,
      "grad_norm": 18.001192092895508,
      "learning_rate": 1.2350515463917527e-05,
      "loss": 0.2949,
      "num_tokens": 513964.0,
      "step": 1204
    },
    {
      "epoch": 0.40166666666666667,
      "grad_norm": 17.315038681030273,
      "learning_rate": 1.234364261168385e-05,
      "loss": 0.334,
      "num_tokens": 514370.0,
      "step": 1205
    },
    {
      "epoch": 0.402,
      "grad_norm": 15.993814468383789,
      "learning_rate": 1.2336769759450173e-05,
      "loss": 0.3102,
      "num_tokens": 514989.0,
      "step": 1206
    },
    {
      "epoch": 0.4023333333333333,
      "grad_norm": 36.95761489868164,
      "learning_rate": 1.2329896907216496e-05,
      "loss": 0.591,
      "num_tokens": 515296.0,
      "step": 1207
    },
    {
      "epoch": 0.4026666666666667,
      "grad_norm": 15.046778678894043,
      "learning_rate": 1.2323024054982819e-05,
      "loss": 0.2829,
      "num_tokens": 515865.0,
      "step": 1208
    },
    {
      "epoch": 0.403,
      "grad_norm": 16.87507438659668,
      "learning_rate": 1.2316151202749142e-05,
      "loss": 0.3458,
      "num_tokens": 516259.0,
      "step": 1209
    },
    {
      "epoch": 0.4033333333333333,
      "grad_norm": 17.899904251098633,
      "learning_rate": 1.2309278350515465e-05,
      "loss": 0.4018,
      "num_tokens": 516756.0,
      "step": 1210
    },
    {
      "epoch": 0.4036666666666667,
      "grad_norm": 15.27860164642334,
      "learning_rate": 1.2302405498281788e-05,
      "loss": 0.2518,
      "num_tokens": 517187.0,
      "step": 1211
    },
    {
      "epoch": 0.404,
      "grad_norm": 18.3880615234375,
      "learning_rate": 1.2295532646048111e-05,
      "loss": 0.2597,
      "num_tokens": 517667.0,
      "step": 1212
    },
    {
      "epoch": 0.4043333333333333,
      "grad_norm": 15.31396198272705,
      "learning_rate": 1.2288659793814434e-05,
      "loss": 0.3454,
      "num_tokens": 518181.0,
      "step": 1213
    },
    {
      "epoch": 0.4046666666666667,
      "grad_norm": 27.46833038330078,
      "learning_rate": 1.2281786941580757e-05,
      "loss": 0.598,
      "num_tokens": 518544.0,
      "step": 1214
    },
    {
      "epoch": 0.405,
      "grad_norm": 13.411375045776367,
      "learning_rate": 1.2274914089347082e-05,
      "loss": 0.2237,
      "num_tokens": 519074.0,
      "step": 1215
    },
    {
      "epoch": 0.4053333333333333,
      "grad_norm": 16.58987045288086,
      "learning_rate": 1.2268041237113405e-05,
      "loss": 0.3344,
      "num_tokens": 519471.0,
      "step": 1216
    },
    {
      "epoch": 0.4056666666666667,
      "grad_norm": 20.169742584228516,
      "learning_rate": 1.2261168384879728e-05,
      "loss": 0.3162,
      "num_tokens": 519790.0,
      "step": 1217
    },
    {
      "epoch": 0.406,
      "grad_norm": 23.431747436523438,
      "learning_rate": 1.225429553264605e-05,
      "loss": 0.3977,
      "num_tokens": 520163.0,
      "step": 1218
    },
    {
      "epoch": 0.4063333333333333,
      "grad_norm": 20.460493087768555,
      "learning_rate": 1.2247422680412374e-05,
      "loss": 0.3132,
      "num_tokens": 520529.0,
      "step": 1219
    },
    {
      "epoch": 0.4066666666666667,
      "grad_norm": 20.148258209228516,
      "learning_rate": 1.2240549828178697e-05,
      "loss": 0.4133,
      "num_tokens": 521045.0,
      "step": 1220
    },
    {
      "epoch": 0.407,
      "grad_norm": 21.5003604888916,
      "learning_rate": 1.223367697594502e-05,
      "loss": 0.1895,
      "num_tokens": 521624.0,
      "step": 1221
    },
    {
      "epoch": 0.4073333333333333,
      "grad_norm": 15.99443244934082,
      "learning_rate": 1.2226804123711343e-05,
      "loss": 0.2997,
      "num_tokens": 522039.0,
      "step": 1222
    },
    {
      "epoch": 0.4076666666666667,
      "grad_norm": 15.814536094665527,
      "learning_rate": 1.2219931271477666e-05,
      "loss": 0.3448,
      "num_tokens": 522454.0,
      "step": 1223
    },
    {
      "epoch": 0.408,
      "grad_norm": 19.440387725830078,
      "learning_rate": 1.2213058419243989e-05,
      "loss": 0.3741,
      "num_tokens": 522948.0,
      "step": 1224
    },
    {
      "epoch": 0.4083333333333333,
      "grad_norm": 25.944671630859375,
      "learning_rate": 1.2206185567010312e-05,
      "loss": 0.4105,
      "num_tokens": 523208.0,
      "step": 1225
    },
    {
      "epoch": 0.4086666666666667,
      "grad_norm": 19.002105712890625,
      "learning_rate": 1.2199312714776635e-05,
      "loss": 0.364,
      "num_tokens": 523533.0,
      "step": 1226
    },
    {
      "epoch": 0.409,
      "grad_norm": 19.859769821166992,
      "learning_rate": 1.2192439862542958e-05,
      "loss": 0.3709,
      "num_tokens": 523954.0,
      "step": 1227
    },
    {
      "epoch": 0.4093333333333333,
      "grad_norm": 15.217742919921875,
      "learning_rate": 1.2185567010309279e-05,
      "loss": 0.2361,
      "num_tokens": 524309.0,
      "step": 1228
    },
    {
      "epoch": 0.4096666666666667,
      "grad_norm": 26.992074966430664,
      "learning_rate": 1.2178694158075602e-05,
      "loss": 0.5826,
      "num_tokens": 524553.0,
      "step": 1229
    },
    {
      "epoch": 0.41,
      "grad_norm": 18.37705421447754,
      "learning_rate": 1.2171821305841925e-05,
      "loss": 0.4328,
      "num_tokens": 525031.0,
      "step": 1230
    },
    {
      "epoch": 0.4103333333333333,
      "grad_norm": 21.009716033935547,
      "learning_rate": 1.2164948453608248e-05,
      "loss": 0.3224,
      "num_tokens": 525392.0,
      "step": 1231
    },
    {
      "epoch": 0.4106666666666667,
      "grad_norm": 18.156667709350586,
      "learning_rate": 1.2158075601374571e-05,
      "loss": 0.4453,
      "num_tokens": 525779.0,
      "step": 1232
    },
    {
      "epoch": 0.411,
      "grad_norm": 16.587785720825195,
      "learning_rate": 1.2151202749140894e-05,
      "loss": 0.4482,
      "num_tokens": 526207.0,
      "step": 1233
    },
    {
      "epoch": 0.41133333333333333,
      "grad_norm": 10.661417961120605,
      "learning_rate": 1.2144329896907217e-05,
      "loss": 0.1491,
      "num_tokens": 526699.0,
      "step": 1234
    },
    {
      "epoch": 0.4116666666666667,
      "grad_norm": 29.016990661621094,
      "learning_rate": 1.213745704467354e-05,
      "loss": 0.4244,
      "num_tokens": 526979.0,
      "step": 1235
    },
    {
      "epoch": 0.412,
      "grad_norm": 12.799103736877441,
      "learning_rate": 1.2130584192439863e-05,
      "loss": 0.3481,
      "num_tokens": 527813.0,
      "step": 1236
    },
    {
      "epoch": 0.41233333333333333,
      "grad_norm": 32.72770309448242,
      "learning_rate": 1.2123711340206186e-05,
      "loss": 0.4391,
      "num_tokens": 528178.0,
      "step": 1237
    },
    {
      "epoch": 0.4126666666666667,
      "grad_norm": 15.127230644226074,
      "learning_rate": 1.211683848797251e-05,
      "loss": 0.2962,
      "num_tokens": 528656.0,
      "step": 1238
    },
    {
      "epoch": 0.413,
      "grad_norm": 15.258519172668457,
      "learning_rate": 1.2109965635738832e-05,
      "loss": 0.3249,
      "num_tokens": 529273.0,
      "step": 1239
    },
    {
      "epoch": 0.41333333333333333,
      "grad_norm": 28.646440505981445,
      "learning_rate": 1.2103092783505155e-05,
      "loss": 0.5898,
      "num_tokens": 529585.0,
      "step": 1240
    },
    {
      "epoch": 0.4136666666666667,
      "grad_norm": 20.654130935668945,
      "learning_rate": 1.2096219931271478e-05,
      "loss": 0.3038,
      "num_tokens": 529834.0,
      "step": 1241
    },
    {
      "epoch": 0.414,
      "grad_norm": 42.21305465698242,
      "learning_rate": 1.2089347079037801e-05,
      "loss": 0.5499,
      "num_tokens": 530111.0,
      "step": 1242
    },
    {
      "epoch": 0.41433333333333333,
      "grad_norm": 18.16595458984375,
      "learning_rate": 1.2082474226804124e-05,
      "loss": 0.4303,
      "num_tokens": 530544.0,
      "step": 1243
    },
    {
      "epoch": 0.4146666666666667,
      "grad_norm": 17.986879348754883,
      "learning_rate": 1.2075601374570447e-05,
      "loss": 0.4294,
      "num_tokens": 531070.0,
      "step": 1244
    },
    {
      "epoch": 0.415,
      "grad_norm": 17.013200759887695,
      "learning_rate": 1.206872852233677e-05,
      "loss": 0.3607,
      "num_tokens": 531553.0,
      "step": 1245
    },
    {
      "epoch": 0.41533333333333333,
      "grad_norm": 30.489517211914062,
      "learning_rate": 1.2061855670103093e-05,
      "loss": 0.5927,
      "num_tokens": 531885.0,
      "step": 1246
    },
    {
      "epoch": 0.4156666666666667,
      "grad_norm": 18.196352005004883,
      "learning_rate": 1.2054982817869416e-05,
      "loss": 0.4328,
      "num_tokens": 532451.0,
      "step": 1247
    },
    {
      "epoch": 0.416,
      "grad_norm": 22.366809844970703,
      "learning_rate": 1.204810996563574e-05,
      "loss": 0.3915,
      "num_tokens": 532851.0,
      "step": 1248
    },
    {
      "epoch": 0.41633333333333333,
      "grad_norm": 20.223970413208008,
      "learning_rate": 1.2041237113402062e-05,
      "loss": 0.3933,
      "num_tokens": 533190.0,
      "step": 1249
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 21.987335205078125,
      "learning_rate": 1.2034364261168385e-05,
      "loss": 0.493,
      "num_tokens": 533614.0,
      "step": 1250
    },
    {
      "epoch": 0.417,
      "grad_norm": 21.324926376342773,
      "learning_rate": 1.2027491408934708e-05,
      "loss": 0.4704,
      "num_tokens": 533975.0,
      "step": 1251
    },
    {
      "epoch": 0.41733333333333333,
      "grad_norm": 14.121621131896973,
      "learning_rate": 1.2020618556701031e-05,
      "loss": 0.2739,
      "num_tokens": 534388.0,
      "step": 1252
    },
    {
      "epoch": 0.4176666666666667,
      "grad_norm": 20.632980346679688,
      "learning_rate": 1.2013745704467354e-05,
      "loss": 0.3502,
      "num_tokens": 534761.0,
      "step": 1253
    },
    {
      "epoch": 0.418,
      "grad_norm": 15.143418312072754,
      "learning_rate": 1.2006872852233677e-05,
      "loss": 0.3619,
      "num_tokens": 535303.0,
      "step": 1254
    },
    {
      "epoch": 0.41833333333333333,
      "grad_norm": 16.497655868530273,
      "learning_rate": 1.2e-05,
      "loss": 0.4041,
      "num_tokens": 535743.0,
      "step": 1255
    },
    {
      "epoch": 0.4186666666666667,
      "grad_norm": 14.332852363586426,
      "learning_rate": 1.1993127147766323e-05,
      "loss": 0.271,
      "num_tokens": 536220.0,
      "step": 1256
    },
    {
      "epoch": 0.419,
      "grad_norm": 23.649690628051758,
      "learning_rate": 1.1986254295532646e-05,
      "loss": 0.4342,
      "num_tokens": 536524.0,
      "step": 1257
    },
    {
      "epoch": 0.41933333333333334,
      "grad_norm": 31.498987197875977,
      "learning_rate": 1.197938144329897e-05,
      "loss": 0.6742,
      "num_tokens": 536751.0,
      "step": 1258
    },
    {
      "epoch": 0.4196666666666667,
      "grad_norm": 14.122364044189453,
      "learning_rate": 1.1972508591065292e-05,
      "loss": 0.266,
      "num_tokens": 537270.0,
      "step": 1259
    },
    {
      "epoch": 0.42,
      "grad_norm": 14.17014217376709,
      "learning_rate": 1.1965635738831615e-05,
      "loss": 0.2997,
      "num_tokens": 537728.0,
      "step": 1260
    },
    {
      "epoch": 0.42033333333333334,
      "grad_norm": 19.9280948638916,
      "learning_rate": 1.1958762886597938e-05,
      "loss": 0.3726,
      "num_tokens": 538126.0,
      "step": 1261
    },
    {
      "epoch": 0.4206666666666667,
      "grad_norm": 25.893075942993164,
      "learning_rate": 1.1951890034364261e-05,
      "loss": 0.5034,
      "num_tokens": 538454.0,
      "step": 1262
    },
    {
      "epoch": 0.421,
      "grad_norm": 17.02712059020996,
      "learning_rate": 1.1945017182130584e-05,
      "loss": 0.4269,
      "num_tokens": 539036.0,
      "step": 1263
    },
    {
      "epoch": 0.42133333333333334,
      "grad_norm": 18.46988296508789,
      "learning_rate": 1.1938144329896907e-05,
      "loss": 0.3549,
      "num_tokens": 539416.0,
      "step": 1264
    },
    {
      "epoch": 0.4216666666666667,
      "grad_norm": 19.18372344970703,
      "learning_rate": 1.193127147766323e-05,
      "loss": 0.3059,
      "num_tokens": 539733.0,
      "step": 1265
    },
    {
      "epoch": 0.422,
      "grad_norm": 24.51163673400879,
      "learning_rate": 1.1924398625429553e-05,
      "loss": 0.5125,
      "num_tokens": 539990.0,
      "step": 1266
    },
    {
      "epoch": 0.42233333333333334,
      "grad_norm": 18.20511817932129,
      "learning_rate": 1.1917525773195876e-05,
      "loss": 0.3941,
      "num_tokens": 540356.0,
      "step": 1267
    },
    {
      "epoch": 0.4226666666666667,
      "grad_norm": 10.799991607666016,
      "learning_rate": 1.19106529209622e-05,
      "loss": 0.2457,
      "num_tokens": 540979.0,
      "step": 1268
    },
    {
      "epoch": 0.423,
      "grad_norm": 21.39693260192871,
      "learning_rate": 1.1903780068728522e-05,
      "loss": 0.3887,
      "num_tokens": 541309.0,
      "step": 1269
    },
    {
      "epoch": 0.42333333333333334,
      "grad_norm": 20.52490234375,
      "learning_rate": 1.1896907216494845e-05,
      "loss": 0.4312,
      "num_tokens": 541646.0,
      "step": 1270
    },
    {
      "epoch": 0.4236666666666667,
      "grad_norm": 16.397802352905273,
      "learning_rate": 1.189003436426117e-05,
      "loss": 0.2645,
      "num_tokens": 542154.0,
      "step": 1271
    },
    {
      "epoch": 0.424,
      "grad_norm": 12.583030700683594,
      "learning_rate": 1.1883161512027493e-05,
      "loss": 0.2154,
      "num_tokens": 542628.0,
      "step": 1272
    },
    {
      "epoch": 0.42433333333333334,
      "grad_norm": 18.903608322143555,
      "learning_rate": 1.1876288659793816e-05,
      "loss": 0.392,
      "num_tokens": 543061.0,
      "step": 1273
    },
    {
      "epoch": 0.4246666666666667,
      "grad_norm": 16.762319564819336,
      "learning_rate": 1.186941580756014e-05,
      "loss": 0.3897,
      "num_tokens": 543496.0,
      "step": 1274
    },
    {
      "epoch": 0.425,
      "grad_norm": 32.447689056396484,
      "learning_rate": 1.1862542955326462e-05,
      "loss": 0.7968,
      "num_tokens": 543791.0,
      "step": 1275
    },
    {
      "epoch": 0.42533333333333334,
      "grad_norm": 15.43822193145752,
      "learning_rate": 1.1855670103092785e-05,
      "loss": 0.3142,
      "num_tokens": 544164.0,
      "step": 1276
    },
    {
      "epoch": 0.4256666666666667,
      "grad_norm": 12.23777961730957,
      "learning_rate": 1.1848797250859108e-05,
      "loss": 0.2843,
      "num_tokens": 544752.0,
      "step": 1277
    },
    {
      "epoch": 0.426,
      "grad_norm": 14.619271278381348,
      "learning_rate": 1.1841924398625431e-05,
      "loss": 0.2599,
      "num_tokens": 545147.0,
      "step": 1278
    },
    {
      "epoch": 0.42633333333333334,
      "grad_norm": 19.686948776245117,
      "learning_rate": 1.1835051546391754e-05,
      "loss": 0.3378,
      "num_tokens": 545518.0,
      "step": 1279
    },
    {
      "epoch": 0.4266666666666667,
      "grad_norm": 22.819351196289062,
      "learning_rate": 1.1828178694158077e-05,
      "loss": 0.2921,
      "num_tokens": 545899.0,
      "step": 1280
    },
    {
      "epoch": 0.427,
      "grad_norm": 18.818729400634766,
      "learning_rate": 1.18213058419244e-05,
      "loss": 0.4975,
      "num_tokens": 546453.0,
      "step": 1281
    },
    {
      "epoch": 0.42733333333333334,
      "grad_norm": 22.31288719177246,
      "learning_rate": 1.1814432989690723e-05,
      "loss": 0.3141,
      "num_tokens": 546716.0,
      "step": 1282
    },
    {
      "epoch": 0.42766666666666664,
      "grad_norm": 17.437515258789062,
      "learning_rate": 1.1807560137457046e-05,
      "loss": 0.3396,
      "num_tokens": 547080.0,
      "step": 1283
    },
    {
      "epoch": 0.428,
      "grad_norm": 25.12779426574707,
      "learning_rate": 1.180068728522337e-05,
      "loss": 0.2291,
      "num_tokens": 547537.0,
      "step": 1284
    },
    {
      "epoch": 0.42833333333333334,
      "grad_norm": 18.463171005249023,
      "learning_rate": 1.1793814432989692e-05,
      "loss": 0.303,
      "num_tokens": 547841.0,
      "step": 1285
    },
    {
      "epoch": 0.42866666666666664,
      "grad_norm": 22.807207107543945,
      "learning_rate": 1.1786941580756015e-05,
      "loss": 0.5286,
      "num_tokens": 548158.0,
      "step": 1286
    },
    {
      "epoch": 0.429,
      "grad_norm": 35.30897903442383,
      "learning_rate": 1.1780068728522338e-05,
      "loss": 0.6705,
      "num_tokens": 548356.0,
      "step": 1287
    },
    {
      "epoch": 0.42933333333333334,
      "grad_norm": 15.78083324432373,
      "learning_rate": 1.1773195876288661e-05,
      "loss": 0.4716,
      "num_tokens": 548827.0,
      "step": 1288
    },
    {
      "epoch": 0.42966666666666664,
      "grad_norm": 14.74503231048584,
      "learning_rate": 1.1766323024054984e-05,
      "loss": 0.3426,
      "num_tokens": 549650.0,
      "step": 1289
    },
    {
      "epoch": 0.43,
      "grad_norm": 19.47186851501465,
      "learning_rate": 1.1759450171821307e-05,
      "loss": 0.3605,
      "num_tokens": 549941.0,
      "step": 1290
    },
    {
      "epoch": 0.43033333333333335,
      "grad_norm": 14.485832214355469,
      "learning_rate": 1.175257731958763e-05,
      "loss": 0.2611,
      "num_tokens": 550495.0,
      "step": 1291
    },
    {
      "epoch": 0.43066666666666664,
      "grad_norm": 13.925914764404297,
      "learning_rate": 1.1745704467353953e-05,
      "loss": 0.2382,
      "num_tokens": 550886.0,
      "step": 1292
    },
    {
      "epoch": 0.431,
      "grad_norm": 11.949101448059082,
      "learning_rate": 1.1738831615120276e-05,
      "loss": 0.2225,
      "num_tokens": 551488.0,
      "step": 1293
    },
    {
      "epoch": 0.43133333333333335,
      "grad_norm": 22.197906494140625,
      "learning_rate": 1.17319587628866e-05,
      "loss": 0.3603,
      "num_tokens": 551904.0,
      "step": 1294
    },
    {
      "epoch": 0.43166666666666664,
      "grad_norm": 26.413026809692383,
      "learning_rate": 1.1725085910652922e-05,
      "loss": 0.541,
      "num_tokens": 552282.0,
      "step": 1295
    },
    {
      "epoch": 0.432,
      "grad_norm": 13.891332626342773,
      "learning_rate": 1.1718213058419245e-05,
      "loss": 0.2527,
      "num_tokens": 553135.0,
      "step": 1296
    },
    {
      "epoch": 0.43233333333333335,
      "grad_norm": 24.450183868408203,
      "learning_rate": 1.1711340206185568e-05,
      "loss": 0.5151,
      "num_tokens": 553504.0,
      "step": 1297
    },
    {
      "epoch": 0.43266666666666664,
      "grad_norm": 18.109758377075195,
      "learning_rate": 1.1704467353951891e-05,
      "loss": 0.2653,
      "num_tokens": 553870.0,
      "step": 1298
    },
    {
      "epoch": 0.433,
      "grad_norm": 35.565940856933594,
      "learning_rate": 1.1697594501718214e-05,
      "loss": 0.6425,
      "num_tokens": 554061.0,
      "step": 1299
    },
    {
      "epoch": 0.43333333333333335,
      "grad_norm": 15.91165828704834,
      "learning_rate": 1.1690721649484537e-05,
      "loss": 0.2601,
      "num_tokens": 554484.0,
      "step": 1300
    },
    {
      "epoch": 0.43366666666666664,
      "grad_norm": 14.545313835144043,
      "learning_rate": 1.168384879725086e-05,
      "loss": 0.2589,
      "num_tokens": 554844.0,
      "step": 1301
    },
    {
      "epoch": 0.434,
      "grad_norm": 19.722816467285156,
      "learning_rate": 1.1676975945017183e-05,
      "loss": 0.3393,
      "num_tokens": 555210.0,
      "step": 1302
    },
    {
      "epoch": 0.43433333333333335,
      "grad_norm": 29.810155868530273,
      "learning_rate": 1.1670103092783506e-05,
      "loss": 0.6585,
      "num_tokens": 555533.0,
      "step": 1303
    },
    {
      "epoch": 0.43466666666666665,
      "grad_norm": 20.168800354003906,
      "learning_rate": 1.166323024054983e-05,
      "loss": 0.4886,
      "num_tokens": 556033.0,
      "step": 1304
    },
    {
      "epoch": 0.435,
      "grad_norm": 15.400665283203125,
      "learning_rate": 1.1656357388316152e-05,
      "loss": 0.3338,
      "num_tokens": 556592.0,
      "step": 1305
    },
    {
      "epoch": 0.43533333333333335,
      "grad_norm": 22.281627655029297,
      "learning_rate": 1.1649484536082475e-05,
      "loss": 0.2999,
      "num_tokens": 556991.0,
      "step": 1306
    },
    {
      "epoch": 0.43566666666666665,
      "grad_norm": 17.55821418762207,
      "learning_rate": 1.1642611683848798e-05,
      "loss": 0.4568,
      "num_tokens": 557511.0,
      "step": 1307
    },
    {
      "epoch": 0.436,
      "grad_norm": 27.755321502685547,
      "learning_rate": 1.1635738831615121e-05,
      "loss": 0.5489,
      "num_tokens": 557713.0,
      "step": 1308
    },
    {
      "epoch": 0.43633333333333335,
      "grad_norm": 11.53261661529541,
      "learning_rate": 1.1628865979381444e-05,
      "loss": 0.1923,
      "num_tokens": 558240.0,
      "step": 1309
    },
    {
      "epoch": 0.43666666666666665,
      "grad_norm": 9.869200706481934,
      "learning_rate": 1.1621993127147767e-05,
      "loss": 0.2699,
      "num_tokens": 558988.0,
      "step": 1310
    },
    {
      "epoch": 0.437,
      "grad_norm": 20.453201293945312,
      "learning_rate": 1.161512027491409e-05,
      "loss": 0.469,
      "num_tokens": 559471.0,
      "step": 1311
    },
    {
      "epoch": 0.43733333333333335,
      "grad_norm": 28.168140411376953,
      "learning_rate": 1.1608247422680413e-05,
      "loss": 0.5441,
      "num_tokens": 559755.0,
      "step": 1312
    },
    {
      "epoch": 0.43766666666666665,
      "grad_norm": 18.423261642456055,
      "learning_rate": 1.1601374570446736e-05,
      "loss": 0.3784,
      "num_tokens": 560274.0,
      "step": 1313
    },
    {
      "epoch": 0.438,
      "grad_norm": 23.48848533630371,
      "learning_rate": 1.1594501718213061e-05,
      "loss": 0.5029,
      "num_tokens": 560660.0,
      "step": 1314
    },
    {
      "epoch": 0.43833333333333335,
      "grad_norm": 14.53799819946289,
      "learning_rate": 1.1587628865979384e-05,
      "loss": 0.3223,
      "num_tokens": 561202.0,
      "step": 1315
    },
    {
      "epoch": 0.43866666666666665,
      "grad_norm": 11.293001174926758,
      "learning_rate": 1.1580756013745707e-05,
      "loss": 0.1472,
      "num_tokens": 561861.0,
      "step": 1316
    },
    {
      "epoch": 0.439,
      "grad_norm": 23.38832664489746,
      "learning_rate": 1.157388316151203e-05,
      "loss": 0.4812,
      "num_tokens": 562204.0,
      "step": 1317
    },
    {
      "epoch": 0.43933333333333335,
      "grad_norm": 13.496563911437988,
      "learning_rate": 1.1567010309278353e-05,
      "loss": 0.2533,
      "num_tokens": 562694.0,
      "step": 1318
    },
    {
      "epoch": 0.43966666666666665,
      "grad_norm": 15.258307456970215,
      "learning_rate": 1.1560137457044673e-05,
      "loss": 0.31,
      "num_tokens": 563154.0,
      "step": 1319
    },
    {
      "epoch": 0.44,
      "grad_norm": 22.31048011779785,
      "learning_rate": 1.1553264604810996e-05,
      "loss": 0.3133,
      "num_tokens": 563465.0,
      "step": 1320
    },
    {
      "epoch": 0.44033333333333335,
      "grad_norm": 19.29899787902832,
      "learning_rate": 1.1546391752577319e-05,
      "loss": 0.3548,
      "num_tokens": 563870.0,
      "step": 1321
    },
    {
      "epoch": 0.44066666666666665,
      "grad_norm": 19.102373123168945,
      "learning_rate": 1.1539518900343642e-05,
      "loss": 0.3984,
      "num_tokens": 564269.0,
      "step": 1322
    },
    {
      "epoch": 0.441,
      "grad_norm": 28.973669052124023,
      "learning_rate": 1.1532646048109965e-05,
      "loss": 0.5267,
      "num_tokens": 564516.0,
      "step": 1323
    },
    {
      "epoch": 0.44133333333333336,
      "grad_norm": 19.840120315551758,
      "learning_rate": 1.1525773195876288e-05,
      "loss": 0.316,
      "num_tokens": 564862.0,
      "step": 1324
    },
    {
      "epoch": 0.44166666666666665,
      "grad_norm": 17.861753463745117,
      "learning_rate": 1.1518900343642611e-05,
      "loss": 0.3729,
      "num_tokens": 565249.0,
      "step": 1325
    },
    {
      "epoch": 0.442,
      "grad_norm": 25.266443252563477,
      "learning_rate": 1.1512027491408934e-05,
      "loss": 0.5745,
      "num_tokens": 565619.0,
      "step": 1326
    },
    {
      "epoch": 0.44233333333333336,
      "grad_norm": 24.72895622253418,
      "learning_rate": 1.1505154639175259e-05,
      "loss": 0.5263,
      "num_tokens": 565972.0,
      "step": 1327
    },
    {
      "epoch": 0.44266666666666665,
      "grad_norm": 15.950621604919434,
      "learning_rate": 1.1498281786941582e-05,
      "loss": 0.3663,
      "num_tokens": 566436.0,
      "step": 1328
    },
    {
      "epoch": 0.443,
      "grad_norm": 28.02574348449707,
      "learning_rate": 1.1491408934707905e-05,
      "loss": 0.5466,
      "num_tokens": 566746.0,
      "step": 1329
    },
    {
      "epoch": 0.44333333333333336,
      "grad_norm": 16.716169357299805,
      "learning_rate": 1.1484536082474228e-05,
      "loss": 0.3244,
      "num_tokens": 567207.0,
      "step": 1330
    },
    {
      "epoch": 0.44366666666666665,
      "grad_norm": 15.579862594604492,
      "learning_rate": 1.147766323024055e-05,
      "loss": 0.3544,
      "num_tokens": 567853.0,
      "step": 1331
    },
    {
      "epoch": 0.444,
      "grad_norm": 14.866025924682617,
      "learning_rate": 1.1470790378006874e-05,
      "loss": 0.2395,
      "num_tokens": 568218.0,
      "step": 1332
    },
    {
      "epoch": 0.44433333333333336,
      "grad_norm": 23.77474021911621,
      "learning_rate": 1.1463917525773197e-05,
      "loss": 0.4613,
      "num_tokens": 568486.0,
      "step": 1333
    },
    {
      "epoch": 0.44466666666666665,
      "grad_norm": 16.19207191467285,
      "learning_rate": 1.145704467353952e-05,
      "loss": 0.2845,
      "num_tokens": 568905.0,
      "step": 1334
    },
    {
      "epoch": 0.445,
      "grad_norm": 23.419513702392578,
      "learning_rate": 1.1450171821305843e-05,
      "loss": 0.5657,
      "num_tokens": 569330.0,
      "step": 1335
    },
    {
      "epoch": 0.44533333333333336,
      "grad_norm": 24.073101043701172,
      "learning_rate": 1.1443298969072166e-05,
      "loss": 0.5091,
      "num_tokens": 569696.0,
      "step": 1336
    },
    {
      "epoch": 0.44566666666666666,
      "grad_norm": 19.832496643066406,
      "learning_rate": 1.1436426116838489e-05,
      "loss": 0.3226,
      "num_tokens": 570092.0,
      "step": 1337
    },
    {
      "epoch": 0.446,
      "grad_norm": 11.585661888122559,
      "learning_rate": 1.1429553264604812e-05,
      "loss": 0.2709,
      "num_tokens": 570656.0,
      "step": 1338
    },
    {
      "epoch": 0.44633333333333336,
      "grad_norm": 14.276586532592773,
      "learning_rate": 1.1422680412371135e-05,
      "loss": 0.3102,
      "num_tokens": 571230.0,
      "step": 1339
    },
    {
      "epoch": 0.44666666666666666,
      "grad_norm": 9.775181770324707,
      "learning_rate": 1.1415807560137458e-05,
      "loss": 0.2117,
      "num_tokens": 571968.0,
      "step": 1340
    },
    {
      "epoch": 0.447,
      "grad_norm": 26.321640014648438,
      "learning_rate": 1.140893470790378e-05,
      "loss": 0.5138,
      "num_tokens": 572257.0,
      "step": 1341
    },
    {
      "epoch": 0.44733333333333336,
      "grad_norm": 20.626794815063477,
      "learning_rate": 1.1402061855670104e-05,
      "loss": 0.3329,
      "num_tokens": 572592.0,
      "step": 1342
    },
    {
      "epoch": 0.44766666666666666,
      "grad_norm": 15.134878158569336,
      "learning_rate": 1.1395189003436427e-05,
      "loss": 0.3073,
      "num_tokens": 572986.0,
      "step": 1343
    },
    {
      "epoch": 0.448,
      "grad_norm": 13.7029447555542,
      "learning_rate": 1.138831615120275e-05,
      "loss": 0.2904,
      "num_tokens": 573449.0,
      "step": 1344
    },
    {
      "epoch": 0.4483333333333333,
      "grad_norm": 24.65191078186035,
      "learning_rate": 1.1381443298969073e-05,
      "loss": 0.4012,
      "num_tokens": 573797.0,
      "step": 1345
    },
    {
      "epoch": 0.44866666666666666,
      "grad_norm": 16.665315628051758,
      "learning_rate": 1.1374570446735396e-05,
      "loss": 0.3302,
      "num_tokens": 574250.0,
      "step": 1346
    },
    {
      "epoch": 0.449,
      "grad_norm": 12.39387035369873,
      "learning_rate": 1.1367697594501719e-05,
      "loss": 0.2787,
      "num_tokens": 575003.0,
      "step": 1347
    },
    {
      "epoch": 0.4493333333333333,
      "grad_norm": 24.249902725219727,
      "learning_rate": 1.1360824742268042e-05,
      "loss": 0.399,
      "num_tokens": 575263.0,
      "step": 1348
    },
    {
      "epoch": 0.44966666666666666,
      "grad_norm": 13.826845169067383,
      "learning_rate": 1.1353951890034365e-05,
      "loss": 0.2701,
      "num_tokens": 575700.0,
      "step": 1349
    },
    {
      "epoch": 0.45,
      "grad_norm": 21.091537475585938,
      "learning_rate": 1.1347079037800688e-05,
      "loss": 0.4475,
      "num_tokens": 576074.0,
      "step": 1350
    },
    {
      "epoch": 0.4503333333333333,
      "grad_norm": 26.500247955322266,
      "learning_rate": 1.134020618556701e-05,
      "loss": 0.502,
      "num_tokens": 576448.0,
      "step": 1351
    },
    {
      "epoch": 0.45066666666666666,
      "grad_norm": 17.58233642578125,
      "learning_rate": 1.1333333333333334e-05,
      "loss": 0.2816,
      "num_tokens": 576792.0,
      "step": 1352
    },
    {
      "epoch": 0.451,
      "grad_norm": 18.188268661499023,
      "learning_rate": 1.1326460481099657e-05,
      "loss": 0.357,
      "num_tokens": 577226.0,
      "step": 1353
    },
    {
      "epoch": 0.4513333333333333,
      "grad_norm": 15.37666130065918,
      "learning_rate": 1.131958762886598e-05,
      "loss": 0.2955,
      "num_tokens": 577559.0,
      "step": 1354
    },
    {
      "epoch": 0.45166666666666666,
      "grad_norm": 14.771276473999023,
      "learning_rate": 1.1312714776632303e-05,
      "loss": 0.2444,
      "num_tokens": 577925.0,
      "step": 1355
    },
    {
      "epoch": 0.452,
      "grad_norm": 29.139705657958984,
      "learning_rate": 1.1305841924398626e-05,
      "loss": 0.4964,
      "num_tokens": 578193.0,
      "step": 1356
    },
    {
      "epoch": 0.4523333333333333,
      "grad_norm": 15.176148414611816,
      "learning_rate": 1.1298969072164949e-05,
      "loss": 0.3426,
      "num_tokens": 578687.0,
      "step": 1357
    },
    {
      "epoch": 0.45266666666666666,
      "grad_norm": 25.308311462402344,
      "learning_rate": 1.1292096219931272e-05,
      "loss": 0.3815,
      "num_tokens": 578954.0,
      "step": 1358
    },
    {
      "epoch": 0.453,
      "grad_norm": 26.150617599487305,
      "learning_rate": 1.1285223367697595e-05,
      "loss": 0.5285,
      "num_tokens": 579229.0,
      "step": 1359
    },
    {
      "epoch": 0.4533333333333333,
      "grad_norm": 29.54701042175293,
      "learning_rate": 1.1278350515463918e-05,
      "loss": 0.5745,
      "num_tokens": 579511.0,
      "step": 1360
    },
    {
      "epoch": 0.45366666666666666,
      "grad_norm": 32.8361701965332,
      "learning_rate": 1.1271477663230241e-05,
      "loss": 0.5979,
      "num_tokens": 579706.0,
      "step": 1361
    },
    {
      "epoch": 0.454,
      "grad_norm": 22.186201095581055,
      "learning_rate": 1.1264604810996564e-05,
      "loss": 0.4506,
      "num_tokens": 579978.0,
      "step": 1362
    },
    {
      "epoch": 0.4543333333333333,
      "grad_norm": 13.702542304992676,
      "learning_rate": 1.1257731958762887e-05,
      "loss": 0.4781,
      "num_tokens": 580756.0,
      "step": 1363
    },
    {
      "epoch": 0.45466666666666666,
      "grad_norm": 17.78874969482422,
      "learning_rate": 1.125085910652921e-05,
      "loss": 0.334,
      "num_tokens": 581104.0,
      "step": 1364
    },
    {
      "epoch": 0.455,
      "grad_norm": 30.389001846313477,
      "learning_rate": 1.1243986254295533e-05,
      "loss": 0.5479,
      "num_tokens": 581309.0,
      "step": 1365
    },
    {
      "epoch": 0.4553333333333333,
      "grad_norm": 16.66348648071289,
      "learning_rate": 1.1237113402061856e-05,
      "loss": 0.3217,
      "num_tokens": 581731.0,
      "step": 1366
    },
    {
      "epoch": 0.45566666666666666,
      "grad_norm": 23.651884078979492,
      "learning_rate": 1.1230240549828179e-05,
      "loss": 0.4013,
      "num_tokens": 582057.0,
      "step": 1367
    },
    {
      "epoch": 0.456,
      "grad_norm": 24.51853370666504,
      "learning_rate": 1.1223367697594502e-05,
      "loss": 0.5781,
      "num_tokens": 582499.0,
      "step": 1368
    },
    {
      "epoch": 0.4563333333333333,
      "grad_norm": 12.375947952270508,
      "learning_rate": 1.1216494845360825e-05,
      "loss": 0.2132,
      "num_tokens": 583135.0,
      "step": 1369
    },
    {
      "epoch": 0.45666666666666667,
      "grad_norm": 11.235764503479004,
      "learning_rate": 1.120962199312715e-05,
      "loss": 0.1078,
      "num_tokens": 583604.0,
      "step": 1370
    },
    {
      "epoch": 0.457,
      "grad_norm": 21.929950714111328,
      "learning_rate": 1.1202749140893473e-05,
      "loss": 0.4775,
      "num_tokens": 583902.0,
      "step": 1371
    },
    {
      "epoch": 0.4573333333333333,
      "grad_norm": 19.588455200195312,
      "learning_rate": 1.1195876288659796e-05,
      "loss": 0.503,
      "num_tokens": 584257.0,
      "step": 1372
    },
    {
      "epoch": 0.45766666666666667,
      "grad_norm": 18.934507369995117,
      "learning_rate": 1.1189003436426119e-05,
      "loss": 0.323,
      "num_tokens": 584655.0,
      "step": 1373
    },
    {
      "epoch": 0.458,
      "grad_norm": 15.066242218017578,
      "learning_rate": 1.1182130584192442e-05,
      "loss": 0.3264,
      "num_tokens": 585176.0,
      "step": 1374
    },
    {
      "epoch": 0.4583333333333333,
      "grad_norm": 13.871190071105957,
      "learning_rate": 1.1175257731958765e-05,
      "loss": 0.2285,
      "num_tokens": 585515.0,
      "step": 1375
    },
    {
      "epoch": 0.45866666666666667,
      "grad_norm": 22.841554641723633,
      "learning_rate": 1.1168384879725088e-05,
      "loss": 0.3305,
      "num_tokens": 585832.0,
      "step": 1376
    },
    {
      "epoch": 0.459,
      "grad_norm": 21.380212783813477,
      "learning_rate": 1.116151202749141e-05,
      "loss": 0.5035,
      "num_tokens": 586204.0,
      "step": 1377
    },
    {
      "epoch": 0.4593333333333333,
      "grad_norm": 17.374412536621094,
      "learning_rate": 1.1154639175257734e-05,
      "loss": 0.4169,
      "num_tokens": 586556.0,
      "step": 1378
    },
    {
      "epoch": 0.45966666666666667,
      "grad_norm": 17.676971435546875,
      "learning_rate": 1.1147766323024057e-05,
      "loss": 0.3717,
      "num_tokens": 587012.0,
      "step": 1379
    },
    {
      "epoch": 0.46,
      "grad_norm": 27.943618774414062,
      "learning_rate": 1.114089347079038e-05,
      "loss": 0.3993,
      "num_tokens": 587295.0,
      "step": 1380
    },
    {
      "epoch": 0.4603333333333333,
      "grad_norm": 23.8983211517334,
      "learning_rate": 1.1134020618556703e-05,
      "loss": 0.4778,
      "num_tokens": 587573.0,
      "step": 1381
    },
    {
      "epoch": 0.46066666666666667,
      "grad_norm": 42.71469497680664,
      "learning_rate": 1.1127147766323026e-05,
      "loss": 0.4395,
      "num_tokens": 587982.0,
      "step": 1382
    },
    {
      "epoch": 0.461,
      "grad_norm": 38.62221908569336,
      "learning_rate": 1.1120274914089349e-05,
      "loss": 0.7187,
      "num_tokens": 588275.0,
      "step": 1383
    },
    {
      "epoch": 0.4613333333333333,
      "grad_norm": 30.30940818786621,
      "learning_rate": 1.1113402061855672e-05,
      "loss": 0.7289,
      "num_tokens": 588653.0,
      "step": 1384
    },
    {
      "epoch": 0.46166666666666667,
      "grad_norm": 24.78972816467285,
      "learning_rate": 1.1106529209621995e-05,
      "loss": 0.4774,
      "num_tokens": 588982.0,
      "step": 1385
    },
    {
      "epoch": 0.462,
      "grad_norm": 13.877697944641113,
      "learning_rate": 1.1099656357388318e-05,
      "loss": 0.2555,
      "num_tokens": 589603.0,
      "step": 1386
    },
    {
      "epoch": 0.4623333333333333,
      "grad_norm": 18.60419464111328,
      "learning_rate": 1.109278350515464e-05,
      "loss": 0.4301,
      "num_tokens": 590195.0,
      "step": 1387
    },
    {
      "epoch": 0.46266666666666667,
      "grad_norm": 17.15994644165039,
      "learning_rate": 1.1085910652920964e-05,
      "loss": 0.3041,
      "num_tokens": 590516.0,
      "step": 1388
    },
    {
      "epoch": 0.463,
      "grad_norm": 14.971961975097656,
      "learning_rate": 1.1079037800687287e-05,
      "loss": 0.2982,
      "num_tokens": 590936.0,
      "step": 1389
    },
    {
      "epoch": 0.4633333333333333,
      "grad_norm": 29.824369430541992,
      "learning_rate": 1.107216494845361e-05,
      "loss": 0.6524,
      "num_tokens": 591270.0,
      "step": 1390
    },
    {
      "epoch": 0.46366666666666667,
      "grad_norm": 12.69624137878418,
      "learning_rate": 1.1065292096219933e-05,
      "loss": 0.2218,
      "num_tokens": 591955.0,
      "step": 1391
    },
    {
      "epoch": 0.464,
      "grad_norm": 28.488555908203125,
      "learning_rate": 1.1058419243986256e-05,
      "loss": 0.7368,
      "num_tokens": 592248.0,
      "step": 1392
    },
    {
      "epoch": 0.4643333333333333,
      "grad_norm": 23.64630699157715,
      "learning_rate": 1.1051546391752579e-05,
      "loss": 0.3843,
      "num_tokens": 592571.0,
      "step": 1393
    },
    {
      "epoch": 0.4646666666666667,
      "grad_norm": 23.983325958251953,
      "learning_rate": 1.1044673539518902e-05,
      "loss": 0.4211,
      "num_tokens": 592892.0,
      "step": 1394
    },
    {
      "epoch": 0.465,
      "grad_norm": 23.42536735534668,
      "learning_rate": 1.1037800687285225e-05,
      "loss": 0.4357,
      "num_tokens": 593196.0,
      "step": 1395
    },
    {
      "epoch": 0.4653333333333333,
      "grad_norm": 18.125877380371094,
      "learning_rate": 1.1030927835051548e-05,
      "loss": 0.4107,
      "num_tokens": 593576.0,
      "step": 1396
    },
    {
      "epoch": 0.4656666666666667,
      "grad_norm": 34.619136810302734,
      "learning_rate": 1.1024054982817871e-05,
      "loss": 0.5078,
      "num_tokens": 593993.0,
      "step": 1397
    },
    {
      "epoch": 0.466,
      "grad_norm": 21.12828254699707,
      "learning_rate": 1.1017182130584194e-05,
      "loss": 0.402,
      "num_tokens": 594526.0,
      "step": 1398
    },
    {
      "epoch": 0.4663333333333333,
      "grad_norm": 27.182037353515625,
      "learning_rate": 1.1010309278350517e-05,
      "loss": 0.3868,
      "num_tokens": 594827.0,
      "step": 1399
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 14.657265663146973,
      "learning_rate": 1.100343642611684e-05,
      "loss": 0.3358,
      "num_tokens": 595240.0,
      "step": 1400
    },
    {
      "epoch": 0.467,
      "grad_norm": 17.072227478027344,
      "learning_rate": 1.0996563573883163e-05,
      "loss": 0.3088,
      "num_tokens": 595798.0,
      "step": 1401
    },
    {
      "epoch": 0.4673333333333333,
      "grad_norm": 18.20490074157715,
      "learning_rate": 1.0989690721649486e-05,
      "loss": 0.3309,
      "num_tokens": 596257.0,
      "step": 1402
    },
    {
      "epoch": 0.4676666666666667,
      "grad_norm": 14.351771354675293,
      "learning_rate": 1.0982817869415809e-05,
      "loss": 0.3004,
      "num_tokens": 596758.0,
      "step": 1403
    },
    {
      "epoch": 0.468,
      "grad_norm": 20.45856285095215,
      "learning_rate": 1.0975945017182132e-05,
      "loss": 0.4024,
      "num_tokens": 597087.0,
      "step": 1404
    },
    {
      "epoch": 0.4683333333333333,
      "grad_norm": 33.19240188598633,
      "learning_rate": 1.0969072164948455e-05,
      "loss": 0.4561,
      "num_tokens": 597311.0,
      "step": 1405
    },
    {
      "epoch": 0.4686666666666667,
      "grad_norm": 22.54265785217285,
      "learning_rate": 1.0962199312714778e-05,
      "loss": 0.5571,
      "num_tokens": 597727.0,
      "step": 1406
    },
    {
      "epoch": 0.469,
      "grad_norm": 18.318431854248047,
      "learning_rate": 1.0955326460481101e-05,
      "loss": 0.2842,
      "num_tokens": 598123.0,
      "step": 1407
    },
    {
      "epoch": 0.4693333333333333,
      "grad_norm": 33.44875717163086,
      "learning_rate": 1.0948453608247424e-05,
      "loss": 0.5453,
      "num_tokens": 598325.0,
      "step": 1408
    },
    {
      "epoch": 0.4696666666666667,
      "grad_norm": 19.007816314697266,
      "learning_rate": 1.0941580756013747e-05,
      "loss": 0.3386,
      "num_tokens": 598651.0,
      "step": 1409
    },
    {
      "epoch": 0.47,
      "grad_norm": 17.334741592407227,
      "learning_rate": 1.0934707903780068e-05,
      "loss": 0.3237,
      "num_tokens": 598986.0,
      "step": 1410
    },
    {
      "epoch": 0.4703333333333333,
      "grad_norm": 19.608213424682617,
      "learning_rate": 1.0927835051546391e-05,
      "loss": 0.3166,
      "num_tokens": 599332.0,
      "step": 1411
    },
    {
      "epoch": 0.4706666666666667,
      "grad_norm": 22.48741912841797,
      "learning_rate": 1.0920962199312714e-05,
      "loss": 0.445,
      "num_tokens": 599747.0,
      "step": 1412
    },
    {
      "epoch": 0.471,
      "grad_norm": 21.5255069732666,
      "learning_rate": 1.0914089347079037e-05,
      "loss": 0.5165,
      "num_tokens": 600123.0,
      "step": 1413
    },
    {
      "epoch": 0.4713333333333333,
      "grad_norm": 14.07625961303711,
      "learning_rate": 1.090721649484536e-05,
      "loss": 0.1782,
      "num_tokens": 600497.0,
      "step": 1414
    },
    {
      "epoch": 0.4716666666666667,
      "grad_norm": 12.38440227508545,
      "learning_rate": 1.0900343642611683e-05,
      "loss": 0.2301,
      "num_tokens": 601199.0,
      "step": 1415
    },
    {
      "epoch": 0.472,
      "grad_norm": 19.85643768310547,
      "learning_rate": 1.0893470790378006e-05,
      "loss": 0.194,
      "num_tokens": 602074.0,
      "step": 1416
    },
    {
      "epoch": 0.4723333333333333,
      "grad_norm": 25.574840545654297,
      "learning_rate": 1.088659793814433e-05,
      "loss": 0.3323,
      "num_tokens": 602315.0,
      "step": 1417
    },
    {
      "epoch": 0.4726666666666667,
      "grad_norm": 15.643719673156738,
      "learning_rate": 1.0879725085910652e-05,
      "loss": 0.2521,
      "num_tokens": 602784.0,
      "step": 1418
    },
    {
      "epoch": 0.473,
      "grad_norm": 17.031917572021484,
      "learning_rate": 1.0872852233676975e-05,
      "loss": 0.3555,
      "num_tokens": 603147.0,
      "step": 1419
    },
    {
      "epoch": 0.47333333333333333,
      "grad_norm": 14.734243392944336,
      "learning_rate": 1.0865979381443298e-05,
      "loss": 0.3557,
      "num_tokens": 603648.0,
      "step": 1420
    },
    {
      "epoch": 0.4736666666666667,
      "grad_norm": 10.709941864013672,
      "learning_rate": 1.0859106529209621e-05,
      "loss": 0.179,
      "num_tokens": 604200.0,
      "step": 1421
    },
    {
      "epoch": 0.474,
      "grad_norm": 22.873188018798828,
      "learning_rate": 1.0852233676975944e-05,
      "loss": 0.5428,
      "num_tokens": 604551.0,
      "step": 1422
    },
    {
      "epoch": 0.47433333333333333,
      "grad_norm": 20.52280044555664,
      "learning_rate": 1.0845360824742267e-05,
      "loss": 0.4042,
      "num_tokens": 604891.0,
      "step": 1423
    },
    {
      "epoch": 0.4746666666666667,
      "grad_norm": 24.621057510375977,
      "learning_rate": 1.083848797250859e-05,
      "loss": 0.6822,
      "num_tokens": 605218.0,
      "step": 1424
    },
    {
      "epoch": 0.475,
      "grad_norm": 11.100407600402832,
      "learning_rate": 1.0831615120274913e-05,
      "loss": 0.1942,
      "num_tokens": 605959.0,
      "step": 1425
    },
    {
      "epoch": 0.47533333333333333,
      "grad_norm": 14.936591148376465,
      "learning_rate": 1.0824742268041238e-05,
      "loss": 0.3441,
      "num_tokens": 606455.0,
      "step": 1426
    },
    {
      "epoch": 0.4756666666666667,
      "grad_norm": 19.632335662841797,
      "learning_rate": 1.0817869415807561e-05,
      "loss": 0.3433,
      "num_tokens": 606889.0,
      "step": 1427
    },
    {
      "epoch": 0.476,
      "grad_norm": 14.787837028503418,
      "learning_rate": 1.0810996563573884e-05,
