{
  "best_global_step": null,
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.0,
  "eval_steps": 500,
  "global_step": 288,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0,
      "eval_loss": 4.369115829467773,
      "eval_num_tokens": 0.0,
      "eval_runtime": 29.5676,
      "eval_samples_per_second": 74.879,
      "eval_steps_per_second": 2.367,
      "step": 0
    },
    {
      "epoch": 0.010416666666666666,
      "grad_norm": 59.074302673339844,
      "learning_rate": 0.0,
      "loss": 16.1171,
      "num_tokens": 1835008.0,
      "step": 1
    },
    {
      "epoch": 0.020833333333333332,
      "grad_norm": 49.583702087402344,
      "learning_rate": 1.3793103448275863e-05,
      "loss": 14.3376,
      "num_tokens": 3669861.0,
      "step": 2
    },
    {
      "epoch": 0.03125,
      "grad_norm": 30.194101333618164,
      "learning_rate": 2.7586206896551727e-05,
      "loss": 11.9664,
      "num_tokens": 5504404.0,
      "step": 3
    },
    {
      "epoch": 0.041666666666666664,
      "grad_norm": 15.582443237304688,
      "learning_rate": 4.1379310344827587e-05,
      "loss": 10.0953,
      "num_tokens": 7338364.0,
      "step": 4
    },
    {
      "epoch": 0.052083333333333336,
      "grad_norm": 8.575087547302246,
      "learning_rate": 5.517241379310345e-05,
      "loss": 9.3311,
      "num_tokens": 9170987.0,
      "step": 5
    },
    {
      "epoch": 0.0625,
      "grad_norm": 18.2393798828125,
      "learning_rate": 6.896551724137931e-05,
      "loss": 12.5616,
      "num_tokens": 10988206.0,
      "step": 6
    },
    {
      "epoch": 0.07291666666666667,
      "grad_norm": 10.826237678527832,
      "learning_rate": 8.275862068965517e-05,
      "loss": 10.2014,
      "num_tokens": 12735535.0,
      "step": 7
    },
    {
      "epoch": 0.08333333333333333,
      "grad_norm": 8.483694076538086,
      "learning_rate": 9.655172413793105e-05,
      "loss": 8.5755,
      "num_tokens": 14570434.0,
      "step": 8
    },
    {
      "epoch": 0.09375,
      "grad_norm": 12.725581169128418,
      "learning_rate": 0.0001103448275862069,
      "loss": 7.9316,
      "num_tokens": 16405103.0,
      "step": 9
    },
    {
      "epoch": 0.10416666666666667,
      "grad_norm": 4.175471782684326,
      "learning_rate": 0.00012413793103448277,
      "loss": 7.8781,
      "num_tokens": 18239342.0,
      "step": 10
    },
    {
      "epoch": 0.11458333333333333,
      "grad_norm": 3.164414167404175,
      "learning_rate": 0.00013793103448275863,
      "loss": 7.5351,
      "num_tokens": 20072748.0,
      "step": 11
    },
    {
      "epoch": 0.125,
      "grad_norm": 4.230194568634033,
      "learning_rate": 0.00015172413793103449,
      "loss": 7.0739,
      "num_tokens": 21901095.0,
      "step": 12
    },
    {
      "epoch": 0.13541666666666666,
      "grad_norm": 6.29382848739624,
      "learning_rate": 0.00016551724137931035,
      "loss": 6.7846,
      "num_tokens": 23677594.0,
      "step": 13
    },
    {
      "epoch": 0.14583333333333334,
      "grad_norm": 3.8753461837768555,
      "learning_rate": 0.0001793103448275862,
      "loss": 7.4952,
      "num_tokens": 25512546.0,
      "step": 14
    },
    {
      "epoch": 0.15625,
      "grad_norm": 3.4796786308288574,
      "learning_rate": 0.0001931034482758621,
      "loss": 7.3153,
      "num_tokens": 27347253.0,
      "step": 15
    },
    {
      "epoch": 0.16666666666666666,
      "grad_norm": 2.67903733253479,
      "learning_rate": 0.00020689655172413795,
      "loss": 7.5518,
      "num_tokens": 29181547.0,
      "step": 16
    },
    {
      "epoch": 0.17708333333333334,
      "grad_norm": 2.4620280265808105,
      "learning_rate": 0.0002206896551724138,
      "loss": 7.2618,
      "num_tokens": 31015010.0,
      "step": 17
    },
    {
      "epoch": 0.1875,
      "grad_norm": 1.8145155906677246,
      "learning_rate": 0.00023448275862068965,
      "loss": 6.7349,
      "num_tokens": 32845451.0,
      "step": 18
    },
    {
      "epoch": 0.19791666666666666,
      "grad_norm": 3.3343679904937744,
      "learning_rate": 0.00024827586206896553,
      "loss": 5.6373,
      "num_tokens": 34610156.0,
      "step": 19
    },
    {
      "epoch": 0.20833333333333334,
      "grad_norm": 2.3187055587768555,
      "learning_rate": 0.00026206896551724137,
      "loss": 7.0746,
      "num_tokens": 36445159.0,
      "step": 20
    },
    {
      "epoch": 0.21875,
      "grad_norm": 2.6275839805603027,
      "learning_rate": 0.00027586206896551725,
      "loss": 7.2533,
      "num_tokens": 38279897.0,
      "step": 21
    },
    {
      "epoch": 0.22916666666666666,
      "grad_norm": 1.9879604578018188,
      "learning_rate": 0.00028965517241379314,
      "loss": 7.107,
      "num_tokens": 40114299.0,
      "step": 22
    },
    {
      "epoch": 0.23958333333333334,
      "grad_norm": 2.4393796920776367,
      "learning_rate": 0.00030344827586206897,
      "loss": 7.0006,
      "num_tokens": 41948073.0,
      "step": 23
    },
    {
      "epoch": 0.25,
      "grad_norm": 2.269523859024048,
      "learning_rate": 0.00031724137931034486,
      "loss": 6.9205,
      "num_tokens": 43779853.0,
      "step": 24
    },
    {
      "epoch": 0.2604166666666667,
      "grad_norm": 2.820974588394165,
      "learning_rate": 0.0003310344827586207,
      "loss": 4.5921,
      "num_tokens": 45542999.0,
      "step": 25
    },
    {
      "epoch": 0.2708333333333333,
      "grad_norm": 2.643603801727295,
      "learning_rate": 0.0003448275862068965,
      "loss": 6.8071,
      "num_tokens": 47378007.0,
      "step": 26
    },
    {
      "epoch": 0.28125,
      "grad_norm": 2.0994789600372314,
      "learning_rate": 0.0003586206896551724,
      "loss": 7.0465,
      "num_tokens": 49212861.0,
      "step": 27
    },
    {
      "epoch": 0.2916666666666667,
      "grad_norm": 2.2678847312927246,
      "learning_rate": 0.0003724137931034483,
      "loss": 7.3026,
      "num_tokens": 51047392.0,
      "step": 28
    },
    {
      "epoch": 0.3020833333333333,
      "grad_norm": 1.6589086055755615,
      "learning_rate": 0.0003862068965517242,
      "loss": 7.0678,
      "num_tokens": 52881351.0,
      "step": 29
    },
    {
      "epoch": 0.3125,
      "grad_norm": 1.8188447952270508,
      "learning_rate": 0.0004,
      "loss": 6.9163,
      "num_tokens": 54714034.0,
      "step": 30
    },
    {
      "epoch": 0.3229166666666667,
      "grad_norm": 2.9304006099700928,
      "learning_rate": 0.000399985287214871,
      "loss": 5.6612,
      "num_tokens": 56533703.0,
      "step": 31
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 2.9317057132720947,
      "learning_rate": 0.00039994115102414443,
      "loss": 6.0697,
      "num_tokens": 58295030.0,
      "step": 32
    },
    {
      "epoch": 0.34375,
      "grad_norm": 2.4129488468170166,
      "learning_rate": 0.0003998675979214832,
      "loss": 6.8908,
      "num_tokens": 60129965.0,
      "step": 33
    },
    {
      "epoch": 0.3541666666666667,
      "grad_norm": 3.096867084503174,
      "learning_rate": 0.0003997646387285973,
      "loss": 7.3034,
      "num_tokens": 61964623.0,
      "step": 34
    },
    {
      "epoch": 0.3645833333333333,
      "grad_norm": 2.161679744720459,
      "learning_rate": 0.0003996322885936515,
      "loss": 6.8816,
      "num_tokens": 63798869.0,
      "step": 35
    },
    {
      "epoch": 0.375,
      "grad_norm": 1.8905034065246582,
