Hugging Face's logo

tahamajs
/
my-awesome-model_final_bitcoin_enhanced_prediction_dataset_with_local_comprehensive_news

Safetensors
Model card Files
xet
Community
tahamajs commited on
Commit
068ceb7
·
verified ·
1 Parent(s): 8e52da4

Upload folder using huggingface_hub

Browse files
This view is limited to 50 files because it contains too many changes.   See raw diff
Files changed (50) hide show
  1. .gitattributes +7 -0
  2. added_tokens.json +31 -0
  3. chat_template.jinja +89 -0
  4. checkpoint-1000/README.md +208 -0
  5. checkpoint-1000/adapter_config.json +41 -0
  6. checkpoint-1000/adapter_model.safetensors +3 -0
  7. checkpoint-1000/added_tokens.json +31 -0
  8. checkpoint-1000/chat_template.jinja +89 -0
  9. checkpoint-1000/merges.txt +0 -0
  10. checkpoint-1000/optimizer.pt +3 -0
  11. checkpoint-1000/rng_state.pth +3 -0
  12. checkpoint-1000/scaler.pt +3 -0
  13. checkpoint-1000/scheduler.pt +3 -0
  14. checkpoint-1000/special_tokens_map.json +39 -0
  15. checkpoint-1000/tokenizer.json +3 -0
  16. checkpoint-1000/tokenizer_config.json +254 -0
  17. checkpoint-1000/trainer_state.json +3534 -0
  18. checkpoint-1000/training_args.bin +3 -0
  19. checkpoint-1000/vocab.json +0 -0
  20. checkpoint-1152/README.md +208 -0
  21. checkpoint-1152/adapter_config.json +41 -0
  22. checkpoint-1152/adapter_model.safetensors +3 -0
  23. checkpoint-1152/added_tokens.json +31 -0
  24. checkpoint-1152/chat_template.jinja +89 -0
  25. checkpoint-1152/merges.txt +0 -0
  26. checkpoint-1152/optimizer.pt +3 -0
  27. checkpoint-1152/rng_state.pth +3 -0
  28. checkpoint-1152/scaler.pt +3 -0
  29. checkpoint-1152/scheduler.pt +3 -0
  30. checkpoint-1152/special_tokens_map.json +39 -0
  31. checkpoint-1152/tokenizer.json +3 -0
  32. checkpoint-1152/tokenizer_config.json +254 -0
  33. checkpoint-1152/trainer_state.json +4066 -0
  34. checkpoint-1152/training_args.bin +3 -0
  35. checkpoint-1152/vocab.json +0 -0
  36. checkpoint-200/README.md +208 -0
  37. checkpoint-200/adapter_config.json +41 -0
  38. checkpoint-200/adapter_model.safetensors +3 -0
  39. checkpoint-200/added_tokens.json +31 -0
  40. checkpoint-200/chat_template.jinja +89 -0
  41. checkpoint-200/merges.txt +0 -0
  42. checkpoint-200/optimizer.pt +3 -0
  43. checkpoint-200/rng_state.pth +3 -0
  44. checkpoint-200/scaler.pt +3 -0
  45. checkpoint-200/scheduler.pt +3 -0
  46. checkpoint-200/special_tokens_map.json +39 -0
  47. checkpoint-200/tokenizer.json +3 -0
  48. checkpoint-200/tokenizer_config.json +254 -0
  49. checkpoint-200/trainer_state.json +734 -0
  50. checkpoint-200/training_args.bin +3 -0
.gitattributes CHANGED
@@ -33,3 +33,10 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
 
 
 
 
 
 
 
 
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
36
+ checkpoint-1000/tokenizer.json filter=lfs diff=lfs merge=lfs -text
37
+ checkpoint-1152/tokenizer.json filter=lfs diff=lfs merge=lfs -text
38
+ checkpoint-200/tokenizer.json filter=lfs diff=lfs merge=lfs -text
39
+ checkpoint-400/tokenizer.json filter=lfs diff=lfs merge=lfs -text
40
+ checkpoint-600/tokenizer.json filter=lfs diff=lfs merge=lfs -text
41
+ checkpoint-800/tokenizer.json filter=lfs diff=lfs merge=lfs -text
42
+ tokenizer.json filter=lfs diff=lfs merge=lfs -text
added_tokens.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "</think>": 151668,
3
+ "</tool_call>": 151658,
4
+ "</tool_response>": 151666,
5
+ "<think>": 151667,
6
+ "<tool_call>": 151657,
7
+ "<tool_response>": 151665,
8
+ "<|analysis|>": 151670,
9
+ "<|box_end|>": 151649,
10
+ "<|box_start|>": 151648,
11
+ "<|endoftext|>": 151643,
12
+ "<|file_sep|>": 151664,
13
+ "<|fim_middle|>": 151660,
14
+ "<|fim_pad|>": 151662,
15
+ "<|fim_prefix|>": 151659,
16
+ "<|fim_suffix|>": 151661,
17
+ "<|forecast|>": 151671,
18
+ "<|im_end|>": 151645,
19
+ "<|im_start|>": 151644,
20
+ "<|image_pad|>": 151655,
21
+ "<|object_ref_end|>": 151647,
22
+ "<|object_ref_start|>": 151646,
23
+ "<|quad_end|>": 151651,
24
+ "<|quad_start|>": 151650,
25
+ "<|repo_name|>": 151663,
26
+ "<|response|>": 151669,
27
+ "<|video_pad|>": 151656,
28
+ "<|vision_end|>": 151653,
29
+ "<|vision_pad|>": 151654,
30
+ "<|vision_start|>": 151652
31
+ }
chat_template.jinja ADDED
@@ -0,0 +1,89 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {%- if tools %}
2
+ {{- '<|im_start|>system\n' }}
3
+ {%- if messages[0].role == 'system' %}
4
+ {{- messages[0].content + '\n\n' }}
5
+ {%- endif %}
6
+ {{- "# Tools\n\nYou may call one or more functions to assist with the user query.\n\nYou are provided with function signatures within <tools></tools> XML tags:\n<tools>" }}
7
+ {%- for tool in tools %}
8
+ {{- "\n" }}
9
+ {{- tool | tojson }}
10
+ {%- endfor %}
11
+ {{- "\n</tools>\n\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\n<tool_call>\n{\"name\": <function-name>, \"arguments\": <args-json-object>}\n</tool_call><|im_end|>\n" }}
12
+ {%- else %}
13
+ {%- if messages[0].role == 'system' %}
14
+ {{- '<|im_start|>system\n' + messages[0].content + '<|im_end|>\n' }}
15
+ {%- endif %}
16
+ {%- endif %}
17
+ {%- set ns = namespace(multi_step_tool=true, last_query_index=messages|length - 1) %}
18
+ {%- for message in messages[::-1] %}
19
+ {%- set index = (messages|length - 1) - loop.index0 %}
20
+ {%- if ns.multi_step_tool and message.role == "user" and message.content is string and not(message.content.startswith('<tool_response>') and message.content.endswith('</tool_response>')) %}
21
+ {%- set ns.multi_step_tool = false %}
22
+ {%- set ns.last_query_index = index %}
23
+ {%- endif %}
24
+ {%- endfor %}
25
+ {%- for message in messages %}
26
+ {%- if message.content is string %}
27
+ {%- set content = message.content %}
28
+ {%- else %}
29
+ {%- set content = '' %}
30
+ {%- endif %}
31
+ {%- if (message.role == "user") or (message.role == "system" and not loop.first) %}
32
+ {{- '<|im_start|>' + message.role + '\n' + content + '<|im_end|>' + '\n' }}
33
+ {%- elif message.role == "assistant" %}
34
+ {%- set reasoning_content = '' %}
35
+ {%- if message.reasoning_content is string %}
36
+ {%- set reasoning_content = message.reasoning_content %}
37
+ {%- else %}
38
+ {%- if '</think>' in content %}
39
+ {%- set reasoning_content = content.split('</think>')[0].rstrip('\n').split('<think>')[-1].lstrip('\n') %}
40
+ {%- set content = content.split('</think>')[-1].lstrip('\n') %}
41
+ {%- endif %}
42
+ {%- endif %}
43
+ {%- if loop.index0 > ns.last_query_index %}
44
+ {%- if loop.last or (not loop.last and reasoning_content) %}
45
+ {{- '<|im_start|>' + message.role + '\n<think>\n' + reasoning_content.strip('\n') + '\n</think>\n\n' + content.lstrip('\n') }}
46
+ {%- else %}
47
+ {{- '<|im_start|>' + message.role + '\n' + content }}
48
+ {%- endif %}
49
+ {%- else %}
50
+ {{- '<|im_start|>' + message.role + '\n' + content }}
51
+ {%- endif %}
52
+ {%- if message.tool_calls %}
53
+ {%- for tool_call in message.tool_calls %}
54
+ {%- if (loop.first and content) or (not loop.first) %}
55
+ {{- '\n' }}
56
+ {%- endif %}
57
+ {%- if tool_call.function %}
58
+ {%- set tool_call = tool_call.function %}
59
+ {%- endif %}
60
+ {{- '<tool_call>\n{"name": "' }}
61
+ {{- tool_call.name }}
62
+ {{- '", "arguments": ' }}
63
+ {%- if tool_call.arguments is string %}
64
+ {{- tool_call.arguments }}
65
+ {%- else %}
66
+ {{- tool_call.arguments | tojson }}
67
+ {%- endif %}
68
+ {{- '}\n</tool_call>' }}
69
+ {%- endfor %}
70
+ {%- endif %}
71
+ {{- '<|im_end|>\n' }}
72
+ {%- elif message.role == "tool" %}
73
+ {%- if loop.first or (messages[loop.index0 - 1].role != "tool") %}
74
+ {{- '<|im_start|>user' }}
75
+ {%- endif %}
76
+ {{- '\n<tool_response>\n' }}
77
+ {{- content }}
78
+ {{- '\n</tool_response>' }}
79
+ {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %}
80
+ {{- '<|im_end|>\n' }}
81
+ {%- endif %}
82
+ {%- endif %}
83
+ {%- endfor %}
84
+ {%- if add_generation_prompt %}
85
+ {{- '<|im_start|>assistant\n' }}
86
+ {%- if enable_thinking is defined and enable_thinking is false %}
87
+ {{- '<think>\n\n</think>\n\n' }}
88
+ {%- endif %}
89
+ {%- endif %}
checkpoint-1000/README.md ADDED
@@ -0,0 +1,208 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: ./Qwen3-8B
3
+ library_name: peft
4
+ pipeline_tag: text-generation
5
+ tags:
6
+ - base_model:adapter:./Qwen3-8B
7
+ - lora
8
+ - transformers
9
+ - unsloth
10
+ ---
11
+
12
+ # Model Card for Model ID
13
+
14
+ <!-- Provide a quick summary of what the model is/does. -->
15
+
16
+
17
+
18
+ ## Model Details
19
+
20
+ ### Model Description
21
+
22
+ <!-- Provide a longer summary of what this model is. -->
23
+
24
+
25
+
26
+ - **Developed by:** [More Information Needed]
27
+ - **Funded by [optional]:** [More Information Needed]
28
+ - **Shared by [optional]:** [More Information Needed]
29
+ - **Model type:** [More Information Needed]
30
+ - **Language(s) (NLP):** [More Information Needed]
31
+ - **License:** [More Information Needed]
32
+ - **Finetuned from model [optional]:** [More Information Needed]
33
+
34
+ ### Model Sources [optional]
35
+
36
+ <!-- Provide the basic links for the model. -->
37
+
38
+ - **Repository:** [More Information Needed]
39
+ - **Paper [optional]:** [More Information Needed]
40
+ - **Demo [optional]:** [More Information Needed]
41
+
42
+ ## Uses
43
+
44
+ <!-- Address questions around how the model is intended to be used, including the foreseeable users of the model and those affected by the model. -->
45
+
46
+ ### Direct Use
47
+
48
+ <!-- This section is for the model use without fine-tuning or plugging into a larger ecosystem/app. -->
49
+
50
+ [More Information Needed]
51
+
52
+ ### Downstream Use [optional]
53
+
54
+ <!-- This section is for the model use when fine-tuned for a task, or when plugged into a larger ecosystem/app -->
55
+
56
+ [More Information Needed]
57
+
58
+ ### Out-of-Scope Use
59
+
60
+ <!-- This section addresses misuse, malicious use, and uses that the model will not work well for. -->
61
+
62
+ [More Information Needed]
63
+
64
+ ## Bias, Risks, and Limitations
65
+
66
+ <!-- This section is meant to convey both technical and sociotechnical limitations. -->
67
+
68
+ [More Information Needed]
69
+
70
+ ### Recommendations
71
+
72
+ <!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->
73
+
74
+ Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.
75
+
76
+ ## How to Get Started with the Model
77
+
78
+ Use the code below to get started with the model.
79
+
80
+ [More Information Needed]
81
+
82
+ ## Training Details
83
+
84
+ ### Training Data
85
+
86
+ <!-- This should link to a Dataset Card, perhaps with a short stub of information on what the training data is all about as well as documentation related to data pre-processing or additional filtering. -->
87
+
88
+ [More Information Needed]
89
+
90
+ ### Training Procedure
91
+
92
+ <!-- This relates heavily to the Technical Specifications. Content here should link to that section when it is relevant to the training procedure. -->
93
+
94
+ #### Preprocessing [optional]
95
+
96
+ [More Information Needed]
97
+
98
+
99
+ #### Training Hyperparameters
100
+
101
+ - **Training regime:** [More Information Needed] <!--fp32, fp16 mixed precision, bf16 mixed precision, bf16 non-mixed precision, fp16 non-mixed precision, fp8 mixed precision -->
102
+
103
+ #### Speeds, Sizes, Times [optional]
104
+
105
+ <!-- This section provides information about throughput, start/end time, checkpoint size if relevant, etc. -->
106
+
107
+ [More Information Needed]
108
+
109
+ ## Evaluation
110
+
111
+ <!-- This section describes the evaluation protocols and provides the results. -->
112
+
113
+ ### Testing Data, Factors & Metrics
114
+
115
+ #### Testing Data
116
+
117
+ <!-- This should link to a Dataset Card if possible. -->
118
+
119
+ [More Information Needed]
120
+
121
+ #### Factors
122
+
123
+ <!-- These are the things the evaluation is disaggregating by, e.g., subpopulations or domains. -->
124
+
125
+ [More Information Needed]
126
+
127
+ #### Metrics
128
+
129
+ <!-- These are the evaluation metrics being used, ideally with a description of why. -->
130
+
131
+ [More Information Needed]
132
+
133
+ ### Results
134
+
135
+ [More Information Needed]
136
+
137
+ #### Summary
138
+
139
+
140
+
141
+ ## Model Examination [optional]
142
+
143
+ <!-- Relevant interpretability work for the model goes here -->
144
+
145
+ [More Information Needed]
146
+
147
+ ## Environmental Impact
148
+
149
+ <!-- Total emissions (in grams of CO2eq) and additional considerations, such as electricity usage, go here. Edit the suggested text below accordingly -->
150
+
151
+ Carbon emissions can be estimated using the [Machine Learning Impact calculator](https://mlco2.github.io/impact#compute) presented in [Lacoste et al. (2019)](https://arxiv.org/abs/1910.09700).
152
+
153
+ - **Hardware Type:** [More Information Needed]
154
+ - **Hours used:** [More Information Needed]
155
+ - **Cloud Provider:** [More Information Needed]
156
+ - **Compute Region:** [More Information Needed]
157
+ - **Carbon Emitted:** [More Information Needed]
158
+
159
+ ## Technical Specifications [optional]
160
+
161
+ ### Model Architecture and Objective
162
+
163
+ [More Information Needed]
164
+
165
+ ### Compute Infrastructure
166
+
167
+ [More Information Needed]
168
+
169
+ #### Hardware
170
+
171
+ [More Information Needed]
172
+
173
+ #### Software
174
+
175
+ [More Information Needed]
176
+
177
+ ## Citation [optional]
178
+
179
+ <!-- If there is a paper or blog post introducing the model, the APA and Bibtex information for that should go in this section. -->
180
+
181
+ **BibTeX:**
182
+
183
+ [More Information Needed]
184
+
185
+ **APA:**
186
+
187
+ [More Information Needed]
188
+
189
+ ## Glossary [optional]
190
+
191
+ <!-- If relevant, include terms and calculations in this section that can help readers understand the model or model card. -->
192
+
193
+ [More Information Needed]
194
+
195
+ ## More Information [optional]
196
+
197
+ [More Information Needed]
198
+
199
+ ## Model Card Authors [optional]
200
+
201
+ [More Information Needed]
202
+
203
+ ## Model Card Contact
204
+
205
+ [More Information Needed]
206
+ ### Framework versions
207
+
208
+ - PEFT 0.16.0
checkpoint-1000/adapter_config.json ADDED
@@ -0,0 +1,41 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "alpha_pattern": {},
3
+ "auto_mapping": null,
4
+ "base_model_name_or_path": "./Qwen3-8B",
5
+ "bias": "none",
6
+ "corda_config": null,
7
+ "eva_config": null,
8
+ "exclude_modules": null,
9
+ "fan_in_fan_out": false,
10
+ "inference_mode": true,
11
+ "init_lora_weights": true,
12
+ "layer_replication": null,
13
+ "layers_pattern": null,
14
+ "layers_to_transform": null,
15
+ "loftq_config": {},
16
+ "lora_alpha": 32,
17
+ "lora_bias": false,
18
+ "lora_dropout": 0.0,
19
+ "megatron_config": null,
20
+ "megatron_core": "megatron.core",
21
+ "modules_to_save": null,
22
+ "peft_type": "LORA",
23
+ "qalora_group_size": 16,
24
+ "r": 32,
25
+ "rank_pattern": {},
26
+ "revision": null,
27
+ "target_modules": [
28
+ "v_proj",
29
+ "gate_proj",
30
+ "up_proj",
31
+ "down_proj",
32
+ "o_proj",
33
+ "k_proj",
34
+ "q_proj"
35
+ ],
36
+ "task_type": "CAUSAL_LM",
37
+ "trainable_token_indices": null,
38
+ "use_dora": false,
39
+ "use_qalora": false,
40
+ "use_rslora": true
41
+ }
checkpoint-1000/adapter_model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ad45661894700811a0a4f19acc6b8afc9d98db1406cc80d88fa464a18ce495ea
3
+ size 2834238032
checkpoint-1000/added_tokens.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "</think>": 151668,
3
+ "</tool_call>": 151658,
4
+ "</tool_response>": 151666,
5
+ "<think>": 151667,
6
+ "<tool_call>": 151657,
7
+ "<tool_response>": 151665,
8
+ "<|analysis|>": 151670,
9
+ "<|box_end|>": 151649,
10
+ "<|box_start|>": 151648,
11
+ "<|endoftext|>": 151643,
12
+ "<|file_sep|>": 151664,
13
+ "<|fim_middle|>": 151660,
14
+ "<|fim_pad|>": 151662,
15
+ "<|fim_prefix|>": 151659,
16
+ "<|fim_suffix|>": 151661,
17
+ "<|forecast|>": 151671,
18
+ "<|im_end|>": 151645,
19
+ "<|im_start|>": 151644,
20
+ "<|image_pad|>": 151655,
21
+ "<|object_ref_end|>": 151647,
22
+ "<|object_ref_start|>": 151646,
23
+ "<|quad_end|>": 151651,
24
+ "<|quad_start|>": 151650,
25
+ "<|repo_name|>": 151663,
26
+ "<|response|>": 151669,
27
+ "<|video_pad|>": 151656,
28
+ "<|vision_end|>": 151653,
29
+ "<|vision_pad|>": 151654,
30
+ "<|vision_start|>": 151652
31
+ }
checkpoint-1000/chat_template.jinja ADDED
@@ -0,0 +1,89 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {%- if tools %}
2
+ {{- '<|im_start|>system\n' }}
3
+ {%- if messages[0].role == 'system' %}
4
+ {{- messages[0].content + '\n\n' }}
5
+ {%- endif %}
6
+ {{- "# Tools\n\nYou may call one or more functions to assist with the user query.\n\nYou are provided with function signatures within <tools></tools> XML tags:\n<tools>" }}
7
+ {%- for tool in tools %}
8
+ {{- "\n" }}
9
+ {{- tool | tojson }}
10
+ {%- endfor %}
11
+ {{- "\n</tools>\n\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\n<tool_call>\n{\"name\": <function-name>, \"arguments\": <args-json-object>}\n</tool_call><|im_end|>\n" }}
12
+ {%- else %}
13
+ {%- if messages[0].role == 'system' %}
14
+ {{- '<|im_start|>system\n' + messages[0].content + '<|im_end|>\n' }}
15
+ {%- endif %}
16
+ {%- endif %}
17
+ {%- set ns = namespace(multi_step_tool=true, last_query_index=messages|length - 1) %}
18
+ {%- for message in messages[::-1] %}
19
+ {%- set index = (messages|length - 1) - loop.index0 %}
20
+ {%- if ns.multi_step_tool and message.role == "user" and message.content is string and not(message.content.startswith('<tool_response>') and message.content.endswith('</tool_response>')) %}
21
+ {%- set ns.multi_step_tool = false %}
22
+ {%- set ns.last_query_index = index %}
23
+ {%- endif %}
24
+ {%- endfor %}
25
+ {%- for message in messages %}
26
+ {%- if message.content is string %}
27
+ {%- set content = message.content %}
28
+ {%- else %}
29
+ {%- set content = '' %}
30
+ {%- endif %}
31
+ {%- if (message.role == "user") or (message.role == "system" and not loop.first) %}
32
+ {{- '<|im_start|>' + message.role + '\n' + content + '<|im_end|>' + '\n' }}
33
+ {%- elif message.role == "assistant" %}
34
+ {%- set reasoning_content = '' %}
35
+ {%- if message.reasoning_content is string %}
36
+ {%- set reasoning_content = message.reasoning_content %}
37
+ {%- else %}
38
+ {%- if '</think>' in content %}
39
+ {%- set reasoning_content = content.split('</think>')[0].rstrip('\n').split('<think>')[-1].lstrip('\n') %}
40
+ {%- set content = content.split('</think>')[-1].lstrip('\n') %}
41
+ {%- endif %}
42
+ {%- endif %}
43
+ {%- if loop.index0 > ns.last_query_index %}
44
+ {%- if loop.last or (not loop.last and reasoning_content) %}
45
+ {{- '<|im_start|>' + message.role + '\n<think>\n' + reasoning_content.strip('\n') + '\n</think>\n\n' + content.lstrip('\n') }}
46
+ {%- else %}
47
+ {{- '<|im_start|>' + message.role + '\n' + content }}
48
+ {%- endif %}
49
+ {%- else %}
50
+ {{- '<|im_start|>' + message.role + '\n' + content }}
51
+ {%- endif %}
52
+ {%- if message.tool_calls %}
53
+ {%- for tool_call in message.tool_calls %}
54
+ {%- if (loop.first and content) or (not loop.first) %}
55
+ {{- '\n' }}
56
+ {%- endif %}
57
+ {%- if tool_call.function %}
58
+ {%- set tool_call = tool_call.function %}
59
+ {%- endif %}
60
+ {{- '<tool_call>\n{"name": "' }}
61
+ {{- tool_call.name }}
62
+ {{- '", "arguments": ' }}
63
+ {%- if tool_call.arguments is string %}
64
+ {{- tool_call.arguments }}
65
+ {%- else %}
66
+ {{- tool_call.arguments | tojson }}
67
+ {%- endif %}
68
+ {{- '}\n</tool_call>' }}
69
+ {%- endfor %}
70
+ {%- endif %}
71
+ {{- '<|im_end|>\n' }}
72
+ {%- elif message.role == "tool" %}
73
+ {%- if loop.first or (messages[loop.index0 - 1].role != "tool") %}
74
+ {{- '<|im_start|>user' }}
75
+ {%- endif %}
76
+ {{- '\n<tool_response>\n' }}
77
+ {{- content }}
78
+ {{- '\n</tool_response>' }}
79
+ {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %}
80
+ {{- '<|im_end|>\n' }}
81
+ {%- endif %}
82
+ {%- endif %}
83
+ {%- endfor %}
84
+ {%- if add_generation_prompt %}
85
+ {{- '<|im_start|>assistant\n' }}
86
+ {%- if enable_thinking is defined and enable_thinking is false %}
87
+ {{- '<think>\n\n</think>\n\n' }}
88
+ {%- endif %}
89
+ {%- endif %}
checkpoint-1000/merges.txt ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-1000/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:888353d1da4d630234d41b91788dd2aafb767cfb17ebf85761b00e83607c23e1
3
+ size 698777675
checkpoint-1000/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:a8e2011629d8bed3ef560fa11175cac55684c4e12a72634bb24abf767b6c7399
3
+ size 14645
checkpoint-1000/scaler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9779a733270277f15e820d84d3dfdfb3a66fd96b857f3f0109ac7f2b54244d67
3
+ size 1383
checkpoint-1000/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:7b938d276d47acf5a6dc15bc7c48a9e3e0ede2cc320ecd371c94b59541d8d616
3
+ size 1465
checkpoint-1000/special_tokens_map.json ADDED
@@ -0,0 +1,39 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "additional_special_tokens": [
3
+ {
4
+ "content": "<|response|>",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false
9
+ },
10
+ {
11
+ "content": "<|analysis|>",
12
+ "lstrip": false,
13
+ "normalized": false,
14
+ "rstrip": false,
15
+ "single_word": false
16
+ },
17
+ {
18
+ "content": "<|forecast|>",
19
+ "lstrip": false,
20
+ "normalized": false,
21
+ "rstrip": false,
22
+ "single_word": false
23
+ }
24
+ ],
25
+ "eos_token": {
26
+ "content": "<|im_end|>",
27
+ "lstrip": false,
28
+ "normalized": false,
29
+ "rstrip": false,
30
+ "single_word": false
31
+ },
32
+ "pad_token": {
33
+ "content": "<|endoftext|>",
34
+ "lstrip": false,
35
+ "normalized": false,
36
+ "rstrip": false,
37
+ "single_word": false
38
+ }
39
+ }
checkpoint-1000/tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:77247e5fb2e966d04e513068b17cca472e105e7c56953e9b1d27d70b93d77e6f
3
+ size 11423221
checkpoint-1000/tokenizer_config.json ADDED
@@ -0,0 +1,254 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": false,
3
+ "add_prefix_space": false,
4
+ "added_tokens_decoder": {
5
+ "151643": {
6
+ "content": "<|endoftext|>",
7
+ "lstrip": false,
8
+ "normalized": false,
9
+ "rstrip": false,
10
+ "single_word": false,
11
+ "special": true
12
+ },
13
+ "151644": {
14
+ "content": "<|im_start|>",
15
+ "lstrip": false,
16
+ "normalized": false,
17
+ "rstrip": false,
18
+ "single_word": false,
19
+ "special": true
20
+ },
21
+ "151645": {
22
+ "content": "<|im_end|>",
23
+ "lstrip": false,
24
+ "normalized": false,
25
+ "rstrip": false,
26
+ "single_word": false,
27
+ "special": true
28
+ },
29
+ "151646": {
30
+ "content": "<|object_ref_start|>",
31
+ "lstrip": false,
32
+ "normalized": false,
33
+ "rstrip": false,
34
+ "single_word": false,
35
+ "special": true
36
+ },
37
+ "151647": {
38
+ "content": "<|object_ref_end|>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false,
43
+ "special": true
44
+ },
45
+ "151648": {
46
+ "content": "<|box_start|>",
47
+ "lstrip": false,
48
+ "normalized": false,
49
+ "rstrip": false,
50
+ "single_word": false,
51
+ "special": true
52
+ },
53
+ "151649": {
54
+ "content": "<|box_end|>",
55
+ "lstrip": false,
56
+ "normalized": false,
57
+ "rstrip": false,
58
+ "single_word": false,
59
+ "special": true
60
+ },
61
+ "151650": {
62
+ "content": "<|quad_start|>",
63
+ "lstrip": false,
64
+ "normalized": false,
65
+ "rstrip": false,
66
+ "single_word": false,
67
+ "special": true
68
+ },
69
+ "151651": {
70
+ "content": "<|quad_end|>",
71
+ "lstrip": false,
72
+ "normalized": false,
73
+ "rstrip": false,
74
+ "single_word": false,
75
+ "special": true
76
+ },
77
+ "151652": {
78
+ "content": "<|vision_start|>",
79
+ "lstrip": false,
80
+ "normalized": false,
81
+ "rstrip": false,
82
+ "single_word": false,
83
+ "special": true
84
+ },
85
+ "151653": {
86
+ "content": "<|vision_end|>",
87
+ "lstrip": false,
88
+ "normalized": false,
89
+ "rstrip": false,
90
+ "single_word": false,
91
+ "special": true
92
+ },
93
+ "151654": {
94
+ "content": "<|vision_pad|>",
95
+ "lstrip": false,
96
+ "normalized": false,
97
+ "rstrip": false,
98
+ "single_word": false,
99
+ "special": true
100
+ },
101
+ "151655": {
102
+ "content": "<|image_pad|>",
103
+ "lstrip": false,
104
+ "normalized": false,
105
+ "rstrip": false,
106
+ "single_word": false,
107
+ "special": true
108
+ },
109
+ "151656": {
110
+ "content": "<|video_pad|>",
111
+ "lstrip": false,
112
+ "normalized": false,
113
+ "rstrip": false,
114
+ "single_word": false,
115
+ "special": true
116
+ },
117
+ "151657": {
118
+ "content": "<tool_call>",
119
+ "lstrip": false,
120
+ "normalized": false,
121
+ "rstrip": false,
122
+ "single_word": false,
123
+ "special": false
124
+ },
125
+ "151658": {
126
+ "content": "</tool_call>",
127
+ "lstrip": false,
128
+ "normalized": false,
129
+ "rstrip": false,
130
+ "single_word": false,
131
+ "special": false
132
+ },
133
+ "151659": {
134
+ "content": "<|fim_prefix|>",
135
+ "lstrip": false,
136
+ "normalized": false,
137
+ "rstrip": false,
138
+ "single_word": false,
139
+ "special": false
140
+ },
141
+ "151660": {
142
+ "content": "<|fim_middle|>",
143
+ "lstrip": false,
144
+ "normalized": false,
145
+ "rstrip": false,
146
+ "single_word": false,
147
+ "special": false
148
+ },
149
+ "151661": {
150
+ "content": "<|fim_suffix|>",
151
+ "lstrip": false,
152
+ "normalized": false,
153
+ "rstrip": false,
154
+ "single_word": false,
155
+ "special": false
156
+ },
157
+ "151662": {
158
+ "content": "<|fim_pad|>",
159
+ "lstrip": false,
160
+ "normalized": false,
161
+ "rstrip": false,
162
+ "single_word": false,
163
+ "special": false
164
+ },
165
+ "151663": {
166
+ "content": "<|repo_name|>",
167
+ "lstrip": false,
168
+ "normalized": false,
169
+ "rstrip": false,
170
+ "single_word": false,
171
+ "special": false
172
+ },
173
+ "151664": {
174
+ "content": "<|file_sep|>",
175
+ "lstrip": false,
176
+ "normalized": false,
177
+ "rstrip": false,
178
+ "single_word": false,
179
+ "special": false
180
+ },
181
+ "151665": {
182
+ "content": "<tool_response>",
183
+ "lstrip": false,
184
+ "normalized": false,
185
+ "rstrip": false,
186
+ "single_word": false,
187
+ "special": false
188
+ },
189
+ "151666": {
190
+ "content": "</tool_response>",
191
+ "lstrip": false,
192
+ "normalized": false,
193
+ "rstrip": false,
194
+ "single_word": false,
195
+ "special": false
196
+ },
197
+ "151667": {
198
+ "content": "<think>",
199
+ "lstrip": false,
200
+ "normalized": false,
201
+ "rstrip": false,
202
+ "single_word": false,
203
+ "special": false
204
+ },
205
+ "151668": {
206
+ "content": "</think>",
207
+ "lstrip": false,
208
+ "normalized": false,
209
+ "rstrip": false,
210
+ "single_word": false,
211
+ "special": false
212
+ },
213
+ "151669": {
214
+ "content": "<|response|>",
215
+ "lstrip": false,
216
+ "normalized": false,
217
+ "rstrip": false,
218
+ "single_word": false,
219
+ "special": true
220
+ },
221
+ "151670": {
222
+ "content": "<|analysis|>",
223
+ "lstrip": false,
224
+ "normalized": false,
225
+ "rstrip": false,
226
+ "single_word": false,
227
+ "special": true
228
+ },
229
+ "151671": {
230
+ "content": "<|forecast|>",
231
+ "lstrip": false,
232
+ "normalized": false,
233
+ "rstrip": false,
234
+ "single_word": false,
235
+ "special": true
236
+ }
237
+ },
238
+ "additional_special_tokens": [
239
+ "<|response|>",
240
+ "<|analysis|>",
241
+ "<|forecast|>"
242
+ ],
243
+ "bos_token": null,
244
+ "clean_up_tokenization_spaces": false,
245
+ "eos_token": "<|im_end|>",
246
+ "errors": "replace",
247
+ "extra_special_tokens": {},
248
+ "model_max_length": 40960,
249
+ "pad_token": "<|endoftext|>",
250
+ "padding_side": "right",
251
+ "split_special_tokens": false,
252
+ "tokenizer_class": "Qwen2Tokenizer",
253
+ "unk_token": null
254
+ }
checkpoint-1000/trainer_state.json ADDED
@@ -0,0 +1,3534 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 3.4722222222222223,
6
+ "eval_steps": 500,
7
+ "global_step": 1000,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.006944444444444444,
14
+ "grad_norm": 0.0001319512666668743,
15
+ "learning_rate": 3.448275862068966e-06,
16
+ "loss": 21.3796,
17
+ "step": 2
18
+ },
19
+ {
20
+ "epoch": 0.013888888888888888,
21
+ "grad_norm": 0.00012970938405487686,
22
+ "learning_rate": 1.0344827586206897e-05,
23
+ "loss": 2.5144,
24
+ "step": 4
25
+ },
26
+ {
27
+ "epoch": 0.020833333333333332,
28
+ "grad_norm": 0.00012933755351696163,
29
+ "learning_rate": 1.7241379310344828e-05,
30
+ "loss": 13.8026,
31
+ "step": 6
32
+ },
33
+ {
34
+ "epoch": 0.027777777777777776,
35
+ "grad_norm": 0.00012198727199574932,
36
+ "learning_rate": 2.413793103448276e-05,
37
+ "loss": 4.9835,
38
+ "step": 8
39
+ },
40
+ {
41
+ "epoch": 0.034722222222222224,
42
+ "grad_norm": 0.00010912115249084309,
43
+ "learning_rate": 3.103448275862069e-05,
44
+ "loss": 2.397,
45
+ "step": 10
46
+ },
47
+ {
48
+ "epoch": 0.041666666666666664,
49
+ "grad_norm": 9.947551734512672e-05,
50
+ "learning_rate": 3.793103448275862e-05,
51
+ "loss": 2.3169,
52
+ "step": 12
53
+ },
54
+ {
55
+ "epoch": 0.04861111111111111,
56
+ "grad_norm": 9.700353257358074e-05,
57
+ "learning_rate": 4.482758620689655e-05,
58
+ "loss": 2.2121,
59
+ "step": 14
60
+ },
61
+ {
62
+ "epoch": 0.05555555555555555,
63
+ "grad_norm": 0.00010787531937239692,
64
+ "learning_rate": 5.172413793103449e-05,
65
+ "loss": 2.5911,
66
+ "step": 16
67
+ },
68
+ {
69
+ "epoch": 0.0625,
70
+ "grad_norm": 0.00010262445721309632,
71
+ "learning_rate": 5.862068965517241e-05,
72
+ "loss": 1.9774,
73
+ "step": 18
74
+ },
75
+ {
76
+ "epoch": 0.06944444444444445,
77
+ "grad_norm": 8.186206105165184e-05,
78
+ "learning_rate": 6.551724137931034e-05,
79
+ "loss": 1.8391,
80
+ "step": 20
81
+ },
82
+ {
83
+ "epoch": 0.0763888888888889,
84
+ "grad_norm": 5.4703454225091264e-05,
85
+ "learning_rate": 7.241379310344828e-05,
86
+ "loss": 1.7289,
87
+ "step": 22
88
+ },
89
+ {
90
+ "epoch": 0.08333333333333333,
91
+ "grad_norm": 4.5757446059724316e-05,
92
+ "learning_rate": 7.931034482758621e-05,
93
+ "loss": 1.867,
94
+ "step": 24
95
+ },
96
+ {
97
+ "epoch": 0.09027777777777778,
98
+ "grad_norm": 8.86492634890601e-05,
99
+ "learning_rate": 8.620689655172413e-05,
100
+ "loss": 1.7276,
101
+ "step": 26
102
+ },
103
+ {
104
+ "epoch": 0.09722222222222222,
105
+ "grad_norm": 3.919301525456831e-05,
106
+ "learning_rate": 9.310344827586207e-05,
107
+ "loss": 1.6506,
108
+ "step": 28
109
+ },
110
+ {
111
+ "epoch": 0.10416666666666667,
112
+ "grad_norm": 5.642673568218015e-05,
113
+ "learning_rate": 0.0001,
114
+ "loss": 1.5732,
115
+ "step": 30
116
+ },
117
+ {
118
+ "epoch": 0.1111111111111111,
119
+ "grad_norm": 6.0812188166892156e-05,
120
+ "learning_rate": 0.00010689655172413792,
121
+ "loss": 1.5062,
122
+ "step": 32
123
+ },
124
+ {
125
+ "epoch": 0.11805555555555555,
126
+ "grad_norm": 2.352882074774243e-05,
127
+ "learning_rate": 0.00011379310344827588,
128
+ "loss": 1.393,
129
+ "step": 34
130
+ },
131
+ {
132
+ "epoch": 0.125,
133
+ "grad_norm": 3.3942505979212e-05,
134
+ "learning_rate": 0.0001206896551724138,
135
+ "loss": 1.3654,
136
+ "step": 36
137
+ },
138
+ {
139
+ "epoch": 0.13194444444444445,
140
+ "grad_norm": 2.9797614843118936e-05,
141
+ "learning_rate": 0.00012758620689655174,
142
+ "loss": 1.3662,
143
+ "step": 38
144
+ },
145
+ {
146
+ "epoch": 0.1388888888888889,
147
+ "grad_norm": 2.0893716282444075e-05,
148
+ "learning_rate": 0.00013448275862068965,
149
+ "loss": 1.344,
150
+ "step": 40
151
+ },
152
+ {
153
+ "epoch": 0.14583333333333334,
154
+ "grad_norm": 1.886891550384462e-05,
155
+ "learning_rate": 0.0001413793103448276,
156
+ "loss": 1.2809,
157
+ "step": 42
158
+ },
159
+ {
160
+ "epoch": 0.1527777777777778,
161
+ "grad_norm": 1.6420885003753938e-05,
162
+ "learning_rate": 0.00014827586206896554,
163
+ "loss": 1.2911,
164
+ "step": 44
165
+ },
166
+ {
167
+ "epoch": 0.1597222222222222,
168
+ "grad_norm": 2.6823576263268478e-05,
169
+ "learning_rate": 0.00015517241379310346,
170
+ "loss": 1.3095,
171
+ "step": 46
172
+ },
173
+ {
174
+ "epoch": 0.16666666666666666,
175
+ "grad_norm": 1.2686981790466234e-05,
176
+ "learning_rate": 0.00016206896551724137,
177
+ "loss": 1.2149,
178
+ "step": 48
179
+ },
180
+ {
181
+ "epoch": 0.1736111111111111,
182
+ "grad_norm": 1.0219813702860847e-05,
183
+ "learning_rate": 0.00016896551724137932,
184
+ "loss": 1.2522,
185
+ "step": 50
186
+ },
187
+ {
188
+ "epoch": 0.18055555555555555,
189
+ "grad_norm": 1.0080276297230739e-05,
190
+ "learning_rate": 0.00017586206896551723,
191
+ "loss": 1.2311,
192
+ "step": 52
193
+ },
194
+ {
195
+ "epoch": 0.1875,
196
+ "grad_norm": 9.221699656336568e-06,
197
+ "learning_rate": 0.00018275862068965518,
198
+ "loss": 1.2138,
199
+ "step": 54
200
+ },
201
+ {
202
+ "epoch": 0.19444444444444445,
203
+ "grad_norm": 1.0500927601242438e-05,
204
+ "learning_rate": 0.00018965517241379312,
205
+ "loss": 1.2149,
206
+ "step": 56
207
+ },
208
+ {
209
+ "epoch": 0.2013888888888889,
210
+ "grad_norm": 8.30852695798967e-06,
211
+ "learning_rate": 0.00019655172413793104,
212
+ "loss": 1.212,
213
+ "step": 58
214
+ },
215
+ {
216
+ "epoch": 0.20833333333333334,
217
+ "grad_norm": 1.2315202184254304e-05,
218
+ "learning_rate": 0.0001999995876796145,
219
+ "loss": 1.2239,
220
+ "step": 60
221
+ },
222
+ {
223
+ "epoch": 0.2152777777777778,
224
+ "grad_norm": 1.1090536645497195e-05,
225
+ "learning_rate": 0.00019999628913693117,
226
+ "loss": 1.2075,
227
+ "step": 62
228
+ },
229
+ {
230
+ "epoch": 0.2222222222222222,
231
+ "grad_norm": 1.1589069799811114e-05,
232
+ "learning_rate": 0.00019998969216036892,
233
+ "loss": 1.2026,
234
+ "step": 64
235
+ },
236
+ {
237
+ "epoch": 0.22916666666666666,
238
+ "grad_norm": 1.0656535778252874e-05,
239
+ "learning_rate": 0.0001999797969675326,
240
+ "loss": 1.2126,
241
+ "step": 66
242
+ },
243
+ {
244
+ "epoch": 0.2361111111111111,