      "loss": 0.3124,
      "num_tokens": 607446.0,
      "step": 1428
    },
    {
      "epoch": 0.47633333333333333,
      "grad_norm": 13.69771957397461,
      "learning_rate": 1.0804123711340207e-05,
      "loss": 0.2765,
      "num_tokens": 607893.0,
      "step": 1429
    },
    {
      "epoch": 0.4766666666666667,
      "grad_norm": 12.08553409576416,
      "learning_rate": 1.079725085910653e-05,
      "loss": 0.2497,
      "num_tokens": 608547.0,
      "step": 1430
    },
    {
      "epoch": 0.477,
      "grad_norm": 21.432886123657227,
      "learning_rate": 1.0790378006872853e-05,
      "loss": 0.5398,
      "num_tokens": 608995.0,
      "step": 1431
    },
    {
      "epoch": 0.47733333333333333,
      "grad_norm": 25.974964141845703,
      "learning_rate": 1.0783505154639176e-05,
      "loss": 0.5046,
      "num_tokens": 609335.0,
      "step": 1432
    },
    {
      "epoch": 0.4776666666666667,
      "grad_norm": 41.29611587524414,
      "learning_rate": 1.07766323024055e-05,
      "loss": 0.3034,
      "num_tokens": 609729.0,
      "step": 1433
    },
    {
      "epoch": 0.478,
      "grad_norm": 13.464903831481934,
      "learning_rate": 1.0769759450171822e-05,
      "loss": 0.1828,
      "num_tokens": 610298.0,
      "step": 1434
    },
    {
      "epoch": 0.47833333333333333,
      "grad_norm": 21.744903564453125,
      "learning_rate": 1.0762886597938145e-05,
      "loss": 0.4348,
      "num_tokens": 610652.0,
      "step": 1435
    },
    {
      "epoch": 0.4786666666666667,
      "grad_norm": 14.539108276367188,
      "learning_rate": 1.0756013745704468e-05,
      "loss": 0.2434,
      "num_tokens": 611131.0,
      "step": 1436
    },
    {
      "epoch": 0.479,
      "grad_norm": 20.36038589477539,
      "learning_rate": 1.0749140893470791e-05,
      "loss": 0.5628,
      "num_tokens": 611585.0,
      "step": 1437
    },
    {
      "epoch": 0.47933333333333333,
      "grad_norm": 13.30573844909668,
      "learning_rate": 1.0742268041237114e-05,
      "loss": 0.2466,
      "num_tokens": 612011.0,
      "step": 1438
    },
    {
      "epoch": 0.4796666666666667,
      "grad_norm": 16.987918853759766,
      "learning_rate": 1.0735395189003437e-05,
      "loss": 0.313,
      "num_tokens": 612428.0,
      "step": 1439
    },
    {
      "epoch": 0.48,
      "grad_norm": 19.771747589111328,
      "learning_rate": 1.072852233676976e-05,
      "loss": 0.3455,
      "num_tokens": 613136.0,
      "step": 1440
    },
    {
      "epoch": 0.48033333333333333,
      "grad_norm": 31.52718162536621,
      "learning_rate": 1.0721649484536083e-05,
      "loss": 0.4548,
      "num_tokens": 613410.0,
      "step": 1441
    },
    {
      "epoch": 0.4806666666666667,
      "grad_norm": 29.562095642089844,
      "learning_rate": 1.0714776632302406e-05,
      "loss": 0.754,
      "num_tokens": 613711.0,
      "step": 1442
    },
    {
      "epoch": 0.481,
      "grad_norm": 15.122069358825684,
      "learning_rate": 1.070790378006873e-05,
      "loss": 0.2377,
      "num_tokens": 614222.0,
      "step": 1443
    },
    {
      "epoch": 0.48133333333333334,
      "grad_norm": 25.376615524291992,
      "learning_rate": 1.0701030927835052e-05,
      "loss": 0.2636,
      "num_tokens": 614633.0,
      "step": 1444
    },
    {
      "epoch": 0.4816666666666667,
      "grad_norm": 28.162761688232422,
      "learning_rate": 1.0694158075601375e-05,
      "loss": 0.4918,
      "num_tokens": 614940.0,
      "step": 1445
    },
    {
      "epoch": 0.482,
      "grad_norm": 15.553528785705566,
      "learning_rate": 1.0687285223367698e-05,
      "loss": 0.2726,
      "num_tokens": 615279.0,
      "step": 1446
    },
    {
      "epoch": 0.48233333333333334,
      "grad_norm": 14.8878173828125,
      "learning_rate": 1.0680412371134021e-05,
      "loss": 0.2145,
      "num_tokens": 615739.0,
      "step": 1447
    },
    {
      "epoch": 0.4826666666666667,
      "grad_norm": 18.700183868408203,
      "learning_rate": 1.0673539518900344e-05,
      "loss": 0.3923,
      "num_tokens": 616214.0,
      "step": 1448
    },
    {
      "epoch": 0.483,
      "grad_norm": 17.93824577331543,
      "learning_rate": 1.0666666666666667e-05,
      "loss": 0.3595,
      "num_tokens": 616684.0,
      "step": 1449
    },
    {
      "epoch": 0.48333333333333334,
      "grad_norm": 24.336326599121094,
      "learning_rate": 1.065979381443299e-05,
      "loss": 0.4246,
      "num_tokens": 616985.0,
      "step": 1450
    },
    {
      "epoch": 0.4836666666666667,
      "grad_norm": 26.459728240966797,
      "learning_rate": 1.0652920962199313e-05,
      "loss": 0.4352,
      "num_tokens": 617529.0,
      "step": 1451
    },
    {
      "epoch": 0.484,
      "grad_norm": 18.04843521118164,
      "learning_rate": 1.0646048109965636e-05,
      "loss": 0.3496,
      "num_tokens": 618056.0,
      "step": 1452
    },
    {
      "epoch": 0.48433333333333334,
      "grad_norm": 12.917251586914062,
      "learning_rate": 1.063917525773196e-05,
      "loss": 0.2506,
      "num_tokens": 618833.0,
      "step": 1453
    },
    {
      "epoch": 0.4846666666666667,
      "grad_norm": 17.323612213134766,
      "learning_rate": 1.0632302405498282e-05,
      "loss": 0.2864,
      "num_tokens": 619386.0,
      "step": 1454
    },
    {
      "epoch": 0.485,
      "grad_norm": 13.218327522277832,
      "learning_rate": 1.0625429553264605e-05,
      "loss": 0.2831,
      "num_tokens": 619985.0,
      "step": 1455
    },
    {
      "epoch": 0.48533333333333334,
      "grad_norm": 13.999732971191406,
      "learning_rate": 1.0618556701030928e-05,
      "loss": 0.3388,
      "num_tokens": 620942.0,
      "step": 1456
    },
    {
      "epoch": 0.4856666666666667,
      "grad_norm": 12.93033504486084,
      "learning_rate": 1.0611683848797251e-05,
      "loss": 0.2309,
      "num_tokens": 621473.0,
      "step": 1457
    },
    {
      "epoch": 0.486,
      "grad_norm": 16.080791473388672,
      "learning_rate": 1.0604810996563574e-05,
      "loss": 0.3098,
      "num_tokens": 621963.0,
      "step": 1458
    },
    {
      "epoch": 0.48633333333333334,
      "grad_norm": 11.658478736877441,
      "learning_rate": 1.0597938144329897e-05,
      "loss": 0.2017,
      "num_tokens": 622555.0,
      "step": 1459
    },
    {
      "epoch": 0.4866666666666667,
      "grad_norm": 27.520029067993164,
      "learning_rate": 1.059106529209622e-05,
      "loss": 0.567,
      "num_tokens": 622893.0,
      "step": 1460
    },
    {
      "epoch": 0.487,
      "grad_norm": 27.458402633666992,
      "learning_rate": 1.0584192439862543e-05,
      "loss": 0.5651,
      "num_tokens": 623227.0,
      "step": 1461
    },
    {
      "epoch": 0.48733333333333334,
      "grad_norm": 14.043485641479492,
      "learning_rate": 1.0577319587628866e-05,
      "loss": 0.2545,
      "num_tokens": 623760.0,
      "step": 1462
    },
    {
      "epoch": 0.4876666666666667,
      "grad_norm": 17.796863555908203,
      "learning_rate": 1.057044673539519e-05,
      "loss": 0.3368,
      "num_tokens": 624121.0,
      "step": 1463
    },
    {
      "epoch": 0.488,
      "grad_norm": 28.98230743408203,
      "learning_rate": 1.0563573883161512e-05,
      "loss": 0.6576,
      "num_tokens": 624419.0,
      "step": 1464
    },
    {
      "epoch": 0.48833333333333334,
      "grad_norm": 15.508382797241211,
      "learning_rate": 1.0556701030927835e-05,
      "loss": 0.3107,
      "num_tokens": 624914.0,
      "step": 1465
    },
    {
      "epoch": 0.4886666666666667,
      "grad_norm": 20.6390438079834,
      "learning_rate": 1.0549828178694158e-05,
      "loss": 0.294,
      "num_tokens": 625259.0,
      "step": 1466
    },
    {
      "epoch": 0.489,
      "grad_norm": 24.367109298706055,
      "learning_rate": 1.0542955326460481e-05,
      "loss": 0.4881,
      "num_tokens": 625589.0,
      "step": 1467
    },
    {
      "epoch": 0.48933333333333334,
      "grad_norm": 32.030113220214844,
      "learning_rate": 1.0536082474226804e-05,
      "loss": 0.4575,
      "num_tokens": 625827.0,
      "step": 1468
    },
    {
      "epoch": 0.48966666666666664,
      "grad_norm": 28.528554916381836,
      "learning_rate": 1.052920962199313e-05,
      "loss": 0.5076,
      "num_tokens": 626124.0,
      "step": 1469
    },
    {
      "epoch": 0.49,
      "grad_norm": 15.845307350158691,
      "learning_rate": 1.0522336769759452e-05,
      "loss": 0.3878,
      "num_tokens": 626692.0,
      "step": 1470
    },
    {
      "epoch": 0.49033333333333334,
      "grad_norm": 28.297088623046875,
      "learning_rate": 1.0515463917525775e-05,
      "loss": 0.1609,
      "num_tokens": 627421.0,
      "step": 1471
    },
    {
      "epoch": 0.49066666666666664,
      "grad_norm": 16.683992385864258,
      "learning_rate": 1.0508591065292098e-05,
      "loss": 0.3289,
      "num_tokens": 627830.0,
      "step": 1472
    },
    {
      "epoch": 0.491,
      "grad_norm": 18.234909057617188,
      "learning_rate": 1.0501718213058421e-05,
      "loss": 0.3546,
      "num_tokens": 628146.0,
      "step": 1473
    },
    {
      "epoch": 0.49133333333333334,
      "grad_norm": 19.94565773010254,
      "learning_rate": 1.0494845360824744e-05,
      "loss": 0.3975,
      "num_tokens": 628550.0,
      "step": 1474
    },
    {
      "epoch": 0.49166666666666664,
      "grad_norm": 18.998151779174805,
      "learning_rate": 1.0487972508591067e-05,
      "loss": 0.4137,
      "num_tokens": 628910.0,
      "step": 1475
    },
    {
      "epoch": 0.492,
      "grad_norm": 13.889488220214844,
      "learning_rate": 1.048109965635739e-05,
      "loss": 0.2498,
      "num_tokens": 629495.0,
      "step": 1476
    },
    {
      "epoch": 0.49233333333333335,
      "grad_norm": 12.159367561340332,
      "learning_rate": 1.0474226804123713e-05,
      "loss": 0.1785,
      "num_tokens": 630151.0,
      "step": 1477
    },
    {
      "epoch": 0.49266666666666664,
      "grad_norm": 27.279443740844727,
      "learning_rate": 1.0467353951890036e-05,
      "loss": 0.6431,
      "num_tokens": 630435.0,
      "step": 1478
    },
    {
      "epoch": 0.493,
      "grad_norm": 19.509685516357422,
      "learning_rate": 1.046048109965636e-05,
      "loss": 0.3863,
      "num_tokens": 630819.0,
      "step": 1479
    },
    {
      "epoch": 0.49333333333333335,
      "grad_norm": 13.035381317138672,
      "learning_rate": 1.0453608247422682e-05,
      "loss": 0.2972,
      "num_tokens": 631240.0,
      "step": 1480
    },
    {
      "epoch": 0.49366666666666664,
      "grad_norm": 17.03543472290039,
      "learning_rate": 1.0446735395189005e-05,
      "loss": 0.2737,
      "num_tokens": 631636.0,
      "step": 1481
    },
    {
      "epoch": 0.494,
      "grad_norm": 15.378252029418945,
      "learning_rate": 1.0439862542955328e-05,
      "loss": 0.334,
      "num_tokens": 632148.0,
      "step": 1482
    },
    {
      "epoch": 0.49433333333333335,
      "grad_norm": 17.424102783203125,
      "learning_rate": 1.0432989690721651e-05,
      "loss": 0.3999,
      "num_tokens": 632565.0,
      "step": 1483
    },
    {
      "epoch": 0.49466666666666664,
      "grad_norm": 44.98781967163086,
      "learning_rate": 1.0426116838487974e-05,
      "loss": 0.3707,
      "num_tokens": 632966.0,
      "step": 1484
    },
    {
      "epoch": 0.495,
      "grad_norm": 20.519229888916016,
      "learning_rate": 1.0419243986254297e-05,
      "loss": 0.3028,
      "num_tokens": 633208.0,
      "step": 1485
    },
    {
      "epoch": 0.49533333333333335,
      "grad_norm": 27.054763793945312,
      "learning_rate": 1.041237113402062e-05,
      "loss": 0.4608,
      "num_tokens": 633563.0,
      "step": 1486
    },
    {
      "epoch": 0.49566666666666664,
      "grad_norm": 17.385347366333008,
      "learning_rate": 1.0405498281786943e-05,
      "loss": 0.4353,
      "num_tokens": 634001.0,
      "step": 1487
    },
    {
      "epoch": 0.496,
      "grad_norm": 17.56500816345215,
      "learning_rate": 1.0398625429553266e-05,
      "loss": 0.3548,
      "num_tokens": 634432.0,
      "step": 1488
    },
    {
      "epoch": 0.49633333333333335,
      "grad_norm": 18.9477596282959,
      "learning_rate": 1.039175257731959e-05,
      "loss": 0.2358,
      "num_tokens": 634782.0,
      "step": 1489
    },
    {
      "epoch": 0.49666666666666665,
      "grad_norm": 35.60940170288086,
      "learning_rate": 1.0384879725085912e-05,
      "loss": 0.6072,
      "num_tokens": 634990.0,
      "step": 1490
    },
    {
      "epoch": 0.497,
      "grad_norm": 19.669963836669922,
      "learning_rate": 1.0378006872852235e-05,
      "loss": 0.264,
      "num_tokens": 635261.0,
      "step": 1491
    },
    {
      "epoch": 0.49733333333333335,
      "grad_norm": 43.9347038269043,
      "learning_rate": 1.0371134020618558e-05,
      "loss": 0.9328,
      "num_tokens": 635446.0,
      "step": 1492
    },
    {
      "epoch": 0.49766666666666665,
      "grad_norm": 17.315271377563477,
      "learning_rate": 1.0364261168384881e-05,
      "loss": 0.2905,
      "num_tokens": 635798.0,
      "step": 1493
    },
    {
      "epoch": 0.498,
      "grad_norm": 29.793596267700195,
      "learning_rate": 1.0357388316151204e-05,
      "loss": 0.3704,
      "num_tokens": 636294.0,
      "step": 1494
    },
    {
      "epoch": 0.49833333333333335,
      "grad_norm": 12.63647747039795,
      "learning_rate": 1.0350515463917527e-05,
      "loss": 0.2279,
      "num_tokens": 636816.0,
      "step": 1495
    },
    {
      "epoch": 0.49866666666666665,
      "grad_norm": 11.87566089630127,
      "learning_rate": 1.034364261168385e-05,
      "loss": 0.1947,
      "num_tokens": 637468.0,
      "step": 1496
    },
    {
      "epoch": 0.499,
      "grad_norm": 32.41094970703125,
      "learning_rate": 1.0336769759450173e-05,
      "loss": 0.3994,
      "num_tokens": 638140.0,
      "step": 1497
    },
    {
      "epoch": 0.49933333333333335,
      "grad_norm": 25.97403335571289,
      "learning_rate": 1.0329896907216496e-05,
      "loss": 0.4028,
      "num_tokens": 638408.0,
      "step": 1498
    },
    {
      "epoch": 0.49966666666666665,
      "grad_norm": 18.66462516784668,
      "learning_rate": 1.032302405498282e-05,
      "loss": 0.645,
      "num_tokens": 638842.0,
      "step": 1499
    },
    {
      "epoch": 0.5,
      "grad_norm": 16.603498458862305,
      "learning_rate": 1.0316151202749142e-05,
      "loss": 0.2554,
      "num_tokens": 639276.0,
      "step": 1500
    },
    {
      "epoch": 0.5003333333333333,
      "grad_norm": 21.405609130859375,
      "learning_rate": 1.0309278350515464e-05,
      "loss": 0.2615,
      "num_tokens": 639717.0,
      "step": 1501
    },
    {
      "epoch": 0.5006666666666667,
      "grad_norm": 19.36146354675293,
      "learning_rate": 1.0302405498281787e-05,
      "loss": 0.3639,
      "num_tokens": 640027.0,
      "step": 1502
    },
    {
      "epoch": 0.501,
      "grad_norm": 15.974677085876465,
      "learning_rate": 1.029553264604811e-05,
      "loss": 0.2765,
      "num_tokens": 640475.0,
      "step": 1503
    },
    {
      "epoch": 0.5013333333333333,
      "grad_norm": 32.77470016479492,
      "learning_rate": 1.0288659793814433e-05,
      "loss": 0.7011,
      "num_tokens": 640811.0,
      "step": 1504
    },
    {
      "epoch": 0.5016666666666667,
      "grad_norm": 27.21351432800293,
      "learning_rate": 1.0281786941580756e-05,
      "loss": 0.4984,
      "num_tokens": 641092.0,
      "step": 1505
    },
    {
      "epoch": 0.502,
      "grad_norm": 15.395483016967773,
      "learning_rate": 1.0274914089347079e-05,
      "loss": 0.3346,
      "num_tokens": 641754.0,
      "step": 1506
    },
    {
      "epoch": 0.5023333333333333,
      "grad_norm": 8.758310317993164,
      "learning_rate": 1.0268041237113402e-05,
      "loss": 0.1189,
      "num_tokens": 642274.0,
      "step": 1507
    },
    {
      "epoch": 0.5026666666666667,
      "grad_norm": 15.152670860290527,
      "learning_rate": 1.0261168384879725e-05,
      "loss": 0.2531,
      "num_tokens": 642680.0,
      "step": 1508
    },
    {
      "epoch": 0.503,
      "grad_norm": 30.830265045166016,
      "learning_rate": 1.0254295532646048e-05,
      "loss": 0.3906,
      "num_tokens": 643178.0,
      "step": 1509
    },
    {
      "epoch": 0.5033333333333333,
      "grad_norm": 31.227558135986328,
      "learning_rate": 1.024742268041237e-05,
      "loss": 0.5125,
      "num_tokens": 643449.0,
      "step": 1510
    },
    {
      "epoch": 0.5036666666666667,
      "grad_norm": 26.349740982055664,
      "learning_rate": 1.0240549828178694e-05,
      "loss": 0.5158,
      "num_tokens": 644057.0,
      "step": 1511
    },
    {
      "epoch": 0.504,
      "grad_norm": 14.945535659790039,
      "learning_rate": 1.0233676975945017e-05,
      "loss": 0.2262,
      "num_tokens": 644708.0,
      "step": 1512
    },
    {
      "epoch": 0.5043333333333333,
      "grad_norm": 26.34235382080078,
      "learning_rate": 1.022680412371134e-05,
      "loss": 0.4671,
      "num_tokens": 644988.0,
      "step": 1513
    },
    {
      "epoch": 0.5046666666666667,
      "grad_norm": 18.5391902923584,
      "learning_rate": 1.0219931271477663e-05,
      "loss": 0.3035,
      "num_tokens": 645337.0,
      "step": 1514
    },
    {
      "epoch": 0.505,
      "grad_norm": 15.841348648071289,
      "learning_rate": 1.0213058419243986e-05,
      "loss": 0.3384,
      "num_tokens": 645755.0,
      "step": 1515
    },
    {
      "epoch": 0.5053333333333333,
      "grad_norm": 23.916933059692383,
      "learning_rate": 1.0206185567010309e-05,
      "loss": 0.2935,
      "num_tokens": 646143.0,
      "step": 1516
    },
    {
      "epoch": 0.5056666666666667,
      "grad_norm": 9.934290885925293,
      "learning_rate": 1.0199312714776632e-05,
      "loss": 0.2149,
      "num_tokens": 646747.0,
      "step": 1517
    },
    {
      "epoch": 0.506,
      "grad_norm": 19.640926361083984,
      "learning_rate": 1.0192439862542955e-05,
      "loss": 0.4819,
      "num_tokens": 647193.0,
      "step": 1518
    },
    {
      "epoch": 0.5063333333333333,
      "grad_norm": 21.60384750366211,
      "learning_rate": 1.0185567010309278e-05,
      "loss": 0.3456,
      "num_tokens": 647459.0,
      "step": 1519
    },
    {
      "epoch": 0.5066666666666667,
      "grad_norm": 20.51108169555664,
      "learning_rate": 1.0178694158075601e-05,
      "loss": 0.3742,
      "num_tokens": 647789.0,
      "step": 1520
    },
    {
      "epoch": 0.507,
      "grad_norm": 19.671350479125977,
      "learning_rate": 1.0171821305841924e-05,
      "loss": 0.4123,
      "num_tokens": 648187.0,
      "step": 1521
    },
    {
      "epoch": 0.5073333333333333,
      "grad_norm": 15.931794166564941,
      "learning_rate": 1.0164948453608247e-05,
      "loss": 0.3509,
      "num_tokens": 648662.0,
      "step": 1522
    },
    {
      "epoch": 0.5076666666666667,
      "grad_norm": 25.021129608154297,
      "learning_rate": 1.015807560137457e-05,
      "loss": 0.6254,
      "num_tokens": 648982.0,
      "step": 1523
    },
    {
      "epoch": 0.508,
      "grad_norm": 15.200005531311035,
      "learning_rate": 1.0151202749140893e-05,
      "loss": 0.2905,
      "num_tokens": 649345.0,
      "step": 1524
    },
    {
      "epoch": 0.5083333333333333,
      "grad_norm": 17.75110626220703,
      "learning_rate": 1.0144329896907218e-05,
      "loss": 0.1889,
      "num_tokens": 649665.0,
      "step": 1525
    },
    {
      "epoch": 0.5086666666666667,
      "grad_norm": 12.873199462890625,
      "learning_rate": 1.013745704467354e-05,
      "loss": 0.2482,
      "num_tokens": 650230.0,
      "step": 1526
    },
    {
      "epoch": 0.509,
      "grad_norm": 19.887727737426758,
      "learning_rate": 1.0130584192439864e-05,
      "loss": 0.3821,
      "num_tokens": 650628.0,
      "step": 1527
    },
    {
      "epoch": 0.5093333333333333,
      "grad_norm": 27.582765579223633,
      "learning_rate": 1.0123711340206187e-05,
      "loss": 0.3716,
      "num_tokens": 651080.0,
      "step": 1528
    },
    {
      "epoch": 0.5096666666666667,
      "grad_norm": 16.353687286376953,
      "learning_rate": 1.011683848797251e-05,
      "loss": 0.3263,
      "num_tokens": 651516.0,
      "step": 1529
    },
    {
      "epoch": 0.51,
      "grad_norm": 22.687034606933594,
      "learning_rate": 1.0109965635738833e-05,
      "loss": 0.3751,
      "num_tokens": 651834.0,
      "step": 1530
    },
    {
      "epoch": 0.5103333333333333,
      "grad_norm": 14.673574447631836,
      "learning_rate": 1.0103092783505156e-05,
      "loss": 0.2843,
      "num_tokens": 652339.0,
      "step": 1531
    },
    {
      "epoch": 0.5106666666666667,
      "grad_norm": 22.36842918395996,
      "learning_rate": 1.0096219931271479e-05,
      "loss": 0.3948,
      "num_tokens": 652716.0,
      "step": 1532
    },
    {
      "epoch": 0.511,
      "grad_norm": 11.093718528747559,
      "learning_rate": 1.0089347079037802e-05,
      "loss": 0.2186,
      "num_tokens": 653374.0,
      "step": 1533
    },
    {
      "epoch": 0.5113333333333333,
      "grad_norm": 16.066030502319336,
      "learning_rate": 1.0082474226804125e-05,
      "loss": 0.288,
      "num_tokens": 653835.0,
      "step": 1534
    },
    {
      "epoch": 0.5116666666666667,
      "grad_norm": 19.64323616027832,
      "learning_rate": 1.0075601374570448e-05,
      "loss": 0.3818,
      "num_tokens": 654170.0,
      "step": 1535
    },
    {
      "epoch": 0.512,
      "grad_norm": 21.053571701049805,
      "learning_rate": 1.006872852233677e-05,
      "loss": 0.4064,
      "num_tokens": 654577.0,
      "step": 1536
    },
    {
      "epoch": 0.5123333333333333,
      "grad_norm": 10.610457420349121,
      "learning_rate": 1.0061855670103094e-05,
      "loss": 0.1568,
      "num_tokens": 655323.0,
      "step": 1537
    },
    {
      "epoch": 0.5126666666666667,
      "grad_norm": 20.72083854675293,
      "learning_rate": 1.0054982817869417e-05,
      "loss": 0.3863,
      "num_tokens": 655746.0,
      "step": 1538
    },
    {
      "epoch": 0.513,
      "grad_norm": 22.236610412597656,
      "learning_rate": 1.004810996563574e-05,
      "loss": 0.5542,
      "num_tokens": 656116.0,
      "step": 1539
    },
    {
      "epoch": 0.5133333333333333,
      "grad_norm": 17.364965438842773,
      "learning_rate": 1.0041237113402063e-05,
      "loss": 0.4459,
      "num_tokens": 656498.0,
      "step": 1540
    },
    {
      "epoch": 0.5136666666666667,
      "grad_norm": 14.814245223999023,
      "learning_rate": 1.0034364261168386e-05,
      "loss": 0.3682,
      "num_tokens": 657060.0,
      "step": 1541
    },
    {
      "epoch": 0.514,
      "grad_norm": 16.101940155029297,
      "learning_rate": 1.0027491408934709e-05,
      "loss": 0.2832,
      "num_tokens": 657418.0,
      "step": 1542
    },
    {
      "epoch": 0.5143333333333333,
      "grad_norm": 21.15138816833496,
      "learning_rate": 1.0020618556701032e-05,
      "loss": 0.299,
      "num_tokens": 657684.0,
      "step": 1543
    },
    {
      "epoch": 0.5146666666666667,
      "grad_norm": 21.94164276123047,
      "learning_rate": 1.0013745704467355e-05,
      "loss": 0.4044,
      "num_tokens": 658019.0,
      "step": 1544
    },
    {
      "epoch": 0.515,
      "grad_norm": 23.67759132385254,
      "learning_rate": 1.0006872852233678e-05,
      "loss": 0.5004,
      "num_tokens": 658370.0,
      "step": 1545
    },
    {
      "epoch": 0.5153333333333333,
      "grad_norm": 19.7232723236084,
      "learning_rate": 1e-05,
      "loss": 0.4743,
      "num_tokens": 658781.0,
      "step": 1546
    },
    {
      "epoch": 0.5156666666666667,
      "grad_norm": 17.97519302368164,
      "learning_rate": 9.993127147766324e-06,
      "loss": 0.3309,
      "num_tokens": 659280.0,
      "step": 1547
    },
    {
      "epoch": 0.516,
      "grad_norm": 25.51506805419922,
      "learning_rate": 9.986254295532647e-06,
      "loss": 0.3739,
      "num_tokens": 659509.0,
      "step": 1548
    },
    {
      "epoch": 0.5163333333333333,
      "grad_norm": 16.600643157958984,
      "learning_rate": 9.97938144329897e-06,
      "loss": 0.3106,
      "num_tokens": 659863.0,
      "step": 1549
    },
    {
      "epoch": 0.5166666666666667,
      "grad_norm": 29.234445571899414,
      "learning_rate": 9.972508591065293e-06,
      "loss": 0.677,
      "num_tokens": 660193.0,
      "step": 1550
    },
    {
      "epoch": 0.517,
      "grad_norm": 14.707062721252441,
      "learning_rate": 9.965635738831616e-06,
      "loss": 0.286,
      "num_tokens": 660676.0,
      "step": 1551
    },
    {
      "epoch": 0.5173333333333333,
      "grad_norm": 16.37903594970703,
      "learning_rate": 9.958762886597939e-06,
      "loss": 0.3107,
      "num_tokens": 660947.0,
      "step": 1552
    },
    {
      "epoch": 0.5176666666666667,
      "grad_norm": 26.946880340576172,
      "learning_rate": 9.951890034364262e-06,
      "loss": 0.7454,
      "num_tokens": 661273.0,
      "step": 1553
    },
    {
      "epoch": 0.518,
      "grad_norm": 15.233709335327148,
      "learning_rate": 9.945017182130585e-06,
      "loss": 0.2543,
      "num_tokens": 661612.0,
      "step": 1554
    },
    {
      "epoch": 0.5183333333333333,
      "grad_norm": 12.581887245178223,
      "learning_rate": 9.938144329896908e-06,
      "loss": 0.1816,
      "num_tokens": 662325.0,
      "step": 1555
    },
    {
      "epoch": 0.5186666666666667,
      "grad_norm": 18.746492385864258,
      "learning_rate": 9.931271477663231e-06,
      "loss": 0.4578,
      "num_tokens": 662737.0,
      "step": 1556
    },
    {
      "epoch": 0.519,
      "grad_norm": 10.70036506652832,
      "learning_rate": 9.924398625429554e-06,
      "loss": 0.2276,
      "num_tokens": 663632.0,
      "step": 1557
    },
    {
      "epoch": 0.5193333333333333,
      "grad_norm": 19.68569564819336,
      "learning_rate": 9.917525773195877e-06,
      "loss": 0.3413,
      "num_tokens": 663912.0,
      "step": 1558
    },
    {
      "epoch": 0.5196666666666667,
      "grad_norm": 19.507890701293945,
      "learning_rate": 9.9106529209622e-06,
      "loss": 0.3244,
      "num_tokens": 664246.0,
      "step": 1559
    },
    {
      "epoch": 0.52,
      "grad_norm": 24.359140396118164,
      "learning_rate": 9.903780068728523e-06,
      "loss": 0.4032,
      "num_tokens": 664600.0,
      "step": 1560
    },
    {
      "epoch": 0.5203333333333333,
      "grad_norm": 27.709598541259766,
      "learning_rate": 9.896907216494846e-06,
      "loss": 0.5753,
      "num_tokens": 664853.0,
      "step": 1561
    },
    {
      "epoch": 0.5206666666666667,
      "grad_norm": 20.73719024658203,
      "learning_rate": 9.890034364261169e-06,
      "loss": 0.3723,
      "num_tokens": 665141.0,
      "step": 1562
    },
    {
      "epoch": 0.521,
      "grad_norm": 17.745986938476562,
      "learning_rate": 9.883161512027492e-06,
      "loss": 0.2532,
      "num_tokens": 665429.0,
      "step": 1563
    },
    {
      "epoch": 0.5213333333333333,
      "grad_norm": 29.164243698120117,
      "learning_rate": 9.876288659793815e-06,
      "loss": 0.5712,
      "num_tokens": 665738.0,
      "step": 1564
    },
    {
      "epoch": 0.5216666666666666,
      "grad_norm": 41.42264938354492,
      "learning_rate": 9.869415807560138e-06,
      "loss": 0.7085,
      "num_tokens": 665952.0,
      "step": 1565
    },
    {
      "epoch": 0.522,
      "grad_norm": 9.56140422821045,
      "learning_rate": 9.862542955326461e-06,
      "loss": 0.2029,
      "num_tokens": 666444.0,
      "step": 1566
    },
    {
      "epoch": 0.5223333333333333,
      "grad_norm": 20.185379028320312,
      "learning_rate": 9.855670103092784e-06,
      "loss": 0.3583,
      "num_tokens": 666730.0,
      "step": 1567
    },
    {
      "epoch": 0.5226666666666666,
      "grad_norm": 18.204198837280273,
      "learning_rate": 9.848797250859109e-06,
      "loss": 0.4819,
      "num_tokens": 667203.0,
      "step": 1568
    },
    {
      "epoch": 0.523,
      "grad_norm": 8.269686698913574,
      "learning_rate": 9.84192439862543e-06,
      "loss": 0.177,
      "num_tokens": 667803.0,
      "step": 1569
    },
    {
      "epoch": 0.5233333333333333,
      "grad_norm": 23.75398826599121,
      "learning_rate": 9.835051546391753e-06,
      "loss": 0.4705,
      "num_tokens": 668132.0,
      "step": 1570
    },
    {
      "epoch": 0.5236666666666666,
      "grad_norm": 18.435405731201172,
      "learning_rate": 9.828178694158076e-06,
      "loss": 0.352,
      "num_tokens": 668556.0,
      "step": 1571
    },
    {
      "epoch": 0.524,
      "grad_norm": 17.113040924072266,
      "learning_rate": 9.821305841924399e-06,
      "loss": 0.3823,
      "num_tokens": 669010.0,
      "step": 1572
    },
    {
      "epoch": 0.5243333333333333,
      "grad_norm": 27.59159278869629,
      "learning_rate": 9.814432989690722e-06,
      "loss": 0.503,
      "num_tokens": 669296.0,
      "step": 1573
    },
    {
      "epoch": 0.5246666666666666,
      "grad_norm": 23.581480026245117,
      "learning_rate": 9.807560137457045e-06,
      "loss": 0.4702,
      "num_tokens": 669618.0,
      "step": 1574
    },
    {
      "epoch": 0.525,
      "grad_norm": 25.1276912689209,
      "learning_rate": 9.800687285223368e-06,
      "loss": 0.5185,
      "num_tokens": 670039.0,
      "step": 1575
    },
    {
      "epoch": 0.5253333333333333,
      "grad_norm": 21.01494026184082,
      "learning_rate": 9.793814432989691e-06,
      "loss": 0.4753,
      "num_tokens": 670456.0,
      "step": 1576
    },
    {
      "epoch": 0.5256666666666666,
      "grad_norm": 16.019744873046875,
      "learning_rate": 9.786941580756014e-06,
      "loss": 0.2613,
      "num_tokens": 670809.0,
      "step": 1577
    },
    {
      "epoch": 0.526,
      "grad_norm": 25.749128341674805,
      "learning_rate": 9.780068728522337e-06,
      "loss": 0.6335,
      "num_tokens": 671215.0,
      "step": 1578
    },
    {
      "epoch": 0.5263333333333333,
      "grad_norm": 46.977378845214844,
      "learning_rate": 9.77319587628866e-06,
      "loss": 0.4588,
      "num_tokens": 671582.0,
      "step": 1579
    },
    {
      "epoch": 0.5266666666666666,
      "grad_norm": 13.448599815368652,
      "learning_rate": 9.766323024054983e-06,
      "loss": 0.2542,
      "num_tokens": 672214.0,
      "step": 1580
    },
    {
      "epoch": 0.527,
      "grad_norm": 19.5157470703125,
      "learning_rate": 9.759450171821306e-06,
      "loss": 0.3355,
      "num_tokens": 672559.0,
      "step": 1581
    },
    {
      "epoch": 0.5273333333333333,
      "grad_norm": 23.745656967163086,
      "learning_rate": 9.752577319587629e-06,
      "loss": 0.3956,
      "num_tokens": 672893.0,
      "step": 1582
    },
    {
      "epoch": 0.5276666666666666,
      "grad_norm": 18.274394989013672,
      "learning_rate": 9.745704467353952e-06,
      "loss": 0.3372,
      "num_tokens": 673314.0,
      "step": 1583
    },
    {
      "epoch": 0.528,
      "grad_norm": 12.796242713928223,
      "learning_rate": 9.738831615120275e-06,
      "loss": 0.1747,
      "num_tokens": 673815.0,
      "step": 1584
    },
    {
      "epoch": 0.5283333333333333,
      "grad_norm": 15.772083282470703,
      "learning_rate": 9.731958762886598e-06,
      "loss": 0.2504,
      "num_tokens": 674297.0,
      "step": 1585
    },
    {
      "epoch": 0.5286666666666666,
      "grad_norm": 19.01171875,
      "learning_rate": 9.725085910652921e-06,
      "loss": 0.3658,
      "num_tokens": 674629.0,
      "step": 1586
    },
    {
      "epoch": 0.529,
      "grad_norm": 19.09638786315918,
      "learning_rate": 9.718213058419244e-06,
      "loss": 0.4123,
      "num_tokens": 675029.0,
      "step": 1587
    },
    {
      "epoch": 0.5293333333333333,
      "grad_norm": 23.994647979736328,
      "learning_rate": 9.711340206185567e-06,
      "loss": 0.4005,
      "num_tokens": 675327.0,
      "step": 1588
    },
    {
      "epoch": 0.5296666666666666,
      "grad_norm": 21.286924362182617,
      "learning_rate": 9.70446735395189e-06,
      "loss": 0.4217,
      "num_tokens": 675690.0,
      "step": 1589
    },
    {
      "epoch": 0.53,
      "grad_norm": 22.295419692993164,
      "learning_rate": 9.697594501718213e-06,
      "loss": 0.3118,
      "num_tokens": 676016.0,
      "step": 1590
    },
    {
      "epoch": 0.5303333333333333,
      "grad_norm": 18.834169387817383,
      "learning_rate": 9.690721649484536e-06,
      "loss": 0.2939,
      "num_tokens": 676419.0,
      "step": 1591
    },
    {
      "epoch": 0.5306666666666666,
      "grad_norm": 28.07942008972168,
      "learning_rate": 9.68384879725086e-06,
      "loss": 0.4754,
      "num_tokens": 676733.0,
      "step": 1592
    },
    {
      "epoch": 0.531,
      "grad_norm": 16.98412322998047,
      "learning_rate": 9.676975945017182e-06,
      "loss": 0.2882,
      "num_tokens": 677125.0,
      "step": 1593
    },
    {
      "epoch": 0.5313333333333333,
      "grad_norm": 19.250747680664062,
      "learning_rate": 9.670103092783505e-06,
      "loss": 0.2781,
      "num_tokens": 677520.0,
      "step": 1594
    },
    {
      "epoch": 0.5316666666666666,
      "grad_norm": 18.370962142944336,
      "learning_rate": 9.663230240549828e-06,
      "loss": 0.2219,
      "num_tokens": 677851.0,
      "step": 1595
    },
    {
      "epoch": 0.532,
      "grad_norm": 21.897186279296875,
      "learning_rate": 9.656357388316153e-06,
      "loss": 0.3514,
      "num_tokens": 678216.0,
      "step": 1596
    },
    {
      "epoch": 0.5323333333333333,
      "grad_norm": 16.098369598388672,
      "learning_rate": 9.649484536082476e-06,
      "loss": 0.3766,
      "num_tokens": 678711.0,
      "step": 1597
    },
    {
      "epoch": 0.5326666666666666,
      "grad_norm": 22.929248809814453,
      "learning_rate": 9.642611683848799e-06,
      "loss": 0.5304,
      "num_tokens": 679092.0,
      "step": 1598
    },
    {
      "epoch": 0.533,
      "grad_norm": 13.872879981994629,
      "learning_rate": 9.635738831615122e-06,
      "loss": 0.2746,
      "num_tokens": 679552.0,
      "step": 1599
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 24.93256950378418,
      "learning_rate": 9.628865979381445e-06,
      "loss": 0.4706,
      "num_tokens": 679889.0,
      "step": 1600
    },
    {
      "epoch": 0.5336666666666666,
      "grad_norm": 13.687588691711426,
      "learning_rate": 9.621993127147768e-06,
      "loss": 0.3421,
      "num_tokens": 680532.0,
      "step": 1601
    },
    {
      "epoch": 0.534,
      "grad_norm": 15.730263710021973,
      "learning_rate": 9.615120274914091e-06,
      "loss": 0.3495,
      "num_tokens": 681119.0,
      "step": 1602
    },
    {
      "epoch": 0.5343333333333333,
      "grad_norm": 15.17314338684082,
      "learning_rate": 9.608247422680414e-06,
      "loss": 0.3892,
      "num_tokens": 681618.0,
      "step": 1603
    },
    {
      "epoch": 0.5346666666666666,
      "grad_norm": 13.51383113861084,
      "learning_rate": 9.601374570446737e-06,
      "loss": 0.2332,
      "num_tokens": 682012.0,
      "step": 1604
    },
    {
      "epoch": 0.535,
      "grad_norm": 16.636388778686523,
      "learning_rate": 9.59450171821306e-06,
      "loss": 0.2986,
      "num_tokens": 682412.0,
      "step": 1605
    },
    {
      "epoch": 0.5353333333333333,
      "grad_norm": 18.632387161254883,
      "learning_rate": 9.587628865979383e-06,
      "loss": 0.3224,
      "num_tokens": 682683.0,
      "step": 1606
    },
    {
      "epoch": 0.5356666666666666,
      "grad_norm": 19.360885620117188,
      "learning_rate": 9.580756013745706e-06,
      "loss": 0.3744,
      "num_tokens": 683148.0,
      "step": 1607
    },
    {
      "epoch": 0.536,
      "grad_norm": 26.078887939453125,
      "learning_rate": 9.573883161512029e-06,
      "loss": 0.4911,
      "num_tokens": 683456.0,
      "step": 1608
    },
    {
      "epoch": 0.5363333333333333,
      "grad_norm": 31.11709213256836,
      "learning_rate": 9.567010309278352e-06,
      "loss": 0.7197,
      "num_tokens": 683781.0,
      "step": 1609
    },
    {
      "epoch": 0.5366666666666666,
      "grad_norm": 35.99385452270508,
      "learning_rate": 9.560137457044675e-06,
      "loss": 0.6012,
      "num_tokens": 684047.0,
      "step": 1610
    },
    {
      "epoch": 0.537,
      "grad_norm": 14.344094276428223,
      "learning_rate": 9.553264604810998e-06,
      "loss": 0.2481,
      "num_tokens": 684565.0,
      "step": 1611
    },
    {
      "epoch": 0.5373333333333333,
      "grad_norm": 18.168466567993164,
      "learning_rate": 9.546391752577321e-06,
      "loss": 0.3048,
      "num_tokens": 684953.0,
      "step": 1612
    },
    {
      "epoch": 0.5376666666666666,
      "grad_norm": 23.66522789001465,
      "learning_rate": 9.539518900343644e-06,
      "loss": 0.5078,
      "num_tokens": 685292.0,
      "step": 1613
    },
    {
      "epoch": 0.538,
      "grad_norm": 17.17974281311035,
      "learning_rate": 9.532646048109967e-06,
      "loss": 0.2727,
      "num_tokens": 685647.0,
      "step": 1614
    },
    {
      "epoch": 0.5383333333333333,
      "grad_norm": 12.468040466308594,
      "learning_rate": 9.525773195876288e-06,
      "loss": 0.2271,
      "num_tokens": 686086.0,
      "step": 1615
    },
    {
      "epoch": 0.5386666666666666,
      "grad_norm": 18.81756019592285,
      "learning_rate": 9.518900343642611e-06,
      "loss": 0.3244,
      "num_tokens": 686543.0,
      "step": 1616
    },
    {
      "epoch": 0.539,
      "grad_norm": 24.554067611694336,
      "learning_rate": 9.512027491408934e-06,
      "loss": 0.5434,
      "num_tokens": 686908.0,
      "step": 1617
    },
    {
      "epoch": 0.5393333333333333,
      "grad_norm": 14.40299129486084,
      "learning_rate": 9.505154639175257e-06,
      "loss": 0.2854,
      "num_tokens": 687342.0,
      "step": 1618
    },
    {
      "epoch": 0.5396666666666666,
      "grad_norm": 15.726556777954102,
      "learning_rate": 9.49828178694158e-06,
      "loss": 0.2281,
      "num_tokens": 687718.0,
      "step": 1619
    },
    {
      "epoch": 0.54,
      "grad_norm": 15.500628471374512,
      "learning_rate": 9.491408934707903e-06,
      "loss": 0.4311,
      "num_tokens": 688241.0,
      "step": 1620
    },
    {
      "epoch": 0.5403333333333333,
      "grad_norm": 15.936690330505371,
      "learning_rate": 9.484536082474226e-06,
      "loss": 0.35,
      "num_tokens": 688785.0,
      "step": 1621
    },
    {
      "epoch": 0.5406666666666666,
      "grad_norm": 15.648868560791016,
      "learning_rate": 9.47766323024055e-06,
      "loss": 0.3291,
      "num_tokens": 689303.0,
      "step": 1622
    },
    {
      "epoch": 0.541,
      "grad_norm": 18.343040466308594,
      "learning_rate": 9.470790378006872e-06,
      "loss": 0.4135,
      "num_tokens": 689776.0,
      "step": 1623
    },
    {
      "epoch": 0.5413333333333333,
      "grad_norm": 18.3728084564209,
      "learning_rate": 9.463917525773197e-06,
      "loss": 0.4072,
      "num_tokens": 690110.0,
      "step": 1624
    },
    {
      "epoch": 0.5416666666666666,
      "grad_norm": 15.797283172607422,
      "learning_rate": 9.45704467353952e-06,
      "loss": 0.3833,
      "num_tokens": 690632.0,
      "step": 1625
    },
    {
      "epoch": 0.542,
      "grad_norm": 13.621990203857422,
      "learning_rate": 9.450171821305843e-06,
      "loss": 0.2517,
      "num_tokens": 691129.0,
      "step": 1626
    },
    {
      "epoch": 0.5423333333333333,
      "grad_norm": 12.643838882446289,
      "learning_rate": 9.443298969072166e-06,
      "loss": 0.2645,
      "num_tokens": 691697.0,
      "step": 1627
    },
    {
      "epoch": 0.5426666666666666,
      "grad_norm": 15.254887580871582,
      "learning_rate": 9.43642611683849e-06,
      "loss": 0.2353,
      "num_tokens": 692159.0,
      "step": 1628
    },
    {
      "epoch": 0.543,
      "grad_norm": 17.00467300415039,
      "learning_rate": 9.429553264604812e-06,
      "loss": 0.3186,
      "num_tokens": 692585.0,
      "step": 1629
    },
    {
      "epoch": 0.5433333333333333,
      "grad_norm": 24.26474380493164,
      "learning_rate": 9.422680412371135e-06,
      "loss": 0.3163,
      "num_tokens": 692827.0,
      "step": 1630
    },
    {
      "epoch": 0.5436666666666666,
      "grad_norm": 18.04642677307129,
      "learning_rate": 9.415807560137458e-06,
      "loss": 0.2741,
      "num_tokens": 693304.0,
      "step": 1631
    },
    {
      "epoch": 0.544,
      "grad_norm": 17.497257232666016,
      "learning_rate": 9.408934707903781e-06,
      "loss": 0.3967,
      "num_tokens": 693791.0,
      "step": 1632
    },
    {
      "epoch": 0.5443333333333333,
      "grad_norm": 20.930309295654297,
      "learning_rate": 9.402061855670104e-06,
      "loss": 0.3946,
      "num_tokens": 694145.0,
      "step": 1633
    },
    {
      "epoch": 0.5446666666666666,
      "grad_norm": 14.233626365661621,
      "learning_rate": 9.395189003436427e-06,
      "loss": 0.2694,
      "num_tokens": 694659.0,
      "step": 1634
    },
    {
      "epoch": 0.545,
      "grad_norm": 20.011308670043945,
      "learning_rate": 9.38831615120275e-06,
      "loss": 0.3333,
      "num_tokens": 694988.0,
      "step": 1635
    },
    {
      "epoch": 0.5453333333333333,
      "grad_norm": 22.643875122070312,
      "learning_rate": 9.381443298969073e-06,
      "loss": 0.3818,
      "num_tokens": 695246.0,
      "step": 1636
    },
    {
      "epoch": 0.5456666666666666,
      "grad_norm": 22.17720603942871,
      "learning_rate": 9.374570446735396e-06,
      "loss": 0.3655,
      "num_tokens": 695561.0,
      "step": 1637
    },
    {
      "epoch": 0.546,
      "grad_norm": 11.026832580566406,
      "learning_rate": 9.36769759450172e-06,
      "loss": 0.2075,
      "num_tokens": 696416.0,
      "step": 1638
    },
    {
      "epoch": 0.5463333333333333,
      "grad_norm": 16.765884399414062,
      "learning_rate": 9.360824742268042e-06,
      "loss": 0.3035,
      "num_tokens": 696868.0,
      "step": 1639
    },
    {
      "epoch": 0.5466666666666666,
      "grad_norm": 19.190893173217773,
      "learning_rate": 9.353951890034365e-06,
      "loss": 0.5167,
      "num_tokens": 697382.0,
      "step": 1640
    },
    {
      "epoch": 0.547,
      "grad_norm": 19.595775604248047,
      "learning_rate": 9.347079037800688e-06,
      "loss": 0.4328,
      "num_tokens": 697782.0,
      "step": 1641
    },
    {
      "epoch": 0.5473333333333333,
      "grad_norm": 14.254444122314453,
      "learning_rate": 9.340206185567011e-06,
      "loss": 0.2693,
      "num_tokens": 698329.0,
      "step": 1642
    },
    {
      "epoch": 0.5476666666666666,
      "grad_norm": 37.99089813232422,
      "learning_rate": 9.333333333333334e-06,
      "loss": 0.5356,
      "num_tokens": 698704.0,
      "step": 1643
    },
    {
      "epoch": 0.548,
      "grad_norm": 21.96015167236328,
      "learning_rate": 9.326460481099657e-06,
      "loss": 0.4424,
      "num_tokens": 699090.0,
      "step": 1644
    },
    {
      "epoch": 0.5483333333333333,
      "grad_norm": 18.134693145751953,
      "learning_rate": 9.31958762886598e-06,
      "loss": 0.3149,
      "num_tokens": 699466.0,
      "step": 1645
    },
    {
      "epoch": 0.5486666666666666,
      "grad_norm": 17.168249130249023,
      "learning_rate": 9.312714776632303e-06,
      "loss": 0.2951,
      "num_tokens": 699817.0,
      "step": 1646
    },
    {
      "epoch": 0.549,
      "grad_norm": 22.79177474975586,
      "learning_rate": 9.305841924398626e-06,
      "loss": 0.4639,
      "num_tokens": 700334.0,
      "step": 1647
    },
    {
      "epoch": 0.5493333333333333,
      "grad_norm": 22.64977264404297,
      "learning_rate": 9.29896907216495e-06,
      "loss": 0.4875,
      "num_tokens": 700640.0,
      "step": 1648
    },
    {
      "epoch": 0.5496666666666666,
      "grad_norm": 16.322446823120117,
      "learning_rate": 9.292096219931272e-06,
      "loss": 0.2933,
      "num_tokens": 701058.0,
      "step": 1649
    },
    {
      "epoch": 0.55,
      "grad_norm": 24.061233520507812,
      "learning_rate": 9.285223367697595e-06,
      "loss": 0.4232,
      "num_tokens": 701486.0,
      "step": 1650
    },
    {
      "epoch": 0.5503333333333333,
      "grad_norm": 21.64773178100586,
      "learning_rate": 9.278350515463918e-06,
      "loss": 0.3328,
      "num_tokens": 701794.0,
      "step": 1651
    },
    {
      "epoch": 0.5506666666666666,
      "grad_norm": 14.785501480102539,
      "learning_rate": 9.271477663230241e-06,
      "loss": 0.23,
      "num_tokens": 702278.0,
      "step": 1652
    },
    {
      "epoch": 0.551,
      "grad_norm": 18.932937622070312,
      "learning_rate": 9.264604810996564e-06,
      "loss": 0.294,