      "learning_rate": 0.00039947056698903674,
      "loss": 6.8637,
      "num_tokens": 65632233.0,
      "step": 36
    },
    {
      "epoch": 0.3854166666666667,
      "grad_norm": 1.978013277053833,
      "learning_rate": 0.0003992794977085053,
      "loss": 6.5995,
      "num_tokens": 67461424.0,
      "step": 37
    },
    {
      "epoch": 0.3958333333333333,
      "grad_norm": 5.106634616851807,
      "learning_rate": 0.0003990591088636698,
      "loss": 5.2285,
      "num_tokens": 69229515.0,
      "step": 38
    },
    {
      "epoch": 0.40625,
      "grad_norm": 2.3611295223236084,
      "learning_rate": 0.0003988094328798676,
      "loss": 6.8329,
      "num_tokens": 71064475.0,
      "step": 39
    },
    {
      "epoch": 0.4166666666666667,
      "grad_norm": 1.393893837928772,
      "learning_rate": 0.00039853050649138943,
      "loss": 7.1497,
      "num_tokens": 72899173.0,
      "step": 40
    },
    {
      "epoch": 0.4270833333333333,
      "grad_norm": 1.8147592544555664,
      "learning_rate": 0.00039822237073607573,
      "loss": 7.0103,
      "num_tokens": 74733506.0,
      "step": 41
    },
    {
      "epoch": 0.4375,
      "grad_norm": 1.375647783279419,
      "learning_rate": 0.0003978850709492779,
      "loss": 6.8966,
      "num_tokens": 76567089.0,
      "step": 42
    },
    {
      "epoch": 0.4479166666666667,
      "grad_norm": 1.8051817417144775,
      "learning_rate": 0.000397518656757189,
      "loss": 6.5224,
      "num_tokens": 78397511.0,
      "step": 43
    },
    {
      "epoch": 0.4583333333333333,
      "grad_norm": 1.5351046323776245,
      "learning_rate": 0.0003971231820695417,
      "loss": 4.4472,
      "num_tokens": 80155993.0,
      "step": 44
    },
    {
      "epoch": 0.46875,
      "grad_norm": 1.944486379623413,
      "learning_rate": 0.000396698705071677,
      "loss": 6.4955,
      "num_tokens": 81991001.0,
      "step": 45
    },
    {
      "epoch": 0.4791666666666667,
      "grad_norm": 1.94477379322052,
      "learning_rate": 0.0003962452882159836,
      "loss": 6.9783,
      "num_tokens": 83825755.0,
      "step": 46
    },
    {
      "epoch": 0.4895833333333333,
      "grad_norm": 1.7476928234100342,
      "learning_rate": 0.0003957629982127092,
      "loss": 7.0479,
      "num_tokens": 85660194.0,
      "step": 47
    },
    {
      "epoch": 0.5,
      "grad_norm": 1.5802652835845947,
      "learning_rate": 0.00039525190602014563,
      "loss": 6.7967,
      "num_tokens": 87494025.0,
      "step": 48
    },
    {
      "epoch": 0.5104166666666666,
      "grad_norm": 1.353808045387268,
      "learning_rate": 0.00039471208683418895,
      "loss": 6.5968,
      "num_tokens": 89326018.0,
      "step": 49
    },
    {
      "epoch": 0.5208333333333334,
      "grad_norm": 1.2980613708496094,
      "learning_rate": 0.00039414362007727616,
      "loss": 4.6137,
      "num_tokens": 91084381.0,
      "step": 50
    },
    {
      "epoch": 0.53125,
      "grad_norm": 1.5357342958450317,
      "learning_rate": 0.0003935465893866998,
      "loss": 6.4328,
      "num_tokens": 92919389.0,
      "step": 51
    },
    {
      "epoch": 0.5416666666666666,
      "grad_norm": 2.6804656982421875,
      "learning_rate": 0.0003929210826023024,
      "loss": 6.8429,
      "num_tokens": 94754271.0,
      "step": 52
    },
    {
      "epoch": 0.5520833333333334,
      "grad_norm": 1.387039303779602,
      "learning_rate": 0.00039226719175355316,
      "loss": 6.9105,
      "num_tokens": 96588840.0,
      "step": 53
    },
    {
      "epoch": 0.5625,
      "grad_norm": 2.764413356781006,
      "learning_rate": 0.0003915850130460076,
      "loss": 7.0522,
      "num_tokens": 98422941.0,
      "step": 54
    },
    {
      "epoch": 0.5729166666666666,
      "grad_norm": 1.4721662998199463,
      "learning_rate": 0.00039087464684715325,
      "loss": 6.8557,
      "num_tokens": 100255975.0,
      "step": 55
    },
    {
      "epoch": 0.5833333333333334,
      "grad_norm": 2.418269395828247,
      "learning_rate": 0.0003901361976716425,
      "loss": 5.7605,
      "num_tokens": 102078387.0,
      "step": 56
    },
    {
      "epoch": 0.59375,
      "grad_norm": 2.094545602798462,
      "learning_rate": 0.0003893697741659158,
      "loss": 5.8441,
      "num_tokens": 103850401.0,
      "step": 57
    },
    {
      "epoch": 0.6041666666666666,
      "grad_norm": 2.203214645385742,
      "learning_rate": 0.00038857548909221687,
      "loss": 6.6665,
      "num_tokens": 105685318.0,
      "step": 58
    },
    {
      "epoch": 0.6145833333333334,
      "grad_norm": 1.7559891939163208,
      "learning_rate": 0.00038775345931200175,
      "loss": 6.9711,
      "num_tokens": 107519970.0,
      "step": 59
    },
    {
      "epoch": 0.625,
      "grad_norm": 2.541926860809326,
      "learning_rate": 0.00038690380576874585,
      "loss": 6.8984,
      "num_tokens": 109354164.0,
      "step": 60
    },
    {
      "epoch": 0.6354166666666666,
      "grad_norm": 1.761542797088623,
      "learning_rate": 0.0003860266534701491,
      "loss": 6.7849,
      "num_tokens": 111187370.0,
      "step": 61
    },
    {
      "epoch": 0.6458333333333334,
      "grad_norm": 1.7331949472427368,
      "learning_rate": 0.00038512213146974476,
      "loss": 5.7054,
      "num_tokens": 113012336.0,
      "step": 62
    },
    {
      "epoch": 0.65625,
      "grad_norm": 1.1224706172943115,
      "learning_rate": 0.00038419037284791093,
      "loss": 5.0973,
      "num_tokens": 114767666.0,
      "step": 63
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 1.7167904376983643,
      "learning_rate": 0.0003832315146922917,
      "loss": 6.5043,
      "num_tokens": 116602636.0,
      "step": 64
    },
    {
      "epoch": 0.6770833333333334,
      "grad_norm": 1.7402077913284302,
      "learning_rate": 0.0003822456980776272,
      "loss": 6.7829,
      "num_tokens": 118437323.0,
      "step": 65
    },
    {
      "epoch": 0.6875,
      "grad_norm": 1.7316051721572876,
      "learning_rate": 0.00038123306804499756,
      "loss": 6.8131,
      "num_tokens": 120271633.0,
      "step": 66
    },
    {
      "epoch": 0.6979166666666666,
      "grad_norm": 1.579223871231079,
      "learning_rate": 0.0003801937735804838,
      "loss": 6.6637,
      "num_tokens": 122105100.0,
      "step": 67
    },
    {
      "epoch": 0.7083333333333334,
      "grad_norm": 1.7695430517196655,
      "learning_rate": 0.0003791279675932473,
      "loss": 6.311,
      "num_tokens": 123935290.0,
      "step": 68
    },
    {
      "epoch": 0.71875,
      "grad_norm": 1.319337248802185,
      "learning_rate": 0.0003780358068930329,
      "loss": 4.6914,
      "num_tokens": 125671781.0,
      "step": 69
    },
    {
      "epoch": 0.7291666666666666,
      "grad_norm": 1.9782460927963257,
      "learning_rate": 0.00037691745216709754,
      "loss": 6.4582,
      "num_tokens": 127506783.0,
      "step": 70
    },
    {
      "epoch": 0.7395833333333334,
      "grad_norm": 1.099218726158142,
      "learning_rate": 0.0003757730679565692,
      "loss": 6.5452,
      "num_tokens": 129341530.0,
      "step": 71
    },
    {
      "epoch": 0.75,
      "grad_norm": 2.3009560108184814,
      "learning_rate": 0.00037460282263223764,
      "loss": 6.787,
      "num_tokens": 131175924.0,
      "step": 72
    },
    {
      "epoch": 0.7604166666666666,
      "grad_norm": 1.8008896112442017,