245
+ "grad_norm": 9.856509677774739e-06,
246
+ "learning_rate": 0.00019996660388482083,
247
+ "loss": 1.166,
248
+ "step": 68
249
+ },
250
+ {
251
+ "epoch": 0.24305555555555555,
252
+ "grad_norm": 1.5398893083329313e-05,
253
+ "learning_rate": 0.00019995011334741477,
254
+ "loss": 1.215,
255
+ "step": 70
256
+ },
257
+ {
258
+ "epoch": 0.25,
259
+ "grad_norm": 8.422492101090029e-06,
260
+ "learning_rate": 0.00019993032589926414,
261
+ "loss": 1.1868,
262
+ "step": 72
263
+ },
264
+ {
265
+ "epoch": 0.2569444444444444,
266
+ "grad_norm": 8.810847248241771e-06,
267
+ "learning_rate": 0.00019990724219306902,
268
+ "loss": 1.1971,
269
+ "step": 74
270
+ },
271
+ {
272
+ "epoch": 0.2638888888888889,
273
+ "grad_norm": 1.1227813956793398e-05,
274
+ "learning_rate": 0.00019988086299025848,
275
+ "loss": 1.1684,
276
+ "step": 76
277
+ },
278
+ {
279
+ "epoch": 0.2708333333333333,
280
+ "grad_norm": 1.0562929674051702e-05,
281
+ "learning_rate": 0.00019985118916096534,
282
+ "loss": 1.1981,
283
+ "step": 78
284
+ },
285
+ {
286
+ "epoch": 0.2777777777777778,
287
+ "grad_norm": 1.521587728348095e-05,
288
+ "learning_rate": 0.00019981822168399756,
289
+ "loss": 1.1838,
290
+ "step": 80
291
+ },
292
+ {
293
+ "epoch": 0.2847222222222222,
294
+ "grad_norm": 1.0759257747849915e-05,
295
+ "learning_rate": 0.00019978196164680597,
296
+ "loss": 1.2032,
297
+ "step": 82
298
+ },
299
+ {
300
+ "epoch": 0.2916666666666667,
301
+ "grad_norm": 8.712796443433035e-06,
302
+ "learning_rate": 0.00019974241024544828,
303
+ "loss": 1.1937,
304
+ "step": 84
305
+ },
306
+ {
307
+ "epoch": 0.2986111111111111,
308
+ "grad_norm": 1.368098037346499e-05,
309
+ "learning_rate": 0.00019969956878454972,
310
+ "loss": 1.1965,
311
+ "step": 86
312
+ },
313
+ {
314
+ "epoch": 0.3055555555555556,
315
+ "grad_norm": 1.0317597116227262e-05,
316
+ "learning_rate": 0.00019965343867725998,
317
+ "loss": 1.1908,
318
+ "step": 88
319
+ },
320
+ {
321
+ "epoch": 0.3125,
322
+ "grad_norm": 1.0250181730953045e-05,
323
+ "learning_rate": 0.00019960402144520665,
324
+ "loss": 1.1983,
325
+ "step": 90
326
+ },
327
+ {
328
+ "epoch": 0.3194444444444444,
329
+ "grad_norm": 1.0102179658133537e-05,
330
+ "learning_rate": 0.00019955131871844488,
331
+ "loss": 1.1842,
332
+ "step": 92
333
+ },
334
+ {
335
+ "epoch": 0.3263888888888889,
336
+ "grad_norm": 8.509154213243164e-06,
337
+ "learning_rate": 0.00019949533223540385,
338
+ "loss": 1.1871,
339
+ "step": 94
340
+ },
341
+ {
342
+ "epoch": 0.3333333333333333,
343
+ "grad_norm": 8.434612027485855e-06,
344
+ "learning_rate": 0.00019943606384282916,
345
+ "loss": 1.2072,
346
+ "step": 96
347
+ },
348
+ {
349
+ "epoch": 0.3402777777777778,
350
+ "grad_norm": 1.0174206181545742e-05,
351
+ "learning_rate": 0.0001993735154957221,
352
+ "loss": 1.2088,
353
+ "step": 98
354
+ },
355
+ {
356
+ "epoch": 0.3472222222222222,
357
+ "grad_norm": 9.98695850285003e-06,
358
+ "learning_rate": 0.00019930768925727514,
359
+ "loss": 1.1847,
360
+ "step": 100
361
+ },
362
+ {
363
+ "epoch": 0.3541666666666667,
364
+ "grad_norm": 8.591785444878042e-06,
365
+ "learning_rate": 0.0001992385872988038,
366
+ "loss": 1.2041,
367
+ "step": 102
368
+ },
369
+ {
370
+ "epoch": 0.3611111111111111,
371
+ "grad_norm": 1.0436694537929725e-05,
372
+ "learning_rate": 0.00019916621189967502,
373
+ "loss": 1.2194,
374
+ "step": 104
375
+ },
376
+ {
377
+ "epoch": 0.3680555555555556,
378
+ "grad_norm": 1.137161689257482e-05,
379
+ "learning_rate": 0.00019909056544723213,
380
+ "loss": 1.1788,
381
+ "step": 106
382
+ },
383
+ {
384
+ "epoch": 0.375,
385
+ "grad_norm": 1.0015843145083636e-05,
386
+ "learning_rate": 0.00019901165043671593,
387
+ "loss": 1.1979,
388
+ "step": 108
389
+ },
390
+ {
391
+ "epoch": 0.3819444444444444,
392
+ "grad_norm": 1.0921584362222347e-05,
393
+ "learning_rate": 0.00019892946947118242,
394
+ "loss": 1.1836,
395
+ "step": 110
396
+ },
397
+ {
398
+ "epoch": 0.3888888888888889,
399
+ "grad_norm": 2.0685600247816183e-05,
400
+ "learning_rate": 0.00019884402526141709,
401
+ "loss": 1.1883,
402
+ "step": 112
403
+ },
404
+ {
405
+ "epoch": 0.3958333333333333,
406
+ "grad_norm": 1.0137908247997984e-05,
407
+ "learning_rate": 0.00019875532062584519,
408
+ "loss": 1.183,
409
+ "step": 114
410
+ },
411
+ {
412
+ "epoch": 0.4027777777777778,
413
+ "grad_norm": 1.1504852409416344e-05,
414
+ "learning_rate": 0.00019866335849043912,
415
+ "loss": 1.1957,
416
+ "step": 116
417
+ },
418
+ {
419
+ "epoch": 0.4097222222222222,
420
+ "grad_norm": 8.32590194477234e-06,
421
+ "learning_rate": 0.00019856814188862166,
422
+ "loss": 1.1605,
423
+ "step": 118
424
+ },
425
+ {
426
+ "epoch": 0.4166666666666667,
427
+ "grad_norm": 1.0243880751659162e-05,
428
+ "learning_rate": 0.000198469673961166,
429
+ "loss": 1.1787,
430
+ "step": 120
431
+ },
432
+ {
433
+ "epoch": 0.4236111111111111,
434
+ "grad_norm": 9.695215339888819e-06,
435
+ "learning_rate": 0.00019836795795609213,
436
+ "loss": 1.1849,
437
+ "step": 122
438
+ },
439
+ {
440
+ "epoch": 0.4305555555555556,
441
+ "grad_norm": 9.29382167669246e-06,
442
+ "learning_rate": 0.00019826299722855976,
443
+ "loss": 1.1779,
444
+ "step": 124
445
+ },
446
+ {
447
+ "epoch": 0.4375,
448
+ "grad_norm": 1.0769907930807676e-05,
449
+ "learning_rate": 0.00019815479524075758,
450
+ "loss": 1.1878,
451
+ "step": 126
452
+ },
453
+ {
454
+ "epoch": 0.4444444444444444,
455
+ "grad_norm": 1.0001721420849208e-05,
456
+ "learning_rate": 0.000198043355561789,
457
+ "loss": 1.1963,
458
+ "step": 128
459
+ },
460
+ {
461
+ "epoch": 0.4513888888888889,
462
+ "grad_norm": 1.2609498298843391e-05,
463
+ "learning_rate": 0.00019792868186755463,
464
+ "loss": 1.2135,
465
+ "step": 130
466
+ },
467
+ {
468
+ "epoch": 0.4583333333333333,
469
+ "grad_norm": 9.788008355826605e-06,
470
+ "learning_rate": 0.00019781077794063073,
471
+ "loss": 1.2,
472
+ "step": 132
473
+ },
474
+ {
475
+ "epoch": 0.4652777777777778,
476
+ "grad_norm": 1.0332081728847697e-05,
477
+ "learning_rate": 0.00019768964767014475,
478
+ "loss": 1.1747,
479
+ "step": 134
480
+ },
481
+ {
482
+ "epoch": 0.4722222222222222,
483
+ "grad_norm": 1.2005073585896753e-05,
484
+ "learning_rate": 0.00019756529505164682,
485
+ "loss": 1.1907,
486
+ "step": 136
487
+ },
488
+ {
489
+ "epoch": 0.4791666666666667,
490
+ "grad_norm": 8.512701242580079e-06,
491
+ "learning_rate": 0.00019743772418697806,
492
+ "loss": 1.2034,
493
+ "step": 138
494
+ },
495
+ {
496
+ "epoch": 0.4861111111111111,
497
+ "grad_norm": 1.081860773410881e-05,
498
+ "learning_rate": 0.0001973069392841352,
499
+ "loss": 1.1764,
500
+ "step": 140
501
+ },
502
+ {
503
+ "epoch": 0.4930555555555556,
504
+ "grad_norm": 1.0664197361620609e-05,
505
+ "learning_rate": 0.000197172944657132,
506
+ "loss": 1.169,
507
+ "step": 142
508
+ },
509
+ {
510
+ "epoch": 0.5,
511
+ "grad_norm": 8.31518536870135e-06,
512
+ "learning_rate": 0.00019703574472585648,
513
+ "loss": 1.1787,
514
+ "step": 144
515
+ },
516
+ {
517
+ "epoch": 0.5069444444444444,
518
+ "grad_norm": 9.874113857222255e-06,
519
+ "learning_rate": 0.00019689534401592568,
520
+ "loss": 1.1908,
521
+ "step": 146
522
+ },
523
+ {
524
+ "epoch": 0.5138888888888888,
525
+ "grad_norm": 1.027604412229266e-05,
526
+ "learning_rate": 0.00019675174715853605,
527
+ "loss": 1.2001,
528
+ "step": 148
529
+ },
530
+ {
531
+ "epoch": 0.5208333333333334,
532
+ "grad_norm": 1.5908390196273103e-05,
533
+ "learning_rate": 0.00019660495889031073,
534
+ "loss": 1.1771,
535
+ "step": 150
536
+ },
537
+ {
538
+ "epoch": 0.5277777777777778,
539
+ "grad_norm": 1.0185674909735098e-05,
540
+ "learning_rate": 0.00019645498405314337,
541
+ "loss": 1.1809,
542
+ "step": 152
543
+ },
544
+ {
545
+ "epoch": 0.5347222222222222,
546
+ "grad_norm": 1.4728296264365781e-05,
547
+ "learning_rate": 0.0001963018275940384,
548
+ "loss": 1.2066,
549
+ "step": 154
550
+ },
551
+ {
552
+ "epoch": 0.5416666666666666,
553
+ "grad_norm": 1.1691463441820815e-05,
554
+ "learning_rate": 0.00019614549456494778,
555
+ "loss": 1.1879,
556
+ "step": 156
557
+ },
558
+ {
559
+ "epoch": 0.5486111111111112,
560
+ "grad_norm": 1.1677379916363861e-05,
561
+ "learning_rate": 0.0001959859901226045,
562
+ "loss": 1.1758,
563
+ "step": 158
564
+ },
565
+ {
566
+ "epoch": 0.5555555555555556,
567
+ "grad_norm": 1.2042312846460845e-05,
568
+ "learning_rate": 0.0001958233195283524,
569
+ "loss": 1.1741,
570
+ "step": 160
571
+ },
572
+ {
573
+ "epoch": 0.5625,
574
+ "grad_norm": 1.5415562302223407e-05,
575
+ "learning_rate": 0.00019565748814797252,
576
+ "loss": 1.1855,
577
+ "step": 162
578
+ },
579
+ {
580
+ "epoch": 0.5694444444444444,
581
+ "grad_norm": 1.4021643437445164e-05,
582
+ "learning_rate": 0.00019548850145150633,
583
+ "loss": 1.1937,
584
+ "step": 164
585
+ },
586
+ {
587
+ "epoch": 0.5763888888888888,
588
+ "grad_norm": 1.470915594836697e-05,
589
+ "learning_rate": 0.00019531636501307512,
590
+ "loss": 1.1946,
591
+ "step": 166
592
+ },
593
+ {
594
+ "epoch": 0.5833333333333334,
595
+ "grad_norm": 1.355435324512655e-05,
596
+ "learning_rate": 0.00019514108451069615,
597
+ "loss": 1.1898,
598
+ "step": 168
599
+ },
600
+ {
601
+ "epoch": 0.5902777777777778,
602
+ "grad_norm": 1.642305687710177e-05,
603
+ "learning_rate": 0.00019496266572609547,
604
+ "loss": 1.1822,
605
+ "step": 170
606
+ },
607
+ {
608
+ "epoch": 0.5972222222222222,
609
+ "grad_norm": 1.8154083591070957e-05,
610
+ "learning_rate": 0.00019478111454451712,
611
+ "loss": 1.1751,
612
+ "step": 172
613
+ },
614
+ {
615
+ "epoch": 0.6041666666666666,
616
+ "grad_norm": 1.3315224350662902e-05,
617
+ "learning_rate": 0.00019459643695452904,
618
+ "loss": 1.1826,
619
+ "step": 174
620
+ },
621
+ {
622
+ "epoch": 0.6111111111111112,
623
+ "grad_norm": 1.2248892744537443e-05,
624
+ "learning_rate": 0.00019440863904782543,
625
+ "loss": 1.213,
626
+ "step": 176
627
+ },
628
+ {
629
+ "epoch": 0.6180555555555556,
630
+ "grad_norm": 1.7752956409822218e-05,
631
+ "learning_rate": 0.00019421772701902596,
632
+ "loss": 1.1833,
633
+ "step": 178
634
+ },
635
+ {
636
+ "epoch": 0.625,
637
+ "grad_norm": 1.744980545481667e-05,
638
+ "learning_rate": 0.00019402370716547135,
639
+ "loss": 1.1974,
640
+ "step": 180
641
+ },
642
+ {
643
+ "epoch": 0.6319444444444444,
644
+ "grad_norm": 1.9521774447639473e-05,
645
+ "learning_rate": 0.00019382658588701568,
646
+ "loss": 1.1931,
647
+ "step": 182
648
+ },
649
+ {
650
+ "epoch": 0.6388888888888888,
651
+ "grad_norm": 1.5161932424234692e-05,
652
+ "learning_rate": 0.00019362636968581524,
653
+ "loss": 1.1901,
654
+ "step": 184
655
+ },
656
+ {
657
+ "epoch": 0.6458333333333334,
658
+ "grad_norm": 1.868332583399024e-05,
659
+ "learning_rate": 0.00019342306516611417,
660
+ "loss": 1.2045,
661
+ "step": 186
662
+ },
663
+ {
664
+ "epoch": 0.6527777777777778,
665
+ "grad_norm": 2.162260534532834e-05,
666
+ "learning_rate": 0.00019321667903402642,
667
+ "loss": 1.1899,
668
+ "step": 188
669
+ },
670
+ {
671
+ "epoch": 0.6597222222222222,
672
+ "grad_norm": 1.507936030975543e-05,
673
+ "learning_rate": 0.00019300721809731476,
674
+ "loss": 1.2029,
675
+ "step": 190
676
+ },
677
+ {
678
+ "epoch": 0.6666666666666666,
679
+ "grad_norm": 2.0704670532722957e-05,
680
+ "learning_rate": 0.00019279468926516606,
681
+ "loss": 1.2063,
682
+ "step": 192
683
+ },
684
+ {
685
+ "epoch": 0.6736111111111112,
686
+ "grad_norm": 1.8972095858771354e-05,
687
+ "learning_rate": 0.0001925790995479635,
688
+ "loss": 1.1861,
689
+ "step": 194
690
+ },
691
+ {
692
+ "epoch": 0.6805555555555556,
693
+ "grad_norm": 1.5989120583981276e-05,
694
+ "learning_rate": 0.0001923604560570552,
695
+ "loss": 1.2143,
696
+ "step": 196
697
+ },
698
+ {
699
+ "epoch": 0.6875,
700
+ "grad_norm": 1.15529483082355e-05,
701
+ "learning_rate": 0.00019213876600451978,
702
+ "loss": 1.1939,
703
+ "step": 198
704
+ },
705
+ {
706
+ "epoch": 0.6944444444444444,
707
+ "grad_norm": 1.474355212849332e-05,
708
+ "learning_rate": 0.0001919140367029284,
709
+ "loss": 1.1909,
710
+ "step": 200
711
+ },
712
+ {
713
+ "epoch": 0.7013888888888888,
714
+ "grad_norm": 1.4453116818913259e-05,
715
+ "learning_rate": 0.00019168627556510358,
716
+ "loss": 1.1669,
717
+ "step": 202
718
+ },
719
+ {
720
+ "epoch": 0.7083333333333334,
721
+ "grad_norm": 1.5761746908538043e-05,
722
+ "learning_rate": 0.00019145549010387463,
723
+ "loss": 1.1724,
724
+ "step": 204
725
+ },
726
+ {
727
+ "epoch": 0.7152777777777778,
728
+ "grad_norm": 1.6146143025252968e-05,
729
+ "learning_rate": 0.00019122168793182987,
730
+ "loss": 1.1755,
731
+ "step": 206
732
+ },
733
+ {
734
+ "epoch": 0.7222222222222222,
735
+ "grad_norm": 1.3478926121024415e-05,
736
+ "learning_rate": 0.00019098487676106558,
737
+ "loss": 1.1972,
738
+ "step": 208
739
+ },
740
+ {
741
+ "epoch": 0.7291666666666666,
742
+ "grad_norm": 1.650435478950385e-05,
743
+ "learning_rate": 0.00019074506440293148,
744
+ "loss": 1.1689,
745
+ "step": 210
746
+ },
747
+ {
748
+ "epoch": 0.7361111111111112,
749
+ "grad_norm": 1.2287140634725802e-05,
750
+ "learning_rate": 0.00019050225876777316,
751
+ "loss": 1.1904,
752
+ "step": 212
753
+ },
754
+ {
755
+ "epoch": 0.7430555555555556,
756
+ "grad_norm": 1.4642901078332216e-05,
757
+ "learning_rate": 0.00019025646786467116,
758
+ "loss": 1.179,
759
+ "step": 214
760
+ },
761
+ {
762
+ "epoch": 0.75,
763
+ "grad_norm": 1.2564278222271241e-05,
764
+ "learning_rate": 0.00019000769980117682,
765
+ "loss": 1.1748,
766
+ "step": 216
767
+ },
768
+ {
769
+ "epoch": 0.7569444444444444,
770
+ "grad_norm": 1.6164931366802193e-05,
771
+ "learning_rate": 0.0001897559627830447,
772
+ "loss": 1.1975,
773
+ "step": 218
774
+ },
775
+ {
776
+ "epoch": 0.7638888888888888,
777
+ "grad_norm": 1.9057128156418912e-05,
778
+ "learning_rate": 0.000189501265113962,
779
+ "loss": 1.1759,
780
+ "step": 220
781
+ },
782
+ {
783
+ "epoch": 0.7708333333333334,
784
+ "grad_norm": 1.6131505617522635e-05,
785
+ "learning_rate": 0.00018924361519527473,
786
+ "loss": 1.1886,
787
+ "step": 222
788
+ },
789
+ {
790
+ "epoch": 0.7777777777777778,
791
+ "grad_norm": 1.875819725682959e-05,
792
+ "learning_rate": 0.00018898302152571043,
793
+ "loss": 1.198,
794
+ "step": 224
795
+ },
796
+ {
797
+ "epoch": 0.7847222222222222,
798
+ "grad_norm": 2.0776369638042524e-05,
799
+ "learning_rate": 0.000188719492701098,
800
+ "loss": 1.1851,
801
+ "step": 226
802
+ },
803
+ {
804
+ "epoch": 0.7916666666666666,
805
+ "grad_norm": 1.8655549865798093e-05,
806
+ "learning_rate": 0.000188453037414084,
807
+ "loss": 1.1942,
808
+ "step": 228
809
+ },
810
+ {
811
+ "epoch": 0.7986111111111112,
812
+ "grad_norm": 2.2143083697301336e-05,
813
+ "learning_rate": 0.0001881836644538461,
814
+ "loss": 1.1713,
815
+ "step": 230
816
+ },
817
+ {
818
+ "epoch": 0.8055555555555556,
819
+ "grad_norm": 1.975363375095185e-05,
820
+ "learning_rate": 0.000187911382705803,
821
+ "loss": 1.1768,
822
+ "step": 232
823
+ },
824
+ {
825
+ "epoch": 0.8125,
826
+ "grad_norm": 2.22298640437657e-05,
827
+ "learning_rate": 0.00018763620115132135,
828
+ "loss": 1.1878,
829
+ "step": 234
830
+ },
831
+ {
832
+ "epoch": 0.8194444444444444,
833
+ "grad_norm": 1.9831964891636744e-05,
834
+ "learning_rate": 0.00018735812886741968,
835
+ "loss": 1.1945,
836
+ "step": 236
837
+ },
838
+ {
839
+ "epoch": 0.8263888888888888,
840
+ "grad_norm": 2.3476728529203683e-05,
841
+ "learning_rate": 0.00018707717502646873,
842
+ "loss": 1.1759,
843
+ "step": 238
844
+ },
845
+ {
846
+ "epoch": 0.8333333333333334,
847
+ "grad_norm": 2.4707373086130247e-05,
848
+ "learning_rate": 0.0001867933488958891,
849
+ "loss": 1.207,
850
+ "step": 240
851
+ },
852
+ {
853
+ "epoch": 0.8402777777777778,
854
+ "grad_norm": 2.212941035395488e-05,
855
+ "learning_rate": 0.00018650665983784546,
856
+ "loss": 1.2087,
857
+ "step": 242
858
+ },
859
+ {
860
+ "epoch": 0.8472222222222222,
861
+ "grad_norm": 1.8686198018258438e-05,
862
+ "learning_rate": 0.00018621711730893776,
863
+ "loss": 1.1937,
864
+ "step": 244
865
+ },
866
+ {
867
+ "epoch": 0.8541666666666666,
868
+ "grad_norm": 2.0610183128155768e-05,
869
+ "learning_rate": 0.00018592473085988925,
870
+ "loss": 1.1864,
871
+ "step": 246
872
+ },
873
+ {
874
+ "epoch": 0.8611111111111112,
875
+ "grad_norm": 1.8564192941994406e-05,
876
+ "learning_rate": 0.00018562951013523154,
877
+ "loss": 1.1726,
878
+ "step": 248
879
+ },
880
+ {
881
+ "epoch": 0.8680555555555556,
882
+ "grad_norm": 2.2897967937751673e-05,
883
+ "learning_rate": 0.00018533146487298638,
884
+ "loss": 1.2127,
885
+ "step": 250
886
+ },
887
+ {
888
+ "epoch": 0.875,
889
+ "grad_norm": 2.0674704501288943e-05,
890
+ "learning_rate": 0.0001850306049043445,
891
+ "loss": 1.1884,
892
+ "step": 252
893
+ },
894
+ {
895
+ "epoch": 0.8819444444444444,
896
+ "grad_norm": 1.8763206753646955e-05,
897
+ "learning_rate": 0.00018472694015334132,
898
+ "loss": 1.1698,
899
+ "step": 254
900
+ },
901
+ {
902
+ "epoch": 0.8888888888888888,
903
+ "grad_norm": 4.040408748551272e-05,
904
+ "learning_rate": 0.00018442048063652952,
905
+ "loss": 1.1681,
906
+ "step": 256
907
+ },
908
+ {
909
+ "epoch": 0.8958333333333334,
910
+ "grad_norm": 2.0314189896453172e-05,
911
+ "learning_rate": 0.00018411123646264882,
912
+ "loss": 1.1708,
913
+ "step": 258
914
+ },
915
+ {
916
+ "epoch": 0.9027777777777778,
917
+ "grad_norm": 2.7322474124957807e-05,
918
+ "learning_rate": 0.0001837992178322923,
919
+ "loss": 1.1995,
920
+ "step": 260
921
+ },
922
+ {
923
+ "epoch": 0.9097222222222222,
924
+ "grad_norm": 2.6407045879750513e-05,
925
+ "learning_rate": 0.0001834844350375701,
926
+ "loss": 1.1898,
927
+ "step": 262
928
+ },
929
+ {
930
+ "epoch": 0.9166666666666666,
931
+ "grad_norm": 2.5243745767511427e-05,
932
+ "learning_rate": 0.00018316689846176992,
933
+ "loss": 1.1898,
934
+ "step": 264
935
+ },
936
+ {
937
+ "epoch": 0.9236111111111112,
938
+ "grad_norm": 2.753574517555535e-05,
939
+ "learning_rate": 0.00018284661857901436,
940
+ "loss": 1.187,
941
+ "step": 266
942
+ },
943
+ {
944
+ "epoch": 0.9305555555555556,
945
+ "grad_norm": 3.223833846277557e-05,
946
+ "learning_rate": 0.00018252360595391565,
947
+ "loss": 1.1908,
948
+ "step": 268
949
+ },
950
+ {
951
+ "epoch": 0.9375,
952
+ "grad_norm": 2.6311214242014103e-05,
953
+ "learning_rate": 0.00018219787124122708,
954
+ "loss": 1.206,
955
+ "step": 270
956
+ },
957
+ {
958
+ "epoch": 0.9444444444444444,
959
+ "grad_norm": 2.6744064598460682e-05,
960
+ "learning_rate": 0.00018186942518549145,
961
+ "loss": 1.2154,
962
+ "step": 272
963
+ },
964
+ {
965
+ "epoch": 0.9513888888888888,
966
+ "grad_norm": 2.5860512323561125e-05,
967
+ "learning_rate": 0.00018153827862068674,
968
+ "loss": 1.1825,
969
+ "step": 274
970
+ },
971
+ {
972
+ "epoch": 0.9583333333333334,
973
+ "grad_norm": 3.4333595976931974e-05,
974
+ "learning_rate": 0.00018120444246986882,
975
+ "loss": 1.1831,
976
+ "step": 276
977
+ },
978
+ {
979
+ "epoch": 0.9652777777777778,
980
+ "grad_norm": 3.32353483827319e-05,
981
+ "learning_rate": 0.00018086792774481102,
982
+ "loss": 1.2021,
983
+ "step": 278
984
+ },
985
+ {
986
+ "epoch": 0.9722222222222222,
987
+ "grad_norm": 3.6012690543429926e-05,
988
+ "learning_rate": 0.00018052874554564088,
989
+ "loss": 1.1799,
990
+ "step": 280
991
+ },
992
+ {
993
+ "epoch": 0.9791666666666666,
994
+ "grad_norm": 3.507096698740497e-05,
995
+ "learning_rate": 0.00018018690706047422,
996
+ "loss": 1.2028,
997
+ "step": 282
998
+ },
999
+ {
1000
+ "epoch": 0.9861111111111112,
1001
+ "grad_norm": 4.70953673357144e-05,
1002
+ "learning_rate": 0.00017984242356504585,
1003
+ "loss": 1.1677,
1004
+ "step": 284
1005
+ },
1006
+ {
1007
+ "epoch": 0.9930555555555556,
1008
+ "grad_norm": 3.5310935345478356e-05,
1009
+ "learning_rate": 0.00017949530642233773,
1010
+ "loss": 1.2099,
1011
+ "step": 286
1012
+ },
1013
+ {
1014
+ "epoch": 1.0,
1015
+ "grad_norm": 4.8496305680600926e-05,
1016
+ "learning_rate": 0.00017914556708220424,
1017
+ "loss": 1.195,
1018
+ "step": 288
1019
+ },
1020
+ {
1021
+ "epoch": 1.0069444444444444,
1022
+ "grad_norm": 4.527560668066144e-05,
1023
+ "learning_rate": 0.00017879321708099433,
1024
+ "loss": 1.2009,
1025
+ "step": 290
1026
+ },
1027
+ {
1028
+ "epoch": 1.0138888888888888,
1029
+ "grad_norm": 4.206915036775172e-05,
1030
+ "learning_rate": 0.0001784382680411711,
1031
+ "loss": 1.1736,
1032
+ "step": 292
1033
+ },
1034
+ {
1035
+ "epoch": 1.0208333333333333,
1036
+ "grad_norm": 4.1610346670495346e-05,
1037
+ "learning_rate": 0.0001780807316709284,
1038
+ "loss": 1.2031,
1039
+ "step": 294
1040
+ },
1041
+ {
1042
+ "epoch": 1.0277777777777777,
1043
+ "grad_norm": 5.509778202394955e-05,
1044
+ "learning_rate": 0.00017772061976380465,
1045
+ "loss": 1.1989,
1046
+ "step": 296
1047
+ },
1048
+ {
1049
+ "epoch": 1.0347222222222223,
1050
+ "grad_norm": 4.0269846067531034e-05,
1051
+ "learning_rate": 0.0001773579441982938,
1052
+ "loss": 1.1862,
1053
+ "step": 298
1054
+ },
1055
+ {
1056
+ "epoch": 1.0416666666666667,
1057
+ "grad_norm": 4.829439421882853e-05,
1058
+ "learning_rate": 0.0001769927169374535,
1059
+ "loss": 1.1962,
1060
+ "step": 300
1061
+ },
1062
+ {
1063
+ "epoch": 1.0486111111111112,
1064
+ "grad_norm": 4.680109486798756e-05,
1065
+ "learning_rate": 0.00017662495002851049,
1066
+ "loss": 1.1822,
1067
+ "step": 302
1068
+ },
1069
+ {
1070
+ "epoch": 1.0555555555555556,
1071
+ "grad_norm": 4.947670822730288e-05,
1072
+ "learning_rate": 0.0001762546556024633,
1073
+ "loss": 1.214,
1074
+ "step": 304
1075
+ },
1076
+ {
1077
+ "epoch": 1.0625,
1078
+ "grad_norm": 5.944677104707807e-05,
1079
+ "learning_rate": 0.00017588184587368196,
1080
+ "loss": 1.2075,
1081
+ "step": 306
1082
+ },
1083
+ {
1084
+ "epoch": 1.0694444444444444,
1085
+ "grad_norm": 6.578410102520138e-05,
1086
+ "learning_rate": 0.0001755065331395052,
1087
+ "loss": 1.2299,
1088
+ "step": 308
1089
+ },
1090
+ {
1091
+ "epoch": 1.0763888888888888,
1092
+ "grad_norm": 8.231692481786013e-05,
1093
+ "learning_rate": 0.00017512872977983482,
1094
+ "loss": 1.208,
1095
+ "step": 310
1096
+ },
1097
+ {
1098
+ "epoch": 1.0833333333333333,
1099
+ "grad_norm": 6.243359530344605e-05,
1100
+ "learning_rate": 0.00017474844825672727,
1101
+ "loss": 1.2286,
1102
+ "step": 312
1103
+ },
1104
+ {
1105
+ "epoch": 1.0902777777777777,
1106
+ "grad_norm": 8.204213372664526e-05,
1107
+ "learning_rate": 0.00017436570111398263,
1108
+ "loss": 1.2454,
1109
+ "step": 314
1110
+ },
1111
+ {
1112
+ "epoch": 1.0972222222222223,
1113
+ "grad_norm": 7.384664058918133e-05,
1114
+ "learning_rate": 0.00017398050097673081,
1115
+ "loss": 1.2061,
1116
+ "step": 316
1117
+ },
1118
+ {
1119
+ "epoch": 1.1041666666666667,
1120
+ "grad_norm": 7.188819290604442e-05,
1121
+ "learning_rate": 0.0001735928605510152,
1122
+ "loss": 1.2155,
1123
+ "step": 318
1124
+ },
1125
+ {
1126
+ "epoch": 1.1111111111111112,
1127
+ "grad_norm": 0.00010495231254026294,
1128
+ "learning_rate": 0.00017320279262337333,
1129
+ "loss": 1.236,
1130
+ "step": 320
1131
+ },
1132
+ {
1133
+ "epoch": 1.1180555555555556,
1134
+ "grad_norm": 9.512733231531456e-05,
1135
+ "learning_rate": 0.00017281031006041538,
1136
+ "loss": 1.253,
1137
+ "step": 322
1138
+ },
1139
+ {
1140
+ "epoch": 1.125,
1141
+ "grad_norm": 9.048975334735587e-05,
1142
+ "learning_rate": 0.00017241542580839964,
1143
+ "loss": 1.2448,
1144
+ "step": 324
1145
+ },
1146
+ {
1147
+ "epoch": 1.1319444444444444,
1148
+ "grad_norm": 8.587296906625852e-05,
1149
+ "learning_rate": 0.0001720181528928054,
1150
+ "loss": 1.2478,
1151
+ "step": 326
1152
+ },
1153
+ {
1154
+ "epoch": 1.1388888888888888,
1155
+ "grad_norm": 9.011059592012316e-05,
1156
+ "learning_rate": 0.00017161850441790332,
1157
+ "loss": 1.2569,
1158
+ "step": 328
1159
+ },
1160
+ {
1161
+ "epoch": 1.1458333333333333,
1162
+ "grad_norm": 9.588886314304546e-05,
1163
+ "learning_rate": 0.00017121649356632333,
1164
+ "loss": 1.2707,
1165
+ "step": 330
1166
+ },
1167
+ {
1168
+ "epoch": 1.1527777777777777,
1169
+ "grad_norm": 9.867311746347696e-05,
1170
+ "learning_rate": 0.00017081213359861964,
1171
+ "loss": 1.2893,
1172
+ "step": 332
1173
+ },
1174
+ {
1175
+ "epoch": 1.1597222222222223,
1176
+ "grad_norm": 0.00010548109275987372,
1177
+ "learning_rate": 0.00017040543785283336,
1178
+ "loss": 1.3716,
1179
+ "step": 334
1180
+ },
1181
+ {
1182
+ "epoch": 1.1666666666666667,
1183
+ "grad_norm": 9.849516936810687e-05,
1184
+ "learning_rate": 0.0001699964197440526,
1185
+ "loss": 1.3677,
1186
+ "step": 336
1187
+ },
1188
+ {
1189
+ "epoch": 1.1736111111111112,
1190
+ "grad_norm": 9.55751893343404e-05,
1191
+ "learning_rate": 0.00016958509276396986,
1192
+ "loss": 1.3871,
1193
+ "step": 338
1194
+ },
1195
+ {
1196
+ "epoch": 1.1805555555555556,
1197
+ "grad_norm": 8.779441122896969e-05,
1198
+ "learning_rate": 0.00016917147048043708,
1199
+ "loss": 1.4266,
1200
+ "step": 340
1201
+ },
1202
+ {
1203
+ "epoch": 1.1875,
1204
+ "grad_norm": 8.045154390856624e-05,
1205
+ "learning_rate": 0.00016875556653701807,
1206
+ "loss": 1.5035,
1207
+ "step": 342
1208
+ },
1209
+ {
1210
+ "epoch": 1.1944444444444444,
1211
+ "grad_norm": 7.365510100498796e-05,
1212
+ "learning_rate": 0.00016833739465253855,
1213
+ "loss": 1.532,
1214
+ "step": 344
1215
+ },
1216
+ {
1217
+ "epoch": 1.2013888888888888,
1218
+ "grad_norm": 6.366265006363392e-05,
1219
+ "learning_rate": 0.00016791696862063343,
1220
+ "loss": 1.5854,
1221
+ "step": 346
1222
+ },
1223
+ {
1224
+ "epoch": 1.2083333333333333,
1225
+ "grad_norm": 5.384908217820339e-05,
1226
+ "learning_rate": 0.0001674943023092921,
1227
+ "loss": 1.6161,
1228
+ "step": 348
1229
+ },
1230
+ {
1231
+ "epoch": 1.2152777777777777,
1232
+ "grad_norm": 4.3953212298220024e-05,
1233
+ "learning_rate": 0.00016706940966040062,
1234
+ "loss": 1.6505,
1235
+ "step": 350
1236
+ },
1237
+ {
1238
+ "epoch": 1.2222222222222223,
1239
+ "grad_norm": 4.8670408432371914e-05,
1240
+ "learning_rate": 0.00016664230468928226,
1241
+ "loss": 1.6546,
1242
+ "step": 352
1243
+ },
1244
+ {
1245
+ "epoch": 1.2291666666666667,
1246
+ "grad_norm": 4.31089210906066e-05,
1247
+ "learning_rate": 0.0001662130014842348,
1248
+ "loss": 1.6483,
1249
+ "step": 354
1250
+ },
1251
+ {
1252
+ "epoch": 1.2361111111111112,
1253
+ "grad_norm": 3.783537613344379e-05,
1254
+ "learning_rate": 0.0001657815142060661,
1255
+ "loss": 1.6821,
1256
+ "step": 356
1257
+ },
1258
+ {
1259
+ "epoch": 1.2430555555555556,
1260
+ "grad_norm": 3.4532826248323545e-05,
1261
+ "learning_rate": 0.00016534785708762693,
1262
+ "loss": 1.7036,
1263
+ "step": 358
1264
+ },
1265
+ {
1266
+ "epoch": 1.25,
1267
+ "grad_norm": 3.33928874169942e-05,
1268
+ "learning_rate": 0.0001649120444333414,
1269
+ "loss": 1.7133,
1270
+ "step": 360
1271
+ },
1272
+ {
1273
+ "epoch": 1.2569444444444444,
1274
+ "grad_norm": 3.3881518902489915e-05,
1275
+ "learning_rate": 0.0001644740906187352,
1276
+ "loss": 1.7246,
1277
+ "step": 362
1278
+ },
1279
+ {
1280
+ "epoch": 1.2638888888888888,
1281
+ "grad_norm": 2.9356864615692757e-05,
1282
+ "learning_rate": 0.0001640340100899614,
1283
+ "loss": 1.7653,
1284
+ "step": 364
1285
+ },
1286
+ {
1287
+ "epoch": 1.2708333333333333,
1288
+ "grad_norm": 3.071104583796114e-05,
1289
+ "learning_rate": 0.00016359181736332393,
1290
+ "loss": 1.8163,
1291
+ "step": 366
1292
+ },
1293
+ {
1294
+ "epoch": 1.2777777777777777,
1295
+ "grad_norm": 3.3303516829619184e-05,
1296
+ "learning_rate": 0.00016314752702479882,
1297
+ "loss": 1.8645,
1298
+ "step": 368
1299
+ },
1300
+ {
1301
+ "epoch": 1.2847222222222223,
1302
+ "grad_norm": 3.376286258571781e-05,
1303
+ "learning_rate": 0.00016270115372955286,
1304
+ "loss": 1.904,
1305
+ "step": 370
1306
+ },
1307
+ {
1308
+ "epoch": 1.2916666666666667,
1309
+ "grad_norm": 5.366417462937534e-05,
1310
+ "learning_rate": 0.0001622527122014605,
1311
+ "loss": 1.9253,
1312
+ "step": 372
1313
+ },
1314
+ {
1315
+ "epoch": 1.2986111111111112,
1316
+ "grad_norm": 3.328424281789921e-05,
1317
+ "learning_rate": 0.0001618022172326179,
1318
+ "loss": 1.9897,
1319
+ "step": 374
1320
+ },
1321
+ {
1322
+ "epoch": 1.3055555555555556,
1323
+ "grad_norm": 2.7745934858103283e-05,
1324
+ "learning_rate": 0.00016134968368285518,
1325
+ "loss": 2.0278,
1326
+ "step": 376
1327
+ },
1328
+ {
1329
+ "epoch": 1.3125,
1330
+ "grad_norm": 3.089087113039568e-05,
1331
+ "learning_rate": 0.0001608951264792462,
1332
+ "loss": 2.0393,
1333
+ "step": 378
1334
+ },
1335
+ {
1336
+ "epoch": 1.3194444444444444,
1337
+ "grad_norm": 3.455130718066357e-05,
1338
+ "learning_rate": 0.00016043856061561613,
1339
+ "loss": 2.0616,
1340
+ "step": 380
1341
+ },
1342
+ {
1343
+ "epoch": 1.3263888888888888,
1344
+ "grad_norm": 2.891979420382995e-05,
1345
+ "learning_rate": 0.000159980001152047,
1346
+ "loss": 2.0735,
1347
+ "step": 382
1348
+ },
1349
+ {
1350
+ "epoch": 1.3333333333333333,
1351
+ "grad_norm": 2.5224271666957065e-05,
1352
+ "learning_rate": 0.00015951946321438073,
1353
+ "loss": 2.1789,
1354
+ "step": 384
1355
+ },
1356
+ {
1357
+ "epoch": 1.3402777777777777,
1358
+ "grad_norm": 2.7425830921856686e-05,
1359
+ "learning_rate": 0.0001590569619937205,
1360
+ "loss": 2.1456,
1361
+ "step": 386
1362
+ },
1363
+ {
1364
+ "epoch": 1.3472222222222223,
1365
+ "grad_norm": 2.8204965929035097e-05,
1366
+ "learning_rate": 0.00015859251274592934,
1367
+ "loss": 2.1728,
1368
+ "step": 388
1369
+ },
1370
+ {
1371
+ "epoch": 1.3541666666666667,
1372
+ "grad_norm": 2.821902853611391e-05,
1373
+ "learning_rate": 0.00015812613079112708,
1374
+ "loss": 2.2326,
1375
+ "step": 390
1376
+ },
1377
+ {
1378
+ "epoch": 1.3611111111111112,
1379
+ "grad_norm": 2.6897825591731817e-05,
1380
+ "learning_rate": 0.00015765783151318506,
1381
+ "loss": 2.2963,
1382
+ "step": 392
1383
+ },
1384
+ {
1385
+ "epoch": 1.3680555555555556,
1386
+ "grad_norm": 3.4906293876701966e-05,
1387
+ "learning_rate": 0.00015718763035921847,
1388
+ "loss": 2.4097,
1389
+ "step": 394
1390
+ },
1391
+ {
1392
+ "epoch": 1.375,
1393
+ "grad_norm": 3.223119711037725e-05,
1394
+ "learning_rate": 0.00015671554283907705,
1395
+ "loss": 2.4404,
1396
+ "step": 396
1397
+ },
1398
+ {
1399
+ "epoch": 1.3819444444444444,
1400
+ "grad_norm": 3.1298048270400614e-05,
1401
+ "learning_rate": 0.00015624158452483337,
1402
+ "loss": 2.5603,
1403
+ "step": 398
1404
+ },
1405
+ {
1406
+ "epoch": 1.3888888888888888,
1407
+ "grad_norm": 4.206110679660924e-05,
1408
+ "learning_rate": 0.00015576577105026916,
1409
+ "loss": 2.695,
1410
+ "step": 400
1411
+ },
1412
+ {
1413
+ "epoch": 1.3958333333333333,
1414
+ "grad_norm": 7.035292219370604e-05,
1415
+ "learning_rate": 0.00015528811811035972,
1416
+ "loss": 2.9149,
1417
+ "step": 402
1418
+ },
1419
+ {
1420
+ "epoch": 1.4027777777777777,
1421
+ "grad_norm": 0.00011025326239177957,
1422
+ "learning_rate": 0.00015480864146075608,
1423
+ "loss": 3.4276,
1424
+ "step": 404
1425
+ },
1426
+ {
1427
+ "epoch": 1.4097222222222223,
1428
+ "grad_norm": 0.0001375137799186632,
1429
+ "learning_rate": 0.00015432735691726547,
1430
+ "loss": 3.8393,
1431
+ "step": 406
1432
+ },
1433
+ {
1434
+ "epoch": 1.4166666666666667,
1435
+ "grad_norm": 0.00015558676386717707,
1436
+ "learning_rate": 0.00015384428035532932,
1437
+ "loss": 4.228,
1438
+ "step": 408
1439
+ },
1440
+ {
1441
+ "epoch": 1.4236111111111112,
1442
+ "grad_norm": 0.00016118814528454095,
1443
+ "learning_rate": 0.00015335942770950003,
1444
+ "loss": 4.5641,
1445
+ "step": 410
1446
+ },
1447
+ {
1448
+ "epoch": 1.4305555555555556,
1449
+ "grad_norm": 0.0001592924090800807,
1450
+ "learning_rate": 0.00015287281497291497,
1451
+ "loss": 4.851,
1452
+ "step": 412
1453
+ },
1454
+ {
1455
+ "epoch": 1.4375,
1456
+ "grad_norm": 0.00015159139002207667,
1457
+ "learning_rate": 0.0001523844581967691,
1458
+ "loss": 5.0476,
1459
+ "step": 414
1460
+ },
1461
+ {
1462
+ "epoch": 1.4444444444444444,
1463
+ "grad_norm": 0.0001463508524466306,
1464
+ "learning_rate": 0.00015189437348978561,
1465
+ "loss": 5.1316,
1466
+ "step": 416
1467
+ },
1468
+ {
1469
+ "epoch": 1.4513888888888888,
1470
+ "grad_norm": 0.00018889355123974383,
1471
+ "learning_rate": 0.00015140257701768442,
1472
+ "loss": 5.4955,
1473
+ "step": 418
1474
+ },
1475
+ {
1476
+ "epoch": 1.4583333333333333,
1477
+ "grad_norm": 0.00014158397971186787,
1478
+ "learning_rate": 0.0001509090850026489,
1479
+ "loss": 5.5181,
1480
+ "step": 420
1481
+ },
1482
+ {
1483
+ "epoch": 1.4652777777777777,
1484
+ "grad_norm": 0.00013335797120817006,
1485
+ "learning_rate": 0.00015041391372279094,
1486
+ "loss": 5.675,
1487
+ "step": 422
1488
+ },
1489
+ {
1490
+ "epoch": 1.4722222222222223,
1491
+ "grad_norm": 0.00012022190639982,
1492
+ "learning_rate": 0.0001499170795116139,
1493
+ "loss": 5.6161,
1494
+ "step": 424
1495
+ },
1496
+ {
1497
+ "epoch": 1.4791666666666667,
1498
+ "grad_norm": 0.00010211220069322735,
1499
+ "learning_rate": 0.0001494185987574739,
1500
+ "loss": 5.6191,
1501
+ "step": 426
1502
+ },
1503
+ {
1504
+ "epoch": 1.4861111111111112,
1505
+ "grad_norm": 8.821386290946975e-05,
1506
+ "learning_rate": 0.0001489184879030392,
1507
+ "loss": 5.6616,
1508
+ "step": 428
1509
+ },
1510
+ {
1511
+ "epoch": 1.4930555555555556,
1512
+ "grad_norm": 8.532748324796557e-05,
1513
+ "learning_rate": 0.00014841676344474775,
1514
+ "loss": 5.6971,
1515
+ "step": 430
1516
+ },
1517
+ {
1518
+ "epoch": 1.5,
1519
+ "grad_norm": 8.207001519622281e-05,
1520
+ "learning_rate": 0.00014791344193226325,
1521
+ "loss": 5.7875,
1522
+ "step": 432
1523
+ },
1524
+ {
1525
+ "epoch": 1.5069444444444444,
1526
+ "grad_norm": 7.251853821799159e-05,
1527
+ "learning_rate": 0.00014740853996792903,
1528
+ "loss": 5.7305,
1529
+ "step": 434
1530
+ },
1531
+ {
1532
+ "epoch": 1.5138888888888888,
1533
+ "grad_norm": 0.00016514182789251208,
1534
+ "learning_rate": 0.00014690207420622062,
1535
+ "loss": 5.7891,
1536
+ "step": 436
1537
+ },
1538
+ {
1539
+ "epoch": 1.5208333333333335,
1540
+ "grad_norm": 6.044754263712093e-05,
1541
+ "learning_rate": 0.00014639406135319617,
1542
+ "loss": 6.0149,
1543
+ "step": 438
1544