      "num_tokens": 702689.0,
      "step": 1653
    },
    {
      "epoch": 0.5513333333333333,
      "grad_norm": 15.065712928771973,
      "learning_rate": 9.257731958762887e-06,
      "loss": 0.2738,
      "num_tokens": 703298.0,
      "step": 1654
    },
    {
      "epoch": 0.5516666666666666,
      "grad_norm": 10.354486465454102,
      "learning_rate": 9.25085910652921e-06,
      "loss": 0.1955,
      "num_tokens": 703891.0,
      "step": 1655
    },
    {
      "epoch": 0.552,
      "grad_norm": 16.136192321777344,
      "learning_rate": 9.243986254295533e-06,
      "loss": 0.3097,
      "num_tokens": 704462.0,
      "step": 1656
    },
    {
      "epoch": 0.5523333333333333,
      "grad_norm": 21.952558517456055,
      "learning_rate": 9.237113402061856e-06,
      "loss": 0.4169,
      "num_tokens": 704776.0,
      "step": 1657
    },
    {
      "epoch": 0.5526666666666666,
      "grad_norm": 10.150717735290527,
      "learning_rate": 9.23024054982818e-06,
      "loss": 0.2078,
      "num_tokens": 705532.0,
      "step": 1658
    },
    {
      "epoch": 0.553,
      "grad_norm": 18.291757583618164,
      "learning_rate": 9.223367697594502e-06,
      "loss": 0.3642,
      "num_tokens": 705834.0,
      "step": 1659
    },
    {
      "epoch": 0.5533333333333333,
      "grad_norm": 24.28529167175293,
      "learning_rate": 9.216494845360825e-06,
      "loss": 0.3624,
      "num_tokens": 706084.0,
      "step": 1660
    },
    {
      "epoch": 0.5536666666666666,
      "grad_norm": 17.309457778930664,
      "learning_rate": 9.209621993127148e-06,
      "loss": 0.3885,
      "num_tokens": 706548.0,
      "step": 1661
    },
    {
      "epoch": 0.554,
      "grad_norm": 14.954508781433105,
      "learning_rate": 9.202749140893471e-06,
      "loss": 0.3455,
      "num_tokens": 706959.0,
      "step": 1662
    },
    {
      "epoch": 0.5543333333333333,
      "grad_norm": 12.801079750061035,
      "learning_rate": 9.195876288659794e-06,
      "loss": 0.1886,
      "num_tokens": 707804.0,
      "step": 1663
    },
    {
      "epoch": 0.5546666666666666,
      "grad_norm": 18.444002151489258,
      "learning_rate": 9.189003436426117e-06,
      "loss": 0.4335,
      "num_tokens": 708237.0,
      "step": 1664
    },
    {
      "epoch": 0.555,
      "grad_norm": 17.730010986328125,
      "learning_rate": 9.18213058419244e-06,
      "loss": 0.2949,
      "num_tokens": 708635.0,
      "step": 1665
    },
    {
      "epoch": 0.5553333333333333,
      "grad_norm": 11.369793891906738,
      "learning_rate": 9.175257731958764e-06,
      "loss": 0.2068,
      "num_tokens": 709157.0,
      "step": 1666
    },
    {
      "epoch": 0.5556666666666666,
      "grad_norm": 20.490964889526367,
      "learning_rate": 9.168384879725087e-06,
      "loss": 0.4054,
      "num_tokens": 709510.0,
      "step": 1667
    },
    {
      "epoch": 0.556,
      "grad_norm": 25.795202255249023,
      "learning_rate": 9.16151202749141e-06,
      "loss": 0.3631,
      "num_tokens": 709767.0,
      "step": 1668
    },
    {
      "epoch": 0.5563333333333333,
      "grad_norm": 10.47407054901123,
      "learning_rate": 9.154639175257733e-06,
      "loss": 0.2248,
      "num_tokens": 710502.0,
      "step": 1669
    },
    {
      "epoch": 0.5566666666666666,
      "grad_norm": 20.259159088134766,
      "learning_rate": 9.147766323024056e-06,
      "loss": 0.4135,
      "num_tokens": 710859.0,
      "step": 1670
    },
    {
      "epoch": 0.557,
      "grad_norm": 20.48171615600586,
      "learning_rate": 9.140893470790379e-06,
      "loss": 0.4533,
      "num_tokens": 711280.0,
      "step": 1671
    },
    {
      "epoch": 0.5573333333333333,
      "grad_norm": 24.816612243652344,
      "learning_rate": 9.134020618556702e-06,
      "loss": 0.5282,
      "num_tokens": 711685.0,
      "step": 1672
    },
    {
      "epoch": 0.5576666666666666,
      "grad_norm": 11.141294479370117,
      "learning_rate": 9.127147766323025e-06,
      "loss": 0.1841,
      "num_tokens": 712185.0,
      "step": 1673
    },
    {
      "epoch": 0.558,
      "grad_norm": 13.96796989440918,
      "learning_rate": 9.120274914089348e-06,
      "loss": 0.339,
      "num_tokens": 712700.0,
      "step": 1674
    },
    {
      "epoch": 0.5583333333333333,
      "grad_norm": 19.04978370666504,
      "learning_rate": 9.11340206185567e-06,
      "loss": 0.3529,
      "num_tokens": 713055.0,
      "step": 1675
    },
    {
      "epoch": 0.5586666666666666,
      "grad_norm": 15.499602317810059,
      "learning_rate": 9.106529209621994e-06,
      "loss": 0.2818,
      "num_tokens": 713547.0,
      "step": 1676
    },
    {
      "epoch": 0.559,
      "grad_norm": 13.616783142089844,
      "learning_rate": 9.099656357388317e-06,
      "loss": 0.2947,
      "num_tokens": 714120.0,
      "step": 1677
    },
    {
      "epoch": 0.5593333333333333,
      "grad_norm": 19.004880905151367,
      "learning_rate": 9.09278350515464e-06,
      "loss": 0.3078,
      "num_tokens": 714422.0,
      "step": 1678
    },
    {
      "epoch": 0.5596666666666666,
      "grad_norm": 31.50261878967285,
      "learning_rate": 9.085910652920963e-06,
      "loss": 0.279,
      "num_tokens": 714848.0,
      "step": 1679
    },
    {
      "epoch": 0.56,
      "grad_norm": 25.381851196289062,
      "learning_rate": 9.079037800687286e-06,
      "loss": 0.4611,
      "num_tokens": 715087.0,
      "step": 1680
    },
    {
      "epoch": 0.5603333333333333,
      "grad_norm": 27.051803588867188,
      "learning_rate": 9.072164948453609e-06,
      "loss": 0.584,
      "num_tokens": 715363.0,
      "step": 1681
    },
    {
      "epoch": 0.5606666666666666,
      "grad_norm": 15.09622573852539,
      "learning_rate": 9.065292096219932e-06,
      "loss": 0.2636,
      "num_tokens": 715842.0,
      "step": 1682
    },
    {
      "epoch": 0.561,
      "grad_norm": 21.924968719482422,
      "learning_rate": 9.058419243986255e-06,
      "loss": 0.3884,
      "num_tokens": 716231.0,
      "step": 1683
    },
    {
      "epoch": 0.5613333333333334,
      "grad_norm": 19.427446365356445,
      "learning_rate": 9.051546391752578e-06,
      "loss": 0.3538,
      "num_tokens": 716628.0,
      "step": 1684
    },
    {
      "epoch": 0.5616666666666666,
      "grad_norm": 17.159500122070312,
      "learning_rate": 9.0446735395189e-06,
      "loss": 0.3009,
      "num_tokens": 717083.0,
      "step": 1685
    },
    {
      "epoch": 0.562,
      "grad_norm": 18.53658676147461,
      "learning_rate": 9.037800687285224e-06,
      "loss": 0.2974,
      "num_tokens": 717627.0,
      "step": 1686
    },
    {
      "epoch": 0.5623333333333334,
      "grad_norm": 39.6973762512207,
      "learning_rate": 9.030927835051547e-06,
      "loss": 0.6,
      "num_tokens": 717812.0,
      "step": 1687
    },
    {
      "epoch": 0.5626666666666666,
      "grad_norm": 15.432571411132812,
      "learning_rate": 9.02405498281787e-06,
      "loss": 0.2888,
      "num_tokens": 718303.0,
      "step": 1688
    },
    {
      "epoch": 0.563,
      "grad_norm": 18.9945068359375,
      "learning_rate": 9.017182130584193e-06,
      "loss": 0.3805,
      "num_tokens": 718694.0,
      "step": 1689
    },
    {
      "epoch": 0.5633333333333334,
      "grad_norm": 23.124374389648438,
      "learning_rate": 9.010309278350516e-06,
      "loss": 0.5007,
      "num_tokens": 719013.0,
      "step": 1690
    },
    {
      "epoch": 0.5636666666666666,
      "grad_norm": 14.777887344360352,
      "learning_rate": 9.003436426116839e-06,
      "loss": 0.2652,
      "num_tokens": 719522.0,
      "step": 1691
    },
    {
      "epoch": 0.564,
      "grad_norm": 14.204819679260254,
      "learning_rate": 8.996563573883162e-06,
      "loss": 0.222,
      "num_tokens": 719953.0,
      "step": 1692
    },
    {
      "epoch": 0.5643333333333334,
      "grad_norm": 17.202373504638672,
      "learning_rate": 8.989690721649485e-06,
      "loss": 0.3187,
      "num_tokens": 720351.0,
      "step": 1693
    },
    {
      "epoch": 0.5646666666666667,
      "grad_norm": 17.98405647277832,
      "learning_rate": 8.982817869415808e-06,
      "loss": 0.3784,
      "num_tokens": 720895.0,
      "step": 1694
    },
    {
      "epoch": 0.565,
      "grad_norm": 28.74911117553711,
      "learning_rate": 8.975945017182132e-06,
      "loss": 0.5596,
      "num_tokens": 721164.0,
      "step": 1695
    },
    {
      "epoch": 0.5653333333333334,
      "grad_norm": 13.313467025756836,
      "learning_rate": 8.969072164948455e-06,
      "loss": 0.1746,
      "num_tokens": 721479.0,
      "step": 1696
    },
    {
      "epoch": 0.5656666666666667,
      "grad_norm": 16.989959716796875,
      "learning_rate": 8.962199312714778e-06,
      "loss": 0.3184,
      "num_tokens": 721956.0,
      "step": 1697
    },
    {
      "epoch": 0.566,
      "grad_norm": 16.558982849121094,
      "learning_rate": 8.955326460481101e-06,
      "loss": 0.2933,
      "num_tokens": 722364.0,
      "step": 1698
    },
    {
      "epoch": 0.5663333333333334,
      "grad_norm": 23.209171295166016,
      "learning_rate": 8.948453608247424e-06,
      "loss": 0.399,
      "num_tokens": 722606.0,
      "step": 1699
    },
    {
      "epoch": 0.5666666666666667,
      "grad_norm": 24.557601928710938,
      "learning_rate": 8.941580756013747e-06,
      "loss": 0.3903,
      "num_tokens": 722869.0,
      "step": 1700
    },
    {
      "epoch": 0.567,
      "grad_norm": 17.400808334350586,
      "learning_rate": 8.93470790378007e-06,
      "loss": 0.2762,
      "num_tokens": 723190.0,
      "step": 1701
    },
    {
      "epoch": 0.5673333333333334,
      "grad_norm": 14.550352096557617,
      "learning_rate": 8.927835051546394e-06,
      "loss": 0.2593,
      "num_tokens": 723750.0,
      "step": 1702
    },
    {
      "epoch": 0.5676666666666667,
      "grad_norm": 13.119606971740723,
      "learning_rate": 8.920962199312717e-06,
      "loss": 0.2288,
      "num_tokens": 724275.0,
      "step": 1703
    },
    {
      "epoch": 0.568,
      "grad_norm": 35.911338806152344,
      "learning_rate": 8.91408934707904e-06,
      "loss": 0.453,
      "num_tokens": 724586.0,
      "step": 1704
    },
    {
      "epoch": 0.5683333333333334,
      "grad_norm": 17.832868576049805,
      "learning_rate": 8.907216494845363e-06,
      "loss": 0.3741,
      "num_tokens": 725025.0,
      "step": 1705
    },
    {
      "epoch": 0.5686666666666667,
      "grad_norm": 12.683430671691895,
      "learning_rate": 8.900343642611684e-06,
      "loss": 0.2764,
      "num_tokens": 725537.0,
      "step": 1706
    },
    {
      "epoch": 0.569,
      "grad_norm": 27.21957015991211,
      "learning_rate": 8.893470790378007e-06,
      "loss": 0.3016,
      "num_tokens": 725869.0,
      "step": 1707
    },
    {
      "epoch": 0.5693333333333334,
      "grad_norm": 17.432079315185547,
      "learning_rate": 8.88659793814433e-06,
      "loss": 0.3075,
      "num_tokens": 726250.0,
      "step": 1708
    },
    {
      "epoch": 0.5696666666666667,
      "grad_norm": 21.740825653076172,
      "learning_rate": 8.879725085910653e-06,
      "loss": 0.3108,
      "num_tokens": 726729.0,
      "step": 1709
    },
    {
      "epoch": 0.57,
      "grad_norm": 14.526434898376465,
      "learning_rate": 8.872852233676976e-06,
      "loss": 0.3697,
      "num_tokens": 727136.0,
      "step": 1710
    },
    {
      "epoch": 0.5703333333333334,
      "grad_norm": 11.737061500549316,
      "learning_rate": 8.865979381443299e-06,
      "loss": 0.228,
      "num_tokens": 727668.0,
      "step": 1711
    },
    {
      "epoch": 0.5706666666666667,
      "grad_norm": 14.325531959533691,
      "learning_rate": 8.859106529209622e-06,
      "loss": 0.2357,
      "num_tokens": 728038.0,
      "step": 1712
    },
    {
      "epoch": 0.571,
      "grad_norm": 17.168746948242188,
      "learning_rate": 8.852233676975945e-06,
      "loss": 0.2696,
      "num_tokens": 728455.0,
      "step": 1713
    },
    {
      "epoch": 0.5713333333333334,
      "grad_norm": 15.798415184020996,
      "learning_rate": 8.845360824742268e-06,
      "loss": 0.3325,
      "num_tokens": 728862.0,
      "step": 1714
    },
    {
      "epoch": 0.5716666666666667,
      "grad_norm": 15.269011497497559,
      "learning_rate": 8.838487972508591e-06,
      "loss": 0.3282,
      "num_tokens": 729512.0,
      "step": 1715
    },
    {
      "epoch": 0.572,
      "grad_norm": 16.42952537536621,
      "learning_rate": 8.831615120274914e-06,
      "loss": 0.3829,
      "num_tokens": 729984.0,
      "step": 1716
    },
    {
      "epoch": 0.5723333333333334,
      "grad_norm": 8.836243629455566,
      "learning_rate": 8.824742268041237e-06,
      "loss": 0.1567,
      "num_tokens": 730420.0,
      "step": 1717
    },
    {
      "epoch": 0.5726666666666667,
      "grad_norm": 28.38826560974121,
      "learning_rate": 8.81786941580756e-06,
      "loss": 0.3831,
      "num_tokens": 730655.0,
      "step": 1718
    },
    {
      "epoch": 0.573,
      "grad_norm": 23.424415588378906,
      "learning_rate": 8.810996563573883e-06,
      "loss": 0.4666,
      "num_tokens": 730961.0,
      "step": 1719
    },
    {
      "epoch": 0.5733333333333334,
      "grad_norm": 19.968393325805664,
      "learning_rate": 8.804123711340206e-06,
      "loss": 0.3474,
      "num_tokens": 731415.0,
      "step": 1720
    },
    {
      "epoch": 0.5736666666666667,
      "grad_norm": 18.723146438598633,
      "learning_rate": 8.797250859106529e-06,
      "loss": 0.4803,
      "num_tokens": 731982.0,
      "step": 1721
    },
    {
      "epoch": 0.574,
      "grad_norm": 17.946979522705078,
      "learning_rate": 8.790378006872852e-06,
      "loss": 0.311,
      "num_tokens": 732276.0,
      "step": 1722
    },
    {
      "epoch": 0.5743333333333334,
      "grad_norm": 22.2428035736084,
      "learning_rate": 8.783505154639177e-06,
      "loss": 0.3867,
      "num_tokens": 732685.0,
      "step": 1723
    },
    {
      "epoch": 0.5746666666666667,
      "grad_norm": 13.960770606994629,
      "learning_rate": 8.7766323024055e-06,
      "loss": 0.2763,
      "num_tokens": 733165.0,
      "step": 1724
    },
    {
      "epoch": 0.575,
      "grad_norm": 16.63258934020996,
      "learning_rate": 8.769759450171823e-06,
      "loss": 0.2411,
      "num_tokens": 733697.0,
      "step": 1725
    },
    {
      "epoch": 0.5753333333333334,
      "grad_norm": 16.75143051147461,
      "learning_rate": 8.762886597938146e-06,
      "loss": 0.2938,
      "num_tokens": 734012.0,
      "step": 1726
    },
    {
      "epoch": 0.5756666666666667,
      "grad_norm": 11.530450820922852,
      "learning_rate": 8.756013745704469e-06,
      "loss": 0.2177,
      "num_tokens": 734587.0,
      "step": 1727
    },
    {
      "epoch": 0.576,
      "grad_norm": 15.166725158691406,
      "learning_rate": 8.749140893470792e-06,
      "loss": 0.2951,
      "num_tokens": 735027.0,
      "step": 1728
    },
    {
      "epoch": 0.5763333333333334,
      "grad_norm": 36.3653450012207,
      "learning_rate": 8.742268041237115e-06,
      "loss": 0.488,
      "num_tokens": 735363.0,
      "step": 1729
    },
    {
      "epoch": 0.5766666666666667,
      "grad_norm": 11.9863862991333,
      "learning_rate": 8.735395189003438e-06,
      "loss": 0.1871,
      "num_tokens": 735878.0,
      "step": 1730
    },
    {
      "epoch": 0.577,
      "grad_norm": 15.36286449432373,
      "learning_rate": 8.72852233676976e-06,
      "loss": 0.2226,
      "num_tokens": 736311.0,
      "step": 1731
    },
    {
      "epoch": 0.5773333333333334,
      "grad_norm": 11.510364532470703,
      "learning_rate": 8.721649484536084e-06,
      "loss": 0.1674,
      "num_tokens": 736814.0,
      "step": 1732
    },
    {
      "epoch": 0.5776666666666667,
      "grad_norm": 14.891397476196289,
      "learning_rate": 8.714776632302407e-06,
      "loss": 0.2914,
      "num_tokens": 737361.0,
      "step": 1733
    },
    {
      "epoch": 0.578,
      "grad_norm": 23.638525009155273,
      "learning_rate": 8.70790378006873e-06,
      "loss": 0.4346,
      "num_tokens": 737706.0,
      "step": 1734
    },
    {
      "epoch": 0.5783333333333334,
      "grad_norm": 21.3564453125,
      "learning_rate": 8.701030927835053e-06,
      "loss": 0.3786,
      "num_tokens": 738100.0,
      "step": 1735
    },
    {
      "epoch": 0.5786666666666667,
      "grad_norm": 22.08631706237793,
      "learning_rate": 8.694158075601376e-06,
      "loss": 0.3778,
      "num_tokens": 738486.0,
      "step": 1736
    },
    {
      "epoch": 0.579,
      "grad_norm": 13.20022201538086,
      "learning_rate": 8.687285223367699e-06,
      "loss": 0.2305,
      "num_tokens": 739024.0,
      "step": 1737
    },
    {
      "epoch": 0.5793333333333334,
      "grad_norm": 25.37921142578125,
      "learning_rate": 8.680412371134022e-06,
      "loss": 0.4896,
      "num_tokens": 739304.0,
      "step": 1738
    },
    {
      "epoch": 0.5796666666666667,
      "grad_norm": 23.528518676757812,
      "learning_rate": 8.673539518900345e-06,
      "loss": 0.4038,
      "num_tokens": 739641.0,
      "step": 1739
    },
    {
      "epoch": 0.58,
      "grad_norm": 18.078397750854492,
      "learning_rate": 8.666666666666668e-06,
      "loss": 0.3046,
      "num_tokens": 740065.0,
      "step": 1740
    },
    {
      "epoch": 0.5803333333333334,
      "grad_norm": 9.670743942260742,
      "learning_rate": 8.65979381443299e-06,
      "loss": 0.1857,
      "num_tokens": 740653.0,
      "step": 1741
    },
    {
      "epoch": 0.5806666666666667,
      "grad_norm": 14.760104179382324,
      "learning_rate": 8.652920962199314e-06,
      "loss": 0.2859,
      "num_tokens": 741221.0,
      "step": 1742
    },
    {
      "epoch": 0.581,
      "grad_norm": 11.234084129333496,
      "learning_rate": 8.646048109965637e-06,
      "loss": 0.197,
      "num_tokens": 741801.0,
      "step": 1743
    },
    {
      "epoch": 0.5813333333333334,
      "grad_norm": 18.496219635009766,
      "learning_rate": 8.63917525773196e-06,
      "loss": 0.3958,
      "num_tokens": 742257.0,
      "step": 1744
    },
    {
      "epoch": 0.5816666666666667,
      "grad_norm": 11.379688262939453,
      "learning_rate": 8.632302405498283e-06,
      "loss": 0.2076,
      "num_tokens": 742749.0,
      "step": 1745
    },
    {
      "epoch": 0.582,
      "grad_norm": 21.252229690551758,
      "learning_rate": 8.625429553264606e-06,
      "loss": 0.3881,
      "num_tokens": 743139.0,
      "step": 1746
    },
    {
      "epoch": 0.5823333333333334,
      "grad_norm": 16.405994415283203,
      "learning_rate": 8.618556701030929e-06,
      "loss": 0.3192,
      "num_tokens": 743548.0,
      "step": 1747
    },
    {
      "epoch": 0.5826666666666667,
      "grad_norm": 16.866121292114258,
      "learning_rate": 8.611683848797252e-06,
      "loss": 0.2606,
      "num_tokens": 744053.0,
      "step": 1748
    },
    {
      "epoch": 0.583,
      "grad_norm": 12.936274528503418,
      "learning_rate": 8.604810996563575e-06,
      "loss": 0.1892,
      "num_tokens": 744546.0,
      "step": 1749
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 11.928746223449707,
      "learning_rate": 8.597938144329898e-06,
      "loss": 0.2278,
      "num_tokens": 745167.0,
      "step": 1750
    },
    {
      "epoch": 0.5836666666666667,
      "grad_norm": 34.03020095825195,
      "learning_rate": 8.591065292096221e-06,
      "loss": 0.5446,
      "num_tokens": 745398.0,
      "step": 1751
    },
    {
      "epoch": 0.584,
      "grad_norm": 18.491029739379883,
      "learning_rate": 8.584192439862544e-06,
      "loss": 0.323,
      "num_tokens": 745761.0,
      "step": 1752
    },
    {
      "epoch": 0.5843333333333334,
      "grad_norm": 12.660356521606445,
      "learning_rate": 8.577319587628867e-06,
      "loss": 0.2177,
      "num_tokens": 746264.0,
      "step": 1753
    },
    {
      "epoch": 0.5846666666666667,
      "grad_norm": 14.597548484802246,
      "learning_rate": 8.57044673539519e-06,
      "loss": 0.3198,
      "num_tokens": 746924.0,
      "step": 1754
    },
    {
      "epoch": 0.585,
      "grad_norm": 36.669029235839844,
      "learning_rate": 8.563573883161513e-06,
      "loss": 0.6966,
      "num_tokens": 747183.0,
      "step": 1755
    },
    {
      "epoch": 0.5853333333333334,
      "grad_norm": 22.19483757019043,
      "learning_rate": 8.556701030927836e-06,
      "loss": 0.3424,
      "num_tokens": 747484.0,
      "step": 1756
    },
    {
      "epoch": 0.5856666666666667,
      "grad_norm": 12.607491493225098,
      "learning_rate": 8.549828178694159e-06,
      "loss": 0.2227,
      "num_tokens": 748317.0,
      "step": 1757
    },
    {
      "epoch": 0.586,
      "grad_norm": 10.176495552062988,
      "learning_rate": 8.542955326460482e-06,
      "loss": 0.2051,
      "num_tokens": 748889.0,
      "step": 1758
    },
    {
      "epoch": 0.5863333333333334,
      "grad_norm": 27.83660316467285,
      "learning_rate": 8.536082474226805e-06,
      "loss": 0.4141,
      "num_tokens": 749145.0,
      "step": 1759
    },
    {
      "epoch": 0.5866666666666667,
      "grad_norm": 26.99822998046875,
      "learning_rate": 8.529209621993128e-06,
      "loss": 0.4368,
      "num_tokens": 749441.0,
      "step": 1760
    },
    {
      "epoch": 0.587,
      "grad_norm": 21.6968936920166,
      "learning_rate": 8.522336769759451e-06,
      "loss": 0.4092,
      "num_tokens": 749736.0,
      "step": 1761
    },
    {
      "epoch": 0.5873333333333334,
      "grad_norm": 15.740528106689453,
      "learning_rate": 8.515463917525774e-06,
      "loss": 0.3331,
      "num_tokens": 750198.0,
      "step": 1762
    },
    {
      "epoch": 0.5876666666666667,
      "grad_norm": 18.930313110351562,
      "learning_rate": 8.508591065292097e-06,
      "loss": 0.2615,
      "num_tokens": 750587.0,
      "step": 1763
    },
    {
      "epoch": 0.588,
      "grad_norm": 11.96757984161377,
      "learning_rate": 8.50171821305842e-06,
      "loss": 0.1865,
      "num_tokens": 751066.0,
      "step": 1764
    },
    {
      "epoch": 0.5883333333333334,
      "grad_norm": 21.416547775268555,
      "learning_rate": 8.494845360824743e-06,
      "loss": 0.2441,
      "num_tokens": 751360.0,
      "step": 1765
    },
    {
      "epoch": 0.5886666666666667,
      "grad_norm": 14.33950138092041,
      "learning_rate": 8.487972508591066e-06,
      "loss": 0.2401,
      "num_tokens": 751908.0,
      "step": 1766
    },
    {
      "epoch": 0.589,
      "grad_norm": 26.184648513793945,
      "learning_rate": 8.481099656357389e-06,
      "loss": 0.3474,
      "num_tokens": 752227.0,
      "step": 1767
    },
    {
      "epoch": 0.5893333333333334,
      "grad_norm": 24.832761764526367,
      "learning_rate": 8.474226804123712e-06,
      "loss": 0.5163,
      "num_tokens": 752750.0,
      "step": 1768
    },
    {
      "epoch": 0.5896666666666667,
      "grad_norm": 9.603775978088379,
      "learning_rate": 8.467353951890035e-06,
      "loss": 0.1238,
      "num_tokens": 753335.0,
      "step": 1769
    },
    {
      "epoch": 0.59,
      "grad_norm": 17.44608497619629,
      "learning_rate": 8.460481099656358e-06,
      "loss": 0.3116,
      "num_tokens": 753690.0,
      "step": 1770
    },
    {
      "epoch": 0.5903333333333334,
      "grad_norm": 39.9282112121582,
      "learning_rate": 8.453608247422681e-06,
      "loss": 0.6628,
      "num_tokens": 753878.0,
      "step": 1771
    },
    {
      "epoch": 0.5906666666666667,
      "grad_norm": 25.318140029907227,
      "learning_rate": 8.446735395189004e-06,
      "loss": 0.3546,
      "num_tokens": 754122.0,
      "step": 1772
    },
    {
      "epoch": 0.591,
      "grad_norm": 10.376173973083496,
      "learning_rate": 8.439862542955327e-06,
      "loss": 0.1858,
      "num_tokens": 754862.0,
      "step": 1773
    },
    {
      "epoch": 0.5913333333333334,
      "grad_norm": 35.452613830566406,
      "learning_rate": 8.43298969072165e-06,
      "loss": 0.6529,
      "num_tokens": 755236.0,
      "step": 1774
    },
    {
      "epoch": 0.5916666666666667,
      "grad_norm": 28.880781173706055,
      "learning_rate": 8.426116838487973e-06,
      "loss": 0.2201,
      "num_tokens": 755684.0,
      "step": 1775
    },
    {
      "epoch": 0.592,
      "grad_norm": 22.881328582763672,
      "learning_rate": 8.419243986254296e-06,
      "loss": 0.3643,
      "num_tokens": 755946.0,
      "step": 1776
    },
    {
      "epoch": 0.5923333333333334,
      "grad_norm": 20.013978958129883,
      "learning_rate": 8.412371134020619e-06,
      "loss": 0.3261,
      "num_tokens": 756310.0,
      "step": 1777
    },
    {
      "epoch": 0.5926666666666667,
      "grad_norm": 22.35851287841797,
      "learning_rate": 8.405498281786942e-06,
      "loss": 0.4078,
      "num_tokens": 756623.0,
      "step": 1778
    },
    {
      "epoch": 0.593,
      "grad_norm": 18.210826873779297,
      "learning_rate": 8.398625429553265e-06,
      "loss": 0.3596,
      "num_tokens": 757126.0,
      "step": 1779
    },
    {
      "epoch": 0.5933333333333334,
      "grad_norm": 30.06055450439453,
      "learning_rate": 8.391752577319588e-06,
      "loss": 0.4662,
      "num_tokens": 757407.0,
      "step": 1780
    },
    {
      "epoch": 0.5936666666666667,
      "grad_norm": 11.35013198852539,
      "learning_rate": 8.384879725085911e-06,
      "loss": 0.1621,
      "num_tokens": 757936.0,
      "step": 1781
    },
    {
      "epoch": 0.594,
      "grad_norm": 9.999135971069336,
      "learning_rate": 8.378006872852234e-06,
      "loss": 0.196,
      "num_tokens": 758578.0,
      "step": 1782
    },
    {
      "epoch": 0.5943333333333334,
      "grad_norm": 18.529132843017578,
      "learning_rate": 8.371134020618557e-06,
      "loss": 0.2666,
      "num_tokens": 759153.0,
      "step": 1783
    },
    {
      "epoch": 0.5946666666666667,
      "grad_norm": 13.94863224029541,
      "learning_rate": 8.36426116838488e-06,
      "loss": 0.245,
      "num_tokens": 759641.0,
      "step": 1784
    },
    {
      "epoch": 0.595,
      "grad_norm": 19.4188289642334,
      "learning_rate": 8.357388316151203e-06,
      "loss": 0.3773,
      "num_tokens": 760074.0,
      "step": 1785
    },
    {
      "epoch": 0.5953333333333334,
      "grad_norm": 25.787099838256836,
      "learning_rate": 8.350515463917526e-06,
      "loss": 0.4123,
      "num_tokens": 760375.0,
      "step": 1786
    },
    {
      "epoch": 0.5956666666666667,
      "grad_norm": 26.591358184814453,
      "learning_rate": 8.34364261168385e-06,
      "loss": 0.4773,
      "num_tokens": 760675.0,
      "step": 1787
    },
    {
      "epoch": 0.596,
      "grad_norm": 16.520952224731445,
      "learning_rate": 8.336769759450172e-06,
      "loss": 0.3672,
      "num_tokens": 761222.0,
      "step": 1788
    },
    {
      "epoch": 0.5963333333333334,
      "grad_norm": 14.701739311218262,
      "learning_rate": 8.329896907216495e-06,
      "loss": 0.2501,
      "num_tokens": 761690.0,
      "step": 1789
    },
    {
      "epoch": 0.5966666666666667,
      "grad_norm": 23.379108428955078,
      "learning_rate": 8.323024054982818e-06,
      "loss": 0.3477,
      "num_tokens": 762056.0,
      "step": 1790
    },
    {
      "epoch": 0.597,
      "grad_norm": 26.72650718688965,
      "learning_rate": 8.316151202749141e-06,
      "loss": 0.5213,
      "num_tokens": 762351.0,
      "step": 1791
    },
    {
      "epoch": 0.5973333333333334,
      "grad_norm": 16.014869689941406,
      "learning_rate": 8.309278350515464e-06,
      "loss": 0.2356,
      "num_tokens": 762602.0,
      "step": 1792
    },
    {
      "epoch": 0.5976666666666667,
      "grad_norm": 28.606155395507812,
      "learning_rate": 8.302405498281787e-06,
      "loss": 0.5147,
      "num_tokens": 762946.0,
      "step": 1793
    },
    {
      "epoch": 0.598,
      "grad_norm": 18.29939842224121,
      "learning_rate": 8.295532646048112e-06,
      "loss": 0.2937,
      "num_tokens": 763281.0,
      "step": 1794
    },
    {
      "epoch": 0.5983333333333334,
      "grad_norm": 24.319995880126953,
      "learning_rate": 8.288659793814435e-06,
      "loss": 0.3943,
      "num_tokens": 763620.0,
      "step": 1795
    },
    {
      "epoch": 0.5986666666666667,
      "grad_norm": 18.942588806152344,
      "learning_rate": 8.281786941580758e-06,
      "loss": 0.2575,
      "num_tokens": 763964.0,
      "step": 1796
    },
    {
      "epoch": 0.599,
      "grad_norm": 15.756611824035645,
      "learning_rate": 8.27491408934708e-06,
      "loss": 0.2614,
      "num_tokens": 764464.0,
      "step": 1797
    },
    {
      "epoch": 0.5993333333333334,
      "grad_norm": 9.836176872253418,
      "learning_rate": 8.268041237113402e-06,
      "loss": 0.2192,
      "num_tokens": 765112.0,
      "step": 1798
    },
    {
      "epoch": 0.5996666666666667,
      "grad_norm": 27.26851463317871,
      "learning_rate": 8.261168384879725e-06,
      "loss": 0.3839,
      "num_tokens": 765338.0,
      "step": 1799
    },
    {
      "epoch": 0.6,
      "grad_norm": 15.869701385498047,
      "learning_rate": 8.254295532646048e-06,
      "loss": 0.2343,
      "num_tokens": 765855.0,
      "step": 1800
    },
    {
      "epoch": 0.6003333333333334,
      "grad_norm": 30.591880798339844,
      "learning_rate": 8.247422680412371e-06,
      "loss": 0.7302,
      "num_tokens": 766180.0,
      "step": 1801
    },
    {
      "epoch": 0.6006666666666667,
      "grad_norm": 20.991741180419922,
      "learning_rate": 8.240549828178694e-06,
      "loss": 0.4408,
      "num_tokens": 766540.0,
      "step": 1802
    },
    {
      "epoch": 0.601,
      "grad_norm": 21.937761306762695,
      "learning_rate": 8.233676975945017e-06,
      "loss": 0.3285,
      "num_tokens": 766890.0,
      "step": 1803
    },
    {
      "epoch": 0.6013333333333334,
      "grad_norm": 18.13292121887207,
      "learning_rate": 8.22680412371134e-06,
      "loss": 0.3415,
      "num_tokens": 767481.0,
      "step": 1804
    },
    {
      "epoch": 0.6016666666666667,
      "grad_norm": 23.073810577392578,
      "learning_rate": 8.219931271477663e-06,
      "loss": 0.3923,
      "num_tokens": 767816.0,
      "step": 1805
    },
    {
      "epoch": 0.602,
      "grad_norm": 17.74311065673828,
      "learning_rate": 8.213058419243986e-06,
      "loss": 0.3153,
      "num_tokens": 768232.0,
      "step": 1806
    },
    {
      "epoch": 0.6023333333333334,
      "grad_norm": 11.865968704223633,
      "learning_rate": 8.20618556701031e-06,
      "loss": 0.1839,
      "num_tokens": 768819.0,
      "step": 1807
    },
    {
      "epoch": 0.6026666666666667,
      "grad_norm": 37.22713851928711,
      "learning_rate": 8.199312714776632e-06,
      "loss": 0.8611,
      "num_tokens": 769039.0,
      "step": 1808
    },
    {
      "epoch": 0.603,
      "grad_norm": 23.31795883178711,
      "learning_rate": 8.192439862542955e-06,
      "loss": 0.6619,
      "num_tokens": 769565.0,
      "step": 1809
    },
    {
      "epoch": 0.6033333333333334,
      "grad_norm": 16.37868881225586,
      "learning_rate": 8.185567010309278e-06,
      "loss": 0.2699,
      "num_tokens": 769901.0,
      "step": 1810
    },
    {
      "epoch": 0.6036666666666667,
      "grad_norm": 28.098962783813477,
      "learning_rate": 8.178694158075601e-06,
      "loss": 0.3893,
      "num_tokens": 770147.0,
      "step": 1811
    },
    {
      "epoch": 0.604,
      "grad_norm": 14.605302810668945,
      "learning_rate": 8.171821305841924e-06,
      "loss": 0.3162,
      "num_tokens": 770601.0,
      "step": 1812
    },
    {
      "epoch": 0.6043333333333333,
      "grad_norm": 18.524009704589844,
      "learning_rate": 8.164948453608247e-06,
      "loss": 0.3129,
      "num_tokens": 771011.0,
      "step": 1813
    },
    {
      "epoch": 0.6046666666666667,
      "grad_norm": 26.423446655273438,
      "learning_rate": 8.15807560137457e-06,
      "loss": 0.5007,
      "num_tokens": 771321.0,
      "step": 1814
    },
    {
      "epoch": 0.605,
      "grad_norm": 32.675479888916016,
      "learning_rate": 8.151202749140893e-06,
      "loss": 0.6993,
      "num_tokens": 771626.0,
      "step": 1815
    },
    {
      "epoch": 0.6053333333333333,
      "grad_norm": 46.72008514404297,
      "learning_rate": 8.144329896907216e-06,
      "loss": 0.3754,
      "num_tokens": 772337.0,
      "step": 1816
    },
    {
      "epoch": 0.6056666666666667,
      "grad_norm": 17.84502410888672,
      "learning_rate": 8.13745704467354e-06,
      "loss": 0.2745,
      "num_tokens": 772822.0,
      "step": 1817
    },
    {
      "epoch": 0.606,
      "grad_norm": 25.973567962646484,
      "learning_rate": 8.130584192439862e-06,
      "loss": 0.553,
      "num_tokens": 773285.0,
      "step": 1818
    },
    {
      "epoch": 0.6063333333333333,
      "grad_norm": 11.724309921264648,
      "learning_rate": 8.123711340206185e-06,
      "loss": 0.182,
      "num_tokens": 773914.0,
      "step": 1819
    },
    {
      "epoch": 0.6066666666666667,
      "grad_norm": 17.918731689453125,
      "learning_rate": 8.116838487972508e-06,
      "loss": 0.2408,
      "num_tokens": 774416.0,
      "step": 1820
    },
    {
      "epoch": 0.607,
      "grad_norm": 13.288811683654785,
      "learning_rate": 8.109965635738832e-06,
      "loss": 0.214,
      "num_tokens": 775002.0,
      "step": 1821
    },
    {
      "epoch": 0.6073333333333333,
      "grad_norm": 33.69429016113281,
      "learning_rate": 8.103092783505156e-06,
      "loss": 0.3968,
      "num_tokens": 775269.0,
      "step": 1822
    },
    {
      "epoch": 0.6076666666666667,
      "grad_norm": 11.178689002990723,
      "learning_rate": 8.09621993127148e-06,
      "loss": 0.1969,
      "num_tokens": 775851.0,
      "step": 1823
    },
    {
      "epoch": 0.608,
      "grad_norm": 15.141257286071777,
      "learning_rate": 8.089347079037802e-06,
      "loss": 0.2534,
      "num_tokens": 776395.0,
      "step": 1824
    },
    {
      "epoch": 0.6083333333333333,
      "grad_norm": 26.977317810058594,
      "learning_rate": 8.082474226804125e-06,
      "loss": 0.4766,
      "num_tokens": 776643.0,
      "step": 1825
    },
    {
      "epoch": 0.6086666666666667,
      "grad_norm": 30.21482276916504,
      "learning_rate": 8.075601374570448e-06,
      "loss": 0.508,
      "num_tokens": 776922.0,
      "step": 1826
    },
    {
      "epoch": 0.609,
      "grad_norm": 15.321044921875,
      "learning_rate": 8.068728522336771e-06,
      "loss": 0.2535,
      "num_tokens": 777285.0,
      "step": 1827
    },
    {
      "epoch": 0.6093333333333333,
      "grad_norm": 11.9266939163208,
      "learning_rate": 8.061855670103094e-06,
      "loss": 0.1915,
      "num_tokens": 777859.0,
      "step": 1828
    },
    {
      "epoch": 0.6096666666666667,
      "grad_norm": 18.798877716064453,
      "learning_rate": 8.054982817869417e-06,
      "loss": 0.3458,
      "num_tokens": 778199.0,
      "step": 1829
    },
    {
      "epoch": 0.61,
      "grad_norm": 20.603717803955078,
      "learning_rate": 8.04810996563574e-06,
      "loss": 0.3939,
      "num_tokens": 778582.0,
      "step": 1830
    },
    {
      "epoch": 0.6103333333333333,
      "grad_norm": 13.857816696166992,
      "learning_rate": 8.041237113402063e-06,
      "loss": 0.2118,
      "num_tokens": 779242.0,
      "step": 1831
    },
    {
      "epoch": 0.6106666666666667,
      "grad_norm": 27.260683059692383,
      "learning_rate": 8.034364261168386e-06,
      "loss": 0.6443,
      "num_tokens": 779581.0,
      "step": 1832
    },
    {
      "epoch": 0.611,
      "grad_norm": 24.47563362121582,
      "learning_rate": 8.02749140893471e-06,
      "loss": 0.4028,
      "num_tokens": 779899.0,
      "step": 1833
    },
    {
      "epoch": 0.6113333333333333,
      "grad_norm": 24.275604248046875,
      "learning_rate": 8.020618556701032e-06,
      "loss": 0.5727,
      "num_tokens": 780303.0,
      "step": 1834
    },
    {
      "epoch": 0.6116666666666667,
      "grad_norm": 20.57573699951172,
      "learning_rate": 8.013745704467355e-06,
      "loss": 0.4149,
      "num_tokens": 780719.0,
      "step": 1835
    },
    {
      "epoch": 0.612,
      "grad_norm": 17.564504623413086,
      "learning_rate": 8.006872852233678e-06,
      "loss": 0.2836,
      "num_tokens": 781048.0,
      "step": 1836
    },
    {
      "epoch": 0.6123333333333333,
      "grad_norm": 35.3397331237793,
      "learning_rate": 8.000000000000001e-06,
      "loss": 0.7237,
      "num_tokens": 781267.0,
      "step": 1837
    },
    {
      "epoch": 0.6126666666666667,
      "grad_norm": 16.486146926879883,
      "learning_rate": 7.993127147766324e-06,
      "loss": 0.3682,
      "num_tokens": 781779.0,
      "step": 1838
    },
    {
      "epoch": 0.613,
      "grad_norm": 14.18731689453125,
      "learning_rate": 7.986254295532647e-06,
      "loss": 0.2817,
      "num_tokens": 782266.0,
      "step": 1839
    },
    {
      "epoch": 0.6133333333333333,
      "grad_norm": 20.166276931762695,
      "learning_rate": 7.97938144329897e-06,
      "loss": 0.3665,
      "num_tokens": 782573.0,
      "step": 1840
    },
    {
      "epoch": 0.6136666666666667,
      "grad_norm": 15.344813346862793,
      "learning_rate": 7.972508591065293e-06,
      "loss": 0.2382,
      "num_tokens": 782956.0,
      "step": 1841
    },
    {
      "epoch": 0.614,
      "grad_norm": 61.01182174682617,
      "learning_rate": 7.965635738831615e-06,
      "loss": 0.4128,
      "num_tokens": 783136.0,
      "step": 1842
    },
    {
      "epoch": 0.6143333333333333,
      "grad_norm": 21.190387725830078,
      "learning_rate": 7.958762886597938e-06,
      "loss": 0.3567,
      "num_tokens": 783470.0,
      "step": 1843
    },
    {
      "epoch": 0.6146666666666667,
      "grad_norm": 13.298663139343262,
      "learning_rate": 7.95189003436426e-06,
      "loss": 0.2894,
      "num_tokens": 784015.0,
      "step": 1844
    },
    {
      "epoch": 0.615,
      "grad_norm": 13.619166374206543,
      "learning_rate": 7.945017182130584e-06,
      "loss": 0.2169,
      "num_tokens": 784569.0,
      "step": 1845
    },
    {
      "epoch": 0.6153333333333333,
      "grad_norm": 16.854785919189453,
      "learning_rate": 7.938144329896907e-06,
      "loss": 0.2807,
      "num_tokens": 785075.0,
      "step": 1846
    },
    {
      "epoch": 0.6156666666666667,
      "grad_norm": 17.36841583251953,
      "learning_rate": 7.93127147766323e-06,
      "loss": 0.3791,
      "num_tokens": 785608.0,
      "step": 1847
    },
    {
      "epoch": 0.616,
      "grad_norm": 24.3577938079834,
      "learning_rate": 7.924398625429553e-06,
      "loss": 0.4215,
      "num_tokens": 785944.0,
      "step": 1848
    },
    {
      "epoch": 0.6163333333333333,
      "grad_norm": 14.034148216247559,
      "learning_rate": 7.917525773195876e-06,
      "loss": 0.2453,
      "num_tokens": 786655.0,
      "step": 1849
    },
    {
      "epoch": 0.6166666666666667,
      "grad_norm": 13.8680419921875,
      "learning_rate": 7.9106529209622e-06,
      "loss": 0.2202,
      "num_tokens": 787240.0,
      "step": 1850
    },
    {
      "epoch": 0.617,
      "grad_norm": 22.971668243408203,
      "learning_rate": 7.903780068728523e-06,
      "loss": 0.3323,
      "num_tokens": 787500.0,
      "step": 1851
    },
    {
      "epoch": 0.6173333333333333,
      "grad_norm": 14.97249698638916,
      "learning_rate": 7.896907216494846e-06,
      "loss": 0.3257,
      "num_tokens": 788388.0,
      "step": 1852
    },
    {
      "epoch": 0.6176666666666667,
      "grad_norm": 22.688201904296875,
      "learning_rate": 7.89003436426117e-06,
      "loss": 0.3805,
      "num_tokens": 788703.0,
      "step": 1853
    },
    {
      "epoch": 0.618,
      "grad_norm": 15.832986831665039,
      "learning_rate": 7.883161512027492e-06,
      "loss": 0.258,
      "num_tokens": 789125.0,
      "step": 1854
    },
    {
      "epoch": 0.6183333333333333,
      "grad_norm": 22.518632888793945,
      "learning_rate": 7.876288659793815e-06,
      "loss": 0.4484,
      "num_tokens": 789473.0,
      "step": 1855
    },
    {
      "epoch": 0.6186666666666667,
      "grad_norm": 24.793983459472656,
      "learning_rate": 7.869415807560138e-06,
      "loss": 0.5261,
      "num_tokens": 789735.0,
      "step": 1856
    },
    {
      "epoch": 0.619,
      "grad_norm": 18.08690643310547,
      "learning_rate": 7.862542955326461e-06,
      "loss": 0.3774,
      "num_tokens": 790182.0,
      "step": 1857
    },
    {
      "epoch": 0.6193333333333333,
      "grad_norm": 29.731544494628906,
      "learning_rate": 7.855670103092785e-06,
      "loss": 0.4441,
      "num_tokens": 790418.0,
      "step": 1858
    },
    {
      "epoch": 0.6196666666666667,
      "grad_norm": 25.538707733154297,
      "learning_rate": 7.848797250859108e-06,
      "loss": 0.6489,
      "num_tokens": 790795.0,
      "step": 1859
    },
    {
      "epoch": 0.62,
      "grad_norm": 23.88118553161621,
      "learning_rate": 7.84192439862543e-06,
      "loss": 0.3684,
      "num_tokens": 791121.0,
      "step": 1860
    },
    {
      "epoch": 0.6203333333333333,
      "grad_norm": 17.308650970458984,
      "learning_rate": 7.835051546391754e-06,
      "loss": 0.2403,
      "num_tokens": 791535.0,
      "step": 1861
    },
    {
      "epoch": 0.6206666666666667,
      "grad_norm": 21.711984634399414,
      "learning_rate": 7.828178694158077e-06,
      "loss": 0.4811,
      "num_tokens": 791953.0,
      "step": 1862
    },
    {
      "epoch": 0.621,
      "grad_norm": 22.250234603881836,
      "learning_rate": 7.8213058419244e-06,
      "loss": 0.3621,
      "num_tokens": 792283.0,
      "step": 1863
    },
    {
      "epoch": 0.6213333333333333,
      "grad_norm": 18.488740921020508,
      "learning_rate": 7.814432989690723e-06,
      "loss": 0.3067,
      "num_tokens": 792636.0,
      "step": 1864
    },
    {
      "epoch": 0.6216666666666667,
      "grad_norm": 12.286611557006836,
      "learning_rate": 7.807560137457046e-06,
      "loss": 0.226,
      "num_tokens": 793238.0,
      "step": 1865
    },
    {
      "epoch": 0.622,
      "grad_norm": 14.164098739624023,
      "learning_rate": 7.800687285223369e-06,
      "loss": 0.2243,
      "num_tokens": 793694.0,
      "step": 1866
    },
    {
      "epoch": 0.6223333333333333,
      "grad_norm": 15.927416801452637,
      "learning_rate": 7.793814432989692e-06,
      "loss": 0.2974,
      "num_tokens": 794179.0,
      "step": 1867
    },
    {
      "epoch": 0.6226666666666667,
      "grad_norm": 46.68614196777344,
      "learning_rate": 7.786941580756015e-06,
      "loss": 0.8049,
      "num_tokens": 794490.0,
      "step": 1868
    },
    {
      "epoch": 0.623,
      "grad_norm": 24.23274803161621,
      "learning_rate": 7.780068728522338e-06,
      "loss": 0.5525,
      "num_tokens": 794935.0,
      "step": 1869
    },
    {
      "epoch": 0.6233333333333333,
      "grad_norm": 19.57903480529785,
      "learning_rate": 7.77319587628866e-06,
      "loss": 0.3657,
      "num_tokens": 795391.0,
      "step": 1870
    },
    {
      "epoch": 0.6236666666666667,
      "grad_norm": 15.148832321166992,
      "learning_rate": 7.766323024054984e-06,
      "loss": 0.1962,
      "num_tokens": 795723.0,
      "step": 1871
    },
    {
      "epoch": 0.624,
      "grad_norm": 15.81313419342041,
      "learning_rate": 7.759450171821307e-06,
      "loss": 0.2695,
      "num_tokens": 796334.0,
      "step": 1872
    },
    {
      "epoch": 0.6243333333333333,
      "grad_norm": 23.006521224975586,
      "learning_rate": 7.75257731958763e-06,
      "loss": 0.4626,
      "num_tokens": 796651.0,
      "step": 1873
    },
    {
      "epoch": 0.6246666666666667,
      "grad_norm": 19.068567276000977,
      "learning_rate": 7.745704467353953e-06,
      "loss": 0.364,
      "num_tokens": 797019.0,
      "step": 1874
    },
    {
      "epoch": 0.625,
      "grad_norm": 19.392623901367188,
      "learning_rate": 7.738831615120276e-06,
      "loss": 0.2924,
      "num_tokens": 797394.0,
      "step": 1875
    },
    {
      "epoch": 0.6253333333333333,
      "grad_norm": 19.122060775756836,
      "learning_rate": 7.731958762886599e-06,
      "loss": 0.379,
      "num_tokens": 797750.0,
      "step": 1876
    },
    {
      "epoch": 0.6256666666666667,
      "grad_norm": 12.287111282348633,
      "learning_rate": 7.725085910652922e-06,
      "loss": 0.2043,
      "num_tokens": 798221.0,
      "step": 1877
    },
    {
      "epoch": 0.626,
      "grad_norm": 18.902414321899414,
      "learning_rate": 7.718213058419245e-06,
      "loss": 0.3158,
      "num_tokens": 798655.0,
      "step": 1878
    },
    {
      "epoch": 0.6263333333333333,
      "grad_norm": 14.329907417297363,
      "learning_rate": 7.711340206185568e-06,