      "learning_rate": 0.000373406888369783,
      "loss": 6.7155,
      "num_tokens": 133009659.0,
      "step": 73
    },
    {
      "epoch": 0.7708333333333334,
      "grad_norm": 1.6004728078842163,
      "learning_rate": 0.00037218544112444375,
      "loss": 6.4821,
      "num_tokens": 134841522.0,
      "step": 74
    },
    {
      "epoch": 0.78125,
      "grad_norm": 1.2067142724990845,
      "learning_rate": 0.00037093866060512834,
      "loss": 3.9541,
      "num_tokens": 136607712.0,
      "step": 75
    },
    {
      "epoch": 0.7916666666666666,
      "grad_norm": 1.222769856452942,
      "learning_rate": 0.0003696667302479757,
      "loss": 6.4826,
      "num_tokens": 138442720.0,
      "step": 76
    },
    {
      "epoch": 0.8020833333333334,
      "grad_norm": 2.030263900756836,
      "learning_rate": 0.00036836983718936624,
      "loss": 6.7221,
      "num_tokens": 140277585.0,
      "step": 77
    },
    {
      "epoch": 0.8125,
      "grad_norm": 1.1827516555786133,
      "learning_rate": 0.00036704817223838905,
      "loss": 6.97,
      "num_tokens": 142112123.0,
      "step": 78
    },
    {
      "epoch": 0.8229166666666666,
      "grad_norm": 1.8860087394714355,
      "learning_rate": 0.00036570192984876847,
      "loss": 6.776,
      "num_tokens": 143946109.0,
      "step": 79
    },
    {
      "epoch": 0.8333333333333334,
      "grad_norm": 1.259444236755371,
      "learning_rate": 0.0003643313080902546,
      "loss": 6.2958,
      "num_tokens": 145778859.0,
      "step": 80
    },
    {
      "epoch": 0.84375,
      "grad_norm": 1.2004989385604858,
      "learning_rate": 0.0003629365086194818,
      "loss": 5.1451,
      "num_tokens": 147600412.0,
      "step": 81
    },
    {
      "epoch": 0.8541666666666666,
      "grad_norm": 0.9654695987701416,
      "learning_rate": 0.000361517736650299,
      "loss": 5.7,
      "num_tokens": 149380352.0,
      "step": 82
    },
    {
      "epoch": 0.8645833333333334,
      "grad_norm": 1.1376981735229492,
      "learning_rate": 0.00036007520092357765,
      "loss": 6.4369,
      "num_tokens": 151215279.0,
      "step": 83
    },
    {
      "epoch": 0.875,
      "grad_norm": 1.1264456510543823,
      "learning_rate": 0.00035860911367649955,
      "loss": 6.7863,
      "num_tokens": 153049931.0,
      "step": 84
    },
    {
      "epoch": 0.8854166666666666,
      "grad_norm": 1.1658936738967896,
      "learning_rate": 0.0003571196906113313,
      "loss": 6.6682,
      "num_tokens": 154884077.0,
      "step": 85
    },
    {
      "epoch": 0.8958333333333334,
      "grad_norm": 1.4664779901504517,
      "learning_rate": 0.00035560715086368794,
      "loss": 6.5316,
      "num_tokens": 156717218.0,
      "step": 86
    },
    {
      "epoch": 0.90625,
      "grad_norm": 1.0775753259658813,
      "learning_rate": 0.00035407171697029267,
      "loss": 5.7963,
      "num_tokens": 158544449.0,
      "step": 87
    },
    {
      "epoch": 0.9166666666666666,
      "grad_norm": 0.9657304883003235,
      "learning_rate": 0.0003525136148362349,
      "loss": 4.7755,
      "num_tokens": 160281956.0,
      "step": 88
    },
    {
      "epoch": 0.9270833333333334,
      "grad_norm": 1.1560213565826416,
      "learning_rate": 0.0003509330737017339,
      "loss": 6.6126,
      "num_tokens": 162116927.0,
      "step": 89
    },
    {
      "epoch": 0.9375,
      "grad_norm": 1.2897595167160034,
      "learning_rate": 0.0003493303261084105,
      "loss": 6.7477,
      "num_tokens": 163951622.0,
      "step": 90
    },
    {
      "epoch": 0.9479166666666666,
      "grad_norm": 1.758039951324463,
      "learning_rate": 0.0003477056078650743,
      "loss": 6.7067,
      "num_tokens": 165785936.0,
      "step": 91
    },
    {
      "epoch": 0.9583333333333334,
      "grad_norm": 1.2501920461654663,
      "learning_rate": 0.0003460591580130295,
      "loss": 6.4496,
      "num_tokens": 167619514.0,
      "step": 92
    },
    {
      "epoch": 0.96875,
      "grad_norm": 1.465528130531311,
      "learning_rate": 0.0003443912187909049,
      "loss": 6.4476,
      "num_tokens": 169450177.0,
      "step": 93
    },
    {
      "epoch": 0.9791666666666666,
      "grad_norm": 1.0671991109848022,
      "learning_rate": 0.00034270203559901447,
      "loss": 4.1311,
      "num_tokens": 171227988.0,
      "step": 94
    },
    {
      "epoch": 0.9895833333333334,
      "grad_norm": 1.8749101161956787,
      "learning_rate": 0.0003409918569632517,
      "loss": 6.7588,
      "num_tokens": 173062297.0,
      "step": 95
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.9690254330635071,
      "learning_rate": 0.00033926093449852444,
      "loss": 5.5985,
      "num_tokens": 174873718.0,
      "step": 96
    },
    {
      "epoch": 1.0,
      "eval_loss": 0.3894410729408264,
      "eval_num_tokens": 174873718.0,
      "eval_runtime": 30.0859,
      "eval_samples_per_second": 73.589,
      "eval_steps_per_second": 2.327,
      "step": 96
    },
    {
      "epoch": 1.0104166666666667,
      "grad_norm": 1.3122996091842651,
      "learning_rate": 0.00033750952287173576,
      "loss": 5.7378,
      "num_tokens": 176708726.0,
      "step": 97
    },
    {
      "epoch": 1.0208333333333333,
      "grad_norm": 1.4362525939941406,
      "learning_rate": 0.00033573787976431507,
      "loss": 5.8922,
      "num_tokens": 178543577.0,
      "step": 98
    },
    {
      "epoch": 1.03125,
      "grad_norm": 1.188515067100525,
      "learning_rate": 0.00033394626583430596,
      "loss": 5.9712,
      "num_tokens": 180378152.0,
      "step": 99
    },
    {
      "epoch": 1.0416666666666667,
      "grad_norm": 1.1332318782806396,
      "learning_rate": 0.0003321349446780163,
      "loss": 6.0482,
      "num_tokens": 182212167.0,
      "step": 100
    },
    {
      "epoch": 1.0520833333333333,
      "grad_norm": 1.1256293058395386,
      "learning_rate": 0.0003303041827912359,
      "loss": 5.65,
      "num_tokens": 184044813.0,
      "step": 101
    },
    {
      "epoch": 1.0625,
      "grad_norm": 1.1897281408309937,
      "learning_rate": 0.0003284542495300272,
      "loss": 4.2973,
      "num_tokens": 185861645.0,
      "step": 102
    },
    {
      "epoch": 1.0729166666666667,
      "grad_norm": 1.16110098361969,
      "learning_rate": 0.00032658541707109614,
      "loss": 5.0971,
      "num_tokens": 187638317.0,
      "step": 103
    },
    {
      "epoch": 1.0833333333333333,
      "grad_norm": 1.1937158107757568,
      "learning_rate": 0.00032469796037174674,
      "loss": 5.793,
      "num_tokens": 189473221.0,
      "step": 104
    },
    {
      "epoch": 1.09375,
      "grad_norm": 1.033004641532898,
      "learning_rate": 0.00032279215712942755,
      "loss": 5.8289,
      "num_tokens": 191307863.0,
      "step": 105
    },
    {
      "epoch": 1.1041666666666667,
      "grad_norm": 1.2670934200286865,
      "learning_rate": 0.0003208682877408746,
      "loss": 5.9546,
      "num_tokens": 193142059.0,
      "step": 106
    },
    {
      "epoch": 1.1145833333333333,
      "grad_norm": 1.0049296617507935,
      "learning_rate": 0.00031892663526085735,
      "loss": 5.7162,
      "num_tokens": 194975275.0,
      "step": 107
    },
    {
      "epoch": 1.125,
      "grad_norm": 0.9133859872817993,
      "learning_rate": 0.00031696748536053294,
      "loss": 5.1661,
      "num_tokens": 196803152.0,
      "step": 108
    },
    {