+ },
1545
+ {
1546
+ "epoch": 1.5277777777777777,
1547
+ "grad_norm": 7.798307342454791e-05,
1548
+ "learning_rate": 0.0001458845181659456,
1549
+ "loss": 5.9835,
1550
+ "step": 440
1551
+ },
1552
+ {
1553
+ "epoch": 1.5347222222222223,
1554
+ "grad_norm": 5.688685632776469e-05,
1555
+ "learning_rate": 0.00014537346145203776,
1556
+ "loss": 6.145,
1557
+ "step": 442
1558
+ },
1559
+ {
1560
+ "epoch": 1.5416666666666665,
1561
+ "grad_norm": 5.519447586266324e-05,
1562
+ "learning_rate": 0.00014486090806896596,
1563
+ "loss": 6.1921,
1564
+ "step": 444
1565
+ },
1566
+ {
1567
+ "epoch": 1.5486111111111112,
1568
+ "grad_norm": 5.198594226385467e-05,
1569
+ "learning_rate": 0.00014434687492359202,
1570
+ "loss": 6.2428,
1571
+ "step": 446
1572
+ },
1573
+ {
1574
+ "epoch": 1.5555555555555556,
1575
+ "grad_norm": 5.4393378377426416e-05,
1576
+ "learning_rate": 0.00014383137897158857,
1577
+ "loss": 6.2366,
1578
+ "step": 448
1579
+ },
1580
+ {
1581
+ "epoch": 1.5625,
1582
+ "grad_norm": NaN,
1583
+ "learning_rate": 0.00014331443721687974,
1584
+ "loss": 6.5184,
1585
+ "step": 450
1586
+ },
1587
+ {
1588
+ "epoch": 1.5694444444444444,
1589
+ "grad_norm": NaN,
1590
+ "learning_rate": 0.00014331443721687974,
1591
+ "loss": 6.3582,
1592
+ "step": 452
1593
+ },
1594
+ {
1595
+ "epoch": 1.5763888888888888,
1596
+ "grad_norm": NaN,
1597
+ "learning_rate": 0.00014331443721687974,
1598
+ "loss": 6.4165,
1599
+ "step": 454
1600
+ },
1601
+ {
1602
+ "epoch": 1.5833333333333335,
1603
+ "grad_norm": NaN,
1604
+ "learning_rate": 0.00014331443721687974,
1605
+ "loss": 6.5681,
1606
+ "step": 456
1607
+ },
1608
+ {
1609
+ "epoch": 1.5902777777777777,
1610
+ "grad_norm": 0.013171161524951458,
1611
+ "learning_rate": 0.00014331443721687974,
1612
+ "loss": 6.4663,
1613
+ "step": 458
1614
+ },
1615
+ {
1616
+ "epoch": 1.5972222222222223,
1617
+ "grad_norm": NaN,
1618
+ "learning_rate": 0.00014305542949029284,
1619
+ "loss": 0.0,
1620
+ "step": 460
1621
+ },
1622
+ {
1623
+ "epoch": 1.6041666666666665,
1624
+ "grad_norm": NaN,
1625
+ "learning_rate": 0.00014305542949029284,
1626
+ "loss": 0.0,
1627
+ "step": 462
1628
+ },
1629
+ {
1630
+ "epoch": 1.6111111111111112,
1631
+ "grad_norm": NaN,
1632
+ "learning_rate": 0.00014305542949029284,
1633
+ "loss": 0.0,
1634
+ "step": 464
1635
+ },
1636
+ {
1637
+ "epoch": 1.6180555555555556,
1638
+ "grad_norm": NaN,
1639
+ "learning_rate": 0.00014305542949029284,
1640
+ "loss": 0.0,
1641
+ "step": 466
1642
+ },
1643
+ {
1644
+ "epoch": 1.625,
1645
+ "grad_norm": NaN,
1646
+ "learning_rate": 0.00014305542949029284,
1647
+ "loss": 0.0,
1648
+ "step": 468
1649
+ },
1650
+ {
1651
+ "epoch": 1.6319444444444444,
1652
+ "grad_norm": NaN,
1653
+ "learning_rate": 0.00014305542949029284,
1654
+ "loss": 0.0,
1655
+ "step": 470
1656
+ },
1657
+ {
1658
+ "epoch": 1.6388888888888888,
1659
+ "grad_norm": NaN,
1660
+ "learning_rate": 0.00014305542949029284,
1661
+ "loss": 0.0,
1662
+ "step": 472
1663
+ },
1664
+ {
1665
+ "epoch": 1.6458333333333335,
1666
+ "grad_norm": NaN,
1667
+ "learning_rate": 0.00014305542949029284,
1668
+ "loss": 0.0,
1669
+ "step": 474
1670
+ },
1671
+ {
1672
+ "epoch": 1.6527777777777777,
1673
+ "grad_norm": NaN,
1674
+ "learning_rate": 0.00014305542949029284,
1675
+ "loss": 0.0,
1676
+ "step": 476
1677
+ },
1678
+ {
1679
+ "epoch": 1.6597222222222223,
1680
+ "grad_norm": NaN,
1681
+ "learning_rate": 0.00014305542949029284,
1682
+ "loss": 0.0,
1683
+ "step": 478
1684
+ },
1685
+ {
1686
+ "epoch": 1.6666666666666665,
1687
+ "grad_norm": NaN,
1688
+ "learning_rate": 0.00014305542949029284,
1689
+ "loss": 0.0,
1690
+ "step": 480
1691
+ },
1692
+ {
1693
+ "epoch": 1.6736111111111112,
1694
+ "grad_norm": NaN,
1695
+ "learning_rate": 0.00014305542949029284,
1696
+ "loss": 0.0,
1697
+ "step": 482
1698
+ },
1699
+ {
1700
+ "epoch": 1.6805555555555556,
1701
+ "grad_norm": NaN,
1702
+ "learning_rate": 0.00014305542949029284,
1703
+ "loss": 0.0,
1704
+ "step": 484
1705
+ },
1706
+ {
1707
+ "epoch": 1.6875,
1708
+ "grad_norm": NaN,
1709
+ "learning_rate": 0.00014305542949029284,
1710
+ "loss": 0.0,
1711
+ "step": 486
1712
+ },
1713
+ {
1714
+ "epoch": 1.6944444444444444,
1715
+ "grad_norm": NaN,
1716
+ "learning_rate": 0.00014305542949029284,
1717
+ "loss": 0.0,
1718
+ "step": 488
1719
+ },
1720
+ {
1721
+ "epoch": 1.7013888888888888,
1722
+ "grad_norm": NaN,
1723
+ "learning_rate": 0.00014305542949029284,
1724
+ "loss": 0.0,
1725
+ "step": 490
1726
+ },
1727
+ {
1728
+ "epoch": 1.7083333333333335,
1729
+ "grad_norm": NaN,
1730
+ "learning_rate": 0.00014305542949029284,
1731
+ "loss": 0.0,
1732
+ "step": 492
1733
+ },
1734
+ {
1735
+ "epoch": 1.7152777777777777,
1736
+ "grad_norm": NaN,
1737
+ "learning_rate": 0.00014305542949029284,
1738
+ "loss": 0.0,
1739
+ "step": 494
1740
+ },
1741
+ {
1742
+ "epoch": 1.7222222222222223,
1743
+ "grad_norm": NaN,
1744
+ "learning_rate": 0.00014305542949029284,
1745
+ "loss": 0.0,
1746
+ "step": 496
1747
+ },
1748
+ {
1749
+ "epoch": 1.7291666666666665,
1750
+ "grad_norm": NaN,
1751
+ "learning_rate": 0.00014305542949029284,
1752
+ "loss": 0.0,
1753
+ "step": 498
1754
+ },
1755
+ {
1756
+ "epoch": 1.7361111111111112,
1757
+ "grad_norm": NaN,
1758
+ "learning_rate": 0.00014305542949029284,
1759
+ "loss": 0.0,
1760
+ "step": 500
1761
+ },
1762
+ {
1763
+ "epoch": 1.7430555555555556,
1764
+ "grad_norm": NaN,
1765
+ "learning_rate": 0.00014305542949029284,
1766
+ "loss": 0.0,
1767
+ "step": 502
1768
+ },
1769
+ {
1770
+ "epoch": 1.75,
1771
+ "grad_norm": NaN,
1772
+ "learning_rate": 0.00014305542949029284,
1773
+ "loss": 0.0,
1774
+ "step": 504
1775
+ },
1776
+ {
1777
+ "epoch": 1.7569444444444444,
1778
+ "grad_norm": NaN,
1779
+ "learning_rate": 0.00014305542949029284,
1780
+ "loss": 0.0,
1781
+ "step": 506
1782
+ },
1783
+ {
1784
+ "epoch": 1.7638888888888888,
1785
+ "grad_norm": NaN,
1786
+ "learning_rate": 0.00014305542949029284,
1787
+ "loss": 0.0,
1788
+ "step": 508
1789
+ },
1790
+ {
1791
+ "epoch": 1.7708333333333335,
1792
+ "grad_norm": NaN,
1793
+ "learning_rate": 0.00014305542949029284,
1794
+ "loss": 0.0,
1795
+ "step": 510
1796
+ },
1797
+ {
1798
+ "epoch": 1.7777777777777777,
1799
+ "grad_norm": NaN,
1800
+ "learning_rate": 0.00014305542949029284,
1801
+ "loss": 0.0,
1802
+ "step": 512
1803
+ },
1804
+ {
1805
+ "epoch": 1.7847222222222223,
1806
+ "grad_norm": NaN,
1807
+ "learning_rate": 0.00014305542949029284,
1808
+ "loss": 0.0,
1809
+ "step": 514
1810
+ },
1811
+ {
1812
+ "epoch": 1.7916666666666665,
1813
+ "grad_norm": NaN,
1814
+ "learning_rate": 0.00014305542949029284,
1815
+ "loss": 0.0,
1816
+ "step": 516
1817
+ },
1818
+ {
1819
+ "epoch": 1.7986111111111112,
1820
+ "grad_norm": NaN,
1821
+ "learning_rate": 0.00014305542949029284,
1822
+ "loss": 0.0,
1823
+ "step": 518
1824
+ },
1825
+ {
1826
+ "epoch": 1.8055555555555556,
1827
+ "grad_norm": NaN,
1828
+ "learning_rate": 0.00014305542949029284,
1829
+ "loss": 0.0,
1830
+ "step": 520
1831
+ },
1832
+ {
1833
+ "epoch": 1.8125,
1834
+ "grad_norm": NaN,
1835
+ "learning_rate": 0.00014305542949029284,
1836
+ "loss": 0.0,
1837
+ "step": 522
1838
+ },
1839
+ {
1840
+ "epoch": 1.8194444444444444,
1841
+ "grad_norm": NaN,
1842
+ "learning_rate": 0.00014305542949029284,
1843
+ "loss": 0.0,
1844
+ "step": 524
1845
+ },
1846
+ {
1847
+ "epoch": 1.8263888888888888,
1848
+ "grad_norm": NaN,
1849
+ "learning_rate": 0.00014305542949029284,
1850
+ "loss": 0.0,
1851
+ "step": 526
1852
+ },
1853
+ {
1854
+ "epoch": 1.8333333333333335,
1855
+ "grad_norm": NaN,
1856
+ "learning_rate": 0.00014305542949029284,
1857
+ "loss": 0.0,
1858
+ "step": 528
1859
+ },
1860
+ {
1861
+ "epoch": 1.8402777777777777,
1862
+ "grad_norm": NaN,
1863
+ "learning_rate": 0.00014305542949029284,
1864
+ "loss": 0.0,
1865
+ "step": 530
1866
+ },
1867
+ {
1868
+ "epoch": 1.8472222222222223,
1869
+ "grad_norm": NaN,
1870
+ "learning_rate": 0.00014305542949029284,
1871
+ "loss": 0.0,
1872
+ "step": 532
1873
+ },
1874
+ {
1875
+ "epoch": 1.8541666666666665,
1876
+ "grad_norm": NaN,
1877
+ "learning_rate": 0.00014305542949029284,
1878
+ "loss": 0.0,
1879
+ "step": 534
1880
+ },
1881
+ {
1882
+ "epoch": 1.8611111111111112,
1883
+ "grad_norm": NaN,
1884
+ "learning_rate": 0.00014305542949029284,
1885
+ "loss": 0.0,
1886
+ "step": 536
1887
+ },
1888
+ {
1889
+ "epoch": 1.8680555555555556,
1890
+ "grad_norm": NaN,
1891
+ "learning_rate": 0.00014305542949029284,
1892
+ "loss": 0.0,
1893
+ "step": 538
1894
+ },
1895
+ {
1896
+ "epoch": 1.875,
1897
+ "grad_norm": NaN,
1898
+ "learning_rate": 0.00014305542949029284,
1899
+ "loss": 0.0,
1900
+ "step": 540
1901
+ },
1902
+ {
1903
+ "epoch": 1.8819444444444444,
1904
+ "grad_norm": NaN,
1905
+ "learning_rate": 0.00014305542949029284,
1906
+ "loss": 0.0,
1907
+ "step": 542
1908
+ },
1909
+ {
1910
+ "epoch": 1.8888888888888888,
1911
+ "grad_norm": NaN,
1912
+ "learning_rate": 0.00014305542949029284,
1913
+ "loss": 0.0,
1914
+ "step": 544
1915
+ },
1916
+ {
1917
+ "epoch": 1.8958333333333335,
1918
+ "grad_norm": NaN,
1919
+ "learning_rate": 0.00014305542949029284,
1920
+ "loss": 0.0,
1921
+ "step": 546
1922
+ },
1923
+ {
1924
+ "epoch": 1.9027777777777777,
1925
+ "grad_norm": NaN,
1926
+ "learning_rate": 0.00014305542949029284,
1927
+ "loss": 0.0,
1928
+ "step": 548
1929
+ },
1930
+ {
1931
+ "epoch": 1.9097222222222223,
1932
+ "grad_norm": NaN,
1933
+ "learning_rate": 0.00014305542949029284,
1934
+ "loss": 0.0,
1935
+ "step": 550
1936
+ },
1937
+ {
1938
+ "epoch": 1.9166666666666665,
1939
+ "grad_norm": NaN,
1940
+ "learning_rate": 0.00014305542949029284,
1941
+ "loss": 0.0,
1942
+ "step": 552
1943
+ },
1944
+ {
1945
+ "epoch": 1.9236111111111112,
1946
+ "grad_norm": NaN,
1947
+ "learning_rate": 0.00014305542949029284,
1948
+ "loss": 0.0,
1949
+ "step": 554
1950
+ },
1951
+ {
1952
+ "epoch": 1.9305555555555556,
1953
+ "grad_norm": NaN,
1954
+ "learning_rate": 0.00014305542949029284,
1955
+ "loss": 0.0,
1956
+ "step": 556
1957
+ },
1958
+ {
1959
+ "epoch": 1.9375,
1960
+ "grad_norm": NaN,
1961
+ "learning_rate": 0.00014305542949029284,
1962
+ "loss": 0.0,
1963
+ "step": 558
1964
+ },
1965
+ {
1966
+ "epoch": 1.9444444444444444,
1967
+ "grad_norm": NaN,
1968
+ "learning_rate": 0.00014305542949029284,
1969
+ "loss": 0.0,
1970
+ "step": 560
1971
+ },
1972
+ {
1973
+ "epoch": 1.9513888888888888,
1974
+ "grad_norm": NaN,
1975
+ "learning_rate": 0.00014305542949029284,
1976
+ "loss": 0.0,
1977
+ "step": 562
1978
+ },
1979
+ {
1980
+ "epoch": 1.9583333333333335,
1981
+ "grad_norm": NaN,
1982
+ "learning_rate": 0.00014305542949029284,
1983
+ "loss": 0.0,
1984
+ "step": 564
1985
+ },
1986
+ {
1987
+ "epoch": 1.9652777777777777,
1988
+ "grad_norm": NaN,
1989
+ "learning_rate": 0.00014305542949029284,
1990
+ "loss": 0.0,
1991
+ "step": 566
1992
+ },
1993
+ {
1994
+ "epoch": 1.9722222222222223,
1995
+ "grad_norm": NaN,
1996
+ "learning_rate": 0.00014305542949029284,
1997
+ "loss": 0.0,
1998
+ "step": 568
1999
+ },
2000
+ {
2001
+ "epoch": 1.9791666666666665,
2002
+ "grad_norm": NaN,
2003
+ "learning_rate": 0.00014305542949029284,
2004
+ "loss": 0.0,
2005
+ "step": 570
2006
+ },
2007
+ {
2008
+ "epoch": 1.9861111111111112,
2009
+ "grad_norm": NaN,
2010
+ "learning_rate": 0.00014305542949029284,
2011
+ "loss": 0.0,
2012
+ "step": 572
2013
+ },
2014
+ {
2015
+ "epoch": 1.9930555555555556,
2016
+ "grad_norm": NaN,
2017
+ "learning_rate": 0.00014305542949029284,
2018
+ "loss": 0.0,
2019
+ "step": 574
2020
+ },
2021
+ {
2022
+ "epoch": 2.0,
2023
+ "grad_norm": NaN,
2024
+ "learning_rate": 0.00014305542949029284,
2025
+ "loss": 0.0,
2026
+ "step": 576
2027
+ },
2028
+ {
2029
+ "epoch": 2.0069444444444446,
2030
+ "grad_norm": NaN,
2031
+ "learning_rate": 0.00014305542949029284,
2032
+ "loss": 0.0,
2033
+ "step": 578
2034
+ },
2035
+ {
2036
+ "epoch": 2.013888888888889,
2037
+ "grad_norm": NaN,
2038
+ "learning_rate": 0.00014305542949029284,
2039
+ "loss": 0.0,
2040
+ "step": 580
2041
+ },
2042
+ {
2043
+ "epoch": 2.0208333333333335,
2044
+ "grad_norm": NaN,
2045
+ "learning_rate": 0.00014305542949029284,
2046
+ "loss": 0.0,
2047
+ "step": 582
2048
+ },
2049
+ {
2050
+ "epoch": 2.0277777777777777,
2051
+ "grad_norm": NaN,
2052
+ "learning_rate": 0.00014305542949029284,
2053
+ "loss": 0.0,
2054
+ "step": 584
2055
+ },
2056
+ {
2057
+ "epoch": 2.0347222222222223,
2058
+ "grad_norm": NaN,
2059
+ "learning_rate": 0.00014305542949029284,
2060
+ "loss": 0.0,
2061
+ "step": 586
2062
+ },
2063
+ {
2064
+ "epoch": 2.0416666666666665,
2065
+ "grad_norm": NaN,
2066
+ "learning_rate": 0.00014305542949029284,
2067
+ "loss": 0.0,
2068
+ "step": 588
2069
+ },
2070
+ {
2071
+ "epoch": 2.048611111111111,
2072
+ "grad_norm": NaN,
2073
+ "learning_rate": 0.00014305542949029284,
2074
+ "loss": 0.0,
2075
+ "step": 590
2076
+ },
2077
+ {
2078
+ "epoch": 2.0555555555555554,
2079
+ "grad_norm": NaN,
2080
+ "learning_rate": 0.00014305542949029284,
2081
+ "loss": 0.0,
2082
+ "step": 592
2083
+ },
2084
+ {
2085
+ "epoch": 2.0625,
2086
+ "grad_norm": NaN,
2087
+ "learning_rate": 0.00014305542949029284,
2088
+ "loss": 0.0,
2089
+ "step": 594
2090
+ },
2091
+ {
2092
+ "epoch": 2.0694444444444446,
2093
+ "grad_norm": NaN,
2094
+ "learning_rate": 0.00014305542949029284,
2095
+ "loss": 0.0,
2096
+ "step": 596
2097
+ },
2098
+ {
2099
+ "epoch": 2.076388888888889,
2100
+ "grad_norm": NaN,
2101
+ "learning_rate": 0.00014305542949029284,
2102
+ "loss": 0.0,
2103
+ "step": 598
2104
+ },
2105
+ {
2106
+ "epoch": 2.0833333333333335,
2107
+ "grad_norm": NaN,
2108
+ "learning_rate": 0.00014305542949029284,
2109
+ "loss": 0.0,
2110
+ "step": 600
2111
+ },
2112
+ {
2113
+ "epoch": 2.0902777777777777,
2114
+ "grad_norm": NaN,
2115
+ "learning_rate": 0.00014305542949029284,
2116
+ "loss": 0.0,
2117
+ "step": 602
2118
+ },
2119
+ {
2120
+ "epoch": 2.0972222222222223,
2121
+ "grad_norm": NaN,
2122
+ "learning_rate": 0.00014305542949029284,
2123
+ "loss": 0.0,
2124
+ "step": 604
2125
+ },
2126
+ {
2127
+ "epoch": 2.1041666666666665,
2128
+ "grad_norm": NaN,
2129
+ "learning_rate": 0.00014305542949029284,
2130
+ "loss": 0.0,
2131
+ "step": 606
2132
+ },
2133
+ {
2134
+ "epoch": 2.111111111111111,
2135
+ "grad_norm": NaN,
2136
+ "learning_rate": 0.00014305542949029284,
2137
+ "loss": 0.0,
2138
+ "step": 608
2139
+ },
2140
+ {
2141
+ "epoch": 2.1180555555555554,
2142
+ "grad_norm": NaN,
2143
+ "learning_rate": 0.00014305542949029284,
2144
+ "loss": 0.0,
2145
+ "step": 610
2146
+ },
2147
+ {
2148
+ "epoch": 2.125,
2149
+ "grad_norm": NaN,
2150
+ "learning_rate": 0.00014305542949029284,
2151
+ "loss": 0.0,
2152
+ "step": 612
2153
+ },
2154
+ {
2155
+ "epoch": 2.1319444444444446,
2156
+ "grad_norm": NaN,
2157
+ "learning_rate": 0.00014305542949029284,
2158
+ "loss": 0.0,
2159
+ "step": 614
2160
+ },
2161
+ {
2162
+ "epoch": 2.138888888888889,
2163
+ "grad_norm": NaN,
2164
+ "learning_rate": 0.00014305542949029284,
2165
+ "loss": 0.0,
2166
+ "step": 616
2167
+ },
2168
+ {
2169
+ "epoch": 2.1458333333333335,
2170
+ "grad_norm": NaN,
2171
+ "learning_rate": 0.00014305542949029284,
2172
+ "loss": 0.0,
2173
+ "step": 618
2174
+ },
2175
+ {
2176
+ "epoch": 2.1527777777777777,
2177
+ "grad_norm": NaN,
2178
+ "learning_rate": 0.00014305542949029284,
2179
+ "loss": 0.0,
2180
+ "step": 620
2181
+ },
2182
+ {
2183
+ "epoch": 2.1597222222222223,
2184
+ "grad_norm": NaN,
2185
+ "learning_rate": 0.00014305542949029284,
2186
+ "loss": 0.0,
2187
+ "step": 622
2188
+ },
2189
+ {
2190
+ "epoch": 2.1666666666666665,
2191
+ "grad_norm": NaN,
2192
+ "learning_rate": 0.00014305542949029284,
2193
+ "loss": 0.0,
2194
+ "step": 624
2195
+ },
2196
+ {
2197
+ "epoch": 2.173611111111111,
2198
+ "grad_norm": NaN,
2199
+ "learning_rate": 0.00014305542949029284,
2200
+ "loss": 0.0,
2201
+ "step": 626
2202
+ },
2203
+ {
2204
+ "epoch": 2.1805555555555554,
2205
+ "grad_norm": NaN,
2206
+ "learning_rate": 0.00014305542949029284,
2207
+ "loss": 0.0,
2208
+ "step": 628
2209
+ },
2210
+ {
2211
+ "epoch": 2.1875,
2212
+ "grad_norm": NaN,
2213
+ "learning_rate": 0.00014305542949029284,
2214
+ "loss": 0.0,
2215
+ "step": 630
2216
+ },
2217
+ {
2218
+ "epoch": 2.1944444444444446,
2219
+ "grad_norm": NaN,
2220
+ "learning_rate": 0.00014305542949029284,
2221
+ "loss": 0.0,
2222
+ "step": 632
2223
+ },
2224
+ {
2225
+ "epoch": 2.201388888888889,
2226
+ "grad_norm": NaN,
2227
+ "learning_rate": 0.00014305542949029284,
2228
+ "loss": 0.0,
2229
+ "step": 634
2230
+ },
2231
+ {
2232
+ "epoch": 2.2083333333333335,
2233
+ "grad_norm": NaN,
2234
+ "learning_rate": 0.00014305542949029284,
2235
+ "loss": 0.0,
2236
+ "step": 636
2237
+ },
2238
+ {
2239
+ "epoch": 2.2152777777777777,
2240
+ "grad_norm": NaN,
2241
+ "learning_rate": 0.00014305542949029284,
2242
+ "loss": 0.0,
2243
+ "step": 638
2244
+ },
2245
+ {
2246
+ "epoch": 2.2222222222222223,
2247
+ "grad_norm": NaN,
2248
+ "learning_rate": 0.00014305542949029284,
2249
+ "loss": 0.0,
2250
+ "step": 640
2251
+ },
2252
+ {
2253
+ "epoch": 2.2291666666666665,
2254
+ "grad_norm": NaN,
2255
+ "learning_rate": 0.00014305542949029284,
2256
+ "loss": 0.0,
2257
+ "step": 642
2258
+ },
2259
+ {
2260
+ "epoch": 2.236111111111111,
2261
+ "grad_norm": NaN,
2262
+ "learning_rate": 0.00014305542949029284,
2263
+ "loss": 0.0,
2264
+ "step": 644
2265
+ },
2266
+ {
2267
+ "epoch": 2.2430555555555554,
2268
+ "grad_norm": NaN,
2269
+ "learning_rate": 0.00014305542949029284,
2270
+ "loss": 0.0,
2271
+ "step": 646
2272
+ },
2273
+ {
2274
+ "epoch": 2.25,
2275
+ "grad_norm": NaN,
2276
+ "learning_rate": 0.00014305542949029284,
2277
+ "loss": 0.0,
2278
+ "step": 648
2279
+ },
2280
+ {
2281
+ "epoch": 2.2569444444444446,
2282
+ "grad_norm": NaN,
2283
+ "learning_rate": 0.00014305542949029284,
2284
+ "loss": 0.0,
2285
+ "step": 650
2286
+ },
2287
+ {
2288
+ "epoch": 2.263888888888889,
2289
+ "grad_norm": NaN,
2290
+ "learning_rate": 0.00014305542949029284,
2291
+ "loss": 0.0,
2292
+ "step": 652
2293
+ },
2294
+ {
2295
+ "epoch": 2.2708333333333335,
2296
+ "grad_norm": NaN,
2297
+ "learning_rate": 0.00014305542949029284,
2298
+ "loss": 0.0,
2299
+ "step": 654
2300
+ },
2301
+ {
2302
+ "epoch": 2.2777777777777777,
2303
+ "grad_norm": NaN,
2304
+ "learning_rate": 0.00014305542949029284,
2305
+ "loss": 0.0,
2306
+ "step": 656
2307
+ },
2308
+ {
2309
+ "epoch": 2.2847222222222223,
2310
+ "grad_norm": NaN,
2311
+ "learning_rate": 0.00014305542949029284,
2312
+ "loss": 0.0,
2313
+ "step": 658
2314
+ },
2315
+ {
2316
+ "epoch": 2.2916666666666665,
2317
+ "grad_norm": NaN,
2318
+ "learning_rate": 0.00014305542949029284,
2319
+ "loss": 0.0,
2320
+ "step": 660
2321
+ },
2322
+ {
2323
+ "epoch": 2.298611111111111,
2324
+ "grad_norm": NaN,
2325
+ "learning_rate": 0.00014305542949029284,
2326
+ "loss": 0.0,
2327
+ "step": 662
2328
+ },
2329
+ {
2330
+ "epoch": 2.3055555555555554,
2331
+ "grad_norm": NaN,
2332
+ "learning_rate": 0.00014305542949029284,
2333
+ "loss": 0.0,
2334
+ "step": 664
2335
+ },
2336
+ {
2337
+ "epoch": 2.3125,
2338
+ "grad_norm": NaN,
2339
+ "learning_rate": 0.00014305542949029284,
2340
+ "loss": 0.0,
2341
+ "step": 666
2342
+ },
2343
+ {
2344
+ "epoch": 2.3194444444444446,
2345
+ "grad_norm": NaN,
2346
+ "learning_rate": 0.00014305542949029284,
2347
+ "loss": 0.0,
2348
+ "step": 668
2349
+ },
2350
+ {
2351
+ "epoch": 2.326388888888889,
2352
+ "grad_norm": NaN,
2353
+ "learning_rate": 0.00014305542949029284,
2354
+ "loss": 0.0,
2355
+ "step": 670
2356
+ },
2357
+ {
2358
+ "epoch": 2.3333333333333335,
2359
+ "grad_norm": NaN,
2360
+ "learning_rate": 0.00014305542949029284,
2361
+ "loss": 0.0,
2362
+ "step": 672
2363
+ },
2364
+ {
2365
+ "epoch": 2.3402777777777777,
2366
+ "grad_norm": NaN,
2367
+ "learning_rate": 0.00014305542949029284,
2368
+ "loss": 0.0,
2369
+ "step": 674
2370
+ },
2371
+ {
2372
+ "epoch": 2.3472222222222223,
2373
+ "grad_norm": NaN,
2374
+ "learning_rate": 0.00014305542949029284,
2375
+ "loss": 0.0,
2376
+ "step": 676
2377
+ },
2378
+ {
2379
+ "epoch": 2.3541666666666665,
2380
+ "grad_norm": NaN,
2381
+ "learning_rate": 0.00014305542949029284,
2382
+ "loss": 0.0,
2383
+ "step": 678
2384
+ },
2385
+ {
2386
+ "epoch": 2.361111111111111,
2387
+ "grad_norm": NaN,
2388
+ "learning_rate": 0.00014305542949029284,
2389
+ "loss": 0.0,
2390
+ "step": 680
2391
+ },
2392
+ {
2393
+ "epoch": 2.3680555555555554,
2394
+ "grad_norm": NaN,
2395
+ "learning_rate": 0.00014305542949029284,
2396
+ "loss": 0.0,
2397
+ "step": 682
2398
+ },
2399
+ {
2400
+ "epoch": 2.375,
2401
+ "grad_norm": NaN,
2402
+ "learning_rate": 0.00014305542949029284,
2403
+ "loss": 0.0,
2404
+ "step": 684
2405
+ },
2406
+ {
2407
+ "epoch": 2.3819444444444446,
2408
+ "grad_norm": NaN,
2409
+ "learning_rate": 0.00014305542949029284,
2410
+ "loss": 0.0,
2411
+ "step": 686
2412
+ },
2413
+ {
2414
+ "epoch": 2.388888888888889,
2415
+ "grad_norm": NaN,
2416
+ "learning_rate": 0.00014305542949029284,
2417
+ "loss": 0.0,
2418
+ "step": 688
2419
+ },
2420
+ {
2421
+ "epoch": 2.3958333333333335,
2422
+ "grad_norm": NaN,
2423
+ "learning_rate": 0.00014305542949029284,
2424
+ "loss": 0.0,
2425
+ "step": 690
2426
+ },
2427
+ {
2428
+ "epoch": 2.4027777777777777,
2429
+ "grad_norm": NaN,
2430
+ "learning_rate": 0.00014305542949029284,
2431
+ "loss": 0.0,
2432
+ "step": 692
2433
+ },
2434
+ {
2435
+ "epoch": 2.4097222222222223,
2436
+ "grad_norm": NaN,
2437
+ "learning_rate": 0.00014305542949029284,
2438
+ "loss": 0.0,
2439
+ "step": 694
2440
+ },
2441
+ {
2442
+ "epoch": 2.4166666666666665,
2443
+ "grad_norm": NaN,
2444
+ "learning_rate": 0.00014305542949029284,
2445
+ "loss": 0.0,
2446
+ "step": 696
2447
+ },
2448
+ {
2449
+ "epoch": 2.423611111111111,
2450
+ "grad_norm": NaN,
2451
+ "learning_rate": 0.00014305542949029284,
2452
+ "loss": 0.0,
2453
+ "step": 698
2454
+ },
2455
+ {
2456
+ "epoch": 2.4305555555555554,
2457
+ "grad_norm": NaN,
2458
+ "learning_rate": 0.00014305542949029284,
2459
+ "loss": 0.0,
2460
+ "step": 700
2461
+ },
2462
+ {
2463
+ "epoch": 2.4375,
2464
+ "grad_norm": NaN,
2465
+ "learning_rate": 0.00014305542949029284,
2466
+ "loss": 0.0,
2467
+ "step": 702
2468
+ },
2469
+ {
2470
+ "epoch": 2.4444444444444446,
2471
+ "grad_norm": NaN,
2472
+ "learning_rate": 0.00014305542949029284,
2473
+ "loss": 0.0,
2474
+ "step": 704
2475
+ },
2476
+ {
2477
+ "epoch": 2.451388888888889,
2478
+ "grad_norm": NaN,
2479
+ "learning_rate": 0.00014305542949029284,
2480
+ "loss": 0.0,
2481
+ "step": 706
2482
+ },
2483
+ {
2484
+ "epoch": 2.4583333333333335,
2485
+ "grad_norm": NaN,
2486
+ "learning_rate": 0.00014305542949029284,
2487
+ "loss": 0.0,
2488
+ "step": 708
2489
+ },
2490
+ {
2491
+ "epoch": 2.4652777777777777,
2492
+ "grad_norm": NaN,
2493
+ "learning_rate": 0.00014305542949029284,
2494
+ "loss": 0.0,
2495
+ "step": 710
2496
+ },
2497
+ {
2498
+ "epoch": 2.4722222222222223,
2499
+ "grad_norm": NaN,
2500
+ "learning_rate": 0.00014305542949029284,
2501
+ "loss": 0.0,
2502
+ "step": 712
2503
+ },
2504
+ {
2505
+ "epoch": 2.4791666666666665,
2506
+ "grad_norm": NaN,
2507
+ "learning_rate": 0.00014305542949029284,
2508
+ "loss": 0.0,
2509
+ "step": 714
2510
+ },
2511
+ {
2512
+ "epoch": 2.486111111111111,
2513
+ "grad_norm": NaN,
2514
+ "learning_rate": 0.00014305542949029284,
2515
+ "loss": 0.0,
2516
+ "step": 716
2517
+ },
2518
+ {
2519
+ "epoch": 2.4930555555555554,
2520
+ "grad_norm": NaN,
2521
+ "learning_rate": 0.00014305542949029284,
2522
+ "loss": 0.0,
2523
+ "step": 718
2524
+ },
2525
+ {
2526
+ "epoch": 2.5,
2527
+ "grad_norm": NaN,
2528
+ "learning_rate": 0.00014305542949029284,
2529
+ "loss": 0.0,
2530
+ "step": 720
2531
+ },
2532
+ {
2533
+ "epoch": 2.5069444444444446,
2534
+ "grad_norm": NaN,
2535
+ "learning_rate": 0.00014305542949029284,
2536
+ "loss": 0.0,
2537
+ "step": 722
2538
+ },
2539
+ {
2540
+ "epoch": 2.513888888888889,
2541
+ "grad_norm": NaN,
2542
+ "learning_rate": 0.00014305542949029284,
2543
+ "loss": 0.0,
2544
+ "step": 724
2545
+ },
2546
+ {
2547
+ "epoch": 2.5208333333333335,
2548
+ "grad_norm": NaN,
2549
+ "learning_rate": 0.00014305542949029284,
2550
+ "loss": 0.0,
2551
+ "step": 726
2552
+ },
2553
+ {
2554
+ "epoch": 2.5277777777777777,
2555
+ "grad_norm": NaN,
2556
+ "learning_rate": 0.00014305542949029284,
2557
+ "loss": 0.0,
2558
+ "step": 728
2559
+ },
2560
+ {
2561
+ "epoch": 2.5347222222222223,
2562
+ "grad_norm": NaN,
2563
+ "learning_rate": 0.00014305542949029284,
2564
+ "loss": 0.0,
2565
+ "step": 730
2566
+ },
2567
+ {
2568
+ "epoch": 2.5416666666666665,
2569
+ "grad_norm": NaN,
2570
+ "learning_rate": 0.00014305542949029284,
2571
+ "loss": 0.0,
2572
+ "step": 732
2573
+ },
2574
+ {
2575
+ "epoch": 2.548611111111111,
2576
+ "grad_norm": NaN,
2577
+ "learning_rate": 0.00014305542949029284,
2578
+ "loss": 0.0,
2579
+ "step": 734
2580
+ },
2581
+ {
2582
+ "epoch": 2.5555555555555554,
2583
+ "grad_norm": NaN,
2584
+ "learning_rate": 0.00014305542949029284,
2585
+ "loss": 0.0,
2586
+ "step": 736
2587
+ },
2588
+ {
2589
+ "epoch": 2.5625,
2590
+ "grad_norm": NaN,
2591
+ "learning_rate": 0.00014305542949029284,
2592
+ "loss": 0.0,
2593
+ "step": 738
2594
+ },
2595
+ {
2596
+ "epoch": 2.5694444444444446,
2597
+ "grad_norm": NaN,
2598
+ "learning_rate": 0.00014305542949029284,
2599
+ "loss": 0.0,
2600
+ "step": 740
2601
+ },
2602
+ {
2603
+ "epoch": 2.576388888888889,
2604
+ "grad_norm": NaN,
2605
+ "learning_rate": 0.00014305542949029284,
2606
+ "loss": 0.0,
2607
+ "step": 742
2608
+ },
2609
+ {
2610
+ "epoch": 2.5833333333333335,
2611
+ "grad_norm": NaN,
2612
+ "learning_rate": 0.00014305542949029284,
2613
+ "loss": 0.0,
2614
+ "step": 744
2615
+ },
2616
+ {
2617
+ "epoch": 2.5902777777777777,
2618
+ "grad_norm": NaN,
2619
+ "learning_rate": 0.00014305542949029284,
2620
+ "loss": 0.0,
2621
+ "step": 746
2622
+ },
2623
+ {
2624
+ "epoch": 2.5972222222222223,
2625
+ "grad_norm": NaN,
2626
+ "learning_rate": 0.00014305542949029284,
2627
+ "loss": 0.0,
2628
+ "step": 748
2629
+ },
2630
+ {
2631
+ "epoch": 2.6041666666666665,
2632
+ "grad_norm": NaN,
2633
+ "learning_rate": 0.00014305542949029284,
2634
+ "loss": 0.0,
2635
+ "step": 750
2636
+ },
2637
+ {
2638
+ "epoch": 2.611111111111111,
2639
+ "grad_norm": NaN,
2640
+ "learning_rate": 0.00014305542949029284,
2641
+ "loss": 0.0,
2642
+ "step": 752
2643
+ },
2644
+ {
2645
+ "epoch": 2.6180555555555554,
2646
+ "grad_norm": NaN,
2647
+ "learning_rate": 0.00014305542949029284,
2648
+ "loss": 0.0,
2649
+ "step": 754
2650
+ },
2651
+ {
2652
+ "epoch": 2.625,
2653
+ "grad_norm": NaN,
2654
+ "learning_rate": 0.00014305542949029284,
2655
+ "loss": 0.0,
2656
+ "step": 756
2657
+ },
2658
+ {
2659
+ "epoch": 2.6319444444444446,
2660
+ "grad_norm": NaN,
2661
+ "learning_rate": 0.00014305542949029284,
2662
+ "loss": 0.0,
2663
+ "step": 758
2664
+ },
2665
+ {
2666
+ "epoch": 2.638888888888889,
2667
+ "grad_norm": NaN,
2668
+ "learning_rate": 0.00014305542949029284,
2669
+ "loss": 0.0,
2670
+ "step": 760
2671
+ },
2672
+ {
2673
+ "epoch": 2.6458333333333335,
2674
+ "grad_norm": NaN,
2675
+ "learning_rate": 0.00014305542949029284,
2676
+ "loss": 0.0,
2677
+ "step": 762
2678
+ },
2679
+ {
2680
+ "epoch": 2.6527777777777777,
2681
+ "grad_norm": NaN,
2682
+ "learning_rate": 0.00014305542949029284,
2683
+ "loss": 0.0,
2684
+ "step": 764
2685
+ },
2686
+ {
2687
+ "epoch": 2.6597222222222223,
2688
+ "grad_norm": NaN,
2689
+ "learning_rate": 0.00014305542949029284,
2690
+ "loss": 0.0,
2691
+ "step": 766
2692
+ },
2693
+ {
2694
+ "epoch": 2.6666666666666665,
2695
+ "grad_norm": NaN,
2696
+ "learning_rate": 0.00014305542949029284,
2697
+ "loss": 0.0,
2698
+ "step": 768
2699
+ },
2700
+ {
2701
+ "epoch": 2.673611111111111,
2702
+ "grad_norm": NaN,
2703
+ "learning_rate": 0.00014305542949029284,
2704
+ "loss": 0.0,
2705
+ "step": 770
2706
+ },
2707
+ {
2708
+ "epoch": 2.6805555555555554,
2709
+ "grad_norm": NaN,
2710
+ "learning_rate": 0.00014305542949029284,
2711
+ "loss": 0.0,
2712
+ "step": 772
2713
+ },
2714
+ {
2715
+ "epoch": 2.6875,
2716
+ "grad_norm": NaN,
2717
+ "learning_rate": 0.00014305542949029284,
2718
+ "loss": 0.0,
2719
+ "step": 774
2720
+ },
2721
+ {
2722
+ "epoch": 2.6944444444444446,
2723
+ "grad_norm": NaN,
2724
+ "learning_rate": 0.00014305542949029284,
2725
+ "loss": 0.0,
2726
+ "step": 776
2727
+ },
2728
+ {
2729
+ "epoch": 2.701388888888889,
2730
+ "grad_norm": NaN,
2731
+ "learning_rate": 0.00014305542949029284,
2732
+ "loss": 0.0,
2733
+ "step": 778
2734
+ },
2735
+ {
2736
+ "epoch": 2.7083333333333335,
2737
+ "grad_norm": NaN,
2738
+ "learning_rate": 0.00014305542949029284,
2739
+ "loss": 0.0,
2740
+ "step": 780
2741
+ },
2742
+ {
2743
+ "epoch": 2.7152777777777777,
2744
+ "grad_norm": NaN,
2745
+ "learning_rate": 0.00014305542949029284,
2746
+ "loss": 0.0,
2747
+ "step": 782
2748
+ },
2749
+ {
2750
+ "epoch": 2.7222222222222223,
2751
+ "grad_norm": NaN,
2752
+ "learning_rate": 0.00014305542949029284,
2753
+ "loss": 0.0,
2754
+ "step": 784
2755
+ },
2756
+ {
2757
+ "epoch": 2.7291666666666665,
2758
+ "grad_norm": NaN,
2759
+ "learning_rate": 0.00014305542949029284,
2760
+ "loss": 0.0,
2761
+ "step": 786
2762
+ },
2763
+ {
2764
+ "epoch": 2.736111111111111,
2765
+ "grad_norm": NaN,
2766
+ "learning_rate": 0.00014305542949029284,
2767
+ "loss": 0.0,
2768
+ "step": 788
2769
+ },
2770
+ {
2771
+ "epoch": 2.7430555555555554,
2772
+ "grad_norm": NaN,
2773
+ "learning_rate": 0.00014305542949029284,
2774
+ "loss": 0.0,
2775
+ "step": 790
2776
+ },
2777
+ {
2778
+ "epoch": 2.75,
2779
+ "grad_norm": NaN,
2780
+ "learning_rate": 0.00014305542949029284,
2781
+ "loss": 0.0,
2782
+ "step": 792
2783
+ },
2784
+ {
2785
+ "epoch": 2.7569444444444446,
2786
+ "grad_norm": NaN,
2787
+ "learning_rate": 0.00014305542949029284,
2788
+ "loss": 0.0,
2789
+ "step": 794
2790
+ },
2791
+ {
2792
+ "epoch": 2.763888888888889,
2793
+ "grad_norm": NaN,
2794
+ "learning_rate": 0.00014305542949029284,
2795
+ "loss": 0.0,
2796
+ "step": 796
2797
+ },
2798
+ {
2799
+ "epoch": 2.7708333333333335,
2800
+ "grad_norm": NaN,
2801
+ "learning_rate": 0.00014305542949029284,
2802
+ "loss": 0.0,
2803
+ "step": 798
2804
+ },
2805
+ {
2806
+ "epoch": 2.7777777777777777,
2807
+ "grad_norm": NaN,
2808
+ "learning_rate": 0.00014305542949029284,
2809
+ "loss": 0.0,
2810
+ "step": 800
2811
+ },
2812
+ {
2813
+ "epoch": 2.7847222222222223,
2814
+ "grad_norm": NaN,
2815
+ "learning_rate": 0.00014305542949029284,
2816
+ "loss": 0.0,
2817
+ "step": 802
2818
+ },
2819
+ {
2820
+ "epoch": 2.7916666666666665,
2821
+ "grad_norm": NaN,
2822
+ "learning_rate": 0.00014305542949029284,
2823
+ "loss": 0.0,
2824
+ "step": 804
2825
+ },
2826
+ {
2827
+ "epoch": 2.798611111111111,
2828
+ "grad_norm": NaN,
2829
+ "learning_rate": 0.00014305542949029284,
2830
+ "loss": 0.0,
2831
+ "step": 806
2832
+ },
2833
+ {
2834
+ "epoch": 2.8055555555555554,
2835
+ "grad_norm": NaN,
2836
+ "learning_rate": 0.00014305542949029284,
2837
+ "loss": 0.0,
2838
+ "step": 808
2839
+ },
2840
+ {
2841
+ "epoch": 2.8125,
2842
+ "grad_norm": NaN,
2843
+ "learning_rate": 0.00014305542949029284,
2844
+ "loss": 0.0,
2845
+ "step": 810
2846
+ },
2847
+ {
2848
+ "epoch": 2.8194444444444446,
2849
+ "grad_norm": NaN,
2850
+ "learning_rate": 0.00014305542949029284,
2851
+ "loss": 0.0,
2852
+ "step": 812
2853
+ },
2854
+ {
2855
+ "epoch": 2.826388888888889,
2856
+ "grad_norm": NaN,
2857
+ "learning_rate": 0.00014305542949029284,
2858
+ "loss": 0.0,
2859
+ "step": 814
2860
+ },
2861
+ {
2862
+ "epoch": 2.8333333333333335,
2863
+ "grad_norm": NaN,
2864
+ "learning_rate": 0.00014305542949029284,
2865
+ "loss": 0.0,
2866
+ "step": 816
2867
+ },
2868
+ {
2869
+ "epoch": 2.8402777777777777,
2870
+ "grad_norm": NaN,
2871
+ "learning_rate": 0.00014305542949029284,
2872
+ "loss": 0.0,
2873
+ "step": 818
2874
+ },
2875
+ {
2876
+ "epoch": 2.8472222222222223,
2877
+ "grad_norm": NaN,
2878
+ "learning_rate": 0.00014305542949029284,
2879
+ "loss": 0.0,
2880
+ "step": 820
2881
+ },
2882
+ {
2883
+ "epoch": 2.8541666666666665,
2884
+ "grad_norm": NaN,
2885
+ "learning_rate": 0.00014305542949029284,
2886
+ "loss": 0.0,
2887
+ "step": 822
2888
+ },
2889
+ {
2890
+ "epoch": 2.861111111111111,
2891
+ "grad_norm": NaN,
2892
+ "learning_rate": 0.00014305542949029284,
2893
+ "loss": 0.0,
2894
+ "step": 824
2895
+ },
2896
+ {
2897
+ "epoch": 2.8680555555555554,
2898
+ "grad_norm": NaN,
2899
+ "learning_rate": 0.00014305542949029284,
2900
+ "loss": 0.0,
2901
+ "step": 826
2902
+ },
2903
+ {
2904
+ "epoch": 2.875,
2905
+ "grad_norm": NaN,
2906
+ "learning_rate": 0.00014305542949029284,
2907
+ "loss": 0.0,
2908
+ "step": 828
2909
+ },
2910
+ {
2911
+ "epoch": 2.8819444444444446,
2912
+ "grad_norm": NaN,
2913
+ "learning_rate": 0.00014305542949029284,
2914
+ "loss": 0.0,
2915
+ "step": 830
2916
+ },
2917
+ {
2918
+ "epoch": 2.888888888888889,
2919
+ "grad_norm": NaN,
2920
+ "learning_rate": 0.00014305542949029284,
2921
+ "loss": 0.0,
2922
+ "step": 832
2923
+ },
2924
+ {
2925
+ "epoch": 2.8958333333333335,
2926
+ "grad_norm": NaN,
2927
+ "learning_rate": 0.00014305542949029284,
2928
+ "loss": 0.0,
2929
+ "step": 834
2930
+ },
2931
+ {
2932
+ "epoch": 2.9027777777777777,
2933
+ "grad_norm": NaN,
2934
+ "learning_rate": 0.00014305542949029284,
2935
+ "loss": 0.0,
2936
+ "step": 836
2937
+ },
2938
+ {
2939
+ "epoch": 2.9097222222222223,
2940
+ "grad_norm": NaN,
2941
+ "learning_rate": 0.00014305542949029284,
2942
+ "loss": 0.0,
2943
+ "step": 838
2944
+ },
2945
+ {
2946
+ "epoch": 2.9166666666666665,
2947
+ "grad_norm": NaN,
2948
+ "learning_rate": 0.00014305542949029284,
2949
+ "loss": 0.0,
2950
+ "step": 840
2951
+ },
2952
+ {
2953
+ "epoch": 2.923611111111111,
2954
+ "grad_norm": NaN,
2955
+ "learning_rate": 0.00014305542949029284,
2956
+ "loss": 0.0,
2957
+ "step": 842
2958
+ },
2959
+ {
2960
+ "epoch": 2.9305555555555554,
2961
+ "grad_norm": NaN,
2962
+ "learning_rate": 0.00014305542949029284,
2963
+ "loss": 0.0,
2964
+ "step": 844
2965
+ },
2966
+ {
2967
+ "epoch": 2.9375,
2968
+ "grad_norm": NaN,
2969
+ "learning_rate": 0.00014305542949029284,
2970
+ "loss": 0.0,
2971
+ "step": 846
2972
+ },
2973