      "loss": 0.2311,
      "num_tokens": 799210.0,
      "step": 1879
    },
    {
      "epoch": 0.6266666666666667,
      "grad_norm": 16.953937530517578,
      "learning_rate": 7.70446735395189e-06,
      "loss": 0.3066,
      "num_tokens": 799680.0,
      "step": 1880
    },
    {
      "epoch": 0.627,
      "grad_norm": 18.5789852142334,
      "learning_rate": 7.697594501718214e-06,
      "loss": 0.379,
      "num_tokens": 800266.0,
      "step": 1881
    },
    {
      "epoch": 0.6273333333333333,
      "grad_norm": 23.489595413208008,
      "learning_rate": 7.690721649484537e-06,
      "loss": 0.5263,
      "num_tokens": 800662.0,
      "step": 1882
    },
    {
      "epoch": 0.6276666666666667,
      "grad_norm": 9.519865036010742,
      "learning_rate": 7.68384879725086e-06,
      "loss": 0.1948,
      "num_tokens": 801119.0,
      "step": 1883
    },
    {
      "epoch": 0.628,
      "grad_norm": 22.843402862548828,
      "learning_rate": 7.676975945017183e-06,
      "loss": 0.4858,
      "num_tokens": 801522.0,
      "step": 1884
    },
    {
      "epoch": 0.6283333333333333,
      "grad_norm": 24.043846130371094,
      "learning_rate": 7.670103092783506e-06,
      "loss": 0.4282,
      "num_tokens": 801802.0,
      "step": 1885
    },
    {
      "epoch": 0.6286666666666667,
      "grad_norm": 16.539491653442383,
      "learning_rate": 7.663230240549829e-06,
      "loss": 0.2417,
      "num_tokens": 802324.0,
      "step": 1886
    },
    {
      "epoch": 0.629,
      "grad_norm": 22.74696922302246,
      "learning_rate": 7.656357388316152e-06,
      "loss": 0.4732,
      "num_tokens": 802729.0,
      "step": 1887
    },
    {
      "epoch": 0.6293333333333333,
      "grad_norm": 20.944854736328125,
      "learning_rate": 7.649484536082475e-06,
      "loss": 0.3912,
      "num_tokens": 803051.0,
      "step": 1888
    },
    {
      "epoch": 0.6296666666666667,
      "grad_norm": 25.731611251831055,
      "learning_rate": 7.642611683848798e-06,
      "loss": 0.4385,
      "num_tokens": 803345.0,
      "step": 1889
    },
    {
      "epoch": 0.63,
      "grad_norm": 34.75891876220703,
      "learning_rate": 7.63573883161512e-06,
      "loss": 0.3758,
      "num_tokens": 803549.0,
      "step": 1890
    },
    {
      "epoch": 0.6303333333333333,
      "grad_norm": 23.320693969726562,
      "learning_rate": 7.628865979381444e-06,
      "loss": 0.4496,
      "num_tokens": 803919.0,
      "step": 1891
    },
    {
      "epoch": 0.6306666666666667,
      "grad_norm": 25.975088119506836,
      "learning_rate": 7.621993127147767e-06,
      "loss": 0.441,
      "num_tokens": 804219.0,
      "step": 1892
    },
    {
      "epoch": 0.631,
      "grad_norm": 22.66525650024414,
      "learning_rate": 7.61512027491409e-06,
      "loss": 0.3997,
      "num_tokens": 804506.0,
      "step": 1893
    },
    {
      "epoch": 0.6313333333333333,
      "grad_norm": 22.98565673828125,
      "learning_rate": 7.608247422680413e-06,
      "loss": 0.3588,
      "num_tokens": 804774.0,
      "step": 1894
    },
    {
      "epoch": 0.6316666666666667,
      "grad_norm": 14.806015014648438,
      "learning_rate": 7.601374570446736e-06,
      "loss": 0.319,
      "num_tokens": 805515.0,
      "step": 1895
    },
    {
      "epoch": 0.632,
      "grad_norm": 23.207359313964844,
      "learning_rate": 7.594501718213059e-06,
      "loss": 0.3317,
      "num_tokens": 805918.0,
      "step": 1896
    },
    {
      "epoch": 0.6323333333333333,
      "grad_norm": 21.48774528503418,
      "learning_rate": 7.587628865979382e-06,
      "loss": 0.5248,
      "num_tokens": 806331.0,
      "step": 1897
    },
    {
      "epoch": 0.6326666666666667,
      "grad_norm": 13.724984169006348,
      "learning_rate": 7.580756013745705e-06,
      "loss": 0.2189,
      "num_tokens": 806956.0,
      "step": 1898
    },
    {
      "epoch": 0.633,
      "grad_norm": 21.658960342407227,
      "learning_rate": 7.573883161512028e-06,
      "loss": 0.3948,
      "num_tokens": 807324.0,
      "step": 1899
    },
    {
      "epoch": 0.6333333333333333,
      "grad_norm": 20.947242736816406,
      "learning_rate": 7.567010309278351e-06,
      "loss": 0.3455,
      "num_tokens": 807732.0,
      "step": 1900
    },
    {
      "epoch": 0.6336666666666667,
      "grad_norm": 16.616384506225586,
      "learning_rate": 7.560137457044674e-06,
      "loss": 0.3732,
      "num_tokens": 808179.0,
      "step": 1901
    },
    {
      "epoch": 0.634,
      "grad_norm": 26.282764434814453,
      "learning_rate": 7.553264604810997e-06,
      "loss": 0.4484,
      "num_tokens": 808441.0,
      "step": 1902
    },
    {
      "epoch": 0.6343333333333333,
      "grad_norm": 20.564437866210938,
      "learning_rate": 7.54639175257732e-06,
      "loss": 0.3739,
      "num_tokens": 808731.0,
      "step": 1903
    },
    {
      "epoch": 0.6346666666666667,
      "grad_norm": 41.74526596069336,
      "learning_rate": 7.539518900343643e-06,
      "loss": 0.881,
      "num_tokens": 808925.0,
      "step": 1904
    },
    {
      "epoch": 0.635,
      "grad_norm": 18.21511459350586,
      "learning_rate": 7.532646048109966e-06,
      "loss": 0.4254,
      "num_tokens": 809247.0,
      "step": 1905
    },
    {
      "epoch": 0.6353333333333333,
      "grad_norm": 21.883041381835938,
      "learning_rate": 7.525773195876289e-06,
      "loss": 0.3893,
      "num_tokens": 809636.0,
      "step": 1906
    },
    {
      "epoch": 0.6356666666666667,
      "grad_norm": 21.73333168029785,
      "learning_rate": 7.518900343642612e-06,
      "loss": 0.4477,
      "num_tokens": 810118.0,
      "step": 1907
    },
    {
      "epoch": 0.636,
      "grad_norm": 30.78097915649414,
      "learning_rate": 7.512027491408935e-06,
      "loss": 0.5111,
      "num_tokens": 810297.0,
      "step": 1908
    },
    {
      "epoch": 0.6363333333333333,
      "grad_norm": 12.828937530517578,
      "learning_rate": 7.505154639175258e-06,
      "loss": 0.1922,
      "num_tokens": 810878.0,
      "step": 1909
    },
    {
      "epoch": 0.6366666666666667,
      "grad_norm": 17.590091705322266,
      "learning_rate": 7.498281786941582e-06,
      "loss": 0.2909,
      "num_tokens": 811246.0,
      "step": 1910
    },
    {
      "epoch": 0.637,
      "grad_norm": 12.709762573242188,
      "learning_rate": 7.491408934707905e-06,
      "loss": 0.3065,
      "num_tokens": 812007.0,
      "step": 1911
    },
    {
      "epoch": 0.6373333333333333,
      "grad_norm": 14.294734954833984,
      "learning_rate": 7.484536082474228e-06,
      "loss": 0.2017,
      "num_tokens": 812593.0,
      "step": 1912
    },
    {
      "epoch": 0.6376666666666667,
      "grad_norm": 14.042871475219727,
      "learning_rate": 7.477663230240551e-06,
      "loss": 0.2249,
      "num_tokens": 813058.0,
      "step": 1913
    },
    {
      "epoch": 0.638,
      "grad_norm": 39.903846740722656,
      "learning_rate": 7.470790378006874e-06,
      "loss": 0.8942,
      "num_tokens": 813273.0,
      "step": 1914
    },
    {
      "epoch": 0.6383333333333333,
      "grad_norm": 14.889566421508789,
      "learning_rate": 7.463917525773197e-06,
      "loss": 0.3063,
      "num_tokens": 813898.0,
      "step": 1915
    },
    {
      "epoch": 0.6386666666666667,
      "grad_norm": 20.421457290649414,
      "learning_rate": 7.45704467353952e-06,
      "loss": 0.3473,
      "num_tokens": 814195.0,
      "step": 1916
    },
    {
      "epoch": 0.639,
      "grad_norm": 13.744288444519043,
      "learning_rate": 7.450171821305843e-06,
      "loss": 0.2665,
      "num_tokens": 814713.0,
      "step": 1917
    },
    {
      "epoch": 0.6393333333333333,
      "grad_norm": 20.14866828918457,
      "learning_rate": 7.443298969072166e-06,
      "loss": 0.3041,
      "num_tokens": 815224.0,
      "step": 1918
    },
    {
      "epoch": 0.6396666666666667,
      "grad_norm": 33.050994873046875,
      "learning_rate": 7.436426116838489e-06,
      "loss": 0.5507,
      "num_tokens": 815551.0,
      "step": 1919
    },
    {
      "epoch": 0.64,
      "grad_norm": 33.12289810180664,
      "learning_rate": 7.429553264604812e-06,
      "loss": 0.3116,
      "num_tokens": 816134.0,
      "step": 1920
    },
    {
      "epoch": 0.6403333333333333,
      "grad_norm": 16.846210479736328,
      "learning_rate": 7.422680412371135e-06,
      "loss": 0.2677,
      "num_tokens": 816607.0,
      "step": 1921
    },
    {
      "epoch": 0.6406666666666667,
      "grad_norm": 22.930171966552734,
      "learning_rate": 7.415807560137458e-06,
      "loss": 0.3909,
      "num_tokens": 817004.0,
      "step": 1922
    },
    {
      "epoch": 0.641,
      "grad_norm": 17.60596466064453,
      "learning_rate": 7.408934707903781e-06,
      "loss": 0.3289,
      "num_tokens": 817462.0,
      "step": 1923
    },
    {
      "epoch": 0.6413333333333333,
      "grad_norm": 10.805072784423828,
      "learning_rate": 7.402061855670104e-06,
      "loss": 0.1737,
      "num_tokens": 818032.0,
      "step": 1924
    },
    {
      "epoch": 0.6416666666666667,
      "grad_norm": 34.131500244140625,
      "learning_rate": 7.395189003436427e-06,
      "loss": 0.281,
      "num_tokens": 818466.0,
      "step": 1925
    },
    {
      "epoch": 0.642,
      "grad_norm": 25.375690460205078,
      "learning_rate": 7.38831615120275e-06,
      "loss": 0.5408,
      "num_tokens": 818794.0,
      "step": 1926
    },
    {
      "epoch": 0.6423333333333333,
      "grad_norm": 15.993664741516113,
      "learning_rate": 7.381443298969073e-06,
      "loss": 0.283,
      "num_tokens": 819247.0,
      "step": 1927
    },
    {
      "epoch": 0.6426666666666667,
      "grad_norm": 15.466114044189453,
      "learning_rate": 7.374570446735396e-06,
      "loss": 0.2525,
      "num_tokens": 819701.0,
      "step": 1928
    },
    {
      "epoch": 0.643,
      "grad_norm": 13.904009819030762,
      "learning_rate": 7.367697594501719e-06,
      "loss": 0.2371,
      "num_tokens": 820411.0,
      "step": 1929
    },
    {
      "epoch": 0.6433333333333333,
      "grad_norm": 22.92576789855957,
      "learning_rate": 7.360824742268042e-06,
      "loss": 0.4427,
      "num_tokens": 820714.0,
      "step": 1930
    },
    {
      "epoch": 0.6436666666666667,
      "grad_norm": 16.17699432373047,
      "learning_rate": 7.353951890034365e-06,
      "loss": 0.291,
      "num_tokens": 821180.0,
      "step": 1931
    },
    {
      "epoch": 0.644,
      "grad_norm": 38.164005279541016,
      "learning_rate": 7.347079037800689e-06,
      "loss": 0.6922,
      "num_tokens": 821398.0,
      "step": 1932
    },
    {
      "epoch": 0.6443333333333333,
      "grad_norm": 20.315563201904297,
      "learning_rate": 7.34020618556701e-06,
      "loss": 0.3409,
      "num_tokens": 821772.0,
      "step": 1933
    },
    {
      "epoch": 0.6446666666666667,
      "grad_norm": 12.437118530273438,
      "learning_rate": 7.333333333333333e-06,
      "loss": 0.1996,
      "num_tokens": 822312.0,
      "step": 1934
    },
    {
      "epoch": 0.645,
      "grad_norm": 24.710678100585938,
      "learning_rate": 7.326460481099656e-06,
      "loss": 0.3847,
      "num_tokens": 822647.0,
      "step": 1935
    },
    {
      "epoch": 0.6453333333333333,
      "grad_norm": 23.050804138183594,
      "learning_rate": 7.319587628865979e-06,
      "loss": 0.5128,
      "num_tokens": 823044.0,
      "step": 1936
    },
    {
      "epoch": 0.6456666666666667,
      "grad_norm": 31.660789489746094,
      "learning_rate": 7.312714776632302e-06,
      "loss": 0.6937,
      "num_tokens": 823352.0,
      "step": 1937
    },
    {
      "epoch": 0.646,
      "grad_norm": 24.326953887939453,
      "learning_rate": 7.305841924398626e-06,
      "loss": 0.5003,
      "num_tokens": 823720.0,
      "step": 1938
    },
    {
      "epoch": 0.6463333333333333,
      "grad_norm": 27.709575653076172,
      "learning_rate": 7.298969072164949e-06,
      "loss": 0.6063,
      "num_tokens": 824074.0,
      "step": 1939
    },
    {
      "epoch": 0.6466666666666666,
      "grad_norm": 14.640046119689941,
      "learning_rate": 7.292096219931272e-06,
      "loss": 0.2632,
      "num_tokens": 824557.0,
      "step": 1940
    },
    {
      "epoch": 0.647,
      "grad_norm": 20.93095588684082,
      "learning_rate": 7.285223367697595e-06,
      "loss": 0.3899,
      "num_tokens": 824874.0,
      "step": 1941
    },
    {
      "epoch": 0.6473333333333333,
      "grad_norm": 26.700727462768555,
      "learning_rate": 7.278350515463918e-06,
      "loss": 0.5205,
      "num_tokens": 825227.0,
      "step": 1942
    },
    {
      "epoch": 0.6476666666666666,
      "grad_norm": 32.94010925292969,
      "learning_rate": 7.271477663230241e-06,
      "loss": 0.4258,
      "num_tokens": 825598.0,
      "step": 1943
    },
    {
      "epoch": 0.648,
      "grad_norm": 28.245838165283203,
      "learning_rate": 7.264604810996564e-06,
      "loss": 0.5315,
      "num_tokens": 825896.0,
      "step": 1944
    },
    {
      "epoch": 0.6483333333333333,
      "grad_norm": 19.932357788085938,
      "learning_rate": 7.257731958762887e-06,
      "loss": 0.3769,
      "num_tokens": 826288.0,
      "step": 1945
    },
    {
      "epoch": 0.6486666666666666,
      "grad_norm": 15.732309341430664,
      "learning_rate": 7.25085910652921e-06,
      "loss": 0.2686,
      "num_tokens": 826753.0,
      "step": 1946
    },
    {
      "epoch": 0.649,
      "grad_norm": 17.81649398803711,
      "learning_rate": 7.243986254295533e-06,
      "loss": 0.2628,
      "num_tokens": 827261.0,
      "step": 1947
    },
    {
      "epoch": 0.6493333333333333,
      "grad_norm": 21.075510025024414,
      "learning_rate": 7.237113402061856e-06,
      "loss": 0.4067,
      "num_tokens": 827614.0,
      "step": 1948
    },
    {
      "epoch": 0.6496666666666666,
      "grad_norm": 25.062219619750977,
      "learning_rate": 7.230240549828179e-06,
      "loss": 0.4374,
      "num_tokens": 827960.0,
      "step": 1949
    },
    {
      "epoch": 0.65,
      "grad_norm": 13.872211456298828,
      "learning_rate": 7.223367697594502e-06,
      "loss": 0.2351,
      "num_tokens": 828420.0,
      "step": 1950
    },
    {
      "epoch": 0.6503333333333333,
      "grad_norm": 15.07292366027832,
      "learning_rate": 7.216494845360825e-06,
      "loss": 0.3455,
      "num_tokens": 828944.0,
      "step": 1951
    },
    {
      "epoch": 0.6506666666666666,
      "grad_norm": 21.062026977539062,
      "learning_rate": 7.209621993127148e-06,
      "loss": 0.3339,
      "num_tokens": 829266.0,
      "step": 1952
    },
    {
      "epoch": 0.651,
      "grad_norm": 19.857337951660156,
      "learning_rate": 7.202749140893471e-06,
      "loss": 0.459,
      "num_tokens": 829714.0,
      "step": 1953
    },
    {
      "epoch": 0.6513333333333333,
      "grad_norm": 21.77639389038086,
      "learning_rate": 7.195876288659794e-06,
      "loss": 0.3529,
      "num_tokens": 830040.0,
      "step": 1954
    },
    {
      "epoch": 0.6516666666666666,
      "grad_norm": 19.095420837402344,
      "learning_rate": 7.189003436426117e-06,
      "loss": 0.4236,
      "num_tokens": 830519.0,
      "step": 1955
    },
    {
      "epoch": 0.652,
      "grad_norm": 11.046838760375977,
      "learning_rate": 7.18213058419244e-06,
      "loss": 0.2092,
      "num_tokens": 831300.0,
      "step": 1956
    },
    {
      "epoch": 0.6523333333333333,
      "grad_norm": 28.26678466796875,
      "learning_rate": 7.175257731958763e-06,
      "loss": 0.4407,
      "num_tokens": 831528.0,
      "step": 1957
    },
    {
      "epoch": 0.6526666666666666,
      "grad_norm": 31.830270767211914,
      "learning_rate": 7.168384879725086e-06,
      "loss": 0.3289,
      "num_tokens": 831799.0,
      "step": 1958
    },
    {
      "epoch": 0.653,
      "grad_norm": 17.841081619262695,
      "learning_rate": 7.161512027491409e-06,
      "loss": 0.318,
      "num_tokens": 832176.0,
      "step": 1959
    },
    {
      "epoch": 0.6533333333333333,
      "grad_norm": 28.601594924926758,
      "learning_rate": 7.154639175257733e-06,
      "loss": 0.4275,
      "num_tokens": 832511.0,
      "step": 1960
    },
    {
      "epoch": 0.6536666666666666,
      "grad_norm": 14.647648811340332,
      "learning_rate": 7.147766323024056e-06,
      "loss": 0.2922,
      "num_tokens": 833074.0,
      "step": 1961
    },
    {
      "epoch": 0.654,
      "grad_norm": 16.9051570892334,
      "learning_rate": 7.140893470790379e-06,
      "loss": 0.2314,
      "num_tokens": 833470.0,
      "step": 1962
    },
    {
      "epoch": 0.6543333333333333,
      "grad_norm": 13.66362476348877,
      "learning_rate": 7.134020618556702e-06,
      "loss": 0.2941,
      "num_tokens": 834326.0,
      "step": 1963
    },
    {
      "epoch": 0.6546666666666666,
      "grad_norm": 17.67928123474121,
      "learning_rate": 7.127147766323025e-06,
      "loss": 0.2984,
      "num_tokens": 834763.0,
      "step": 1964
    },
    {
      "epoch": 0.655,
      "grad_norm": 31.64408302307129,
      "learning_rate": 7.120274914089348e-06,
      "loss": 0.6362,
      "num_tokens": 834997.0,
      "step": 1965
    },
    {
      "epoch": 0.6553333333333333,
      "grad_norm": 33.637813568115234,
      "learning_rate": 7.113402061855671e-06,
      "loss": 0.5638,
      "num_tokens": 835232.0,
      "step": 1966
    },
    {
      "epoch": 0.6556666666666666,
      "grad_norm": 26.402835845947266,
      "learning_rate": 7.106529209621994e-06,
      "loss": 0.5356,
      "num_tokens": 835500.0,
      "step": 1967
    },
    {
      "epoch": 0.656,
      "grad_norm": 15.629569053649902,
      "learning_rate": 7.099656357388317e-06,
      "loss": 0.2943,
      "num_tokens": 835994.0,
      "step": 1968
    },
    {
      "epoch": 0.6563333333333333,
      "grad_norm": 22.122800827026367,
      "learning_rate": 7.09278350515464e-06,
      "loss": 0.3715,
      "num_tokens": 836362.0,
      "step": 1969
    },
    {
      "epoch": 0.6566666666666666,
      "grad_norm": 23.243736267089844,
      "learning_rate": 7.085910652920963e-06,
      "loss": 0.4661,
      "num_tokens": 836703.0,
      "step": 1970
    },
    {
      "epoch": 0.657,
      "grad_norm": 29.396623611450195,
      "learning_rate": 7.079037800687286e-06,
      "loss": 0.8074,
      "num_tokens": 837056.0,
      "step": 1971
    },
    {
      "epoch": 0.6573333333333333,
      "grad_norm": 12.173566818237305,
      "learning_rate": 7.072164948453609e-06,
      "loss": 0.2303,
      "num_tokens": 837615.0,
      "step": 1972
    },
    {
      "epoch": 0.6576666666666666,
      "grad_norm": 21.214635848999023,
      "learning_rate": 7.065292096219932e-06,
      "loss": 0.3167,
      "num_tokens": 837974.0,
      "step": 1973
    },
    {
      "epoch": 0.658,
      "grad_norm": 20.92000389099121,
      "learning_rate": 7.058419243986255e-06,
      "loss": 0.3646,
      "num_tokens": 838292.0,
      "step": 1974
    },
    {
      "epoch": 0.6583333333333333,
      "grad_norm": 15.852500915527344,
      "learning_rate": 7.051546391752578e-06,
      "loss": 0.2895,
      "num_tokens": 838777.0,
      "step": 1975
    },
    {
      "epoch": 0.6586666666666666,
      "grad_norm": 18.172460556030273,
      "learning_rate": 7.044673539518901e-06,
      "loss": 0.404,
      "num_tokens": 839308.0,
      "step": 1976
    },
    {
      "epoch": 0.659,
      "grad_norm": 18.58486557006836,
      "learning_rate": 7.037800687285224e-06,
      "loss": 0.3079,
      "num_tokens": 839645.0,
      "step": 1977
    },
    {
      "epoch": 0.6593333333333333,
      "grad_norm": 15.398082733154297,
      "learning_rate": 7.030927835051546e-06,
      "loss": 0.3627,
      "num_tokens": 840242.0,
      "step": 1978
    },
    {
      "epoch": 0.6596666666666666,
      "grad_norm": 14.478734016418457,
      "learning_rate": 7.024054982817869e-06,
      "loss": 0.2424,
      "num_tokens": 840869.0,
      "step": 1979
    },
    {
      "epoch": 0.66,
      "grad_norm": 13.616762161254883,
      "learning_rate": 7.017182130584192e-06,
      "loss": 0.2696,
      "num_tokens": 841505.0,
      "step": 1980
    },
    {
      "epoch": 0.6603333333333333,
      "grad_norm": 16.56591796875,
      "learning_rate": 7.010309278350515e-06,
      "loss": 0.2627,
      "num_tokens": 841956.0,
      "step": 1981
    },
    {
      "epoch": 0.6606666666666666,
      "grad_norm": 23.81220817565918,
      "learning_rate": 7.003436426116838e-06,
      "loss": 0.5014,
      "num_tokens": 842214.0,
      "step": 1982
    },
    {
      "epoch": 0.661,
      "grad_norm": 19.658105850219727,
      "learning_rate": 6.996563573883161e-06,
      "loss": 0.4275,
      "num_tokens": 842659.0,
      "step": 1983
    },
    {
      "epoch": 0.6613333333333333,
      "grad_norm": 24.427391052246094,
      "learning_rate": 6.989690721649484e-06,
      "loss": 0.482,
      "num_tokens": 843299.0,
      "step": 1984
    },
    {
      "epoch": 0.6616666666666666,
      "grad_norm": 14.716198921203613,
      "learning_rate": 6.982817869415807e-06,
      "loss": 0.273,
      "num_tokens": 843808.0,
      "step": 1985
    },
    {
      "epoch": 0.662,
      "grad_norm": 27.094728469848633,
      "learning_rate": 6.9759450171821304e-06,
      "loss": 0.6435,
      "num_tokens": 844158.0,
      "step": 1986
    },
    {
      "epoch": 0.6623333333333333,
      "grad_norm": 23.507183074951172,
      "learning_rate": 6.9690721649484534e-06,
      "loss": 0.4507,
      "num_tokens": 844428.0,
      "step": 1987
    },
    {
      "epoch": 0.6626666666666666,
      "grad_norm": 16.80852699279785,
      "learning_rate": 6.962199312714777e-06,
      "loss": 0.3695,
      "num_tokens": 844845.0,
      "step": 1988
    },
    {
      "epoch": 0.663,
      "grad_norm": 13.745657920837402,
      "learning_rate": 6.9553264604811e-06,
      "loss": 0.391,
      "num_tokens": 845609.0,
      "step": 1989
    },
    {
      "epoch": 0.6633333333333333,
      "grad_norm": 26.81498146057129,
      "learning_rate": 6.948453608247423e-06,
      "loss": 0.4411,
      "num_tokens": 845854.0,
      "step": 1990
    },
    {
      "epoch": 0.6636666666666666,
      "grad_norm": 23.00226402282715,
      "learning_rate": 6.941580756013746e-06,
      "loss": 0.4464,
      "num_tokens": 846146.0,
      "step": 1991
    },
    {
      "epoch": 0.664,
      "grad_norm": 15.425978660583496,
      "learning_rate": 6.934707903780069e-06,
      "loss": 0.3149,
      "num_tokens": 846596.0,
      "step": 1992
    },
    {
      "epoch": 0.6643333333333333,
      "grad_norm": 20.823122024536133,
      "learning_rate": 6.927835051546392e-06,
      "loss": 0.3035,
      "num_tokens": 847116.0,
      "step": 1993
    },
    {
      "epoch": 0.6646666666666666,
      "grad_norm": 25.717992782592773,
      "learning_rate": 6.920962199312715e-06,
      "loss": 0.5499,
      "num_tokens": 847469.0,
      "step": 1994
    },
    {
      "epoch": 0.665,
      "grad_norm": 21.234315872192383,
      "learning_rate": 6.914089347079038e-06,
      "loss": 0.4469,
      "num_tokens": 847867.0,
      "step": 1995
    },
    {
      "epoch": 0.6653333333333333,
      "grad_norm": 17.910966873168945,
      "learning_rate": 6.907216494845361e-06,
      "loss": 0.4489,
      "num_tokens": 848388.0,
      "step": 1996
    },
    {
      "epoch": 0.6656666666666666,
      "grad_norm": 32.29972457885742,
      "learning_rate": 6.900343642611684e-06,
      "loss": 0.6711,
      "num_tokens": 848643.0,
      "step": 1997
    },
    {
      "epoch": 0.666,
      "grad_norm": 12.759913444519043,
      "learning_rate": 6.893470790378007e-06,
      "loss": 0.1727,
      "num_tokens": 849044.0,
      "step": 1998
    },
    {
      "epoch": 0.6663333333333333,
      "grad_norm": 23.791940689086914,
      "learning_rate": 6.88659793814433e-06,
      "loss": 0.554,
      "num_tokens": 849442.0,
      "step": 1999
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 15.630463600158691,
      "learning_rate": 6.879725085910653e-06,
      "loss": 0.3231,
      "num_tokens": 849872.0,
      "step": 2000
    },
    {
      "epoch": 0.667,
      "grad_norm": 14.83838939666748,
      "learning_rate": 6.872852233676976e-06,
      "loss": 0.4272,
      "num_tokens": 850513.0,
      "step": 2001
    },
    {
      "epoch": 0.6673333333333333,
      "grad_norm": 24.079456329345703,
      "learning_rate": 6.865979381443299e-06,
      "loss": 0.4436,
      "num_tokens": 850860.0,
      "step": 2002
    },
    {
      "epoch": 0.6676666666666666,
      "grad_norm": 19.915788650512695,
      "learning_rate": 6.859106529209622e-06,
      "loss": 0.3998,
      "num_tokens": 851301.0,
      "step": 2003
    },
    {
      "epoch": 0.668,
      "grad_norm": 15.233692169189453,
      "learning_rate": 6.852233676975945e-06,
      "loss": 0.4415,
      "num_tokens": 851909.0,
      "step": 2004
    },
    {
      "epoch": 0.6683333333333333,
      "grad_norm": 28.52741813659668,
      "learning_rate": 6.8453608247422684e-06,
      "loss": 0.6169,
      "num_tokens": 852190.0,
      "step": 2005
    },
    {
      "epoch": 0.6686666666666666,
      "grad_norm": 26.098819732666016,
      "learning_rate": 6.8384879725085914e-06,
      "loss": 0.3684,
      "num_tokens": 852490.0,
      "step": 2006
    },
    {
      "epoch": 0.669,
      "grad_norm": 38.03865051269531,
      "learning_rate": 6.8316151202749144e-06,
      "loss": 0.4885,
      "num_tokens": 852688.0,
      "step": 2007
    },
    {
      "epoch": 0.6693333333333333,
      "grad_norm": 15.713632583618164,
      "learning_rate": 6.8247422680412375e-06,
      "loss": 0.2295,
      "num_tokens": 853088.0,
      "step": 2008
    },
    {
      "epoch": 0.6696666666666666,
      "grad_norm": 27.144969940185547,
      "learning_rate": 6.817869415807561e-06,
      "loss": 0.471,
      "num_tokens": 853468.0,
      "step": 2009
    },
    {
      "epoch": 0.67,
      "grad_norm": 13.522309303283691,
      "learning_rate": 6.810996563573884e-06,
      "loss": 0.2758,
      "num_tokens": 854016.0,
      "step": 2010
    },
    {
      "epoch": 0.6703333333333333,
      "grad_norm": 23.01026725769043,
      "learning_rate": 6.804123711340207e-06,
      "loss": 0.3168,
      "num_tokens": 854319.0,
      "step": 2011
    },
    {
      "epoch": 0.6706666666666666,
      "grad_norm": 20.965120315551758,
      "learning_rate": 6.79725085910653e-06,
      "loss": 0.328,
      "num_tokens": 854603.0,
      "step": 2012
    },
    {
      "epoch": 0.671,
      "grad_norm": 20.226688385009766,
      "learning_rate": 6.790378006872853e-06,
      "loss": 0.321,
      "num_tokens": 854951.0,
      "step": 2013
    },
    {
      "epoch": 0.6713333333333333,
      "grad_norm": 21.55441665649414,
      "learning_rate": 6.783505154639176e-06,
      "loss": 0.4184,
      "num_tokens": 855206.0,
      "step": 2014
    },
    {
      "epoch": 0.6716666666666666,
      "grad_norm": 13.312894821166992,
      "learning_rate": 6.776632302405499e-06,
      "loss": 0.2406,
      "num_tokens": 855880.0,
      "step": 2015
    },
    {
      "epoch": 0.672,
      "grad_norm": 28.825410842895508,
      "learning_rate": 6.769759450171822e-06,
      "loss": 0.5119,
      "num_tokens": 856129.0,
      "step": 2016
    },
    {
      "epoch": 0.6723333333333333,
      "grad_norm": 19.281272888183594,
      "learning_rate": 6.762886597938145e-06,
      "loss": 0.361,
      "num_tokens": 856518.0,
      "step": 2017
    },
    {
      "epoch": 0.6726666666666666,
      "grad_norm": 25.788982391357422,
      "learning_rate": 6.756013745704468e-06,
      "loss": 0.4422,
      "num_tokens": 856800.0,
      "step": 2018
    },
    {
      "epoch": 0.673,
      "grad_norm": 20.862394332885742,
      "learning_rate": 6.749140893470791e-06,
      "loss": 0.4482,
      "num_tokens": 857192.0,
      "step": 2019
    },
    {
      "epoch": 0.6733333333333333,
      "grad_norm": 32.94810104370117,
      "learning_rate": 6.742268041237114e-06,
      "loss": 0.6582,
      "num_tokens": 857413.0,
      "step": 2020
    },
    {
      "epoch": 0.6736666666666666,
      "grad_norm": 10.90809440612793,
      "learning_rate": 6.735395189003437e-06,
      "loss": 0.1726,
      "num_tokens": 858000.0,
      "step": 2021
    },
    {
      "epoch": 0.674,
      "grad_norm": 17.369325637817383,
      "learning_rate": 6.72852233676976e-06,
      "loss": 0.2637,
      "num_tokens": 858379.0,
      "step": 2022
    },
    {
      "epoch": 0.6743333333333333,
      "grad_norm": 20.29730987548828,
      "learning_rate": 6.7216494845360834e-06,
      "loss": 0.3035,
      "num_tokens": 858822.0,
      "step": 2023
    },
    {
      "epoch": 0.6746666666666666,
      "grad_norm": 15.29811954498291,
      "learning_rate": 6.714776632302406e-06,
      "loss": 0.3568,
      "num_tokens": 859277.0,
      "step": 2024
    },
    {
      "epoch": 0.675,
      "grad_norm": 23.191619873046875,
      "learning_rate": 6.707903780068729e-06,
      "loss": 0.4308,
      "num_tokens": 859601.0,
      "step": 2025
    },
    {
      "epoch": 0.6753333333333333,
      "grad_norm": 23.298307418823242,
      "learning_rate": 6.701030927835052e-06,
      "loss": 0.5188,
      "num_tokens": 860042.0,
      "step": 2026
    },
    {
      "epoch": 0.6756666666666666,
      "grad_norm": 21.949241638183594,
      "learning_rate": 6.694158075601375e-06,
      "loss": 0.4043,
      "num_tokens": 860461.0,
      "step": 2027
    },
    {
      "epoch": 0.676,
      "grad_norm": 22.512319564819336,
      "learning_rate": 6.687285223367698e-06,
      "loss": 0.467,
      "num_tokens": 860832.0,
      "step": 2028
    },
    {
      "epoch": 0.6763333333333333,
      "grad_norm": 13.517208099365234,
      "learning_rate": 6.680412371134021e-06,
      "loss": 0.2817,
      "num_tokens": 861383.0,
      "step": 2029
    },
    {
      "epoch": 0.6766666666666666,
      "grad_norm": 13.073150634765625,
      "learning_rate": 6.673539518900344e-06,
      "loss": 0.2933,
      "num_tokens": 862023.0,
      "step": 2030
    },
    {
      "epoch": 0.677,
      "grad_norm": 21.457624435424805,
      "learning_rate": 6.666666666666667e-06,
      "loss": 0.3856,
      "num_tokens": 862363.0,
      "step": 2031
    },
    {
      "epoch": 0.6773333333333333,
      "grad_norm": 21.08776092529297,
      "learning_rate": 6.65979381443299e-06,
      "loss": 0.3768,
      "num_tokens": 862669.0,
      "step": 2032
    },
    {
      "epoch": 0.6776666666666666,
      "grad_norm": 17.98319435119629,
      "learning_rate": 6.652920962199313e-06,
      "loss": 0.281,
      "num_tokens": 863117.0,
      "step": 2033
    },
    {
      "epoch": 0.678,
      "grad_norm": 12.962196350097656,
      "learning_rate": 6.646048109965636e-06,
      "loss": 0.2015,
      "num_tokens": 863584.0,
      "step": 2034
    },
    {
      "epoch": 0.6783333333333333,
      "grad_norm": 16.655588150024414,
      "learning_rate": 6.639175257731959e-06,
      "loss": 0.285,
      "num_tokens": 863928.0,
      "step": 2035
    },
    {
      "epoch": 0.6786666666666666,
      "grad_norm": 20.18808937072754,
      "learning_rate": 6.632302405498282e-06,
      "loss": 0.4245,
      "num_tokens": 864332.0,
      "step": 2036
    },
    {
      "epoch": 0.679,
      "grad_norm": 12.924886703491211,
      "learning_rate": 6.6254295532646055e-06,
      "loss": 0.2132,
      "num_tokens": 865137.0,
      "step": 2037
    },
    {
      "epoch": 0.6793333333333333,
      "grad_norm": 28.7878360748291,
      "learning_rate": 6.6185567010309286e-06,
      "loss": 0.4223,
      "num_tokens": 865577.0,
      "step": 2038
    },
    {
      "epoch": 0.6796666666666666,
      "grad_norm": 36.527713775634766,
      "learning_rate": 6.6116838487972516e-06,
      "loss": 0.5118,
      "num_tokens": 865920.0,
      "step": 2039
    },
    {
      "epoch": 0.68,
      "grad_norm": 19.936616897583008,
      "learning_rate": 6.6048109965635746e-06,
      "loss": 0.2827,
      "num_tokens": 866318.0,
      "step": 2040
    },
    {
      "epoch": 0.6803333333333333,
      "grad_norm": 20.856422424316406,
      "learning_rate": 6.597938144329898e-06,
      "loss": 0.3594,
      "num_tokens": 866688.0,
      "step": 2041
    },
    {
      "epoch": 0.6806666666666666,
      "grad_norm": 16.555625915527344,
      "learning_rate": 6.591065292096221e-06,
      "loss": 0.3501,
      "num_tokens": 867167.0,
      "step": 2042
    },
    {
      "epoch": 0.681,
      "grad_norm": 18.474468231201172,
      "learning_rate": 6.584192439862544e-06,
      "loss": 0.3057,
      "num_tokens": 867550.0,
      "step": 2043
    },
    {
      "epoch": 0.6813333333333333,
      "grad_norm": 14.969985008239746,
      "learning_rate": 6.577319587628867e-06,
      "loss": 0.2709,
      "num_tokens": 868045.0,
      "step": 2044
    },
    {
      "epoch": 0.6816666666666666,
      "grad_norm": 18.293363571166992,
      "learning_rate": 6.57044673539519e-06,
      "loss": 0.3058,
      "num_tokens": 868332.0,
      "step": 2045
    },
    {
      "epoch": 0.682,
      "grad_norm": 18.75542640686035,
      "learning_rate": 6.563573883161513e-06,
      "loss": 0.2614,
      "num_tokens": 868667.0,
      "step": 2046
    },
    {
      "epoch": 0.6823333333333333,
      "grad_norm": 12.631315231323242,
      "learning_rate": 6.556701030927836e-06,
      "loss": 0.2115,
      "num_tokens": 869134.0,
      "step": 2047
    },
    {
      "epoch": 0.6826666666666666,
      "grad_norm": 19.732337951660156,
      "learning_rate": 6.549828178694159e-06,
      "loss": 0.2782,
      "num_tokens": 869479.0,
      "step": 2048
    },
    {
      "epoch": 0.683,
      "grad_norm": 17.19246482849121,
      "learning_rate": 6.542955326460482e-06,
      "loss": 0.3457,
      "num_tokens": 869855.0,
      "step": 2049
    },
    {
      "epoch": 0.6833333333333333,
      "grad_norm": 33.665374755859375,
      "learning_rate": 6.536082474226805e-06,
      "loss": 0.5513,
      "num_tokens": 870114.0,
      "step": 2050
    },
    {
      "epoch": 0.6836666666666666,
      "grad_norm": 29.85553741455078,
      "learning_rate": 6.529209621993128e-06,
      "loss": 0.3376,
      "num_tokens": 870368.0,
      "step": 2051
    },
    {
      "epoch": 0.684,
      "grad_norm": 14.964091300964355,
      "learning_rate": 6.522336769759451e-06,
      "loss": 0.2183,
      "num_tokens": 870766.0,
      "step": 2052
    },
    {
      "epoch": 0.6843333333333333,
      "grad_norm": 20.801713943481445,
      "learning_rate": 6.515463917525774e-06,
      "loss": 0.3559,
      "num_tokens": 871099.0,
      "step": 2053
    },
    {
      "epoch": 0.6846666666666666,
      "grad_norm": 21.769628524780273,
      "learning_rate": 6.508591065292097e-06,
      "loss": 0.3637,
      "num_tokens": 871430.0,
      "step": 2054
    },
    {
      "epoch": 0.685,
      "grad_norm": 25.185007095336914,
      "learning_rate": 6.50171821305842e-06,
      "loss": 0.4581,
      "num_tokens": 871796.0,
      "step": 2055
    },
    {
      "epoch": 0.6853333333333333,
      "grad_norm": 21.602745056152344,
      "learning_rate": 6.494845360824743e-06,
      "loss": 0.2848,
      "num_tokens": 872063.0,
      "step": 2056
    },
    {
      "epoch": 0.6856666666666666,
      "grad_norm": 21.409969329833984,
      "learning_rate": 6.487972508591066e-06,
      "loss": 0.3245,
      "num_tokens": 872394.0,
      "step": 2057
    },
    {
      "epoch": 0.686,
      "grad_norm": 20.3123779296875,
      "learning_rate": 6.481099656357389e-06,
      "loss": 0.3974,
      "num_tokens": 872841.0,
      "step": 2058
    },
    {
      "epoch": 0.6863333333333334,
      "grad_norm": 20.93915367126465,
      "learning_rate": 6.4742268041237126e-06,
      "loss": 0.3602,
      "num_tokens": 873181.0,
      "step": 2059
    },
    {
      "epoch": 0.6866666666666666,
      "grad_norm": 16.290971755981445,
      "learning_rate": 6.467353951890036e-06,
      "loss": 0.2884,
      "num_tokens": 873609.0,
      "step": 2060
    },
    {
      "epoch": 0.687,
      "grad_norm": 18.992490768432617,
      "learning_rate": 6.460481099656359e-06,
      "loss": 0.2621,
      "num_tokens": 873983.0,
      "step": 2061
    },
    {
      "epoch": 0.6873333333333334,
      "grad_norm": 20.915103912353516,
      "learning_rate": 6.453608247422682e-06,
      "loss": 0.2717,
      "num_tokens": 874398.0,
      "step": 2062
    },
    {
      "epoch": 0.6876666666666666,
      "grad_norm": 13.69018268585205,
      "learning_rate": 6.446735395189005e-06,
      "loss": 0.1806,
      "num_tokens": 874990.0,
      "step": 2063
    },
    {
      "epoch": 0.688,
      "grad_norm": 17.682512283325195,
      "learning_rate": 6.439862542955328e-06,
      "loss": 0.3005,
      "num_tokens": 875337.0,
      "step": 2064
    },
    {
      "epoch": 0.6883333333333334,
      "grad_norm": 19.00334930419922,
      "learning_rate": 6.432989690721651e-06,
      "loss": 0.4193,
      "num_tokens": 875670.0,
      "step": 2065
    },
    {
      "epoch": 0.6886666666666666,
      "grad_norm": 24.83536148071289,
      "learning_rate": 6.426116838487974e-06,
      "loss": 0.4623,
      "num_tokens": 876021.0,
      "step": 2066
    },
    {
      "epoch": 0.689,
      "grad_norm": 20.063142776489258,
      "learning_rate": 6.419243986254297e-06,
      "loss": 0.3219,
      "num_tokens": 876403.0,
      "step": 2067
    },
    {
      "epoch": 0.6893333333333334,
      "grad_norm": 13.440114974975586,
      "learning_rate": 6.41237113402062e-06,
      "loss": 0.2565,
      "num_tokens": 876951.0,
      "step": 2068
    },
    {
      "epoch": 0.6896666666666667,
      "grad_norm": 17.954078674316406,
      "learning_rate": 6.405498281786942e-06,
      "loss": 0.416,
      "num_tokens": 877511.0,
      "step": 2069
    },
    {
      "epoch": 0.69,
      "grad_norm": 19.594253540039062,
      "learning_rate": 6.398625429553265e-06,
      "loss": 0.2961,
      "num_tokens": 878010.0,
      "step": 2070
    },
    {
      "epoch": 0.6903333333333334,
      "grad_norm": 26.99733543395996,
      "learning_rate": 6.391752577319588e-06,
      "loss": 0.5079,
      "num_tokens": 878377.0,
      "step": 2071
    },
    {
      "epoch": 0.6906666666666667,
      "grad_norm": 16.77251434326172,
      "learning_rate": 6.384879725085911e-06,
      "loss": 0.3103,
      "num_tokens": 878795.0,
      "step": 2072
    },
    {
      "epoch": 0.691,
      "grad_norm": 18.31101417541504,
      "learning_rate": 6.378006872852234e-06,
      "loss": 0.3173,
      "num_tokens": 879228.0,
      "step": 2073
    },
    {
      "epoch": 0.6913333333333334,
      "grad_norm": 20.9191837310791,
      "learning_rate": 6.371134020618557e-06,
      "loss": 0.3434,
      "num_tokens": 879528.0,
      "step": 2074
    },
    {
      "epoch": 0.6916666666666667,
      "grad_norm": 25.326332092285156,
      "learning_rate": 6.36426116838488e-06,
      "loss": 0.698,
      "num_tokens": 879880.0,
      "step": 2075
    },
    {
      "epoch": 0.692,
      "grad_norm": 24.642009735107422,
      "learning_rate": 6.357388316151203e-06,
      "loss": 0.3991,
      "num_tokens": 880178.0,
      "step": 2076
    },
    {
      "epoch": 0.6923333333333334,
      "grad_norm": 41.0301399230957,
      "learning_rate": 6.350515463917526e-06,
      "loss": 0.7039,
      "num_tokens": 880384.0,
      "step": 2077
    },
    {
      "epoch": 0.6926666666666667,
      "grad_norm": 23.0405216217041,
      "learning_rate": 6.343642611683849e-06,
      "loss": 0.3942,
      "num_tokens": 880660.0,
      "step": 2078
    },
    {
      "epoch": 0.693,
      "grad_norm": 19.015270233154297,
      "learning_rate": 6.336769759450172e-06,
      "loss": 0.3524,
      "num_tokens": 881111.0,
      "step": 2079
    },
    {
      "epoch": 0.6933333333333334,
      "grad_norm": 13.3449125289917,
      "learning_rate": 6.329896907216495e-06,
      "loss": 0.284,
      "num_tokens": 881671.0,
      "step": 2080
    },
    {
      "epoch": 0.6936666666666667,
      "grad_norm": 33.79216384887695,
      "learning_rate": 6.323024054982818e-06,
      "loss": 0.3468,
      "num_tokens": 881990.0,
      "step": 2081
    },
    {
      "epoch": 0.694,
      "grad_norm": 13.877374649047852,
      "learning_rate": 6.316151202749141e-06,
      "loss": 0.2906,
      "num_tokens": 882591.0,
      "step": 2082
    },
    {
      "epoch": 0.6943333333333334,
      "grad_norm": 28.948015213012695,
      "learning_rate": 6.309278350515464e-06,
      "loss": 0.5258,
      "num_tokens": 882868.0,
      "step": 2083
    },
    {
      "epoch": 0.6946666666666667,
      "grad_norm": 17.922590255737305,
      "learning_rate": 6.302405498281787e-06,
      "loss": 0.2708,
      "num_tokens": 883304.0,
      "step": 2084
    },
    {
      "epoch": 0.695,
      "grad_norm": 12.25877571105957,
      "learning_rate": 6.29553264604811e-06,
      "loss": 0.2803,
      "num_tokens": 883941.0,
      "step": 2085
    },
    {
      "epoch": 0.6953333333333334,
      "grad_norm": 13.567490577697754,
      "learning_rate": 6.288659793814433e-06,
      "loss": 0.2804,
      "num_tokens": 884604.0,
      "step": 2086
    },
    {
      "epoch": 0.6956666666666667,
      "grad_norm": 25.64910316467285,
      "learning_rate": 6.281786941580757e-06,
      "loss": 0.5993,
      "num_tokens": 884983.0,
      "step": 2087
    },
    {
      "epoch": 0.696,
      "grad_norm": 23.957307815551758,
      "learning_rate": 6.27491408934708e-06,
      "loss": 0.3859,
      "num_tokens": 885235.0,
      "step": 2088
    },
    {
      "epoch": 0.6963333333333334,
      "grad_norm": 11.649251937866211,
      "learning_rate": 6.268041237113403e-06,
      "loss": 0.1941,
      "num_tokens": 885670.0,
      "step": 2089
    },
    {
      "epoch": 0.6966666666666667,
      "grad_norm": 37.9583625793457,
      "learning_rate": 6.261168384879726e-06,
      "loss": 0.6646,
      "num_tokens": 885923.0,
      "step": 2090
    },
    {
      "epoch": 0.697,
      "grad_norm": 28.150108337402344,
      "learning_rate": 6.254295532646049e-06,
      "loss": 0.3678,
      "num_tokens": 886141.0,
      "step": 2091
    },
    {
      "epoch": 0.6973333333333334,
      "grad_norm": 23.4705867767334,
      "learning_rate": 6.247422680412372e-06,
      "loss": 0.4916,
      "num_tokens": 886560.0,
      "step": 2092
    },
    {
      "epoch": 0.6976666666666667,
      "grad_norm": 13.967940330505371,
      "learning_rate": 6.240549828178695e-06,
      "loss": 0.2076,
      "num_tokens": 887004.0,
      "step": 2093
    },
    {
      "epoch": 0.698,
      "grad_norm": 17.643211364746094,
      "learning_rate": 6.233676975945018e-06,
      "loss": 0.2454,
      "num_tokens": 887438.0,
      "step": 2094
    },
    {
      "epoch": 0.6983333333333334,
      "grad_norm": 20.929861068725586,
      "learning_rate": 6.226804123711341e-06,
      "loss": 0.284,
      "num_tokens": 887727.0,
      "step": 2095
    },
    {
      "epoch": 0.6986666666666667,
      "grad_norm": 33.52161407470703,
      "learning_rate": 6.219931271477664e-06,
      "loss": 0.2266,
      "num_tokens": 888174.0,
      "step": 2096
    },
    {
      "epoch": 0.699,
      "grad_norm": 14.048602104187012,
      "learning_rate": 6.213058419243987e-06,
      "loss": 0.313,
      "num_tokens": 888806.0,
      "step": 2097
    },
    {
      "epoch": 0.6993333333333334,
      "grad_norm": 16.89581871032715,
      "learning_rate": 6.20618556701031e-06,
      "loss": 0.2573,
      "num_tokens": 889274.0,
      "step": 2098
    },
    {
      "epoch": 0.6996666666666667,
      "grad_norm": 20.31707000732422,
      "learning_rate": 6.199312714776633e-06,
      "loss": 0.4051,
      "num_tokens": 889719.0,
      "step": 2099
    },
    {
      "epoch": 0.7,
      "grad_norm": 24.1249942779541,
      "learning_rate": 6.192439862542956e-06,
      "loss": 0.4162,
      "num_tokens": 889995.0,
      "step": 2100
    },
    {
      "epoch": 0.7003333333333334,
      "grad_norm": 23.365671157836914,
      "learning_rate": 6.185567010309279e-06,
      "loss": 0.4389,
      "num_tokens": 890257.0,
      "step": 2101
    },
    {
      "epoch": 0.7006666666666667,
      "grad_norm": 11.949461936950684,
      "learning_rate": 6.178694158075602e-06,
      "loss": 0.2323,
      "num_tokens": 890964.0,
      "step": 2102
    },
    {
      "epoch": 0.701,
      "grad_norm": 13.220065116882324,
      "learning_rate": 6.171821305841925e-06,
      "loss": 0.2598,
      "num_tokens": 891745.0,
      "step": 2103
    },
    {
      "epoch": 0.7013333333333334,
      "grad_norm": 10.02200984954834,
      "learning_rate": 6.164948453608248e-06,
      "loss": 0.1872,
      "num_tokens": 892330.0,
      "step": 2104
    },
    {
      "epoch": 0.7016666666666667,