      "epoch": 1.1354166666666667,
      "grad_norm": 0.7779310345649719,
      "learning_rate": 0.0003149911262854166,
      "loss": 4.029,
      "num_tokens": 198575028.0,
      "step": 109
    },
    {
      "epoch": 1.1458333333333333,
      "grad_norm": 0.9244178533554077,
      "learning_rate": 0.00031299784881297246,
      "loss": 5.6349,
      "num_tokens": 200409979.0,
      "step": 110
    },
    {
      "epoch": 1.15625,
      "grad_norm": 0.9925755858421326,
      "learning_rate": 0.0003109879462098321,
      "loss": 5.8685,
      "num_tokens": 202244654.0,
      "step": 111
    },
    {
      "epoch": 1.1666666666666667,
      "grad_norm": 1.3348231315612793,
      "learning_rate": 0.00030896171418864677,
      "loss": 6.0688,
      "num_tokens": 204078947.0,
      "step": 112
    },
    {
      "epoch": 1.1770833333333333,
      "grad_norm": 0.9792305827140808,
      "learning_rate": 0.00030691945086458,
      "loss": 5.6361,
      "num_tokens": 205912447.0,
      "step": 113
    },
    {
      "epoch": 1.1875,
      "grad_norm": 0.8863200545310974,
      "learning_rate": 0.00030486145671144635,
      "loss": 5.4361,
      "num_tokens": 207742842.0,
      "step": 114
    },
    {
      "epoch": 1.1979166666666667,
      "grad_norm": 1.1211588382720947,
      "learning_rate": 0.0003027880345175036,
      "loss": 3.709,
      "num_tokens": 209498845.0,
      "step": 115
    },
    {
      "epoch": 1.2083333333333333,
      "grad_norm": 1.335170030593872,
      "learning_rate": 0.000300699489340904,
      "loss": 5.7128,
      "num_tokens": 211333853.0,
      "step": 116
    },
    {
      "epoch": 1.21875,
      "grad_norm": 1.0909032821655273,
      "learning_rate": 0.00029859612846481164,
      "loss": 5.8812,
      "num_tokens": 213168584.0,
      "step": 117
    },
    {
      "epoch": 1.2291666666666667,
      "grad_norm": 1.0990113019943237,
      "learning_rate": 0.00029647826135219274,
      "loss": 5.9633,
      "num_tokens": 215002979.0,
      "step": 118
    },
    {
      "epoch": 1.2395833333333333,
      "grad_norm": 1.090796709060669,
      "learning_rate": 0.0002943461996002849,
      "loss": 5.8026,
      "num_tokens": 216836768.0,
      "step": 119
    },
    {
      "epoch": 1.25,
      "grad_norm": 0.928265392780304,
      "learning_rate": 0.00029220025689475243,
      "loss": 5.5874,
      "num_tokens": 218668686.0,
      "step": 120
    },
    {
      "epoch": 1.2604166666666667,
      "grad_norm": 0.9441875219345093,
      "learning_rate": 0.00029004074896353467,
      "loss": 3.7368,
      "num_tokens": 220419497.0,
      "step": 121
    },
    {
      "epoch": 1.2708333333333333,
      "grad_norm": 1.2522954940795898,
      "learning_rate": 0.00028786799353039335,
      "loss": 5.5598,
      "num_tokens": 222254505.0,
      "step": 122
    },
    {
      "epoch": 1.28125,
      "grad_norm": 1.1094729900360107,
      "learning_rate": 0.00028568231026816673,
      "loss": 5.953,
      "num_tokens": 224089351.0,
      "step": 123
    },
    {
      "epoch": 1.2916666666666667,
      "grad_norm": 1.1398054361343384,
      "learning_rate": 0.00028348402075173683,
      "loss": 6.1392,
      "num_tokens": 225923865.0,
      "step": 124
    },
    {
      "epoch": 1.3020833333333333,
      "grad_norm": 1.0812050104141235,
      "learning_rate": 0.0002812734484107166,
      "loss": 5.9734,
      "num_tokens": 227757870.0,
      "step": 125
    },
    {
      "epoch": 1.3125,
      "grad_norm": 1.1087563037872314,
      "learning_rate": 0.00027905091848186476,
      "loss": 5.7871,
      "num_tokens": 229590660.0,
      "step": 126
    },
    {
      "epoch": 1.3229166666666667,
      "grad_norm": 0.9097115993499756,
      "learning_rate": 0.00027681675796123424,
      "loss": 4.1933,
      "num_tokens": 231409634.0,
      "step": 127
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 1.0159878730773926,
      "learning_rate": 0.00027457129555606176,
      "loss": 4.9435,
      "num_tokens": 233161046.0,
      "step": 128
    },
    {
      "epoch": 1.34375,
      "grad_norm": 0.8809158205986023,
      "learning_rate": 0.00027231486163640617,
      "loss": 5.705,
      "num_tokens": 234995958.0,
      "step": 129
    },
    {
      "epoch": 1.3541666666666667,
      "grad_norm": 1.0225216150283813,
      "learning_rate": 0.00027004778818654173,
      "loss": 5.8159,
      "num_tokens": 236830612.0,
      "step": 130
    },
    {
      "epoch": 1.3645833333333333,
      "grad_norm": 0.8581401109695435,
      "learning_rate": 0.0002677704087561138,
      "loss": 5.8147,
      "num_tokens": 238664763.0,
      "step": 131
    },
    {
      "epoch": 1.375,
      "grad_norm": 0.9191629886627197,
      "learning_rate": 0.0002654830584110645,
      "loss": 5.5898,
      "num_tokens": 240497790.0,
      "step": 132
    },
    {
      "epoch": 1.3854166666666667,
      "grad_norm": 0.7045547962188721,
      "learning_rate": 0.0002631860736843352,
      "loss": 4.9866,
      "num_tokens": 242324229.0,
      "step": 133
    },
    {
      "epoch": 1.3958333333333333,
      "grad_norm": 0.969253659248352,
      "learning_rate": 0.00026087979252635335,
      "loss": 3.9635,
      "num_tokens": 244080663.0,
      "step": 134
    },
    {
      "epoch": 1.40625,
      "grad_norm": 1.0385013818740845,
      "learning_rate": 0.0002585645542553101,
      "loss": 5.6901,
      "num_tokens": 245915632.0,
      "step": 135
    },
    {
      "epoch": 1.4166666666666667,
      "grad_norm": 0.8449141979217529,
      "learning_rate": 0.0002562406995072375,
      "loss": 6.1177,
      "num_tokens": 247750331.0,
      "step": 136
    },
    {
      "epoch": 1.4270833333333333,
      "grad_norm": 1.043533444404602,
      "learning_rate": 0.00025390857018589135,
      "loss": 5.8914,
      "num_tokens": 249584639.0,
      "step": 137
    },
    {
      "epoch": 1.4375,
      "grad_norm": 0.7260875701904297,
      "learning_rate": 0.0002515685094124476,
      "loss": 5.8013,
      "num_tokens": 251418209.0,
      "step": 138
    },
    {
      "epoch": 1.4479166666666667,
      "grad_norm": 1.4319143295288086,
      "learning_rate": 0.00024922086147501977,
      "loss": 5.4356,
      "num_tokens": 253248977.0,
      "step": 139
    },
    {
      "epoch": 1.4583333333333333,
      "grad_norm": 0.9194077849388123,
      "learning_rate": 0.0002468659717780045,
      "loss": 3.8217,
      "num_tokens": 255022934.0,
      "step": 140
    },
    {
      "epoch": 1.46875,
      "grad_norm": 0.960200846195221,
      "learning_rate": 0.0002445041867912629,
      "loss": 5.472,
      "num_tokens": 256857942.0,
      "step": 141
    },
    {
      "epoch": 1.4791666666666667,
      "grad_norm": 0.8519755601882935,
      "learning_rate": 0.00024213585399914526,
      "loss": 6.1054,
      "num_tokens": 258692708.0,
      "step": 142
    },
    {
      "epoch": 1.4895833333333333,
      "grad_norm": 0.9014315605163574,
      "learning_rate": 0.00023976132184936648,
      "loss": 5.9878,
      "num_tokens": 260527136.0,
      "step": 143
    },
    {
      "epoch": 1.5,
      "grad_norm": 0.8403896689414978,
      "learning_rate": 0.00023738093970173955,
      "loss": 5.8222,
      "num_tokens": 262360894.0,
      "step": 144
    },
    {
      "epoch": 1.5104166666666665,
      "grad_norm": 0.8343173861503601,
      "learning_rate": 0.00023499505777677509,
      "loss": 5.4862,