+ {
2974
+ "epoch": 2.9444444444444446,
2975
+ "grad_norm": NaN,
2976
+ "learning_rate": 0.00014305542949029284,
2977
+ "loss": 0.0,
2978
+ "step": 848
2979
+ },
2980
+ {
2981
+ "epoch": 2.951388888888889,
2982
+ "grad_norm": NaN,
2983
+ "learning_rate": 0.00014305542949029284,
2984
+ "loss": 0.0,
2985
+ "step": 850
2986
+ },
2987
+ {
2988
+ "epoch": 2.9583333333333335,
2989
+ "grad_norm": NaN,
2990
+ "learning_rate": 0.00014305542949029284,
2991
+ "loss": 0.0,
2992
+ "step": 852
2993
+ },
2994
+ {
2995
+ "epoch": 2.9652777777777777,
2996
+ "grad_norm": NaN,
2997
+ "learning_rate": 0.00014305542949029284,
2998
+ "loss": 0.0,
2999
+ "step": 854
3000
+ },
3001
+ {
3002
+ "epoch": 2.9722222222222223,
3003
+ "grad_norm": NaN,
3004
+ "learning_rate": 0.00014305542949029284,
3005
+ "loss": 0.0,
3006
+ "step": 856
3007
+ },
3008
+ {
3009
+ "epoch": 2.9791666666666665,
3010
+ "grad_norm": NaN,
3011
+ "learning_rate": 0.00014305542949029284,
3012
+ "loss": 0.0,
3013
+ "step": 858
3014
+ },
3015
+ {
3016
+ "epoch": 2.986111111111111,
3017
+ "grad_norm": NaN,
3018
+ "learning_rate": 0.00014305542949029284,
3019
+ "loss": 0.0,
3020
+ "step": 860
3021
+ },
3022
+ {
3023
+ "epoch": 2.9930555555555554,
3024
+ "grad_norm": NaN,
3025
+ "learning_rate": 0.00014305542949029284,
3026
+ "loss": 0.0,
3027
+ "step": 862
3028
+ },
3029
+ {
3030
+ "epoch": 3.0,
3031
+ "grad_norm": NaN,
3032
+ "learning_rate": 0.00014305542949029284,
3033
+ "loss": 0.0,
3034
+ "step": 864
3035
+ },
3036
+ {
3037
+ "epoch": 3.0069444444444446,
3038
+ "grad_norm": NaN,
3039
+ "learning_rate": 0.00014305542949029284,
3040
+ "loss": 0.0,
3041
+ "step": 866
3042
+ },
3043
+ {
3044
+ "epoch": 3.013888888888889,
3045
+ "grad_norm": NaN,
3046
+ "learning_rate": 0.00014305542949029284,
3047
+ "loss": 0.0,
3048
+ "step": 868
3049
+ },
3050
+ {
3051
+ "epoch": 3.0208333333333335,
3052
+ "grad_norm": NaN,
3053
+ "learning_rate": 0.00014305542949029284,
3054
+ "loss": 0.0,
3055
+ "step": 870
3056
+ },
3057
+ {
3058
+ "epoch": 3.0277777777777777,
3059
+ "grad_norm": NaN,
3060
+ "learning_rate": 0.00014305542949029284,
3061
+ "loss": 0.0,
3062
+ "step": 872
3063
+ },
3064
+ {
3065
+ "epoch": 3.0347222222222223,
3066
+ "grad_norm": NaN,
3067
+ "learning_rate": 0.00014305542949029284,
3068
+ "loss": 0.0,
3069
+ "step": 874
3070
+ },
3071
+ {
3072
+ "epoch": 3.0416666666666665,
3073
+ "grad_norm": NaN,
3074
+ "learning_rate": 0.00014305542949029284,
3075
+ "loss": 0.0,
3076
+ "step": 876
3077
+ },
3078
+ {
3079
+ "epoch": 3.048611111111111,
3080
+ "grad_norm": NaN,
3081
+ "learning_rate": 0.00014305542949029284,
3082
+ "loss": 0.0,
3083
+ "step": 878
3084
+ },
3085
+ {
3086
+ "epoch": 3.0555555555555554,
3087
+ "grad_norm": NaN,
3088
+ "learning_rate": 0.00014305542949029284,
3089
+ "loss": 0.0,
3090
+ "step": 880
3091
+ },
3092
+ {
3093
+ "epoch": 3.0625,
3094
+ "grad_norm": NaN,
3095
+ "learning_rate": 0.00014305542949029284,
3096
+ "loss": 0.0,
3097
+ "step": 882
3098
+ },
3099
+ {
3100
+ "epoch": 3.0694444444444446,
3101
+ "grad_norm": NaN,
3102
+ "learning_rate": 0.00014305542949029284,
3103
+ "loss": 0.0,
3104
+ "step": 884
3105
+ },
3106
+ {
3107
+ "epoch": 3.076388888888889,
3108
+ "grad_norm": NaN,
3109
+ "learning_rate": 0.00014305542949029284,
3110
+ "loss": 0.0,
3111
+ "step": 886
3112
+ },
3113
+ {
3114
+ "epoch": 3.0833333333333335,
3115
+ "grad_norm": NaN,
3116
+ "learning_rate": 0.00014305542949029284,
3117
+ "loss": 0.0,
3118
+ "step": 888
3119
+ },
3120
+ {
3121
+ "epoch": 3.0902777777777777,
3122
+ "grad_norm": NaN,
3123
+ "learning_rate": 0.00014305542949029284,
3124
+ "loss": 0.0,
3125
+ "step": 890
3126
+ },
3127
+ {
3128
+ "epoch": 3.0972222222222223,
3129
+ "grad_norm": NaN,
3130
+ "learning_rate": 0.00014305542949029284,
3131
+ "loss": 0.0,
3132
+ "step": 892
3133
+ },
3134
+ {
3135
+ "epoch": 3.1041666666666665,
3136
+ "grad_norm": NaN,
3137
+ "learning_rate": 0.00014305542949029284,
3138
+ "loss": 0.0,
3139
+ "step": 894
3140
+ },
3141
+ {
3142
+ "epoch": 3.111111111111111,
3143
+ "grad_norm": NaN,
3144
+ "learning_rate": 0.00014305542949029284,
3145
+ "loss": 0.0,
3146
+ "step": 896
3147
+ },
3148
+ {
3149
+ "epoch": 3.1180555555555554,
3150
+ "grad_norm": NaN,
3151
+ "learning_rate": 0.00014305542949029284,
3152
+ "loss": 0.0,
3153
+ "step": 898
3154
+ },
3155
+ {
3156
+ "epoch": 3.125,
3157
+ "grad_norm": NaN,
3158
+ "learning_rate": 0.00014305542949029284,
3159
+ "loss": 0.0,
3160
+ "step": 900
3161
+ },
3162
+ {
3163
+ "epoch": 3.1319444444444446,
3164
+ "grad_norm": NaN,
3165
+ "learning_rate": 0.00014305542949029284,
3166
+ "loss": 0.0,
3167
+ "step": 902
3168
+ },
3169
+ {
3170
+ "epoch": 3.138888888888889,
3171
+ "grad_norm": NaN,
3172
+ "learning_rate": 0.00014305542949029284,
3173
+ "loss": 0.0,
3174
+ "step": 904
3175
+ },
3176
+ {
3177
+ "epoch": 3.1458333333333335,
3178
+ "grad_norm": NaN,
3179
+ "learning_rate": 0.00014305542949029284,
3180
+ "loss": 0.0,
3181
+ "step": 906
3182
+ },
3183
+ {
3184
+ "epoch": 3.1527777777777777,
3185
+ "grad_norm": NaN,
3186
+ "learning_rate": 0.00014305542949029284,
3187
+ "loss": 0.0,
3188
+ "step": 908
3189
+ },
3190
+ {
3191
+ "epoch": 3.1597222222222223,
3192
+ "grad_norm": NaN,
3193
+ "learning_rate": 0.00014305542949029284,
3194
+ "loss": 0.0,
3195
+ "step": 910
3196
+ },
3197
+ {
3198
+ "epoch": 3.1666666666666665,
3199
+ "grad_norm": NaN,
3200
+ "learning_rate": 0.00014305542949029284,
3201
+ "loss": 0.0,
3202
+ "step": 912
3203
+ },
3204
+ {
3205
+ "epoch": 3.173611111111111,
3206
+ "grad_norm": NaN,
3207
+ "learning_rate": 0.00014305542949029284,
3208
+ "loss": 0.0,
3209
+ "step": 914
3210
+ },
3211
+ {
3212
+ "epoch": 3.1805555555555554,
3213
+ "grad_norm": NaN,
3214
+ "learning_rate": 0.00014305542949029284,
3215
+ "loss": 0.0,
3216
+ "step": 916
3217
+ },
3218
+ {
3219
+ "epoch": 3.1875,
3220
+ "grad_norm": NaN,
3221
+ "learning_rate": 0.00014305542949029284,
3222
+ "loss": 0.0,
3223
+ "step": 918
3224
+ },
3225
+ {
3226
+ "epoch": 3.1944444444444446,
3227
+ "grad_norm": NaN,
3228
+ "learning_rate": 0.00014305542949029284,
3229
+ "loss": 0.0,
3230
+ "step": 920
3231
+ },
3232
+ {
3233
+ "epoch": 3.201388888888889,
3234
+ "grad_norm": NaN,
3235
+ "learning_rate": 0.00014305542949029284,
3236
+ "loss": 0.0,
3237
+ "step": 922
3238
+ },
3239
+ {
3240
+ "epoch": 3.2083333333333335,
3241
+ "grad_norm": NaN,
3242
+ "learning_rate": 0.00014305542949029284,
3243
+ "loss": 0.0,
3244
+ "step": 924
3245
+ },
3246
+ {
3247
+ "epoch": 3.2152777777777777,
3248
+ "grad_norm": NaN,
3249
+ "learning_rate": 0.00014305542949029284,
3250
+ "loss": 0.0,
3251
+ "step": 926
3252
+ },
3253
+ {
3254
+ "epoch": 3.2222222222222223,
3255
+ "grad_norm": NaN,
3256
+ "learning_rate": 0.00014305542949029284,
3257
+ "loss": 0.0,
3258
+ "step": 928
3259
+ },
3260
+ {
3261
+ "epoch": 3.2291666666666665,
3262
+ "grad_norm": NaN,
3263
+ "learning_rate": 0.00014305542949029284,
3264
+ "loss": 0.0,
3265
+ "step": 930
3266
+ },
3267
+ {
3268
+ "epoch": 3.236111111111111,
3269
+ "grad_norm": NaN,
3270
+ "learning_rate": 0.00014305542949029284,
3271
+ "loss": 0.0,
3272
+ "step": 932
3273
+ },
3274
+ {
3275
+ "epoch": 3.2430555555555554,
3276
+ "grad_norm": NaN,
3277
+ "learning_rate": 0.00014305542949029284,
3278
+ "loss": 0.0,
3279
+ "step": 934
3280
+ },
3281
+ {
3282
+ "epoch": 3.25,
3283
+ "grad_norm": NaN,
3284
+ "learning_rate": 0.00014305542949029284,
3285
+ "loss": 0.0,
3286
+ "step": 936
3287
+ },
3288
+ {
3289
+ "epoch": 3.2569444444444446,
3290
+ "grad_norm": NaN,
3291
+ "learning_rate": 0.00014305542949029284,
3292
+ "loss": 0.0,
3293
+ "step": 938
3294
+ },
3295
+ {
3296
+ "epoch": 3.263888888888889,
3297
+ "grad_norm": NaN,
3298
+ "learning_rate": 0.00014305542949029284,
3299
+ "loss": 0.0,
3300
+ "step": 940
3301
+ },
3302
+ {
3303
+ "epoch": 3.2708333333333335,
3304
+ "grad_norm": NaN,
3305
+ "learning_rate": 0.00014305542949029284,
3306
+ "loss": 0.0,
3307
+ "step": 942
3308
+ },
3309
+ {
3310
+ "epoch": 3.2777777777777777,
3311
+ "grad_norm": NaN,
3312
+ "learning_rate": 0.00014305542949029284,
3313
+ "loss": 0.0,
3314
+ "step": 944
3315
+ },
3316
+ {
3317
+ "epoch": 3.2847222222222223,
3318
+ "grad_norm": NaN,
3319
+ "learning_rate": 0.00014305542949029284,
3320
+ "loss": 0.0,
3321
+ "step": 946
3322
+ },
3323
+ {
3324
+ "epoch": 3.2916666666666665,
3325
+ "grad_norm": NaN,
3326
+ "learning_rate": 0.00014305542949029284,
3327
+ "loss": 0.0,
3328
+ "step": 948
3329
+ },
3330
+ {
3331
+ "epoch": 3.298611111111111,
3332
+ "grad_norm": NaN,
3333
+ "learning_rate": 0.00014305542949029284,
3334
+ "loss": 0.0,
3335
+ "step": 950
3336
+ },
3337
+ {
3338
+ "epoch": 3.3055555555555554,
3339
+ "grad_norm": NaN,
3340
+ "learning_rate": 0.00014305542949029284,
3341
+ "loss": 0.0,
3342
+ "step": 952
3343
+ },
3344
+ {
3345
+ "epoch": 3.3125,
3346
+ "grad_norm": NaN,
3347
+ "learning_rate": 0.00014305542949029284,
3348
+ "loss": 0.0,
3349
+ "step": 954
3350
+ },
3351
+ {
3352
+ "epoch": 3.3194444444444446,
3353
+ "grad_norm": NaN,
3354
+ "learning_rate": 0.00014305542949029284,
3355
+ "loss": 0.0,
3356
+ "step": 956
3357
+ },
3358
+ {
3359
+ "epoch": 3.326388888888889,
3360
+ "grad_norm": NaN,
3361
+ "learning_rate": 0.00014305542949029284,
3362
+ "loss": 0.0,
3363
+ "step": 958
3364
+ },
3365
+ {
3366
+ "epoch": 3.3333333333333335,
3367
+ "grad_norm": NaN,
3368
+ "learning_rate": 0.00014305542949029284,
3369
+ "loss": 0.0,
3370
+ "step": 960
3371
+ },
3372
+ {
3373
+ "epoch": 3.3402777777777777,
3374
+ "grad_norm": NaN,
3375
+ "learning_rate": 0.00014305542949029284,
3376
+ "loss": 0.0,
3377
+ "step": 962
3378
+ },
3379
+ {
3380
+ "epoch": 3.3472222222222223,
3381
+ "grad_norm": NaN,
3382
+ "learning_rate": 0.00014305542949029284,
3383
+ "loss": 0.0,
3384
+ "step": 964
3385
+ },
3386
+ {
3387
+ "epoch": 3.3541666666666665,
3388
+ "grad_norm": NaN,
3389
+ "learning_rate": 0.00014305542949029284,
3390
+ "loss": 0.0,
3391
+ "step": 966
3392
+ },
3393
+ {
3394
+ "epoch": 3.361111111111111,
3395
+ "grad_norm": NaN,
3396
+ "learning_rate": 0.00014305542949029284,
3397
+ "loss": 0.0,
3398
+ "step": 968
3399
+ },
3400
+ {
3401
+ "epoch": 3.3680555555555554,
3402
+ "grad_norm": NaN,
3403
+ "learning_rate": 0.00014305542949029284,
3404
+ "loss": 0.0,
3405
+ "step": 970
3406
+ },
3407
+ {
3408
+ "epoch": 3.375,
3409
+ "grad_norm": NaN,
3410
+ "learning_rate": 0.00014305542949029284,
3411
+ "loss": 0.0,
3412
+ "step": 972
3413
+ },
3414
+ {
3415
+ "epoch": 3.3819444444444446,
3416
+ "grad_norm": NaN,
3417
+ "learning_rate": 0.00014305542949029284,
3418
+ "loss": 0.0,
3419
+ "step": 974
3420
+ },
3421
+ {
3422
+ "epoch": 3.388888888888889,
3423
+ "grad_norm": NaN,
3424
+ "learning_rate": 0.00014305542949029284,
3425
+ "loss": 0.0,
3426
+ "step": 976
3427
+ },
3428
+ {
3429
+ "epoch": 3.3958333333333335,
3430
+ "grad_norm": NaN,
3431
+ "learning_rate": 0.00014305542949029284,
3432
+ "loss": 0.0,
3433
+ "step": 978
3434
+ },
3435
+ {
3436
+ "epoch": 3.4027777777777777,
3437
+ "grad_norm": NaN,
3438
+ "learning_rate": 0.00014305542949029284,
3439
+ "loss": 0.0,
3440
+ "step": 980
3441
+ },
3442
+ {
3443
+ "epoch": 3.4097222222222223,
3444
+ "grad_norm": NaN,
3445
+ "learning_rate": 0.00014305542949029284,
3446
+ "loss": 0.0,
3447
+ "step": 982
3448
+ },
3449
+ {
3450
+ "epoch": 3.4166666666666665,
3451
+ "grad_norm": NaN,
3452
+ "learning_rate": 0.00014305542949029284,
3453
+ "loss": 0.0,
3454
+ "step": 984
3455
+ },
3456
+ {
3457
+ "epoch": 3.423611111111111,
3458
+ "grad_norm": NaN,
3459
+ "learning_rate": 0.00014305542949029284,
3460
+ "loss": 0.0,
3461
+ "step": 986
3462
+ },
3463
+ {
3464
+ "epoch": 3.4305555555555554,
3465
+ "grad_norm": NaN,
3466
+ "learning_rate": 0.00014305542949029284,
3467
+ "loss": 0.0,
3468
+ "step": 988
3469
+ },
3470
+ {
3471
+ "epoch": 3.4375,
3472
+ "grad_norm": NaN,
3473
+ "learning_rate": 0.00014305542949029284,
3474
+ "loss": 0.0,
3475
+ "step": 990
3476
+ },
3477
+ {
3478
+ "epoch": 3.4444444444444446,
3479
+ "grad_norm": NaN,
3480
+ "learning_rate": 0.00014305542949029284,
3481
+ "loss": 0.0,
3482
+ "step": 992
3483
+ },
3484
+ {
3485
+ "epoch": 3.451388888888889,
3486
+ "grad_norm": NaN,
3487
+ "learning_rate": 0.00014305542949029284,
3488
+ "loss": 0.0,
3489
+ "step": 994
3490
+ },
3491
+ {
3492
+ "epoch": 3.4583333333333335,
3493
+ "grad_norm": NaN,
3494
+ "learning_rate": 0.00014305542949029284,
3495
+ "loss": 0.0,
3496
+ "step": 996
3497
+ },
3498
+ {
3499
+ "epoch": 3.4652777777777777,
3500
+ "grad_norm": NaN,
3501
+ "learning_rate": 0.00014305542949029284,
3502
+ "loss": 0.0,
3503
+ "step": 998
3504
+ },
3505
+ {
3506
+ "epoch": 3.4722222222222223,
3507
+ "grad_norm": NaN,
3508
+ "learning_rate": 0.00014305542949029284,
3509
+ "loss": 0.0,
3510
+ "step": 1000
3511
+ }
3512
+ ],
3513
+ "logging_steps": 2,
3514
+ "max_steps": 1152,
3515
+ "num_input_tokens_seen": 0,
3516
+ "num_train_epochs": 4,
3517
+ "save_steps": 200,
3518
+ "stateful_callbacks": {
3519
+ "TrainerControl": {
3520
+ "args": {
3521
+ "should_epoch_stop": false,
3522
+ "should_evaluate": false,
3523
+ "should_log": false,
3524
+ "should_save": true,
3525
+ "should_training_stop": false
3526
+ },
3527
+ "attributes": {}
3528
+ }
3529
+ },
3530
+ "total_flos": 1.5043947980799345e+18,
3531
+ "train_batch_size": 8,
3532
+ "trial_name": null,
3533
+ "trial_params": null
3534
+ }
checkpoint-1000/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:80311e2b6a4df1fda961527e50aa92bc3d64f6451e2aa8695c0c2905ab9601d6
3
+ size 5713
checkpoint-1000/vocab.json ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-1152/README.md ADDED
@@ -0,0 +1,208 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: ./Qwen3-8B
3
+ library_name: peft
4
+ pipeline_tag: text-generation
5
+ tags:
6
+ - base_model:adapter:./Qwen3-8B
7
+ - lora
8
+ - transformers
9
+ - unsloth
10
+ ---
11
+
12
+ # Model Card for Model ID
13
+
14
+ <!-- Provide a quick summary of what the model is/does. -->
15
+
16
+
17
+
18
+ ## Model Details
19
+
20
+ ### Model Description
21
+
22
+ <!-- Provide a longer summary of what this model is. -->
23
+
24
+
25
+
26
+ - **Developed by:** [More Information Needed]
27
+ - **Funded by [optional]:** [More Information Needed]
28
+ - **Shared by [optional]:** [More Information Needed]
29
+ - **Model type:** [More Information Needed]
30
+ - **Language(s) (NLP):** [More Information Needed]
31
+ - **License:** [More Information Needed]
32
+ - **Finetuned from model [optional]:** [More Information Needed]
33
+
34
+ ### Model Sources [optional]
35
+
36
+ <!-- Provide the basic links for the model. -->
37
+
38
+ - **Repository:** [More Information Needed]
39
+ - **Paper [optional]:** [More Information Needed]
40
+ - **Demo [optional]:** [More Information Needed]
41
+
42
+ ## Uses
43
+
44
+ <!-- Address questions around how the model is intended to be used, including the foreseeable users of the model and those affected by the model. -->
45
+
46
+ ### Direct Use
47
+
48
+ <!-- This section is for the model use without fine-tuning or plugging into a larger ecosystem/app. -->
49
+
50
+ [More Information Needed]
51
+
52
+ ### Downstream Use [optional]
53
+
54
+ <!-- This section is for the model use when fine-tuned for a task, or when plugged into a larger ecosystem/app -->
55
+
56
+ [More Information Needed]
57
+
58
+ ### Out-of-Scope Use
59
+
60
+ <!-- This section addresses misuse, malicious use, and uses that the model will not work well for. -->
61
+
62
+ [More Information Needed]
63
+
64
+ ## Bias, Risks, and Limitations
65
+
66
+ <!-- This section is meant to convey both technical and sociotechnical limitations. -->
67
+
68
+ [More Information Needed]
69
+
70
+ ### Recommendations
71
+
72
+ <!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->
73
+
74
+ Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.
75
+
76
+ ## How to Get Started with the Model
77
+
78
+ Use the code below to get started with the model.
79
+
80
+ [More Information Needed]
81
+
82
+ ## Training Details
83
+
84
+ ### Training Data
85
+
86
+ <!-- This should link to a Dataset Card, perhaps with a short stub of information on what the training data is all about as well as documentation related to data pre-processing or additional filtering. -->
87
+
88
+ [More Information Needed]
89
+
90
+ ### Training Procedure
91
+
92
+ <!-- This relates heavily to the Technical Specifications. Content here should link to that section when it is relevant to the training procedure. -->
93
+
94
+ #### Preprocessing [optional]
95
+
96
+ [More Information Needed]
97
+
98
+
99
+ #### Training Hyperparameters
100
+
101
+ - **Training regime:** [More Information Needed] <!--fp32, fp16 mixed precision, bf16 mixed precision, bf16 non-mixed precision, fp16 non-mixed precision, fp8 mixed precision -->
102
+
103
+ #### Speeds, Sizes, Times [optional]
104
+
105
+ <!-- This section provides information about throughput, start/end time, checkpoint size if relevant, etc. -->
106
+
107
+ [More Information Needed]
108
+
109
+ ## Evaluation
110
+
111
+ <!-- This section describes the evaluation protocols and provides the results. -->
112
+
113
+ ### Testing Data, Factors & Metrics
114
+
115
+ #### Testing Data
116
+
117
+ <!-- This should link to a Dataset Card if possible. -->
118
+
119
+ [More Information Needed]
120
+
121
+ #### Factors
122
+
123
+ <!-- These are the things the evaluation is disaggregating by, e.g., subpopulations or domains. -->
124
+
125
+ [More Information Needed]
126
+
127
+ #### Metrics
128
+
129
+ <!-- These are the evaluation metrics being used, ideally with a description of why. -->
130
+
131
+ [More Information Needed]
132
+
133
+ ### Results
134
+
135
+ [More Information Needed]
136
+
137
+ #### Summary
138
+
139
+
140
+
141
+ ## Model Examination [optional]
142
+
143
+ <!-- Relevant interpretability work for the model goes here -->
144
+
145
+ [More Information Needed]
146
+
147
+ ## Environmental Impact
148
+
149
+ <!-- Total emissions (in grams of CO2eq) and additional considerations, such as electricity usage, go here. Edit the suggested text below accordingly -->
150
+
151
+ Carbon emissions can be estimated using the [Machine Learning Impact calculator](https://mlco2.github.io/impact#compute) presented in [Lacoste et al. (2019)](https://arxiv.org/abs/1910.09700).
152
+
153
+ - **Hardware Type:** [More Information Needed]
154
+ - **Hours used:** [More Information Needed]
155
+ - **Cloud Provider:** [More Information Needed]
156
+ - **Compute Region:** [More Information Needed]
157
+ - **Carbon Emitted:** [More Information Needed]
158
+
159
+ ## Technical Specifications [optional]
160
+
161
+ ### Model Architecture and Objective
162
+
163
+ [More Information Needed]
164
+
165
+ ### Compute Infrastructure
166
+
167
+ [More Information Needed]
168
+
169
+ #### Hardware
170
+
171
+ [More Information Needed]
172
+
173
+ #### Software
174
+
175
+ [More Information Needed]
176
+
177
+ ## Citation [optional]
178
+
179
+ <!-- If there is a paper or blog post introducing the model, the APA and Bibtex information for that should go in this section. -->
180
+
181
+ **BibTeX:**
182
+
183
+ [More Information Needed]
184
+
185
+ **APA:**
186
+
187
+ [More Information Needed]
188
+
189
+ ## Glossary [optional]
190
+
191
+ <!-- If relevant, include terms and calculations in this section that can help readers understand the model or model card. -->
192
+
193
+ [More Information Needed]
194
+
195
+ ## More Information [optional]
196
+
197
+ [More Information Needed]
198
+
199
+ ## Model Card Authors [optional]
200
+
201
+ [More Information Needed]
202
+
203
+ ## Model Card Contact
204
+
205
+ [More Information Needed]
206
+ ### Framework versions
207
+
208
+ - PEFT 0.16.0
checkpoint-1152/adapter_config.json ADDED
@@ -0,0 +1,41 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "alpha_pattern": {},
3
+ "auto_mapping": null,
4
+ "base_model_name_or_path": "./Qwen3-8B",
5
+ "bias": "none",
6
+ "corda_config": null,
7
+ "eva_config": null,
8
+ "exclude_modules": null,
9
+ "fan_in_fan_out": false,
10
+ "inference_mode": true,
11
+ "init_lora_weights": true,
12
+ "layer_replication": null,
13
+ "layers_pattern": null,
14
+ "layers_to_transform": null,
15
+ "loftq_config": {},
16
+ "lora_alpha": 32,
17
+ "lora_bias": false,
18
+ "lora_dropout": 0.0,
19
+ "megatron_config": null,
20
+ "megatron_core": "megatron.core",
21
+ "modules_to_save": null,
22
+ "peft_type": "LORA",
23
+ "qalora_group_size": 16,
24
+ "r": 32,
25
+ "rank_pattern": {},
26
+ "revision": null,
27
+ "target_modules": [
28
+ "v_proj",
29
+ "gate_proj",
30
+ "up_proj",
31
+ "down_proj",
32
+ "o_proj",
33
+ "k_proj",
34
+ "q_proj"
35
+ ],
36
+ "task_type": "CAUSAL_LM",
37
+ "trainable_token_indices": null,
38
+ "use_dora": false,
39
+ "use_qalora": false,
40
+ "use_rslora": true
41
+ }
checkpoint-1152/adapter_model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ad45661894700811a0a4f19acc6b8afc9d98db1406cc80d88fa464a18ce495ea
3
+ size 2834238032
checkpoint-1152/added_tokens.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "</think>": 151668,
3
+ "</tool_call>": 151658,
4
+ "</tool_response>": 151666,
5
+ "<think>": 151667,
6
+ "<tool_call>": 151657,
7
+ "<tool_response>": 151665,
8
+ "<|analysis|>": 151670,
9
+ "<|box_end|>": 151649,
10
+ "<|box_start|>": 151648,
11
+ "<|endoftext|>": 151643,
12
+ "<|file_sep|>": 151664,
13
+ "<|fim_middle|>": 151660,
14
+ "<|fim_pad|>": 151662,
15
+ "<|fim_prefix|>": 151659,
16
+ "<|fim_suffix|>": 151661,
17
+ "<|forecast|>": 151671,
18
+ "<|im_end|>": 151645,
19
+ "<|im_start|>": 151644,
20
+ "<|image_pad|>": 151655,
21
+ "<|object_ref_end|>": 151647,
22
+ "<|object_ref_start|>": 151646,
23
+ "<|quad_end|>": 151651,
24
+ "<|quad_start|>": 151650,
25
+ "<|repo_name|>": 151663,
26
+ "<|response|>": 151669,
27
+ "<|video_pad|>": 151656,
28
+ "<|vision_end|>": 151653,
29
+ "<|vision_pad|>": 151654,
30
+ "<|vision_start|>": 151652
31
+ }
checkpoint-1152/chat_template.jinja ADDED
@@ -0,0 +1,89 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {%- if tools %}
2
+ {{- '<|im_start|>system\n' }}
3
+ {%- if messages[0].role == 'system' %}
4
+ {{- messages[0].content + '\n\n' }}
5
+ {%- endif %}
6
+ {{- "# Tools\n\nYou may call one or more functions to assist with the user query.\n\nYou are provided with function signatures within <tools></tools> XML tags:\n<tools>" }}
7
+ {%- for tool in tools %}
8
+ {{- "\n" }}
9
+ {{- tool | tojson }}
10
+ {%- endfor %}
11
+ {{- "\n</tools>\n\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\n<tool_call>\n{\"name\": <function-name>, \"arguments\": <args-json-object>}\n</tool_call><|im_end|>\n" }}
12
+ {%- else %}
13
+ {%- if messages[0].role == 'system' %}
14
+ {{- '<|im_start|>system\n' + messages[0].content + '<|im_end|>\n' }}
15
+ {%- endif %}
16
+ {%- endif %}
17
+ {%- set ns = namespace(multi_step_tool=true, last_query_index=messages|length - 1) %}
18
+ {%- for message in messages[::-1] %}
19
+ {%- set index = (messages|length - 1) - loop.index0 %}
20
+ {%- if ns.multi_step_tool and message.role == "user" and message.content is string and not(message.content.startswith('<tool_response>') and message.content.endswith('</tool_response>')) %}
21
+ {%- set ns.multi_step_tool = false %}
22
+ {%- set ns.last_query_index = index %}
23
+ {%- endif %}
24
+ {%- endfor %}
25
+ {%- for message in messages %}
26
+ {%- if message.content is string %}
27
+ {%- set content = message.content %}
28
+ {%- else %}
29
+ {%- set content = '' %}
30
+ {%- endif %}
31
+ {%- if (message.role == "user") or (message.role == "system" and not loop.first) %}
32
+ {{- '<|im_start|>' + message.role + '\n' + content + '<|im_end|>' + '\n' }}
33
+ {%- elif message.role == "assistant" %}
34
+ {%- set reasoning_content = '' %}
35
+ {%- if message.reasoning_content is string %}
36
+ {%- set reasoning_content = message.reasoning_content %}
37
+ {%- else %}
38
+ {%- if '</think>' in content %}
39
+ {%- set reasoning_content = content.split('</think>')[0].rstrip('\n').split('<think>')[-1].lstrip('\n') %}
40
+ {%- set content = content.split('</think>')[-1].lstrip('\n') %}
41
+ {%- endif %}
42
+ {%- endif %}
43
+ {%- if loop.index0 > ns.last_query_index %}
44
+ {%- if loop.last or (not loop.last and reasoning_content) %}
45
+ {{- '<|im_start|>' + message.role + '\n<think>\n' + reasoning_content.strip('\n') + '\n</think>\n\n' + content.lstrip('\n') }}
46
+ {%- else %}
47
+ {{- '<|im_start|>' + message.role + '\n' + content }}
48
+ {%- endif %}
49
+ {%- else %}
50
+ {{- '<|im_start|>' + message.role + '\n' + content }}
51
+ {%- endif %}
52
+ {%- if message.tool_calls %}
53
+ {%- for tool_call in message.tool_calls %}
54
+ {%- if (loop.first and content) or (not loop.first) %}
55
+ {{- '\n' }}
56
+ {%- endif %}
57
+ {%- if tool_call.function %}
58
+ {%- set tool_call = tool_call.function %}
59
+ {%- endif %}
60
+ {{- '<tool_call>\n{"name": "' }}
61
+ {{- tool_call.name }}
62
+ {{- '", "arguments": ' }}
63
+ {%- if tool_call.arguments is string %}
64
+ {{- tool_call.arguments }}
65
+ {%- else %}
66
+ {{- tool_call.arguments | tojson }}
67
+ {%- endif %}
68
+ {{- '}\n</tool_call>' }}
69
+ {%- endfor %}
70
+ {%- endif %}
71
+ {{- '<|im_end|>\n' }}
72
+ {%- elif message.role == "tool" %}
73
+ {%- if loop.first or (messages[loop.index0 - 1].role != "tool") %}
74
+ {{- '<|im_start|>user' }}
75
+ {%- endif %}
76
+ {{- '\n<tool_response>\n' }}
77
+ {{- content }}
78
+ {{- '\n</tool_response>' }}
79
+ {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %}
80
+ {{- '<|im_end|>\n' }}
81
+ {%- endif %}
82
+ {%- endif %}
83
+ {%- endfor %}
84
+ {%- if add_generation_prompt %}
85
+ {{- '<|im_start|>assistant\n' }}
86
+ {%- if enable_thinking is defined and enable_thinking is false %}
87
+ {{- '<think>\n\n</think>\n\n' }}
88
+ {%- endif %}
89
+ {%- endif %}
checkpoint-1152/merges.txt ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-1152/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:888353d1da4d630234d41b91788dd2aafb767cfb17ebf85761b00e83607c23e1
3
+ size 698777675
checkpoint-1152/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:a8e2011629d8bed3ef560fa11175cac55684c4e12a72634bb24abf767b6c7399
3
+ size 14645
checkpoint-1152/scaler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9779a733270277f15e820d84d3dfdfb3a66fd96b857f3f0109ac7f2b54244d67
3
+ size 1383
checkpoint-1152/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:7b938d276d47acf5a6dc15bc7c48a9e3e0ede2cc320ecd371c94b59541d8d616
3
+ size 1465
checkpoint-1152/special_tokens_map.json ADDED
@@ -0,0 +1,39 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "additional_special_tokens": [
3
+ {
4
+ "content": "<|response|>",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false
9
+ },
10
+ {
11
+ "content": "<|analysis|>",
12
+ "lstrip": false,
13
+ "normalized": false,
14
+ "rstrip": false,
15
+ "single_word": false
16
+ },
17
+ {
18
+ "content": "<|forecast|>",
19
+ "lstrip": false,
20
+ "normalized": false,
21
+ "rstrip": false,
22
+ "single_word": false
23
+ }
24
+ ],
25
+ "eos_token": {
26
+ "content": "<|im_end|>",
27
+ "lstrip": false,
28
+ "normalized": false,
29
+ "rstrip": false,
30
+ "single_word": false
31
+ },
32
+ "pad_token": {
33
+ "content": "<|endoftext|>",
34
+ "lstrip": false,
35
+ "normalized": false,
36
+ "rstrip": false,
37
+ "single_word": false
38
+ }
39
+ }
checkpoint-1152/tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:77247e5fb2e966d04e513068b17cca472e105e7c56953e9b1d27d70b93d77e6f
3
+ size 11423221
checkpoint-1152/tokenizer_config.json ADDED
@@ -0,0 +1,254 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": false,
3
+ "add_prefix_space": false,
4
+ "added_tokens_decoder": {
5
+ "151643": {
6
+ "content": "<|endoftext|>",
7
+ "lstrip": false,
8
+ "normalized": false,
9
+ "rstrip": false,
10
+ "single_word": false,
11
+ "special": true
12
+ },
13
+ "151644": {
14
+ "content": "<|im_start|>",
15
+ "lstrip": false,
16
+ "normalized": false,
17
+ "rstrip": false,
18
+ "single_word": false,
19
+ "special": true
20
+ },
21
+ "151645": {
22
+ "content": "<|im_end|>",
23
+ "lstrip": false,
24
+ "normalized": false,
25
+ "rstrip": false,
26
+ "single_word": false,
27
+ "special": true
28
+ },
29
+ "151646": {
30
+ "content": "<|object_ref_start|>",
31
+ "lstrip": false,
32
+ "normalized": false,
33
+ "rstrip": false,
34
+ "single_word": false,
35
+ "special": true
36
+ },
37
+ "151647": {
38
+ "content": "<|object_ref_end|>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false,
43
+ "special": true
44
+ },
45
+ "151648": {
46
+ "content": "<|box_start|>",
47
+ "lstrip": false,
48
+ "normalized": false,
49
+ "rstrip": false,
50
+ "single_word": false,
51
+ "special": true
52
+ },
53
+ "151649": {
54
+ "content": "<|box_end|>",
55
+ "lstrip": false,
56
+ "normalized": false,
57
+ "rstrip": false,
58
+ "single_word": false,
59
+ "special": true
60
+ },
61
+ "151650": {
62
+ "content": "<|quad_start|>",
63
+ "lstrip": false,
64
+ "normalized": false,
65
+ "rstrip": false,
66
+ "single_word": false,
67
+ "special": true
68
+ },
69
+ "151651": {
70
+ "content": "<|quad_end|>",
71
+ "lstrip": false,
72
+ "normalized": false,
73
+ "rstrip": false,
74
+ "single_word": false,
75
+ "special": true
76
+ },
77
+ "151652": {
78
+ "content": "<|vision_start|>",
79
+ "lstrip": false,
80
+ "normalized": false,
81
+ "rstrip": false,
82
+ "single_word": false,
83
+ "special": true
84
+ },
85
+ "151653": {
86
+ "content": "<|vision_end|>",
87
+ "lstrip": false,
88
+ "normalized": false,
89
+ "rstrip": false,
90
+ "single_word": false,
91
+ "special": true
92
+ },
93
+ "151654": {
94
+ "content": "<|vision_pad|>",
95
+ "lstrip": false,
96
+ "normalized": false,
97
+ "rstrip": false,
98
+ "single_word": false,
99
+ "special": true
100
+ },
101
+ "151655": {
102
+ "content": "<|image_pad|>",
103
+ "lstrip": false,
104
+ "normalized": false,
105
+ "rstrip": false,
106
+ "single_word": false,
107
+ "special": true
108
+ },
109
+ "151656": {
110
+ "content": "<|video_pad|>",
111
+ "lstrip": false,
112
+ "normalized": false,
113
+ "rstrip": false,
114
+ "single_word": false,
115
+ "special": true
116
+ },
117
+ "151657": {
118
+ "content": "<tool_call>",
119
+ "lstrip": false,
120
+ "normalized": false,
121
+ "rstrip": false,
122
+ "single_word": false,
123
+ "special": false
124
+ },
125
+ "151658": {
126
+ "content": "</tool_call>",
127
+ "lstrip": false,
128
+ "normalized": false,
129
+ "rstrip": false,
130
+ "single_word": false,
131
+ "special": false
132
+ },
133
+ "151659": {
134
+ "content": "<|fim_prefix|>",
135
+ "lstrip": false,
136
+ "normalized": false,
137
+ "rstrip": false,
138
+ "single_word": false,
139
+ "special": false
140
+ },
141
+ "151660": {
142
+ "content": "<|fim_middle|>",
143
+ "lstrip": false,
144
+ "normalized": false,
145
+ "rstrip": false,
146
+ "single_word": false,
147
+ "special": false
148
+ },
149
+ "151661": {
150
+ "content": "<|fim_suffix|>",
151
+ "lstrip": false,
152
+ "normalized": false,
153
+ "rstrip": false,
154
+ "single_word": false,
155
+ "special": false
156
+ },
157
+ "151662": {
158
+ "content": "<|fim_pad|>",
159
+ "lstrip": false,
160
+ "normalized": false,
161
+ "rstrip": false,
162
+ "single_word": false,
163
+ "special": false
164
+ },
165
+ "151663": {
166
+ "content": "<|repo_name|>",
167
+ "lstrip": false,
168
+ "normalized": false,
169
+ "rstrip": false,
170
+ "single_word": false,
171
+ "special": false
172
+ },
173
+ "151664": {
174
+ "content": "<|file_sep|>",
175
+ "lstrip": false,
176
+ "normalized": false,
177
+ "rstrip": false,
178
+ "single_word": false,
179
+ "special": false
180
+ },
181
+ "151665": {
182
+ "content": "<tool_response>",
183
+ "lstrip": false,
184
+ "normalized": false,
185
+ "rstrip": false,
186
+ "single_word": false,
187
+ "special": false
188
+ },
189
+ "151666": {
190
+ "content": "</tool_response>",
191
+ "lstrip": false,
192
+ "normalized": false,
193
+ "rstrip": false,
194
+ "single_word": false,
195
+ "special": false
196
+ },
197
+ "151667": {
198
+ "content": "<think>",
199
+ "lstrip": false,
200
+ "normalized": false,
201
+ "rstrip": false,
202
+ "single_word": false,
203
+ "special": false
204
+ },
205
+ "151668": {
206
+ "content": "</think>",
207
+ "lstrip": false,
208
+ "normalized": false,
209
+ "rstrip": false,
210
+ "single_word": false,
211
+ "special": false
212
+ },
213
+ "151669": {
214
+ "content": "<|response|>",
215
+ "lstrip": false,
216
+ "normalized": false,
217
+ "rstrip": false,
218
+ "single_word": false,
219
+ "special": true
220
+ },
221
+ "151670": {
222
+ "content": "<|analysis|>",
223
+ "lstrip": false,
224
+ "normalized": false,
225
+ "rstrip": false,
226
+ "single_word": false,
227
+ "special": true
228
+ },
229
+ "151671": {
230
+ "content": "<|forecast|>",
231
+ "lstrip": false,
232
+ "normalized": false,
233
+ "rstrip": false,
234
+ "single_word": false,
235
+ "special": true
236
+ }
237
+ },
238
+ "additional_special_tokens": [
239
+ "<|response|>",
240
+ "<|analysis|>",
241
+ "<|forecast|>"
242
+ ],
243
+ "bos_token": null,
244
+ "clean_up_tokenization_spaces": false,
245
+ "eos_token": "<|im_end|>",
246
+ "errors": "replace",
247
+ "extra_special_tokens": {},
248
+ "model_max_length": 40960,
249
+ "pad_token": "<|endoftext|>",
250
+ "padding_side": "right",
251
+ "split_special_tokens": false,
252
+ "tokenizer_class": "Qwen2Tokenizer",
253
+ "unk_token": null
254
+ }
checkpoint-1152/trainer_state.json ADDED
@@ -0,0 +1,4066 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 4.0,
6
+ "eval_steps": 500,
7
+ "global_step": 1152,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.006944444444444444,
14
+ "grad_norm": 0.0001319512666668743,
15
+ "learning_rate": 3.448275862068966e-06,
16
+ "loss": 21.3796,
17
+ "step": 2
18
+ },
19
+ {
20
+ "epoch": 0.013888888888888888,
21
+ "grad_norm": 0.00012970938405487686,
22
+ "learning_rate": 1.0344827586206897e-05,
23
+ "loss": 2.5144,
24
+ "step": 4
25
+ },
26
+ {
27