      "grad_norm": 21.247770309448242,
      "learning_rate": 6.158075601374571e-06,
      "loss": 0.5111,
      "num_tokens": 892761.0,
      "step": 2105
    },
    {
      "epoch": 0.702,
      "grad_norm": 16.06809425354004,
      "learning_rate": 6.151202749140894e-06,
      "loss": 0.3087,
      "num_tokens": 893187.0,
      "step": 2106
    },
    {
      "epoch": 0.7023333333333334,
      "grad_norm": 18.262971878051758,
      "learning_rate": 6.144329896907217e-06,
      "loss": 0.3528,
      "num_tokens": 893636.0,
      "step": 2107
    },
    {
      "epoch": 0.7026666666666667,
      "grad_norm": 26.28264617919922,
      "learning_rate": 6.137457044673541e-06,
      "loss": 0.3924,
      "num_tokens": 893937.0,
      "step": 2108
    },
    {
      "epoch": 0.703,
      "grad_norm": 16.76107406616211,
      "learning_rate": 6.130584192439864e-06,
      "loss": 0.3533,
      "num_tokens": 894483.0,
      "step": 2109
    },
    {
      "epoch": 0.7033333333333334,
      "grad_norm": 12.929542541503906,
      "learning_rate": 6.123711340206187e-06,
      "loss": 0.2524,
      "num_tokens": 895105.0,
      "step": 2110
    },
    {
      "epoch": 0.7036666666666667,
      "grad_norm": 24.621614456176758,
      "learning_rate": 6.11683848797251e-06,
      "loss": 0.5111,
      "num_tokens": 895508.0,
      "step": 2111
    },
    {
      "epoch": 0.704,
      "grad_norm": 19.81299591064453,
      "learning_rate": 6.109965635738833e-06,
      "loss": 0.3763,
      "num_tokens": 895868.0,
      "step": 2112
    },
    {
      "epoch": 0.7043333333333334,
      "grad_norm": 16.916610717773438,
      "learning_rate": 6.103092783505156e-06,
      "loss": 0.3684,
      "num_tokens": 896320.0,
      "step": 2113
    },
    {
      "epoch": 0.7046666666666667,
      "grad_norm": 17.012794494628906,
      "learning_rate": 6.096219931271479e-06,
      "loss": 0.2427,
      "num_tokens": 896661.0,
      "step": 2114
    },
    {
      "epoch": 0.705,
      "grad_norm": 21.469324111938477,
      "learning_rate": 6.089347079037801e-06,
      "loss": 0.3705,
      "num_tokens": 897019.0,
      "step": 2115
    },
    {
      "epoch": 0.7053333333333334,
      "grad_norm": 21.977380752563477,
      "learning_rate": 6.082474226804124e-06,
      "loss": 0.4049,
      "num_tokens": 897329.0,
      "step": 2116
    },
    {
      "epoch": 0.7056666666666667,
      "grad_norm": 11.379722595214844,
      "learning_rate": 6.075601374570447e-06,
      "loss": 0.2239,
      "num_tokens": 897828.0,
      "step": 2117
    },
    {
      "epoch": 0.706,
      "grad_norm": 14.672250747680664,
      "learning_rate": 6.06872852233677e-06,
      "loss": 0.286,
      "num_tokens": 898345.0,
      "step": 2118
    },
    {
      "epoch": 0.7063333333333334,
      "grad_norm": 25.334871292114258,
      "learning_rate": 6.061855670103093e-06,
      "loss": 0.5807,
      "num_tokens": 898670.0,
      "step": 2119
    },
    {
      "epoch": 0.7066666666666667,
      "grad_norm": 14.23010540008545,
      "learning_rate": 6.054982817869416e-06,
      "loss": 0.2289,
      "num_tokens": 899049.0,
      "step": 2120
    },
    {
      "epoch": 0.707,
      "grad_norm": 12.487465858459473,
      "learning_rate": 6.048109965635739e-06,
      "loss": 0.2077,
      "num_tokens": 899649.0,
      "step": 2121
    },
    {
      "epoch": 0.7073333333333334,
      "grad_norm": 17.662229537963867,
      "learning_rate": 6.041237113402062e-06,
      "loss": 0.4092,
      "num_tokens": 900220.0,
      "step": 2122
    },
    {
      "epoch": 0.7076666666666667,
      "grad_norm": 11.450592041015625,
      "learning_rate": 6.034364261168385e-06,
      "loss": 0.2379,
      "num_tokens": 900742.0,
      "step": 2123
    },
    {
      "epoch": 0.708,
      "grad_norm": 18.98414421081543,
      "learning_rate": 6.027491408934708e-06,
      "loss": 0.247,
      "num_tokens": 901037.0,
      "step": 2124
    },
    {
      "epoch": 0.7083333333333334,
      "grad_norm": 25.69609260559082,
      "learning_rate": 6.020618556701031e-06,
      "loss": 0.3959,
      "num_tokens": 901288.0,
      "step": 2125
    },
    {
      "epoch": 0.7086666666666667,
      "grad_norm": 18.462949752807617,
      "learning_rate": 6.013745704467354e-06,
      "loss": 0.3361,
      "num_tokens": 901827.0,
      "step": 2126
    },
    {
      "epoch": 0.709,
      "grad_norm": 9.678936004638672,
      "learning_rate": 6.006872852233677e-06,
      "loss": 0.1991,
      "num_tokens": 902822.0,
      "step": 2127
    },
    {
      "epoch": 0.7093333333333334,
      "grad_norm": 11.207127571105957,
      "learning_rate": 6e-06,
      "loss": 0.2397,
      "num_tokens": 903790.0,
      "step": 2128
    },
    {
      "epoch": 0.7096666666666667,
      "grad_norm": 11.633286476135254,
      "learning_rate": 5.993127147766323e-06,
      "loss": 0.2144,
      "num_tokens": 904288.0,
      "step": 2129
    },
    {
      "epoch": 0.71,
      "grad_norm": 13.401837348937988,
      "learning_rate": 5.986254295532646e-06,
      "loss": 0.1988,
      "num_tokens": 904729.0,
      "step": 2130
    },
    {
      "epoch": 0.7103333333333334,
      "grad_norm": 35.47945785522461,
      "learning_rate": 5.979381443298969e-06,
      "loss": 0.5866,
      "num_tokens": 904951.0,
      "step": 2131
    },
    {
      "epoch": 0.7106666666666667,
      "grad_norm": 19.190641403198242,
      "learning_rate": 5.972508591065292e-06,
      "loss": 0.3394,
      "num_tokens": 905380.0,
      "step": 2132
    },
    {
      "epoch": 0.711,
      "grad_norm": 45.18611526489258,
      "learning_rate": 5.965635738831615e-06,
      "loss": 0.7757,
      "num_tokens": 905657.0,
      "step": 2133
    },
    {
      "epoch": 0.7113333333333334,
      "grad_norm": 16.688302993774414,
      "learning_rate": 5.958762886597938e-06,
      "loss": 0.3165,
      "num_tokens": 906016.0,
      "step": 2134
    },
    {
      "epoch": 0.7116666666666667,
      "grad_norm": 28.398218154907227,
      "learning_rate": 5.951890034364261e-06,
      "loss": 0.4029,
      "num_tokens": 906318.0,
      "step": 2135
    },
    {
      "epoch": 0.712,
      "grad_norm": 16.127975463867188,
      "learning_rate": 5.945017182130585e-06,
      "loss": 0.2812,
      "num_tokens": 906810.0,
      "step": 2136
    },
    {
      "epoch": 0.7123333333333334,
      "grad_norm": 27.753507614135742,
      "learning_rate": 5.938144329896908e-06,
      "loss": 0.5567,
      "num_tokens": 907065.0,
      "step": 2137
    },
    {
      "epoch": 0.7126666666666667,
      "grad_norm": 11.103106498718262,
      "learning_rate": 5.931271477663231e-06,
      "loss": 0.1996,
      "num_tokens": 907896.0,
      "step": 2138
    },
    {
      "epoch": 0.713,
      "grad_norm": 18.28860092163086,
      "learning_rate": 5.924398625429554e-06,
      "loss": 0.3669,
      "num_tokens": 908382.0,
      "step": 2139
    },
    {
      "epoch": 0.7133333333333334,
      "grad_norm": 10.533638000488281,
      "learning_rate": 5.917525773195877e-06,
      "loss": 0.2019,
      "num_tokens": 908988.0,
      "step": 2140
    },
    {
      "epoch": 0.7136666666666667,
      "grad_norm": 12.52386474609375,
      "learning_rate": 5.9106529209622e-06,
      "loss": 0.258,
      "num_tokens": 909572.0,
      "step": 2141
    },
    {
      "epoch": 0.714,
      "grad_norm": 26.50151824951172,
      "learning_rate": 5.903780068728523e-06,
      "loss": 0.4552,
      "num_tokens": 909912.0,
      "step": 2142
    },
    {
      "epoch": 0.7143333333333334,
      "grad_norm": 17.9786319732666,
      "learning_rate": 5.896907216494846e-06,
      "loss": 0.2756,
      "num_tokens": 910370.0,
      "step": 2143
    },
    {
      "epoch": 0.7146666666666667,
      "grad_norm": 13.56090259552002,
      "learning_rate": 5.890034364261169e-06,
      "loss": 0.2659,
      "num_tokens": 910866.0,
      "step": 2144
    },
    {
      "epoch": 0.715,
      "grad_norm": 25.6044921875,
      "learning_rate": 5.883161512027492e-06,
      "loss": 0.4256,
      "num_tokens": 911096.0,
      "step": 2145
    },
    {
      "epoch": 0.7153333333333334,
      "grad_norm": 13.26872444152832,
      "learning_rate": 5.876288659793815e-06,
      "loss": 0.2207,
      "num_tokens": 911465.0,
      "step": 2146
    },
    {
      "epoch": 0.7156666666666667,
      "grad_norm": 10.605494499206543,
      "learning_rate": 5.869415807560138e-06,
      "loss": 0.277,
      "num_tokens": 912359.0,
      "step": 2147
    },
    {
      "epoch": 0.716,
      "grad_norm": 50.98188400268555,
      "learning_rate": 5.862542955326461e-06,
      "loss": 0.2919,
      "num_tokens": 912626.0,
      "step": 2148
    },
    {
      "epoch": 0.7163333333333334,
      "grad_norm": 18.536760330200195,
      "learning_rate": 5.855670103092784e-06,
      "loss": 0.3304,
      "num_tokens": 912965.0,
      "step": 2149
    },
    {
      "epoch": 0.7166666666666667,
      "grad_norm": 17.33234405517578,
      "learning_rate": 5.848797250859107e-06,
      "loss": 0.3049,
      "num_tokens": 913313.0,
      "step": 2150
    },
    {
      "epoch": 0.717,
      "grad_norm": 31.560789108276367,
      "learning_rate": 5.84192439862543e-06,
      "loss": 0.567,
      "num_tokens": 913607.0,
      "step": 2151
    },
    {
      "epoch": 0.7173333333333334,
      "grad_norm": 19.46171760559082,
      "learning_rate": 5.835051546391753e-06,
      "loss": 0.3525,
      "num_tokens": 913964.0,
      "step": 2152
    },
    {
      "epoch": 0.7176666666666667,
      "grad_norm": 22.84758186340332,
      "learning_rate": 5.828178694158076e-06,
      "loss": 0.4621,
      "num_tokens": 914280.0,
      "step": 2153
    },
    {
      "epoch": 0.718,
      "grad_norm": 15.316756248474121,
      "learning_rate": 5.821305841924399e-06,
      "loss": 0.297,
      "num_tokens": 914757.0,
      "step": 2154
    },
    {
      "epoch": 0.7183333333333334,
      "grad_norm": 27.961231231689453,
      "learning_rate": 5.814432989690722e-06,
      "loss": 0.6139,
      "num_tokens": 915086.0,
      "step": 2155
    },
    {
      "epoch": 0.7186666666666667,
      "grad_norm": 19.017305374145508,
      "learning_rate": 5.807560137457045e-06,
      "loss": 0.3366,
      "num_tokens": 915471.0,
      "step": 2156
    },
    {
      "epoch": 0.719,
      "grad_norm": 21.697172164916992,
      "learning_rate": 5.800687285223368e-06,
      "loss": 0.4299,
      "num_tokens": 915937.0,
      "step": 2157
    },
    {
      "epoch": 0.7193333333333334,
      "grad_norm": 15.622834205627441,
      "learning_rate": 5.793814432989692e-06,
      "loss": 0.3034,
      "num_tokens": 916540.0,
      "step": 2158
    },
    {
      "epoch": 0.7196666666666667,
      "grad_norm": 13.575840950012207,
      "learning_rate": 5.786941580756015e-06,
      "loss": 0.2484,
      "num_tokens": 917044.0,
      "step": 2159
    },
    {
      "epoch": 0.72,
      "grad_norm": 26.614194869995117,
      "learning_rate": 5.780068728522336e-06,
      "loss": 0.3703,
      "num_tokens": 917343.0,
      "step": 2160
    },
    {
      "epoch": 0.7203333333333334,
      "grad_norm": 31.649639129638672,
      "learning_rate": 5.7731958762886594e-06,
      "loss": 0.7813,
      "num_tokens": 917676.0,
      "step": 2161
    },
    {
      "epoch": 0.7206666666666667,
      "grad_norm": 25.04767417907715,
      "learning_rate": 5.7663230240549824e-06,
      "loss": 0.4584,
      "num_tokens": 917963.0,
      "step": 2162
    },
    {
      "epoch": 0.721,
      "grad_norm": 18.300392150878906,
      "learning_rate": 5.7594501718213054e-06,
      "loss": 0.2842,
      "num_tokens": 918329.0,
      "step": 2163
    },
    {
      "epoch": 0.7213333333333334,
      "grad_norm": 11.982629776000977,
      "learning_rate": 5.752577319587629e-06,
      "loss": 0.1892,
      "num_tokens": 918970.0,
      "step": 2164
    },
    {
      "epoch": 0.7216666666666667,
      "grad_norm": 18.063405990600586,
      "learning_rate": 5.745704467353952e-06,
      "loss": 0.3992,
      "num_tokens": 919419.0,
      "step": 2165
    },
    {
      "epoch": 0.722,
      "grad_norm": 22.074140548706055,
      "learning_rate": 5.738831615120275e-06,
      "loss": 0.5032,
      "num_tokens": 919820.0,
      "step": 2166
    },
    {
      "epoch": 0.7223333333333334,
      "grad_norm": 20.331018447875977,
      "learning_rate": 5.731958762886598e-06,
      "loss": 0.4271,
      "num_tokens": 920148.0,
      "step": 2167
    },
    {
      "epoch": 0.7226666666666667,
      "grad_norm": 23.00054931640625,
      "learning_rate": 5.725085910652921e-06,
      "loss": 0.4462,
      "num_tokens": 920513.0,
      "step": 2168
    },
    {
      "epoch": 0.723,
      "grad_norm": 31.26763343811035,
      "learning_rate": 5.718213058419244e-06,
      "loss": 0.5394,
      "num_tokens": 920750.0,
      "step": 2169
    },
    {
      "epoch": 0.7233333333333334,
      "grad_norm": 19.76226043701172,
      "learning_rate": 5.711340206185567e-06,
      "loss": 0.3296,
      "num_tokens": 921024.0,
      "step": 2170
    },
    {
      "epoch": 0.7236666666666667,
      "grad_norm": 10.60330581665039,
      "learning_rate": 5.70446735395189e-06,
      "loss": 0.2076,
      "num_tokens": 921671.0,
      "step": 2171
    },
    {
      "epoch": 0.724,
      "grad_norm": 23.94361686706543,
      "learning_rate": 5.697594501718213e-06,
      "loss": 0.4095,
      "num_tokens": 921956.0,
      "step": 2172
    },
    {
      "epoch": 0.7243333333333334,
      "grad_norm": 13.200092315673828,
      "learning_rate": 5.690721649484536e-06,
      "loss": 0.2198,
      "num_tokens": 922627.0,
      "step": 2173
    },
    {
      "epoch": 0.7246666666666667,
      "grad_norm": 18.628326416015625,
      "learning_rate": 5.683848797250859e-06,
      "loss": 0.3599,
      "num_tokens": 923111.0,
      "step": 2174
    },
    {
      "epoch": 0.725,
      "grad_norm": 18.40713882446289,
      "learning_rate": 5.676975945017182e-06,
      "loss": 0.289,
      "num_tokens": 923429.0,
      "step": 2175
    },
    {
      "epoch": 0.7253333333333334,
      "grad_norm": 21.200695037841797,
      "learning_rate": 5.670103092783505e-06,
      "loss": 0.4406,
      "num_tokens": 923787.0,
      "step": 2176
    },
    {
      "epoch": 0.7256666666666667,
      "grad_norm": 13.728710174560547,
      "learning_rate": 5.663230240549828e-06,
      "loss": 0.2796,
      "num_tokens": 924456.0,
      "step": 2177
    },
    {
      "epoch": 0.726,
      "grad_norm": 15.218778610229492,
      "learning_rate": 5.656357388316151e-06,
      "loss": 0.3056,
      "num_tokens": 925045.0,
      "step": 2178
    },
    {
      "epoch": 0.7263333333333334,
      "grad_norm": 28.638978958129883,
      "learning_rate": 5.6494845360824744e-06,
      "loss": 0.5179,
      "num_tokens": 925336.0,
      "step": 2179
    },
    {
      "epoch": 0.7266666666666667,
      "grad_norm": 12.20557975769043,
      "learning_rate": 5.6426116838487974e-06,
      "loss": 0.2383,
      "num_tokens": 925769.0,
      "step": 2180
    },
    {
      "epoch": 0.727,
      "grad_norm": 31.13678741455078,
      "learning_rate": 5.6357388316151204e-06,
      "loss": 0.5167,
      "num_tokens": 926093.0,
      "step": 2181
    },
    {
      "epoch": 0.7273333333333334,
      "grad_norm": 71.55924224853516,
      "learning_rate": 5.6288659793814435e-06,
      "loss": 0.2862,
      "num_tokens": 926498.0,
      "step": 2182
    },
    {
      "epoch": 0.7276666666666667,
      "grad_norm": 14.53125,
      "learning_rate": 5.6219931271477665e-06,
      "loss": 0.3182,
      "num_tokens": 927040.0,
      "step": 2183
    },
    {
      "epoch": 0.728,
      "grad_norm": 14.465657234191895,
      "learning_rate": 5.6151202749140895e-06,
      "loss": 0.1862,
      "num_tokens": 927365.0,
      "step": 2184
    },
    {
      "epoch": 0.7283333333333334,
      "grad_norm": 16.209177017211914,
      "learning_rate": 5.6082474226804125e-06,
      "loss": 0.3491,
      "num_tokens": 928016.0,
      "step": 2185
    },
    {
      "epoch": 0.7286666666666667,
      "grad_norm": 29.452423095703125,
      "learning_rate": 5.601374570446736e-06,
      "loss": 0.6304,
      "num_tokens": 928274.0,
      "step": 2186
    },
    {
      "epoch": 0.729,
      "grad_norm": 15.889106750488281,
      "learning_rate": 5.594501718213059e-06,
      "loss": 0.2093,
      "num_tokens": 928662.0,
      "step": 2187
    },
    {
      "epoch": 0.7293333333333333,
      "grad_norm": 24.366418838500977,
      "learning_rate": 5.587628865979382e-06,
      "loss": 0.379,
      "num_tokens": 929014.0,
      "step": 2188
    },
    {
      "epoch": 0.7296666666666667,
      "grad_norm": 18.42959976196289,
      "learning_rate": 5.580756013745705e-06,
      "loss": 0.3057,
      "num_tokens": 929443.0,
      "step": 2189
    },
    {
      "epoch": 0.73,
      "grad_norm": 20.369014739990234,
      "learning_rate": 5.573883161512028e-06,
      "loss": 0.4757,
      "num_tokens": 929902.0,
      "step": 2190
    },
    {
      "epoch": 0.7303333333333333,
      "grad_norm": 13.034236907958984,
      "learning_rate": 5.567010309278351e-06,
      "loss": 0.2583,
      "num_tokens": 930407.0,
      "step": 2191
    },
    {
      "epoch": 0.7306666666666667,
      "grad_norm": 20.997764587402344,
      "learning_rate": 5.560137457044674e-06,
      "loss": 0.4598,
      "num_tokens": 930847.0,
      "step": 2192
    },
    {
      "epoch": 0.731,
      "grad_norm": 25.03601837158203,
      "learning_rate": 5.553264604810997e-06,
      "loss": 0.5344,
      "num_tokens": 931192.0,
      "step": 2193
    },
    {
      "epoch": 0.7313333333333333,
      "grad_norm": 19.136808395385742,
      "learning_rate": 5.54639175257732e-06,
      "loss": 0.2995,
      "num_tokens": 931616.0,
      "step": 2194
    },
    {
      "epoch": 0.7316666666666667,
      "grad_norm": 17.6192626953125,
      "learning_rate": 5.539518900343643e-06,
      "loss": 0.2925,
      "num_tokens": 932098.0,
      "step": 2195
    },
    {
      "epoch": 0.732,
      "grad_norm": 11.49759292602539,
      "learning_rate": 5.532646048109966e-06,
      "loss": 0.1835,
      "num_tokens": 932695.0,
      "step": 2196
    },
    {
      "epoch": 0.7323333333333333,
      "grad_norm": 22.332984924316406,
      "learning_rate": 5.525773195876289e-06,
      "loss": 0.361,
      "num_tokens": 933049.0,
      "step": 2197
    },
    {
      "epoch": 0.7326666666666667,
      "grad_norm": 15.071314811706543,
      "learning_rate": 5.5189003436426124e-06,
      "loss": 0.2203,
      "num_tokens": 933374.0,
      "step": 2198
    },
    {
      "epoch": 0.733,
      "grad_norm": 18.931604385375977,
      "learning_rate": 5.5120274914089354e-06,
      "loss": 0.3572,
      "num_tokens": 933739.0,
      "step": 2199
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 16.68095588684082,
      "learning_rate": 5.5051546391752584e-06,
      "loss": 0.3281,
      "num_tokens": 934361.0,
      "step": 2200
    },
    {
      "epoch": 0.7336666666666667,
      "grad_norm": 12.902832984924316,
      "learning_rate": 5.4982817869415815e-06,
      "loss": 0.1994,
      "num_tokens": 934704.0,
      "step": 2201
    },
    {
      "epoch": 0.734,
      "grad_norm": 44.25706100463867,
      "learning_rate": 5.4914089347079045e-06,
      "loss": 0.1888,
      "num_tokens": 935244.0,
      "step": 2202
    },
    {
      "epoch": 0.7343333333333333,
      "grad_norm": 21.473066329956055,
      "learning_rate": 5.4845360824742275e-06,
      "loss": 0.3182,
      "num_tokens": 935587.0,
      "step": 2203
    },
    {
      "epoch": 0.7346666666666667,
      "grad_norm": 18.03799057006836,
      "learning_rate": 5.4776632302405505e-06,
      "loss": 0.3109,
      "num_tokens": 935938.0,
      "step": 2204
    },
    {
      "epoch": 0.735,
      "grad_norm": 16.83197021484375,
      "learning_rate": 5.4707903780068735e-06,
      "loss": 0.2821,
      "num_tokens": 936328.0,
      "step": 2205
    },
    {
      "epoch": 0.7353333333333333,
      "grad_norm": 18.83180046081543,
      "learning_rate": 5.463917525773196e-06,
      "loss": 0.2831,
      "num_tokens": 936742.0,
      "step": 2206
    },
    {
      "epoch": 0.7356666666666667,
      "grad_norm": 13.748254776000977,
      "learning_rate": 5.457044673539519e-06,
      "loss": 0.182,
      "num_tokens": 937237.0,
      "step": 2207
    },
    {
      "epoch": 0.736,
      "grad_norm": 16.586761474609375,
      "learning_rate": 5.450171821305842e-06,
      "loss": 0.2295,
      "num_tokens": 937775.0,
      "step": 2208
    },
    {
      "epoch": 0.7363333333333333,
      "grad_norm": 24.673675537109375,
      "learning_rate": 5.443298969072165e-06,
      "loss": 0.3488,
      "num_tokens": 938122.0,
      "step": 2209
    },
    {
      "epoch": 0.7366666666666667,
      "grad_norm": 12.335068702697754,
      "learning_rate": 5.436426116838488e-06,
      "loss": 0.213,
      "num_tokens": 938692.0,
      "step": 2210
    },
    {
      "epoch": 0.737,
      "grad_norm": 12.701011657714844,
      "learning_rate": 5.429553264604811e-06,
      "loss": 0.2246,
      "num_tokens": 939265.0,
      "step": 2211
    },
    {
      "epoch": 0.7373333333333333,
      "grad_norm": 16.298418045043945,
      "learning_rate": 5.422680412371134e-06,
      "loss": 0.2584,
      "num_tokens": 939647.0,
      "step": 2212
    },
    {
      "epoch": 0.7376666666666667,
      "grad_norm": 12.31973934173584,
      "learning_rate": 5.415807560137457e-06,
      "loss": 0.1888,
      "num_tokens": 940199.0,
      "step": 2213
    },
    {
      "epoch": 0.738,
      "grad_norm": 20.098180770874023,
      "learning_rate": 5.4089347079037806e-06,
      "loss": 0.3739,
      "num_tokens": 940631.0,
      "step": 2214
    },
    {
      "epoch": 0.7383333333333333,
      "grad_norm": 14.131743431091309,
      "learning_rate": 5.4020618556701036e-06,
      "loss": 0.3745,
      "num_tokens": 941427.0,
      "step": 2215
    },
    {
      "epoch": 0.7386666666666667,
      "grad_norm": 16.77543067932129,
      "learning_rate": 5.395189003436427e-06,
      "loss": 0.2866,
      "num_tokens": 941877.0,
      "step": 2216
    },
    {
      "epoch": 0.739,
      "grad_norm": 19.388168334960938,
      "learning_rate": 5.38831615120275e-06,
      "loss": 0.3601,
      "num_tokens": 942376.0,
      "step": 2217
    },
    {
      "epoch": 0.7393333333333333,
      "grad_norm": 15.8837890625,
      "learning_rate": 5.381443298969073e-06,
      "loss": 0.3122,
      "num_tokens": 942893.0,
      "step": 2218
    },
    {
      "epoch": 0.7396666666666667,
      "grad_norm": 19.941486358642578,
      "learning_rate": 5.374570446735396e-06,
      "loss": 0.3528,
      "num_tokens": 943277.0,
      "step": 2219
    },
    {
      "epoch": 0.74,
      "grad_norm": 22.088035583496094,
      "learning_rate": 5.367697594501719e-06,
      "loss": 0.3309,
      "num_tokens": 943700.0,
      "step": 2220
    },
    {
      "epoch": 0.7403333333333333,
      "grad_norm": 19.254655838012695,
      "learning_rate": 5.360824742268042e-06,
      "loss": 0.3243,
      "num_tokens": 944030.0,
      "step": 2221
    },
    {
      "epoch": 0.7406666666666667,
      "grad_norm": 38.3972053527832,
      "learning_rate": 5.353951890034365e-06,
      "loss": 0.8025,
      "num_tokens": 944372.0,
      "step": 2222
    },
    {
      "epoch": 0.741,
      "grad_norm": 14.471336364746094,
      "learning_rate": 5.347079037800688e-06,
      "loss": 0.2258,
      "num_tokens": 944836.0,
      "step": 2223
    },
    {
      "epoch": 0.7413333333333333,
      "grad_norm": 17.617246627807617,
      "learning_rate": 5.340206185567011e-06,
      "loss": 0.2904,
      "num_tokens": 945204.0,
      "step": 2224
    },
    {
      "epoch": 0.7416666666666667,
      "grad_norm": 13.477405548095703,
      "learning_rate": 5.333333333333334e-06,
      "loss": 0.2219,
      "num_tokens": 945742.0,
      "step": 2225
    },
    {
      "epoch": 0.742,
      "grad_norm": 41.24494171142578,
      "learning_rate": 5.326460481099657e-06,
      "loss": 0.64,
      "num_tokens": 945980.0,
      "step": 2226
    },
    {
      "epoch": 0.7423333333333333,
      "grad_norm": 22.130352020263672,
      "learning_rate": 5.31958762886598e-06,
      "loss": 0.3292,
      "num_tokens": 946349.0,
      "step": 2227
    },
    {
      "epoch": 0.7426666666666667,
      "grad_norm": 13.331475257873535,
      "learning_rate": 5.312714776632303e-06,
      "loss": 0.2761,
      "num_tokens": 947201.0,
      "step": 2228
    },
    {
      "epoch": 0.743,
      "grad_norm": 9.727705001831055,
      "learning_rate": 5.305841924398626e-06,
      "loss": 0.1834,
      "num_tokens": 948039.0,
      "step": 2229
    },
    {
      "epoch": 0.7433333333333333,
      "grad_norm": 18.899805068969727,
      "learning_rate": 5.298969072164949e-06,
      "loss": 0.428,
      "num_tokens": 948453.0,
      "step": 2230
    },
    {
      "epoch": 0.7436666666666667,
      "grad_norm": 22.684471130371094,
      "learning_rate": 5.292096219931272e-06,
      "loss": 0.4243,
      "num_tokens": 948770.0,
      "step": 2231
    },
    {
      "epoch": 0.744,
      "grad_norm": 46.946102142333984,
      "learning_rate": 5.285223367697595e-06,
      "loss": 0.6188,
      "num_tokens": 949010.0,
      "step": 2232
    },
    {
      "epoch": 0.7443333333333333,
      "grad_norm": 20.318267822265625,
      "learning_rate": 5.278350515463918e-06,
      "loss": 0.3773,
      "num_tokens": 949333.0,
      "step": 2233
    },
    {
      "epoch": 0.7446666666666667,
      "grad_norm": 26.534412384033203,
      "learning_rate": 5.271477663230241e-06,
      "loss": 0.4239,
      "num_tokens": 949612.0,
      "step": 2234
    },
    {
      "epoch": 0.745,
      "grad_norm": 19.151037216186523,
      "learning_rate": 5.264604810996565e-06,
      "loss": 0.407,
      "num_tokens": 950055.0,
      "step": 2235
    },
    {
      "epoch": 0.7453333333333333,
      "grad_norm": 25.877643585205078,
      "learning_rate": 5.257731958762888e-06,
      "loss": 0.4525,
      "num_tokens": 950400.0,
      "step": 2236
    },
    {
      "epoch": 0.7456666666666667,
      "grad_norm": 15.713125228881836,
      "learning_rate": 5.250859106529211e-06,
      "loss": 0.2738,
      "num_tokens": 950958.0,
      "step": 2237
    },
    {
      "epoch": 0.746,
      "grad_norm": 15.301163673400879,
      "learning_rate": 5.243986254295534e-06,
      "loss": 0.2809,
      "num_tokens": 951450.0,
      "step": 2238
    },
    {
      "epoch": 0.7463333333333333,
      "grad_norm": 31.059038162231445,
      "learning_rate": 5.237113402061857e-06,
      "loss": 0.3964,
      "num_tokens": 951828.0,
      "step": 2239
    },
    {
      "epoch": 0.7466666666666667,
      "grad_norm": 29.54588508605957,
      "learning_rate": 5.23024054982818e-06,
      "loss": 0.4343,
      "num_tokens": 952076.0,
      "step": 2240
    },
    {
      "epoch": 0.747,
      "grad_norm": 12.323149681091309,
      "learning_rate": 5.223367697594503e-06,
      "loss": 0.1774,
      "num_tokens": 952602.0,
      "step": 2241
    },
    {
      "epoch": 0.7473333333333333,
      "grad_norm": 25.033960342407227,
      "learning_rate": 5.216494845360826e-06,
      "loss": 0.4002,
      "num_tokens": 952888.0,
      "step": 2242
    },
    {
      "epoch": 0.7476666666666667,
      "grad_norm": 12.108746528625488,
      "learning_rate": 5.209621993127149e-06,
      "loss": 0.2282,
      "num_tokens": 953409.0,
      "step": 2243
    },
    {
      "epoch": 0.748,
      "grad_norm": 14.28271770477295,
      "learning_rate": 5.202749140893472e-06,
      "loss": 0.2642,
      "num_tokens": 953887.0,
      "step": 2244
    },
    {
      "epoch": 0.7483333333333333,
      "grad_norm": 20.06631088256836,
      "learning_rate": 5.195876288659795e-06,
      "loss": 0.3116,
      "num_tokens": 954246.0,
      "step": 2245
    },
    {
      "epoch": 0.7486666666666667,
      "grad_norm": 19.415157318115234,
      "learning_rate": 5.189003436426118e-06,
      "loss": 0.2997,
      "num_tokens": 954624.0,
      "step": 2246
    },
    {
      "epoch": 0.749,
      "grad_norm": 17.895484924316406,
      "learning_rate": 5.182130584192441e-06,
      "loss": 0.2102,
      "num_tokens": 954993.0,
      "step": 2247
    },
    {
      "epoch": 0.7493333333333333,
      "grad_norm": 17.139867782592773,
      "learning_rate": 5.175257731958764e-06,
      "loss": 0.3144,
      "num_tokens": 955390.0,
      "step": 2248
    },
    {
      "epoch": 0.7496666666666667,
      "grad_norm": 21.36885643005371,
      "learning_rate": 5.168384879725087e-06,
      "loss": 0.3474,
      "num_tokens": 955737.0,
      "step": 2249
    },
    {
      "epoch": 0.75,
      "grad_norm": 12.001599311828613,
      "learning_rate": 5.16151202749141e-06,
      "loss": 0.2103,
      "num_tokens": 956353.0,
      "step": 2250
    },
    {
      "epoch": 0.7503333333333333,
      "grad_norm": 11.969560623168945,
      "learning_rate": 5.154639175257732e-06,
      "loss": 0.1591,
      "num_tokens": 956724.0,
      "step": 2251
    },
    {
      "epoch": 0.7506666666666667,
      "grad_norm": 25.524250030517578,
      "learning_rate": 5.147766323024055e-06,
      "loss": 0.4687,
      "num_tokens": 957021.0,
      "step": 2252
    },
    {
      "epoch": 0.751,
      "grad_norm": 23.48188591003418,
      "learning_rate": 5.140893470790378e-06,
      "loss": 0.4207,
      "num_tokens": 957414.0,
      "step": 2253
    },
    {
      "epoch": 0.7513333333333333,
      "grad_norm": 29.472505569458008,
      "learning_rate": 5.134020618556701e-06,
      "loss": 0.5038,
      "num_tokens": 957706.0,
      "step": 2254
    },
    {
      "epoch": 0.7516666666666667,
      "grad_norm": 33.12264633178711,
      "learning_rate": 5.127147766323024e-06,
      "loss": 0.5485,
      "num_tokens": 957940.0,
      "step": 2255
    },
    {
      "epoch": 0.752,
      "grad_norm": 14.95233154296875,
      "learning_rate": 5.120274914089347e-06,
      "loss": 0.2379,
      "num_tokens": 958496.0,
      "step": 2256
    },
    {
      "epoch": 0.7523333333333333,
      "grad_norm": 17.443632125854492,
      "learning_rate": 5.11340206185567e-06,
      "loss": 0.3788,
      "num_tokens": 959111.0,
      "step": 2257
    },
    {
      "epoch": 0.7526666666666667,
      "grad_norm": 32.57594299316406,
      "learning_rate": 5.106529209621993e-06,
      "loss": 0.4595,
      "num_tokens": 959347.0,
      "step": 2258
    },
    {
      "epoch": 0.753,
      "grad_norm": 17.155115127563477,
      "learning_rate": 5.099656357388316e-06,
      "loss": 0.2595,
      "num_tokens": 959739.0,
      "step": 2259
    },
    {
      "epoch": 0.7533333333333333,
      "grad_norm": 22.63399314880371,
      "learning_rate": 5.092783505154639e-06,
      "loss": 0.5604,
      "num_tokens": 960194.0,
      "step": 2260
    },
    {
      "epoch": 0.7536666666666667,
      "grad_norm": 22.557987213134766,
      "learning_rate": 5.085910652920962e-06,
      "loss": 0.4184,
      "num_tokens": 960622.0,
      "step": 2261
    },
    {
      "epoch": 0.754,
      "grad_norm": 31.361949920654297,
      "learning_rate": 5.079037800687285e-06,
      "loss": 0.531,
      "num_tokens": 960868.0,
      "step": 2262
    },
    {
      "epoch": 0.7543333333333333,
      "grad_norm": 23.993255615234375,
      "learning_rate": 5.072164948453609e-06,
      "loss": 0.3828,
      "num_tokens": 961226.0,
      "step": 2263
    },
    {
      "epoch": 0.7546666666666667,
      "grad_norm": 8.953069686889648,
      "learning_rate": 5.065292096219932e-06,
      "loss": 0.1659,
      "num_tokens": 961859.0,
      "step": 2264
    },
    {
      "epoch": 0.755,
      "grad_norm": 13.868692398071289,
      "learning_rate": 5.058419243986255e-06,
      "loss": 0.1994,
      "num_tokens": 962335.0,
      "step": 2265
    },
    {
      "epoch": 0.7553333333333333,
      "grad_norm": 18.90420150756836,
      "learning_rate": 5.051546391752578e-06,
      "loss": 0.4559,
      "num_tokens": 962862.0,
      "step": 2266
    },
    {
      "epoch": 0.7556666666666667,
      "grad_norm": 21.986961364746094,
      "learning_rate": 5.044673539518901e-06,
      "loss": 0.3402,
      "num_tokens": 963162.0,
      "step": 2267
    },
    {
      "epoch": 0.756,
      "grad_norm": 19.454605102539062,
      "learning_rate": 5.037800687285224e-06,
      "loss": 0.3669,
      "num_tokens": 963664.0,
      "step": 2268
    },
    {
      "epoch": 0.7563333333333333,
      "grad_norm": 19.15377426147461,
      "learning_rate": 5.030927835051547e-06,
      "loss": 0.3965,
      "num_tokens": 964065.0,
      "step": 2269
    },
    {
      "epoch": 0.7566666666666667,
      "grad_norm": 19.845455169677734,
      "learning_rate": 5.02405498281787e-06,
      "loss": 0.4011,
      "num_tokens": 964485.0,
      "step": 2270
    },
    {
      "epoch": 0.757,
      "grad_norm": 28.578535079956055,
      "learning_rate": 5.017182130584193e-06,
      "loss": 0.5557,
      "num_tokens": 964802.0,
      "step": 2271
    },
    {
      "epoch": 0.7573333333333333,
      "grad_norm": 15.8530855178833,
      "learning_rate": 5.010309278350516e-06,
      "loss": 0.2462,
      "num_tokens": 965253.0,
      "step": 2272
    },
    {
      "epoch": 0.7576666666666667,
      "grad_norm": 14.326988220214844,
      "learning_rate": 5.003436426116839e-06,
      "loss": 0.2872,
      "num_tokens": 965816.0,
      "step": 2273
    },
    {
      "epoch": 0.758,
      "grad_norm": 15.110243797302246,
      "learning_rate": 4.996563573883162e-06,
      "loss": 0.2337,
      "num_tokens": 966151.0,
      "step": 2274
    },
    {
      "epoch": 0.7583333333333333,
      "grad_norm": 27.68794822692871,
      "learning_rate": 4.989690721649485e-06,
      "loss": 0.4629,
      "num_tokens": 966451.0,
      "step": 2275
    },
    {
      "epoch": 0.7586666666666667,
      "grad_norm": 41.31815719604492,
      "learning_rate": 4.982817869415808e-06,
      "loss": 0.6588,
      "num_tokens": 966663.0,
      "step": 2276
    },
    {
      "epoch": 0.759,
      "grad_norm": 16.930652618408203,
      "learning_rate": 4.975945017182131e-06,
      "loss": 0.3023,
      "num_tokens": 967256.0,
      "step": 2277
    },
    {
      "epoch": 0.7593333333333333,
      "grad_norm": 19.600418090820312,
      "learning_rate": 4.969072164948454e-06,
      "loss": 0.3668,
      "num_tokens": 967643.0,
      "step": 2278
    },
    {
      "epoch": 0.7596666666666667,
      "grad_norm": 29.84015655517578,
      "learning_rate": 4.962199312714777e-06,
      "loss": 0.4839,
      "num_tokens": 967895.0,
      "step": 2279
    },
    {
      "epoch": 0.76,
      "grad_norm": 15.845081329345703,
      "learning_rate": 4.9553264604811e-06,
      "loss": 0.2759,
      "num_tokens": 968291.0,
      "step": 2280
    },
    {
      "epoch": 0.7603333333333333,
      "grad_norm": 18.647478103637695,
      "learning_rate": 4.948453608247423e-06,
      "loss": 0.2567,
      "num_tokens": 968658.0,
      "step": 2281
    },
    {
      "epoch": 0.7606666666666667,
      "grad_norm": 35.047489166259766,
      "learning_rate": 4.941580756013746e-06,
      "loss": 0.5677,
      "num_tokens": 968901.0,
      "step": 2282
    },
    {
      "epoch": 0.761,
      "grad_norm": 11.016942024230957,
      "learning_rate": 4.934707903780069e-06,
      "loss": 0.172,
      "num_tokens": 969391.0,
      "step": 2283
    },
    {
      "epoch": 0.7613333333333333,
      "grad_norm": 14.75749683380127,
      "learning_rate": 4.927835051546392e-06,
      "loss": 0.2172,
      "num_tokens": 969842.0,
      "step": 2284
    },
    {
      "epoch": 0.7616666666666667,
      "grad_norm": 22.755834579467773,
      "learning_rate": 4.920962199312715e-06,
      "loss": 0.4222,
      "num_tokens": 970148.0,
      "step": 2285
    },
    {
      "epoch": 0.762,
      "grad_norm": 27.051469802856445,
      "learning_rate": 4.914089347079038e-06,
      "loss": 0.2802,
      "num_tokens": 970541.0,
      "step": 2286
    },
    {
      "epoch": 0.7623333333333333,
      "grad_norm": 21.700172424316406,
      "learning_rate": 4.907216494845361e-06,
      "loss": 0.3138,
      "num_tokens": 970887.0,
      "step": 2287
    },
    {
      "epoch": 0.7626666666666667,
      "grad_norm": 18.065237045288086,
      "learning_rate": 4.900343642611684e-06,
      "loss": 0.4183,
      "num_tokens": 971293.0,
      "step": 2288
    },
    {
      "epoch": 0.763,
      "grad_norm": 19.72822380065918,
      "learning_rate": 4.893470790378007e-06,
      "loss": 0.3902,
      "num_tokens": 971723.0,
      "step": 2289
    },
    {
      "epoch": 0.7633333333333333,
      "grad_norm": 11.889245986938477,
      "learning_rate": 4.88659793814433e-06,
      "loss": 0.2224,
      "num_tokens": 972322.0,
      "step": 2290
    },
    {
      "epoch": 0.7636666666666667,
      "grad_norm": 21.804723739624023,
      "learning_rate": 4.879725085910653e-06,
      "loss": 0.3457,
      "num_tokens": 972794.0,
      "step": 2291
    },
    {
      "epoch": 0.764,
      "grad_norm": 24.068086624145508,
      "learning_rate": 4.872852233676976e-06,
      "loss": 0.397,
      "num_tokens": 973133.0,
      "step": 2292
    },
    {
      "epoch": 0.7643333333333333,
      "grad_norm": 16.103012084960938,
      "learning_rate": 4.865979381443299e-06,
      "loss": 0.4213,
      "num_tokens": 973866.0,
      "step": 2293
    },
    {
      "epoch": 0.7646666666666667,
      "grad_norm": 10.752691268920898,
      "learning_rate": 4.859106529209622e-06,
      "loss": 0.1644,
      "num_tokens": 974491.0,
      "step": 2294
    },
    {
      "epoch": 0.765,
      "grad_norm": 15.86648178100586,
      "learning_rate": 4.852233676975945e-06,
      "loss": 0.2751,
      "num_tokens": 974883.0,
      "step": 2295
    },
    {
      "epoch": 0.7653333333333333,
      "grad_norm": 20.02344512939453,
      "learning_rate": 4.845360824742268e-06,
      "loss": 0.3577,
      "num_tokens": 975294.0,
      "step": 2296
    },
    {
      "epoch": 0.7656666666666667,
      "grad_norm": 29.77374839782715,
      "learning_rate": 4.838487972508591e-06,
      "loss": 0.488,
      "num_tokens": 975546.0,
      "step": 2297
    },
    {
      "epoch": 0.766,
      "grad_norm": 16.297607421875,
      "learning_rate": 4.831615120274914e-06,
      "loss": 0.2857,
      "num_tokens": 976109.0,
      "step": 2298
    },
    {
      "epoch": 0.7663333333333333,
      "grad_norm": 34.237037658691406,
      "learning_rate": 4.824742268041238e-06,
      "loss": 0.607,
      "num_tokens": 976421.0,
      "step": 2299
    },
    {
      "epoch": 0.7666666666666667,
      "grad_norm": 48.620697021484375,
      "learning_rate": 4.817869415807561e-06,
      "loss": 0.7805,
      "num_tokens": 976613.0,
      "step": 2300
    },
    {
      "epoch": 0.767,
      "grad_norm": 17.83541488647461,
      "learning_rate": 4.810996563573884e-06,
      "loss": 0.3458,
      "num_tokens": 977034.0,
      "step": 2301
    },
    {
      "epoch": 0.7673333333333333,
      "grad_norm": 15.108094215393066,
      "learning_rate": 4.804123711340207e-06,
      "loss": 0.3241,
      "num_tokens": 977533.0,
      "step": 2302
    },
    {
      "epoch": 0.7676666666666667,
      "grad_norm": 17.289169311523438,
      "learning_rate": 4.79725085910653e-06,
      "loss": 0.3143,
      "num_tokens": 978065.0,
      "step": 2303
    },
    {
      "epoch": 0.768,
      "grad_norm": 28.10968589782715,
      "learning_rate": 4.790378006872853e-06,
      "loss": 0.4146,
      "num_tokens": 978332.0,
      "step": 2304
    },
    {
      "epoch": 0.7683333333333333,
      "grad_norm": 26.99168586730957,
      "learning_rate": 4.783505154639176e-06,
      "loss": 0.4731,
      "num_tokens": 978608.0,
      "step": 2305
    },
    {
      "epoch": 0.7686666666666667,
      "grad_norm": 18.180091857910156,
      "learning_rate": 4.776632302405499e-06,
      "loss": 0.2888,
      "num_tokens": 978973.0,
      "step": 2306
    },
    {
      "epoch": 0.769,
      "grad_norm": 14.93144702911377,
      "learning_rate": 4.769759450171822e-06,
      "loss": 0.2259,
      "num_tokens": 979388.0,
      "step": 2307
    },
    {
      "epoch": 0.7693333333333333,
      "grad_norm": 16.036216735839844,
      "learning_rate": 4.762886597938144e-06,
      "loss": 0.2147,
      "num_tokens": 979828.0,
      "step": 2308
    },
    {
      "epoch": 0.7696666666666667,
      "grad_norm": 18.776086807250977,
      "learning_rate": 4.756013745704467e-06,
      "loss": 0.3899,
      "num_tokens": 980329.0,
      "step": 2309
    },
    {
      "epoch": 0.77,
      "grad_norm": 11.537298202514648,
      "learning_rate": 4.74914089347079e-06,
      "loss": 0.2867,
      "num_tokens": 981077.0,
      "step": 2310
    },
    {
      "epoch": 0.7703333333333333,
      "grad_norm": 13.295706748962402,
      "learning_rate": 4.742268041237113e-06,
      "loss": 0.2817,
      "num_tokens": 981609.0,
      "step": 2311
    },
    {
      "epoch": 0.7706666666666667,
      "grad_norm": 33.52113342285156,
      "learning_rate": 4.735395189003436e-06,
      "loss": 0.487,
      "num_tokens": 981809.0,
      "step": 2312
    },
    {
      "epoch": 0.771,
      "grad_norm": 13.280852317810059,
      "learning_rate": 4.72852233676976e-06,
      "loss": 0.2937,
      "num_tokens": 982626.0,
      "step": 2313
    },
    {
      "epoch": 0.7713333333333333,
      "grad_norm": 23.171710968017578,
      "learning_rate": 4.721649484536083e-06,
      "loss": 0.3975,
      "num_tokens": 982894.0,
      "step": 2314
    },
    {
      "epoch": 0.7716666666666666,
      "grad_norm": 15.054698944091797,
      "learning_rate": 4.714776632302406e-06,
      "loss": 0.2618,
      "num_tokens": 983468.0,
      "step": 2315
    },
    {
      "epoch": 0.772,
      "grad_norm": 20.476428985595703,
      "learning_rate": 4.707903780068729e-06,
      "loss": 0.2867,
      "num_tokens": 983765.0,
      "step": 2316
    },
    {
      "epoch": 0.7723333333333333,
      "grad_norm": 18.400732040405273,
      "learning_rate": 4.701030927835052e-06,
      "loss": 0.3086,
      "num_tokens": 984393.0,
      "step": 2317
    },
    {
      "epoch": 0.7726666666666666,
      "grad_norm": 14.284549713134766,
      "learning_rate": 4.694158075601375e-06,
      "loss": 0.3103,
      "num_tokens": 985126.0,
      "step": 2318
    },
    {
      "epoch": 0.773,
      "grad_norm": 31.820621490478516,
      "learning_rate": 4.687285223367698e-06,
      "loss": 0.6337,
      "num_tokens": 985456.0,
      "step": 2319
    },
    {
      "epoch": 0.7733333333333333,
      "grad_norm": 29.61357879638672,
      "learning_rate": 4.680412371134021e-06,
      "loss": 0.574,
      "num_tokens": 985738.0,
      "step": 2320
    },
    {
      "epoch": 0.7736666666666666,
      "grad_norm": 21.23164939880371,
      "learning_rate": 4.673539518900344e-06,
      "loss": 0.3357,
      "num_tokens": 986121.0,
      "step": 2321
    },
    {
      "epoch": 0.774,
      "grad_norm": 27.779014587402344,
      "learning_rate": 4.666666666666667e-06,
      "loss": 0.6114,
      "num_tokens": 986578.0,
      "step": 2322
    },
    {
      "epoch": 0.7743333333333333,
      "grad_norm": 13.923828125,
      "learning_rate": 4.65979381443299e-06,
      "loss": 0.4192,
      "num_tokens": 987392.0,
      "step": 2323
    },
    {
      "epoch": 0.7746666666666666,
      "grad_norm": 16.890642166137695,
      "learning_rate": 4.652920962199313e-06,
      "loss": 0.4074,
      "num_tokens": 987951.0,
      "step": 2324
    },
    {
      "epoch": 0.775,
      "grad_norm": 9.522961616516113,
      "learning_rate": 4.646048109965636e-06,
      "loss": 0.2446,
      "num_tokens": 988630.0,
      "step": 2325
    },
    {
      "epoch": 0.7753333333333333,
      "grad_norm": 23.65479278564453,
      "learning_rate": 4.639175257731959e-06,
      "loss": 0.4043,
      "num_tokens": 989017.0,
      "step": 2326
    },
    {
      "epoch": 0.7756666666666666,
      "grad_norm": 18.302831649780273,
      "learning_rate": 4.632302405498282e-06,
      "loss": 0.4074,
      "num_tokens": 989448.0,
      "step": 2327
    },
    {
      "epoch": 0.776,
      "grad_norm": 10.491596221923828,
      "learning_rate": 4.625429553264605e-06,
      "loss": 0.1548,
      "num_tokens": 990054.0,
      "step": 2328
    },
    {
      "epoch": 0.7763333333333333,
      "grad_norm": 16.41311264038086,
      "learning_rate": 4.618556701030928e-06,
      "loss": 0.3064,
      "num_tokens": 990554.0,
      "step": 2329
    },
    {
      "epoch": 0.7766666666666666,
      "grad_norm": 13.637102127075195,
      "learning_rate": 4.611683848797251e-06,
      "loss": 0.2474,
      "num_tokens": 990944.0,
      "step": 2330
    },
    {