      "num_tokens": 264192721.0,
      "step": 145
    },
    {
      "epoch": 1.5208333333333335,
      "grad_norm": 0.7444643378257751,
      "learning_rate": 0.00023260402710415418,
      "loss": 3.7015,
      "num_tokens": 265947523.0,
      "step": 146
    },
    {
      "epoch": 1.53125,
      "grad_norm": 0.9729010462760925,
      "learning_rate": 0.000230208199471082,
      "loss": 5.4485,
      "num_tokens": 267782531.0,
      "step": 147
    },
    {
      "epoch": 1.5416666666666665,
      "grad_norm": 0.7512543797492981,
      "learning_rate": 0.00022780792737053034,
      "loss": 5.8811,
      "num_tokens": 269617364.0,
      "step": 148
    },
    {
      "epoch": 1.5520833333333335,
      "grad_norm": 3.1332297325134277,
      "learning_rate": 0.00022540356394937577,
      "loss": 6.0501,
      "num_tokens": 271451886.0,
      "step": 149
    },
    {
      "epoch": 1.5625,
      "grad_norm": 0.9920795559883118,
      "learning_rate": 0.00022299546295644223,
      "loss": 6.1201,
      "num_tokens": 273285914.0,
      "step": 150
    },
    {
      "epoch": 1.5729166666666665,
      "grad_norm": 0.8172993659973145,
      "learning_rate": 0.0002205839786904545,
      "loss": 5.7807,
      "num_tokens": 275118700.0,
      "step": 151
    },
    {
      "epoch": 1.5833333333333335,
      "grad_norm": 0.7441129684448242,
      "learning_rate": 0.00021816946594791102,
      "loss": 4.3491,
      "num_tokens": 276940098.0,
      "step": 152
    },
    {
      "epoch": 1.59375,
      "grad_norm": 0.7993663549423218,
      "learning_rate": 0.0002157522799708836,
      "loss": 4.9735,
      "num_tokens": 278712550.0,
      "step": 153
    },
    {
      "epoch": 1.6041666666666665,
      "grad_norm": 0.8530566692352295,
      "learning_rate": 0.00021333277639475106,
      "loss": 5.7049,
      "num_tokens": 280547478.0,
      "step": 154
    },
    {
      "epoch": 1.6145833333333335,
      "grad_norm": 2.344912052154541,
      "learning_rate": 0.0002109113111958759,
      "loss": 5.953,
      "num_tokens": 282382117.0,
      "step": 155
    },
    {
      "epoch": 1.625,
      "grad_norm": 0.9242584109306335,
      "learning_rate": 0.00020848824063922968,
      "loss": 6.0551,
      "num_tokens": 284216279.0,
      "step": 156
    },
    {
      "epoch": 1.6354166666666665,
      "grad_norm": 0.7540212869644165,
      "learning_rate": 0.000206063921225977,
      "loss": 5.7292,
      "num_tokens": 286049489.0,
      "step": 157
    },
    {
      "epoch": 1.6458333333333335,
      "grad_norm": 0.7506616115570068,
      "learning_rate": 0.00020363870964102394,
      "loss": 4.8463,
      "num_tokens": 287875672.0,
      "step": 158
    },
    {
      "epoch": 1.65625,
      "grad_norm": 0.6766217350959778,
      "learning_rate": 0.00020121296270053996,
      "loss": 3.9504,
      "num_tokens": 289638765.0,
      "step": 159
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 0.8203697800636292,
      "learning_rate": 0.00019878703729946012,
      "loss": 5.651,
      "num_tokens": 291473726.0,
      "step": 160
    },
    {
      "epoch": 1.6770833333333335,
      "grad_norm": 0.8603063821792603,
      "learning_rate": 0.0001963612903589761,
      "loss": 5.7,
      "num_tokens": 293308430.0,
      "step": 161
    },
    {
      "epoch": 1.6875,
      "grad_norm": 0.868766725063324,
      "learning_rate": 0.00019393607877402308,
      "loss": 5.9626,
      "num_tokens": 295142781.0,
      "step": 162
    },
    {
      "epoch": 1.6979166666666665,
      "grad_norm": 0.8472209572792053,
      "learning_rate": 0.0001915117593607704,
      "loss": 5.5787,
      "num_tokens": 296976392.0,
      "step": 163
    },
    {
      "epoch": 1.7083333333333335,
      "grad_norm": 0.8462531566619873,
      "learning_rate": 0.00018908868880412421,
      "loss": 5.4115,
      "num_tokens": 298807511.0,
      "step": 164
    },
    {
      "epoch": 1.71875,
      "grad_norm": 0.7758305668830872,
      "learning_rate": 0.000186667223605249,
      "loss": 3.5523,
      "num_tokens": 300577163.0,
      "step": 165
    },
    {
      "epoch": 1.7291666666666665,
      "grad_norm": 0.994538426399231,
      "learning_rate": 0.00018424772002911653,
      "loss": 5.631,
      "num_tokens": 302412171.0,
      "step": 166
    },
    {
      "epoch": 1.7395833333333335,
      "grad_norm": 0.8604474663734436,
      "learning_rate": 0.00018183053405208897,
      "loss": 6.0156,
      "num_tokens": 304246992.0,
      "step": 167
    },
    {
      "epoch": 1.75,
      "grad_norm": 0.8348606824874878,
      "learning_rate": 0.00017941602130954552,
      "loss": 5.9339,
      "num_tokens": 306081466.0,
      "step": 168
    },
    {
      "epoch": 1.7604166666666665,
      "grad_norm": 0.8924731612205505,
      "learning_rate": 0.0001770045370435578,
      "loss": 5.7583,
      "num_tokens": 307915323.0,
      "step": 169
    },
    {
      "epoch": 1.7708333333333335,
      "grad_norm": 0.8333231210708618,
      "learning_rate": 0.00017459643605062424,
      "loss": 5.5967,
      "num_tokens": 309747303.0,
      "step": 170
    },
    {
      "epoch": 1.78125,
      "grad_norm": 0.7601279616355896,
      "learning_rate": 0.00017219207262946973,
      "loss": 3.6716,
      "num_tokens": 311490666.0,
      "step": 171
    },
    {
      "epoch": 1.7916666666666665,
      "grad_norm": 0.8671200275421143,
      "learning_rate": 0.00016979180052891803,
      "loss": 5.5499,
      "num_tokens": 313325674.0,
      "step": 172
    },
    {
      "epoch": 1.8020833333333335,
      "grad_norm": 0.7336496114730835,
      "learning_rate": 0.00016739597289584587,
      "loss": 5.6142,
      "num_tokens": 315160558.0,
      "step": 173
    },
    {
      "epoch": 1.8125,
      "grad_norm": 0.8112435340881348,
      "learning_rate": 0.00016500494222322496,
      "loss": 5.9554,
      "num_tokens": 316995117.0,
      "step": 174
    },
    {
      "epoch": 1.8229166666666665,
      "grad_norm": 0.7531298398971558,
      "learning_rate": 0.0001626190602982605,
      "loss": 5.9446,
      "num_tokens": 318829146.0,
      "step": 175
    },
    {
      "epoch": 1.8333333333333335,
      "grad_norm": 0.6773476600646973,
      "learning_rate": 0.00016023867815063357,
      "loss": 5.5058,
      "num_tokens": 320661993.0,
      "step": 176
    },
    {
      "epoch": 1.84375,
      "grad_norm": 0.6899229884147644,
      "learning_rate": 0.0001578641460008548,
      "loss": 4.4915,
      "num_tokens": 322481903.0,
      "step": 177
    },
    {
      "epoch": 1.8541666666666665,
      "grad_norm": 0.6477121710777283,
      "learning_rate": 0.00015549581320873715,
      "loss": 4.7383,
      "num_tokens": 324251706.0,
      "step": 178
    },
    {
      "epoch": 1.8645833333333335,
      "grad_norm": 0.6988059282302856,
      "learning_rate": 0.00015313402822199554,
      "loss": 5.755,
      "num_tokens": 326086618.0,
      "step": 179
    },
    {
      "epoch": 1.875,
      "grad_norm": 0.6862794160842896,
      "learning_rate": 0.00015077913852498028,
      "loss": 5.845,
      "num_tokens": 327921258.0,
      "step": 180
    },
    {
      "epoch": 1.8854166666666665,
      "grad_norm": 0.7074963450431824,
      "learning_rate": 0.00014843149058755246,
      "loss": 5.8368,
      "num_tokens": 329755417.0,
      "step": 181
    },
    {
      "epoch": 1.8958333333333335,
      "grad_norm": 0.7663176655769348,