+ "epoch": 0.020833333333333332,
28
+ "grad_norm": 0.00012933755351696163,
29
+ "learning_rate": 1.7241379310344828e-05,
30
+ "loss": 13.8026,
31
+ "step": 6
32
+ },
33
+ {
34
+ "epoch": 0.027777777777777776,
35
+ "grad_norm": 0.00012198727199574932,
36
+ "learning_rate": 2.413793103448276e-05,
37
+ "loss": 4.9835,
38
+ "step": 8
39
+ },
40
+ {
41
+ "epoch": 0.034722222222222224,
42
+ "grad_norm": 0.00010912115249084309,
43
+ "learning_rate": 3.103448275862069e-05,
44
+ "loss": 2.397,
45
+ "step": 10
46
+ },
47
+ {
48
+ "epoch": 0.041666666666666664,
49
+ "grad_norm": 9.947551734512672e-05,
50
+ "learning_rate": 3.793103448275862e-05,
51
+ "loss": 2.3169,
52
+ "step": 12
53
+ },
54
+ {
55
+ "epoch": 0.04861111111111111,
56
+ "grad_norm": 9.700353257358074e-05,
57
+ "learning_rate": 4.482758620689655e-05,
58
+ "loss": 2.2121,
59
+ "step": 14
60
+ },
61
+ {
62
+ "epoch": 0.05555555555555555,
63
+ "grad_norm": 0.00010787531937239692,
64
+ "learning_rate": 5.172413793103449e-05,
65
+ "loss": 2.5911,
66
+ "step": 16
67
+ },
68
+ {
69
+ "epoch": 0.0625,
70
+ "grad_norm": 0.00010262445721309632,
71
+ "learning_rate": 5.862068965517241e-05,
72
+ "loss": 1.9774,
73
+ "step": 18
74
+ },
75
+ {
76
+ "epoch": 0.06944444444444445,
77
+ "grad_norm": 8.186206105165184e-05,
78
+ "learning_rate": 6.551724137931034e-05,
79
+ "loss": 1.8391,
80
+ "step": 20
81
+ },
82
+ {
83
+ "epoch": 0.0763888888888889,
84
+ "grad_norm": 5.4703454225091264e-05,
85
+ "learning_rate": 7.241379310344828e-05,
86
+ "loss": 1.7289,
87
+ "step": 22
88
+ },
89
+ {
90
+ "epoch": 0.08333333333333333,
91
+ "grad_norm": 4.5757446059724316e-05,
92
+ "learning_rate": 7.931034482758621e-05,
93
+ "loss": 1.867,
94
+ "step": 24
95
+ },
96
+ {
97
+ "epoch": 0.09027777777777778,
98
+ "grad_norm": 8.86492634890601e-05,
99
+ "learning_rate": 8.620689655172413e-05,
100
+ "loss": 1.7276,
101
+ "step": 26
102
+ },
103
+ {
104
+ "epoch": 0.09722222222222222,
105
+ "grad_norm": 3.919301525456831e-05,
106
+ "learning_rate": 9.310344827586207e-05,
107
+ "loss": 1.6506,
108
+ "step": 28
109
+ },
110
+ {
111
+ "epoch": 0.10416666666666667,
112
+ "grad_norm": 5.642673568218015e-05,
113
+ "learning_rate": 0.0001,
114
+ "loss": 1.5732,
115
+ "step": 30
116
+ },
117
+ {
118
+ "epoch": 0.1111111111111111,
119
+ "grad_norm": 6.0812188166892156e-05,
120
+ "learning_rate": 0.00010689655172413792,
121
+ "loss": 1.5062,
122
+ "step": 32
123
+ },
124
+ {
125
+ "epoch": 0.11805555555555555,
126
+ "grad_norm": 2.352882074774243e-05,
127
+ "learning_rate": 0.00011379310344827588,
128
+ "loss": 1.393,
129
+ "step": 34
130
+ },
131
+ {
132
+ "epoch": 0.125,
133
+ "grad_norm": 3.3942505979212e-05,
134
+ "learning_rate": 0.0001206896551724138,
135
+ "loss": 1.3654,
136
+ "step": 36
137
+ },
138
+ {
139
+ "epoch": 0.13194444444444445,
140
+ "grad_norm": 2.9797614843118936e-05,
141
+ "learning_rate": 0.00012758620689655174,
142
+ "loss": 1.3662,
143
+ "step": 38
144
+ },
145
+ {
146
+ "epoch": 0.1388888888888889,
147
+ "grad_norm": 2.0893716282444075e-05,
148
+ "learning_rate": 0.00013448275862068965,
149
+ "loss": 1.344,
150
+ "step": 40
151
+ },
152
+ {
153
+ "epoch": 0.14583333333333334,
154
+ "grad_norm": 1.886891550384462e-05,
155
+ "learning_rate": 0.0001413793103448276,
156
+ "loss": 1.2809,
157
+ "step": 42
158
+ },
159
+ {
160
+ "epoch": 0.1527777777777778,
161
+ "grad_norm": 1.6420885003753938e-05,
162
+ "learning_rate": 0.00014827586206896554,
163
+ "loss": 1.2911,
164
+ "step": 44
165
+ },
166
+ {
167
+ "epoch": 0.1597222222222222,
168
+ "grad_norm": 2.6823576263268478e-05,
169
+ "learning_rate": 0.00015517241379310346,
170
+ "loss": 1.3095,
171
+ "step": 46
172
+ },
173
+ {
174
+ "epoch": 0.16666666666666666,
175
+ "grad_norm": 1.2686981790466234e-05,
176
+ "learning_rate": 0.00016206896551724137,
177
+ "loss": 1.2149,
178
+ "step": 48
179
+ },
180
+ {
181
+ "epoch": 0.1736111111111111,
182
+ "grad_norm": 1.0219813702860847e-05,
183
+ "learning_rate": 0.00016896551724137932,
184
+ "loss": 1.2522,
185
+ "step": 50
186
+ },
187
+ {
188
+ "epoch": 0.18055555555555555,
189
+ "grad_norm": 1.0080276297230739e-05,
190
+ "learning_rate": 0.00017586206896551723,
191
+ "loss": 1.2311,
192
+ "step": 52
193
+ },
194
+ {
195
+ "epoch": 0.1875,
196
+ "grad_norm": 9.221699656336568e-06,
197
+ "learning_rate": 0.00018275862068965518,
198
+ "loss": 1.2138,
199
+ "step": 54
200
+ },
201
+ {
202
+ "epoch": 0.19444444444444445,
203
+ "grad_norm": 1.0500927601242438e-05,
204
+ "learning_rate": 0.00018965517241379312,
205
+ "loss": 1.2149,
206
+ "step": 56
207
+ },
208
+ {
209
+ "epoch": 0.2013888888888889,
210
+ "grad_norm": 8.30852695798967e-06,
211
+ "learning_rate": 0.00019655172413793104,
212
+ "loss": 1.212,
213
+ "step": 58
214
+ },
215
+ {
216
+ "epoch": 0.20833333333333334,
217
+ "grad_norm": 1.2315202184254304e-05,
218
+ "learning_rate": 0.0001999995876796145,
219
+ "loss": 1.2239,
220
+ "step": 60
221
+ },
222
+ {
223
+ "epoch": 0.2152777777777778,
224
+ "grad_norm": 1.1090536645497195e-05,
225
+ "learning_rate": 0.00019999628913693117,
226
+ "loss": 1.2075,
227
+ "step": 62
228
+ },
229
+ {
230
+ "epoch": 0.2222222222222222,
231
+ "grad_norm": 1.1589069799811114e-05,
232
+ "learning_rate": 0.00019998969216036892,
233
+ "loss": 1.2026,
234
+ "step": 64
235
+ },
236
+ {
237
+ "epoch": 0.22916666666666666,
238
+ "grad_norm": 1.0656535778252874e-05,
239
+ "learning_rate": 0.0001999797969675326,
240
+ "loss": 1.2126,
241
+ "step": 66
242
+ },
243
+ {
244
+ "epoch": 0.2361111111111111,
245
+ "grad_norm": 9.856509677774739e-06,
246
+ "learning_rate": 0.00019996660388482083,
247
+ "loss": 1.166,
248
+ "step": 68
249
+ },
250
+ {
251
+ "epoch": 0.24305555555555555,
252
+ "grad_norm": 1.5398893083329313e-05,
253
+ "learning_rate": 0.00019995011334741477,
254
+ "loss": 1.215,
255
+ "step": 70
256
+ },
257
+ {
258
+ "epoch": 0.25,
259
+ "grad_norm": 8.422492101090029e-06,
260
+ "learning_rate": 0.00019993032589926414,
261
+ "loss": 1.1868,
262
+ "step": 72
263
+ },
264
+ {
265
+ "epoch": 0.2569444444444444,
266
+ "grad_norm": 8.810847248241771e-06,
267
+ "learning_rate": 0.00019990724219306902,
268
+ "loss": 1.1971,
269
+ "step": 74
270
+ },
271
+ {
272
+ "epoch": 0.2638888888888889,
273
+ "grad_norm": 1.1227813956793398e-05,
274
+ "learning_rate": 0.00019988086299025848,
275
+ "loss": 1.1684,
276
+ "step": 76
277
+ },
278
+ {
279
+ "epoch": 0.2708333333333333,
280
+ "grad_norm": 1.0562929674051702e-05,
281
+ "learning_rate": 0.00019985118916096534,
282
+ "loss": 1.1981,
283
+ "step": 78
284
+ },
285
+ {
286
+ "epoch": 0.2777777777777778,
287
+ "grad_norm": 1.521587728348095e-05,
288
+ "learning_rate": 0.00019981822168399756,
289
+ "loss": 1.1838,
290
+ "step": 80
291
+ },
292
+ {
293
+ "epoch": 0.2847222222222222,
294
+ "grad_norm": 1.0759257747849915e-05,
295
+ "learning_rate": 0.00019978196164680597,
296
+ "loss": 1.2032,
297
+ "step": 82
298
+ },
299
+ {
300
+ "epoch": 0.2916666666666667,
301
+ "grad_norm": 8.712796443433035e-06,
302
+ "learning_rate": 0.00019974241024544828,
303
+ "loss": 1.1937,
304
+ "step": 84
305
+ },
306
+ {
307
+ "epoch": 0.2986111111111111,
308
+ "grad_norm": 1.368098037346499e-05,
309
+ "learning_rate": 0.00019969956878454972,
310
+ "loss": 1.1965,
311
+ "step": 86
312
+ },
313
+ {
314
+ "epoch": 0.3055555555555556,
315
+ "grad_norm": 1.0317597116227262e-05,
316
+ "learning_rate": 0.00019965343867725998,
317
+ "loss": 1.1908,
318
+ "step": 88
319
+ },
320
+ {
321
+ "epoch": 0.3125,
322
+ "grad_norm": 1.0250181730953045e-05,
323
+ "learning_rate": 0.00019960402144520665,
324
+ "loss": 1.1983,
325
+ "step": 90
326
+ },
327
+ {
328
+ "epoch": 0.3194444444444444,
329
+ "grad_norm": 1.0102179658133537e-05,
330
+ "learning_rate": 0.00019955131871844488,
331
+ "loss": 1.1842,
332
+ "step": 92
333
+ },
334
+ {
335
+ "epoch": 0.3263888888888889,
336
+ "grad_norm": 8.509154213243164e-06,
337
+ "learning_rate": 0.00019949533223540385,
338
+ "loss": 1.1871,
339
+ "step": 94
340
+ },
341
+ {
342
+ "epoch": 0.3333333333333333,
343
+ "grad_norm": 8.434612027485855e-06,
344
+ "learning_rate": 0.00019943606384282916,
345
+ "loss": 1.2072,
346
+ "step": 96
347
+ },
348
+ {
349
+ "epoch": 0.3402777777777778,
350
+ "grad_norm": 1.0174206181545742e-05,
351
+ "learning_rate": 0.0001993735154957221,
352
+ "loss": 1.2088,
353
+ "step": 98
354
+ },
355
+ {
356
+ "epoch": 0.3472222222222222,
357
+ "grad_norm": 9.98695850285003e-06,
358
+ "learning_rate": 0.00019930768925727514,
359
+ "loss": 1.1847,
360
+ "step": 100
361
+ },
362
+ {
363
+ "epoch": 0.3541666666666667,
364
+ "grad_norm": 8.591785444878042e-06,
365
+ "learning_rate": 0.0001992385872988038,
366
+ "loss": 1.2041,
367
+ "step": 102
368
+ },
369
+ {
370
+ "epoch": 0.3611111111111111,
371
+ "grad_norm": 1.0436694537929725e-05,
372
+ "learning_rate": 0.00019916621189967502,
373
+ "loss": 1.2194,
374
+ "step": 104
375
+ },
376
+ {
377
+ "epoch": 0.3680555555555556,
378
+ "grad_norm": 1.137161689257482e-05,
379
+ "learning_rate": 0.00019909056544723213,
380
+ "loss": 1.1788,
381
+ "step": 106
382
+ },
383
+ {
384
+ "epoch": 0.375,
385
+ "grad_norm": 1.0015843145083636e-05,
386
+ "learning_rate": 0.00019901165043671593,
387
+ "loss": 1.1979,
388
+ "step": 108
389
+ },
390
+ {
391
+ "epoch": 0.3819444444444444,
392
+ "grad_norm": 1.0921584362222347e-05,
393
+ "learning_rate": 0.00019892946947118242,
394
+ "loss": 1.1836,
395
+ "step": 110
396
+ },
397
+ {
398
+ "epoch": 0.3888888888888889,
399
+ "grad_norm": 2.0685600247816183e-05,
400
+ "learning_rate": 0.00019884402526141709,
401
+ "loss": 1.1883,
402
+ "step": 112
403
+ },
404
+ {
405
+ "epoch": 0.3958333333333333,
406
+ "grad_norm": 1.0137908247997984e-05,
407
+ "learning_rate": 0.00019875532062584519,
408
+ "loss": 1.183,
409
+ "step": 114
410
+ },
411
+ {
412
+ "epoch": 0.4027777777777778,
413
+ "grad_norm": 1.1504852409416344e-05,
414
+ "learning_rate": 0.00019866335849043912,
415
+ "loss": 1.1957,
416
+ "step": 116
417
+ },
418
+ {
419
+ "epoch": 0.4097222222222222,
420
+ "grad_norm": 8.32590194477234e-06,
421
+ "learning_rate": 0.00019856814188862166,
422
+ "loss": 1.1605,
423
+ "step": 118
424
+ },
425
+ {
426
+ "epoch": 0.4166666666666667,
427
+ "grad_norm": 1.0243880751659162e-05,
428
+ "learning_rate": 0.000198469673961166,
429
+ "loss": 1.1787,
430
+ "step": 120
431
+ },
432
+ {
433
+ "epoch": 0.4236111111111111,
434
+ "grad_norm": 9.695215339888819e-06,
435
+ "learning_rate": 0.00019836795795609213,
436
+ "loss": 1.1849,
437
+ "step": 122
438
+ },
439
+ {
440
+ "epoch": 0.4305555555555556,
441
+ "grad_norm": 9.29382167669246e-06,
442
+ "learning_rate": 0.00019826299722855976,
443
+ "loss": 1.1779,
444
+ "step": 124
445
+ },
446
+ {
447
+ "epoch": 0.4375,
448
+ "grad_norm": 1.0769907930807676e-05,
449
+ "learning_rate": 0.00019815479524075758,
450
+ "loss": 1.1878,
451
+ "step": 126
452
+ },
453
+ {
454
+ "epoch": 0.4444444444444444,
455
+ "grad_norm": 1.0001721420849208e-05,
456
+ "learning_rate": 0.000198043355561789,
457
+ "loss": 1.1963,
458
+ "step": 128
459
+ },
460
+ {
461
+ "epoch": 0.4513888888888889,
462
+ "grad_norm": 1.2609498298843391e-05,
463
+ "learning_rate": 0.00019792868186755463,
464
+ "loss": 1.2135,
465
+ "step": 130
466
+ },
467
+ {
468
+ "epoch": 0.4583333333333333,
469
+ "grad_norm": 9.788008355826605e-06,
470
+ "learning_rate": 0.00019781077794063073,
471
+ "loss": 1.2,
472
+ "step": 132
473
+ },
474
+ {
475
+ "epoch": 0.4652777777777778,
476
+ "grad_norm": 1.0332081728847697e-05,
477
+ "learning_rate": 0.00019768964767014475,
478
+ "loss": 1.1747,
479
+ "step": 134
480
+ },
481
+ {
482
+ "epoch": 0.4722222222222222,
483
+ "grad_norm": 1.2005073585896753e-05,
484
+ "learning_rate": 0.00019756529505164682,
485
+ "loss": 1.1907,
486
+ "step": 136
487
+ },
488
+ {
489
+ "epoch": 0.4791666666666667,
490
+ "grad_norm": 8.512701242580079e-06,
491
+ "learning_rate": 0.00019743772418697806,
492
+ "loss": 1.2034,
493
+ "step": 138
494
+ },
495
+ {
496
+ "epoch": 0.4861111111111111,
497
+ "grad_norm": 1.081860773410881e-05,
498
+ "learning_rate": 0.0001973069392841352,
499
+ "loss": 1.1764,
500
+ "step": 140
501
+ },
502
+ {
503
+ "epoch": 0.4930555555555556,
504
+ "grad_norm": 1.0664197361620609e-05,
505
+ "learning_rate": 0.000197172944657132,
506
+ "loss": 1.169,
507
+ "step": 142
508
+ },
509
+ {
510
+ "epoch": 0.5,
511
+ "grad_norm": 8.31518536870135e-06,
512
+ "learning_rate": 0.00019703574472585648,
513
+ "loss": 1.1787,
514
+ "step": 144
515
+ },
516
+ {
517
+ "epoch": 0.5069444444444444,
518
+ "grad_norm": 9.874113857222255e-06,
519
+ "learning_rate": 0.00019689534401592568,
520
+ "loss": 1.1908,
521
+ "step": 146
522
+ },
523
+ {
524
+ "epoch": 0.5138888888888888,
525
+ "grad_norm": 1.027604412229266e-05,
526
+ "learning_rate": 0.00019675174715853605,
527
+ "loss": 1.2001,
528
+ "step": 148
529
+ },
530
+ {
531
+ "epoch": 0.5208333333333334,
532
+ "grad_norm": 1.5908390196273103e-05,
533
+ "learning_rate": 0.00019660495889031073,
534
+ "loss": 1.1771,
535
+ "step": 150
536
+ },
537
+ {
538
+ "epoch": 0.5277777777777778,
539
+ "grad_norm": 1.0185674909735098e-05,
540
+ "learning_rate": 0.00019645498405314337,
541
+ "loss": 1.1809,
542
+ "step": 152
543
+ },
544
+ {
545
+ "epoch": 0.5347222222222222,
546
+ "grad_norm": 1.4728296264365781e-05,
547
+ "learning_rate": 0.0001963018275940384,
548
+ "loss": 1.2066,
549
+ "step": 154
550
+ },
551
+ {
552
+ "epoch": 0.5416666666666666,
553
+ "grad_norm": 1.1691463441820815e-05,
554
+ "learning_rate": 0.00019614549456494778,
555
+ "loss": 1.1879,
556
+ "step": 156
557
+ },
558
+ {
559
+ "epoch": 0.5486111111111112,
560
+ "grad_norm": 1.1677379916363861e-05,
561
+ "learning_rate": 0.0001959859901226045,
562
+ "loss": 1.1758,
563
+ "step": 158
564
+ },
565
+ {
566
+ "epoch": 0.5555555555555556,
567
+ "grad_norm": 1.2042312846460845e-05,
568
+ "learning_rate": 0.0001958233195283524,
569
+ "loss": 1.1741,
570
+ "step": 160
571
+ },
572
+ {
573
+ "epoch": 0.5625,
574
+ "grad_norm": 1.5415562302223407e-05,
575
+ "learning_rate": 0.00019565748814797252,
576
+ "loss": 1.1855,
577
+ "step": 162
578
+ },
579
+ {
580
+ "epoch": 0.5694444444444444,
581
+ "grad_norm": 1.4021643437445164e-05,
582
+ "learning_rate": 0.00019548850145150633,
583
+ "loss": 1.1937,
584
+ "step": 164
585
+ },
586
+ {
587
+ "epoch": 0.5763888888888888,
588
+ "grad_norm": 1.470915594836697e-05,
589
+ "learning_rate": 0.00019531636501307512,
590
+ "loss": 1.1946,
591
+ "step": 166
592
+ },
593
+ {
594
+ "epoch": 0.5833333333333334,
595
+ "grad_norm": 1.355435324512655e-05,
596
+ "learning_rate": 0.00019514108451069615,
597
+ "loss": 1.1898,
598
+ "step": 168
599
+ },
600
+ {
601
+ "epoch": 0.5902777777777778,
602
+ "grad_norm": 1.642305687710177e-05,
603
+ "learning_rate": 0.00019496266572609547,
604
+ "loss": 1.1822,
605
+ "step": 170
606
+ },
607
+ {
608
+ "epoch": 0.5972222222222222,
609
+ "grad_norm": 1.8154083591070957e-05,
610
+ "learning_rate": 0.00019478111454451712,
611
+ "loss": 1.1751,
612
+ "step": 172
613
+ },
614
+ {
615
+ "epoch": 0.6041666666666666,
616
+ "grad_norm": 1.3315224350662902e-05,
617
+ "learning_rate": 0.00019459643695452904,
618
+ "loss": 1.1826,
619
+ "step": 174
620
+ },
621
+ {
622
+ "epoch": 0.6111111111111112,
623
+ "grad_norm": 1.2248892744537443e-05,
624
+ "learning_rate": 0.00019440863904782543,
625
+ "loss": 1.213,
626
+ "step": 176
627
+ },
628
+ {
629
+ "epoch": 0.6180555555555556,
630
+ "grad_norm": 1.7752956409822218e-05,
631
+ "learning_rate": 0.00019421772701902596,
632
+ "loss": 1.1833,
633
+ "step": 178
634
+ },
635
+ {
636
+ "epoch": 0.625,
637
+ "grad_norm": 1.744980545481667e-05,
638
+ "learning_rate": 0.00019402370716547135,
639
+ "loss": 1.1974,
640
+ "step": 180
641
+ },
642
+ {
643
+ "epoch": 0.6319444444444444,
644
+ "grad_norm": 1.9521774447639473e-05,
645
+ "learning_rate": 0.00019382658588701568,
646
+ "loss": 1.1931,
647
+ "step": 182
648
+ },
649
+ {
650
+ "epoch": 0.6388888888888888,
651
+ "grad_norm": 1.5161932424234692e-05,
652
+ "learning_rate": 0.00019362636968581524,
653
+ "loss": 1.1901,
654
+ "step": 184
655
+ },
656
+ {
657
+ "epoch": 0.6458333333333334,
658
+ "grad_norm": 1.868332583399024e-05,
659
+ "learning_rate": 0.00019342306516611417,
660
+ "loss": 1.2045,
661
+ "step": 186
662
+ },
663
+ {
664
+ "epoch": 0.6527777777777778,
665
+ "grad_norm": 2.162260534532834e-05,
666
+ "learning_rate": 0.00019321667903402642,
667
+ "loss": 1.1899,
668
+ "step": 188
669
+ },
670
+ {
671
+ "epoch": 0.6597222222222222,
672
+ "grad_norm": 1.507936030975543e-05,
673
+ "learning_rate": 0.00019300721809731476,
674
+ "loss": 1.2029,
675
+ "step": 190
676
+ },
677
+ {
678
+ "epoch": 0.6666666666666666,
679
+ "grad_norm": 2.0704670532722957e-05,
680
+ "learning_rate": 0.00019279468926516606,
681
+ "loss": 1.2063,
682
+ "step": 192
683
+ },
684
+ {
685
+ "epoch": 0.6736111111111112,
686
+ "grad_norm": 1.8972095858771354e-05,
687
+ "learning_rate": 0.0001925790995479635,
688
+ "loss": 1.1861,
689
+ "step": 194
690
+ },
691
+ {
692
+ "epoch": 0.6805555555555556,
693
+ "grad_norm": 1.5989120583981276e-05,
694
+ "learning_rate": 0.0001923604560570552,
695
+ "loss": 1.2143,
696
+ "step": 196
697
+ },
698
+ {
699
+ "epoch": 0.6875,
700
+ "grad_norm": 1.15529483082355e-05,
701
+ "learning_rate": 0.00019213876600451978,
702
+ "loss": 1.1939,
703
+ "step": 198
704
+ },
705
+ {
706
+ "epoch": 0.6944444444444444,
707
+ "grad_norm": 1.474355212849332e-05,
708
+ "learning_rate": 0.0001919140367029284,
709
+ "loss": 1.1909,
710
+ "step": 200
711
+ },
712
+ {
713
+ "epoch": 0.7013888888888888,
714
+ "grad_norm": 1.4453116818913259e-05,
715
+ "learning_rate": 0.00019168627556510358,
716
+ "loss": 1.1669,
717
+ "step": 202
718
+ },
719
+ {
720
+ "epoch": 0.7083333333333334,
721
+ "grad_norm": 1.5761746908538043e-05,
722
+ "learning_rate": 0.00019145549010387463,
723
+ "loss": 1.1724,
724
+ "step": 204
725
+ },
726
+ {
727
+ "epoch": 0.7152777777777778,
728
+ "grad_norm": 1.6146143025252968e-05,
729
+ "learning_rate": 0.00019122168793182987,
730
+ "loss": 1.1755,
731
+ "step": 206
732
+ },
733
+ {
734
+ "epoch": 0.7222222222222222,
735
+ "grad_norm": 1.3478926121024415e-05,
736
+ "learning_rate": 0.00019098487676106558,
737
+ "loss": 1.1972,
738
+ "step": 208
739
+ },
740
+ {
741
+ "epoch": 0.7291666666666666,
742
+ "grad_norm": 1.650435478950385e-05,
743
+ "learning_rate": 0.00019074506440293148,
744
+ "loss": 1.1689,
745
+ "step": 210
746
+ },
747
+ {
748
+ "epoch": 0.7361111111111112,
749
+ "grad_norm": 1.2287140634725802e-05,
750
+ "learning_rate": 0.00019050225876777316,
751
+ "loss": 1.1904,
752
+ "step": 212
753
+ },
754
+ {
755
+ "epoch": 0.7430555555555556,
756
+ "grad_norm": 1.4642901078332216e-05,
757
+ "learning_rate": 0.00019025646786467116,
758
+ "loss": 1.179,
759
+ "step": 214
760
+ },
761
+ {
762
+ "epoch": 0.75,
763
+ "grad_norm": 1.2564278222271241e-05,
764
+ "learning_rate": 0.00019000769980117682,
765
+ "loss": 1.1748,
766
+ "step": 216
767
+ },
768
+ {
769
+ "epoch": 0.7569444444444444,
770
+ "grad_norm": 1.6164931366802193e-05,
771
+ "learning_rate": 0.0001897559627830447,
772
+ "loss": 1.1975,
773
+ "step": 218
774
+ },
775
+ {
776
+ "epoch": 0.7638888888888888,
777
+ "grad_norm": 1.9057128156418912e-05,
778
+ "learning_rate": 0.000189501265113962,
779
+ "loss": 1.1759,
780
+ "step": 220
781
+ },
782
+ {
783
+ "epoch": 0.7708333333333334,
784
+ "grad_norm": 1.6131505617522635e-05,
785
+ "learning_rate": 0.00018924361519527473,
786
+ "loss": 1.1886,
787
+ "step": 222
788
+ },
789
+ {
790
+ "epoch": 0.7777777777777778,
791
+ "grad_norm": 1.875819725682959e-05,
792
+ "learning_rate": 0.00018898302152571043,
793
+ "loss": 1.198,
794
+ "step": 224
795
+ },
796
+ {
797
+ "epoch": 0.7847222222222222,
798
+ "grad_norm": 2.0776369638042524e-05,
799
+ "learning_rate": 0.000188719492701098,
800
+ "loss": 1.1851,
801
+ "step": 226
802
+ },
803
+ {
804
+ "epoch": 0.7916666666666666,
805
+ "grad_norm": 1.8655549865798093e-05,
806
+ "learning_rate": 0.000188453037414084,
807
+ "loss": 1.1942,
808
+ "step": 228
809
+ },
810
+ {
811
+ "epoch": 0.7986111111111112,
812
+ "grad_norm": 2.2143083697301336e-05,
813
+ "learning_rate": 0.0001881836644538461,
814
+ "loss": 1.1713,
815
+ "step": 230
816
+ },
817
+ {
818
+ "epoch": 0.8055555555555556,
819
+ "grad_norm": 1.975363375095185e-05,
820
+ "learning_rate": 0.000187911382705803,
821
+ "loss": 1.1768,
822
+ "step": 232
823
+ },
824
+ {
825
+ "epoch": 0.8125,
826
+ "grad_norm": 2.22298640437657e-05,
827
+ "learning_rate": 0.00018763620115132135,
828
+ "loss": 1.1878,
829
+ "step": 234
830
+ },
831
+ {
832
+ "epoch": 0.8194444444444444,
833
+ "grad_norm": 1.9831964891636744e-05,
834
+ "learning_rate": 0.00018735812886741968,
835
+ "loss": 1.1945,
836
+ "step": 236
837
+ },
838
+ {
839
+ "epoch": 0.8263888888888888,
840
+ "grad_norm": 2.3476728529203683e-05,
841
+ "learning_rate": 0.00018707717502646873,
842
+ "loss": 1.1759,
843
+ "step": 238
844
+ },
845
+ {
846
+ "epoch": 0.8333333333333334,
847
+ "grad_norm": 2.4707373086130247e-05,
848
+ "learning_rate": 0.0001867933488958891,
849
+ "loss": 1.207,
850
+ "step": 240
851
+ },
852
+ {
853
+ "epoch": 0.8402777777777778,
854
+ "grad_norm": 2.212941035395488e-05,
855
+ "learning_rate": 0.00018650665983784546,
856
+ "loss": 1.2087,
857
+ "step": 242
858
+ },
859
+ {
860
+ "epoch": 0.8472222222222222,
861
+ "grad_norm": 1.8686198018258438e-05,
862
+ "learning_rate": 0.00018621711730893776,
863
+ "loss": 1.1937,
864
+ "step": 244
865
+ },
866
+ {
867
+ "epoch": 0.8541666666666666,
868
+ "grad_norm": 2.0610183128155768e-05,
869
+ "learning_rate": 0.00018592473085988925,
870
+ "loss": 1.1864,
871
+ "step": 246
872
+ },
873
+ {
874
+ "epoch": 0.8611111111111112,
875
+ "grad_norm": 1.8564192941994406e-05,
876
+ "learning_rate": 0.00018562951013523154,
877
+ "loss": 1.1726,
878
+ "step": 248
879
+ },
880
+ {
881
+ "epoch": 0.8680555555555556,
882
+ "grad_norm": 2.2897967937751673e-05,
883
+ "learning_rate": 0.00018533146487298638,
884
+ "loss": 1.2127,
885
+ "step": 250
886
+ },
887
+ {
888
+ "epoch": 0.875,
889
+ "grad_norm": 2.0674704501288943e-05,
890
+ "learning_rate": 0.0001850306049043445,
891
+ "loss": 1.1884,
892
+ "step": 252
893
+ },
894
+ {
895
+ "epoch": 0.8819444444444444,
896
+ "grad_norm": 1.8763206753646955e-05,
897
+ "learning_rate": 0.00018472694015334132,
898
+ "loss": 1.1698,
899
+ "step": 254
900
+ },
901
+ {
902
+ "epoch": 0.8888888888888888,
903
+ "grad_norm": 4.040408748551272e-05,
904
+ "learning_rate": 0.00018442048063652952,
905
+ "loss": 1.1681,
906
+ "step": 256
907
+ },
908
+ {
909
+ "epoch": 0.8958333333333334,
910
+ "grad_norm": 2.0314189896453172e-05,
911
+ "learning_rate": 0.00018411123646264882,
912
+ "loss": 1.1708,
913
+ "step": 258
914
+ },
915
+ {
916
+ "epoch": 0.9027777777777778,
917
+ "grad_norm": 2.7322474124957807e-05,
918
+ "learning_rate": 0.0001837992178322923,
919
+ "loss": 1.1995,
920
+ "step": 260
921
+ },
922
+ {
923
+ "epoch": 0.9097222222222222,
924
+ "grad_norm": 2.6407045879750513e-05,
925
+ "learning_rate": 0.0001834844350375701,
926
+ "loss": 1.1898,
927
+ "step": 262
928
+ },
929
+ {
930
+ "epoch": 0.9166666666666666,
931
+ "grad_norm": 2.5243745767511427e-05,
932
+ "learning_rate": 0.00018316689846176992,
933
+ "loss": 1.1898,
934
+ "step": 264
935
+ },
936
+ {
937
+ "epoch": 0.9236111111111112,
938
+ "grad_norm": 2.753574517555535e-05,
939
+ "learning_rate": 0.00018284661857901436,
940
+ "loss": 1.187,
941
+ "step": 266
942
+ },
943
+ {
944
+ "epoch": 0.9305555555555556,
945
+ "grad_norm": 3.223833846277557e-05,
946
+ "learning_rate": 0.00018252360595391565,
947
+ "loss": 1.1908,
948
+ "step": 268
949
+ },
950
+ {
951
+ "epoch": 0.9375,
952
+ "grad_norm": 2.6311214242014103e-05,
953
+ "learning_rate": 0.00018219787124122708,
954
+ "loss": 1.206,
955
+ "step": 270
956
+ },
957
+ {
958
+ "epoch": 0.9444444444444444,
959
+ "grad_norm": 2.6744064598460682e-05,
960
+ "learning_rate": 0.00018186942518549145,
961
+ "loss": 1.2154,
962
+ "step": 272
963
+ },
964
+ {
965
+ "epoch": 0.9513888888888888,
966
+ "grad_norm": 2.5860512323561125e-05,
967
+ "learning_rate": 0.00018153827862068674,
968
+ "loss": 1.1825,
969
+ "step": 274
970
+ },
971
+ {
972
+ "epoch": 0.9583333333333334,
973
+ "grad_norm": 3.4333595976931974e-05,
974
+ "learning_rate": 0.00018120444246986882,
975
+ "loss": 1.1831,
976
+ "step": 276
977
+ },
978
+ {
979
+ "epoch": 0.9652777777777778,
980
+ "grad_norm": 3.32353483827319e-05,
981
+ "learning_rate": 0.00018086792774481102,
982
+ "loss": 1.2021,
983
+ "step": 278
984
+ },
985
+ {
986
+ "epoch": 0.9722222222222222,
987
+ "grad_norm": 3.6012690543429926e-05,
988
+ "learning_rate": 0.00018052874554564088,
989
+ "loss": 1.1799,
990
+ "step": 280
991
+ },
992
+ {
993
+ "epoch": 0.9791666666666666,
994
+ "grad_norm": 3.507096698740497e-05,
995
+ "learning_rate": 0.00018018690706047422,
996
+ "loss": 1.2028,
997
+ "step": 282
998
+ },
999
+ {
1000
+ "epoch": 0.9861111111111112,
1001
+ "grad_norm": 4.70953673357144e-05,
1002
+ "learning_rate": 0.00017984242356504585,
1003
+ "loss": 1.1677,
1004
+ "step": 284
1005
+ },
1006
+ {
1007
+ "epoch": 0.9930555555555556,
1008
+ "grad_norm": 3.5310935345478356e-05,
1009
+ "learning_rate": 0.00017949530642233773,
1010
+ "loss": 1.2099,
1011
+ "step": 286
1012
+ },
1013
+ {
1014
+ "epoch": 1.0,
1015
+ "grad_norm": 4.8496305680600926e-05,
1016
+ "learning_rate": 0.00017914556708220424,
1017
+ "loss": 1.195,
1018
+ "step": 288
1019
+ },
1020
+ {
1021
+ "epoch": 1.0069444444444444,
1022
+ "grad_norm": 4.527560668066144e-05,
1023
+ "learning_rate": 0.00017879321708099433,
1024
+ "loss": 1.2009,
1025
+ "step": 290
1026
+ },
1027
+ {
1028
+ "epoch": 1.0138888888888888,
1029
+ "grad_norm": 4.206915036775172e-05,
1030
+ "learning_rate": 0.0001784382680411711,
1031
+ "loss": 1.1736,
1032
+ "step": 292
1033
+ },
1034
+ {
1035
+ "epoch": 1.0208333333333333,
1036
+ "grad_norm": 4.1610346670495346e-05,
1037
+ "learning_rate": 0.0001780807316709284,
1038
+ "loss": 1.2031,
1039
+ "step": 294
1040
+ },
1041
+ {
1042
+ "epoch": 1.0277777777777777,
1043
+ "grad_norm": 5.509778202394955e-05,
1044
+ "learning_rate": 0.00017772061976380465,
1045
+ "loss": 1.1989,
1046
+ "step": 296
1047
+ },
1048
+ {
1049
+ "epoch": 1.0347222222222223,
1050
+ "grad_norm": 4.0269846067531034e-05,
1051
+ "learning_rate": 0.0001773579441982938,
1052
+ "loss": 1.1862,
1053
+ "step": 298
1054
+ },
1055
+ {
1056
+ "epoch": 1.0416666666666667,
1057
+ "grad_norm": 4.829439421882853e-05,
1058
+ "learning_rate": 0.0001769927169374535,
1059
+ "loss": 1.1962,
1060
+ "step": 300
1061
+ },
1062
+ {
1063
+ "epoch": 1.0486111111111112,
1064
+ "grad_norm": 4.680109486798756e-05,
1065
+ "learning_rate": 0.00017662495002851049,
1066
+ "loss": 1.1822,
1067
+ "step": 302
1068
+ },
1069
+ {
1070
+ "epoch": 1.0555555555555556,
1071
+ "grad_norm": 4.947670822730288e-05,
1072
+ "learning_rate": 0.0001762546556024633,
1073
+ "loss": 1.214,
1074
+ "step": 304
1075
+ },
1076
+ {
1077
+ "epoch": 1.0625,
1078
+ "grad_norm": 5.944677104707807e-05,
1079
+ "learning_rate": 0.00017588184587368196,
1080
+ "loss": 1.2075,
1081
+ "step": 306
1082
+ },
1083
+ {
1084
+ "epoch": 1.0694444444444444,
1085
+ "grad_norm": 6.578410102520138e-05,
1086
+ "learning_rate": 0.0001755065331395052,
1087
+ "loss": 1.2299,
1088
+ "step": 308
1089
+ },
1090
+ {
1091
+ "epoch": 1.0763888888888888,
1092
+ "grad_norm": 8.231692481786013e-05,
1093
+ "learning_rate": 0.00017512872977983482,
1094
+ "loss": 1.208,
1095
+ "step": 310
1096
+ },
1097
+ {
1098
+ "epoch": 1.0833333333333333,
1099
+ "grad_norm": 6.243359530344605e-05,
1100
+ "learning_rate": 0.00017474844825672727,
1101
+ "loss": 1.2286,
1102
+ "step": 312
1103
+ },
1104
+ {
1105
+ "epoch": 1.0902777777777777,
1106
+ "grad_norm": 8.204213372664526e-05,
1107
+ "learning_rate": 0.00017436570111398263,
1108
+ "loss": 1.2454,
1109
+ "step": 314
1110
+ },
1111
+ {
1112
+ "epoch": 1.0972222222222223,
1113
+ "grad_norm": 7.384664058918133e-05,
1114
+ "learning_rate": 0.00017398050097673081,
1115
+ "loss": 1.2061,
1116
+ "step": 316
1117
+ },
1118
+ {
1119
+ "epoch": 1.1041666666666667,
1120
+ "grad_norm": 7.188819290604442e-05,
1121
+ "learning_rate": 0.0001735928605510152,
1122
+ "loss": 1.2155,
1123
+ "step": 318
1124
+ },
1125
+ {
1126
+ "epoch": 1.1111111111111112,
1127
+ "grad_norm": 0.00010495231254026294,
1128
+ "learning_rate": 0.00017320279262337333,
1129
+ "loss": 1.236,
1130
+ "step": 320
1131
+ },
1132
+ {
1133
+ "epoch": 1.1180555555555556,
1134
+ "grad_norm": 9.512733231531456e-05,
1135
+ "learning_rate": 0.00017281031006041538,
1136
+ "loss": 1.253,
1137
+ "step": 322
1138
+ },
1139
+ {
1140
+ "epoch": 1.125,
1141
+ "grad_norm": 9.048975334735587e-05,
1142
+ "learning_rate": 0.00017241542580839964,
1143
+ "loss": 1.2448,
1144
+ "step": 324
1145
+ },
1146
+ {
1147
+ "epoch": 1.1319444444444444,
1148
+ "grad_norm": 8.587296906625852e-05,
1149
+ "learning_rate": 0.0001720181528928054,
1150
+ "loss": 1.2478,
1151
+ "step": 326
1152
+ },
1153
+ {
1154
+ "epoch": 1.1388888888888888,
1155
+ "grad_norm": 9.011059592012316e-05,
1156
+ "learning_rate": 0.00017161850441790332,
1157
+ "loss": 1.2569,
1158
+ "step": 328
1159
+ },
1160
+ {
1161
+ "epoch": 1.1458333333333333,
1162
+ "grad_norm": 9.588886314304546e-05,
1163
+ "learning_rate": 0.00017121649356632333,
1164
+ "loss": 1.2707,
1165
+ "step": 330
1166
+ },
1167
+ {
1168
+ "epoch": 1.1527777777777777,
1169
+ "grad_norm": 9.867311746347696e-05,
1170
+ "learning_rate": 0.00017081213359861964,
1171
+ "loss": 1.2893,
1172
+ "step": 332
1173
+ },
1174
+ {
1175
+ "epoch": 1.1597222222222223,
1176
+ "grad_norm": 0.00010548109275987372,
1177
+ "learning_rate": 0.00017040543785283336,
1178
+ "loss": 1.3716,
1179
+ "step": 334
1180
+ },
1181
+ {
1182
+ "epoch": 1.1666666666666667,
1183
+ "grad_norm": 9.849516936810687e-05,
1184
+ "learning_rate": 0.0001699964197440526,
1185
+ "loss": 1.3677,
1186
+ "step": 336
1187
+ },
1188
+ {
1189
+ "epoch": 1.1736111111111112,
1190
+ "grad_norm": 9.55751893343404e-05,
1191
+ "learning_rate": 0.00016958509276396986,
1192
+ "loss": 1.3871,
1193
+ "step": 338
1194
+ },
1195
+ {
1196
+ "epoch": 1.1805555555555556,
1197
+ "grad_norm": 8.779441122896969e-05,
1198
+ "learning_rate": 0.00016917147048043708,
1199
+ "loss": 1.4266,
1200
+ "step": 340
1201
+ },
1202
+ {
1203
+ "epoch": 1.1875,
1204
+ "grad_norm": 8.045154390856624e-05,
1205
+ "learning_rate": 0.00016875556653701807,
1206
+ "loss": 1.5035,
1207
+ "step": 342
1208
+ },
1209
+ {
1210
+ "epoch": 1.1944444444444444,
1211
+ "grad_norm": 7.365510100498796e-05,
1212
+ "learning_rate": 0.00016833739465253855,
1213
+ "loss": 1.532,
1214
+ "step": 344
1215
+ },
1216
+ {
1217
+ "epoch": 1.2013888888888888,
1218
+ "grad_norm": 6.366265006363392e-05,
1219
+ "learning_rate": 0.00016791696862063343,
1220
+ "loss": 1.5854,
1221
+ "step": 346
1222
+ },
1223
+ {
1224
+ "epoch": 1.2083333333333333,
1225
+ "grad_norm": 5.384908217820339e-05,
1226
+ "learning_rate": 0.0001674943023092921,
1227
+ "loss": 1.6161,
1228
+ "step": 348
1229
+ },
1230
+ {
1231
+ "epoch": 1.2152777777777777,
1232
+ "grad_norm": 4.3953212298220024e-05,
1233
+ "learning_rate": 0.00016706940966040062,
1234
+ "loss": 1.6505,
1235
+ "step": 350
1236
+ },
1237
+ {
1238
+ "epoch": 1.2222222222222223,
1239
+ "grad_norm": 4.8670408432371914e-05,
1240
+ "learning_rate": 0.00016664230468928226,
1241
+ "loss": 1.6546,
1242
+ "step": 352
1243
+ },
1244
+ {
1245
+ "epoch": 1.2291666666666667,
1246
+ "grad_norm": 4.31089210906066e-05,
1247
+ "learning_rate": 0.0001662130014842348,
1248
+ "loss": 1.6483,
1249
+ "step": 354
1250
+ },
1251
+ {
1252
+ "epoch": 1.2361111111111112,
1253
+ "grad_norm": 3.783537613344379e-05,
1254
+ "learning_rate": 0.0001657815142060661,
1255
+ "loss": 1.6821,
1256
+ "step": 356
1257
+ },
1258
+ {
1259
+ "epoch": 1.2430555555555556,
1260
+ "grad_norm": 3.4532826248323545e-05,
1261
+ "learning_rate": 0.00016534785708762693,
1262
+ "loss": 1.7036,
1263
+ "step": 358
1264
+ },
1265
+ {
1266
+ "epoch": 1.25,
1267
+ "grad_norm": 3.33928874169942e-05,
1268
+ "learning_rate": 0.0001649120444333414,
1269
+ "loss": 1.7133,
1270
+ "step": 360
1271
+ },
1272
+ {
1273
+ "epoch": 1.2569444444444444,
1274
+ "grad_norm": 3.3881518902489915e-05,
1275
+ "learning_rate": 0.0001644740906187352,
1276
+ "loss": 1.7246,
1277
+ "step": 362
1278
+ },
1279
+ {
1280
+ "epoch": 1.2638888888888888,
1281
+ "grad_norm": 2.9356864615692757e-05,
1282
+ "learning_rate": 0.0001640340100899614,
1283
+ "loss": 1.7653,
1284
+ "step": 364
1285
+ },
1286
+ {
1287
+ "epoch": 1.2708333333333333,
1288
+ "grad_norm": 3.071104583796114e-05,
1289
+ "learning_rate": 0.00016359181736332393,
1290
+ "loss": 1.8163,
1291
+ "step": 366
1292
+ },
1293
+ {
1294
+ "epoch": 1.2777777777777777,
1295
+ "grad_norm": 3.3303516829619184e-05,
1296
+ "learning_rate": 0.00016314752702479882,
1297
+ "loss": 1.8645,
1298
+ "step": 368
1299
+ },
1300
+ {
1301
+ "epoch": 1.2847222222222223,
1302
+ "grad_norm": 3.376286258571781e-05,
1303
+ "learning_rate": 0.00016270115372955286,
1304
+ "loss": 1.904,
1305
+ "step": 370
1306
+ },
1307
+ {
1308
+ "epoch": 1.2916666666666667,
1309
+ "grad_norm": 5.366417462937534e-05,
1310
+ "learning_rate": 0.0001622527122014605,
1311
+ "loss": 1.9253,
1312
+ "step": 372
1313
+ },
1314
+ {
1315
+ "epoch": 1.2986111111111112,
1316
+ "grad_norm": 3.328424281789921e-05,
1317
+ "learning_rate": 0.0001618022172326179,
1318
+ "loss": 1.9897,
1319
+ "step": 374
1320
+ },
1321
+ {
1322
+ "epoch": 1.3055555555555556,
1323
+ "grad_norm": 2.7745934858103283e-05,
1324
+ "learning_rate": 0.00016134968368285518,
1325
+ "loss": 2.0278,
1326
+ "step": 376
1327
+ },
1328
+ {
1329
+ "epoch": 1.3125,
1330
+ "grad_norm": 3.089087113039568e-05,
1331
+ "learning_rate": 0.0001608951264792462,
1332
+ "loss": 2.0393,
1333
+ "step": 378
1334
+ },
1335
+ {
1336
+ "epoch": 1.3194444444444444,
1337
+ "grad_norm": 3.455130718066357e-05,
1338