      "epoch": 0.777,
      "grad_norm": 13.117977142333984,
      "learning_rate": 4.604810996563574e-06,
      "loss": 0.2321,
      "num_tokens": 991499.0,
      "step": 2331
    },
    {
      "epoch": 0.7773333333333333,
      "grad_norm": 20.089984893798828,
      "learning_rate": 4.597938144329897e-06,
      "loss": 0.4003,
      "num_tokens": 991929.0,
      "step": 2332
    },
    {
      "epoch": 0.7776666666666666,
      "grad_norm": 16.305925369262695,
      "learning_rate": 4.59106529209622e-06,
      "loss": 0.3105,
      "num_tokens": 992319.0,
      "step": 2333
    },
    {
      "epoch": 0.778,
      "grad_norm": 23.085651397705078,
      "learning_rate": 4.584192439862543e-06,
      "loss": 0.3768,
      "num_tokens": 992624.0,
      "step": 2334
    },
    {
      "epoch": 0.7783333333333333,
      "grad_norm": 15.012516021728516,
      "learning_rate": 4.577319587628866e-06,
      "loss": 0.2178,
      "num_tokens": 993075.0,
      "step": 2335
    },
    {
      "epoch": 0.7786666666666666,
      "grad_norm": 17.62273597717285,
      "learning_rate": 4.570446735395189e-06,
      "loss": 0.2804,
      "num_tokens": 993487.0,
      "step": 2336
    },
    {
      "epoch": 0.779,
      "grad_norm": 17.00160026550293,
      "learning_rate": 4.563573883161512e-06,
      "loss": 0.4275,
      "num_tokens": 994063.0,
      "step": 2337
    },
    {
      "epoch": 0.7793333333333333,
      "grad_norm": 14.394762992858887,
      "learning_rate": 4.556701030927835e-06,
      "loss": 0.3615,
      "num_tokens": 994531.0,
      "step": 2338
    },
    {
      "epoch": 0.7796666666666666,
      "grad_norm": 14.625896453857422,
      "learning_rate": 4.549828178694158e-06,
      "loss": 0.2588,
      "num_tokens": 995149.0,
      "step": 2339
    },
    {
      "epoch": 0.78,
      "grad_norm": 19.605253219604492,
      "learning_rate": 4.542955326460481e-06,
      "loss": 0.3167,
      "num_tokens": 995561.0,
      "step": 2340
    },
    {
      "epoch": 0.7803333333333333,
      "grad_norm": 21.177133560180664,
      "learning_rate": 4.536082474226804e-06,
      "loss": 0.3073,
      "num_tokens": 995897.0,
      "step": 2341
    },
    {
      "epoch": 0.7806666666666666,
      "grad_norm": 22.60282325744629,
      "learning_rate": 4.529209621993127e-06,
      "loss": 0.4295,
      "num_tokens": 996246.0,
      "step": 2342
    },
    {
      "epoch": 0.781,
      "grad_norm": 24.30567741394043,
      "learning_rate": 4.52233676975945e-06,
      "loss": 0.3593,
      "num_tokens": 996497.0,
      "step": 2343
    },
    {
      "epoch": 0.7813333333333333,
      "grad_norm": 15.51768684387207,
      "learning_rate": 4.515463917525773e-06,
      "loss": 0.2861,
      "num_tokens": 997205.0,
      "step": 2344
    },
    {
      "epoch": 0.7816666666666666,
      "grad_norm": 14.245365142822266,
      "learning_rate": 4.508591065292096e-06,
      "loss": 0.2227,
      "num_tokens": 997678.0,
      "step": 2345
    },
    {
      "epoch": 0.782,
      "grad_norm": 15.45970630645752,
      "learning_rate": 4.501718213058419e-06,
      "loss": 0.2594,
      "num_tokens": 997993.0,
      "step": 2346
    },
    {
      "epoch": 0.7823333333333333,
      "grad_norm": 24.4227352142334,
      "learning_rate": 4.494845360824742e-06,
      "loss": 0.5472,
      "num_tokens": 998387.0,
      "step": 2347
    },
    {
      "epoch": 0.7826666666666666,
      "grad_norm": 24.21836280822754,
      "learning_rate": 4.487972508591066e-06,
      "loss": 0.3551,
      "num_tokens": 998739.0,
      "step": 2348
    },
    {
      "epoch": 0.783,
      "grad_norm": 14.476476669311523,
      "learning_rate": 4.481099656357389e-06,
      "loss": 0.2502,
      "num_tokens": 999262.0,
      "step": 2349
    },
    {
      "epoch": 0.7833333333333333,
      "grad_norm": 25.340360641479492,
      "learning_rate": 4.474226804123712e-06,
      "loss": 0.4417,
      "num_tokens": 999556.0,
      "step": 2350
    },
    {
      "epoch": 0.7836666666666666,
      "grad_norm": 20.190927505493164,
      "learning_rate": 4.467353951890035e-06,
      "loss": 0.4537,
      "num_tokens": 1000079.0,
      "step": 2351
    },
    {
      "epoch": 0.784,
      "grad_norm": 23.38610076904297,
      "learning_rate": 4.460481099656358e-06,
      "loss": 0.3327,
      "num_tokens": 1000456.0,
      "step": 2352
    },
    {
      "epoch": 0.7843333333333333,
      "grad_norm": 23.408164978027344,
      "learning_rate": 4.453608247422681e-06,
      "loss": 0.3926,
      "num_tokens": 1000736.0,
      "step": 2353
    },
    {
      "epoch": 0.7846666666666666,
      "grad_norm": 11.86369514465332,
      "learning_rate": 4.4467353951890034e-06,
      "loss": 0.2453,
      "num_tokens": 1001410.0,
      "step": 2354
    },
    {
      "epoch": 0.785,
      "grad_norm": 36.51177215576172,
      "learning_rate": 4.4398625429553264e-06,
      "loss": 0.629,
      "num_tokens": 1001739.0,
      "step": 2355
    },
    {
      "epoch": 0.7853333333333333,
      "grad_norm": 20.32553482055664,
      "learning_rate": 4.4329896907216494e-06,
      "loss": 0.3089,
      "num_tokens": 1002275.0,
      "step": 2356
    },
    {
      "epoch": 0.7856666666666666,
      "grad_norm": 14.233848571777344,
      "learning_rate": 4.4261168384879725e-06,
      "loss": 0.2109,
      "num_tokens": 1002567.0,
      "step": 2357
    },
    {
      "epoch": 0.786,
      "grad_norm": 30.573318481445312,
      "learning_rate": 4.4192439862542955e-06,
      "loss": 0.4754,
      "num_tokens": 1002904.0,
      "step": 2358
    },
    {
      "epoch": 0.7863333333333333,
      "grad_norm": 18.712249755859375,
      "learning_rate": 4.4123711340206185e-06,
      "loss": 0.3059,
      "num_tokens": 1003337.0,
      "step": 2359
    },
    {
      "epoch": 0.7866666666666666,
      "grad_norm": 31.129413604736328,
      "learning_rate": 4.4054982817869415e-06,
      "loss": 0.4995,
      "num_tokens": 1003573.0,
      "step": 2360
    },
    {
      "epoch": 0.787,
      "grad_norm": 20.491397857666016,
      "learning_rate": 4.3986254295532645e-06,
      "loss": 0.3593,
      "num_tokens": 1003906.0,
      "step": 2361
    },
    {
      "epoch": 0.7873333333333333,
      "grad_norm": 21.11905860900879,
      "learning_rate": 4.391752577319588e-06,
      "loss": 0.4163,
      "num_tokens": 1004356.0,
      "step": 2362
    },
    {
      "epoch": 0.7876666666666666,
      "grad_norm": 23.153539657592773,
      "learning_rate": 4.384879725085911e-06,
      "loss": 0.378,
      "num_tokens": 1004770.0,
      "step": 2363
    },
    {
      "epoch": 0.788,
      "grad_norm": 14.531790733337402,
      "learning_rate": 4.378006872852234e-06,
      "loss": 0.2128,
      "num_tokens": 1005151.0,
      "step": 2364
    },
    {
      "epoch": 0.7883333333333333,
      "grad_norm": 16.281896591186523,
      "learning_rate": 4.371134020618557e-06,
      "loss": 0.2807,
      "num_tokens": 1005591.0,
      "step": 2365
    },
    {
      "epoch": 0.7886666666666666,
      "grad_norm": 14.235869407653809,
      "learning_rate": 4.36426116838488e-06,
      "loss": 0.2843,
      "num_tokens": 1006274.0,
      "step": 2366
    },
    {
      "epoch": 0.789,
      "grad_norm": 20.813518524169922,
      "learning_rate": 4.357388316151203e-06,
      "loss": 0.4751,
      "num_tokens": 1006630.0,
      "step": 2367
    },
    {
      "epoch": 0.7893333333333333,
      "grad_norm": 16.513343811035156,
      "learning_rate": 4.350515463917526e-06,
      "loss": 0.2658,
      "num_tokens": 1007102.0,
      "step": 2368
    },
    {
      "epoch": 0.7896666666666666,
      "grad_norm": 20.516925811767578,
      "learning_rate": 4.343642611683849e-06,
      "loss": 0.3235,
      "num_tokens": 1007401.0,
      "step": 2369
    },
    {
      "epoch": 0.79,
      "grad_norm": 25.166702270507812,
      "learning_rate": 4.336769759450172e-06,
      "loss": 0.4716,
      "num_tokens": 1007725.0,
      "step": 2370
    },
    {
      "epoch": 0.7903333333333333,
      "grad_norm": 19.669422149658203,
      "learning_rate": 4.329896907216495e-06,
      "loss": 0.2803,
      "num_tokens": 1008141.0,
      "step": 2371
    },
    {
      "epoch": 0.7906666666666666,
      "grad_norm": 21.283130645751953,
      "learning_rate": 4.3230240549828184e-06,
      "loss": 0.4732,
      "num_tokens": 1008658.0,
      "step": 2372
    },
    {
      "epoch": 0.791,
      "grad_norm": 13.712873458862305,
      "learning_rate": 4.3161512027491414e-06,
      "loss": 0.2332,
      "num_tokens": 1009207.0,
      "step": 2373
    },
    {
      "epoch": 0.7913333333333333,
      "grad_norm": 19.32724380493164,
      "learning_rate": 4.3092783505154644e-06,
      "loss": 0.2942,
      "num_tokens": 1009584.0,
      "step": 2374
    },
    {
      "epoch": 0.7916666666666666,
      "grad_norm": 17.42708396911621,
      "learning_rate": 4.3024054982817875e-06,
      "loss": 0.3525,
      "num_tokens": 1010177.0,
      "step": 2375
    },
    {
      "epoch": 0.792,
      "grad_norm": 15.276327133178711,
      "learning_rate": 4.2955326460481105e-06,
      "loss": 0.2316,
      "num_tokens": 1010669.0,
      "step": 2376
    },
    {
      "epoch": 0.7923333333333333,
      "grad_norm": 22.890134811401367,
      "learning_rate": 4.2886597938144335e-06,
      "loss": 0.3846,
      "num_tokens": 1011028.0,
      "step": 2377
    },
    {
      "epoch": 0.7926666666666666,
      "grad_norm": 9.210111618041992,
      "learning_rate": 4.2817869415807565e-06,
      "loss": 0.1449,
      "num_tokens": 1011657.0,
      "step": 2378
    },
    {
      "epoch": 0.793,
      "grad_norm": 24.891151428222656,
      "learning_rate": 4.2749140893470795e-06,
      "loss": 0.368,
      "num_tokens": 1011932.0,
      "step": 2379
    },
    {
      "epoch": 0.7933333333333333,
      "grad_norm": 35.27296829223633,
      "learning_rate": 4.2680412371134025e-06,
      "loss": 0.5877,
      "num_tokens": 1012206.0,
      "step": 2380
    },
    {
      "epoch": 0.7936666666666666,
      "grad_norm": 12.280303001403809,
      "learning_rate": 4.2611683848797255e-06,
      "loss": 0.1794,
      "num_tokens": 1012735.0,
      "step": 2381
    },
    {
      "epoch": 0.794,
      "grad_norm": 14.5170259475708,
      "learning_rate": 4.2542955326460485e-06,
      "loss": 0.2081,
      "num_tokens": 1013178.0,
      "step": 2382
    },
    {
      "epoch": 0.7943333333333333,
      "grad_norm": 14.435779571533203,
      "learning_rate": 4.2474226804123715e-06,
      "loss": 0.1935,
      "num_tokens": 1013594.0,
      "step": 2383
    },
    {
      "epoch": 0.7946666666666666,
      "grad_norm": 21.001991271972656,
      "learning_rate": 4.2405498281786945e-06,
      "loss": 0.4343,
      "num_tokens": 1014003.0,
      "step": 2384
    },
    {
      "epoch": 0.795,
      "grad_norm": 12.857248306274414,
      "learning_rate": 4.2336769759450175e-06,
      "loss": 0.2,
      "num_tokens": 1014567.0,
      "step": 2385
    },
    {
      "epoch": 0.7953333333333333,
      "grad_norm": 16.335615158081055,
      "learning_rate": 4.2268041237113405e-06,
      "loss": 0.2465,
      "num_tokens": 1015070.0,
      "step": 2386
    },
    {
      "epoch": 0.7956666666666666,
      "grad_norm": 14.833600997924805,
      "learning_rate": 4.2199312714776636e-06,
      "loss": 0.177,
      "num_tokens": 1015491.0,
      "step": 2387
    },
    {
      "epoch": 0.796,
      "grad_norm": 28.92319679260254,
      "learning_rate": 4.2130584192439866e-06,
      "loss": 0.5712,
      "num_tokens": 1015790.0,
      "step": 2388
    },
    {
      "epoch": 0.7963333333333333,
      "grad_norm": 20.738210678100586,
      "learning_rate": 4.2061855670103096e-06,
      "loss": 0.2847,
      "num_tokens": 1016214.0,
      "step": 2389
    },
    {
      "epoch": 0.7966666666666666,
      "grad_norm": 12.899883270263672,
      "learning_rate": 4.199312714776633e-06,
      "loss": 0.2637,
      "num_tokens": 1016996.0,
      "step": 2390
    },
    {
      "epoch": 0.797,
      "grad_norm": 33.99029541015625,
      "learning_rate": 4.192439862542956e-06,
      "loss": 0.687,
      "num_tokens": 1017234.0,
      "step": 2391
    },
    {
      "epoch": 0.7973333333333333,
      "grad_norm": 25.479433059692383,
      "learning_rate": 4.185567010309279e-06,
      "loss": 0.4857,
      "num_tokens": 1017599.0,
      "step": 2392
    },
    {
      "epoch": 0.7976666666666666,
      "grad_norm": 23.536808013916016,
      "learning_rate": 4.178694158075602e-06,
      "loss": 0.3726,
      "num_tokens": 1017872.0,
      "step": 2393
    },
    {
      "epoch": 0.798,
      "grad_norm": 28.229999542236328,
      "learning_rate": 4.171821305841925e-06,
      "loss": 0.5815,
      "num_tokens": 1018145.0,
      "step": 2394
    },
    {
      "epoch": 0.7983333333333333,
      "grad_norm": 17.491287231445312,
      "learning_rate": 4.164948453608248e-06,
      "loss": 0.3154,
      "num_tokens": 1018556.0,
      "step": 2395
    },
    {
      "epoch": 0.7986666666666666,
      "grad_norm": 15.357284545898438,
      "learning_rate": 4.158075601374571e-06,
      "loss": 0.2842,
      "num_tokens": 1019088.0,
      "step": 2396
    },
    {
      "epoch": 0.799,
      "grad_norm": 27.92891502380371,
      "learning_rate": 4.151202749140894e-06,
      "loss": 0.4218,
      "num_tokens": 1019411.0,
      "step": 2397
    },
    {
      "epoch": 0.7993333333333333,
      "grad_norm": 21.88837432861328,
      "learning_rate": 4.1443298969072175e-06,
      "loss": 0.3437,
      "num_tokens": 1019827.0,
      "step": 2398
    },
    {
      "epoch": 0.7996666666666666,
      "grad_norm": 17.570295333862305,
      "learning_rate": 4.13745704467354e-06,
      "loss": 0.2717,
      "num_tokens": 1020265.0,
      "step": 2399
    },
    {
      "epoch": 0.8,
      "grad_norm": 27.389928817749023,
      "learning_rate": 4.130584192439863e-06,
      "loss": 0.6072,
      "num_tokens": 1020577.0,
      "step": 2400
    },
    {
      "epoch": 0.8003333333333333,
      "grad_norm": 14.382437705993652,
      "learning_rate": 4.123711340206186e-06,
      "loss": 0.2307,
      "num_tokens": 1021083.0,
      "step": 2401
    },
    {
      "epoch": 0.8006666666666666,
      "grad_norm": 14.143320083618164,
      "learning_rate": 4.116838487972509e-06,
      "loss": 0.2531,
      "num_tokens": 1021804.0,
      "step": 2402
    },
    {
      "epoch": 0.801,
      "grad_norm": 24.486730575561523,
      "learning_rate": 4.109965635738832e-06,
      "loss": 0.3402,
      "num_tokens": 1022083.0,
      "step": 2403
    },
    {
      "epoch": 0.8013333333333333,
      "grad_norm": 21.11311912536621,
      "learning_rate": 4.103092783505155e-06,
      "loss": 0.3345,
      "num_tokens": 1022452.0,
      "step": 2404
    },
    {
      "epoch": 0.8016666666666666,
      "grad_norm": 21.042848587036133,
      "learning_rate": 4.096219931271478e-06,
      "loss": 0.2611,
      "num_tokens": 1022774.0,
      "step": 2405
    },
    {
      "epoch": 0.802,
      "grad_norm": 14.80289077758789,
      "learning_rate": 4.089347079037801e-06,
      "loss": 0.2405,
      "num_tokens": 1023325.0,
      "step": 2406
    },
    {
      "epoch": 0.8023333333333333,
      "grad_norm": 19.920551300048828,
      "learning_rate": 4.082474226804124e-06,
      "loss": 0.3344,
      "num_tokens": 1023796.0,
      "step": 2407
    },
    {
      "epoch": 0.8026666666666666,
      "grad_norm": 30.27431297302246,
      "learning_rate": 4.075601374570447e-06,
      "loss": 0.3961,
      "num_tokens": 1024030.0,
      "step": 2408
    },
    {
      "epoch": 0.803,
      "grad_norm": 17.404708862304688,
      "learning_rate": 4.06872852233677e-06,
      "loss": 0.2957,
      "num_tokens": 1024461.0,
      "step": 2409
    },
    {
      "epoch": 0.8033333333333333,
      "grad_norm": 21.95374298095703,
      "learning_rate": 4.061855670103093e-06,
      "loss": 0.421,
      "num_tokens": 1024858.0,
      "step": 2410
    },
    {
      "epoch": 0.8036666666666666,
      "grad_norm": 15.620457649230957,
      "learning_rate": 4.054982817869416e-06,
      "loss": 0.267,
      "num_tokens": 1025252.0,
      "step": 2411
    },
    {
      "epoch": 0.804,
      "grad_norm": 22.34771728515625,
      "learning_rate": 4.04810996563574e-06,
      "loss": 0.3124,
      "num_tokens": 1025507.0,
      "step": 2412
    },
    {
      "epoch": 0.8043333333333333,
      "grad_norm": 15.040315628051758,
      "learning_rate": 4.041237113402063e-06,
      "loss": 0.2338,
      "num_tokens": 1026072.0,
      "step": 2413
    },
    {
      "epoch": 0.8046666666666666,
      "grad_norm": 24.214326858520508,
      "learning_rate": 4.034364261168386e-06,
      "loss": 0.47,
      "num_tokens": 1026390.0,
      "step": 2414
    },
    {
      "epoch": 0.805,
      "grad_norm": 16.86266326904297,
      "learning_rate": 4.027491408934709e-06,
      "loss": 0.248,
      "num_tokens": 1026806.0,
      "step": 2415
    },
    {
      "epoch": 0.8053333333333333,
      "grad_norm": 18.28307342529297,
      "learning_rate": 4.020618556701032e-06,
      "loss": 0.2034,
      "num_tokens": 1027274.0,
      "step": 2416
    },
    {
      "epoch": 0.8056666666666666,
      "grad_norm": 13.80357837677002,
      "learning_rate": 4.013745704467355e-06,
      "loss": 0.2512,
      "num_tokens": 1027894.0,
      "step": 2417
    },
    {
      "epoch": 0.806,
      "grad_norm": 13.44913387298584,
      "learning_rate": 4.006872852233678e-06,
      "loss": 0.2047,
      "num_tokens": 1028495.0,
      "step": 2418
    },
    {
      "epoch": 0.8063333333333333,
      "grad_norm": 23.105045318603516,
      "learning_rate": 4.000000000000001e-06,
      "loss": 0.3251,
      "num_tokens": 1028843.0,
      "step": 2419
    },
    {
      "epoch": 0.8066666666666666,
      "grad_norm": 11.633008003234863,
      "learning_rate": 3.993127147766324e-06,
      "loss": 0.1924,
      "num_tokens": 1029487.0,
      "step": 2420
    },
    {
      "epoch": 0.807,
      "grad_norm": 29.34190559387207,
      "learning_rate": 3.986254295532647e-06,
      "loss": 0.4716,
      "num_tokens": 1029715.0,
      "step": 2421
    },
    {
      "epoch": 0.8073333333333333,
      "grad_norm": 19.61418914794922,
      "learning_rate": 3.979381443298969e-06,
      "loss": 0.3542,
      "num_tokens": 1030071.0,
      "step": 2422
    },
    {
      "epoch": 0.8076666666666666,
      "grad_norm": 12.506455421447754,
      "learning_rate": 3.972508591065292e-06,
      "loss": 0.2502,
      "num_tokens": 1030808.0,
      "step": 2423
    },
    {
      "epoch": 0.808,
      "grad_norm": 18.260766983032227,
      "learning_rate": 3.965635738831615e-06,
      "loss": 0.3135,
      "num_tokens": 1031181.0,
      "step": 2424
    },
    {
      "epoch": 0.8083333333333333,
      "grad_norm": 16.55110740661621,
      "learning_rate": 3.958762886597938e-06,
      "loss": 0.344,
      "num_tokens": 1031708.0,
      "step": 2425
    },
    {
      "epoch": 0.8086666666666666,
      "grad_norm": 14.377882957458496,
      "learning_rate": 3.951890034364262e-06,
      "loss": 0.4033,
      "num_tokens": 1032496.0,
      "step": 2426
    },
    {
      "epoch": 0.809,
      "grad_norm": 16.423688888549805,
      "learning_rate": 3.945017182130585e-06,
      "loss": 0.2724,
      "num_tokens": 1033041.0,
      "step": 2427
    },
    {
      "epoch": 0.8093333333333333,
      "grad_norm": 13.094989776611328,
      "learning_rate": 3.938144329896908e-06,
      "loss": 0.2359,
      "num_tokens": 1033655.0,
      "step": 2428
    },
    {
      "epoch": 0.8096666666666666,
      "grad_norm": 17.16486358642578,
      "learning_rate": 3.931271477663231e-06,
      "loss": 0.2481,
      "num_tokens": 1034008.0,
      "step": 2429
    },
    {
      "epoch": 0.81,
      "grad_norm": 13.979767799377441,
      "learning_rate": 3.924398625429554e-06,
      "loss": 0.2008,
      "num_tokens": 1034668.0,
      "step": 2430
    },
    {
      "epoch": 0.8103333333333333,
      "grad_norm": 11.517212867736816,
      "learning_rate": 3.917525773195877e-06,
      "loss": 0.2449,
      "num_tokens": 1035512.0,
      "step": 2431
    },
    {
      "epoch": 0.8106666666666666,
      "grad_norm": 22.647136688232422,
      "learning_rate": 3.9106529209622e-06,
      "loss": 0.3627,
      "num_tokens": 1035867.0,
      "step": 2432
    },
    {
      "epoch": 0.811,
      "grad_norm": 23.055641174316406,
      "learning_rate": 3.903780068728523e-06,
      "loss": 0.3853,
      "num_tokens": 1036222.0,
      "step": 2433
    },
    {
      "epoch": 0.8113333333333334,
      "grad_norm": 17.502586364746094,
      "learning_rate": 3.896907216494846e-06,
      "loss": 0.3667,
      "num_tokens": 1036701.0,
      "step": 2434
    },
    {
      "epoch": 0.8116666666666666,
      "grad_norm": 10.719955444335938,
      "learning_rate": 3.890034364261169e-06,
      "loss": 0.2793,
      "num_tokens": 1037735.0,
      "step": 2435
    },
    {
      "epoch": 0.812,
      "grad_norm": 18.87636375427246,
      "learning_rate": 3.883161512027492e-06,
      "loss": 0.3185,
      "num_tokens": 1038163.0,
      "step": 2436
    },
    {
      "epoch": 0.8123333333333334,
      "grad_norm": 15.719067573547363,
      "learning_rate": 3.876288659793815e-06,
      "loss": 0.3207,
      "num_tokens": 1038848.0,
      "step": 2437
    },
    {
      "epoch": 0.8126666666666666,
      "grad_norm": 33.34862518310547,
      "learning_rate": 3.869415807560138e-06,
      "loss": 0.4865,
      "num_tokens": 1039137.0,
      "step": 2438
    },
    {
      "epoch": 0.813,
      "grad_norm": 22.03455352783203,
      "learning_rate": 3.862542955326461e-06,
      "loss": 0.2317,
      "num_tokens": 1039514.0,
      "step": 2439
    },
    {
      "epoch": 0.8133333333333334,
      "grad_norm": 29.993295669555664,
      "learning_rate": 3.855670103092784e-06,
      "loss": 0.6062,
      "num_tokens": 1039803.0,
      "step": 2440
    },
    {
      "epoch": 0.8136666666666666,
      "grad_norm": 21.69394302368164,
      "learning_rate": 3.848797250859107e-06,
      "loss": 0.3415,
      "num_tokens": 1040238.0,
      "step": 2441
    },
    {
      "epoch": 0.814,
      "grad_norm": 22.614606857299805,
      "learning_rate": 3.84192439862543e-06,
      "loss": 0.3621,
      "num_tokens": 1040640.0,
      "step": 2442
    },
    {
      "epoch": 0.8143333333333334,
      "grad_norm": 17.006309509277344,
      "learning_rate": 3.835051546391753e-06,
      "loss": 0.3729,
      "num_tokens": 1041199.0,
      "step": 2443
    },
    {
      "epoch": 0.8146666666666667,
      "grad_norm": 35.58806610107422,
      "learning_rate": 3.828178694158076e-06,
      "loss": 0.5041,
      "num_tokens": 1041388.0,
      "step": 2444
    },
    {
      "epoch": 0.815,
      "grad_norm": 12.483280181884766,
      "learning_rate": 3.821305841924399e-06,
      "loss": 0.1775,
      "num_tokens": 1041880.0,
      "step": 2445
    },
    {
      "epoch": 0.8153333333333334,
      "grad_norm": 28.994884490966797,
      "learning_rate": 3.814432989690722e-06,
      "loss": 0.4414,
      "num_tokens": 1042374.0,
      "step": 2446
    },
    {
      "epoch": 0.8156666666666667,
      "grad_norm": 20.81672477722168,
      "learning_rate": 3.807560137457045e-06,
      "loss": 0.3561,
      "num_tokens": 1042769.0,
      "step": 2447
    },
    {
      "epoch": 0.816,
      "grad_norm": 28.198726654052734,
      "learning_rate": 3.800687285223368e-06,
      "loss": 0.484,
      "num_tokens": 1043117.0,
      "step": 2448
    },
    {
      "epoch": 0.8163333333333334,
      "grad_norm": 16.63860511779785,
      "learning_rate": 3.793814432989691e-06,
      "loss": 0.2957,
      "num_tokens": 1043592.0,
      "step": 2449
    },
    {
      "epoch": 0.8166666666666667,
      "grad_norm": 15.664868354797363,
      "learning_rate": 3.786941580756014e-06,
      "loss": 0.232,
      "num_tokens": 1044016.0,
      "step": 2450
    },
    {
      "epoch": 0.817,
      "grad_norm": 11.156679153442383,
      "learning_rate": 3.780068728522337e-06,
      "loss": 0.2004,
      "num_tokens": 1044522.0,
      "step": 2451
    },
    {
      "epoch": 0.8173333333333334,
      "grad_norm": 15.13272762298584,
      "learning_rate": 3.77319587628866e-06,
      "loss": 0.2047,
      "num_tokens": 1045014.0,
      "step": 2452
    },
    {
      "epoch": 0.8176666666666667,
      "grad_norm": 12.899630546569824,
      "learning_rate": 3.766323024054983e-06,
      "loss": 0.2009,
      "num_tokens": 1045392.0,
      "step": 2453
    },
    {
      "epoch": 0.818,
      "grad_norm": 22.38412857055664,
      "learning_rate": 3.759450171821306e-06,
      "loss": 0.3689,
      "num_tokens": 1045723.0,
      "step": 2454
    },
    {
      "epoch": 0.8183333333333334,
      "grad_norm": 24.91786766052246,
      "learning_rate": 3.752577319587629e-06,
      "loss": 0.3558,
      "num_tokens": 1046100.0,
      "step": 2455
    },
    {
      "epoch": 0.8186666666666667,
      "grad_norm": 16.386259078979492,
      "learning_rate": 3.7457044673539524e-06,
      "loss": 0.2491,
      "num_tokens": 1046519.0,
      "step": 2456
    },
    {
      "epoch": 0.819,
      "grad_norm": 34.877235412597656,
      "learning_rate": 3.7388316151202754e-06,
      "loss": 0.7597,
      "num_tokens": 1046775.0,
      "step": 2457
    },
    {
      "epoch": 0.8193333333333334,
      "grad_norm": 12.640376091003418,
      "learning_rate": 3.7319587628865984e-06,
      "loss": 0.169,
      "num_tokens": 1047246.0,
      "step": 2458
    },
    {
      "epoch": 0.8196666666666667,
      "grad_norm": 23.800180435180664,
      "learning_rate": 3.7250859106529214e-06,
      "loss": 0.4449,
      "num_tokens": 1047526.0,
      "step": 2459
    },
    {
      "epoch": 0.82,
      "grad_norm": 15.863554000854492,
      "learning_rate": 3.7182130584192444e-06,
      "loss": 0.2842,
      "num_tokens": 1047965.0,
      "step": 2460
    },
    {
      "epoch": 0.8203333333333334,
      "grad_norm": 15.157231330871582,
      "learning_rate": 3.7113402061855674e-06,
      "loss": 0.2503,
      "num_tokens": 1048499.0,
      "step": 2461
    },
    {
      "epoch": 0.8206666666666667,
      "grad_norm": 21.677125930786133,
      "learning_rate": 3.7044673539518904e-06,
      "loss": 0.4164,
      "num_tokens": 1048910.0,
      "step": 2462
    },
    {
      "epoch": 0.821,
      "grad_norm": 11.679230690002441,
      "learning_rate": 3.6975945017182135e-06,
      "loss": 0.1949,
      "num_tokens": 1049425.0,
      "step": 2463
    },
    {
      "epoch": 0.8213333333333334,
      "grad_norm": 11.712294578552246,
      "learning_rate": 3.6907216494845365e-06,
      "loss": 0.2753,
      "num_tokens": 1050287.0,
      "step": 2464
    },
    {
      "epoch": 0.8216666666666667,
      "grad_norm": 13.269620895385742,
      "learning_rate": 3.6838487972508595e-06,
      "loss": 0.2187,
      "num_tokens": 1050870.0,
      "step": 2465
    },
    {
      "epoch": 0.822,
      "grad_norm": 13.62315559387207,
      "learning_rate": 3.6769759450171825e-06,
      "loss": 0.2386,
      "num_tokens": 1051641.0,
      "step": 2466
    },
    {
      "epoch": 0.8223333333333334,
      "grad_norm": 15.054625511169434,
      "learning_rate": 3.670103092783505e-06,
      "loss": 0.2647,
      "num_tokens": 1052061.0,
      "step": 2467
    },
    {
      "epoch": 0.8226666666666667,
      "grad_norm": 29.49413299560547,
      "learning_rate": 3.663230240549828e-06,
      "loss": 0.4883,
      "num_tokens": 1052317.0,
      "step": 2468
    },
    {
      "epoch": 0.823,
      "grad_norm": 17.938968658447266,
      "learning_rate": 3.656357388316151e-06,
      "loss": 0.3322,
      "num_tokens": 1052635.0,
      "step": 2469
    },
    {
      "epoch": 0.8233333333333334,
      "grad_norm": 17.269304275512695,
      "learning_rate": 3.6494845360824745e-06,
      "loss": 0.3665,
      "num_tokens": 1053074.0,
      "step": 2470
    },
    {
      "epoch": 0.8236666666666667,
      "grad_norm": 26.378686904907227,
      "learning_rate": 3.6426116838487975e-06,
      "loss": 0.3647,
      "num_tokens": 1053320.0,
      "step": 2471
    },
    {
      "epoch": 0.824,
      "grad_norm": 13.280948638916016,
      "learning_rate": 3.6357388316151205e-06,
      "loss": 0.2044,
      "num_tokens": 1053793.0,
      "step": 2472
    },
    {
      "epoch": 0.8243333333333334,
      "grad_norm": 12.697530746459961,
      "learning_rate": 3.6288659793814435e-06,
      "loss": 0.2112,
      "num_tokens": 1054295.0,
      "step": 2473
    },
    {
      "epoch": 0.8246666666666667,
      "grad_norm": 17.75676918029785,
      "learning_rate": 3.6219931271477665e-06,
      "loss": 0.3009,
      "num_tokens": 1054750.0,
      "step": 2474
    },
    {
      "epoch": 0.825,
      "grad_norm": 20.199562072753906,
      "learning_rate": 3.6151202749140896e-06,
      "loss": 0.3004,
      "num_tokens": 1055048.0,
      "step": 2475
    },
    {
      "epoch": 0.8253333333333334,
      "grad_norm": 10.051739692687988,
      "learning_rate": 3.6082474226804126e-06,
      "loss": 0.1896,
      "num_tokens": 1055576.0,
      "step": 2476
    },
    {
      "epoch": 0.8256666666666667,
      "grad_norm": 17.398969650268555,
      "learning_rate": 3.6013745704467356e-06,
      "loss": 0.3147,
      "num_tokens": 1056066.0,
      "step": 2477
    },
    {
      "epoch": 0.826,
      "grad_norm": 24.836912155151367,
      "learning_rate": 3.5945017182130586e-06,
      "loss": 0.3675,
      "num_tokens": 1056387.0,
      "step": 2478
    },
    {
      "epoch": 0.8263333333333334,
      "grad_norm": 19.545726776123047,
      "learning_rate": 3.5876288659793816e-06,
      "loss": 0.3846,
      "num_tokens": 1056813.0,
      "step": 2479
    },
    {
      "epoch": 0.8266666666666667,
      "grad_norm": 12.31005859375,
      "learning_rate": 3.5807560137457046e-06,
      "loss": 0.1825,
      "num_tokens": 1057326.0,
      "step": 2480
    },
    {
      "epoch": 0.827,
      "grad_norm": 15.96369743347168,
      "learning_rate": 3.573883161512028e-06,
      "loss": 0.2146,
      "num_tokens": 1057771.0,
      "step": 2481
    },
    {
      "epoch": 0.8273333333333334,
      "grad_norm": 13.465150833129883,
      "learning_rate": 3.567010309278351e-06,
      "loss": 0.1747,
      "num_tokens": 1058216.0,
      "step": 2482
    },
    {
      "epoch": 0.8276666666666667,
      "grad_norm": 20.383832931518555,
      "learning_rate": 3.560137457044674e-06,
      "loss": 0.355,
      "num_tokens": 1058612.0,
      "step": 2483
    },
    {
      "epoch": 0.828,
      "grad_norm": 33.661006927490234,
      "learning_rate": 3.553264604810997e-06,
      "loss": 0.5061,
      "num_tokens": 1058821.0,
      "step": 2484
    },
    {
      "epoch": 0.8283333333333334,
      "grad_norm": 11.334056854248047,
      "learning_rate": 3.54639175257732e-06,
      "loss": 0.1867,
      "num_tokens": 1059528.0,
      "step": 2485
    },
    {
      "epoch": 0.8286666666666667,
      "grad_norm": 16.120201110839844,
      "learning_rate": 3.539518900343643e-06,
      "loss": 0.3162,
      "num_tokens": 1060039.0,
      "step": 2486
    },
    {
      "epoch": 0.829,
      "grad_norm": 23.46731185913086,
      "learning_rate": 3.532646048109966e-06,
      "loss": 0.3477,
      "num_tokens": 1060368.0,
      "step": 2487
    },
    {
      "epoch": 0.8293333333333334,
      "grad_norm": 9.588083267211914,
      "learning_rate": 3.525773195876289e-06,
      "loss": 0.1447,
      "num_tokens": 1061036.0,
      "step": 2488
    },
    {
      "epoch": 0.8296666666666667,
      "grad_norm": 22.525115966796875,
      "learning_rate": 3.518900343642612e-06,
      "loss": 0.3906,
      "num_tokens": 1061375.0,
      "step": 2489
    },
    {
      "epoch": 0.83,
      "grad_norm": 29.895776748657227,
      "learning_rate": 3.5120274914089347e-06,
      "loss": 0.3744,
      "num_tokens": 1061576.0,
      "step": 2490
    },
    {
      "epoch": 0.8303333333333334,
      "grad_norm": 14.790183067321777,
      "learning_rate": 3.5051546391752577e-06,
      "loss": 0.2841,
      "num_tokens": 1062186.0,
      "step": 2491
    },
    {
      "epoch": 0.8306666666666667,
      "grad_norm": 9.061755180358887,
      "learning_rate": 3.4982817869415807e-06,
      "loss": 0.1201,
      "num_tokens": 1062719.0,
      "step": 2492
    },
    {
      "epoch": 0.831,
      "grad_norm": 16.936819076538086,
      "learning_rate": 3.4914089347079037e-06,
      "loss": 0.2834,
      "num_tokens": 1063064.0,
      "step": 2493
    },
    {
      "epoch": 0.8313333333333334,
      "grad_norm": 29.251859664916992,
      "learning_rate": 3.4845360824742267e-06,
      "loss": 0.3537,
      "num_tokens": 1063470.0,
      "step": 2494
    },
    {
      "epoch": 0.8316666666666667,
      "grad_norm": 13.46192455291748,
      "learning_rate": 3.47766323024055e-06,
      "loss": 0.1891,
      "num_tokens": 1063963.0,
      "step": 2495
    },
    {
      "epoch": 0.832,
      "grad_norm": 28.12009048461914,
      "learning_rate": 3.470790378006873e-06,
      "loss": 0.4516,
      "num_tokens": 1064236.0,
      "step": 2496
    },
    {
      "epoch": 0.8323333333333334,
      "grad_norm": 16.94349479675293,
      "learning_rate": 3.463917525773196e-06,
      "loss": 0.3315,
      "num_tokens": 1064622.0,
      "step": 2497
    },
    {
      "epoch": 0.8326666666666667,
      "grad_norm": 18.930124282836914,
      "learning_rate": 3.457044673539519e-06,
      "loss": 0.282,
      "num_tokens": 1064889.0,
      "step": 2498
    },
    {
      "epoch": 0.833,
      "grad_norm": 21.822826385498047,
      "learning_rate": 3.450171821305842e-06,
      "loss": 0.4736,
      "num_tokens": 1065384.0,
      "step": 2499
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 18.451799392700195,
      "learning_rate": 3.443298969072165e-06,
      "loss": 0.2773,
      "num_tokens": 1065826.0,
      "step": 2500
    },
    {
      "epoch": 0.8336666666666667,
      "grad_norm": 30.071786880493164,
      "learning_rate": 3.436426116838488e-06,
      "loss": 0.4892,
      "num_tokens": 1066316.0,
      "step": 2501
    },
    {
      "epoch": 0.834,
      "grad_norm": 24.67599868774414,
      "learning_rate": 3.429553264604811e-06,
      "loss": 0.435,
      "num_tokens": 1066688.0,
      "step": 2502
    },
    {
      "epoch": 0.8343333333333334,
      "grad_norm": 20.148223876953125,
      "learning_rate": 3.4226804123711342e-06,
      "loss": 0.365,
      "num_tokens": 1067125.0,
      "step": 2503
    },
    {
      "epoch": 0.8346666666666667,
      "grad_norm": 23.093935012817383,
      "learning_rate": 3.4158075601374572e-06,
      "loss": 0.5614,
      "num_tokens": 1067526.0,
      "step": 2504
    },
    {
      "epoch": 0.835,
      "grad_norm": 13.425149917602539,
      "learning_rate": 3.4089347079037807e-06,
      "loss": 0.2073,
      "num_tokens": 1068054.0,
      "step": 2505
    },
    {
      "epoch": 0.8353333333333334,
      "grad_norm": 23.383304595947266,
      "learning_rate": 3.4020618556701037e-06,
      "loss": 0.4288,
      "num_tokens": 1068342.0,
      "step": 2506
    },
    {
      "epoch": 0.8356666666666667,
      "grad_norm": 26.32157325744629,
      "learning_rate": 3.3951890034364267e-06,
      "loss": 0.3824,
      "num_tokens": 1068579.0,
      "step": 2507
    },
    {
      "epoch": 0.836,
      "grad_norm": 18.664186477661133,
      "learning_rate": 3.3883161512027497e-06,
      "loss": 0.2369,
      "num_tokens": 1068890.0,
      "step": 2508
    },
    {
      "epoch": 0.8363333333333334,
      "grad_norm": 43.528541564941406,
      "learning_rate": 3.3814432989690727e-06,
      "loss": 0.5566,
      "num_tokens": 1069067.0,
      "step": 2509
    },
    {
      "epoch": 0.8366666666666667,
      "grad_norm": 34.03465270996094,
      "learning_rate": 3.3745704467353957e-06,
      "loss": 0.4514,
      "num_tokens": 1069305.0,
      "step": 2510
    },
    {
      "epoch": 0.837,
      "grad_norm": 14.468720436096191,
      "learning_rate": 3.3676975945017187e-06,
      "loss": 0.2803,
      "num_tokens": 1069871.0,
      "step": 2511
    },
    {
      "epoch": 0.8373333333333334,
      "grad_norm": 18.361831665039062,
      "learning_rate": 3.3608247422680417e-06,
      "loss": 0.2805,
      "num_tokens": 1070234.0,
      "step": 2512
    },
    {
      "epoch": 0.8376666666666667,
      "grad_norm": 25.05373191833496,
      "learning_rate": 3.3539518900343643e-06,
      "loss": 0.4362,
      "num_tokens": 1070543.0,
      "step": 2513
    },
    {
      "epoch": 0.838,
      "grad_norm": 27.9414119720459,
      "learning_rate": 3.3470790378006873e-06,
      "loss": 0.346,
      "num_tokens": 1070725.0,
      "step": 2514
    },
    {
      "epoch": 0.8383333333333334,
      "grad_norm": 31.086339950561523,
      "learning_rate": 3.3402061855670103e-06,
      "loss": 0.4588,
      "num_tokens": 1071008.0,
      "step": 2515
    },
    {
      "epoch": 0.8386666666666667,
      "grad_norm": 26.37689781188965,
      "learning_rate": 3.3333333333333333e-06,
      "loss": 0.392,
      "num_tokens": 1071341.0,
      "step": 2516
    },
    {
      "epoch": 0.839,
      "grad_norm": 29.72268295288086,
      "learning_rate": 3.3264604810996563e-06,
      "loss": 0.5608,
      "num_tokens": 1071628.0,
      "step": 2517
    },
    {
      "epoch": 0.8393333333333334,
      "grad_norm": 10.89013385772705,
      "learning_rate": 3.3195876288659793e-06,
      "loss": 0.1815,
      "num_tokens": 1072322.0,
      "step": 2518
    },
    {
      "epoch": 0.8396666666666667,
      "grad_norm": 32.06898498535156,
      "learning_rate": 3.3127147766323028e-06,
      "loss": 0.4848,
      "num_tokens": 1072545.0,
      "step": 2519
    },
    {
      "epoch": 0.84,
      "grad_norm": 23.498455047607422,
      "learning_rate": 3.3058419243986258e-06,
      "loss": 0.3878,
      "num_tokens": 1072876.0,
      "step": 2520
    },
    {
      "epoch": 0.8403333333333334,
      "grad_norm": 17.156299591064453,
      "learning_rate": 3.298969072164949e-06,
      "loss": 0.3022,
      "num_tokens": 1073299.0,
      "step": 2521
    },
    {
      "epoch": 0.8406666666666667,
      "grad_norm": 20.267723083496094,
      "learning_rate": 3.292096219931272e-06,
      "loss": 0.2514,
      "num_tokens": 1073657.0,
      "step": 2522
    },
    {
      "epoch": 0.841,
      "grad_norm": 18.20011329650879,
      "learning_rate": 3.285223367697595e-06,
      "loss": 0.3631,
      "num_tokens": 1074000.0,
      "step": 2523
    },
    {
      "epoch": 0.8413333333333334,
      "grad_norm": 13.25314998626709,
      "learning_rate": 3.278350515463918e-06,
      "loss": 0.2387,
      "num_tokens": 1074619.0,
      "step": 2524
    },
    {
      "epoch": 0.8416666666666667,
      "grad_norm": 24.30069351196289,
      "learning_rate": 3.271477663230241e-06,
      "loss": 0.3796,
      "num_tokens": 1074968.0,
      "step": 2525
    },
    {
      "epoch": 0.842,
      "grad_norm": 14.936105728149414,
      "learning_rate": 3.264604810996564e-06,
      "loss": 0.261,
      "num_tokens": 1075541.0,
      "step": 2526
    },
    {
      "epoch": 0.8423333333333334,
      "grad_norm": 20.608903884887695,
      "learning_rate": 3.257731958762887e-06,
      "loss": 0.3665,
      "num_tokens": 1075864.0,
      "step": 2527
    },
    {
      "epoch": 0.8426666666666667,
      "grad_norm": 20.040517807006836,
      "learning_rate": 3.25085910652921e-06,
      "loss": 0.3191,
      "num_tokens": 1076262.0,
      "step": 2528
    },
    {
      "epoch": 0.843,
      "grad_norm": 18.906795501708984,
      "learning_rate": 3.243986254295533e-06,
      "loss": 0.281,
      "num_tokens": 1076710.0,
      "step": 2529
    },
    {
      "epoch": 0.8433333333333334,
      "grad_norm": 27.35143280029297,
      "learning_rate": 3.2371134020618563e-06,
      "loss": 0.4573,
      "num_tokens": 1077167.0,
      "step": 2530
    },
    {
      "epoch": 0.8436666666666667,
      "grad_norm": 30.86393928527832,
      "learning_rate": 3.2302405498281793e-06,
      "loss": 0.5219,
      "num_tokens": 1077533.0,
      "step": 2531
    },
    {
      "epoch": 0.844,
      "grad_norm": 18.800418853759766,
      "learning_rate": 3.2233676975945023e-06,
      "loss": 0.3166,
      "num_tokens": 1077914.0,
      "step": 2532
    },
    {
      "epoch": 0.8443333333333334,
      "grad_norm": 13.97164249420166,
      "learning_rate": 3.2164948453608253e-06,
      "loss": 0.2208,
      "num_tokens": 1078380.0,
      "step": 2533
    },
    {
      "epoch": 0.8446666666666667,
      "grad_norm": 22.61063003540039,
      "learning_rate": 3.2096219931271483e-06,
      "loss": 0.3761,
      "num_tokens": 1078699.0,
      "step": 2534
    },
    {
      "epoch": 0.845,
      "grad_norm": 44.868045806884766,
      "learning_rate": 3.202749140893471e-06,
      "loss": 0.5858,
      "num_tokens": 1078949.0,
      "step": 2535
    },
    {
      "epoch": 0.8453333333333334,
      "grad_norm": 14.711064338684082,
      "learning_rate": 3.195876288659794e-06,
      "loss": 0.2253,
      "num_tokens": 1079320.0,
      "step": 2536
    },
    {
      "epoch": 0.8456666666666667,
      "grad_norm": 12.000082015991211,
      "learning_rate": 3.189003436426117e-06,
      "loss": 0.2114,
      "num_tokens": 1080151.0,
      "step": 2537
    },
    {
      "epoch": 0.846,
      "grad_norm": 26.157875061035156,
      "learning_rate": 3.18213058419244e-06,
      "loss": 0.4503,
      "num_tokens": 1080541.0,
      "step": 2538
    },
    {
      "epoch": 0.8463333333333334,
      "grad_norm": 13.337353706359863,
      "learning_rate": 3.175257731958763e-06,
      "loss": 0.2217,
      "num_tokens": 1081034.0,
      "step": 2539
    },
    {
      "epoch": 0.8466666666666667,
      "grad_norm": 13.549495697021484,
      "learning_rate": 3.168384879725086e-06,
      "loss": 0.2158,
      "num_tokens": 1081743.0,
      "step": 2540
    },
    {
      "epoch": 0.847,
      "grad_norm": 23.245662689208984,
      "learning_rate": 3.161512027491409e-06,
      "loss": 0.4086,
      "num_tokens": 1082148.0,
      "step": 2541
    },
    {
      "epoch": 0.8473333333333334,
      "grad_norm": 20.97616195678711,
      "learning_rate": 3.154639175257732e-06,
      "loss": 0.31,
      "num_tokens": 1082526.0,
      "step": 2542
    },
    {
      "epoch": 0.8476666666666667,
      "grad_norm": 26.155908584594727,
      "learning_rate": 3.147766323024055e-06,
      "loss": 0.5325,
      "num_tokens": 1082960.0,
      "step": 2543
    },
    {
      "epoch": 0.848,
      "grad_norm": 16.790037155151367,
      "learning_rate": 3.1408934707903784e-06,
      "loss": 0.2357,
      "num_tokens": 1083473.0,
      "step": 2544
    },
    {
      "epoch": 0.8483333333333334,
      "grad_norm": 17.814451217651367,
      "learning_rate": 3.1340206185567014e-06,
      "loss": 0.3113,
      "num_tokens": 1083932.0,
      "step": 2545
    },
    {
      "epoch": 0.8486666666666667,
      "grad_norm": 26.8931941986084,
      "learning_rate": 3.1271477663230244e-06,
      "loss": 0.3079,
      "num_tokens": 1084156.0,
      "step": 2546
    },
    {
      "epoch": 0.849,
      "grad_norm": 20.83824920654297,
      "learning_rate": 3.1202749140893474e-06,
      "loss": 0.356,
      "num_tokens": 1084591.0,
      "step": 2547
    },
    {
      "epoch": 0.8493333333333334,
      "grad_norm": 16.599573135375977,
      "learning_rate": 3.1134020618556704e-06,
      "loss": 0.2574,
      "num_tokens": 1085023.0,
      "step": 2548
    },
    {
      "epoch": 0.8496666666666667,
      "grad_norm": 23.18788719177246,
      "learning_rate": 3.1065292096219934e-06,
      "loss": 0.3704,
      "num_tokens": 1085378.0,
      "step": 2549
    },
    {
      "epoch": 0.85,
      "grad_norm": 13.118997573852539,
      "learning_rate": 3.0996563573883165e-06,
      "loss": 0.1949,
      "num_tokens": 1085928.0,
      "step": 2550
    },
    {
      "epoch": 0.8503333333333334,
      "grad_norm": 19.196090698242188,
      "learning_rate": 3.0927835051546395e-06,
      "loss": 0.3088,
      "num_tokens": 1086325.0,
      "step": 2551
    },
    {
      "epoch": 0.8506666666666667,
      "grad_norm": 23.283233642578125,
      "learning_rate": 3.0859106529209625e-06,
      "loss": 0.3698,
      "num_tokens": 1086693.0,
      "step": 2552
    },
    {
      "epoch": 0.851,
      "grad_norm": 42.4521369934082,
      "learning_rate": 3.0790378006872855e-06,
      "loss": 0.7578,
      "num_tokens": 1086914.0,
      "step": 2553
    },
    {
      "epoch": 0.8513333333333334,
      "grad_norm": 20.431804656982422,
      "learning_rate": 3.0721649484536085e-06,
      "loss": 0.4059,
      "num_tokens": 1087304.0,
      "step": 2554
    },
    {
      "epoch": 0.8516666666666667,
      "grad_norm": 21.84584617614746,