      "learning_rate": 0.00014609142981410867,
      "loss": 5.6174,
      "num_tokens": 331588668.0,
      "step": 182
    },
    {
      "epoch": 1.90625,
      "grad_norm": 0.5961424708366394,
      "learning_rate": 0.00014375930049276254,
      "loss": 4.7983,
      "num_tokens": 333416028.0,
      "step": 183
    },
    {
      "epoch": 1.9166666666666665,
      "grad_norm": 0.6379178166389465,
      "learning_rate": 0.00014143544574468994,
      "loss": 4.3137,
      "num_tokens": 335156923.0,
      "step": 184
    },
    {
      "epoch": 1.9270833333333335,
      "grad_norm": 0.800960898399353,
      "learning_rate": 0.0001391202074736467,
      "loss": 5.7612,
      "num_tokens": 336991901.0,
      "step": 185
    },
    {
      "epoch": 1.9375,
      "grad_norm": 0.8264267444610596,
      "learning_rate": 0.00013681392631566478,
      "loss": 5.888,
      "num_tokens": 338826608.0,
      "step": 186
    },
    {
      "epoch": 1.9479166666666665,
      "grad_norm": 0.7922364473342896,
      "learning_rate": 0.00013451694158893556,
      "loss": 5.817,
      "num_tokens": 340660903.0,
      "step": 187
    },
    {
      "epoch": 1.9583333333333335,
      "grad_norm": 0.8555144667625427,
      "learning_rate": 0.00013222959124388627,
      "loss": 5.7542,
      "num_tokens": 342494421.0,
      "step": 188
    },
    {
      "epoch": 1.96875,
      "grad_norm": 0.691791832447052,
      "learning_rate": 0.0001299522118134583,
      "loss": 5.2777,
      "num_tokens": 344324800.0,
      "step": 189
    },
    {
      "epoch": 1.9791666666666665,
      "grad_norm": 0.655918300151825,
      "learning_rate": 0.00012768513836359382,
      "loss": 3.5671,
      "num_tokens": 346097221.0,
      "step": 190
    },
    {
      "epoch": 1.9895833333333335,
      "grad_norm": 0.9303130507469177,
      "learning_rate": 0.00012542870444393831,
      "loss": 5.6141,
      "num_tokens": 347931646.0,
      "step": 191
    },
    {
      "epoch": 2.0,
      "grad_norm": 0.7559423446655273,
      "learning_rate": 0.00012318324203876584,
      "loss": 4.6556,
      "num_tokens": 349747436.0,
      "step": 192
    },
    {
      "epoch": 2.0,
      "eval_loss": 0.29636919498443604,
      "eval_num_tokens": 349747436.0,
      "eval_runtime": 30.075,
      "eval_samples_per_second": 73.616,
      "eval_steps_per_second": 2.328,
      "step": 192
    },
    {
      "epoch": 2.0104166666666665,
      "grad_norm": 0.7736667990684509,
      "learning_rate": 0.00012094908151813528,
      "loss": 4.8043,
      "num_tokens": 351582444.0,
      "step": 193
    },
    {
      "epoch": 2.0208333333333335,
      "grad_norm": 0.8747148513793945,
      "learning_rate": 0.00011872655158928347,
      "loss": 5.0255,
      "num_tokens": 353417307.0,
      "step": 194
    },
    {
      "epoch": 2.03125,
      "grad_norm": 0.8613985776901245,
      "learning_rate": 0.00011651597924826328,
      "loss": 5.0108,
      "num_tokens": 355251875.0,
      "step": 195
    },
    {
      "epoch": 2.0416666666666665,
      "grad_norm": 0.8411298990249634,
      "learning_rate": 0.00011431768973183325,
      "loss": 4.96,
      "num_tokens": 357085971.0,
      "step": 196
    },
    {
      "epoch": 2.0520833333333335,
      "grad_norm": 1.0294160842895508,
      "learning_rate": 0.00011213200646960665,
      "loss": 4.7198,
      "num_tokens": 358919037.0,
      "step": 197
    },
    {
      "epoch": 2.0625,
      "grad_norm": 0.7702895998954773,
      "learning_rate": 0.00010995925103646532,
      "loss": 3.7543,
      "num_tokens": 360740077.0,
      "step": 198
    },
    {
      "epoch": 2.0729166666666665,
      "grad_norm": 0.7157151699066162,
      "learning_rate": 0.00010779974310524759,
      "loss": 4.2185,
      "num_tokens": 362500547.0,
      "step": 199
    },
    {
      "epoch": 2.0833333333333335,
      "grad_norm": 0.7544373273849487,
      "learning_rate": 0.00010565380039971513,
      "loss": 4.8134,
      "num_tokens": 364335437.0,
      "step": 200
    },
    {
      "epoch": 2.09375,
      "grad_norm": 0.8497442603111267,
      "learning_rate": 0.0001035217386478073,
      "loss": 4.9739,
      "num_tokens": 366170041.0,
      "step": 201
    },
    {
      "epoch": 2.1041666666666665,
      "grad_norm": 0.9067506790161133,
      "learning_rate": 0.00010140387153518838,
      "loss": 4.9253,
      "num_tokens": 368004177.0,
      "step": 202
    },
    {
      "epoch": 2.1145833333333335,
      "grad_norm": 0.7545438408851624,
      "learning_rate": 9.930051065909602e-05,
      "loss": 4.8793,
      "num_tokens": 369837409.0,
      "step": 203
    },
    {
      "epoch": 2.125,
      "grad_norm": 0.6745933890342712,
      "learning_rate": 9.721196548249643e-05,
      "loss": 4.22,
      "num_tokens": 371664713.0,
      "step": 204
    },
    {
      "epoch": 2.1354166666666665,
      "grad_norm": 0.7445581555366516,
      "learning_rate": 9.51385432885537e-05,
      "loss": 3.3814,
      "num_tokens": 373423781.0,
      "step": 205
    },
    {
      "epoch": 2.1458333333333335,
      "grad_norm": 0.8161273002624512,
      "learning_rate": 9.308054913542008e-05,
      "loss": 4.681,
      "num_tokens": 375258743.0,
      "step": 206
    },
    {
      "epoch": 2.15625,
      "grad_norm": 0.7370818257331848,
      "learning_rate": 9.10382858113533e-05,
      "loss": 4.822,
      "num_tokens": 377093447.0,
      "step": 207
    },
    {
      "epoch": 2.1666666666666665,
      "grad_norm": 0.7451015710830688,
      "learning_rate": 8.901205379016797e-05,
      "loss": 5.0376,
      "num_tokens": 378927784.0,
      "step": 208
    },
    {
      "epoch": 2.1770833333333335,
      "grad_norm": 0.7379900217056274,
      "learning_rate": 8.70021511870276e-05,
      "loss": 4.6836,
      "num_tokens": 380761347.0,
      "step": 209
    },
    {
      "epoch": 2.1875,
      "grad_norm": 0.6172227263450623,
      "learning_rate": 8.500887371458339e-05,
      "loss": 4.3498,
      "num_tokens": 382591921.0,
      "step": 210
    },
    {
      "epoch": 2.1979166666666665,
      "grad_norm": 0.6761332750320435,
      "learning_rate": 8.303251463946708e-05,
      "loss": 3.0509,
      "num_tokens": 384351003.0,
      "step": 211
    },
    {
      "epoch": 2.2083333333333335,
      "grad_norm": 0.7814252376556396,
      "learning_rate": 8.107336473914268e-05,
      "loss": 4.5578,
      "num_tokens": 386186011.0,
      "step": 212
    },
    {
      "epoch": 2.21875,
      "grad_norm": 0.7495741248130798,
      "learning_rate": 7.913171225912536e-05,
      "loss": 4.7592,
      "num_tokens": 388020770.0,
      "step": 213
    },
    {
      "epoch": 2.2291666666666665,
      "grad_norm": 0.6622648239135742,
      "learning_rate": 7.720784287057247e-05,
      "loss": 4.9266,
      "num_tokens": 389855172.0,
      "step": 214
    },
    {
      "epoch": 2.2395833333333335,
      "grad_norm": 0.6832115054130554,
      "learning_rate": 7.530203962825331e-05,
      "loss": 4.7274,
      "num_tokens": 391688847.0,
      "step": 215
    },
    {
      "epoch": 2.25,
      "grad_norm": 0.6572868227958679,
      "learning_rate": 7.34145829289039e-05,
      "loss": 4.6805,
      "num_tokens": 393520369.0,
      "step": 216
    },
    {
      "epoch": 2.2604166666666665,
      "grad_norm": 0.7744179368019104,
      "learning_rate": 7.154575046997282e-05,
      "loss": 2.8113,
      "num_tokens": 395290365.0,
      "step": 217