+ "learning_rate": 0.00016043856061561613,
1339
+ "loss": 2.0616,
1340
+ "step": 380
1341
+ },
1342
+ {
1343
+ "epoch": 1.3263888888888888,
1344
+ "grad_norm": 2.891979420382995e-05,
1345
+ "learning_rate": 0.000159980001152047,
1346
+ "loss": 2.0735,
1347
+ "step": 382
1348
+ },
1349
+ {
1350
+ "epoch": 1.3333333333333333,
1351
+ "grad_norm": 2.5224271666957065e-05,
1352
+ "learning_rate": 0.00015951946321438073,
1353
+ "loss": 2.1789,
1354
+ "step": 384
1355
+ },
1356
+ {
1357
+ "epoch": 1.3402777777777777,
1358
+ "grad_norm": 2.7425830921856686e-05,
1359
+ "learning_rate": 0.0001590569619937205,
1360
+ "loss": 2.1456,
1361
+ "step": 386
1362
+ },
1363
+ {
1364
+ "epoch": 1.3472222222222223,
1365
+ "grad_norm": 2.8204965929035097e-05,
1366
+ "learning_rate": 0.00015859251274592934,
1367
+ "loss": 2.1728,
1368
+ "step": 388
1369
+ },
1370
+ {
1371
+ "epoch": 1.3541666666666667,
1372
+ "grad_norm": 2.821902853611391e-05,
1373
+ "learning_rate": 0.00015812613079112708,
1374
+ "loss": 2.2326,
1375
+ "step": 390
1376
+ },
1377
+ {
1378
+ "epoch": 1.3611111111111112,
1379
+ "grad_norm": 2.6897825591731817e-05,
1380
+ "learning_rate": 0.00015765783151318506,
1381
+ "loss": 2.2963,
1382
+ "step": 392
1383
+ },
1384
+ {
1385
+ "epoch": 1.3680555555555556,
1386
+ "grad_norm": 3.4906293876701966e-05,
1387
+ "learning_rate": 0.00015718763035921847,
1388
+ "loss": 2.4097,
1389
+ "step": 394
1390
+ },
1391
+ {
1392
+ "epoch": 1.375,
1393
+ "grad_norm": 3.223119711037725e-05,
1394
+ "learning_rate": 0.00015671554283907705,
1395
+ "loss": 2.4404,
1396
+ "step": 396
1397
+ },
1398
+ {
1399
+ "epoch": 1.3819444444444444,
1400
+ "grad_norm": 3.1298048270400614e-05,
1401
+ "learning_rate": 0.00015624158452483337,
1402
+ "loss": 2.5603,
1403
+ "step": 398
1404
+ },
1405
+ {
1406
+ "epoch": 1.3888888888888888,
1407
+ "grad_norm": 4.206110679660924e-05,
1408
+ "learning_rate": 0.00015576577105026916,
1409
+ "loss": 2.695,
1410
+ "step": 400
1411
+ },
1412
+ {
1413
+ "epoch": 1.3958333333333333,
1414
+ "grad_norm": 7.035292219370604e-05,
1415
+ "learning_rate": 0.00015528811811035972,
1416
+ "loss": 2.9149,
1417
+ "step": 402
1418
+ },
1419
+ {
1420
+ "epoch": 1.4027777777777777,
1421
+ "grad_norm": 0.00011025326239177957,
1422
+ "learning_rate": 0.00015480864146075608,
1423
+ "loss": 3.4276,
1424
+ "step": 404
1425
+ },
1426
+ {
1427
+ "epoch": 1.4097222222222223,
1428
+ "grad_norm": 0.0001375137799186632,
1429
+ "learning_rate": 0.00015432735691726547,
1430
+ "loss": 3.8393,
1431
+ "step": 406
1432
+ },
1433
+ {
1434
+ "epoch": 1.4166666666666667,
1435
+ "grad_norm": 0.00015558676386717707,
1436
+ "learning_rate": 0.00015384428035532932,
1437
+ "loss": 4.228,
1438
+ "step": 408
1439
+ },
1440
+ {
1441
+ "epoch": 1.4236111111111112,
1442
+ "grad_norm": 0.00016118814528454095,
1443
+ "learning_rate": 0.00015335942770950003,
1444
+ "loss": 4.5641,
1445
+ "step": 410
1446
+ },
1447
+ {
1448
+ "epoch": 1.4305555555555556,
1449
+ "grad_norm": 0.0001592924090800807,
1450
+ "learning_rate": 0.00015287281497291497,
1451
+ "loss": 4.851,
1452
+ "step": 412
1453
+ },
1454
+ {
1455
+ "epoch": 1.4375,
1456
+ "grad_norm": 0.00015159139002207667,
1457
+ "learning_rate": 0.0001523844581967691,
1458
+ "loss": 5.0476,
1459
+ "step": 414
1460
+ },
1461
+ {
1462
+ "epoch": 1.4444444444444444,
1463
+ "grad_norm": 0.0001463508524466306,
1464
+ "learning_rate": 0.00015189437348978561,
1465
+ "loss": 5.1316,
1466
+ "step": 416
1467
+ },
1468
+ {
1469
+ "epoch": 1.4513888888888888,
1470
+ "grad_norm": 0.00018889355123974383,
1471
+ "learning_rate": 0.00015140257701768442,
1472
+ "loss": 5.4955,
1473
+ "step": 418
1474
+ },
1475
+ {
1476
+ "epoch": 1.4583333333333333,
1477
+ "grad_norm": 0.00014158397971186787,
1478
+ "learning_rate": 0.0001509090850026489,
1479
+ "loss": 5.5181,
1480
+ "step": 420
1481
+ },
1482
+ {
1483
+ "epoch": 1.4652777777777777,
1484
+ "grad_norm": 0.00013335797120817006,
1485
+ "learning_rate": 0.00015041391372279094,
1486
+ "loss": 5.675,
1487
+ "step": 422
1488
+ },
1489
+ {
1490
+ "epoch": 1.4722222222222223,
1491
+ "grad_norm": 0.00012022190639982,
1492
+ "learning_rate": 0.0001499170795116139,
1493
+ "loss": 5.6161,
1494
+ "step": 424
1495
+ },
1496
+ {
1497
+ "epoch": 1.4791666666666667,
1498
+ "grad_norm": 0.00010211220069322735,
1499
+ "learning_rate": 0.0001494185987574739,
1500
+ "loss": 5.6191,
1501
+ "step": 426
1502
+ },
1503
+ {
1504
+ "epoch": 1.4861111111111112,
1505
+ "grad_norm": 8.821386290946975e-05,
1506
+ "learning_rate": 0.0001489184879030392,
1507
+ "loss": 5.6616,
1508
+ "step": 428
1509
+ },
1510
+ {
1511
+ "epoch": 1.4930555555555556,
1512
+ "grad_norm": 8.532748324796557e-05,
1513
+ "learning_rate": 0.00014841676344474775,
1514
+ "loss": 5.6971,
1515
+ "step": 430
1516
+ },
1517
+ {
1518
+ "epoch": 1.5,
1519
+ "grad_norm": 8.207001519622281e-05,
1520
+ "learning_rate": 0.00014791344193226325,
1521
+ "loss": 5.7875,
1522
+ "step": 432
1523
+ },
1524
+ {
1525
+ "epoch": 1.5069444444444444,
1526
+ "grad_norm": 7.251853821799159e-05,
1527
+ "learning_rate": 0.00014740853996792903,
1528
+ "loss": 5.7305,
1529
+ "step": 434
1530
+ },
1531
+ {
1532
+ "epoch": 1.5138888888888888,
1533
+ "grad_norm": 0.00016514182789251208,
1534
+ "learning_rate": 0.00014690207420622062,
1535
+ "loss": 5.7891,
1536
+ "step": 436
1537
+ },
1538
+ {
1539
+ "epoch": 1.5208333333333335,
1540
+ "grad_norm": 6.044754263712093e-05,
1541
+ "learning_rate": 0.00014639406135319617,
1542
+ "loss": 6.0149,
1543
+ "step": 438
1544
+ },
1545
+ {
1546
+ "epoch": 1.5277777777777777,
1547
+ "grad_norm": 7.798307342454791e-05,
1548
+ "learning_rate": 0.0001458845181659456,
1549
+ "loss": 5.9835,
1550
+ "step": 440
1551
+ },
1552
+ {
1553
+ "epoch": 1.5347222222222223,
1554
+ "grad_norm": 5.688685632776469e-05,
1555
+ "learning_rate": 0.00014537346145203776,
1556
+ "loss": 6.145,
1557
+ "step": 442
1558
+ },
1559
+ {
1560
+ "epoch": 1.5416666666666665,
1561
+ "grad_norm": 5.519447586266324e-05,
1562
+ "learning_rate": 0.00014486090806896596,
1563
+ "loss": 6.1921,
1564
+ "step": 444
1565
+ },
1566
+ {
1567
+ "epoch": 1.5486111111111112,
1568
+ "grad_norm": 5.198594226385467e-05,
1569
+ "learning_rate": 0.00014434687492359202,
1570
+ "loss": 6.2428,
1571
+ "step": 446
1572
+ },
1573
+ {
1574
+ "epoch": 1.5555555555555556,
1575
+ "grad_norm": 5.4393378377426416e-05,
1576
+ "learning_rate": 0.00014383137897158857,
1577
+ "loss": 6.2366,
1578
+ "step": 448
1579
+ },
1580
+ {
1581
+ "epoch": 1.5625,
1582
+ "grad_norm": NaN,
1583
+ "learning_rate": 0.00014331443721687974,
1584
+ "loss": 6.5184,
1585
+ "step": 450
1586
+ },
1587
+ {
1588
+ "epoch": 1.5694444444444444,
1589
+ "grad_norm": NaN,
1590
+ "learning_rate": 0.00014331443721687974,
1591
+ "loss": 6.3582,
1592
+ "step": 452
1593
+ },
1594
+ {
1595
+ "epoch": 1.5763888888888888,
1596
+ "grad_norm": NaN,
1597
+ "learning_rate": 0.00014331443721687974,
1598
+ "loss": 6.4165,
1599
+ "step": 454
1600
+ },
1601
+ {
1602
+ "epoch": 1.5833333333333335,
1603
+ "grad_norm": NaN,
1604
+ "learning_rate": 0.00014331443721687974,
1605
+ "loss": 6.5681,
1606
+ "step": 456
1607
+ },
1608
+ {
1609
+ "epoch": 1.5902777777777777,
1610
+ "grad_norm": 0.013171161524951458,
1611
+ "learning_rate": 0.00014331443721687974,
1612
+ "loss": 6.4663,
1613
+ "step": 458
1614
+ },
1615
+ {
1616
+ "epoch": 1.5972222222222223,
1617
+ "grad_norm": NaN,
1618
+ "learning_rate": 0.00014305542949029284,
1619
+ "loss": 0.0,
1620
+ "step": 460
1621
+ },
1622
+ {
1623
+ "epoch": 1.6041666666666665,
1624
+ "grad_norm": NaN,
1625
+ "learning_rate": 0.00014305542949029284,
1626
+ "loss": 0.0,
1627
+ "step": 462
1628
+ },
1629
+ {
1630
+ "epoch": 1.6111111111111112,
1631
+ "grad_norm": NaN,
1632
+ "learning_rate": 0.00014305542949029284,
1633
+ "loss": 0.0,
1634
+ "step": 464
1635
+ },
1636
+ {
1637
+ "epoch": 1.6180555555555556,
1638
+ "grad_norm": NaN,
1639
+ "learning_rate": 0.00014305542949029284,
1640
+ "loss": 0.0,
1641
+ "step": 466
1642
+ },
1643
+ {
1644
+ "epoch": 1.625,
1645
+ "grad_norm": NaN,
1646
+ "learning_rate": 0.00014305542949029284,
1647
+ "loss": 0.0,
1648
+ "step": 468
1649
+ },
1650
+ {
1651
+ "epoch": 1.6319444444444444,
1652
+ "grad_norm": NaN,
1653
+ "learning_rate": 0.00014305542949029284,
1654
+ "loss": 0.0,
1655
+ "step": 470
1656
+ },
1657
+ {
1658
+ "epoch": 1.6388888888888888,
1659
+ "grad_norm": NaN,
1660
+ "learning_rate": 0.00014305542949029284,
1661
+ "loss": 0.0,
1662
+ "step": 472
1663
+ },
1664
+ {
1665
+ "epoch": 1.6458333333333335,
1666
+ "grad_norm": NaN,
1667
+ "learning_rate": 0.00014305542949029284,
1668
+ "loss": 0.0,
1669
+ "step": 474
1670
+ },
1671
+ {
1672
+ "epoch": 1.6527777777777777,
1673
+ "grad_norm": NaN,
1674
+ "learning_rate": 0.00014305542949029284,
1675
+ "loss": 0.0,
1676
+ "step": 476
1677
+ },
1678
+ {
1679
+ "epoch": 1.6597222222222223,
1680
+ "grad_norm": NaN,
1681
+ "learning_rate": 0.00014305542949029284,
1682
+ "loss": 0.0,
1683
+ "step": 478
1684
+ },
1685
+ {
1686
+ "epoch": 1.6666666666666665,
1687
+ "grad_norm": NaN,
1688
+ "learning_rate": 0.00014305542949029284,
1689
+ "loss": 0.0,
1690
+ "step": 480
1691
+ },
1692
+ {
1693
+ "epoch": 1.6736111111111112,
1694
+ "grad_norm": NaN,
1695
+ "learning_rate": 0.00014305542949029284,
1696
+ "loss": 0.0,
1697
+ "step": 482
1698
+ },
1699
+ {
1700
+ "epoch": 1.6805555555555556,
1701
+ "grad_norm": NaN,
1702
+ "learning_rate": 0.00014305542949029284,
1703
+ "loss": 0.0,
1704
+ "step": 484
1705
+ },
1706
+ {
1707
+ "epoch": 1.6875,
1708
+ "grad_norm": NaN,
1709
+ "learning_rate": 0.00014305542949029284,
1710
+ "loss": 0.0,
1711
+ "step": 486
1712
+ },
1713
+ {
1714
+ "epoch": 1.6944444444444444,
1715
+ "grad_norm": NaN,
1716
+ "learning_rate": 0.00014305542949029284,
1717
+ "loss": 0.0,
1718
+ "step": 488
1719
+ },
1720
+ {
1721
+ "epoch": 1.7013888888888888,
1722
+ "grad_norm": NaN,
1723
+ "learning_rate": 0.00014305542949029284,
1724
+ "loss": 0.0,
1725
+ "step": 490
1726
+ },
1727
+ {
1728
+ "epoch": 1.7083333333333335,
1729
+ "grad_norm": NaN,
1730
+ "learning_rate": 0.00014305542949029284,
1731
+ "loss": 0.0,
1732
+ "step": 492
1733
+ },
1734
+ {
1735
+ "epoch": 1.7152777777777777,
1736
+ "grad_norm": NaN,
1737
+ "learning_rate": 0.00014305542949029284,
1738
+ "loss": 0.0,
1739
+ "step": 494
1740
+ },
1741
+ {
1742
+ "epoch": 1.7222222222222223,
1743
+ "grad_norm": NaN,
1744
+ "learning_rate": 0.00014305542949029284,
1745
+ "loss": 0.0,
1746
+ "step": 496
1747
+ },
1748
+ {
1749
+ "epoch": 1.7291666666666665,
1750
+ "grad_norm": NaN,
1751
+ "learning_rate": 0.00014305542949029284,
1752
+ "loss": 0.0,
1753
+ "step": 498
1754
+ },
1755
+ {
1756
+ "epoch": 1.7361111111111112,
1757
+ "grad_norm": NaN,
1758
+ "learning_rate": 0.00014305542949029284,
1759
+ "loss": 0.0,
1760
+ "step": 500
1761
+ },
1762
+ {
1763
+ "epoch": 1.7430555555555556,
1764
+ "grad_norm": NaN,
1765
+ "learning_rate": 0.00014305542949029284,
1766
+ "loss": 0.0,
1767
+ "step": 502
1768
+ },
1769
+ {
1770
+ "epoch": 1.75,
1771
+ "grad_norm": NaN,
1772
+ "learning_rate": 0.00014305542949029284,
1773
+ "loss": 0.0,
1774
+ "step": 504
1775
+ },
1776
+ {
1777
+ "epoch": 1.7569444444444444,
1778
+ "grad_norm": NaN,
1779
+ "learning_rate": 0.00014305542949029284,
1780
+ "loss": 0.0,
1781
+ "step": 506
1782
+ },
1783
+ {
1784
+ "epoch": 1.7638888888888888,
1785
+ "grad_norm": NaN,
1786
+ "learning_rate": 0.00014305542949029284,
1787
+ "loss": 0.0,
1788
+ "step": 508
1789
+ },
1790
+ {
1791
+ "epoch": 1.7708333333333335,
1792
+ "grad_norm": NaN,
1793
+ "learning_rate": 0.00014305542949029284,
1794
+ "loss": 0.0,
1795
+ "step": 510
1796
+ },
1797
+ {
1798
+ "epoch": 1.7777777777777777,
1799
+ "grad_norm": NaN,
1800
+ "learning_rate": 0.00014305542949029284,
1801
+ "loss": 0.0,
1802
+ "step": 512
1803
+ },
1804
+ {
1805
+ "epoch": 1.7847222222222223,
1806
+ "grad_norm": NaN,
1807
+ "learning_rate": 0.00014305542949029284,
1808
+ "loss": 0.0,
1809
+ "step": 514
1810
+ },
1811
+ {
1812
+ "epoch": 1.7916666666666665,
1813
+ "grad_norm": NaN,
1814
+ "learning_rate": 0.00014305542949029284,
1815
+ "loss": 0.0,
1816
+ "step": 516
1817
+ },
1818
+ {
1819
+ "epoch": 1.7986111111111112,
1820
+ "grad_norm": NaN,
1821
+ "learning_rate": 0.00014305542949029284,
1822
+ "loss": 0.0,
1823
+ "step": 518
1824
+ },
1825
+ {
1826
+ "epoch": 1.8055555555555556,
1827
+ "grad_norm": NaN,
1828
+ "learning_rate": 0.00014305542949029284,
1829
+ "loss": 0.0,
1830
+ "step": 520
1831
+ },
1832
+ {
1833
+ "epoch": 1.8125,
1834
+ "grad_norm": NaN,
1835
+ "learning_rate": 0.00014305542949029284,
1836
+ "loss": 0.0,
1837
+ "step": 522
1838
+ },
1839
+ {
1840
+ "epoch": 1.8194444444444444,
1841
+ "grad_norm": NaN,
1842
+ "learning_rate": 0.00014305542949029284,
1843
+ "loss": 0.0,
1844
+ "step": 524
1845
+ },
1846
+ {
1847
+ "epoch": 1.8263888888888888,
1848
+ "grad_norm": NaN,
1849
+ "learning_rate": 0.00014305542949029284,
1850
+ "loss": 0.0,
1851
+ "step": 526
1852
+ },
1853
+ {
1854
+ "epoch": 1.8333333333333335,
1855
+ "grad_norm": NaN,
1856
+ "learning_rate": 0.00014305542949029284,
1857
+ "loss": 0.0,
1858
+ "step": 528
1859
+ },
1860
+ {
1861
+ "epoch": 1.8402777777777777,
1862
+ "grad_norm": NaN,
1863
+ "learning_rate": 0.00014305542949029284,
1864
+ "loss": 0.0,
1865
+ "step": 530
1866
+ },
1867
+ {
1868
+ "epoch": 1.8472222222222223,
1869
+ "grad_norm": NaN,
1870
+ "learning_rate": 0.00014305542949029284,
1871
+ "loss": 0.0,
1872
+ "step": 532
1873
+ },
1874
+ {
1875
+ "epoch": 1.8541666666666665,
1876
+ "grad_norm": NaN,
1877
+ "learning_rate": 0.00014305542949029284,
1878
+ "loss": 0.0,
1879
+ "step": 534
1880
+ },
1881
+ {
1882
+ "epoch": 1.8611111111111112,
1883
+ "grad_norm": NaN,
1884
+ "learning_rate": 0.00014305542949029284,
1885
+ "loss": 0.0,
1886
+ "step": 536
1887
+ },
1888
+ {
1889
+ "epoch": 1.8680555555555556,
1890
+ "grad_norm": NaN,
1891
+ "learning_rate": 0.00014305542949029284,
1892
+ "loss": 0.0,
1893
+ "step": 538
1894
+ },
1895
+ {
1896
+ "epoch": 1.875,
1897
+ "grad_norm": NaN,
1898
+ "learning_rate": 0.00014305542949029284,
1899
+ "loss": 0.0,
1900
+ "step": 540
1901
+ },
1902
+ {
1903
+ "epoch": 1.8819444444444444,
1904
+ "grad_norm": NaN,
1905
+ "learning_rate": 0.00014305542949029284,
1906
+ "loss": 0.0,
1907
+ "step": 542
1908
+ },
1909
+ {
1910
+ "epoch": 1.8888888888888888,
1911
+ "grad_norm": NaN,
1912
+ "learning_rate": 0.00014305542949029284,
1913
+ "loss": 0.0,
1914
+ "step": 544
1915
+ },
1916
+ {
1917
+ "epoch": 1.8958333333333335,
1918
+ "grad_norm": NaN,
1919
+ "learning_rate": 0.00014305542949029284,
1920
+ "loss": 0.0,
1921
+ "step": 546
1922
+ },
1923
+ {
1924
+ "epoch": 1.9027777777777777,
1925
+ "grad_norm": NaN,
1926
+ "learning_rate": 0.00014305542949029284,
1927
+ "loss": 0.0,
1928
+ "step": 548
1929
+ },
1930
+ {
1931
+ "epoch": 1.9097222222222223,
1932
+ "grad_norm": NaN,
1933
+ "learning_rate": 0.00014305542949029284,
1934
+ "loss": 0.0,
1935
+ "step": 550
1936
+ },
1937
+ {
1938
+ "epoch": 1.9166666666666665,
1939
+ "grad_norm": NaN,
1940
+ "learning_rate": 0.00014305542949029284,
1941
+ "loss": 0.0,
1942
+ "step": 552
1943
+ },
1944
+ {
1945
+ "epoch": 1.9236111111111112,
1946
+ "grad_norm": NaN,
1947
+ "learning_rate": 0.00014305542949029284,
1948
+ "loss": 0.0,
1949
+ "step": 554
1950
+ },
1951
+ {
1952
+ "epoch": 1.9305555555555556,
1953
+ "grad_norm": NaN,
1954
+ "learning_rate": 0.00014305542949029284,
1955
+ "loss": 0.0,
1956
+ "step": 556
1957
+ },
1958
+ {
1959
+ "epoch": 1.9375,
1960
+ "grad_norm": NaN,
1961
+ "learning_rate": 0.00014305542949029284,
1962
+ "loss": 0.0,
1963
+ "step": 558
1964
+ },
1965
+ {
1966
+ "epoch": 1.9444444444444444,
1967
+ "grad_norm": NaN,
1968
+ "learning_rate": 0.00014305542949029284,
1969
+ "loss": 0.0,
1970
+ "step": 560
1971
+ },
1972
+ {
1973
+ "epoch": 1.9513888888888888,
1974
+ "grad_norm": NaN,
1975
+ "learning_rate": 0.00014305542949029284,
1976
+ "loss": 0.0,
1977
+ "step": 562
1978
+ },
1979
+ {
1980
+ "epoch": 1.9583333333333335,
1981
+ "grad_norm": NaN,
1982
+ "learning_rate": 0.00014305542949029284,
1983
+ "loss": 0.0,
1984
+ "step": 564
1985
+ },
1986
+ {
1987
+ "epoch": 1.9652777777777777,
1988
+ "grad_norm": NaN,
1989
+ "learning_rate": 0.00014305542949029284,
1990
+ "loss": 0.0,
1991
+ "step": 566
1992
+ },
1993
+ {
1994
+ "epoch": 1.9722222222222223,
1995
+ "grad_norm": NaN,
1996
+ "learning_rate": 0.00014305542949029284,
1997
+ "loss": 0.0,
1998
+ "step": 568
1999
+ },
2000
+ {
2001
+ "epoch": 1.9791666666666665,
2002
+ "grad_norm": NaN,
2003
+ "learning_rate": 0.00014305542949029284,
2004
+ "loss": 0.0,
2005
+ "step": 570
2006
+ },
2007
+ {
2008
+ "epoch": 1.9861111111111112,
2009
+ "grad_norm": NaN,
2010
+ "learning_rate": 0.00014305542949029284,
2011
+ "loss": 0.0,
2012
+ "step": 572
2013
+ },
2014
+ {
2015
+ "epoch": 1.9930555555555556,
2016
+ "grad_norm": NaN,
2017
+ "learning_rate": 0.00014305542949029284,
2018
+ "loss": 0.0,
2019
+ "step": 574
2020
+ },
2021
+ {
2022
+ "epoch": 2.0,
2023
+ "grad_norm": NaN,
2024
+ "learning_rate": 0.00014305542949029284,
2025
+ "loss": 0.0,
2026
+ "step": 576
2027
+ },
2028
+ {
2029
+ "epoch": 2.0069444444444446,
2030
+ "grad_norm": NaN,
2031
+ "learning_rate": 0.00014305542949029284,
2032
+ "loss": 0.0,
2033
+ "step": 578
2034
+ },
2035
+ {
2036
+ "epoch": 2.013888888888889,
2037
+ "grad_norm": NaN,
2038
+ "learning_rate": 0.00014305542949029284,
2039
+ "loss": 0.0,
2040
+ "step": 580
2041
+ },
2042
+ {
2043
+ "epoch": 2.0208333333333335,
2044
+ "grad_norm": NaN,
2045
+ "learning_rate": 0.00014305542949029284,
2046
+ "loss": 0.0,
2047
+ "step": 582
2048
+ },
2049
+ {
2050
+ "epoch": 2.0277777777777777,
2051
+ "grad_norm": NaN,
2052
+ "learning_rate": 0.00014305542949029284,
2053
+ "loss": 0.0,
2054
+ "step": 584
2055
+ },
2056
+ {
2057
+ "epoch": 2.0347222222222223,
2058
+ "grad_norm": NaN,
2059
+ "learning_rate": 0.00014305542949029284,
2060
+ "loss": 0.0,
2061
+ "step": 586
2062
+ },
2063
+ {
2064
+ "epoch": 2.0416666666666665,
2065
+ "grad_norm": NaN,
2066
+ "learning_rate": 0.00014305542949029284,
2067
+ "loss": 0.0,
2068
+ "step": 588
2069
+ },
2070
+ {
2071
+ "epoch": 2.048611111111111,
2072
+ "grad_norm": NaN,
2073
+ "learning_rate": 0.00014305542949029284,
2074
+ "loss": 0.0,
2075
+ "step": 590
2076
+ },
2077
+ {
2078
+ "epoch": 2.0555555555555554,
2079
+ "grad_norm": NaN,
2080
+ "learning_rate": 0.00014305542949029284,
2081
+ "loss": 0.0,
2082
+ "step": 592
2083
+ },
2084
+ {
2085
+ "epoch": 2.0625,
2086
+ "grad_norm": NaN,
2087
+ "learning_rate": 0.00014305542949029284,
2088
+ "loss": 0.0,
2089
+ "step": 594
2090
+ },
2091
+ {
2092
+ "epoch": 2.0694444444444446,
2093
+ "grad_norm": NaN,
2094
+ "learning_rate": 0.00014305542949029284,
2095
+ "loss": 0.0,
2096
+ "step": 596
2097
+ },
2098
+ {
2099
+ "epoch": 2.076388888888889,
2100
+ "grad_norm": NaN,
2101
+ "learning_rate": 0.00014305542949029284,
2102
+ "loss": 0.0,
2103
+ "step": 598
2104
+ },
2105
+ {
2106
+ "epoch": 2.0833333333333335,
2107
+ "grad_norm": NaN,
2108
+ "learning_rate": 0.00014305542949029284,
2109
+ "loss": 0.0,
2110
+ "step": 600
2111
+ },
2112
+ {
2113
+ "epoch": 2.0902777777777777,
2114
+ "grad_norm": NaN,
2115
+ "learning_rate": 0.00014305542949029284,
2116
+ "loss": 0.0,
2117
+ "step": 602
2118
+ },
2119
+ {
2120
+ "epoch": 2.0972222222222223,
2121
+ "grad_norm": NaN,
2122
+ "learning_rate": 0.00014305542949029284,
2123
+ "loss": 0.0,
2124
+ "step": 604
2125
+ },
2126
+ {
2127
+ "epoch": 2.1041666666666665,
2128
+ "grad_norm": NaN,
2129
+ "learning_rate": 0.00014305542949029284,
2130
+ "loss": 0.0,
2131
+ "step": 606
2132
+ },
2133
+ {
2134
+ "epoch": 2.111111111111111,
2135
+ "grad_norm": NaN,
2136
+ "learning_rate": 0.00014305542949029284,
2137
+ "loss": 0.0,
2138
+ "step": 608
2139
+ },
2140
+ {
2141
+ "epoch": 2.1180555555555554,
2142
+ "grad_norm": NaN,
2143
+ "learning_rate": 0.00014305542949029284,
2144
+ "loss": 0.0,
2145
+ "step": 610
2146
+ },
2147
+ {
2148
+ "epoch": 2.125,
2149
+ "grad_norm": NaN,
2150
+ "learning_rate": 0.00014305542949029284,
2151
+ "loss": 0.0,
2152
+ "step": 612
2153
+ },
2154
+ {
2155
+ "epoch": 2.1319444444444446,
2156
+ "grad_norm": NaN,
2157
+ "learning_rate": 0.00014305542949029284,
2158
+ "loss": 0.0,
2159
+ "step": 614
2160
+ },
2161
+ {
2162
+ "epoch": 2.138888888888889,
2163
+ "grad_norm": NaN,
2164
+ "learning_rate": 0.00014305542949029284,
2165
+ "loss": 0.0,
2166
+ "step": 616
2167
+ },
2168
+ {
2169
+ "epoch": 2.1458333333333335,
2170
+ "grad_norm": NaN,
2171
+ "learning_rate": 0.00014305542949029284,
2172
+ "loss": 0.0,
2173
+ "step": 618
2174
+ },
2175
+ {
2176
+ "epoch": 2.1527777777777777,
2177
+ "grad_norm": NaN,
2178
+ "learning_rate": 0.00014305542949029284,
2179
+ "loss": 0.0,
2180
+ "step": 620
2181
+ },
2182
+ {
2183
+ "epoch": 2.1597222222222223,
2184
+ "grad_norm": NaN,
2185
+ "learning_rate": 0.00014305542949029284,
2186
+ "loss": 0.0,
2187
+ "step": 622
2188
+ },
2189
+ {
2190
+ "epoch": 2.1666666666666665,
2191
+ "grad_norm": NaN,
2192
+ "learning_rate": 0.00014305542949029284,
2193
+ "loss": 0.0,
2194
+ "step": 624
2195
+ },
2196
+ {
2197
+ "epoch": 2.173611111111111,
2198
+ "grad_norm": NaN,
2199
+ "learning_rate": 0.00014305542949029284,
2200
+ "loss": 0.0,
2201
+ "step": 626
2202
+ },
2203
+ {
2204
+ "epoch": 2.1805555555555554,
2205
+ "grad_norm": NaN,
2206
+ "learning_rate": 0.00014305542949029284,
2207
+ "loss": 0.0,
2208
+ "step": 628
2209
+ },
2210
+ {
2211
+ "epoch": 2.1875,
2212
+ "grad_norm": NaN,
2213
+ "learning_rate": 0.00014305542949029284,
2214
+ "loss": 0.0,
2215
+ "step": 630
2216
+ },
2217
+ {
2218
+ "epoch": 2.1944444444444446,
2219
+ "grad_norm": NaN,
2220
+ "learning_rate": 0.00014305542949029284,
2221
+ "loss": 0.0,
2222
+ "step": 632
2223
+ },
2224
+ {
2225
+ "epoch": 2.201388888888889,
2226
+ "grad_norm": NaN,
2227
+ "learning_rate": 0.00014305542949029284,
2228
+ "loss": 0.0,
2229
+ "step": 634
2230
+ },
2231
+ {
2232
+ "epoch": 2.2083333333333335,
2233
+ "grad_norm": NaN,
2234
+ "learning_rate": 0.00014305542949029284,
2235
+ "loss": 0.0,
2236
+ "step": 636
2237
+ },
2238
+ {
2239
+ "epoch": 2.2152777777777777,
2240
+ "grad_norm": NaN,
2241
+ "learning_rate": 0.00014305542949029284,
2242
+ "loss": 0.0,
2243
+ "step": 638
2244
+ },
2245
+ {
2246
+ "epoch": 2.2222222222222223,
2247
+ "grad_norm": NaN,
2248
+ "learning_rate": 0.00014305542949029284,
2249
+ "loss": 0.0,
2250
+ "step": 640
2251
+ },
2252
+ {
2253
+ "epoch": 2.2291666666666665,
2254
+ "grad_norm": NaN,
2255
+ "learning_rate": 0.00014305542949029284,
2256
+ "loss": 0.0,
2257
+ "step": 642
2258
+ },
2259
+ {
2260
+ "epoch": 2.236111111111111,
2261
+ "grad_norm": NaN,
2262
+ "learning_rate": 0.00014305542949029284,
2263
+ "loss": 0.0,
2264
+ "step": 644
2265
+ },
2266
+ {
2267
+ "epoch": 2.2430555555555554,
2268
+ "grad_norm": NaN,
2269
+ "learning_rate": 0.00014305542949029284,
2270
+ "loss": 0.0,
2271
+ "step": 646
2272
+ },
2273
+ {
2274
+ "epoch": 2.25,
2275
+ "grad_norm": NaN,
2276
+ "learning_rate": 0.00014305542949029284,
2277
+ "loss": 0.0,
2278
+ "step": 648
2279
+ },
2280
+ {
2281
+ "epoch": 2.2569444444444446,
2282
+ "grad_norm": NaN,
2283
+ "learning_rate": 0.00014305542949029284,
2284
+ "loss": 0.0,
2285
+ "step": 650
2286
+ },
2287
+ {
2288
+ "epoch": 2.263888888888889,
2289
+ "grad_norm": NaN,
2290
+ "learning_rate": 0.00014305542949029284,
2291
+ "loss": 0.0,
2292
+ "step": 652
2293
+ },
2294
+ {
2295
+ "epoch": 2.2708333333333335,
2296
+ "grad_norm": NaN,
2297
+ "learning_rate": 0.00014305542949029284,
2298
+ "loss": 0.0,
2299
+ "step": 654
2300
+ },
2301
+ {
2302
+ "epoch": 2.2777777777777777,
2303
+ "grad_norm": NaN,
2304
+ "learning_rate": 0.00014305542949029284,
2305
+ "loss": 0.0,
2306
+ "step": 656
2307
+ },
2308
+ {
2309
+ "epoch": 2.2847222222222223,
2310
+ "grad_norm": NaN,
2311
+ "learning_rate": 0.00014305542949029284,
2312
+ "loss": 0.0,
2313
+ "step": 658
2314
+ },
2315
+ {
2316
+ "epoch": 2.2916666666666665,
2317
+ "grad_norm": NaN,
2318
+ "learning_rate": 0.00014305542949029284,
2319
+ "loss": 0.0,
2320
+ "step": 660
2321
+ },
2322
+ {
2323
+ "epoch": 2.298611111111111,
2324
+ "grad_norm": NaN,
2325
+ "learning_rate": 0.00014305542949029284,
2326
+ "loss": 0.0,
2327
+ "step": 662
2328
+ },
2329
+ {
2330
+ "epoch": 2.3055555555555554,
2331
+ "grad_norm": NaN,
2332
+ "learning_rate": 0.00014305542949029284,
2333
+ "loss": 0.0,
2334
+ "step": 664
2335
+ },
2336
+ {
2337
+ "epoch": 2.3125,
2338
+ "grad_norm": NaN,
2339
+ "learning_rate": 0.00014305542949029284,
2340
+ "loss": 0.0,
2341
+ "step": 666
2342
+ },
2343
+ {
2344
+ "epoch": 2.3194444444444446,
2345
+ "grad_norm": NaN,
2346
+ "learning_rate": 0.00014305542949029284,
2347
+ "loss": 0.0,
2348
+ "step": 668
2349
+ },
2350
+ {
2351
+ "epoch": 2.326388888888889,
2352
+ "grad_norm": NaN,
2353
+ "learning_rate": 0.00014305542949029284,
2354
+ "loss": 0.0,
2355
+ "step": 670
2356
+ },
2357
+ {
2358
+ "epoch": 2.3333333333333335,
2359
+ "grad_norm": NaN,
2360
+ "learning_rate": 0.00014305542949029284,
2361
+ "loss": 0.0,
2362
+ "step": 672
2363
+ },
2364
+ {
2365
+ "epoch": 2.3402777777777777,
2366
+ "grad_norm": NaN,
2367
+ "learning_rate": 0.00014305542949029284,
2368
+ "loss": 0.0,
2369
+ "step": 674
2370
+ },
2371
+ {
2372
+ "epoch": 2.3472222222222223,
2373
+ "grad_norm": NaN,
2374
+ "learning_rate": 0.00014305542949029284,
2375
+ "loss": 0.0,
2376
+ "step": 676
2377
+ },
2378
+ {
2379
+ "epoch": 2.3541666666666665,
2380
+ "grad_norm": NaN,
2381
+ "learning_rate": 0.00014305542949029284,
2382
+ "loss": 0.0,
2383
+ "step": 678
2384
+ },
2385
+ {
2386
+ "epoch": 2.361111111111111,
2387
+ "grad_norm": NaN,
2388
+ "learning_rate": 0.00014305542949029284,
2389
+ "loss": 0.0,
2390
+ "step": 680
2391
+ },
2392
+ {
2393
+ "epoch": 2.3680555555555554,
2394
+ "grad_norm": NaN,
2395
+ "learning_rate": 0.00014305542949029284,
2396
+ "loss": 0.0,
2397
+ "step": 682
2398
+ },
2399
+ {
2400
+ "epoch": 2.375,
2401
+ "grad_norm": NaN,
2402
+ "learning_rate": 0.00014305542949029284,
2403
+ "loss": 0.0,
2404
+ "step": 684
2405
+ },
2406
+ {
2407
+ "epoch": 2.3819444444444446,
2408
+ "grad_norm": NaN,
2409
+ "learning_rate": 0.00014305542949029284,
2410
+ "loss": 0.0,
2411
+ "step": 686
2412
+ },
2413
+ {
2414
+ "epoch": 2.388888888888889,
2415
+ "grad_norm": NaN,
2416
+ "learning_rate": 0.00014305542949029284,
2417
+ "loss": 0.0,
2418
+ "step": 688
2419
+ },
2420
+ {
2421
+ "epoch": 2.3958333333333335,
2422
+ "grad_norm": NaN,
2423
+ "learning_rate": 0.00014305542949029284,
2424
+ "loss": 0.0,
2425
+ "step": 690
2426
+ },
2427
+ {
2428
+ "epoch": 2.4027777777777777,
2429
+ "grad_norm": NaN,
2430
+ "learning_rate": 0.00014305542949029284,
2431
+ "loss": 0.0,
2432
+ "step": 692
2433
+ },
2434
+ {
2435
+ "epoch": 2.4097222222222223,
2436
+ "grad_norm": NaN,
2437
+ "learning_rate": 0.00014305542949029284,
2438
+ "loss": 0.0,
2439
+ "step": 694
2440
+ },
2441
+ {
2442
+ "epoch": 2.4166666666666665,
2443
+ "grad_norm": NaN,
2444
+ "learning_rate": 0.00014305542949029284,
2445
+ "loss": 0.0,
2446
+ "step": 696
2447
+ },
2448
+ {
2449
+ "epoch": 2.423611111111111,
2450
+ "grad_norm": NaN,
2451
+ "learning_rate": 0.00014305542949029284,
2452
+ "loss": 0.0,
2453
+ "step": 698
2454
+ },
2455
+ {
2456
+ "epoch": 2.4305555555555554,
2457
+ "grad_norm": NaN,
2458
+ "learning_rate": 0.00014305542949029284,
2459
+ "loss": 0.0,
2460
+ "step": 700
2461
+ },
2462
+ {
2463
+ "epoch": 2.4375,
2464
+ "grad_norm": NaN,
2465
+ "learning_rate": 0.00014305542949029284,
2466
+ "loss": 0.0,
2467
+ "step": 702
2468
+ },
2469
+ {
2470
+ "epoch": 2.4444444444444446,
2471
+ "grad_norm": NaN,
2472
+ "learning_rate": 0.00014305542949029284,
2473
+ "loss": 0.0,
2474
+ "step": 704
2475
+ },
2476
+ {
2477
+ "epoch": 2.451388888888889,
2478
+ "grad_norm": NaN,
2479
+ "learning_rate": 0.00014305542949029284,
2480
+ "loss": 0.0,
2481
+ "step": 706
2482
+ },
2483
+ {
2484
+ "epoch": 2.4583333333333335,
2485
+ "grad_norm": NaN,
2486
+ "learning_rate": 0.00014305542949029284,
2487
+ "loss": 0.0,
2488
+ "step": 708
2489
+ },
2490
+ {
2491
+ "epoch": 2.4652777777777777,
2492
+ "grad_norm": NaN,
2493
+ "learning_rate": 0.00014305542949029284,
2494
+ "loss": 0.0,
2495
+ "step": 710
2496
+ },
2497
+ {
2498
+ "epoch": 2.4722222222222223,
2499
+ "grad_norm": NaN,
2500
+ "learning_rate": 0.00014305542949029284,
2501
+ "loss": 0.0,
2502
+ "step": 712
2503
+ },
2504
+ {
2505
+ "epoch": 2.4791666666666665,
2506
+ "grad_norm": NaN,
2507
+ "learning_rate": 0.00014305542949029284,
2508
+ "loss": 0.0,
2509
+ "step": 714
2510
+ },
2511
+ {
2512
+ "epoch": 2.486111111111111,
2513
+ "grad_norm": NaN,
2514
+ "learning_rate": 0.00014305542949029284,
2515
+ "loss": 0.0,
2516
+ "step": 716
2517
+ },
2518
+ {
2519
+ "epoch": 2.4930555555555554,
2520
+ "grad_norm": NaN,
2521
+ "learning_rate": 0.00014305542949029284,
2522
+ "loss": 0.0,
2523
+ "step": 718
2524
+ },
2525
+ {
2526
+ "epoch": 2.5,
2527
+ "grad_norm": NaN,
2528
+ "learning_rate": 0.00014305542949029284,
2529
+ "loss": 0.0,
2530
+ "step": 720
2531
+ },
2532
+ {
2533
+ "epoch": 2.5069444444444446,
2534
+ "grad_norm": NaN,
2535
+ "learning_rate": 0.00014305542949029284,
2536
+ "loss": 0.0,
2537
+ "step": 722
2538
+ },
2539
+ {
2540
+ "epoch": 2.513888888888889,
2541
+ "grad_norm": NaN,
2542
+ "learning_rate": 0.00014305542949029284,
2543
+ "loss": 0.0,
2544
+ "step": 724
2545
+ },
2546
+ {
2547
+ "epoch": 2.5208333333333335,
2548
+ "grad_norm": NaN,
2549
+ "learning_rate": 0.00014305542949029284,
2550
+ "loss": 0.0,
2551
+ "step": 726
2552
+ },
2553
+ {
2554
+ "epoch": 2.5277777777777777,
2555
+ "grad_norm": NaN,
2556
+ "learning_rate": 0.00014305542949029284,
2557
+ "loss": 0.0,
2558
+ "step": 728
2559
+ },
2560
+ {
2561
+ "epoch": 2.5347222222222223,
2562
+ "grad_norm": NaN,
2563
+ "learning_rate": 0.00014305542949029284,
2564
+ "loss": 0.0,
2565
+ "step": 730
2566
+ },
2567
+ {
2568
+ "epoch": 2.5416666666666665,
2569
+ "grad_norm": NaN,
2570
+ "learning_rate": 0.00014305542949029284,
2571
+ "loss": 0.0,
2572
+ "step": 732
2573
+ },
2574
+ {
2575
+ "epoch": 2.548611111111111,
2576
+ "grad_norm": NaN,
2577
+ "learning_rate": 0.00014305542949029284,
2578
+ "loss": 0.0,
2579
+ "step": 734
2580
+ },
2581
+ {
2582
+ "epoch": 2.5555555555555554,
2583
+ "grad_norm": NaN,
2584
+ "learning_rate": 0.00014305542949029284,
2585
+ "loss": 0.0,
2586
+ "step": 736
2587
+ },
2588
+ {
2589
+ "epoch": 2.5625,
2590
+ "grad_norm": NaN,
2591
+ "learning_rate": 0.00014305542949029284,
2592
+ "loss": 0.0,
2593
+ "step": 738
2594
+ },
2595
+ {
2596
+ "epoch": 2.5694444444444446,
2597
+ "grad_norm": NaN,
2598
+ "learning_rate": 0.00014305542949029284,
2599
+ "loss": 0.0,
2600
+ "step": 740
2601
+ },
2602
+ {
2603
+ "epoch": 2.576388888888889,
2604
+ "grad_norm": NaN,
2605
+ "learning_rate": 0.00014305542949029284,
2606
+ "loss": 0.0,
2607
+ "step": 742
2608
+ },
2609
+ {
2610
+ "epoch": 2.5833333333333335,
2611
+ "grad_norm": NaN,
2612
+ "learning_rate": 0.00014305542949029284,
2613
+ "loss": 0.0,
2614
+ "step": 744
2615
+ },
2616
+ {
2617
+ "epoch": 2.5902777777777777,
2618
+ "grad_norm": NaN,
2619
+ "learning_rate": 0.00014305542949029284,
2620
+ "loss": 0.0,
2621
+ "step": 746
2622
+ },
2623
+ {
2624
+ "epoch": 2.5972222222222223,
2625
+ "grad_norm": NaN,
2626
+ "learning_rate": 0.00014305542949029284,
2627
+ "loss": 0.0,
2628
+ "step": 748
2629
+ },
2630
+ {
2631
+ "epoch": 2.6041666666666665,
2632
+ "grad_norm": NaN,
2633
+ "learning_rate": 0.00014305542949029284,
2634
+ "loss": 0.0,
2635
+ "step": 750
2636
+ },
2637
+ {
2638
+ "epoch": 2.611111111111111,
2639
+ "grad_norm": NaN,
2640
+ "learning_rate": 0.00014305542949029284,
2641
+ "loss": 0.0,
2642
+ "step": 752
2643
+ },
2644
+ {
2645
+ "epoch": 2.6180555555555554,
2646
+ "grad_norm": NaN,
2647
+ "learning_rate": 0.00014305542949029284,
2648
+ "loss": 0.0,
2649
+ "step": 754
2650
+ },
2651
+ {
2652
+ "epoch": 2.625,
2653
+ "grad_norm": NaN,
2654
+ "learning_rate": 0.00014305542949029284,
2655
+ "loss": 0.0,
2656
+ "step": 756
2657
+ },
2658
+ {
2659
+ "epoch": 2.6319444444444446,
2660
+ "grad_norm": NaN,
2661
+ "learning_rate": 0.00014305542949029284,
2662
+ "loss": 0.0,
2663
+ "step": 758
2664
+ },
2665
+ {
2666
+ "epoch": 2.638888888888889,
2667
+ "grad_norm": NaN,
2668
+ "learning_rate": 0.00014305542949029284,
2669
+ "loss": 0.0,
2670
+ "step": 760
2671
+ },
2672
+ {
2673
+ "epoch": 2.6458333333333335,
2674
+ "grad_norm": NaN,
2675
+ "learning_rate": 0.00014305542949029284,
2676
+ "loss": 0.0,
2677
+ "step": 762
2678
+ },
2679
+ {
2680
+ "epoch": 2.6527777777777777,
2681
+ "grad_norm": NaN,
2682
+ "learning_rate": 0.00014305542949029284,
2683
+ "loss": 0.0,
2684
+ "step": 764
2685
+ },
2686
+ {
2687
+ "epoch": 2.6597222222222223,
2688
+ "grad_norm": NaN,
2689
+ "learning_rate": 0.00014305542949029284,
2690
+ "loss": 0.0,
2691
+ "step": 766
2692
+ },
2693
+ {
2694
+ "epoch": 2.6666666666666665,
2695
+ "grad_norm": NaN,
2696
+ "learning_rate": 0.00014305542949029284,
2697
+ "loss": 0.0,
2698
+ "step": 768
2699
+ },
2700
+ {
2701
+ "epoch": 2.673611111111111,
2702
+ "grad_norm": NaN,
2703
+ "learning_rate": 0.00014305542949029284,
2704
+ "loss": 0.0,
2705
+ "step": 770
2706
+ },
2707
+ {
2708
+ "epoch": 2.6805555555555554,
2709
+ "grad_norm": NaN,
2710
+ "learning_rate": 0.00014305542949029284,
2711
+ "loss": 0.0,
2712
+ "step": 772
2713
+ },
2714
+ {
2715
+ "epoch": 2.6875,
2716
+ "grad_norm": NaN,
2717
+ "learning_rate": 0.00014305542949029284,
2718
+ "loss": 0.0,
2719
+ "step": 774
2720
+ },
2721
+ {
2722
+ "epoch": 2.6944444444444446,
2723
+ "grad_norm": NaN,
2724
+ "learning_rate": 0.00014305542949029284,
2725
+ "loss": 0.0,
2726
+ "step": 776
2727
+ },
2728
+ {
2729
+ "epoch": 2.701388888888889,
2730
+ "grad_norm": NaN,
2731
+ "learning_rate": 0.00014305542949029284,
2732
+ "loss": 0.0,
2733
+ "step": 778
2734
+ },
2735
+ {
2736
+ "epoch": 2.7083333333333335,
2737
+ "grad_norm": NaN,
2738
+ "learning_rate": 0.00014305542949029284,
2739
+ "loss": 0.0,
2740