      "learning_rate": 3.065292096219932e-06,
      "loss": 0.4939,
      "num_tokens": 1087699.0,
      "step": 2555
    },
    {
      "epoch": 0.852,
      "grad_norm": 30.311681747436523,
      "learning_rate": 3.058419243986255e-06,
      "loss": 0.5834,
      "num_tokens": 1087994.0,
      "step": 2556
    },
    {
      "epoch": 0.8523333333333334,
      "grad_norm": 12.077468872070312,
      "learning_rate": 3.051546391752578e-06,
      "loss": 0.1702,
      "num_tokens": 1088584.0,
      "step": 2557
    },
    {
      "epoch": 0.8526666666666667,
      "grad_norm": 19.324726104736328,
      "learning_rate": 3.0446735395189005e-06,
      "loss": 0.2172,
      "num_tokens": 1089049.0,
      "step": 2558
    },
    {
      "epoch": 0.853,
      "grad_norm": 23.768978118896484,
      "learning_rate": 3.0378006872852235e-06,
      "loss": 0.3635,
      "num_tokens": 1089448.0,
      "step": 2559
    },
    {
      "epoch": 0.8533333333333334,
      "grad_norm": 17.217287063598633,
      "learning_rate": 3.0309278350515465e-06,
      "loss": 0.2801,
      "num_tokens": 1089838.0,
      "step": 2560
    },
    {
      "epoch": 0.8536666666666667,
      "grad_norm": 16.12363052368164,
      "learning_rate": 3.0240549828178695e-06,
      "loss": 0.2593,
      "num_tokens": 1090405.0,
      "step": 2561
    },
    {
      "epoch": 0.854,
      "grad_norm": 24.360151290893555,
      "learning_rate": 3.0171821305841926e-06,
      "loss": 0.342,
      "num_tokens": 1090727.0,
      "step": 2562
    },
    {
      "epoch": 0.8543333333333333,
      "grad_norm": 21.64339828491211,
      "learning_rate": 3.0103092783505156e-06,
      "loss": 0.3608,
      "num_tokens": 1091104.0,
      "step": 2563
    },
    {
      "epoch": 0.8546666666666667,
      "grad_norm": 29.89468765258789,
      "learning_rate": 3.0034364261168386e-06,
      "loss": 0.6216,
      "num_tokens": 1091330.0,
      "step": 2564
    },
    {
      "epoch": 0.855,
      "grad_norm": 16.435911178588867,
      "learning_rate": 2.9965635738831616e-06,
      "loss": 0.2513,
      "num_tokens": 1092008.0,
      "step": 2565
    },
    {
      "epoch": 0.8553333333333333,
      "grad_norm": 29.75682258605957,
      "learning_rate": 2.9896907216494846e-06,
      "loss": 0.3629,
      "num_tokens": 1092350.0,
      "step": 2566
    },
    {
      "epoch": 0.8556666666666667,
      "grad_norm": 18.779422760009766,
      "learning_rate": 2.9828178694158076e-06,
      "loss": 0.3575,
      "num_tokens": 1092868.0,
      "step": 2567
    },
    {
      "epoch": 0.856,
      "grad_norm": 15.735803604125977,
      "learning_rate": 2.9759450171821306e-06,
      "loss": 0.2887,
      "num_tokens": 1093374.0,
      "step": 2568
    },
    {
      "epoch": 0.8563333333333333,
      "grad_norm": 8.634358406066895,
      "learning_rate": 2.969072164948454e-06,
      "loss": 0.1166,
      "num_tokens": 1094082.0,
      "step": 2569
    },
    {
      "epoch": 0.8566666666666667,
      "grad_norm": 16.737316131591797,
      "learning_rate": 2.962199312714777e-06,
      "loss": 0.3261,
      "num_tokens": 1094611.0,
      "step": 2570
    },
    {
      "epoch": 0.857,
      "grad_norm": 25.818227767944336,
      "learning_rate": 2.9553264604811e-06,
      "loss": 0.531,
      "num_tokens": 1094926.0,
      "step": 2571
    },
    {
      "epoch": 0.8573333333333333,
      "grad_norm": 61.7738151550293,
      "learning_rate": 2.948453608247423e-06,
      "loss": 0.532,
      "num_tokens": 1095267.0,
      "step": 2572
    },
    {
      "epoch": 0.8576666666666667,
      "grad_norm": 14.94664192199707,
      "learning_rate": 2.941580756013746e-06,
      "loss": 0.2637,
      "num_tokens": 1095657.0,
      "step": 2573
    },
    {
      "epoch": 0.858,
      "grad_norm": 14.795976638793945,
      "learning_rate": 2.934707903780069e-06,
      "loss": 0.2111,
      "num_tokens": 1096046.0,
      "step": 2574
    },
    {
      "epoch": 0.8583333333333333,
      "grad_norm": 13.528295516967773,
      "learning_rate": 2.927835051546392e-06,
      "loss": 0.2637,
      "num_tokens": 1096783.0,
      "step": 2575
    },
    {
      "epoch": 0.8586666666666667,
      "grad_norm": 27.03551483154297,
      "learning_rate": 2.920962199312715e-06,
      "loss": 0.4651,
      "num_tokens": 1097034.0,
      "step": 2576
    },
    {
      "epoch": 0.859,
      "grad_norm": 14.43877124786377,
      "learning_rate": 2.914089347079038e-06,
      "loss": 0.2226,
      "num_tokens": 1097561.0,
      "step": 2577
    },
    {
      "epoch": 0.8593333333333333,
      "grad_norm": 19.07650375366211,
      "learning_rate": 2.907216494845361e-06,
      "loss": 0.3401,
      "num_tokens": 1097998.0,
      "step": 2578
    },
    {
      "epoch": 0.8596666666666667,
      "grad_norm": 19.199495315551758,
      "learning_rate": 2.900343642611684e-06,
      "loss": 0.2723,
      "num_tokens": 1098345.0,
      "step": 2579
    },
    {
      "epoch": 0.86,
      "grad_norm": 12.887055397033691,
      "learning_rate": 2.8934707903780076e-06,
      "loss": 0.1849,
      "num_tokens": 1098904.0,
      "step": 2580
    },
    {
      "epoch": 0.8603333333333333,
      "grad_norm": 24.430805206298828,
      "learning_rate": 2.8865979381443297e-06,
      "loss": 0.3883,
      "num_tokens": 1099218.0,
      "step": 2581
    },
    {
      "epoch": 0.8606666666666667,
      "grad_norm": 13.97574234008789,
      "learning_rate": 2.8797250859106527e-06,
      "loss": 0.2659,
      "num_tokens": 1099598.0,
      "step": 2582
    },
    {
      "epoch": 0.861,
      "grad_norm": 17.56862449645996,
      "learning_rate": 2.872852233676976e-06,
      "loss": 0.3996,
      "num_tokens": 1100001.0,
      "step": 2583
    },
    {
      "epoch": 0.8613333333333333,
      "grad_norm": 11.76144790649414,
      "learning_rate": 2.865979381443299e-06,
      "loss": 0.1933,
      "num_tokens": 1100536.0,
      "step": 2584
    },
    {
      "epoch": 0.8616666666666667,
      "grad_norm": 12.55566692352295,
      "learning_rate": 2.859106529209622e-06,
      "loss": 0.2148,
      "num_tokens": 1100944.0,
      "step": 2585
    },
    {
      "epoch": 0.862,
      "grad_norm": 19.295270919799805,
      "learning_rate": 2.852233676975945e-06,
      "loss": 0.3116,
      "num_tokens": 1101297.0,
      "step": 2586
    },
    {
      "epoch": 0.8623333333333333,
      "grad_norm": 22.419282913208008,
      "learning_rate": 2.845360824742268e-06,
      "loss": 0.3427,
      "num_tokens": 1101645.0,
      "step": 2587
    },
    {
      "epoch": 0.8626666666666667,
      "grad_norm": 16.15792465209961,
      "learning_rate": 2.838487972508591e-06,
      "loss": 0.2476,
      "num_tokens": 1102041.0,
      "step": 2588
    },
    {
      "epoch": 0.863,
      "grad_norm": 27.76045036315918,
      "learning_rate": 2.831615120274914e-06,
      "loss": 0.3942,
      "num_tokens": 1102432.0,
      "step": 2589
    },
    {
      "epoch": 0.8633333333333333,
      "grad_norm": 26.183975219726562,
      "learning_rate": 2.8247422680412372e-06,
      "loss": 0.4028,
      "num_tokens": 1102717.0,
      "step": 2590
    },
    {
      "epoch": 0.8636666666666667,
      "grad_norm": 13.375823974609375,
      "learning_rate": 2.8178694158075602e-06,
      "loss": 0.21,
      "num_tokens": 1103329.0,
      "step": 2591
    },
    {
      "epoch": 0.864,
      "grad_norm": 14.306855201721191,
      "learning_rate": 2.8109965635738832e-06,
      "loss": 0.2849,
      "num_tokens": 1103809.0,
      "step": 2592
    },
    {
      "epoch": 0.8643333333333333,
      "grad_norm": 17.68777084350586,
      "learning_rate": 2.8041237113402062e-06,
      "loss": 0.3228,
      "num_tokens": 1104207.0,
      "step": 2593
    },
    {
      "epoch": 0.8646666666666667,
      "grad_norm": 17.483196258544922,
      "learning_rate": 2.7972508591065297e-06,
      "loss": 0.276,
      "num_tokens": 1104808.0,
      "step": 2594
    },
    {
      "epoch": 0.865,
      "grad_norm": 21.972518920898438,
      "learning_rate": 2.7903780068728527e-06,
      "loss": 0.3924,
      "num_tokens": 1105135.0,
      "step": 2595
    },
    {
      "epoch": 0.8653333333333333,
      "grad_norm": 23.83920669555664,
      "learning_rate": 2.7835051546391757e-06,
      "loss": 0.4132,
      "num_tokens": 1105474.0,
      "step": 2596
    },
    {
      "epoch": 0.8656666666666667,
      "grad_norm": 17.173587799072266,
      "learning_rate": 2.7766323024054987e-06,
      "loss": 0.2774,
      "num_tokens": 1105881.0,
      "step": 2597
    },
    {
      "epoch": 0.866,
      "grad_norm": 17.44150161743164,
      "learning_rate": 2.7697594501718217e-06,
      "loss": 0.2168,
      "num_tokens": 1106219.0,
      "step": 2598
    },
    {
      "epoch": 0.8663333333333333,
      "grad_norm": 32.34910202026367,
      "learning_rate": 2.7628865979381447e-06,
      "loss": 0.7245,
      "num_tokens": 1106568.0,
      "step": 2599
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 11.376323699951172,
      "learning_rate": 2.7560137457044677e-06,
      "loss": 0.2053,
      "num_tokens": 1107330.0,
      "step": 2600
    },
    {
      "epoch": 0.867,
      "grad_norm": 38.56230545043945,
      "learning_rate": 2.7491408934707907e-06,
      "loss": 0.8847,
      "num_tokens": 1107572.0,
      "step": 2601
    },
    {
      "epoch": 0.8673333333333333,
      "grad_norm": 20.261680603027344,
      "learning_rate": 2.7422680412371137e-06,
      "loss": 0.4465,
      "num_tokens": 1107974.0,
      "step": 2602
    },
    {
      "epoch": 0.8676666666666667,
      "grad_norm": 16.08854103088379,
      "learning_rate": 2.7353951890034367e-06,
      "loss": 0.3407,
      "num_tokens": 1108472.0,
      "step": 2603
    },
    {
      "epoch": 0.868,
      "grad_norm": 24.39761734008789,
      "learning_rate": 2.7285223367697593e-06,
      "loss": 0.3805,
      "num_tokens": 1108777.0,
      "step": 2604
    },
    {
      "epoch": 0.8683333333333333,
      "grad_norm": 17.013826370239258,
      "learning_rate": 2.7216494845360823e-06,
      "loss": 0.2678,
      "num_tokens": 1109146.0,
      "step": 2605
    },
    {
      "epoch": 0.8686666666666667,
      "grad_norm": 14.553666114807129,
      "learning_rate": 2.7147766323024053e-06,
      "loss": 0.2527,
      "num_tokens": 1109713.0,
      "step": 2606
    },
    {
      "epoch": 0.869,
      "grad_norm": 35.898319244384766,
      "learning_rate": 2.7079037800687284e-06,
      "loss": 0.7073,
      "num_tokens": 1110049.0,
      "step": 2607
    },
    {
      "epoch": 0.8693333333333333,
      "grad_norm": 20.321985244750977,
      "learning_rate": 2.7010309278350518e-06,
      "loss": 0.2868,
      "num_tokens": 1110438.0,
      "step": 2608
    },
    {
      "epoch": 0.8696666666666667,
      "grad_norm": 16.032669067382812,
      "learning_rate": 2.694158075601375e-06,
      "loss": 0.3214,
      "num_tokens": 1110877.0,
      "step": 2609
    },
    {
      "epoch": 0.87,
      "grad_norm": 20.098161697387695,
      "learning_rate": 2.687285223367698e-06,
      "loss": 0.2868,
      "num_tokens": 1111165.0,
      "step": 2610
    },
    {
      "epoch": 0.8703333333333333,
      "grad_norm": 25.293737411499023,
      "learning_rate": 2.680412371134021e-06,
      "loss": 0.4346,
      "num_tokens": 1111447.0,
      "step": 2611
    },
    {
      "epoch": 0.8706666666666667,
      "grad_norm": 23.713485717773438,
      "learning_rate": 2.673539518900344e-06,
      "loss": 0.339,
      "num_tokens": 1111713.0,
      "step": 2612
    },
    {
      "epoch": 0.871,
      "grad_norm": 15.190940856933594,
      "learning_rate": 2.666666666666667e-06,
      "loss": 0.2146,
      "num_tokens": 1112127.0,
      "step": 2613
    },
    {
      "epoch": 0.8713333333333333,
      "grad_norm": 16.493757247924805,
      "learning_rate": 2.65979381443299e-06,
      "loss": 0.3347,
      "num_tokens": 1112646.0,
      "step": 2614
    },
    {
      "epoch": 0.8716666666666667,
      "grad_norm": 23.547101974487305,
      "learning_rate": 2.652920962199313e-06,
      "loss": 0.3968,
      "num_tokens": 1112978.0,
      "step": 2615
    },
    {
      "epoch": 0.872,
      "grad_norm": 18.284706115722656,
      "learning_rate": 2.646048109965636e-06,
      "loss": 0.2733,
      "num_tokens": 1113326.0,
      "step": 2616
    },
    {
      "epoch": 0.8723333333333333,
      "grad_norm": 29.10738754272461,
      "learning_rate": 2.639175257731959e-06,
      "loss": 0.5416,
      "num_tokens": 1113669.0,
      "step": 2617
    },
    {
      "epoch": 0.8726666666666667,
      "grad_norm": 22.63997459411621,
      "learning_rate": 2.6323024054982823e-06,
      "loss": 0.3794,
      "num_tokens": 1114039.0,
      "step": 2618
    },
    {
      "epoch": 0.873,
      "grad_norm": 18.456018447875977,
      "learning_rate": 2.6254295532646053e-06,
      "loss": 0.287,
      "num_tokens": 1114481.0,
      "step": 2619
    },
    {
      "epoch": 0.8733333333333333,
      "grad_norm": 15.56072998046875,
      "learning_rate": 2.6185567010309283e-06,
      "loss": 0.238,
      "num_tokens": 1115024.0,
      "step": 2620
    },
    {
      "epoch": 0.8736666666666667,
      "grad_norm": 21.878814697265625,
      "learning_rate": 2.6116838487972513e-06,
      "loss": 0.3891,
      "num_tokens": 1115408.0,
      "step": 2621
    },
    {
      "epoch": 0.874,
      "grad_norm": 17.757680892944336,
      "learning_rate": 2.6048109965635743e-06,
      "loss": 0.2884,
      "num_tokens": 1115904.0,
      "step": 2622
    },
    {
      "epoch": 0.8743333333333333,
      "grad_norm": 20.67007064819336,
      "learning_rate": 2.5979381443298973e-06,
      "loss": 0.4064,
      "num_tokens": 1116328.0,
      "step": 2623
    },
    {
      "epoch": 0.8746666666666667,
      "grad_norm": 14.284910202026367,
      "learning_rate": 2.5910652920962203e-06,
      "loss": 0.2766,
      "num_tokens": 1116919.0,
      "step": 2624
    },
    {
      "epoch": 0.875,
      "grad_norm": 14.246922492980957,
      "learning_rate": 2.5841924398625434e-06,
      "loss": 0.249,
      "num_tokens": 1117504.0,
      "step": 2625
    },
    {
      "epoch": 0.8753333333333333,
      "grad_norm": 22.20802879333496,
      "learning_rate": 2.577319587628866e-06,
      "loss": 0.3342,
      "num_tokens": 1117771.0,
      "step": 2626
    },
    {
      "epoch": 0.8756666666666667,
      "grad_norm": 28.59857177734375,
      "learning_rate": 2.570446735395189e-06,
      "loss": 0.5397,
      "num_tokens": 1118166.0,
      "step": 2627
    },
    {
      "epoch": 0.876,
      "grad_norm": 12.709672927856445,
      "learning_rate": 2.563573883161512e-06,
      "loss": 0.2051,
      "num_tokens": 1118670.0,
      "step": 2628
    },
    {
      "epoch": 0.8763333333333333,
      "grad_norm": 22.509122848510742,
      "learning_rate": 2.556701030927835e-06,
      "loss": 0.3627,
      "num_tokens": 1119031.0,
      "step": 2629
    },
    {
      "epoch": 0.8766666666666667,
      "grad_norm": 15.944034576416016,
      "learning_rate": 2.549828178694158e-06,
      "loss": 0.2248,
      "num_tokens": 1119473.0,
      "step": 2630
    },
    {
      "epoch": 0.877,
      "grad_norm": 25.441009521484375,
      "learning_rate": 2.542955326460481e-06,
      "loss": 0.4558,
      "num_tokens": 1119827.0,
      "step": 2631
    },
    {
      "epoch": 0.8773333333333333,
      "grad_norm": 17.579322814941406,
      "learning_rate": 2.5360824742268044e-06,
      "loss": 0.2709,
      "num_tokens": 1120338.0,
      "step": 2632
    },
    {
      "epoch": 0.8776666666666667,
      "grad_norm": 17.62100601196289,
      "learning_rate": 2.5292096219931274e-06,
      "loss": 0.2723,
      "num_tokens": 1120760.0,
      "step": 2633
    },
    {
      "epoch": 0.878,
      "grad_norm": 23.150907516479492,
      "learning_rate": 2.5223367697594504e-06,
      "loss": 0.4196,
      "num_tokens": 1121287.0,
      "step": 2634
    },
    {
      "epoch": 0.8783333333333333,
      "grad_norm": 19.693754196166992,
      "learning_rate": 2.5154639175257734e-06,
      "loss": 0.3048,
      "num_tokens": 1121611.0,
      "step": 2635
    },
    {
      "epoch": 0.8786666666666667,
      "grad_norm": 12.296672821044922,
      "learning_rate": 2.5085910652920964e-06,
      "loss": 0.2051,
      "num_tokens": 1122205.0,
      "step": 2636
    },
    {
      "epoch": 0.879,
      "grad_norm": 18.046634674072266,
      "learning_rate": 2.5017182130584195e-06,
      "loss": 0.3107,
      "num_tokens": 1122604.0,
      "step": 2637
    },
    {
      "epoch": 0.8793333333333333,
      "grad_norm": 14.211587905883789,
      "learning_rate": 2.4948453608247425e-06,
      "loss": 0.2187,
      "num_tokens": 1123037.0,
      "step": 2638
    },
    {
      "epoch": 0.8796666666666667,
      "grad_norm": 17.89979362487793,
      "learning_rate": 2.4879725085910655e-06,
      "loss": 0.3015,
      "num_tokens": 1123510.0,
      "step": 2639
    },
    {
      "epoch": 0.88,
      "grad_norm": 11.908567428588867,
      "learning_rate": 2.4810996563573885e-06,
      "loss": 0.2196,
      "num_tokens": 1124057.0,
      "step": 2640
    },
    {
      "epoch": 0.8803333333333333,
      "grad_norm": 20.304771423339844,
      "learning_rate": 2.4742268041237115e-06,
      "loss": 0.4753,
      "num_tokens": 1124636.0,
      "step": 2641
    },
    {
      "epoch": 0.8806666666666667,
      "grad_norm": 30.181413650512695,
      "learning_rate": 2.4673539518900345e-06,
      "loss": 0.6384,
      "num_tokens": 1124949.0,
      "step": 2642
    },
    {
      "epoch": 0.881,
      "grad_norm": 18.809181213378906,
      "learning_rate": 2.4604810996563575e-06,
      "loss": 0.3566,
      "num_tokens": 1125304.0,
      "step": 2643
    },
    {
      "epoch": 0.8813333333333333,
      "grad_norm": 18.18524932861328,
      "learning_rate": 2.4536082474226805e-06,
      "loss": 0.4246,
      "num_tokens": 1125735.0,
      "step": 2644
    },
    {
      "epoch": 0.8816666666666667,
      "grad_norm": 16.499597549438477,
      "learning_rate": 2.4467353951890035e-06,
      "loss": 0.2558,
      "num_tokens": 1126110.0,
      "step": 2645
    },
    {
      "epoch": 0.882,
      "grad_norm": 20.552982330322266,
      "learning_rate": 2.4398625429553265e-06,
      "loss": 0.3717,
      "num_tokens": 1126623.0,
      "step": 2646
    },
    {
      "epoch": 0.8823333333333333,
      "grad_norm": 16.257610321044922,
      "learning_rate": 2.4329896907216495e-06,
      "loss": 0.2981,
      "num_tokens": 1127146.0,
      "step": 2647
    },
    {
      "epoch": 0.8826666666666667,
      "grad_norm": 23.37925148010254,
      "learning_rate": 2.4261168384879725e-06,
      "loss": 0.3837,
      "num_tokens": 1127528.0,
      "step": 2648
    },
    {
      "epoch": 0.883,
      "grad_norm": 17.785457611083984,
      "learning_rate": 2.4192439862542956e-06,
      "loss": 0.3193,
      "num_tokens": 1127946.0,
      "step": 2649
    },
    {
      "epoch": 0.8833333333333333,
      "grad_norm": 16.97532081604004,
      "learning_rate": 2.412371134020619e-06,
      "loss": 0.2658,
      "num_tokens": 1128456.0,
      "step": 2650
    },
    {
      "epoch": 0.8836666666666667,
      "grad_norm": 17.295560836791992,
      "learning_rate": 2.405498281786942e-06,
      "loss": 0.2772,
      "num_tokens": 1128912.0,
      "step": 2651
    },
    {
      "epoch": 0.884,
      "grad_norm": 27.50554847717285,
      "learning_rate": 2.398625429553265e-06,
      "loss": 0.5552,
      "num_tokens": 1129216.0,
      "step": 2652
    },
    {
      "epoch": 0.8843333333333333,
      "grad_norm": 14.283690452575684,
      "learning_rate": 2.391752577319588e-06,
      "loss": 0.2047,
      "num_tokens": 1129816.0,
      "step": 2653
    },
    {
      "epoch": 0.8846666666666667,
      "grad_norm": 17.199249267578125,
      "learning_rate": 2.384879725085911e-06,
      "loss": 0.3389,
      "num_tokens": 1130305.0,
      "step": 2654
    },
    {
      "epoch": 0.885,
      "grad_norm": 18.971454620361328,
      "learning_rate": 2.3780068728522336e-06,
      "loss": 0.3031,
      "num_tokens": 1130649.0,
      "step": 2655
    },
    {
      "epoch": 0.8853333333333333,
      "grad_norm": 15.171945571899414,
      "learning_rate": 2.3711340206185566e-06,
      "loss": 0.2498,
      "num_tokens": 1131058.0,
      "step": 2656
    },
    {
      "epoch": 0.8856666666666667,
      "grad_norm": 19.996112823486328,
      "learning_rate": 2.36426116838488e-06,
      "loss": 0.2502,
      "num_tokens": 1131455.0,
      "step": 2657
    },
    {
      "epoch": 0.886,
      "grad_norm": 16.38463020324707,
      "learning_rate": 2.357388316151203e-06,
      "loss": 0.2739,
      "num_tokens": 1131949.0,
      "step": 2658
    },
    {
      "epoch": 0.8863333333333333,
      "grad_norm": 16.54492950439453,
      "learning_rate": 2.350515463917526e-06,
      "loss": 0.3133,
      "num_tokens": 1132429.0,
      "step": 2659
    },
    {
      "epoch": 0.8866666666666667,
      "grad_norm": 19.130403518676758,
      "learning_rate": 2.343642611683849e-06,
      "loss": 0.3285,
      "num_tokens": 1133092.0,
      "step": 2660
    },
    {
      "epoch": 0.887,
      "grad_norm": 24.571012496948242,
      "learning_rate": 2.336769759450172e-06,
      "loss": 0.4887,
      "num_tokens": 1133495.0,
      "step": 2661
    },
    {
      "epoch": 0.8873333333333333,
      "grad_norm": 26.68309211730957,
      "learning_rate": 2.329896907216495e-06,
      "loss": 0.3877,
      "num_tokens": 1133773.0,
      "step": 2662
    },
    {
      "epoch": 0.8876666666666667,
      "grad_norm": 11.291244506835938,
      "learning_rate": 2.323024054982818e-06,
      "loss": 0.1409,
      "num_tokens": 1134133.0,
      "step": 2663
    },
    {
      "epoch": 0.888,
      "grad_norm": 26.650270462036133,
      "learning_rate": 2.316151202749141e-06,
      "loss": 0.336,
      "num_tokens": 1134408.0,
      "step": 2664
    },
    {
      "epoch": 0.8883333333333333,
      "grad_norm": 23.780580520629883,
      "learning_rate": 2.309278350515464e-06,
      "loss": 0.5098,
      "num_tokens": 1134814.0,
      "step": 2665
    },
    {
      "epoch": 0.8886666666666667,
      "grad_norm": 30.70811653137207,
      "learning_rate": 2.302405498281787e-06,
      "loss": 0.5844,
      "num_tokens": 1135152.0,
      "step": 2666
    },
    {
      "epoch": 0.889,
      "grad_norm": 20.162235260009766,
      "learning_rate": 2.29553264604811e-06,
      "loss": 0.4821,
      "num_tokens": 1135661.0,
      "step": 2667
    },
    {
      "epoch": 0.8893333333333333,
      "grad_norm": 14.01124382019043,
      "learning_rate": 2.288659793814433e-06,
      "loss": 0.2401,
      "num_tokens": 1136207.0,
      "step": 2668
    },
    {
      "epoch": 0.8896666666666667,
      "grad_norm": 25.73712730407715,
      "learning_rate": 2.281786941580756e-06,
      "loss": 0.5939,
      "num_tokens": 1136575.0,
      "step": 2669
    },
    {
      "epoch": 0.89,
      "grad_norm": 15.558550834655762,
      "learning_rate": 2.274914089347079e-06,
      "loss": 0.2355,
      "num_tokens": 1136998.0,
      "step": 2670
    },
    {
      "epoch": 0.8903333333333333,
      "grad_norm": 10.84465503692627,
      "learning_rate": 2.268041237113402e-06,
      "loss": 0.165,
      "num_tokens": 1137674.0,
      "step": 2671
    },
    {
      "epoch": 0.8906666666666667,
      "grad_norm": 10.619647979736328,
      "learning_rate": 2.261168384879725e-06,
      "loss": 0.1675,
      "num_tokens": 1138310.0,
      "step": 2672
    },
    {
      "epoch": 0.891,
      "grad_norm": 23.241519927978516,
      "learning_rate": 2.254295532646048e-06,
      "loss": 0.4218,
      "num_tokens": 1138706.0,
      "step": 2673
    },
    {
      "epoch": 0.8913333333333333,
      "grad_norm": 23.254505157470703,
      "learning_rate": 2.247422680412371e-06,
      "loss": 0.4107,
      "num_tokens": 1139178.0,
      "step": 2674
    },
    {
      "epoch": 0.8916666666666667,
      "grad_norm": 20.643016815185547,
      "learning_rate": 2.2405498281786946e-06,
      "loss": 0.3866,
      "num_tokens": 1139609.0,
      "step": 2675
    },
    {
      "epoch": 0.892,
      "grad_norm": 11.879471778869629,
      "learning_rate": 2.2336769759450176e-06,
      "loss": 0.2178,
      "num_tokens": 1140476.0,
      "step": 2676
    },
    {
      "epoch": 0.8923333333333333,
      "grad_norm": 18.957048416137695,
      "learning_rate": 2.2268041237113406e-06,
      "loss": 0.3683,
      "num_tokens": 1141012.0,
      "step": 2677
    },
    {
      "epoch": 0.8926666666666667,
      "grad_norm": 11.961352348327637,
      "learning_rate": 2.2199312714776632e-06,
      "loss": 0.1682,
      "num_tokens": 1141376.0,
      "step": 2678
    },
    {
      "epoch": 0.893,
      "grad_norm": 23.58404541015625,
      "learning_rate": 2.2130584192439862e-06,
      "loss": 0.5366,
      "num_tokens": 1141824.0,
      "step": 2679
    },
    {
      "epoch": 0.8933333333333333,
      "grad_norm": 18.372447967529297,
      "learning_rate": 2.2061855670103092e-06,
      "loss": 0.4629,
      "num_tokens": 1142365.0,
      "step": 2680
    },
    {
      "epoch": 0.8936666666666667,
      "grad_norm": 29.805395126342773,
      "learning_rate": 2.1993127147766322e-06,
      "loss": 0.5322,
      "num_tokens": 1142690.0,
      "step": 2681
    },
    {
      "epoch": 0.894,
      "grad_norm": 12.278711318969727,
      "learning_rate": 2.1924398625429557e-06,
      "loss": 0.1665,
      "num_tokens": 1143132.0,
      "step": 2682
    },
    {
      "epoch": 0.8943333333333333,
      "grad_norm": 13.837822914123535,
      "learning_rate": 2.1855670103092787e-06,
      "loss": 0.3046,
      "num_tokens": 1143706.0,
      "step": 2683
    },
    {
      "epoch": 0.8946666666666667,
      "grad_norm": 16.852859497070312,
      "learning_rate": 2.1786941580756017e-06,
      "loss": 0.298,
      "num_tokens": 1144213.0,
      "step": 2684
    },
    {
      "epoch": 0.895,
      "grad_norm": 23.393728256225586,
      "learning_rate": 2.1718213058419247e-06,
      "loss": 0.2805,
      "num_tokens": 1144696.0,
      "step": 2685
    },
    {
      "epoch": 0.8953333333333333,
      "grad_norm": 17.307254791259766,
      "learning_rate": 2.1649484536082477e-06,
      "loss": 0.2584,
      "num_tokens": 1145248.0,
      "step": 2686
    },
    {
      "epoch": 0.8956666666666667,
      "grad_norm": 14.748942375183105,
      "learning_rate": 2.1580756013745707e-06,
      "loss": 0.2089,
      "num_tokens": 1145693.0,
      "step": 2687
    },
    {
      "epoch": 0.896,
      "grad_norm": 20.542560577392578,
      "learning_rate": 2.1512027491408937e-06,
      "loss": 0.3579,
      "num_tokens": 1146069.0,
      "step": 2688
    },
    {
      "epoch": 0.8963333333333333,
      "grad_norm": 17.55741310119629,
      "learning_rate": 2.1443298969072167e-06,
      "loss": 0.3159,
      "num_tokens": 1146865.0,
      "step": 2689
    },
    {
      "epoch": 0.8966666666666666,
      "grad_norm": 24.0822696685791,
      "learning_rate": 2.1374570446735397e-06,
      "loss": 0.416,
      "num_tokens": 1147153.0,
      "step": 2690
    },
    {
      "epoch": 0.897,
      "grad_norm": 24.48341941833496,
      "learning_rate": 2.1305841924398628e-06,
      "loss": 0.3999,
      "num_tokens": 1147467.0,
      "step": 2691
    },
    {
      "epoch": 0.8973333333333333,
      "grad_norm": 26.188201904296875,
      "learning_rate": 2.1237113402061858e-06,
      "loss": 0.4134,
      "num_tokens": 1147716.0,
      "step": 2692
    },
    {
      "epoch": 0.8976666666666666,
      "grad_norm": 30.151432037353516,
      "learning_rate": 2.1168384879725088e-06,
      "loss": 0.4819,
      "num_tokens": 1147976.0,
      "step": 2693
    },
    {
      "epoch": 0.898,
      "grad_norm": 17.410934448242188,
      "learning_rate": 2.1099656357388318e-06,
      "loss": 0.3658,
      "num_tokens": 1148465.0,
      "step": 2694
    },
    {
      "epoch": 0.8983333333333333,
      "grad_norm": 25.241716384887695,
      "learning_rate": 2.1030927835051548e-06,
      "loss": 0.3803,
      "num_tokens": 1148814.0,
      "step": 2695
    },
    {
      "epoch": 0.8986666666666666,
      "grad_norm": 43.32484436035156,
      "learning_rate": 2.096219931271478e-06,
      "loss": 0.6438,
      "num_tokens": 1149064.0,
      "step": 2696
    },
    {
      "epoch": 0.899,
      "grad_norm": 11.447908401489258,
      "learning_rate": 2.089347079037801e-06,
      "loss": 0.2101,
      "num_tokens": 1149650.0,
      "step": 2697
    },
    {
      "epoch": 0.8993333333333333,
      "grad_norm": 18.495502471923828,
      "learning_rate": 2.082474226804124e-06,
      "loss": 0.2308,
      "num_tokens": 1150087.0,
      "step": 2698
    },
    {
      "epoch": 0.8996666666666666,
      "grad_norm": 18.68160629272461,
      "learning_rate": 2.075601374570447e-06,
      "loss": 0.3307,
      "num_tokens": 1150517.0,
      "step": 2699
    },
    {
      "epoch": 0.9,
      "grad_norm": 21.001033782958984,
      "learning_rate": 2.06872852233677e-06,
      "loss": 0.3666,
      "num_tokens": 1150987.0,
      "step": 2700
    },
    {
      "epoch": 0.9003333333333333,
      "grad_norm": 17.173063278198242,
      "learning_rate": 2.061855670103093e-06,
      "loss": 0.272,
      "num_tokens": 1151427.0,
      "step": 2701
    },
    {
      "epoch": 0.9006666666666666,
      "grad_norm": 13.32605266571045,
      "learning_rate": 2.054982817869416e-06,
      "loss": 0.2265,
      "num_tokens": 1151896.0,
      "step": 2702
    },
    {
      "epoch": 0.901,
      "grad_norm": 21.790590286254883,
      "learning_rate": 2.048109965635739e-06,
      "loss": 0.4039,
      "num_tokens": 1152233.0,
      "step": 2703
    },
    {
      "epoch": 0.9013333333333333,
      "grad_norm": 19.262897491455078,
      "learning_rate": 2.041237113402062e-06,
      "loss": 0.2413,
      "num_tokens": 1152540.0,
      "step": 2704
    },
    {
      "epoch": 0.9016666666666666,
      "grad_norm": 16.255998611450195,
      "learning_rate": 2.034364261168385e-06,
      "loss": 0.2612,
      "num_tokens": 1153074.0,
      "step": 2705
    },
    {
      "epoch": 0.902,
      "grad_norm": 22.00145149230957,
      "learning_rate": 2.027491408934708e-06,
      "loss": 0.3976,
      "num_tokens": 1153389.0,
      "step": 2706
    },
    {
      "epoch": 0.9023333333333333,
      "grad_norm": 25.981700897216797,
      "learning_rate": 2.0206185567010313e-06,
      "loss": 0.5259,
      "num_tokens": 1153761.0,
      "step": 2707
    },
    {
      "epoch": 0.9026666666666666,
      "grad_norm": 27.417585372924805,
      "learning_rate": 2.0137457044673543e-06,
      "loss": 0.5074,
      "num_tokens": 1154074.0,
      "step": 2708
    },
    {
      "epoch": 0.903,
      "grad_norm": 21.643583297729492,
      "learning_rate": 2.0068728522336773e-06,
      "loss": 0.3851,
      "num_tokens": 1154502.0,
      "step": 2709
    },
    {
      "epoch": 0.9033333333333333,
      "grad_norm": 30.976497650146484,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 0.4374,
      "num_tokens": 1154819.0,
      "step": 2710
    },
    {
      "epoch": 0.9036666666666666,
      "grad_norm": 15.914011001586914,
      "learning_rate": 1.9931271477663233e-06,
      "loss": 0.2533,
      "num_tokens": 1155174.0,
      "step": 2711
    },
    {
      "epoch": 0.904,
      "grad_norm": 20.935306549072266,
      "learning_rate": 1.986254295532646e-06,
      "loss": 0.5045,
      "num_tokens": 1155673.0,
      "step": 2712
    },
    {
      "epoch": 0.9043333333333333,
      "grad_norm": 36.347076416015625,
      "learning_rate": 1.979381443298969e-06,
      "loss": 0.6768,
      "num_tokens": 1155916.0,
      "step": 2713
    },
    {
      "epoch": 0.9046666666666666,
      "grad_norm": 13.315597534179688,
      "learning_rate": 1.9725085910652924e-06,
      "loss": 0.2186,
      "num_tokens": 1156457.0,
      "step": 2714
    },
    {
      "epoch": 0.905,
      "grad_norm": 25.001535415649414,
      "learning_rate": 1.9656357388316154e-06,
      "loss": 0.5765,
      "num_tokens": 1156934.0,
      "step": 2715
    },
    {
      "epoch": 0.9053333333333333,
      "grad_norm": 21.156627655029297,
      "learning_rate": 1.9587628865979384e-06,
      "loss": 0.3891,
      "num_tokens": 1157344.0,
      "step": 2716
    },
    {
      "epoch": 0.9056666666666666,
      "grad_norm": 26.95836639404297,
      "learning_rate": 1.9518900343642614e-06,
      "loss": 0.4558,
      "num_tokens": 1157686.0,
      "step": 2717
    },
    {
      "epoch": 0.906,
      "grad_norm": 15.25243854522705,
      "learning_rate": 1.9450171821305844e-06,
      "loss": 0.4462,
      "num_tokens": 1158510.0,
      "step": 2718
    },
    {
      "epoch": 0.9063333333333333,
      "grad_norm": 36.926116943359375,
      "learning_rate": 1.9381443298969074e-06,
      "loss": 0.7138,
      "num_tokens": 1158833.0,
      "step": 2719
    },
    {
      "epoch": 0.9066666666666666,
      "grad_norm": 12.303214073181152,
      "learning_rate": 1.9312714776632304e-06,
      "loss": 0.2628,
      "num_tokens": 1159422.0,
      "step": 2720
    },
    {
      "epoch": 0.907,
      "grad_norm": 22.125396728515625,
      "learning_rate": 1.9243986254295534e-06,
      "loss": 0.2468,
      "num_tokens": 1159845.0,
      "step": 2721
    },
    {
      "epoch": 0.9073333333333333,
      "grad_norm": 29.187349319458008,
      "learning_rate": 1.9175257731958764e-06,
      "loss": 0.549,
      "num_tokens": 1160160.0,
      "step": 2722
    },
    {
      "epoch": 0.9076666666666666,
      "grad_norm": 14.531944274902344,
      "learning_rate": 1.9106529209621994e-06,
      "loss": 0.2573,
      "num_tokens": 1160715.0,
      "step": 2723
    },
    {
      "epoch": 0.908,
      "grad_norm": 24.53174591064453,
      "learning_rate": 1.9037800687285225e-06,
      "loss": 0.357,
      "num_tokens": 1160993.0,
      "step": 2724
    },
    {
      "epoch": 0.9083333333333333,
      "grad_norm": 17.915462493896484,
      "learning_rate": 1.8969072164948455e-06,
      "loss": 0.3302,
      "num_tokens": 1161443.0,
      "step": 2725
    },
    {
      "epoch": 0.9086666666666666,
      "grad_norm": 19.17743682861328,
      "learning_rate": 1.8900343642611685e-06,
      "loss": 0.3023,
      "num_tokens": 1161912.0,
      "step": 2726
    },
    {
      "epoch": 0.909,
      "grad_norm": 18.81557273864746,
      "learning_rate": 1.8831615120274915e-06,
      "loss": 0.4102,
      "num_tokens": 1162472.0,
      "step": 2727
    },
    {
      "epoch": 0.9093333333333333,
      "grad_norm": 15.204906463623047,
      "learning_rate": 1.8762886597938145e-06,
      "loss": 0.2253,
      "num_tokens": 1162747.0,
      "step": 2728
    },
    {
      "epoch": 0.9096666666666666,
      "grad_norm": 9.056118965148926,
      "learning_rate": 1.8694158075601377e-06,
      "loss": 0.1713,
      "num_tokens": 1163632.0,
      "step": 2729
    },
    {
      "epoch": 0.91,
      "grad_norm": 27.887147903442383,
      "learning_rate": 1.8625429553264607e-06,
      "loss": 0.434,
      "num_tokens": 1163955.0,
      "step": 2730
    },
    {
      "epoch": 0.9103333333333333,
      "grad_norm": 18.549562454223633,
      "learning_rate": 1.8556701030927837e-06,
      "loss": 0.3179,
      "num_tokens": 1164419.0,
      "step": 2731
    },
    {
      "epoch": 0.9106666666666666,
      "grad_norm": 38.43928909301758,
      "learning_rate": 1.8487972508591067e-06,
      "loss": 0.7053,
      "num_tokens": 1164642.0,
      "step": 2732
    },
    {
      "epoch": 0.911,
      "grad_norm": 20.190895080566406,
      "learning_rate": 1.8419243986254297e-06,
      "loss": 0.5518,
      "num_tokens": 1165164.0,
      "step": 2733
    },
    {
      "epoch": 0.9113333333333333,
      "grad_norm": 20.16877555847168,
      "learning_rate": 1.8350515463917525e-06,
      "loss": 0.232,
      "num_tokens": 1165516.0,
      "step": 2734
    },
    {
      "epoch": 0.9116666666666666,
      "grad_norm": 13.08216667175293,
      "learning_rate": 1.8281786941580755e-06,
      "loss": 0.2315,
      "num_tokens": 1166088.0,
      "step": 2735
    },
    {
      "epoch": 0.912,
      "grad_norm": 13.765453338623047,
      "learning_rate": 1.8213058419243988e-06,
      "loss": 0.2361,
      "num_tokens": 1166844.0,
      "step": 2736
    },
    {
      "epoch": 0.9123333333333333,
      "grad_norm": 12.908111572265625,
      "learning_rate": 1.8144329896907218e-06,
      "loss": 0.2202,
      "num_tokens": 1167241.0,
      "step": 2737
    },
    {
      "epoch": 0.9126666666666666,
      "grad_norm": 24.169925689697266,
      "learning_rate": 1.8075601374570448e-06,
      "loss": 0.4934,
      "num_tokens": 1167563.0,
      "step": 2738
    },
    {
      "epoch": 0.913,
      "grad_norm": 28.54415512084961,
      "learning_rate": 1.8006872852233678e-06,
      "loss": 0.3857,
      "num_tokens": 1167771.0,
      "step": 2739
    },
    {
      "epoch": 0.9133333333333333,
      "grad_norm": 8.911702156066895,
      "learning_rate": 1.7938144329896908e-06,
      "loss": 0.1133,
      "num_tokens": 1168483.0,
      "step": 2740
    },
    {
      "epoch": 0.9136666666666666,
      "grad_norm": 22.1441593170166,
      "learning_rate": 1.786941580756014e-06,
      "loss": 0.3372,
      "num_tokens": 1168860.0,
      "step": 2741
    },
    {
      "epoch": 0.914,
      "grad_norm": 20.894214630126953,
      "learning_rate": 1.780068728522337e-06,
      "loss": 0.4834,
      "num_tokens": 1169370.0,
      "step": 2742
    },
    {
      "epoch": 0.9143333333333333,
      "grad_norm": 14.744845390319824,
      "learning_rate": 1.77319587628866e-06,
      "loss": 0.2725,
      "num_tokens": 1169911.0,
      "step": 2743
    },
    {
      "epoch": 0.9146666666666666,
      "grad_norm": 12.813164710998535,
      "learning_rate": 1.766323024054983e-06,
      "loss": 0.2112,
      "num_tokens": 1170436.0,
      "step": 2744
    },
    {
      "epoch": 0.915,
      "grad_norm": 15.071550369262695,
      "learning_rate": 1.759450171821306e-06,
      "loss": 0.3116,
      "num_tokens": 1170903.0,
      "step": 2745
    },
    {
      "epoch": 0.9153333333333333,
      "grad_norm": 24.834426879882812,
      "learning_rate": 1.7525773195876288e-06,
      "loss": 0.4362,
      "num_tokens": 1171283.0,
      "step": 2746
    },
    {
      "epoch": 0.9156666666666666,
      "grad_norm": 36.800209045410156,
      "learning_rate": 1.7457044673539519e-06,
      "loss": 0.606,
      "num_tokens": 1171474.0,
      "step": 2747
    },
    {
      "epoch": 0.916,
      "grad_norm": 18.337873458862305,
      "learning_rate": 1.738831615120275e-06,
      "loss": 0.3528,
      "num_tokens": 1171814.0,
      "step": 2748
    },
    {
      "epoch": 0.9163333333333333,
      "grad_norm": 17.330036163330078,
      "learning_rate": 1.731958762886598e-06,
      "loss": 0.3008,
      "num_tokens": 1172676.0,
      "step": 2749
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 14.75840950012207,
      "learning_rate": 1.725085910652921e-06,
      "loss": 0.23,
      "num_tokens": 1173223.0,
      "step": 2750
    },
    {
      "epoch": 0.917,
      "grad_norm": 19.336124420166016,
      "learning_rate": 1.718213058419244e-06,
      "loss": 0.4402,
      "num_tokens": 1173733.0,
      "step": 2751
    },
    {
      "epoch": 0.9173333333333333,
      "grad_norm": 11.115795135498047,
      "learning_rate": 1.7113402061855671e-06,
      "loss": 0.1925,
      "num_tokens": 1174395.0,
      "step": 2752
    },
    {
      "epoch": 0.9176666666666666,
      "grad_norm": 16.1851806640625,
      "learning_rate": 1.7044673539518903e-06,
      "loss": 0.2433,
      "num_tokens": 1174808.0,
      "step": 2753
    },
    {
      "epoch": 0.918,
      "grad_norm": 22.90441131591797,
      "learning_rate": 1.6975945017182133e-06,
      "loss": 0.4071,
      "num_tokens": 1175267.0,
      "step": 2754
    },
    {
      "epoch": 0.9183333333333333,
      "grad_norm": 16.42786407470703,
      "learning_rate": 1.6907216494845363e-06,
      "loss": 0.2374,
      "num_tokens": 1175774.0,
      "step": 2755
    },
    {
      "epoch": 0.9186666666666666,
      "grad_norm": 22.648691177368164,
      "learning_rate": 1.6838487972508594e-06,
      "loss": 0.3315,
      "num_tokens": 1176064.0,
      "step": 2756
    },
    {
      "epoch": 0.919,
      "grad_norm": 19.161935806274414,
      "learning_rate": 1.6769759450171821e-06,
      "loss": 0.2986,
      "num_tokens": 1176488.0,
      "step": 2757
    },
    {
      "epoch": 0.9193333333333333,
      "grad_norm": 16.655405044555664,
      "learning_rate": 1.6701030927835052e-06,
      "loss": 0.261,
      "num_tokens": 1176865.0,
      "step": 2758
    },
    {
      "epoch": 0.9196666666666666,
      "grad_norm": 17.666271209716797,
      "learning_rate": 1.6632302405498282e-06,
      "loss": 0.2771,
      "num_tokens": 1177237.0,
      "step": 2759
    },
    {
      "epoch": 0.92,
      "grad_norm": 20.679241180419922,
      "learning_rate": 1.6563573883161514e-06,
      "loss": 0.3192,
      "num_tokens": 1177594.0,
      "step": 2760
    },
    {
      "epoch": 0.9203333333333333,
      "grad_norm": 15.442680358886719,
      "learning_rate": 1.6494845360824744e-06,
      "loss": 0.3365,
      "num_tokens": 1178108.0,
      "step": 2761
    },
    {
      "epoch": 0.9206666666666666,
      "grad_norm": 16.987192153930664,
      "learning_rate": 1.6426116838487974e-06,
      "loss": 0.2201,
      "num_tokens": 1178480.0,
      "step": 2762
    },
    {
      "epoch": 0.921,
      "grad_norm": 22.2786922454834,
      "learning_rate": 1.6357388316151204e-06,
      "loss": 0.4094,
      "num_tokens": 1178849.0,
      "step": 2763
    },
    {
      "epoch": 0.9213333333333333,
      "grad_norm": 20.164323806762695,
      "learning_rate": 1.6288659793814434e-06,
      "loss": 0.3124,
      "num_tokens": 1179295.0,
      "step": 2764
    },
    {
      "epoch": 0.9216666666666666,
      "grad_norm": 53.069400787353516,
      "learning_rate": 1.6219931271477664e-06,
      "loss": 0.5679,
      "num_tokens": 1179474.0,
      "step": 2765
    },
    {
      "epoch": 0.922,
      "grad_norm": 9.759431838989258,
      "learning_rate": 1.6151202749140896e-06,
      "loss": 0.2128,
      "num_tokens": 1180193.0,
      "step": 2766
    },
    {
      "epoch": 0.9223333333333333,
      "grad_norm": 17.29784393310547,
      "learning_rate": 1.6082474226804127e-06,
      "loss": 0.2632,
      "num_tokens": 1180642.0,
      "step": 2767
    },
    {
      "epoch": 0.9226666666666666,
      "grad_norm": 11.764988899230957,
      "learning_rate": 1.6013745704467355e-06,
      "loss": 0.1876,
      "num_tokens": 1181449.0,
      "step": 2768
    },
    {
      "epoch": 0.923,
      "grad_norm": 11.106544494628906,
      "learning_rate": 1.5945017182130585e-06,
      "loss": 0.199,
      "num_tokens": 1182330.0,
      "step": 2769
    },
    {
      "epoch": 0.9233333333333333,
      "grad_norm": 24.814998626708984,
      "learning_rate": 1.5876288659793815e-06,
      "loss": 0.4309,
      "num_tokens": 1182683.0,
      "step": 2770
    },
    {
      "epoch": 0.9236666666666666,
      "grad_norm": 16.705718994140625,
      "learning_rate": 1.5807560137457045e-06,
      "loss": 0.3043,
      "num_tokens": 1183024.0,
      "step": 2771
    },
    {
      "epoch": 0.924,
      "grad_norm": 16.59432029724121,
      "learning_rate": 1.5738831615120275e-06,
      "loss": 0.2639,
      "num_tokens": 1183527.0,
      "step": 2772
    },
    {
      "epoch": 0.9243333333333333,
      "grad_norm": 15.538214683532715,
      "learning_rate": 1.5670103092783507e-06,
      "loss": 0.2728,
      "num_tokens": 1183864.0,
      "step": 2773
    },
    {
      "epoch": 0.9246666666666666,
      "grad_norm": 17.873220443725586,
      "learning_rate": 1.5601374570446737e-06,
      "loss": 0.279,
      "num_tokens": 1184298.0,
      "step": 2774
    },
    {
      "epoch": 0.925,
      "grad_norm": 33.63453674316406,
      "learning_rate": 1.5532646048109967e-06,
      "loss": 0.5072,
      "num_tokens": 1184530.0,
      "step": 2775
    },
    {
      "epoch": 0.9253333333333333,
      "grad_norm": 9.463963508605957,
      "learning_rate": 1.5463917525773197e-06,
      "loss": 0.15,
      "num_tokens": 1185228.0,
      "step": 2776
    },
    {
      "epoch": 0.9256666666666666,
      "grad_norm": 34.70844650268555,
      "learning_rate": 1.5395189003436427e-06,
      "loss": 0.55,
      "num_tokens": 1185464.0,
      "step": 2777
    },
    {
      "epoch": 0.926,
      "grad_norm": 24.818832397460938,
      "learning_rate": 1.532646048109966e-06,
      "loss": 0.5329,
      "num_tokens": 1185845.0,
      "step": 2778
    },
    {
      "epoch": 0.9263333333333333,