    },
    {
      "epoch": 2.2708333333333335,
      "grad_norm": 0.6295082569122314,
      "learning_rate": 6.969581720876419e-05,
      "loss": 4.5662,
      "num_tokens": 397125373.0,
      "step": 218
    },
    {
      "epoch": 2.28125,
      "grad_norm": 0.6685689091682434,
      "learning_rate": 6.786505532198374e-05,
      "loss": 4.7907,
      "num_tokens": 398960238.0,
      "step": 219
    },
    {
      "epoch": 2.2916666666666665,
      "grad_norm": 0.6909879446029663,
      "learning_rate": 6.605373416569411e-05,
      "loss": 5.1753,
      "num_tokens": 400794764.0,
      "step": 220
    },
    {
      "epoch": 2.3020833333333335,
      "grad_norm": 0.6844865083694458,
      "learning_rate": 6.4262120235685e-05,
      "loss": 4.8683,
      "num_tokens": 402628787.0,
      "step": 221
    },
    {
      "epoch": 2.3125,
      "grad_norm": 0.6655349135398865,
      "learning_rate": 6.249047712826433e-05,
      "loss": 4.702,
      "num_tokens": 404461539.0,
      "step": 222
    },
    {
      "epoch": 2.3229166666666665,
      "grad_norm": 0.585425078868866,
      "learning_rate": 6.073906550147566e-05,
      "loss": 3.3928,
      "num_tokens": 406279737.0,
      "step": 223
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 0.5273310542106628,
      "learning_rate": 5.900814303674842e-05,
      "loss": 3.9698,
      "num_tokens": 408070479.0,
      "step": 224
    },
    {
      "epoch": 2.34375,
      "grad_norm": 0.618398129940033,
      "learning_rate": 5.729796440098554e-05,
      "loss": 4.7176,
      "num_tokens": 409905369.0,
      "step": 225
    },
    {
      "epoch": 2.3541666666666665,
      "grad_norm": 0.6818743944168091,
      "learning_rate": 5.5608781209095114e-05,
      "loss": 5.0674,
      "num_tokens": 411739974.0,
      "step": 226
    },
    {
      "epoch": 2.3645833333333335,
      "grad_norm": 0.6323108673095703,
      "learning_rate": 5.394084198697056e-05,
      "loss": 4.9298,
      "num_tokens": 413574139.0,
      "step": 227
    },
    {
      "epoch": 2.375,
      "grad_norm": 1.0775671005249023,
      "learning_rate": 5.2294392134925704e-05,
      "loss": 4.7817,
      "num_tokens": 415407400.0,
      "step": 228
    },
    {
      "epoch": 2.3854166666666665,
      "grad_norm": 0.5481901168823242,
      "learning_rate": 5.066967389158954e-05,
      "loss": 4.0538,
      "num_tokens": 417234576.0,
      "step": 229
    },
    {
      "epoch": 2.3958333333333335,
      "grad_norm": 0.5929054617881775,
      "learning_rate": 4.9066926298266146e-05,
      "loss": 3.3325,
      "num_tokens": 418999605.0,
      "step": 230
    },
    {
      "epoch": 2.40625,
      "grad_norm": 0.6156002283096313,
      "learning_rate": 4.748638516376511e-05,
      "loss": 4.7056,
      "num_tokens": 420834554.0,
      "step": 231
    },
    {
      "epoch": 2.4166666666666665,
      "grad_norm": 0.6369039416313171,
      "learning_rate": 4.592828302970742e-05,
      "loss": 4.9342,
      "num_tokens": 422669261.0,
      "step": 232
    },
    {
      "epoch": 2.4270833333333335,
      "grad_norm": 0.6354939341545105,
      "learning_rate": 4.4392849136312145e-05,
      "loss": 4.8467,
      "num_tokens": 424503575.0,
      "step": 233
    },
    {
      "epoch": 2.4375,
      "grad_norm": 0.6102489829063416,
      "learning_rate": 4.288030938866881e-05,
      "loss": 4.8394,
      "num_tokens": 426337040.0,
      "step": 234
    },
    {
      "epoch": 2.4479166666666665,
      "grad_norm": 0.5746884942054749,
      "learning_rate": 4.13908863235005e-05,
      "loss": 4.4795,
      "num_tokens": 428167608.0,
      "step": 235
    },
    {
      "epoch": 2.4583333333333335,
      "grad_norm": 0.7082644701004028,
      "learning_rate": 3.9924799076422414e-05,
      "loss": 2.9116,
      "num_tokens": 429903970.0,
      "step": 236
    },
    {
      "epoch": 2.46875,
      "grad_norm": 0.6072261929512024,
      "learning_rate": 3.8482263349701084e-05,
      "loss": 4.6498,
      "num_tokens": 431738978.0,
      "step": 237
    },
    {
      "epoch": 2.4791666666666665,
      "grad_norm": 0.6212684512138367,
      "learning_rate": 3.706349138051828e-05,
      "loss": 4.8417,
      "num_tokens": 433573808.0,
      "step": 238
    },
    {
      "epoch": 2.4895833333333335,
      "grad_norm": 0.6547099947929382,
      "learning_rate": 3.5668691909745425e-05,
      "loss": 5.1912,
      "num_tokens": 435408292.0,
      "step": 239
    },
    {
      "epoch": 2.5,
      "grad_norm": 0.6425914764404297,
      "learning_rate": 3.429807015123159e-05,
      "loss": 4.6938,
      "num_tokens": 437242213.0,
      "step": 240
    },
    {
      "epoch": 2.5104166666666665,
      "grad_norm": 0.6143184304237366,
      "learning_rate": 3.295182776161103e-05,
      "loss": 4.5731,
      "num_tokens": 439074391.0,
      "step": 241
    },
    {
      "epoch": 2.5208333333333335,
      "grad_norm": 0.676337480545044,
      "learning_rate": 3.1630162810633824e-05,
      "loss": 3.0502,
      "num_tokens": 440837083.0,
      "step": 242
    },
    {
      "epoch": 2.53125,
      "grad_norm": 0.5644184947013855,
      "learning_rate": 3.0333269752024374e-05,
      "loss": 4.4939,
      "num_tokens": 442672091.0,
      "step": 243
    },
    {
      "epoch": 2.5416666666666665,
      "grad_norm": 0.6266845464706421,
      "learning_rate": 2.9061339394871723e-05,
      "loss": 4.7266,
      "num_tokens": 444506945.0,
      "step": 244
    },
    {
      "epoch": 2.5520833333333335,
      "grad_norm": 0.6021518111228943,
      "learning_rate": 2.7814558875556305e-05,
      "loss": 4.8807,
      "num_tokens": 446341484.0,
      "step": 245
    },
    {
      "epoch": 2.5625,
      "grad_norm": 0.6042218804359436,
      "learning_rate": 2.659311163021694e-05,
      "loss": 4.8493,
      "num_tokens": 448175477.0,
      "step": 246
    },
    {
      "epoch": 2.5729166666666665,
      "grad_norm": 0.6365882754325867,
      "learning_rate": 2.539717736776237e-05,
      "loss": 4.7206,
      "num_tokens": 450008278.0,
      "step": 247
    },
    {
      "epoch": 2.5833333333333335,
      "grad_norm": 0.6301949620246887,
      "learning_rate": 2.422693204343085e-05,
      "loss": 3.6696,
      "num_tokens": 451829106.0,
      "step": 248
    },
    {
      "epoch": 2.59375,
      "grad_norm": 0.5256466865539551,
      "learning_rate": 2.308254783290247e-05,
      "loss": 3.8564,
      "num_tokens": 453596312.0,
      "step": 249
    },
    {
      "epoch": 2.6041666666666665,
      "grad_norm": 0.599315881729126,
      "learning_rate": 2.1964193106967135e-05,
      "loss": 4.7615,
      "num_tokens": 455431228.0,
      "step": 250
    },
    {
      "epoch": 2.6145833333333335,
      "grad_norm": 0.6404199004173279,
      "learning_rate": 2.0872032406752686e-05,
      "loss": 4.8996,
      "num_tokens": 457265875.0,
      "step": 251
    },
    {
      "epoch": 2.625,
      "grad_norm": 0.602830708026886,
      "learning_rate": 1.9806226419516192e-05,
      "loss": 4.9976,
      "num_tokens": 459100000.0,
      "step": 252
    },
    {
      "epoch": 2.6354166666666665,
      "grad_norm": 0.5732765793800354,
      "learning_rate": 1.8766931955002455e-05,
      "loss": 4.6165,
      "num_tokens": 460933143.0,
      "step": 253
    },
    {
      "epoch": 2.6458333333333335,
      "grad_norm": 0.5466137528419495,
      "learning_rate": 1.775430192237284e-05,
      "loss": 4.0161,