+ "step": 780
2741
+ },
2742
+ {
2743
+ "epoch": 2.7152777777777777,
2744
+ "grad_norm": NaN,
2745
+ "learning_rate": 0.00014305542949029284,
2746
+ "loss": 0.0,
2747
+ "step": 782
2748
+ },
2749
+ {
2750
+ "epoch": 2.7222222222222223,
2751
+ "grad_norm": NaN,
2752
+ "learning_rate": 0.00014305542949029284,
2753
+ "loss": 0.0,
2754
+ "step": 784
2755
+ },
2756
+ {
2757
+ "epoch": 2.7291666666666665,
2758
+ "grad_norm": NaN,
2759
+ "learning_rate": 0.00014305542949029284,
2760
+ "loss": 0.0,
2761
+ "step": 786
2762
+ },
2763
+ {
2764
+ "epoch": 2.736111111111111,
2765
+ "grad_norm": NaN,
2766
+ "learning_rate": 0.00014305542949029284,
2767
+ "loss": 0.0,
2768
+ "step": 788
2769
+ },
2770
+ {
2771
+ "epoch": 2.7430555555555554,
2772
+ "grad_norm": NaN,
2773
+ "learning_rate": 0.00014305542949029284,
2774
+ "loss": 0.0,
2775
+ "step": 790
2776
+ },
2777
+ {
2778
+ "epoch": 2.75,
2779
+ "grad_norm": NaN,
2780
+ "learning_rate": 0.00014305542949029284,
2781
+ "loss": 0.0,
2782
+ "step": 792
2783
+ },
2784
+ {
2785
+ "epoch": 2.7569444444444446,
2786
+ "grad_norm": NaN,
2787
+ "learning_rate": 0.00014305542949029284,
2788
+ "loss": 0.0,
2789
+ "step": 794
2790
+ },
2791
+ {
2792
+ "epoch": 2.763888888888889,
2793
+ "grad_norm": NaN,
2794
+ "learning_rate": 0.00014305542949029284,
2795
+ "loss": 0.0,
2796
+ "step": 796
2797
+ },
2798
+ {
2799
+ "epoch": 2.7708333333333335,
2800
+ "grad_norm": NaN,
2801
+ "learning_rate": 0.00014305542949029284,
2802
+ "loss": 0.0,
2803
+ "step": 798
2804
+ },
2805
+ {
2806
+ "epoch": 2.7777777777777777,
2807
+ "grad_norm": NaN,
2808
+ "learning_rate": 0.00014305542949029284,
2809
+ "loss": 0.0,
2810
+ "step": 800
2811
+ },
2812
+ {
2813
+ "epoch": 2.7847222222222223,
2814
+ "grad_norm": NaN,
2815
+ "learning_rate": 0.00014305542949029284,
2816
+ "loss": 0.0,
2817
+ "step": 802
2818
+ },
2819
+ {
2820
+ "epoch": 2.7916666666666665,
2821
+ "grad_norm": NaN,
2822
+ "learning_rate": 0.00014305542949029284,
2823
+ "loss": 0.0,
2824
+ "step": 804
2825
+ },
2826
+ {
2827
+ "epoch": 2.798611111111111,
2828
+ "grad_norm": NaN,
2829
+ "learning_rate": 0.00014305542949029284,
2830
+ "loss": 0.0,
2831
+ "step": 806
2832
+ },
2833
+ {
2834
+ "epoch": 2.8055555555555554,
2835
+ "grad_norm": NaN,
2836
+ "learning_rate": 0.00014305542949029284,
2837
+ "loss": 0.0,
2838
+ "step": 808
2839
+ },
2840
+ {
2841
+ "epoch": 2.8125,
2842
+ "grad_norm": NaN,
2843
+ "learning_rate": 0.00014305542949029284,
2844
+ "loss": 0.0,
2845
+ "step": 810
2846
+ },
2847
+ {
2848
+ "epoch": 2.8194444444444446,
2849
+ "grad_norm": NaN,
2850
+ "learning_rate": 0.00014305542949029284,
2851
+ "loss": 0.0,
2852
+ "step": 812
2853
+ },
2854
+ {
2855
+ "epoch": 2.826388888888889,
2856
+ "grad_norm": NaN,
2857
+ "learning_rate": 0.00014305542949029284,
2858
+ "loss": 0.0,
2859
+ "step": 814
2860
+ },
2861
+ {
2862
+ "epoch": 2.8333333333333335,
2863
+ "grad_norm": NaN,
2864
+ "learning_rate": 0.00014305542949029284,
2865
+ "loss": 0.0,
2866
+ "step": 816
2867
+ },
2868
+ {
2869
+ "epoch": 2.8402777777777777,
2870
+ "grad_norm": NaN,
2871
+ "learning_rate": 0.00014305542949029284,
2872
+ "loss": 0.0,
2873
+ "step": 818
2874
+ },
2875
+ {
2876
+ "epoch": 2.8472222222222223,
2877
+ "grad_norm": NaN,
2878
+ "learning_rate": 0.00014305542949029284,
2879
+ "loss": 0.0,
2880
+ "step": 820
2881
+ },
2882
+ {
2883
+ "epoch": 2.8541666666666665,
2884
+ "grad_norm": NaN,
2885
+ "learning_rate": 0.00014305542949029284,
2886
+ "loss": 0.0,
2887
+ "step": 822
2888
+ },
2889
+ {
2890
+ "epoch": 2.861111111111111,
2891
+ "grad_norm": NaN,
2892
+ "learning_rate": 0.00014305542949029284,
2893
+ "loss": 0.0,
2894
+ "step": 824
2895
+ },
2896
+ {
2897
+ "epoch": 2.8680555555555554,
2898
+ "grad_norm": NaN,
2899
+ "learning_rate": 0.00014305542949029284,
2900
+ "loss": 0.0,
2901
+ "step": 826
2902
+ },
2903
+ {
2904
+ "epoch": 2.875,
2905
+ "grad_norm": NaN,
2906
+ "learning_rate": 0.00014305542949029284,
2907
+ "loss": 0.0,
2908
+ "step": 828
2909
+ },
2910
+ {
2911
+ "epoch": 2.8819444444444446,
2912
+ "grad_norm": NaN,
2913
+ "learning_rate": 0.00014305542949029284,
2914
+ "loss": 0.0,
2915
+ "step": 830
2916
+ },
2917
+ {
2918
+ "epoch": 2.888888888888889,
2919
+ "grad_norm": NaN,
2920
+ "learning_rate": 0.00014305542949029284,
2921
+ "loss": 0.0,
2922
+ "step": 832
2923
+ },
2924
+ {
2925
+ "epoch": 2.8958333333333335,
2926
+ "grad_norm": NaN,
2927
+ "learning_rate": 0.00014305542949029284,
2928
+ "loss": 0.0,
2929
+ "step": 834
2930
+ },
2931
+ {
2932
+ "epoch": 2.9027777777777777,
2933
+ "grad_norm": NaN,
2934
+ "learning_rate": 0.00014305542949029284,
2935
+ "loss": 0.0,
2936
+ "step": 836
2937
+ },
2938
+ {
2939
+ "epoch": 2.9097222222222223,
2940
+ "grad_norm": NaN,
2941
+ "learning_rate": 0.00014305542949029284,
2942
+ "loss": 0.0,
2943
+ "step": 838
2944
+ },
2945
+ {
2946
+ "epoch": 2.9166666666666665,
2947
+ "grad_norm": NaN,
2948
+ "learning_rate": 0.00014305542949029284,
2949
+ "loss": 0.0,
2950
+ "step": 840
2951
+ },
2952
+ {
2953
+ "epoch": 2.923611111111111,
2954
+ "grad_norm": NaN,
2955
+ "learning_rate": 0.00014305542949029284,
2956
+ "loss": 0.0,
2957
+ "step": 842
2958
+ },
2959
+ {
2960
+ "epoch": 2.9305555555555554,
2961
+ "grad_norm": NaN,
2962
+ "learning_rate": 0.00014305542949029284,
2963
+ "loss": 0.0,
2964
+ "step": 844
2965
+ },
2966
+ {
2967
+ "epoch": 2.9375,
2968
+ "grad_norm": NaN,
2969
+ "learning_rate": 0.00014305542949029284,
2970
+ "loss": 0.0,
2971
+ "step": 846
2972
+ },
2973
+ {
2974
+ "epoch": 2.9444444444444446,
2975
+ "grad_norm": NaN,
2976
+ "learning_rate": 0.00014305542949029284,
2977
+ "loss": 0.0,
2978
+ "step": 848
2979
+ },
2980
+ {
2981
+ "epoch": 2.951388888888889,
2982
+ "grad_norm": NaN,
2983
+ "learning_rate": 0.00014305542949029284,
2984
+ "loss": 0.0,
2985
+ "step": 850
2986
+ },
2987
+ {
2988
+ "epoch": 2.9583333333333335,
2989
+ "grad_norm": NaN,
2990
+ "learning_rate": 0.00014305542949029284,
2991
+ "loss": 0.0,
2992
+ "step": 852
2993
+ },
2994
+ {
2995
+ "epoch": 2.9652777777777777,
2996
+ "grad_norm": NaN,
2997
+ "learning_rate": 0.00014305542949029284,
2998
+ "loss": 0.0,
2999
+ "step": 854
3000
+ },
3001
+ {
3002
+ "epoch": 2.9722222222222223,
3003
+ "grad_norm": NaN,
3004
+ "learning_rate": 0.00014305542949029284,
3005
+ "loss": 0.0,
3006
+ "step": 856
3007
+ },
3008
+ {
3009
+ "epoch": 2.9791666666666665,
3010
+ "grad_norm": NaN,
3011
+ "learning_rate": 0.00014305542949029284,
3012
+ "loss": 0.0,
3013
+ "step": 858
3014
+ },
3015
+ {
3016
+ "epoch": 2.986111111111111,
3017
+ "grad_norm": NaN,
3018
+ "learning_rate": 0.00014305542949029284,
3019
+ "loss": 0.0,
3020
+ "step": 860
3021
+ },
3022
+ {
3023
+ "epoch": 2.9930555555555554,
3024
+ "grad_norm": NaN,
3025
+ "learning_rate": 0.00014305542949029284,
3026
+ "loss": 0.0,
3027
+ "step": 862
3028
+ },
3029
+ {
3030
+ "epoch": 3.0,
3031
+ "grad_norm": NaN,
3032
+ "learning_rate": 0.00014305542949029284,
3033
+ "loss": 0.0,
3034
+ "step": 864
3035
+ },
3036
+ {
3037
+ "epoch": 3.0069444444444446,
3038
+ "grad_norm": NaN,
3039
+ "learning_rate": 0.00014305542949029284,
3040
+ "loss": 0.0,
3041
+ "step": 866
3042
+ },
3043
+ {
3044
+ "epoch": 3.013888888888889,
3045
+ "grad_norm": NaN,
3046
+ "learning_rate": 0.00014305542949029284,
3047
+ "loss": 0.0,
3048
+ "step": 868
3049
+ },
3050
+ {
3051
+ "epoch": 3.0208333333333335,
3052
+ "grad_norm": NaN,
3053
+ "learning_rate": 0.00014305542949029284,
3054
+ "loss": 0.0,
3055
+ "step": 870
3056
+ },
3057
+ {
3058
+ "epoch": 3.0277777777777777,
3059
+ "grad_norm": NaN,
3060
+ "learning_rate": 0.00014305542949029284,
3061
+ "loss": 0.0,
3062
+ "step": 872
3063
+ },
3064
+ {
3065
+ "epoch": 3.0347222222222223,
3066
+ "grad_norm": NaN,
3067
+ "learning_rate": 0.00014305542949029284,
3068
+ "loss": 0.0,
3069
+ "step": 874
3070
+ },
3071
+ {
3072
+ "epoch": 3.0416666666666665,
3073
+ "grad_norm": NaN,
3074
+ "learning_rate": 0.00014305542949029284,
3075
+ "loss": 0.0,
3076
+ "step": 876
3077
+ },
3078
+ {
3079
+ "epoch": 3.048611111111111,
3080
+ "grad_norm": NaN,
3081
+ "learning_rate": 0.00014305542949029284,
3082
+ "loss": 0.0,
3083
+ "step": 878
3084
+ },
3085
+ {
3086
+ "epoch": 3.0555555555555554,
3087
+ "grad_norm": NaN,
3088
+ "learning_rate": 0.00014305542949029284,
3089
+ "loss": 0.0,
3090
+ "step": 880
3091
+ },
3092
+ {
3093
+ "epoch": 3.0625,
3094
+ "grad_norm": NaN,
3095
+ "learning_rate": 0.00014305542949029284,
3096
+ "loss": 0.0,
3097
+ "step": 882
3098
+ },
3099
+ {
3100
+ "epoch": 3.0694444444444446,
3101
+ "grad_norm": NaN,
3102
+ "learning_rate": 0.00014305542949029284,
3103
+ "loss": 0.0,
3104
+ "step": 884
3105
+ },
3106
+ {
3107
+ "epoch": 3.076388888888889,
3108
+ "grad_norm": NaN,
3109
+ "learning_rate": 0.00014305542949029284,
3110
+ "loss": 0.0,
3111
+ "step": 886
3112
+ },
3113
+ {
3114
+ "epoch": 3.0833333333333335,
3115
+ "grad_norm": NaN,
3116
+ "learning_rate": 0.00014305542949029284,
3117
+ "loss": 0.0,
3118
+ "step": 888
3119
+ },
3120
+ {
3121
+ "epoch": 3.0902777777777777,
3122
+ "grad_norm": NaN,
3123
+ "learning_rate": 0.00014305542949029284,
3124
+ "loss": 0.0,
3125
+ "step": 890
3126
+ },
3127
+ {
3128
+ "epoch": 3.0972222222222223,
3129
+ "grad_norm": NaN,
3130
+ "learning_rate": 0.00014305542949029284,
3131
+ "loss": 0.0,
3132
+ "step": 892
3133
+ },
3134
+ {
3135
+ "epoch": 3.1041666666666665,
3136
+ "grad_norm": NaN,
3137
+ "learning_rate": 0.00014305542949029284,
3138
+ "loss": 0.0,
3139
+ "step": 894
3140
+ },
3141
+ {
3142
+ "epoch": 3.111111111111111,
3143
+ "grad_norm": NaN,
3144
+ "learning_rate": 0.00014305542949029284,
3145
+ "loss": 0.0,
3146
+ "step": 896
3147
+ },
3148
+ {
3149
+ "epoch": 3.1180555555555554,
3150
+ "grad_norm": NaN,
3151
+ "learning_rate": 0.00014305542949029284,
3152
+ "loss": 0.0,
3153
+ "step": 898
3154
+ },
3155
+ {
3156
+ "epoch": 3.125,
3157
+ "grad_norm": NaN,
3158
+ "learning_rate": 0.00014305542949029284,
3159
+ "loss": 0.0,
3160
+ "step": 900
3161
+ },
3162
+ {
3163
+ "epoch": 3.1319444444444446,
3164
+ "grad_norm": NaN,
3165
+ "learning_rate": 0.00014305542949029284,
3166
+ "loss": 0.0,
3167
+ "step": 902
3168
+ },
3169
+ {
3170
+ "epoch": 3.138888888888889,
3171
+ "grad_norm": NaN,
3172
+ "learning_rate": 0.00014305542949029284,
3173
+ "loss": 0.0,
3174
+ "step": 904
3175
+ },
3176
+ {
3177
+ "epoch": 3.1458333333333335,
3178
+ "grad_norm": NaN,
3179
+ "learning_rate": 0.00014305542949029284,
3180
+ "loss": 0.0,
3181
+ "step": 906
3182
+ },
3183
+ {
3184
+ "epoch": 3.1527777777777777,
3185
+ "grad_norm": NaN,
3186
+ "learning_rate": 0.00014305542949029284,
3187
+ "loss": 0.0,
3188
+ "step": 908
3189
+ },
3190
+ {
3191
+ "epoch": 3.1597222222222223,
3192
+ "grad_norm": NaN,
3193
+ "learning_rate": 0.00014305542949029284,
3194
+ "loss": 0.0,
3195
+ "step": 910
3196
+ },
3197
+ {
3198
+ "epoch": 3.1666666666666665,
3199
+ "grad_norm": NaN,
3200
+ "learning_rate": 0.00014305542949029284,
3201
+ "loss": 0.0,
3202
+ "step": 912
3203
+ },
3204
+ {
3205
+ "epoch": 3.173611111111111,
3206
+ "grad_norm": NaN,
3207
+ "learning_rate": 0.00014305542949029284,
3208
+ "loss": 0.0,
3209
+ "step": 914
3210
+ },
3211
+ {
3212
+ "epoch": 3.1805555555555554,
3213
+ "grad_norm": NaN,
3214
+ "learning_rate": 0.00014305542949029284,
3215
+ "loss": 0.0,
3216
+ "step": 916
3217
+ },
3218
+ {
3219
+ "epoch": 3.1875,
3220
+ "grad_norm": NaN,
3221
+ "learning_rate": 0.00014305542949029284,
3222
+ "loss": 0.0,
3223
+ "step": 918
3224
+ },
3225
+ {
3226
+ "epoch": 3.1944444444444446,
3227
+ "grad_norm": NaN,
3228
+ "learning_rate": 0.00014305542949029284,
3229
+ "loss": 0.0,
3230
+ "step": 920
3231
+ },
3232
+ {
3233
+ "epoch": 3.201388888888889,
3234
+ "grad_norm": NaN,
3235
+ "learning_rate": 0.00014305542949029284,
3236
+ "loss": 0.0,
3237
+ "step": 922
3238
+ },
3239
+ {
3240
+ "epoch": 3.2083333333333335,
3241
+ "grad_norm": NaN,
3242
+ "learning_rate": 0.00014305542949029284,
3243
+ "loss": 0.0,
3244
+ "step": 924
3245
+ },
3246
+ {
3247
+ "epoch": 3.2152777777777777,
3248
+ "grad_norm": NaN,
3249
+ "learning_rate": 0.00014305542949029284,
3250
+ "loss": 0.0,
3251
+ "step": 926
3252
+ },
3253
+ {
3254
+ "epoch": 3.2222222222222223,
3255
+ "grad_norm": NaN,
3256
+ "learning_rate": 0.00014305542949029284,
3257
+ "loss": 0.0,
3258
+ "step": 928
3259
+ },
3260
+ {
3261
+ "epoch": 3.2291666666666665,
3262
+ "grad_norm": NaN,
3263
+ "learning_rate": 0.00014305542949029284,
3264
+ "loss": 0.0,
3265
+ "step": 930
3266
+ },
3267
+ {
3268
+ "epoch": 3.236111111111111,
3269
+ "grad_norm": NaN,
3270
+ "learning_rate": 0.00014305542949029284,
3271
+ "loss": 0.0,
3272
+ "step": 932
3273
+ },
3274
+ {
3275
+ "epoch": 3.2430555555555554,
3276
+ "grad_norm": NaN,
3277
+ "learning_rate": 0.00014305542949029284,
3278
+ "loss": 0.0,
3279
+ "step": 934
3280
+ },
3281
+ {
3282
+ "epoch": 3.25,
3283
+ "grad_norm": NaN,
3284
+ "learning_rate": 0.00014305542949029284,
3285
+ "loss": 0.0,
3286
+ "step": 936
3287
+ },
3288
+ {
3289
+ "epoch": 3.2569444444444446,
3290
+ "grad_norm": NaN,
3291
+ "learning_rate": 0.00014305542949029284,
3292
+ "loss": 0.0,
3293
+ "step": 938
3294
+ },
3295
+ {
3296
+ "epoch": 3.263888888888889,
3297
+ "grad_norm": NaN,
3298
+ "learning_rate": 0.00014305542949029284,
3299
+ "loss": 0.0,
3300
+ "step": 940
3301
+ },
3302
+ {
3303
+ "epoch": 3.2708333333333335,
3304
+ "grad_norm": NaN,
3305
+ "learning_rate": 0.00014305542949029284,
3306
+ "loss": 0.0,
3307
+ "step": 942
3308
+ },
3309
+ {
3310
+ "epoch": 3.2777777777777777,
3311
+ "grad_norm": NaN,
3312
+ "learning_rate": 0.00014305542949029284,
3313
+ "loss": 0.0,
3314
+ "step": 944
3315
+ },
3316
+ {
3317
+ "epoch": 3.2847222222222223,
3318
+ "grad_norm": NaN,
3319
+ "learning_rate": 0.00014305542949029284,
3320
+ "loss": 0.0,
3321
+ "step": 946
3322
+ },
3323
+ {
3324
+ "epoch": 3.2916666666666665,
3325
+ "grad_norm": NaN,
3326
+ "learning_rate": 0.00014305542949029284,
3327
+ "loss": 0.0,
3328
+ "step": 948
3329
+ },
3330
+ {
3331
+ "epoch": 3.298611111111111,
3332
+ "grad_norm": NaN,
3333
+ "learning_rate": 0.00014305542949029284,
3334
+ "loss": 0.0,
3335
+ "step": 950
3336
+ },
3337
+ {
3338
+ "epoch": 3.3055555555555554,
3339
+ "grad_norm": NaN,
3340
+ "learning_rate": 0.00014305542949029284,
3341
+ "loss": 0.0,
3342
+ "step": 952
3343
+ },
3344
+ {
3345
+ "epoch": 3.3125,
3346
+ "grad_norm": NaN,
3347
+ "learning_rate": 0.00014305542949029284,
3348
+ "loss": 0.0,
3349
+ "step": 954
3350
+ },
3351
+ {
3352
+ "epoch": 3.3194444444444446,
3353
+ "grad_norm": NaN,
3354
+ "learning_rate": 0.00014305542949029284,
3355
+ "loss": 0.0,
3356
+ "step": 956
3357
+ },
3358
+ {
3359
+ "epoch": 3.326388888888889,
3360
+ "grad_norm": NaN,
3361
+ "learning_rate": 0.00014305542949029284,
3362
+ "loss": 0.0,
3363
+ "step": 958
3364
+ },
3365
+ {
3366
+ "epoch": 3.3333333333333335,
3367
+ "grad_norm": NaN,
3368
+ "learning_rate": 0.00014305542949029284,
3369
+ "loss": 0.0,
3370
+ "step": 960
3371
+ },
3372
+ {
3373
+ "epoch": 3.3402777777777777,
3374
+ "grad_norm": NaN,
3375
+ "learning_rate": 0.00014305542949029284,
3376
+ "loss": 0.0,
3377
+ "step": 962
3378
+ },
3379
+ {
3380
+ "epoch": 3.3472222222222223,
3381
+ "grad_norm": NaN,
3382
+ "learning_rate": 0.00014305542949029284,
3383
+ "loss": 0.0,
3384
+ "step": 964
3385
+ },
3386
+ {
3387
+ "epoch": 3.3541666666666665,
3388
+ "grad_norm": NaN,
3389
+ "learning_rate": 0.00014305542949029284,
3390
+ "loss": 0.0,
3391
+ "step": 966
3392
+ },
3393
+ {
3394
+ "epoch": 3.361111111111111,
3395
+ "grad_norm": NaN,
3396
+ "learning_rate": 0.00014305542949029284,
3397
+ "loss": 0.0,
3398
+ "step": 968
3399
+ },
3400
+ {
3401
+ "epoch": 3.3680555555555554,
3402
+ "grad_norm": NaN,
3403
+ "learning_rate": 0.00014305542949029284,
3404
+ "loss": 0.0,
3405
+ "step": 970
3406
+ },
3407
+ {
3408
+ "epoch": 3.375,
3409
+ "grad_norm": NaN,
3410
+ "learning_rate": 0.00014305542949029284,
3411
+ "loss": 0.0,
3412
+ "step": 972
3413
+ },
3414
+ {
3415
+ "epoch": 3.3819444444444446,
3416
+ "grad_norm": NaN,
3417
+ "learning_rate": 0.00014305542949029284,
3418
+ "loss": 0.0,
3419
+ "step": 974
3420
+ },
3421
+ {
3422
+ "epoch": 3.388888888888889,
3423
+ "grad_norm": NaN,
3424
+ "learning_rate": 0.00014305542949029284,
3425
+ "loss": 0.0,
3426
+ "step": 976
3427
+ },
3428
+ {
3429
+ "epoch": 3.3958333333333335,
3430
+ "grad_norm": NaN,
3431
+ "learning_rate": 0.00014305542949029284,
3432
+ "loss": 0.0,
3433
+ "step": 978
3434
+ },
3435
+ {
3436
+ "epoch": 3.4027777777777777,
3437
+ "grad_norm": NaN,
3438
+ "learning_rate": 0.00014305542949029284,
3439
+ "loss": 0.0,
3440
+ "step": 980
3441
+ },
3442
+ {
3443
+ "epoch": 3.4097222222222223,
3444
+ "grad_norm": NaN,
3445
+ "learning_rate": 0.00014305542949029284,
3446
+ "loss": 0.0,
3447
+ "step": 982
3448
+ },
3449
+ {
3450
+ "epoch": 3.4166666666666665,
3451
+ "grad_norm": NaN,
3452
+ "learning_rate": 0.00014305542949029284,
3453
+ "loss": 0.0,
3454
+ "step": 984
3455
+ },
3456
+ {
3457
+ "epoch": 3.423611111111111,
3458
+ "grad_norm": NaN,
3459
+ "learning_rate": 0.00014305542949029284,
3460
+ "loss": 0.0,
3461
+ "step": 986
3462
+ },
3463
+ {
3464
+ "epoch": 3.4305555555555554,
3465
+ "grad_norm": NaN,
3466
+ "learning_rate": 0.00014305542949029284,
3467
+ "loss": 0.0,
3468
+ "step": 988
3469
+ },
3470
+ {
3471
+ "epoch": 3.4375,
3472
+ "grad_norm": NaN,
3473
+ "learning_rate": 0.00014305542949029284,
3474
+ "loss": 0.0,
3475
+ "step": 990
3476
+ },
3477
+ {
3478
+ "epoch": 3.4444444444444446,
3479
+ "grad_norm": NaN,
3480
+ "learning_rate": 0.00014305542949029284,
3481
+ "loss": 0.0,
3482
+ "step": 992
3483
+ },
3484
+ {
3485
+ "epoch": 3.451388888888889,
3486
+ "grad_norm": NaN,
3487
+ "learning_rate": 0.00014305542949029284,
3488
+ "loss": 0.0,
3489
+ "step": 994
3490
+ },
3491
+ {
3492
+ "epoch": 3.4583333333333335,
3493
+ "grad_norm": NaN,
3494
+ "learning_rate": 0.00014305542949029284,
3495
+ "loss": 0.0,
3496
+ "step": 996
3497
+ },
3498
+ {
3499
+ "epoch": 3.4652777777777777,
3500
+ "grad_norm": NaN,
3501
+ "learning_rate": 0.00014305542949029284,
3502
+ "loss": 0.0,
3503
+ "step": 998
3504
+ },
3505
+ {
3506
+ "epoch": 3.4722222222222223,
3507
+ "grad_norm": NaN,
3508
+ "learning_rate": 0.00014305542949029284,
3509
+ "loss": 0.0,
3510
+ "step": 1000
3511
+ },
3512
+ {
3513
+ "epoch": 3.4791666666666665,
3514
+ "grad_norm": NaN,
3515
+ "learning_rate": 0.00014305542949029284,
3516
+ "loss": 0.0,
3517
+ "step": 1002
3518
+ },
3519
+ {
3520
+ "epoch": 3.486111111111111,
3521
+ "grad_norm": NaN,
3522
+ "learning_rate": 0.00014305542949029284,
3523
+ "loss": 0.0,
3524
+ "step": 1004
3525
+ },
3526
+ {
3527
+ "epoch": 3.4930555555555554,
3528
+ "grad_norm": NaN,
3529
+ "learning_rate": 0.00014305542949029284,
3530
+ "loss": 0.0,
3531
+ "step": 1006
3532
+ },
3533
+ {
3534
+ "epoch": 3.5,
3535
+ "grad_norm": NaN,
3536
+ "learning_rate": 0.00014305542949029284,
3537
+ "loss": 0.0,
3538
+ "step": 1008
3539
+ },
3540
+ {
3541
+ "epoch": 3.5069444444444446,
3542
+ "grad_norm": NaN,
3543
+ "learning_rate": 0.00014305542949029284,
3544
+ "loss": 0.0,
3545
+ "step": 1010
3546
+ },
3547
+ {
3548
+ "epoch": 3.513888888888889,
3549
+ "grad_norm": NaN,
3550
+ "learning_rate": 0.00014305542949029284,
3551
+ "loss": 0.0,
3552
+ "step": 1012
3553
+ },
3554
+ {
3555
+ "epoch": 3.5208333333333335,
3556
+ "grad_norm": NaN,
3557
+ "learning_rate": 0.00014305542949029284,
3558
+ "loss": 0.0,
3559
+ "step": 1014
3560
+ },
3561
+ {
3562
+ "epoch": 3.5277777777777777,
3563
+ "grad_norm": NaN,
3564
+ "learning_rate": 0.00014305542949029284,
3565
+ "loss": 0.0,
3566
+ "step": 1016
3567
+ },
3568
+ {
3569
+ "epoch": 3.5347222222222223,
3570
+ "grad_norm": NaN,
3571
+ "learning_rate": 0.00014305542949029284,
3572
+ "loss": 0.0,
3573
+ "step": 1018
3574
+ },
3575
+ {
3576
+ "epoch": 3.5416666666666665,
3577
+ "grad_norm": NaN,
3578
+ "learning_rate": 0.00014305542949029284,
3579
+ "loss": 0.0,
3580
+ "step": 1020
3581
+ },
3582
+ {
3583
+ "epoch": 3.548611111111111,
3584
+ "grad_norm": NaN,
3585
+ "learning_rate": 0.00014305542949029284,
3586
+ "loss": 0.0,
3587
+ "step": 1022
3588
+ },
3589
+ {
3590
+ "epoch": 3.5555555555555554,
3591
+ "grad_norm": NaN,
3592
+ "learning_rate": 0.00014305542949029284,
3593
+ "loss": 0.0,
3594
+ "step": 1024
3595
+ },
3596
+ {
3597
+ "epoch": 3.5625,
3598
+ "grad_norm": NaN,
3599
+ "learning_rate": 0.00014305542949029284,
3600
+ "loss": 0.0,
3601
+ "step": 1026
3602
+ },
3603
+ {
3604
+ "epoch": 3.5694444444444446,
3605
+ "grad_norm": NaN,
3606
+ "learning_rate": 0.00014305542949029284,
3607
+ "loss": 0.0,
3608
+ "step": 1028
3609
+ },
3610
+ {
3611
+ "epoch": 3.576388888888889,
3612
+ "grad_norm": NaN,
3613
+ "learning_rate": 0.00014305542949029284,
3614
+ "loss": 0.0,
3615
+ "step": 1030
3616
+ },
3617
+ {
3618
+ "epoch": 3.5833333333333335,
3619
+ "grad_norm": NaN,
3620
+ "learning_rate": 0.00014305542949029284,
3621
+ "loss": 0.0,
3622
+ "step": 1032
3623
+ },
3624
+ {
3625
+ "epoch": 3.5902777777777777,
3626
+ "grad_norm": NaN,
3627
+ "learning_rate": 0.00014305542949029284,
3628
+ "loss": 0.0,
3629
+ "step": 1034
3630
+ },
3631
+ {
3632
+ "epoch": 3.5972222222222223,
3633
+ "grad_norm": NaN,
3634
+ "learning_rate": 0.00014305542949029284,
3635
+ "loss": 0.0,
3636
+ "step": 1036
3637
+ },
3638
+ {
3639
+ "epoch": 3.6041666666666665,
3640
+ "grad_norm": NaN,
3641
+ "learning_rate": 0.00014305542949029284,
3642
+ "loss": 0.0,
3643
+ "step": 1038
3644
+ },
3645
+ {
3646
+ "epoch": 3.611111111111111,
3647
+ "grad_norm": NaN,
3648
+ "learning_rate": 0.00014305542949029284,
3649
+ "loss": 0.0,
3650
+ "step": 1040
3651
+ },
3652
+ {
3653
+ "epoch": 3.6180555555555554,
3654
+ "grad_norm": NaN,
3655
+ "learning_rate": 0.00014305542949029284,
3656
+ "loss": 0.0,
3657
+ "step": 1042
3658
+ },
3659
+ {
3660
+ "epoch": 3.625,
3661
+ "grad_norm": NaN,
3662
+ "learning_rate": 0.00014305542949029284,
3663
+ "loss": 0.0,
3664
+ "step": 1044
3665
+ },
3666
+ {
3667
+ "epoch": 3.6319444444444446,
3668
+ "grad_norm": NaN,
3669
+ "learning_rate": 0.00014305542949029284,
3670
+ "loss": 0.0,
3671
+ "step": 1046
3672
+ },
3673
+ {
3674
+ "epoch": 3.638888888888889,
3675
+ "grad_norm": NaN,
3676
+ "learning_rate": 0.00014305542949029284,
3677
+ "loss": 0.0,
3678
+ "step": 1048
3679
+ },
3680
+ {
3681
+ "epoch": 3.6458333333333335,
3682
+ "grad_norm": NaN,
3683
+ "learning_rate": 0.00014305542949029284,
3684
+ "loss": 0.0,
3685
+ "step": 1050
3686
+ },
3687
+ {
3688
+ "epoch": 3.6527777777777777,
3689
+ "grad_norm": NaN,
3690
+ "learning_rate": 0.00014305542949029284,
3691
+ "loss": 0.0,
3692
+ "step": 1052
3693
+ },
3694
+ {
3695
+ "epoch": 3.6597222222222223,
3696
+ "grad_norm": NaN,
3697
+ "learning_rate": 0.00014305542949029284,
3698
+ "loss": 0.0,
3699
+ "step": 1054
3700
+ },
3701
+ {
3702
+ "epoch": 3.6666666666666665,
3703
+ "grad_norm": NaN,
3704
+ "learning_rate": 0.00014305542949029284,
3705
+ "loss": 0.0,
3706
+ "step": 1056
3707
+ },
3708
+ {
3709
+ "epoch": 3.673611111111111,
3710
+ "grad_norm": NaN,
3711
+ "learning_rate": 0.00014305542949029284,
3712
+ "loss": 0.0,
3713
+ "step": 1058
3714
+ },
3715
+ {
3716
+ "epoch": 3.6805555555555554,
3717
+ "grad_norm": NaN,
3718
+ "learning_rate": 0.00014305542949029284,
3719
+ "loss": 0.0,
3720
+ "step": 1060
3721
+ },
3722
+ {
3723
+ "epoch": 3.6875,
3724
+ "grad_norm": NaN,
3725
+ "learning_rate": 0.00014305542949029284,
3726
+ "loss": 0.0,
3727
+ "step": 1062
3728
+ },
3729
+ {
3730
+ "epoch": 3.6944444444444446,
3731
+ "grad_norm": NaN,
3732
+ "learning_rate": 0.00014305542949029284,
3733
+ "loss": 0.0,
3734
+ "step": 1064
3735
+ },
3736
+ {
3737
+ "epoch": 3.701388888888889,
3738
+ "grad_norm": NaN,
3739
+ "learning_rate": 0.00014305542949029284,
3740
+ "loss": 0.0,
3741
+ "step": 1066
3742
+ },
3743
+ {
3744
+ "epoch": 3.7083333333333335,
3745
+ "grad_norm": NaN,
3746
+ "learning_rate": 0.00014305542949029284,
3747
+ "loss": 0.0,
3748
+ "step": 1068
3749
+ },
3750
+ {
3751
+ "epoch": 3.7152777777777777,
3752
+ "grad_norm": NaN,
3753
+ "learning_rate": 0.00014305542949029284,
3754
+ "loss": 0.0,
3755
+ "step": 1070
3756
+ },
3757
+ {
3758
+ "epoch": 3.7222222222222223,
3759
+ "grad_norm": NaN,
3760
+ "learning_rate": 0.00014305542949029284,
3761
+ "loss": 0.0,
3762
+ "step": 1072
3763
+ },
3764
+ {
3765
+ "epoch": 3.7291666666666665,
3766
+ "grad_norm": NaN,
3767
+ "learning_rate": 0.00014305542949029284,
3768
+ "loss": 0.0,
3769
+ "step": 1074
3770
+ },
3771
+ {
3772
+ "epoch": 3.736111111111111,
3773
+ "grad_norm": NaN,
3774
+ "learning_rate": 0.00014305542949029284,
3775
+ "loss": 0.0,
3776
+ "step": 1076
3777
+ },
3778
+ {
3779
+ "epoch": 3.7430555555555554,
3780
+ "grad_norm": NaN,
3781
+ "learning_rate": 0.00014305542949029284,
3782
+ "loss": 0.0,
3783
+ "step": 1078
3784
+ },
3785
+ {
3786
+ "epoch": 3.75,
3787
+ "grad_norm": NaN,
3788
+ "learning_rate": 0.00014305542949029284,
3789
+ "loss": 0.0,
3790
+ "step": 1080
3791
+ },
3792
+ {
3793
+ "epoch": 3.7569444444444446,
3794
+ "grad_norm": NaN,
3795
+ "learning_rate": 0.00014305542949029284,
3796
+ "loss": 0.0,
3797
+ "step": 1082
3798
+ },
3799
+ {
3800
+ "epoch": 3.763888888888889,
3801
+ "grad_norm": NaN,
3802
+ "learning_rate": 0.00014305542949029284,
3803
+ "loss": 0.0,
3804
+ "step": 1084
3805
+ },
3806
+ {
3807
+ "epoch": 3.7708333333333335,
3808
+ "grad_norm": NaN,
3809
+ "learning_rate": 0.00014305542949029284,
3810
+ "loss": 0.0,
3811
+ "step": 1086
3812
+ },
3813
+ {
3814
+ "epoch": 3.7777777777777777,
3815
+ "grad_norm": NaN,
3816
+ "learning_rate": 0.00014305542949029284,
3817
+ "loss": 0.0,
3818
+ "step": 1088
3819
+ },
3820
+ {
3821
+ "epoch": 3.7847222222222223,
3822
+ "grad_norm": NaN,
3823
+ "learning_rate": 0.00014305542949029284,
3824
+ "loss": 0.0,
3825
+ "step": 1090
3826
+ },
3827
+ {
3828
+ "epoch": 3.7916666666666665,
3829
+ "grad_norm": NaN,
3830
+ "learning_rate": 0.00014305542949029284,
3831
+ "loss": 0.0,
3832
+ "step": 1092
3833
+ },
3834
+ {
3835
+ "epoch": 3.798611111111111,
3836
+ "grad_norm": NaN,
3837
+ "learning_rate": 0.00014305542949029284,
3838
+ "loss": 0.0,
3839
+ "step": 1094
3840
+ },
3841
+ {
3842
+ "epoch": 3.8055555555555554,
3843
+ "grad_norm": NaN,
3844
+ "learning_rate": 0.00014305542949029284,
3845
+ "loss": 0.0,
3846
+ "step": 1096
3847
+ },
3848
+ {
3849
+ "epoch": 3.8125,
3850
+ "grad_norm": NaN,
3851
+ "learning_rate": 0.00014305542949029284,
3852
+ "loss": 0.0,
3853
+ "step": 1098
3854
+ },
3855
+ {
3856
+ "epoch": 3.8194444444444446,
3857
+ "grad_norm": NaN,
3858
+ "learning_rate": 0.00014305542949029284,
3859
+ "loss": 0.0,
3860
+ "step": 1100
3861
+ },
3862
+ {
3863
+ "epoch": 3.826388888888889,
3864
+ "grad_norm": NaN,
3865
+ "learning_rate": 0.00014305542949029284,
3866
+ "loss": 0.0,
3867
+ "step": 1102
3868
+ },
3869
+ {
3870
+ "epoch": 3.8333333333333335,
3871
+ "grad_norm": NaN,
3872
+ "learning_rate": 0.00014305542949029284,
3873
+ "loss": 0.0,
3874
+ "step": 1104
3875
+ },
3876
+ {
3877
+ "epoch": 3.8402777777777777,
3878
+ "grad_norm": NaN,
3879
+ "learning_rate": 0.00014305542949029284,
3880
+ "loss": 0.0,
3881
+ "step": 1106
3882
+ },
3883
+ {
3884
+ "epoch": 3.8472222222222223,
3885
+ "grad_norm": NaN,
3886
+ "learning_rate": 0.00014305542949029284,
3887
+ "loss": 0.0,
3888
+ "step": 1108
3889
+ },
3890
+ {
3891
+ "epoch": 3.8541666666666665,
3892
+ "grad_norm": NaN,
3893
+ "learning_rate": 0.00014305542949029284,
3894
+ "loss": 0.0,
3895
+ "step": 1110
3896
+ },
3897
+ {
3898
+ "epoch": 3.861111111111111,
3899
+ "grad_norm": NaN,
3900
+ "learning_rate": 0.00014305542949029284,
3901
+ "loss": 0.0,
3902
+ "step": 1112
3903
+ },
3904
+ {
3905
+ "epoch": 3.8680555555555554,
3906
+ "grad_norm": NaN,
3907
+ "learning_rate": 0.00014305542949029284,
3908
+ "loss": 0.0,
3909
+ "step": 1114
3910
+ },
3911
+ {
3912
+ "epoch": 3.875,
3913
+ "grad_norm": NaN,
3914
+ "learning_rate": 0.00014305542949029284,
3915
+ "loss": 0.0,
3916
+ "step": 1116
3917
+ },
3918
+ {
3919
+ "epoch": 3.8819444444444446,
3920
+ "grad_norm": NaN,
3921
+ "learning_rate": 0.00014305542949029284,
3922
+ "loss": 0.0,
3923
+ "step": 1118
3924
+ },
3925
+ {
3926
+ "epoch": 3.888888888888889,
3927
+ "grad_norm": NaN,
3928
+ "learning_rate": 0.00014305542949029284,
3929
+ "loss": 0.0,
3930
+ "step": 1120
3931
+ },
3932
+ {
3933
+ "epoch": 3.8958333333333335,
3934
+ "grad_norm": NaN,
3935
+ "learning_rate": 0.00014305542949029284,
3936
+ "loss": 0.0,
3937
+ "step": 1122
3938
+ },
3939
+ {
3940
+ "epoch": 3.9027777777777777,
3941
+ "grad_norm": NaN,
3942
+ "learning_rate": 0.00014305542949029284,
3943
+ "loss": 0.0,
3944
+ "step": 1124
3945
+ },
3946
+ {
3947
+ "epoch": 3.9097222222222223,
3948
+ "grad_norm": NaN,
3949
+ "learning_rate": 0.00014305542949029284,
3950
+ "loss": 0.0,
3951
+ "step": 1126
3952
+ },
3953
+ {
3954
+ "epoch": 3.9166666666666665,
3955
+ "grad_norm": NaN,
3956
+ "learning_rate": 0.00014305542949029284,
3957
+ "loss": 0.0,
3958
+ "step": 1128
3959
+ },
3960
+ {
3961
+ "epoch": 3.923611111111111,
3962
+ "grad_norm": NaN,
3963
+ "learning_rate": 0.00014305542949029284,
3964
+ "loss": 0.0,
3965
+ "step": 1130
3966
+ },
3967
+ {
3968
+ "epoch": 3.9305555555555554,
3969
+ "grad_norm": NaN,
3970
+ "learning_rate": 0.00014305542949029284,
3971
+ "loss": 0.0,
3972
+ "step": 1132
3973
+ },
3974
+ {
3975
+ "epoch": 3.9375,
3976
+ "grad_norm": NaN,
3977
+ "learning_rate": 0.00014305542949029284,
3978
+ "loss": 0.0,
3979
+ "step": 1134
3980
+ },
3981
+ {
3982
+ "epoch": 3.9444444444444446,
3983
+ "grad_norm": NaN,
3984
+ "learning_rate": 0.00014305542949029284,
3985
+ "loss": 0.0,
3986
+ "step": 1136
3987
+ },
3988
+ {
3989
+ "epoch": 3.951388888888889,
3990
+ "grad_norm": NaN,
3991
+ "learning_rate": 0.00014305542949029284,
3992
+ "loss": 0.0,
3993
+ "step": 1138
3994
+ },
3995
+ {
3996
+ "epoch": 3.9583333333333335,
3997
+ "grad_norm": NaN,
3998
+ "learning_rate": 0.00014305542949029284,
3999
+ "loss": 0.0,
4000
+ "step": 1140
4001
+ },
4002
+ {
4003
+ "epoch": 3.9652777777777777,
4004
+ "grad_norm": NaN,
4005
+ "learning_rate": 0.00014305542949029284,
4006
+ "loss": 0.0,
4007
+ "step": 1142
4008
+ },
4009
+ {
4010
+ "epoch": 3.9722222222222223,
4011
+ "grad_norm": NaN,
4012
+ "learning_rate": 0.00014305542949029284,
4013
+ "loss": 0.0,
4014
+ "step": 1144
4015
+ },
4016
+ {
4017
+ "epoch": 3.9791666666666665,
4018
+ "grad_norm": NaN,
4019
+ "learning_rate": 0.00014305542949029284,
4020
+ "loss": 0.0,
4021
+ "step": 1146
4022
+ },
4023
+ {
4024
+ "epoch": 3.986111111111111,
4025
+ "grad_norm": NaN,
4026
+ "learning_rate": 0.00014305542949029284,
4027
+ "loss": 0.0,
4028
+ "step": 1148
4029
+ },
4030
+ {
4031
+ "epoch": 3.9930555555555554,
4032
+ "grad_norm": NaN,
4033
+ "learning_rate": 0.00014305542949029284,
4034
+ "loss": 0.0,
4035
+ "step": 1150
4036
+ },
4037
+ {
4038
+ "epoch": 4.0,
4039
+ "grad_norm": NaN,
4040
+ "learning_rate": 0.00014305542949029284,
4041
+ "loss": 0.0,
4042
+ "step": 1152
4043
+ }
4044
+ ],
4045
+ "logging_steps": 2,
4046
+ "max_steps": 1152,
4047
+ "num_input_tokens_seen": 0,
4048
+ "num_train_epochs": 4,
4049
+ "save_steps": 200,
4050
+ "stateful_callbacks": {
4051
+ "TrainerControl": {
4052
+ "args": {
4053
+ "should_epoch_stop": false,
4054
+ "should_evaluate": false,
4055
+ "should_log": false,
4056
+ "should_save": true,
4057
+ "should_training_stop": true
4058
+ },
4059
+ "attributes": {}
4060
+ }
4061
+ },
4062
+ "total_flos": 1.7329604701653565e+18,
4063
+ "train_batch_size": 8,
4064
+ "trial_name": null,
4065
+ "trial_params": null
4066
+ }
checkpoint-1152/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:80311e2b6a4df1fda961527e50aa92bc3d64f6451e2aa8695c0c2905ab9601d6
3
+ size 5713
checkpoint-1152/vocab.json ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-200/README.md ADDED
@@ -0,0 +1,208 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: ./Qwen3-8B
3
+ library_name: peft
4
+ pipeline_tag: text-generation
5
+ tags:
6
+ - base_model:adapter:./Qwen3-8B
7
+ - lora
8
+ - transformers
9
+ - unsloth
10
+ ---
11
+
12
+ # Model Card for Model ID
13
+
14
+ <!-- Provide a quick summary of what the model is/does. -->
15
+
16
+
17
+
18
+ ## Model Details
19
+
20
+ ### Model Description
21
+
22
+ <!-- Provide a longer summary of what this model is. -->
23
+
24
+
25
+
26
+ - **Developed by:** [More Information Needed]
27
+ - **Funded by [optional]:** [More Information Needed]
28
+ - **Shared by [optional]:** [More Information Needed]
29
+ - **Model type:** [More Information Needed]
30
+ - **Language(s) (NLP):** [More Information Needed]
31
+ - **License:** [More Information Needed]
32
+ - **Finetuned from model [optional]:** [More Information Needed]
33
+
34
+ ### Model Sources [optional]
35
+
36
+ <!-- Provide the basic links for the model. -->
37
+
38
+ - **Repository:** [More Information Needed]
39
+ - **Paper [optional]:** [More Information Needed]
40
+ - **Demo [optional]:** [More Information Needed]
41
+
42
+ ## Uses
43
+
44
+ <!-- Address questions around how the model is intended to be used, including the foreseeable users of the model and those affected by the model. -->
45
+
46
+ ### Direct Use
47
+
48
+ <!-- This section is for the model use without fine-tuning or plugging into a larger ecosystem/app. -->
49
+
50
+ [More Information Needed]
51
+
52
+ ### Downstream Use [optional]
53
+
54
+ <!-- This section is for the model use when fine-tuned for a task, or when plugged into a larger ecosystem/app -->
55
+
56
+ [More Information Needed]
57
+
58
+ ### Out-of-Scope Use
59
+
60
+ <!-- This section addresses misuse, malicious use, and uses that the model will not work well for. -->
61
+
62
+ [More Information Needed]
63
+
64
+ ## Bias, Risks, and Limitations
65
+
66
+ <!-- This section is meant to convey both technical and sociotechnical limitations. -->
67
+
68
+ [More Information Needed]
69
+
70
+ ### Recommendations
71
+
72
+ <!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->
73
+
74
+ Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.