      "grad_norm": 35.96976852416992,
      "learning_rate": 1.525773195876289e-06,
      "loss": 0.7482,
      "num_tokens": 1186065.0,
      "step": 2779
    },
    {
      "epoch": 0.9266666666666666,
      "grad_norm": 11.187234878540039,
      "learning_rate": 1.5189003436426118e-06,
      "loss": 0.2098,
      "num_tokens": 1186826.0,
      "step": 2780
    },
    {
      "epoch": 0.927,
      "grad_norm": 20.268693923950195,
      "learning_rate": 1.5120274914089348e-06,
      "loss": 0.3444,
      "num_tokens": 1187292.0,
      "step": 2781
    },
    {
      "epoch": 0.9273333333333333,
      "grad_norm": 14.612253189086914,
      "learning_rate": 1.5051546391752578e-06,
      "loss": 0.2251,
      "num_tokens": 1187766.0,
      "step": 2782
    },
    {
      "epoch": 0.9276666666666666,
      "grad_norm": 15.963537216186523,
      "learning_rate": 1.4982817869415808e-06,
      "loss": 0.1878,
      "num_tokens": 1188246.0,
      "step": 2783
    },
    {
      "epoch": 0.928,
      "grad_norm": 20.04001808166504,
      "learning_rate": 1.4914089347079038e-06,
      "loss": 0.478,
      "num_tokens": 1188699.0,
      "step": 2784
    },
    {
      "epoch": 0.9283333333333333,
      "grad_norm": 23.99854850769043,
      "learning_rate": 1.484536082474227e-06,
      "loss": 0.6602,
      "num_tokens": 1189268.0,
      "step": 2785
    },
    {
      "epoch": 0.9286666666666666,
      "grad_norm": 30.21177864074707,
      "learning_rate": 1.47766323024055e-06,
      "loss": 0.4402,
      "num_tokens": 1189485.0,
      "step": 2786
    },
    {
      "epoch": 0.929,
      "grad_norm": 17.51218032836914,
      "learning_rate": 1.470790378006873e-06,
      "loss": 0.3557,
      "num_tokens": 1190073.0,
      "step": 2787
    },
    {
      "epoch": 0.9293333333333333,
      "grad_norm": 30.070619583129883,
      "learning_rate": 1.463917525773196e-06,
      "loss": 0.5641,
      "num_tokens": 1190401.0,
      "step": 2788
    },
    {
      "epoch": 0.9296666666666666,
      "grad_norm": 12.422327995300293,
      "learning_rate": 1.457044673539519e-06,
      "loss": 0.222,
      "num_tokens": 1191211.0,
      "step": 2789
    },
    {
      "epoch": 0.93,
      "grad_norm": 15.444951057434082,
      "learning_rate": 1.450171821305842e-06,
      "loss": 0.2508,
      "num_tokens": 1191631.0,
      "step": 2790
    },
    {
      "epoch": 0.9303333333333333,
      "grad_norm": 24.11281967163086,
      "learning_rate": 1.4432989690721649e-06,
      "loss": 0.5044,
      "num_tokens": 1191956.0,
      "step": 2791
    },
    {
      "epoch": 0.9306666666666666,
      "grad_norm": 12.031312942504883,
      "learning_rate": 1.436426116838488e-06,
      "loss": 0.2044,
      "num_tokens": 1192679.0,
      "step": 2792
    },
    {
      "epoch": 0.931,
      "grad_norm": 14.59493637084961,
      "learning_rate": 1.429553264604811e-06,
      "loss": 0.219,
      "num_tokens": 1193101.0,
      "step": 2793
    },
    {
      "epoch": 0.9313333333333333,
      "grad_norm": 12.454179763793945,
      "learning_rate": 1.422680412371134e-06,
      "loss": 0.2128,
      "num_tokens": 1193624.0,
      "step": 2794
    },
    {
      "epoch": 0.9316666666666666,
      "grad_norm": 20.135393142700195,
      "learning_rate": 1.415807560137457e-06,
      "loss": 0.3198,
      "num_tokens": 1193976.0,
      "step": 2795
    },
    {
      "epoch": 0.932,
      "grad_norm": 13.077238082885742,
      "learning_rate": 1.4089347079037801e-06,
      "loss": 0.1536,
      "num_tokens": 1194300.0,
      "step": 2796
    },
    {
      "epoch": 0.9323333333333333,
      "grad_norm": 19.924745559692383,
      "learning_rate": 1.4020618556701031e-06,
      "loss": 0.3613,
      "num_tokens": 1194737.0,
      "step": 2797
    },
    {
      "epoch": 0.9326666666666666,
      "grad_norm": 21.548063278198242,
      "learning_rate": 1.3951890034364263e-06,
      "loss": 0.366,
      "num_tokens": 1195152.0,
      "step": 2798
    },
    {
      "epoch": 0.933,
      "grad_norm": 15.090727806091309,
      "learning_rate": 1.3883161512027493e-06,
      "loss": 0.2853,
      "num_tokens": 1195651.0,
      "step": 2799
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 18.70217514038086,
      "learning_rate": 1.3814432989690724e-06,
      "loss": 0.3108,
      "num_tokens": 1196023.0,
      "step": 2800
    },
    {
      "epoch": 0.9336666666666666,
      "grad_norm": 21.637327194213867,
      "learning_rate": 1.3745704467353954e-06,
      "loss": 0.3675,
      "num_tokens": 1196423.0,
      "step": 2801
    },
    {
      "epoch": 0.934,
      "grad_norm": 18.333282470703125,
      "learning_rate": 1.3676975945017184e-06,
      "loss": 0.3139,
      "num_tokens": 1196854.0,
      "step": 2802
    },
    {
      "epoch": 0.9343333333333333,
      "grad_norm": 20.19390296936035,
      "learning_rate": 1.3608247422680412e-06,
      "loss": 0.3274,
      "num_tokens": 1197279.0,
      "step": 2803
    },
    {
      "epoch": 0.9346666666666666,
      "grad_norm": 14.69888973236084,
      "learning_rate": 1.3539518900343642e-06,
      "loss": 0.2799,
      "num_tokens": 1197990.0,
      "step": 2804
    },
    {
      "epoch": 0.935,
      "grad_norm": 18.258342742919922,
      "learning_rate": 1.3470790378006874e-06,
      "loss": 0.2703,
      "num_tokens": 1198338.0,
      "step": 2805
    },
    {
      "epoch": 0.9353333333333333,
      "grad_norm": 14.277318954467773,
      "learning_rate": 1.3402061855670104e-06,
      "loss": 0.276,
      "num_tokens": 1198989.0,
      "step": 2806
    },
    {
      "epoch": 0.9356666666666666,
      "grad_norm": 30.533531188964844,
      "learning_rate": 1.3333333333333334e-06,
      "loss": 0.4535,
      "num_tokens": 1199245.0,
      "step": 2807
    },
    {
      "epoch": 0.936,
      "grad_norm": 28.22450065612793,
      "learning_rate": 1.3264604810996564e-06,
      "loss": 0.3893,
      "num_tokens": 1199495.0,
      "step": 2808
    },
    {
      "epoch": 0.9363333333333334,
      "grad_norm": 14.0161771774292,
      "learning_rate": 1.3195876288659794e-06,
      "loss": 0.2406,
      "num_tokens": 1200032.0,
      "step": 2809
    },
    {
      "epoch": 0.9366666666666666,
      "grad_norm": 18.715295791625977,
      "learning_rate": 1.3127147766323027e-06,
      "loss": 0.3641,
      "num_tokens": 1200521.0,
      "step": 2810
    },
    {
      "epoch": 0.937,
      "grad_norm": 7.987557888031006,
      "learning_rate": 1.3058419243986257e-06,
      "loss": 0.0878,
      "num_tokens": 1201064.0,
      "step": 2811
    },
    {
      "epoch": 0.9373333333333334,
      "grad_norm": 18.295886993408203,
      "learning_rate": 1.2989690721649487e-06,
      "loss": 0.2964,
      "num_tokens": 1201338.0,
      "step": 2812
    },
    {
      "epoch": 0.9376666666666666,
      "grad_norm": 28.105451583862305,
      "learning_rate": 1.2920962199312717e-06,
      "loss": 0.5894,
      "num_tokens": 1201583.0,
      "step": 2813
    },
    {
      "epoch": 0.938,
      "grad_norm": 18.479694366455078,
      "learning_rate": 1.2852233676975945e-06,
      "loss": 0.2708,
      "num_tokens": 1201945.0,
      "step": 2814
    },
    {
      "epoch": 0.9383333333333334,
      "grad_norm": 14.458306312561035,
      "learning_rate": 1.2783505154639175e-06,
      "loss": 0.2971,
      "num_tokens": 1202509.0,
      "step": 2815
    },
    {
      "epoch": 0.9386666666666666,
      "grad_norm": 26.081514358520508,
      "learning_rate": 1.2714776632302405e-06,
      "loss": 0.3741,
      "num_tokens": 1202794.0,
      "step": 2816
    },
    {
      "epoch": 0.939,
      "grad_norm": 16.62761116027832,
      "learning_rate": 1.2646048109965637e-06,
      "loss": 0.2602,
      "num_tokens": 1203110.0,
      "step": 2817
    },
    {
      "epoch": 0.9393333333333334,
      "grad_norm": 28.165203094482422,
      "learning_rate": 1.2577319587628867e-06,
      "loss": 0.4194,
      "num_tokens": 1203451.0,
      "step": 2818
    },
    {
      "epoch": 0.9396666666666667,
      "grad_norm": 13.231277465820312,
      "learning_rate": 1.2508591065292097e-06,
      "loss": 0.2795,
      "num_tokens": 1204320.0,
      "step": 2819
    },
    {
      "epoch": 0.94,
      "grad_norm": 17.774417877197266,
      "learning_rate": 1.2439862542955327e-06,
      "loss": 0.3046,
      "num_tokens": 1204840.0,
      "step": 2820
    },
    {
      "epoch": 0.9403333333333334,
      "grad_norm": 20.631237030029297,
      "learning_rate": 1.2371134020618557e-06,
      "loss": 0.3664,
      "num_tokens": 1205272.0,
      "step": 2821
    },
    {
      "epoch": 0.9406666666666667,
      "grad_norm": 31.61923599243164,
      "learning_rate": 1.2302405498281788e-06,
      "loss": 0.5549,
      "num_tokens": 1205558.0,
      "step": 2822
    },
    {
      "epoch": 0.941,
      "grad_norm": 30.52830696105957,
      "learning_rate": 1.2233676975945018e-06,
      "loss": 0.5151,
      "num_tokens": 1205813.0,
      "step": 2823
    },
    {
      "epoch": 0.9413333333333334,
      "grad_norm": 12.57776927947998,
      "learning_rate": 1.2164948453608248e-06,
      "loss": 0.2454,
      "num_tokens": 1206378.0,
      "step": 2824
    },
    {
      "epoch": 0.9416666666666667,
      "grad_norm": 19.451017379760742,
      "learning_rate": 1.2096219931271478e-06,
      "loss": 0.3151,
      "num_tokens": 1206692.0,
      "step": 2825
    },
    {
      "epoch": 0.942,
      "grad_norm": 13.904121398925781,
      "learning_rate": 1.202749140893471e-06,
      "loss": 0.1744,
      "num_tokens": 1207234.0,
      "step": 2826
    },
    {
      "epoch": 0.9423333333333334,
      "grad_norm": 18.655033111572266,
      "learning_rate": 1.195876288659794e-06,
      "loss": 0.4144,
      "num_tokens": 1207816.0,
      "step": 2827
    },
    {
      "epoch": 0.9426666666666667,
      "grad_norm": 19.150779724121094,
      "learning_rate": 1.1890034364261168e-06,
      "loss": 0.4255,
      "num_tokens": 1208309.0,
      "step": 2828
    },
    {
      "epoch": 0.943,
      "grad_norm": 32.67264175415039,
      "learning_rate": 1.18213058419244e-06,
      "loss": 0.576,
      "num_tokens": 1208625.0,
      "step": 2829
    },
    {
      "epoch": 0.9433333333333334,
      "grad_norm": 12.004759788513184,
      "learning_rate": 1.175257731958763e-06,
      "loss": 0.252,
      "num_tokens": 1209344.0,
      "step": 2830
    },
    {
      "epoch": 0.9436666666666667,
      "grad_norm": 30.896364212036133,
      "learning_rate": 1.168384879725086e-06,
      "loss": 0.4078,
      "num_tokens": 1209534.0,
      "step": 2831
    },
    {
      "epoch": 0.944,
      "grad_norm": 21.55123519897461,
      "learning_rate": 1.161512027491409e-06,
      "loss": 0.3164,
      "num_tokens": 1209987.0,
      "step": 2832
    },
    {
      "epoch": 0.9443333333333334,
      "grad_norm": 32.53606033325195,
      "learning_rate": 1.154639175257732e-06,
      "loss": 0.4841,
      "num_tokens": 1210194.0,
      "step": 2833
    },
    {
      "epoch": 0.9446666666666667,
      "grad_norm": 26.916492462158203,
      "learning_rate": 1.147766323024055e-06,
      "loss": 0.3911,
      "num_tokens": 1210446.0,
      "step": 2834
    },
    {
      "epoch": 0.945,
      "grad_norm": 21.7069149017334,
      "learning_rate": 1.140893470790378e-06,
      "loss": 0.3777,
      "num_tokens": 1210901.0,
      "step": 2835
    },
    {
      "epoch": 0.9453333333333334,
      "grad_norm": 19.021657943725586,
      "learning_rate": 1.134020618556701e-06,
      "loss": 0.2475,
      "num_tokens": 1211318.0,
      "step": 2836
    },
    {
      "epoch": 0.9456666666666667,
      "grad_norm": 13.715456008911133,
      "learning_rate": 1.127147766323024e-06,
      "loss": 0.2599,
      "num_tokens": 1211889.0,
      "step": 2837
    },
    {
      "epoch": 0.946,
      "grad_norm": 15.180134773254395,
      "learning_rate": 1.1202749140893473e-06,
      "loss": 0.2646,
      "num_tokens": 1212472.0,
      "step": 2838
    },
    {
      "epoch": 0.9463333333333334,
      "grad_norm": 32.41794967651367,
      "learning_rate": 1.1134020618556703e-06,
      "loss": 0.4211,
      "num_tokens": 1212776.0,
      "step": 2839
    },
    {
      "epoch": 0.9466666666666667,
      "grad_norm": 26.66925621032715,
      "learning_rate": 1.1065292096219931e-06,
      "loss": 0.3917,
      "num_tokens": 1213107.0,
      "step": 2840
    },
    {
      "epoch": 0.947,
      "grad_norm": 19.775638580322266,
      "learning_rate": 1.0996563573883161e-06,
      "loss": 0.4081,
      "num_tokens": 1213575.0,
      "step": 2841
    },
    {
      "epoch": 0.9473333333333334,
      "grad_norm": 15.649317741394043,
      "learning_rate": 1.0927835051546393e-06,
      "loss": 0.2432,
      "num_tokens": 1213990.0,
      "step": 2842
    },
    {
      "epoch": 0.9476666666666667,
      "grad_norm": 21.02082061767578,
      "learning_rate": 1.0859106529209624e-06,
      "loss": 0.3005,
      "num_tokens": 1214303.0,
      "step": 2843
    },
    {
      "epoch": 0.948,
      "grad_norm": 19.41986656188965,
      "learning_rate": 1.0790378006872854e-06,
      "loss": 0.4132,
      "num_tokens": 1214718.0,
      "step": 2844
    },
    {
      "epoch": 0.9483333333333334,
      "grad_norm": 23.47172737121582,
      "learning_rate": 1.0721649484536084e-06,
      "loss": 0.2918,
      "num_tokens": 1214975.0,
      "step": 2845
    },
    {
      "epoch": 0.9486666666666667,
      "grad_norm": 33.1331672668457,
      "learning_rate": 1.0652920962199314e-06,
      "loss": 0.6007,
      "num_tokens": 1215331.0,
      "step": 2846
    },
    {
      "epoch": 0.949,
      "grad_norm": 26.066673278808594,
      "learning_rate": 1.0584192439862544e-06,
      "loss": 0.4545,
      "num_tokens": 1215672.0,
      "step": 2847
    },
    {
      "epoch": 0.9493333333333334,
      "grad_norm": 25.735944747924805,
      "learning_rate": 1.0515463917525774e-06,
      "loss": 0.4043,
      "num_tokens": 1216038.0,
      "step": 2848
    },
    {
      "epoch": 0.9496666666666667,
      "grad_norm": 33.348297119140625,
      "learning_rate": 1.0446735395189004e-06,
      "loss": 0.4299,
      "num_tokens": 1216351.0,
      "step": 2849
    },
    {
      "epoch": 0.95,
      "grad_norm": 22.684585571289062,
      "learning_rate": 1.0378006872852234e-06,
      "loss": 0.3391,
      "num_tokens": 1216625.0,
      "step": 2850
    },
    {
      "epoch": 0.9503333333333334,
      "grad_norm": 10.214672088623047,
      "learning_rate": 1.0309278350515464e-06,
      "loss": 0.2305,
      "num_tokens": 1217585.0,
      "step": 2851
    },
    {
      "epoch": 0.9506666666666667,
      "grad_norm": 13.0924711227417,
      "learning_rate": 1.0240549828178694e-06,
      "loss": 0.1881,
      "num_tokens": 1218087.0,
      "step": 2852
    },
    {
      "epoch": 0.951,
      "grad_norm": 18.646839141845703,
      "learning_rate": 1.0171821305841924e-06,
      "loss": 0.304,
      "num_tokens": 1218447.0,
      "step": 2853
    },
    {
      "epoch": 0.9513333333333334,
      "grad_norm": 20.724119186401367,
      "learning_rate": 1.0103092783505157e-06,
      "loss": 0.3211,
      "num_tokens": 1218872.0,
      "step": 2854
    },
    {
      "epoch": 0.9516666666666667,
      "grad_norm": 16.770505905151367,
      "learning_rate": 1.0034364261168387e-06,
      "loss": 0.3455,
      "num_tokens": 1219443.0,
      "step": 2855
    },
    {
      "epoch": 0.952,
      "grad_norm": 15.920105934143066,
      "learning_rate": 9.965635738831617e-07,
      "loss": 0.2349,
      "num_tokens": 1219974.0,
      "step": 2856
    },
    {
      "epoch": 0.9523333333333334,
      "grad_norm": 36.33335494995117,
      "learning_rate": 9.896907216494845e-07,
      "loss": 0.5922,
      "num_tokens": 1220259.0,
      "step": 2857
    },
    {
      "epoch": 0.9526666666666667,
      "grad_norm": 17.147048950195312,
      "learning_rate": 9.828178694158077e-07,
      "loss": 0.3193,
      "num_tokens": 1221009.0,
      "step": 2858
    },
    {
      "epoch": 0.953,
      "grad_norm": 18.508996963500977,
      "learning_rate": 9.759450171821307e-07,
      "loss": 0.3418,
      "num_tokens": 1221467.0,
      "step": 2859
    },
    {
      "epoch": 0.9533333333333334,
      "grad_norm": 14.931013107299805,
      "learning_rate": 9.690721649484537e-07,
      "loss": 0.2258,
      "num_tokens": 1221808.0,
      "step": 2860
    },
    {
      "epoch": 0.9536666666666667,
      "grad_norm": 24.980880737304688,
      "learning_rate": 9.621993127147767e-07,
      "loss": 0.4013,
      "num_tokens": 1222213.0,
      "step": 2861
    },
    {
      "epoch": 0.954,
      "grad_norm": 12.932284355163574,
      "learning_rate": 9.553264604810997e-07,
      "loss": 0.2279,
      "num_tokens": 1222681.0,
      "step": 2862
    },
    {
      "epoch": 0.9543333333333334,
      "grad_norm": 17.5128116607666,
      "learning_rate": 9.484536082474227e-07,
      "loss": 0.3251,
      "num_tokens": 1223160.0,
      "step": 2863
    },
    {
      "epoch": 0.9546666666666667,
      "grad_norm": 17.377653121948242,
      "learning_rate": 9.415807560137457e-07,
      "loss": 0.2958,
      "num_tokens": 1223529.0,
      "step": 2864
    },
    {
      "epoch": 0.955,
      "grad_norm": 14.53791332244873,
      "learning_rate": 9.347079037800689e-07,
      "loss": 0.1916,
      "num_tokens": 1223967.0,
      "step": 2865
    },
    {
      "epoch": 0.9553333333333334,
      "grad_norm": 18.71718406677246,
      "learning_rate": 9.278350515463919e-07,
      "loss": 0.3723,
      "num_tokens": 1224346.0,
      "step": 2866
    },
    {
      "epoch": 0.9556666666666667,
      "grad_norm": 23.035741806030273,
      "learning_rate": 9.209621993127149e-07,
      "loss": 0.4184,
      "num_tokens": 1224662.0,
      "step": 2867
    },
    {
      "epoch": 0.956,
      "grad_norm": 23.471052169799805,
      "learning_rate": 9.140893470790378e-07,
      "loss": 0.4071,
      "num_tokens": 1225104.0,
      "step": 2868
    },
    {
      "epoch": 0.9563333333333334,
      "grad_norm": 16.316633224487305,
      "learning_rate": 9.072164948453609e-07,
      "loss": 0.2865,
      "num_tokens": 1225562.0,
      "step": 2869
    },
    {
      "epoch": 0.9566666666666667,
      "grad_norm": 17.318754196166992,
      "learning_rate": 9.003436426116839e-07,
      "loss": 0.2983,
      "num_tokens": 1225861.0,
      "step": 2870
    },
    {
      "epoch": 0.957,
      "grad_norm": 19.461091995239258,
      "learning_rate": 8.93470790378007e-07,
      "loss": 0.2987,
      "num_tokens": 1226169.0,
      "step": 2871
    },
    {
      "epoch": 0.9573333333333334,
      "grad_norm": 20.074254989624023,
      "learning_rate": 8.8659793814433e-07,
      "loss": 0.2653,
      "num_tokens": 1226507.0,
      "step": 2872
    },
    {
      "epoch": 0.9576666666666667,
      "grad_norm": 24.750465393066406,
      "learning_rate": 8.79725085910653e-07,
      "loss": 0.5946,
      "num_tokens": 1226888.0,
      "step": 2873
    },
    {
      "epoch": 0.958,
      "grad_norm": 25.771501541137695,
      "learning_rate": 8.728522336769759e-07,
      "loss": 0.3832,
      "num_tokens": 1227209.0,
      "step": 2874
    },
    {
      "epoch": 0.9583333333333334,
      "grad_norm": 28.252016067504883,
      "learning_rate": 8.65979381443299e-07,
      "loss": 0.4343,
      "num_tokens": 1227540.0,
      "step": 2875
    },
    {
      "epoch": 0.9586666666666667,
      "grad_norm": 30.777013778686523,
      "learning_rate": 8.59106529209622e-07,
      "loss": 0.3873,
      "num_tokens": 1227749.0,
      "step": 2876
    },
    {
      "epoch": 0.959,
      "grad_norm": 20.05733871459961,
      "learning_rate": 8.522336769759452e-07,
      "loss": 0.3094,
      "num_tokens": 1228200.0,
      "step": 2877
    },
    {
      "epoch": 0.9593333333333334,
      "grad_norm": 13.168255805969238,
      "learning_rate": 8.453608247422682e-07,
      "loss": 0.1585,
      "num_tokens": 1228775.0,
      "step": 2878
    },
    {
      "epoch": 0.9596666666666667,
      "grad_norm": 33.26900863647461,
      "learning_rate": 8.384879725085911e-07,
      "loss": 0.5001,
      "num_tokens": 1229040.0,
      "step": 2879
    },
    {
      "epoch": 0.96,
      "grad_norm": 12.670221328735352,
      "learning_rate": 8.316151202749141e-07,
      "loss": 0.2541,
      "num_tokens": 1229695.0,
      "step": 2880
    },
    {
      "epoch": 0.9603333333333334,
      "grad_norm": 19.14505386352539,
      "learning_rate": 8.247422680412372e-07,
      "loss": 0.416,
      "num_tokens": 1230227.0,
      "step": 2881
    },
    {
      "epoch": 0.9606666666666667,
      "grad_norm": 18.885717391967773,
      "learning_rate": 8.178694158075602e-07,
      "loss": 0.3335,
      "num_tokens": 1230749.0,
      "step": 2882
    },
    {
      "epoch": 0.961,
      "grad_norm": 25.43470573425293,
      "learning_rate": 8.109965635738832e-07,
      "loss": 0.4591,
      "num_tokens": 1231129.0,
      "step": 2883
    },
    {
      "epoch": 0.9613333333333334,
      "grad_norm": 17.184825897216797,
      "learning_rate": 8.041237113402063e-07,
      "loss": 0.2873,
      "num_tokens": 1231638.0,
      "step": 2884
    },
    {
      "epoch": 0.9616666666666667,
      "grad_norm": 22.199909210205078,
      "learning_rate": 7.972508591065292e-07,
      "loss": 0.3837,
      "num_tokens": 1232040.0,
      "step": 2885
    },
    {
      "epoch": 0.962,
      "grad_norm": 24.166955947875977,
      "learning_rate": 7.903780068728522e-07,
      "loss": 0.4402,
      "num_tokens": 1232335.0,
      "step": 2886
    },
    {
      "epoch": 0.9623333333333334,
      "grad_norm": 12.452017784118652,
      "learning_rate": 7.835051546391754e-07,
      "loss": 0.1843,
      "num_tokens": 1232891.0,
      "step": 2887
    },
    {
      "epoch": 0.9626666666666667,
      "grad_norm": 21.145145416259766,
      "learning_rate": 7.766323024054984e-07,
      "loss": 0.4858,
      "num_tokens": 1233339.0,
      "step": 2888
    },
    {
      "epoch": 0.963,
      "grad_norm": 15.999001502990723,
      "learning_rate": 7.697594501718214e-07,
      "loss": 0.2749,
      "num_tokens": 1233837.0,
      "step": 2889
    },
    {
      "epoch": 0.9633333333333334,
      "grad_norm": 20.25387954711914,
      "learning_rate": 7.628865979381445e-07,
      "loss": 0.5234,
      "num_tokens": 1234316.0,
      "step": 2890
    },
    {
      "epoch": 0.9636666666666667,
      "grad_norm": 24.0734806060791,
      "learning_rate": 7.560137457044674e-07,
      "loss": 0.3496,
      "num_tokens": 1234596.0,
      "step": 2891
    },
    {
      "epoch": 0.964,
      "grad_norm": 23.482746124267578,
      "learning_rate": 7.491408934707904e-07,
      "loss": 0.3517,
      "num_tokens": 1234988.0,
      "step": 2892
    },
    {
      "epoch": 0.9643333333333334,
      "grad_norm": 23.794939041137695,
      "learning_rate": 7.422680412371135e-07,
      "loss": 0.3319,
      "num_tokens": 1235317.0,
      "step": 2893
    },
    {
      "epoch": 0.9646666666666667,
      "grad_norm": 39.8879508972168,
      "learning_rate": 7.353951890034365e-07,
      "loss": 0.5241,
      "num_tokens": 1235626.0,
      "step": 2894
    },
    {
      "epoch": 0.965,
      "grad_norm": 13.687010765075684,
      "learning_rate": 7.285223367697595e-07,
      "loss": 0.2085,
      "num_tokens": 1236249.0,
      "step": 2895
    },
    {
      "epoch": 0.9653333333333334,
      "grad_norm": 11.35189151763916,
      "learning_rate": 7.216494845360824e-07,
      "loss": 0.2334,
      "num_tokens": 1236974.0,
      "step": 2896
    },
    {
      "epoch": 0.9656666666666667,
      "grad_norm": 18.048450469970703,
      "learning_rate": 7.147766323024055e-07,
      "loss": 0.3089,
      "num_tokens": 1237385.0,
      "step": 2897
    },
    {
      "epoch": 0.966,
      "grad_norm": 15.142422676086426,
      "learning_rate": 7.079037800687286e-07,
      "loss": 0.2172,
      "num_tokens": 1237830.0,
      "step": 2898
    },
    {
      "epoch": 0.9663333333333334,
      "grad_norm": 21.16855812072754,
      "learning_rate": 7.010309278350516e-07,
      "loss": 0.3625,
      "num_tokens": 1238191.0,
      "step": 2899
    },
    {
      "epoch": 0.9666666666666667,
      "grad_norm": 19.89372444152832,
      "learning_rate": 6.941580756013747e-07,
      "loss": 0.3139,
      "num_tokens": 1238612.0,
      "step": 2900
    },
    {
      "epoch": 0.967,
      "grad_norm": 25.008304595947266,
      "learning_rate": 6.872852233676977e-07,
      "loss": 0.4818,
      "num_tokens": 1239057.0,
      "step": 2901
    },
    {
      "epoch": 0.9673333333333334,
      "grad_norm": 16.1348876953125,
      "learning_rate": 6.804123711340206e-07,
      "loss": 0.266,
      "num_tokens": 1239419.0,
      "step": 2902
    },
    {
      "epoch": 0.9676666666666667,
      "grad_norm": 26.38178825378418,
      "learning_rate": 6.735395189003437e-07,
      "loss": 0.4128,
      "num_tokens": 1239759.0,
      "step": 2903
    },
    {
      "epoch": 0.968,
      "grad_norm": 11.03023910522461,
      "learning_rate": 6.666666666666667e-07,
      "loss": 0.1571,
      "num_tokens": 1240163.0,
      "step": 2904
    },
    {
      "epoch": 0.9683333333333334,
      "grad_norm": 22.909446716308594,
      "learning_rate": 6.597938144329897e-07,
      "loss": 0.3599,
      "num_tokens": 1240423.0,
      "step": 2905
    },
    {
      "epoch": 0.9686666666666667,
      "grad_norm": 35.35147476196289,
      "learning_rate": 6.529209621993128e-07,
      "loss": 0.5345,
      "num_tokens": 1240715.0,
      "step": 2906
    },
    {
      "epoch": 0.969,
      "grad_norm": 17.8872127532959,
      "learning_rate": 6.460481099656358e-07,
      "loss": 0.3174,
      "num_tokens": 1241238.0,
      "step": 2907
    },
    {
      "epoch": 0.9693333333333334,
      "grad_norm": 16.4509220123291,
      "learning_rate": 6.391752577319587e-07,
      "loss": 0.3964,
      "num_tokens": 1241742.0,
      "step": 2908
    },
    {
      "epoch": 0.9696666666666667,
      "grad_norm": 13.74385929107666,
      "learning_rate": 6.323024054982819e-07,
      "loss": 0.1885,
      "num_tokens": 1242153.0,
      "step": 2909
    },
    {
      "epoch": 0.97,
      "grad_norm": 13.282242774963379,
      "learning_rate": 6.254295532646049e-07,
      "loss": 0.2502,
      "num_tokens": 1242809.0,
      "step": 2910
    },
    {
      "epoch": 0.9703333333333334,
      "grad_norm": 35.126747131347656,
      "learning_rate": 6.185567010309279e-07,
      "loss": 0.582,
      "num_tokens": 1243165.0,
      "step": 2911
    },
    {
      "epoch": 0.9706666666666667,
      "grad_norm": 18.665939331054688,
      "learning_rate": 6.116838487972509e-07,
      "loss": 0.3008,
      "num_tokens": 1243546.0,
      "step": 2912
    },
    {
      "epoch": 0.971,
      "grad_norm": 33.270973205566406,
      "learning_rate": 6.048109965635739e-07,
      "loss": 0.4808,
      "num_tokens": 1243741.0,
      "step": 2913
    },
    {
      "epoch": 0.9713333333333334,
      "grad_norm": 19.88420295715332,
      "learning_rate": 5.97938144329897e-07,
      "loss": 0.4377,
      "num_tokens": 1244218.0,
      "step": 2914
    },
    {
      "epoch": 0.9716666666666667,
      "grad_norm": 19.881019592285156,
      "learning_rate": 5.9106529209622e-07,
      "loss": 0.3294,
      "num_tokens": 1244561.0,
      "step": 2915
    },
    {
      "epoch": 0.972,
      "grad_norm": 20.59368324279785,
      "learning_rate": 5.84192439862543e-07,
      "loss": 0.3198,
      "num_tokens": 1244957.0,
      "step": 2916
    },
    {
      "epoch": 0.9723333333333334,
      "grad_norm": 34.786231994628906,
      "learning_rate": 5.77319587628866e-07,
      "loss": 0.6363,
      "num_tokens": 1245211.0,
      "step": 2917
    },
    {
      "epoch": 0.9726666666666667,
      "grad_norm": 29.888517379760742,
      "learning_rate": 5.70446735395189e-07,
      "loss": 0.533,
      "num_tokens": 1245515.0,
      "step": 2918
    },
    {
      "epoch": 0.973,
      "grad_norm": 36.45264434814453,
      "learning_rate": 5.63573883161512e-07,
      "loss": 0.4548,
      "num_tokens": 1245794.0,
      "step": 2919
    },
    {
      "epoch": 0.9733333333333334,
      "grad_norm": 18.79391098022461,
      "learning_rate": 5.567010309278352e-07,
      "loss": 0.2848,
      "num_tokens": 1246186.0,
      "step": 2920
    },
    {
      "epoch": 0.9736666666666667,
      "grad_norm": 22.66530990600586,
      "learning_rate": 5.498281786941581e-07,
      "loss": 0.2956,
      "num_tokens": 1246568.0,
      "step": 2921
    },
    {
      "epoch": 0.974,
      "grad_norm": 17.22533416748047,
      "learning_rate": 5.429553264604812e-07,
      "loss": 0.2411,
      "num_tokens": 1246890.0,
      "step": 2922
    },
    {
      "epoch": 0.9743333333333334,
      "grad_norm": 21.943885803222656,
      "learning_rate": 5.360824742268042e-07,
      "loss": 0.3478,
      "num_tokens": 1247272.0,
      "step": 2923
    },
    {
      "epoch": 0.9746666666666667,
      "grad_norm": 25.156082153320312,
      "learning_rate": 5.292096219931272e-07,
      "loss": 0.3349,
      "num_tokens": 1247535.0,
      "step": 2924
    },
    {
      "epoch": 0.975,
      "grad_norm": 34.71571350097656,
      "learning_rate": 5.223367697594502e-07,
      "loss": 0.7761,
      "num_tokens": 1247953.0,
      "step": 2925
    },
    {
      "epoch": 0.9753333333333334,
      "grad_norm": 15.5015287399292,
      "learning_rate": 5.154639175257732e-07,
      "loss": 0.2385,
      "num_tokens": 1248320.0,
      "step": 2926
    },
    {
      "epoch": 0.9756666666666667,
      "grad_norm": 16.895679473876953,
      "learning_rate": 5.085910652920962e-07,
      "loss": 0.2873,
      "num_tokens": 1248979.0,
      "step": 2927
    },
    {
      "epoch": 0.976,
      "grad_norm": 29.223424911499023,
      "learning_rate": 5.017182130584193e-07,
      "loss": 0.43,
      "num_tokens": 1249233.0,
      "step": 2928
    },
    {
      "epoch": 0.9763333333333334,
      "grad_norm": 18.278961181640625,
      "learning_rate": 4.948453608247422e-07,
      "loss": 0.2766,
      "num_tokens": 1249583.0,
      "step": 2929
    },
    {
      "epoch": 0.9766666666666667,
      "grad_norm": 14.034322738647461,
      "learning_rate": 4.879725085910653e-07,
      "loss": 0.1899,
      "num_tokens": 1250056.0,
      "step": 2930
    },
    {
      "epoch": 0.977,
      "grad_norm": 20.02456283569336,
      "learning_rate": 4.810996563573884e-07,
      "loss": 0.2659,
      "num_tokens": 1250438.0,
      "step": 2931
    },
    {
      "epoch": 0.9773333333333334,
      "grad_norm": 42.595516204833984,
      "learning_rate": 4.7422680412371136e-07,
      "loss": 0.7108,
      "num_tokens": 1250687.0,
      "step": 2932
    },
    {
      "epoch": 0.9776666666666667,
      "grad_norm": 18.20652198791504,
      "learning_rate": 4.673539518900344e-07,
      "loss": 0.342,
      "num_tokens": 1251109.0,
      "step": 2933
    },
    {
      "epoch": 0.978,
      "grad_norm": 19.252986907958984,
      "learning_rate": 4.6048109965635743e-07,
      "loss": 0.3465,
      "num_tokens": 1251566.0,
      "step": 2934
    },
    {
      "epoch": 0.9783333333333334,
      "grad_norm": 21.44228744506836,
      "learning_rate": 4.5360824742268044e-07,
      "loss": 0.3976,
      "num_tokens": 1251847.0,
      "step": 2935
    },
    {
      "epoch": 0.9786666666666667,
      "grad_norm": 18.432701110839844,
      "learning_rate": 4.467353951890035e-07,
      "loss": 0.3069,
      "num_tokens": 1252273.0,
      "step": 2936
    },
    {
      "epoch": 0.979,
      "grad_norm": 24.106523513793945,
      "learning_rate": 4.398625429553265e-07,
      "loss": 0.3604,
      "num_tokens": 1252531.0,
      "step": 2937
    },
    {
      "epoch": 0.9793333333333333,
      "grad_norm": 18.387004852294922,
      "learning_rate": 4.329896907216495e-07,
      "loss": 0.2772,
      "num_tokens": 1252925.0,
      "step": 2938
    },
    {
      "epoch": 0.9796666666666667,
      "grad_norm": 14.235934257507324,
      "learning_rate": 4.261168384879726e-07,
      "loss": 0.2832,
      "num_tokens": 1253497.0,
      "step": 2939
    },
    {
      "epoch": 0.98,
      "grad_norm": 15.563644409179688,
      "learning_rate": 4.1924398625429554e-07,
      "loss": 0.2015,
      "num_tokens": 1253890.0,
      "step": 2940
    },
    {
      "epoch": 0.9803333333333333,
      "grad_norm": 36.0269889831543,
      "learning_rate": 4.123711340206186e-07,
      "loss": 0.3967,
      "num_tokens": 1254111.0,
      "step": 2941
    },
    {
      "epoch": 0.9806666666666667,
      "grad_norm": 19.467565536499023,
      "learning_rate": 4.054982817869416e-07,
      "loss": 0.3583,
      "num_tokens": 1254533.0,
      "step": 2942
    },
    {
      "epoch": 0.981,
      "grad_norm": 18.262975692749023,
      "learning_rate": 3.986254295532646e-07,
      "loss": 0.2068,
      "num_tokens": 1254995.0,
      "step": 2943
    },
    {
      "epoch": 0.9813333333333333,
      "grad_norm": 10.954553604125977,
      "learning_rate": 3.917525773195877e-07,
      "loss": 0.1916,
      "num_tokens": 1255781.0,
      "step": 2944
    },
    {
      "epoch": 0.9816666666666667,
      "grad_norm": 34.254051208496094,
      "learning_rate": 3.848797250859107e-07,
      "loss": 0.6417,
      "num_tokens": 1256060.0,
      "step": 2945
    },
    {
      "epoch": 0.982,
      "grad_norm": 21.715435028076172,
      "learning_rate": 3.780068728522337e-07,
      "loss": 0.3465,
      "num_tokens": 1256422.0,
      "step": 2946
    },
    {
      "epoch": 0.9823333333333333,
      "grad_norm": 15.266016006469727,
      "learning_rate": 3.7113402061855675e-07,
      "loss": 0.2608,
      "num_tokens": 1256870.0,
      "step": 2947
    },
    {
      "epoch": 0.9826666666666667,
      "grad_norm": 13.721492767333984,
      "learning_rate": 3.6426116838487976e-07,
      "loss": 0.189,
      "num_tokens": 1257670.0,
      "step": 2948
    },
    {
      "epoch": 0.983,
      "grad_norm": 15.438361167907715,
      "learning_rate": 3.5738831615120277e-07,
      "loss": 0.2164,
      "num_tokens": 1258110.0,
      "step": 2949
    },
    {
      "epoch": 0.9833333333333333,
      "grad_norm": 23.82407569885254,
      "learning_rate": 3.505154639175258e-07,
      "loss": 0.4664,
      "num_tokens": 1258496.0,
      "step": 2950
    },
    {
      "epoch": 0.9836666666666667,
      "grad_norm": 26.278945922851562,
      "learning_rate": 3.4364261168384884e-07,
      "loss": 0.3432,
      "num_tokens": 1258875.0,
      "step": 2951
    },
    {
      "epoch": 0.984,
      "grad_norm": 24.451662063598633,
      "learning_rate": 3.3676975945017185e-07,
      "loss": 0.5557,
      "num_tokens": 1259242.0,
      "step": 2952
    },
    {
      "epoch": 0.9843333333333333,
      "grad_norm": 19.98134422302246,
      "learning_rate": 3.2989690721649486e-07,
      "loss": 0.4416,
      "num_tokens": 1259635.0,
      "step": 2953
    },
    {
      "epoch": 0.9846666666666667,
      "grad_norm": 19.898317337036133,
      "learning_rate": 3.230240549828179e-07,
      "loss": 0.3549,
      "num_tokens": 1260014.0,
      "step": 2954
    },
    {
      "epoch": 0.985,
      "grad_norm": 26.30171012878418,
      "learning_rate": 3.1615120274914093e-07,
      "loss": 0.3672,
      "num_tokens": 1260301.0,
      "step": 2955
    },
    {
      "epoch": 0.9853333333333333,
      "grad_norm": 29.396133422851562,
      "learning_rate": 3.0927835051546394e-07,
      "loss": 0.4287,
      "num_tokens": 1260623.0,
      "step": 2956
    },
    {
      "epoch": 0.9856666666666667,
      "grad_norm": 14.362720489501953,
      "learning_rate": 3.0240549828178694e-07,
      "loss": 0.2739,
      "num_tokens": 1261078.0,
      "step": 2957
    },
    {
      "epoch": 0.986,
      "grad_norm": 9.199772834777832,
      "learning_rate": 2.9553264604811e-07,
      "loss": 0.1171,
      "num_tokens": 1261699.0,
      "step": 2958
    },
    {
      "epoch": 0.9863333333333333,
      "grad_norm": 18.488906860351562,
      "learning_rate": 2.88659793814433e-07,
      "loss": 0.3368,
      "num_tokens": 1262226.0,
      "step": 2959
    },
    {
      "epoch": 0.9866666666666667,
      "grad_norm": 13.207572937011719,
      "learning_rate": 2.81786941580756e-07,
      "loss": 0.197,
      "num_tokens": 1262708.0,
      "step": 2960
    },
    {
      "epoch": 0.987,
      "grad_norm": 32.872562408447266,
      "learning_rate": 2.7491408934707903e-07,
      "loss": 0.6016,
      "num_tokens": 1263021.0,
      "step": 2961
    },
    {
      "epoch": 0.9873333333333333,
      "grad_norm": 22.22461700439453,
      "learning_rate": 2.680412371134021e-07,
      "loss": 0.422,
      "num_tokens": 1263358.0,
      "step": 2962
    },
    {
      "epoch": 0.9876666666666667,
      "grad_norm": 23.115615844726562,
      "learning_rate": 2.611683848797251e-07,
      "loss": 0.5033,
      "num_tokens": 1263763.0,
      "step": 2963
    },
    {
      "epoch": 0.988,
      "grad_norm": 23.028528213500977,
      "learning_rate": 2.542955326460481e-07,
      "loss": 0.4645,
      "num_tokens": 1264159.0,
      "step": 2964
    },
    {
      "epoch": 0.9883333333333333,
      "grad_norm": 27.830524444580078,
      "learning_rate": 2.474226804123711e-07,
      "loss": 0.6091,
      "num_tokens": 1264433.0,
      "step": 2965
    },
    {
      "epoch": 0.9886666666666667,
      "grad_norm": 16.99295997619629,
      "learning_rate": 2.405498281786942e-07,
      "loss": 0.3285,
      "num_tokens": 1264860.0,
      "step": 2966
    },
    {
      "epoch": 0.989,
      "grad_norm": 14.360092163085938,
      "learning_rate": 2.336769759450172e-07,
      "loss": 0.2071,
      "num_tokens": 1265352.0,
      "step": 2967
    },
    {
      "epoch": 0.9893333333333333,
      "grad_norm": 32.12078094482422,
      "learning_rate": 2.2680412371134022e-07,
      "loss": 0.4979,
      "num_tokens": 1265576.0,
      "step": 2968
    },
    {
      "epoch": 0.9896666666666667,
      "grad_norm": 19.346202850341797,
      "learning_rate": 2.1993127147766326e-07,
      "loss": 0.3658,
      "num_tokens": 1266090.0,
      "step": 2969
    },
    {
      "epoch": 0.99,
      "grad_norm": 12.632797241210938,
      "learning_rate": 2.130584192439863e-07,
      "loss": 0.2247,
      "num_tokens": 1266735.0,
      "step": 2970
    },
    {
      "epoch": 0.9903333333333333,
      "grad_norm": 20.529584884643555,
      "learning_rate": 2.061855670103093e-07,
      "loss": 0.3958,
      "num_tokens": 1267245.0,
      "step": 2971
    },
    {
      "epoch": 0.9906666666666667,
      "grad_norm": 17.284666061401367,
      "learning_rate": 1.993127147766323e-07,
      "loss": 0.2737,
      "num_tokens": 1267776.0,
      "step": 2972
    },
    {
      "epoch": 0.991,
      "grad_norm": 20.487993240356445,
      "learning_rate": 1.9243986254295534e-07,
      "loss": 0.4662,
      "num_tokens": 1268271.0,
      "step": 2973
    },
    {
      "epoch": 0.9913333333333333,
      "grad_norm": 9.933259963989258,
      "learning_rate": 1.8556701030927838e-07,
      "loss": 0.1574,
      "num_tokens": 1269132.0,
      "step": 2974
    },
    {
      "epoch": 0.9916666666666667,
      "grad_norm": 16.918012619018555,
      "learning_rate": 1.7869415807560139e-07,
      "loss": 0.3197,
      "num_tokens": 1269612.0,
      "step": 2975
    },
    {
      "epoch": 0.992,
      "grad_norm": 14.832512855529785,
      "learning_rate": 1.7182130584192442e-07,
      "loss": 0.2014,
      "num_tokens": 1270020.0,
      "step": 2976
    },
    {
      "epoch": 0.9923333333333333,
      "grad_norm": 16.63327407836914,
      "learning_rate": 1.6494845360824743e-07,
      "loss": 0.283,
      "num_tokens": 1270503.0,
      "step": 2977
    },
    {
      "epoch": 0.9926666666666667,
      "grad_norm": 18.926389694213867,
      "learning_rate": 1.5807560137457046e-07,
      "loss": 0.37,
      "num_tokens": 1270902.0,
      "step": 2978
    },
    {
      "epoch": 0.993,
      "grad_norm": 17.55535888671875,
      "learning_rate": 1.5120274914089347e-07,
      "loss": 0.3039,
      "num_tokens": 1271403.0,
      "step": 2979
    },
    {
      "epoch": 0.9933333333333333,
      "grad_norm": 21.441360473632812,
      "learning_rate": 1.443298969072165e-07,
      "loss": 0.4579,
      "num_tokens": 1271892.0,
      "step": 2980
    },
    {
      "epoch": 0.9936666666666667,
      "grad_norm": 23.824359893798828,
      "learning_rate": 1.3745704467353952e-07,
      "loss": 0.3195,
      "num_tokens": 1272202.0,
      "step": 2981
    },
    {
      "epoch": 0.994,
      "grad_norm": 25.0517635345459,
      "learning_rate": 1.3058419243986255e-07,
      "loss": 0.4828,
      "num_tokens": 1272538.0,
      "step": 2982
    },
    {
      "epoch": 0.9943333333333333,
      "grad_norm": 21.820419311523438,
      "learning_rate": 1.2371134020618556e-07,
      "loss": 0.3696,
      "num_tokens": 1272928.0,
      "step": 2983
    },
    {
      "epoch": 0.9946666666666667,
      "grad_norm": 16.717744827270508,
      "learning_rate": 1.168384879725086e-07,
      "loss": 0.2998,
      "num_tokens": 1273341.0,
      "step": 2984
    },
    {
      "epoch": 0.995,
      "grad_norm": 16.21478843688965,
      "learning_rate": 1.0996563573883163e-07,
      "loss": 0.2595,
      "num_tokens": 1273820.0,
      "step": 2985
    },
    {
      "epoch": 0.9953333333333333,
      "grad_norm": 22.858856201171875,
      "learning_rate": 1.0309278350515465e-07,
      "loss": 0.3174,
      "num_tokens": 1274087.0,
      "step": 2986
    },
    {
      "epoch": 0.9956666666666667,
      "grad_norm": 14.860236167907715,
      "learning_rate": 9.621993127147767e-08,
      "loss": 0.2586,
      "num_tokens": 1274662.0,
      "step": 2987
    },
    {
      "epoch": 0.996,
      "grad_norm": 14.957563400268555,
      "learning_rate": 8.934707903780069e-08,
      "loss": 0.1982,
      "num_tokens": 1275118.0,
      "step": 2988
    },
    {
      "epoch": 0.9963333333333333,
      "grad_norm": 25.618520736694336,
      "learning_rate": 8.247422680412371e-08,
      "loss": 0.4109,
      "num_tokens": 1275386.0,
      "step": 2989
    },
    {
      "epoch": 0.9966666666666667,
      "grad_norm": 32.60319137573242,
      "learning_rate": 7.560137457044674e-08,
      "loss": 0.555,
      "num_tokens": 1275690.0,
      "step": 2990
    },
    {
      "epoch": 0.997,
      "grad_norm": 12.315383911132812,
      "learning_rate": 6.872852233676976e-08,
      "loss": 0.2692,
      "num_tokens": 1276513.0,
      "step": 2991
    },
    {
      "epoch": 0.9973333333333333,
      "grad_norm": 21.223264694213867,
      "learning_rate": 6.185567010309278e-08,
      "loss": 0.3137,
      "num_tokens": 1276825.0,
      "step": 2992
    },
    {
      "epoch": 0.9976666666666667,
      "grad_norm": 14.746289253234863,
      "learning_rate": 5.4982817869415814e-08,
      "loss": 0.239,
      "num_tokens": 1277311.0,
      "step": 2993
    },
    {
      "epoch": 0.998,
      "grad_norm": 21.369836807250977,
      "learning_rate": 4.8109965635738836e-08,
      "loss": 0.3169,
      "num_tokens": 1277718.0,
      "step": 2994
    },
    {
      "epoch": 0.9983333333333333,
      "grad_norm": 11.700736999511719,
      "learning_rate": 4.123711340206186e-08,
      "loss": 0.1848,
      "num_tokens": 1278296.0,
      "step": 2995
    },
    {
      "epoch": 0.9986666666666667,
      "grad_norm": 21.451753616333008,
      "learning_rate": 3.436426116838488e-08,
      "loss": 0.3081,
      "num_tokens": 1278656.0,
      "step": 2996
    },
    {
      "epoch": 0.999,
      "grad_norm": 19.953468322753906,
      "learning_rate": 2.7491408934707907e-08,
      "loss": 0.3967,
      "num_tokens": 1279212.0,
      "step": 2997
    },
    {
      "epoch": 0.9993333333333333,
      "grad_norm": 33.15577697753906,
      "learning_rate": 2.061855670103093e-08,
      "loss": 0.5526,
      "num_tokens": 1279497.0,
      "step": 2998
    },
    {
      "epoch": 0.9996666666666667,
      "grad_norm": 31.846872329711914,
      "learning_rate": 1.3745704467353954e-08,
      "loss": 0.4506,
      "num_tokens": 1279763.0,
      "step": 2999
    },
    {
      "epoch": 1.0,
      "grad_norm": 21.16975975036621,
      "learning_rate": 6.872852233676977e-09,
      "loss": 0.3405,
      "num_tokens": 1280201.0,
      "step": 3000
    },
    {
      "epoch": 1.0,
      "step": 3000,
      "total_flos": 5.765140303105229e+16,
      "train_loss": 0.4087340577716629,
      "train_runtime": 741.1274,
      "train_samples_per_second": 8.096,
      "train_steps_per_second": 4.048
    }
  ],
  "logging_steps": 1,
  "max_steps": 3000,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 1,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 5.765140303105229e+16,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}