      "num_tokens": 462759637.0,
      "step": 254
    },
    {
      "epoch": 2.65625,
      "grad_norm": 0.6525053381919861,
      "learning_rate": 1.6768485307708292e-05,
      "loss": 3.1332,
      "num_tokens": 464521875.0,
      "step": 255
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.5667853951454163,
      "learning_rate": 1.5809627152089068e-05,
      "loss": 4.5937,
      "num_tokens": 466356841.0,
      "step": 256
    },
    {
      "epoch": 2.6770833333333335,
      "grad_norm": 0.623957097530365,
      "learning_rate": 1.4877868530255279e-05,
      "loss": 4.902,
      "num_tokens": 468191542.0,
      "step": 257
    },
    {
      "epoch": 2.6875,
      "grad_norm": 0.5726503729820251,
      "learning_rate": 1.3973346529850872e-05,
      "loss": 4.8586,
      "num_tokens": 470025845.0,
      "step": 258
    },
    {
      "epoch": 2.6979166666666665,
      "grad_norm": 0.6280783414840698,
      "learning_rate": 1.3096194231254212e-05,
      "loss": 4.6986,
      "num_tokens": 471859357.0,
      "step": 259
    },
    {
      "epoch": 2.7083333333333335,
      "grad_norm": 0.5749726295471191,
      "learning_rate": 1.2246540687998264e-05,
      "loss": 4.3927,
      "num_tokens": 473689544.0,
      "step": 260
    },
    {
      "epoch": 2.71875,
      "grad_norm": 0.7261371612548828,
      "learning_rate": 1.142451090778316e-05,
      "loss": 2.8678,
      "num_tokens": 475418561.0,
      "step": 261
    },
    {
      "epoch": 2.7291666666666665,
      "grad_norm": 0.5542764067649841,
      "learning_rate": 1.0630225834084196e-05,
      "loss": 4.7789,
      "num_tokens": 477253569.0,
      "step": 262
    },
    {
      "epoch": 2.7395833333333335,
      "grad_norm": 0.5651426911354065,
      "learning_rate": 9.86380232835753e-06,
      "loss": 4.7485,
      "num_tokens": 479088363.0,
      "step": 263
    },
    {
      "epoch": 2.75,
      "grad_norm": 0.5900463461875916,
      "learning_rate": 9.125353152846794e-06,
      "loss": 4.9906,
      "num_tokens": 480922811.0,
      "step": 264
    },
    {
      "epoch": 2.7604166666666665,
      "grad_norm": 1.269209861755371,
      "learning_rate": 8.41498695399241e-06,
      "loss": 4.9856,
      "num_tokens": 482756611.0,
      "step": 265
    },
    {
      "epoch": 2.7708333333333335,
      "grad_norm": 0.5450060367584229,
      "learning_rate": 7.732808246446887e-06,
      "loss": 4.4725,
      "num_tokens": 484588510.0,
      "step": 266
    },
    {
      "epoch": 2.78125,
      "grad_norm": 0.6516556143760681,
      "learning_rate": 7.07891739769766e-06,
      "loss": 2.9581,
      "num_tokens": 486359532.0,
      "step": 267
    },
    {
      "epoch": 2.7916666666666665,
      "grad_norm": 0.5549366474151611,
      "learning_rate": 6.453410613300226e-06,
      "loss": 4.5659,
      "num_tokens": 488194540.0,
      "step": 268
    },
    {
      "epoch": 2.8020833333333335,
      "grad_norm": 0.5634523034095764,
      "learning_rate": 5.856379922723809e-06,
      "loss": 4.7761,
      "num_tokens": 490029403.0,
      "step": 269
    },
    {
      "epoch": 2.8125,
      "grad_norm": 0.5804418325424194,
      "learning_rate": 5.2879131658110535e-06,
      "loss": 4.8276,
      "num_tokens": 491863932.0,
      "step": 270
    },
    {
      "epoch": 2.8229166666666665,
      "grad_norm": 0.6010308265686035,
      "learning_rate": 4.748093979854429e-06,
      "loss": 4.7014,
      "num_tokens": 493697972.0,
      "step": 271
    },
    {
      "epoch": 2.8333333333333335,
      "grad_norm": 0.5664845108985901,
      "learning_rate": 4.237001787290851e-06,
      "loss": 4.6276,
      "num_tokens": 495530692.0,
      "step": 272
    },
    {
      "epoch": 2.84375,
      "grad_norm": 0.6984363198280334,
      "learning_rate": 3.754711784016407e-06,
      "loss": 3.4077,
      "num_tokens": 497346740.0,
      "step": 273
    },
    {
      "epoch": 2.8541666666666665,
      "grad_norm": 0.5046265721321106,
      "learning_rate": 3.3012949283229845e-06,
      "loss": 3.868,
      "num_tokens": 499103794.0,
      "step": 274
    },
    {
      "epoch": 2.8645833333333335,
      "grad_norm": 1.1513460874557495,
      "learning_rate": 2.8768179304583085e-06,
      "loss": 4.6177,
      "num_tokens": 500938681.0,
      "step": 275
    },
    {
      "epoch": 2.875,
      "grad_norm": 0.8701567649841309,
      "learning_rate": 2.481343242810996e-06,
      "loss": 4.7644,
      "num_tokens": 502773322.0,
      "step": 276
    },
    {
      "epoch": 2.8854166666666665,
      "grad_norm": 0.6001777052879333,
      "learning_rate": 2.1149290507220808e-06,
      "loss": 4.8029,
      "num_tokens": 504607491.0,
      "step": 277
    },
    {
      "epoch": 2.8958333333333335,
      "grad_norm": 0.5649986863136292,
      "learning_rate": 1.7776292639243074e-06,
      "loss": 4.6981,
      "num_tokens": 506440687.0,
      "step": 278
    },
    {
      "epoch": 2.90625,
      "grad_norm": 0.5244946479797363,
      "learning_rate": 1.4694935086105865e-06,
      "loss": 3.9951,
      "num_tokens": 508268714.0,
      "step": 279
    },
    {
      "epoch": 2.9166666666666665,
      "grad_norm": 0.6372843980789185,
      "learning_rate": 1.1905671201324576e-06,
      "loss": 3.2659,
      "num_tokens": 510061733.0,
      "step": 280
    },
    {
      "epoch": 2.9270833333333335,
      "grad_norm": 0.595647394657135,
      "learning_rate": 9.408911363301576e-07,
      "loss": 4.4732,
      "num_tokens": 511896706.0,
      "step": 281
    },
    {
      "epoch": 2.9375,
      "grad_norm": 0.6154844760894775,
      "learning_rate": 7.205022914946957e-07,
      "loss": 5.0028,
      "num_tokens": 513731401.0,
      "step": 282
    },
    {
      "epoch": 2.9479166666666665,
      "grad_norm": 0.577378511428833,
      "learning_rate": 5.29433010963265e-07,
      "loss": 4.9479,
      "num_tokens": 515565715.0,
      "step": 283
    },
    {
      "epoch": 2.9583333333333335,
      "grad_norm": 0.6034528613090515,
      "learning_rate": 3.677114063485476e-07,
      "loss": 4.7164,
      "num_tokens": 517399223.0,
      "step": 284
    },
    {
      "epoch": 2.96875,
      "grad_norm": 0.5388755202293396,
      "learning_rate": 2.3536127140273422e-07,
      "loss": 4.3787,
      "num_tokens": 519229822.0,
      "step": 285
    },
    {
      "epoch": 2.9791666666666665,
      "grad_norm": 0.6161792874336243,
      "learning_rate": 1.324020785168134e-07,
      "loss": 3.1362,
      "num_tokens": 520970038.0,
      "step": 286
    },
    {
      "epoch": 2.9895833333333335,
      "grad_norm": 0.559122622013092,
      "learning_rate": 5.884897585557436e-08,
      "loss": 4.7854,
      "num_tokens": 522804448.0,
      "step": 287
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.5243895649909973,
      "learning_rate": 1.4712785129011863e-08,
      "loss": 4.0231,
      "num_tokens": 524621154.0,
      "step": 288
    },
    {
      "epoch": 3.0,
      "eval_loss": 0.27166327834129333,
      "eval_num_tokens": 524621154.0,
      "eval_runtime": 29.6038,
      "eval_samples_per_second": 74.788,
      "eval_steps_per_second": 2.365,
      "step": 288
    }
  ],
  "logging_steps": 1,
  "max_steps": 288,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 3,
  "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": 1.5772065954768355e+19,
  "train_batch_size": 28,
  "trial_name": null,
  "trial_params": null
}