75
+
76
+ ## How to Get Started with the Model
77
+
78
+ Use the code below to get started with the model.
79
+
80
+ [More Information Needed]
81
+
82
+ ## Training Details
83
+
84
+ ### Training Data
85
+
86
+ <!-- This should link to a Dataset Card, perhaps with a short stub of information on what the training data is all about as well as documentation related to data pre-processing or additional filtering. -->
87
+
88
+ [More Information Needed]
89
+
90
+ ### Training Procedure
91
+
92
+ <!-- This relates heavily to the Technical Specifications. Content here should link to that section when it is relevant to the training procedure. -->
93
+
94
+ #### Preprocessing [optional]
95
+
96
+ [More Information Needed]
97
+
98
+
99
+ #### Training Hyperparameters
100
+
101
+ - **Training regime:** [More Information Needed] <!--fp32, fp16 mixed precision, bf16 mixed precision, bf16 non-mixed precision, fp16 non-mixed precision, fp8 mixed precision -->
102
+
103
+ #### Speeds, Sizes, Times [optional]
104
+
105
+ <!-- This section provides information about throughput, start/end time, checkpoint size if relevant, etc. -->
106
+
107
+ [More Information Needed]
108
+
109
+ ## Evaluation
110
+
111
+ <!-- This section describes the evaluation protocols and provides the results. -->
112
+
113
+ ### Testing Data, Factors & Metrics
114
+
115
+ #### Testing Data
116
+
117
+ <!-- This should link to a Dataset Card if possible. -->
118
+
119
+ [More Information Needed]
120
+
121
+ #### Factors
122
+
123
+ <!-- These are the things the evaluation is disaggregating by, e.g., subpopulations or domains. -->
124
+
125
+ [More Information Needed]
126
+
127
+ #### Metrics
128
+
129
+ <!-- These are the evaluation metrics being used, ideally with a description of why. -->
130
+
131
+ [More Information Needed]
132
+
133
+ ### Results
134
+
135
+ [More Information Needed]
136
+
137
+ #### Summary
138
+
139
+
140
+
141
+ ## Model Examination [optional]
142
+
143
+ <!-- Relevant interpretability work for the model goes here -->
144
+
145
+ [More Information Needed]
146
+
147
+ ## Environmental Impact
148
+
149
+ <!-- Total emissions (in grams of CO2eq) and additional considerations, such as electricity usage, go here. Edit the suggested text below accordingly -->
150
+
151
+ Carbon emissions can be estimated using the [Machine Learning Impact calculator](https://mlco2.github.io/impact#compute) presented in [Lacoste et al. (2019)](https://arxiv.org/abs/1910.09700).
152
+
153
+ - **Hardware Type:** [More Information Needed]
154
+ - **Hours used:** [More Information Needed]
155
+ - **Cloud Provider:** [More Information Needed]
156
+ - **Compute Region:** [More Information Needed]
157
+ - **Carbon Emitted:** [More Information Needed]
158
+
159
+ ## Technical Specifications [optional]
160
+
161
+ ### Model Architecture and Objective
162
+
163
+ [More Information Needed]
164
+
165
+ ### Compute Infrastructure
166
+
167
+ [More Information Needed]
168
+
169
+ #### Hardware
170
+
171
+ [More Information Needed]
172
+
173
+ #### Software
174
+
175
+ [More Information Needed]
176
+
177
+ ## Citation [optional]
178
+
179
+ <!-- If there is a paper or blog post introducing the model, the APA and Bibtex information for that should go in this section. -->
180
+
181
+ **BibTeX:**
182
+
183
+ [More Information Needed]
184
+
185
+ **APA:**
186
+
187
+ [More Information Needed]
188
+
189
+ ## Glossary [optional]
190
+
191
+ <!-- If relevant, include terms and calculations in this section that can help readers understand the model or model card. -->
192
+
193
+ [More Information Needed]
194
+
195
+ ## More Information [optional]
196
+
197
+ [More Information Needed]
198
+
199
+ ## Model Card Authors [optional]
200
+
201
+ [More Information Needed]
202
+
203
+ ## Model Card Contact
204
+
205
+ [More Information Needed]
206
+ ### Framework versions
207
+
208
+ - PEFT 0.16.0
checkpoint-200/adapter_config.json ADDED
@@ -0,0 +1,41 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "alpha_pattern": {},
3
+ "auto_mapping": null,
4
+ "base_model_name_or_path": "./Qwen3-8B",
5
+ "bias": "none",
6
+ "corda_config": null,
7
+ "eva_config": null,
8
+ "exclude_modules": null,
9
+ "fan_in_fan_out": false,
10
+ "inference_mode": true,
11
+ "init_lora_weights": true,
12
+ "layer_replication": null,
13
+ "layers_pattern": null,
14
+ "layers_to_transform": null,
15
+ "loftq_config": {},
16
+ "lora_alpha": 32,
17
+ "lora_bias": false,
18
+ "lora_dropout": 0.0,
19
+ "megatron_config": null,
20
+ "megatron_core": "megatron.core",
21
+ "modules_to_save": null,
22
+ "peft_type": "LORA",
23
+ "qalora_group_size": 16,
24
+ "r": 32,
25
+ "rank_pattern": {},
26
+ "revision": null,
27
+ "target_modules": [
28
+ "v_proj",
29
+ "gate_proj",
30
+ "up_proj",
31
+ "down_proj",
32
+ "o_proj",
33
+ "k_proj",
34
+ "q_proj"
35
+ ],
36
+ "task_type": "CAUSAL_LM",
37
+ "trainable_token_indices": null,
38
+ "use_dora": false,
39
+ "use_qalora": false,
40
+ "use_rslora": true
41
+ }
checkpoint-200/adapter_model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:5e5ce57df73faa719c30b2b30e6153ec831aaef6e5c3502c855f35199ec17b03
3
+ size 2834238032
checkpoint-200/added_tokens.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "</think>": 151668,
3
+ "</tool_call>": 151658,
4
+ "</tool_response>": 151666,
5
+ "<think>": 151667,
6
+ "<tool_call>": 151657,
7
+ "<tool_response>": 151665,
8
+ "<|analysis|>": 151670,
9
+ "<|box_end|>": 151649,
10
+ "<|box_start|>": 151648,
11
+ "<|endoftext|>": 151643,
12
+ "<|file_sep|>": 151664,
13
+ "<|fim_middle|>": 151660,
14
+ "<|fim_pad|>": 151662,
15
+ "<|fim_prefix|>": 151659,
16
+ "<|fim_suffix|>": 151661,
17
+ "<|forecast|>": 151671,
18
+ "<|im_end|>": 151645,
19
+ "<|im_start|>": 151644,
20
+ "<|image_pad|>": 151655,
21
+ "<|object_ref_end|>": 151647,
22
+ "<|object_ref_start|>": 151646,
23
+ "<|quad_end|>": 151651,
24
+ "<|quad_start|>": 151650,
25
+ "<|repo_name|>": 151663,
26
+ "<|response|>": 151669,
27
+ "<|video_pad|>": 151656,
28
+ "<|vision_end|>": 151653,
29
+ "<|vision_pad|>": 151654,
30
+ "<|vision_start|>": 151652
31
+ }
checkpoint-200/chat_template.jinja ADDED
@@ -0,0 +1,89 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {%- if tools %}
2
+ {{- '<|im_start|>system\n' }}
3
+ {%- if messages[0].role == 'system' %}
4
+ {{- messages[0].content + '\n\n' }}
5
+ {%- endif %}
6
+ {{- "# Tools\n\nYou may call one or more functions to assist with the user query.\n\nYou are provided with function signatures within <tools></tools> XML tags:\n<tools>" }}
7
+ {%- for tool in tools %}
8
+ {{- "\n" }}
9
+ {{- tool | tojson }}
10
+ {%- endfor %}
11
+ {{- "\n</tools>\n\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\n<tool_call>\n{\"name\": <function-name>, \"arguments\": <args-json-object>}\n</tool_call><|im_end|>\n" }}
12
+ {%- else %}
13
+ {%- if messages[0].role == 'system' %}
14
+ {{- '<|im_start|>system\n' + messages[0].content + '<|im_end|>\n' }}
15
+ {%- endif %}
16
+ {%- endif %}
17
+ {%- set ns = namespace(multi_step_tool=true, last_query_index=messages|length - 1) %}
18
+ {%- for message in messages[::-1] %}
19
+ {%- set index = (messages|length - 1) - loop.index0 %}
20
+ {%- if ns.multi_step_tool and message.role == "user" and message.content is string and not(message.content.startswith('<tool_response>') and message.content.endswith('</tool_response>')) %}
21
+ {%- set ns.multi_step_tool = false %}
22
+ {%- set ns.last_query_index = index %}
23
+ {%- endif %}
24
+ {%- endfor %}
25
+ {%- for message in messages %}
26
+ {%- if message.content is string %}
27
+ {%- set content = message.content %}
28
+ {%- else %}
29
+ {%- set content = '' %}
30
+ {%- endif %}
31
+ {%- if (message.role == "user") or (message.role == "system" and not loop.first) %}
32
+ {{- '<|im_start|>' + message.role + '\n' + content + '<|im_end|>' + '\n' }}
33
+ {%- elif message.role == "assistant" %}
34
+ {%- set reasoning_content = '' %}
35
+ {%- if message.reasoning_content is string %}
36
+ {%- set reasoning_content = message.reasoning_content %}
37
+ {%- else %}
38
+ {%- if '</think>' in content %}
39
+ {%- set reasoning_content = content.split('</think>')[0].rstrip('\n').split('<think>')[-1].lstrip('\n') %}
40
+ {%- set content = content.split('</think>')[-1].lstrip('\n') %}
41
+ {%- endif %}
42
+ {%- endif %}
43
+ {%- if loop.index0 > ns.last_query_index %}
44
+ {%- if loop.last or (not loop.last and reasoning_content) %}
45
+ {{- '<|im_start|>' + message.role + '\n<think>\n' + reasoning_content.strip('\n') + '\n</think>\n\n' + content.lstrip('\n') }}
46
+ {%- else %}
47
+ {{- '<|im_start|>' + message.role + '\n' + content }}
48
+ {%- endif %}
49
+ {%- else %}
50
+ {{- '<|im_start|>' + message.role + '\n' + content }}
51
+ {%- endif %}
52
+ {%- if message.tool_calls %}
53
+ {%- for tool_call in message.tool_calls %}
54
+ {%- if (loop.first and content) or (not loop.first) %}
55
+ {{- '\n' }}
56
+ {%- endif %}
57
+ {%- if tool_call.function %}
58
+ {%- set tool_call = tool_call.function %}
59
+ {%- endif %}
60
+ {{- '<tool_call>\n{"name": "' }}
61
+ {{- tool_call.name }}
62
+ {{- '", "arguments": ' }}
63
+ {%- if tool_call.arguments is string %}
64
+ {{- tool_call.arguments }}
65
+ {%- else %}
66
+ {{- tool_call.arguments | tojson }}
67
+ {%- endif %}
68
+ {{- '}\n</tool_call>' }}
69
+ {%- endfor %}
70
+ {%- endif %}
71
+ {{- '<|im_end|>\n' }}
72
+ {%- elif message.role == "tool" %}
73
+ {%- if loop.first or (messages[loop.index0 - 1].role != "tool") %}
74
+ {{- '<|im_start|>user' }}
75
+ {%- endif %}
76
+ {{- '\n<tool_response>\n' }}
77
+ {{- content }}
78
+ {{- '\n</tool_response>' }}
79
+ {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %}
80
+ {{- '<|im_end|>\n' }}
81
+ {%- endif %}
82
+ {%- endif %}
83
+ {%- endfor %}
84
+ {%- if add_generation_prompt %}
85
+ {{- '<|im_start|>assistant\n' }}
86
+ {%- if enable_thinking is defined and enable_thinking is false %}
87
+ {{- '<think>\n\n</think>\n\n' }}
88
+ {%- endif %}
89
+ {%- endif %}
checkpoint-200/merges.txt ADDED
The diff for this file is too large to render. See raw diff
 
checkpoint-200/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d0d3e224460c14d3500d1e957a6e59fc96ba82a5e7246d58a7a1a1a459c887da
3
+ size 698777675
checkpoint-200/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:61c19bab1174704a4a4441475683bf1270277af15d2e2c95e964789128e482c4
3
+ size 14645
checkpoint-200/scaler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:124625e167eb28acbfc793cfcb3e8a08b32e7fea06501462bc9e420a5e1beb2a
3
+ size 1383
checkpoint-200/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:8c2624154b69dde7e504cf59e5c9c1f1e77e854340e9a523f65e58b2f3f1dec3
3
+ size 1465
checkpoint-200/special_tokens_map.json ADDED
@@ -0,0 +1,39 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "additional_special_tokens": [
3
+ {
4
+ "content": "<|response|>",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false
9
+ },
10
+ {
11
+ "content": "<|analysis|>",
12
+ "lstrip": false,
13
+ "normalized": false,
14
+ "rstrip": false,
15
+ "single_word": false
16
+ },
17
+ {
18
+ "content": "<|forecast|>",
19
+ "lstrip": false,
20
+ "normalized": false,
21
+ "rstrip": false,
22
+ "single_word": false
23
+ }
24
+ ],
25
+ "eos_token": {
26
+ "content": "<|im_end|>",
27
+ "lstrip": false,
28
+ "normalized": false,
29
+ "rstrip": false,
30
+ "single_word": false
31
+ },
32
+ "pad_token": {
33
+ "content": "<|endoftext|>",
34
+ "lstrip": false,
35
+ "normalized": false,
36
+ "rstrip": false,
37
+ "single_word": false
38
+ }
39
+ }
checkpoint-200/tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:77247e5fb2e966d04e513068b17cca472e105e7c56953e9b1d27d70b93d77e6f
3
+ size 11423221
checkpoint-200/tokenizer_config.json ADDED
@@ -0,0 +1,254 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": false,
3
+ "add_prefix_space": false,
4
+ "added_tokens_decoder": {
5
+ "151643": {
6
+ "content": "<|endoftext|>",
7
+ "lstrip": false,
8
+ "normalized": false,
9
+ "rstrip": false,
10
+ "single_word": false,
11
+ "special": true
12
+ },
13
+ "151644": {
14
+ "content": "<|im_start|>",
15
+ "lstrip": false,
16
+ "normalized": false,
17
+ "rstrip": false,
18
+ "single_word": false,
19
+ "special": true
20
+ },
21
+ "151645": {
22
+ "content": "<|im_end|>",
23
+ "lstrip": false,
24
+ "normalized": false,
25
+ "rstrip": false,
26
+ "single_word": false,
27
+ "special": true
28
+ },
29
+ "151646": {
30
+ "content": "<|object_ref_start|>",
31
+ "lstrip": false,
32
+ "normalized": false,
33
+ "rstrip": false,
34
+ "single_word": false,
35
+ "special": true
36
+ },
37
+ "151647": {
38
+ "content": "<|object_ref_end|>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false,
43
+ "special": true
44
+ },
45
+ "151648": {
46
+ "content": "<|box_start|>",
47
+ "lstrip": false,
48
+ "normalized": false,
49
+ "rstrip": false,
50
+ "single_word": false,
51
+ "special": true
52
+ },
53
+ "151649": {
54
+ "content": "<|box_end|>",
55
+ "lstrip": false,
56
+ "normalized": false,
57
+ "rstrip": false,
58
+ "single_word": false,
59
+ "special": true
60
+ },
61
+ "151650": {
62
+ "content": "<|quad_start|>",
63
+ "lstrip": false,
64
+ "normalized": false,
65
+ "rstrip": false,
66
+ "single_word": false,
67
+ "special": true
68
+ },
69
+ "151651": {
70
+ "content": "<|quad_end|>",
71
+ "lstrip": false,
72
+ "normalized": false,
73
+ "rstrip": false,
74
+ "single_word": false,
75
+ "special": true
76
+ },
77
+ "151652": {
78
+ "content": "<|vision_start|>",
79
+ "lstrip": false,
80
+ "normalized": false,
81
+ "rstrip": false,
82
+ "single_word": false,
83
+ "special": true
84
+ },
85
+ "151653": {
86
+ "content": "<|vision_end|>",
87
+ "lstrip": false,
88
+ "normalized": false,
89
+ "rstrip": false,
90
+ "single_word": false,
91
+ "special": true
92
+ },
93
+ "151654": {
94
+ "content": "<|vision_pad|>",
95
+ "lstrip": false,
96
+ "normalized": false,
97
+ "rstrip": false,
98
+ "single_word": false,
99
+ "special": true
100
+ },
101
+ "151655": {
102
+ "content": "<|image_pad|>",
103
+ "lstrip": false,
104
+ "normalized": false,
105
+ "rstrip": false,
106
+ "single_word": false,
107
+ "special": true
108
+ },
109
+ "151656": {
110
+ "content": "<|video_pad|>",
111
+ "lstrip": false,
112
+ "normalized": false,
113
+ "rstrip": false,
114
+ "single_word": false,
115
+ "special": true
116
+ },
117
+ "151657": {
118
+ "content": "<tool_call>",
119
+ "lstrip": false,
120
+ "normalized": false,
121
+ "rstrip": false,
122
+ "single_word": false,
123
+ "special": false
124
+ },
125
+ "151658": {
126
+ "content": "</tool_call>",
127
+ "lstrip": false,
128
+ "normalized": false,
129
+ "rstrip": false,
130
+ "single_word": false,
131
+ "special": false
132
+ },
133
+ "151659": {
134
+ "content": "<|fim_prefix|>",
135
+ "lstrip": false,
136
+ "normalized": false,
137
+ "rstrip": false,
138
+ "single_word": false,
139
+ "special": false
140
+ },
141
+ "151660": {
142
+ "content": "<|fim_middle|>",
143
+ "lstrip": false,
144
+ "normalized": false,
145
+ "rstrip": false,
146
+ "single_word": false,
147
+ "special": false
148
+ },
149
+ "151661": {
150
+ "content": "<|fim_suffix|>",
151
+ "lstrip": false,
152
+ "normalized": false,
153
+ "rstrip": false,
154
+ "single_word": false,
155
+ "special": false
156
+ },
157
+ "151662": {
158
+ "content": "<|fim_pad|>",
159
+ "lstrip": false,
160
+ "normalized": false,
161
+ "rstrip": false,
162
+ "single_word": false,
163
+ "special": false
164
+ },
165
+ "151663": {
166
+ "content": "<|repo_name|>",
167
+ "lstrip": false,
168
+ "normalized": false,
169
+ "rstrip": false,
170
+ "single_word": false,
171
+ "special": false
172
+ },
173
+ "151664": {
174
+ "content": "<|file_sep|>",
175
+ "lstrip": false,
176
+ "normalized": false,
177
+ "rstrip": false,
178
+ "single_word": false,
179
+ "special": false
180
+ },
181
+ "151665": {
182
+ "content": "<tool_response>",
183
+ "lstrip": false,
184
+ "normalized": false,
185
+ "rstrip": false,
186
+ "single_word": false,
187
+ "special": false
188
+ },
189
+ "151666": {
190
+ "content": "</tool_response>",
191
+ "lstrip": false,
192
+ "normalized": false,
193
+ "rstrip": false,
194
+ "single_word": false,
195
+ "special": false
196
+ },
197
+ "151667": {
198
+ "content": "<think>",
199
+ "lstrip": false,
200
+ "normalized": false,
201
+ "rstrip": false,
202
+ "single_word": false,
203
+ "special": false
204
+ },
205
+ "151668": {
206
+ "content": "</think>",
207
+ "lstrip": false,
208
+ "normalized": false,
209
+ "rstrip": false,
210
+ "single_word": false,
211
+ "special": false
212
+ },
213
+ "151669": {
214
+ "content": "<|response|>",
215
+ "lstrip": false,
216
+ "normalized": false,
217
+ "rstrip": false,
218
+ "single_word": false,
219
+ "special": true
220
+ },
221
+ "151670": {
222
+ "content": "<|analysis|>",
223
+ "lstrip": false,
224
+ "normalized": false,
225
+ "rstrip": false,
226
+ "single_word": false,
227
+ "special": true
228
+ },
229
+ "151671": {
230
+ "content": "<|forecast|>",
231
+ "lstrip": false,
232
+ "normalized": false,
233
+ "rstrip": false,
234
+ "single_word": false,
235
+ "special": true
236
+ }
237
+ },
238
+ "additional_special_tokens": [
239
+ "<|response|>",
240
+ "<|analysis|>",
241
+ "<|forecast|>"
242
+ ],
243
+ "bos_token": null,
244
+ "clean_up_tokenization_spaces": false,
245
+ "eos_token": "<|im_end|>",
246
+ "errors": "replace",
247
+ "extra_special_tokens": {},
248
+ "model_max_length": 40960,
249
+ "pad_token": "<|endoftext|>",
250
+ "padding_side": "right",
251
+ "split_special_tokens": false,
252
+ "tokenizer_class": "Qwen2Tokenizer",
253
+ "unk_token": null
254
+ }
checkpoint-200/trainer_state.json ADDED
@@ -0,0 +1,734 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_global_step": null,
3
+ "best_metric": null,
4
+ "best_model_checkpoint": null,
5
+ "epoch": 0.6944444444444444,
6
+ "eval_steps": 500,
7
+ "global_step": 200,
8
+ "is_hyper_param_search": false,
9
+ "is_local_process_zero": true,
10
+ "is_world_process_zero": true,
11
+ "log_history": [
12
+ {
13
+ "epoch": 0.006944444444444444,
14
+ "grad_norm": 0.0001319512666668743,
15
+ "learning_rate": 3.448275862068966e-06,
16
+ "loss": 21.3796,
17
+ "step": 2
18
+ },
19
+ {
20
+ "epoch": 0.013888888888888888,
21
+ "grad_norm": 0.00012970938405487686,
22
+ "learning_rate": 1.0344827586206897e-05,
23
+ "loss": 2.5144,
24
+ "step": 4
25
+ },
26
+ {
27
+ "epoch": 0.020833333333333332,
28
+ "grad_norm": 0.00012933755351696163,
29
+ "learning_rate": 1.7241379310344828e-05,
30
+ "loss": 13.8026,
31
+ "step": 6
32
+ },
33
+ {
34
+ "epoch": 0.027777777777777776,
35
+ "grad_norm": 0.00012198727199574932,
36
+ "learning_rate": 2.413793103448276e-05,
37
+ "loss": 4.9835,
38
+ "step": 8
39
+ },
40
+ {
41
+ "epoch": 0.034722222222222224,
42
+ "grad_norm": 0.00010912115249084309,
43
+ "learning_rate": 3.103448275862069e-05,
44
+ "loss": 2.397,
45
+ "step": 10
46
+ },
47
+ {
48
+ "epoch": 0.041666666666666664,
49
+ "grad_norm": 9.947551734512672e-05,
50
+ "learning_rate": 3.793103448275862e-05,
51
+ "loss": 2.3169,
52
+ "step": 12
53
+ },
54
+ {
55
+ "epoch": 0.04861111111111111,
56
+ "grad_norm": 9.700353257358074e-05,
57
+ "learning_rate": 4.482758620689655e-05,
58
+ "loss": 2.2121,
59
+ "step": 14
60
+ },
61
+ {
62
+ "epoch": 0.05555555555555555,
63
+ "grad_norm": 0.00010787531937239692,
64
+ "learning_rate": 5.172413793103449e-05,
65
+ "loss": 2.5911,
66
+ "step": 16
67
+ },
68
+ {
69
+ "epoch": 0.0625,
70
+ "grad_norm": 0.00010262445721309632,
71
+ "learning_rate": 5.862068965517241e-05,
72
+ "loss": 1.9774,
73
+ "step": 18
74
+ },
75
+ {
76
+ "epoch": 0.06944444444444445,
77
+ "grad_norm": 8.186206105165184e-05,
78
+ "learning_rate": 6.551724137931034e-05,
79
+ "loss": 1.8391,
80
+ "step": 20
81
+ },
82
+ {
83
+ "epoch": 0.0763888888888889,
84
+ "grad_norm": 5.4703454225091264e-05,
85
+ "learning_rate": 7.241379310344828e-05,
86
+ "loss": 1.7289,
87
+ "step": 22
88
+ },
89
+ {
90
+ "epoch": 0.08333333333333333,
91
+ "grad_norm": 4.5757446059724316e-05,
92
+ "learning_rate": 7.931034482758621e-05,
93
+ "loss": 1.867,
94
+ "step": 24
95
+ },
96
+ {
97
+ "epoch": 0.09027777777777778,
98
+ "grad_norm": 8.86492634890601e-05,
99
+ "learning_rate": 8.620689655172413e-05,
100
+ "loss": 1.7276,
101
+ "step": 26
102
+ },
103
+ {
104
+ "epoch": 0.09722222222222222,
105
+ "grad_norm": 3.919301525456831e-05,
106
+ "learning_rate": 9.310344827586207e-05,
107
+ "loss": 1.6506,
108
+ "step": 28
109
+ },
110
+ {
111
+ "epoch": 0.10416666666666667,
112
+ "grad_norm": 5.642673568218015e-05,
113
+ "learning_rate": 0.0001,
114
+ "loss": 1.5732,
115
+ "step": 30
116
+ },
117
+ {
118
+ "epoch": 0.1111111111111111,
119
+ "grad_norm": 6.0812188166892156e-05,
120
+ "learning_rate": 0.00010689655172413792,
121
+ "loss": 1.5062,
122
+ "step": 32
123
+ },
124
+ {
125
+ "epoch": 0.11805555555555555,
126
+ "grad_norm": 2.352882074774243e-05,
127
+ "learning_rate": 0.00011379310344827588,
128
+ "loss": 1.393,
129
+ "step": 34
130
+ },
131
+ {
132
+ "epoch": 0.125,
133
+ "grad_norm": 3.3942505979212e-05,
134
+ "learning_rate": 0.0001206896551724138,
135
+ "loss": 1.3654,
136
+ "step": 36
137
+ },
138
+ {
139
+ "epoch": 0.13194444444444445,
140
+ "grad_norm": 2.9797614843118936e-05,
141
+ "learning_rate": 0.00012758620689655174,
142
+ "loss": 1.3662,
143
+ "step": 38
144
+ },
145
+ {
146
+ "epoch": 0.1388888888888889,
147
+ "grad_norm": 2.0893716282444075e-05,
148
+ "learning_rate": 0.00013448275862068965,
149
+ "loss": 1.344,
150
+ "step": 40
151
+ },
152
+ {
153
+ "epoch": 0.14583333333333334,
154
+ "grad_norm": 1.886891550384462e-05,
155
+ "learning_rate": 0.0001413793103448276,
156
+ "loss": 1.2809,
157
+ "step": 42
158
+ },
159
+ {
160
+ "epoch": 0.1527777777777778,
161
+ "grad_norm": 1.6420885003753938e-05,
162
+ "learning_rate": 0.00014827586206896554,
163
+ "loss": 1.2911,
164
+ "step": 44
165
+ },
166
+ {
167
+ "epoch": 0.1597222222222222,
168
+ "grad_norm": 2.6823576263268478e-05,
169
+ "learning_rate": 0.00015517241379310346,
170
+ "loss": 1.3095,
171
+ "step": 46
172
+ },
173
+ {
174
+ "epoch": 0.16666666666666666,
175
+ "grad_norm": 1.2686981790466234e-05,
176
+ "learning_rate": 0.00016206896551724137,
177
+ "loss": 1.2149,
178
+ "step": 48
179
+ },
180
+ {
181
+ "epoch": 0.1736111111111111,
182
+ "grad_norm": 1.0219813702860847e-05,
183
+ "learning_rate": 0.00016896551724137932,
184
+ "loss": 1.2522,
185
+ "step": 50
186
+ },
187
+ {
188
+ "epoch": 0.18055555555555555,
189
+ "grad_norm": 1.0080276297230739e-05,
190
+ "learning_rate": 0.00017586206896551723,
191
+ "loss": 1.2311,
192
+ "step": 52
193
+ },
194
+ {
195
+ "epoch": 0.1875,
196
+ "grad_norm": 9.221699656336568e-06,
197
+ "learning_rate": 0.00018275862068965518,
198
+ "loss": 1.2138,
199
+ "step": 54
200
+ },
201
+ {
202
+ "epoch": 0.19444444444444445,
203
+ "grad_norm": 1.0500927601242438e-05,
204
+ "learning_rate": 0.00018965517241379312,
205
+ "loss": 1.2149,
206
+ "step": 56
207
+ },
208
+ {
209
+ "epoch": 0.2013888888888889,
210
+ "grad_norm": 8.30852695798967e-06,
211
+ "learning_rate": 0.00019655172413793104,
212
+ "loss": 1.212,
213
+ "step": 58
214
+ },
215
+ {
216
+ "epoch": 0.20833333333333334,
217
+ "grad_norm": 1.2315202184254304e-05,
218
+ "learning_rate": 0.0001999995876796145,
219
+ "loss": 1.2239,
220
+ "step": 60
221
+ },
222
+ {
223
+ "epoch": 0.2152777777777778,
224
+ "grad_norm": 1.1090536645497195e-05,
225
+ "learning_rate": 0.00019999628913693117,
226
+ "loss": 1.2075,
227
+ "step": 62
228
+ },
229
+ {
230
+ "epoch": 0.2222222222222222,
231
+ "grad_norm": 1.1589069799811114e-05,
232
+ "learning_rate": 0.00019998969216036892,
233
+ "loss": 1.2026,
234
+ "step": 64
235
+ },
236
+ {
237
+ "epoch": 0.22916666666666666,
238
+ "grad_norm": 1.0656535778252874e-05,
239
+ "learning_rate": 0.0001999797969675326,
240
+ "loss": 1.2126,
241
+ "step": 66
242
+ },
243
+ {
244
+ "epoch": 0.2361111111111111,
245
+ "grad_norm": 9.856509677774739e-06,
246
+ "learning_rate": 0.00019996660388482083,
247
+ "loss": 1.166,
248
+ "step": 68
249
+ },
250
+ {
251
+ "epoch": 0.24305555555555555,
252
+ "grad_norm": 1.5398893083329313e-05,
253
+ "learning_rate": 0.00019995011334741477,
254
+ "loss": 1.215,
255
+ "step": 70
256
+ },
257
+ {
258
+ "epoch": 0.25,
259
+ "grad_norm": 8.422492101090029e-06,
260
+ "learning_rate": 0.00019993032589926414,
261
+ "loss": 1.1868,
262
+ "step": 72
263
+ },
264
+ {
265
+ "epoch": 0.2569444444444444,
266
+ "grad_norm": 8.810847248241771e-06,
267
+ "learning_rate": 0.00019990724219306902,
268
+ "loss": 1.1971,
269
+ "step": 74
270
+ },
271
+ {
272
+ "epoch": 0.2638888888888889,
273
+ "grad_norm": 1.1227813956793398e-05,
274
+ "learning_rate": 0.00019988086299025848,
275
+ "loss": 1.1684,
276
+ "step": 76
277
+ },
278
+ {
279
+ "epoch": 0.2708333333333333,
280
+ "grad_norm": 1.0562929674051702e-05,
281
+ "learning_rate": 0.00019985118916096534,
282
+ "loss": 1.1981,
283
+ "step": 78
284
+ },
285
+ {
286
+ "epoch": 0.2777777777777778,
287
+ "grad_norm": 1.521587728348095e-05,
288
+ "learning_rate": 0.00019981822168399756,
289
+ "loss": 1.1838,
290
+ "step": 80
291
+ },
292
+ {
293
+ "epoch": 0.2847222222222222,
294
+ "grad_norm": 1.0759257747849915e-05,
295
+ "learning_rate": 0.00019978196164680597,
296
+ "loss": 1.2032,
297
+ "step": 82
298
+ },
299
+ {
300
+ "epoch": 0.2916666666666667,
301
+ "grad_norm": 8.712796443433035e-06,
302
+ "learning_rate": 0.00019974241024544828,
303
+ "loss": 1.1937,
304
+ "step": 84
305
+ },
306
+ {
307
+ "epoch": 0.2986111111111111,
308
+ "grad_norm": 1.368098037346499e-05,
309
+ "learning_rate": 0.00019969956878454972,
310
+ "loss": 1.1965,
311
+ "step": 86
312
+ },
313
+ {
314
+ "epoch": 0.3055555555555556,
315
+ "grad_norm": 1.0317597116227262e-05,
316
+ "learning_rate": 0.00019965343867725998,
317
+ "loss": 1.1908,
318
+ "step": 88
319
+ },
320
+ {
321
+ "epoch": 0.3125,
322
+ "grad_norm": 1.0250181730953045e-05,
323
+ "learning_rate": 0.00019960402144520665,
324
+ "loss": 1.1983,
325
+ "step": 90
326
+ },
327
+ {
328
+ "epoch": 0.3194444444444444,
329
+ "grad_norm": 1.0102179658133537e-05,
330
+ "learning_rate": 0.00019955131871844488,
331
+ "loss": 1.1842,
332
+ "step": 92
333
+ },
334
+ {
335
+ "epoch": 0.3263888888888889,
336
+ "grad_norm": 8.509154213243164e-06,
337
+ "learning_rate": 0.00019949533223540385,
338
+ "loss": 1.1871,
339
+ "step": 94
340
+ },
341
+ {
342
+ "epoch": 0.3333333333333333,
343
+ "grad_norm": 8.434612027485855e-06,
344
+ "learning_rate": 0.00019943606384282916,
345
+ "loss": 1.2072,
346
+ "step": 96
347
+ },
348
+ {
349
+ "epoch": 0.3402777777777778,
350
+ "grad_norm": 1.0174206181545742e-05,
351
+ "learning_rate": 0.0001993735154957221,
352
+ "loss": 1.2088,
353
+ "step": 98
354
+ },
355
+ {
356
+ "epoch": 0.3472222222222222,
357
+ "grad_norm": 9.98695850285003e-06,
358
+ "learning_rate": 0.00019930768925727514,
359
+ "loss": 1.1847,
360
+ "step": 100
361
+ },
362
+ {
363
+ "epoch": 0.3541666666666667,
364
+ "grad_norm": 8.591785444878042e-06,
365
+ "learning_rate": 0.0001992385872988038,
366
+ "loss": 1.2041,
367
+ "step": 102
368
+ },
369
+ {
370
+ "epoch": 0.3611111111111111,
371
+ "grad_norm": 1.0436694537929725e-05,
372
+ "learning_rate": 0.00019916621189967502,
373
+ "loss": 1.2194,
374
+ "step": 104
375
+ },
376
+ {
377
+ "epoch": 0.3680555555555556,
378
+ "grad_norm": 1.137161689257482e-05,
379
+ "learning_rate": 0.00019909056544723213,
380
+ "loss": 1.1788,
381
+ "step": 106
382
+ },
383
+ {
384
+ "epoch": 0.375,
385
+ "grad_norm": 1.0015843145083636e-05,
386
+ "learning_rate": 0.00019901165043671593,
387
+ "loss": 1.1979,
388
+ "step": 108
389
+ },
390
+ {
391
+ "epoch": 0.3819444444444444,
392
+ "grad_norm": 1.0921584362222347e-05,
393
+ "learning_rate": 0.00019892946947118242,
394
+ "loss": 1.1836,
395
+ "step": 110
396
+ },
397
+ {
398
+ "epoch": 0.3888888888888889,
399
+ "grad_norm": 2.0685600247816183e-05,
400
+ "learning_rate": 0.00019884402526141709,
401
+ "loss": 1.1883,
402
+ "step": 112
403
+ },
404
+ {
405
+ "epoch": 0.3958333333333333,
406
+ "grad_norm": 1.0137908247997984e-05,
407
+ "learning_rate": 0.00019875532062584519,
408
+ "loss": 1.183,
409
+ "step": 114
410
+ },
411
+ {
412
+ "epoch": 0.4027777777777778,
413
+ "grad_norm": 1.1504852409416344e-05,
414
+ "learning_rate": 0.00019866335849043912,
415
+ "loss": 1.1957,
416
+ "step": 116
417
+ },
418
+ {
419
+ "epoch": 0.4097222222222222,
420
+ "grad_norm": 8.32590194477234e-06,
421
+ "learning_rate": 0.00019856814188862166,
422
+ "loss": 1.1605,
423
+ "step": 118
424
+ },
425
+ {
426
+ "epoch": 0.4166666666666667,
427
+ "grad_norm": 1.0243880751659162e-05,
428
+ "learning_rate": 0.000198469673961166,
429
+ "loss": 1.1787,
430
+ "step": 120
431
+ },
432
+ {
433
+ "epoch": 0.4236111111111111,
434
+ "grad_norm": 9.695215339888819e-06,
435
+ "learning_rate": 0.00019836795795609213,
436
+ "loss": 1.1849,
437
+ "step": 122
438
+ },
439
+ {
440
+ "epoch": 0.4305555555555556,
441
+ "grad_norm": 9.29382167669246e-06,
442
+ "learning_rate": 0.00019826299722855976,
443
+ "loss": 1.1779,
444
+ "step": 124
445
+ },
446
+ {
447
+ "epoch": 0.4375,
448
+ "grad_norm": 1.0769907930807676e-05,
449
+ "learning_rate": 0.00019815479524075758,
450
+ "loss": 1.1878,
451
+ "step": 126
452
+ },
453
+ {
454
+ "epoch": 0.4444444444444444,
455
+ "grad_norm": 1.0001721420849208e-05,
456
+ "learning_rate": 0.000198043355561789,
457
+ "loss": 1.1963,
458
+ "step": 128
459
+ },
460
+ {
461
+ "epoch": 0.4513888888888889,
462
+ "grad_norm": 1.2609498298843391e-05,
463
+ "learning_rate": 0.00019792868186755463,
464
+ "loss": 1.2135,
465
+ "step": 130
466
+ },
467
+ {
468
+ "epoch": 0.4583333333333333,
469
+ "grad_norm": 9.788008355826605e-06,
470
+ "learning_rate": 0.00019781077794063073,
471
+ "loss": 1.2,
472
+ "step": 132
473
+ },
474
+ {
475
+ "epoch": 0.4652777777777778,
476
+ "grad_norm": 1.0332081728847697e-05,
477
+ "learning_rate": 0.00019768964767014475,
478
+ "loss": 1.1747,
479
+ "step": 134
480
+ },
481
+ {
482
+ "epoch": 0.4722222222222222,
483
+ "grad_norm": 1.2005073585896753e-05,
484
+ "learning_rate": 0.00019756529505164682,
485
+ "loss": 1.1907,
486
+ "step": 136
487
+ },
488
+ {
489
+ "epoch": 0.4791666666666667,
490
+ "grad_norm": 8.512701242580079e-06,
491
+ "learning_rate": 0.00019743772418697806,
492
+ "loss": 1.2034,
493
+ "step": 138
494
+ },
495
+ {
496
+ "epoch": 0.4861111111111111,
497
+ "grad_norm": 1.081860773410881e-05,
498
+ "learning_rate": 0.0001973069392841352,
499
+ "loss": 1.1764,
500
+ "step": 140
501
+ },
502
+ {
503
+ "epoch": 0.4930555555555556,
504
+ "grad_norm": 1.0664197361620609e-05,
505
+ "learning_rate": 0.000197172944657132,
506
+ "loss": 1.169,
507
+ "step": 142
508
+ },
509
+ {
510
+ "epoch": 0.5,
511
+ "grad_norm": 8.31518536870135e-06,
512
+ "learning_rate": 0.00019703574472585648,
513
+ "loss": 1.1787,
514
+ "step": 144
515
+ },
516
+ {
517
+ "epoch": 0.5069444444444444,
518
+ "grad_norm": 9.874113857222255e-06,
519
+ "learning_rate": 0.00019689534401592568,
520
+ "loss": 1.1908,
521
+ "step": 146
522
+ },
523
+ {
524
+ "epoch": 0.5138888888888888,
525
+ "grad_norm": 1.027604412229266e-05,
526
+ "learning_rate": 0.00019675174715853605,
527
+ "loss": 1.2001,
528
+ "step": 148
529
+ },
530
+ {
531
+ "epoch": 0.5208333333333334,
532
+ "grad_norm": 1.5908390196273103e-05,
533
+ "learning_rate": 0.00019660495889031073,
534
+ "loss": 1.1771,
535
+ "step": 150
536
+ },
537
+ {
538
+ "epoch": 0.5277777777777778,
539
+ "grad_norm": 1.0185674909735098e-05,
540
+ "learning_rate": 0.00019645498405314337,
541
+ "loss": 1.1809,
542
+ "step": 152
543
+ },
544
+ {
545
+ "epoch": 0.5347222222222222,
546
+ "grad_norm": 1.4728296264365781e-05,
547
+ "learning_rate": 0.0001963018275940384,
548
+ "loss": 1.2066,
549
+ "step": 154
550
+ },
551
+ {
552
+ "epoch": 0.5416666666666666,
553
+ "grad_norm": 1.1691463441820815e-05,
554
+ "learning_rate": 0.00019614549456494778,
555
+ "loss": 1.1879,
556
+ "step": 156
557
+ },
558
+ {
559
+ "epoch": 0.5486111111111112,
560
+ "grad_norm": 1.1677379916363861e-05,
561
+ "learning_rate": 0.0001959859901226045,
562
+ "loss": 1.1758,
563
+ "step": 158
564
+ },
565
+ {
566
+ "epoch": 0.5555555555555556,
567
+ "grad_norm": 1.2042312846460845e-05,
568
+ "learning_rate": 0.0001958233195283524,
569
+ "loss": 1.1741,
570
+ "step": 160
571
+ },
572
+ {
573
+ "epoch": 0.5625,
574
+ "grad_norm": 1.5415562302223407e-05,
575
+ "learning_rate": 0.00019565748814797252,
576
+ "loss": 1.1855,
577
+ "step": 162
578
+ },
579
+ {
580
+ "epoch": 0.5694444444444444,
581
+ "grad_norm": 1.4021643437445164e-05,
582
+ "learning_rate": 0.00019548850145150633,
583
+ "loss": 1.1937,
584
+ "step": 164
585
+ },
586
+ {
587
+ "epoch": 0.5763888888888888,
588
+ "grad_norm": 1.470915594836697e-05,
589
+ "learning_rate": 0.00019531636501307512,
590
+ "loss": 1.1946,
591
+ "step": 166
592
+ },
593
+ {
594
+ "epoch": 0.5833333333333334,
595
+ "grad_norm": 1.355435324512655e-05,
596
+ "learning_rate": 0.00019514108451069615,
597
+ "loss": 1.1898,
598
+ "step": 168
599
+ },
600
+ {
601
+ "epoch": 0.5902777777777778,
602
+ "grad_norm": 1.642305687710177e-05,
603
+ "learning_rate": 0.00019496266572609547,
604
+ "loss": 1.1822,
605
+ "step": 170
606
+ },
607
+ {
608
+ "epoch": 0.5972222222222222,
609
+ "grad_norm": 1.8154083591070957e-05,
610
+ "learning_rate": 0.00019478111454451712,
611
+ "loss": 1.1751,
612
+ "step": 172
613
+ },
614
+ {
615
+ "epoch": 0.6041666666666666,
616
+ "grad_norm": 1.3315224350662902e-05,
617
+ "learning_rate": 0.00019459643695452904,
618
+ "loss": 1.1826,
619
+ "step": 174
620
+ },
621
+ {
622
+ "epoch": 0.6111111111111112,
623
+ "grad_norm": 1.2248892744537443e-05,
624
+ "learning_rate": 0.00019440863904782543,
625
+ "loss": 1.213,
626
+ "step": 176
627
+ },
628
+ {
629
+ "epoch": 0.6180555555555556,
630
+ "grad_norm": 1.7752956409822218e-05,
631
+ "learning_rate": 0.00019421772701902596,
632
+ "loss": 1.1833,
633
+ "step": 178
634
+ },
635
+ {
636
+ "epoch": 0.625,
637
+ "grad_norm": 1.744980545481667e-05,
638
+ "learning_rate": 0.00019402370716547135,
639
+ "loss": 1.1974,
640
+ "step": 180
641
+ },
642
+ {
643
+ "epoch": 0.6319444444444444,
644
+ "grad_norm": 1.9521774447639473e-05,
645
+ "learning_rate": 0.00019382658588701568,
646
+ "loss": 1.1931,
647
+ "step": 182
648
+ },
649
+ {
650
+ "epoch": 0.6388888888888888,
651
+ "grad_norm": 1.5161932424234692e-05,
652
+ "learning_rate": 0.00019362636968581524,
653
+ "loss": 1.1901,
654
+ "step": 184
655
+ },
656
+ {
657
+ "epoch": 0.6458333333333334,
658
+ "grad_norm": 1.868332583399024e-05,
659
+ "learning_rate": 0.00019342306516611417,
660
+ "loss": 1.2045,
661
+ "step": 186
662
+ },
663
+ {
664
+ "epoch": 0.6527777777777778,
665
+ "grad_norm": 2.162260534532834e-05,
666
+ "learning_rate": 0.00019321667903402642,
667
+ "loss": 1.1899,
668
+ "step": 188
669
+ },
670
+ {
671
+ "epoch": 0.6597222222222222,
672
+ "grad_norm": 1.507936030975543e-05,
673
+ "learning_rate": 0.00019300721809731476,
674
+ "loss": 1.2029,
675
+ "step": 190
676
+ },
677
+ {
678
+ "epoch": 0.6666666666666666,
679
+ "grad_norm": 2.0704670532722957e-05,
680
+ "learning_rate": 0.00019279468926516606,
681
+ "loss": 1.2063,
682
+ "step": 192
683
+ },
684
+ {
685
+ "epoch": 0.6736111111111112,
686
+ "grad_norm": 1.8972095858771354e-05,
687
+ "learning_rate": 0.0001925790995479635,
688
+ "loss": 1.1861,
689
+ "step": 194
690
+ },
691
+ {
692
+ "epoch": 0.6805555555555556,
693
+ "grad_norm": 1.5989120583981276e-05,
694
+ "learning_rate": 0.0001923604560570552,
695
+ "loss": 1.2143,
696
+ "step": 196
697
+ },
698
+ {
699
+ "epoch": 0.6875,
700
+ "grad_norm": 1.15529483082355e-05,
701
+ "learning_rate": 0.00019213876600451978,
702
+ "loss": 1.1939,
703
+ "step": 198
704
+ },
705
+ {
706
+ "epoch": 0.6944444444444444,
707
+ "grad_norm": 1.474355212849332e-05,
708
+ "learning_rate": 0.0001919140367029284,
709
+ "loss": 1.1909,
710
+ "step": 200
711
+ }
712
+ ],
713
+ "logging_steps": 2,
714
+ "max_steps": 1152,
715
+ "num_input_tokens_seen": 0,
716
+ "num_train_epochs": 4,
717
+ "save_steps": 200,
718
+ "stateful_callbacks": {
719
+ "TrainerControl": {
720
+ "args": {
721
+ "should_epoch_stop": false,
722
+ "should_evaluate": false,
723
+ "should_log": false,
724
+ "should_save": true,
725
+ "should_training_stop": false
726
+ },
727
+ "attributes": {}
728
+ }
729
+ },
730
+ "total_flos": 3.009918315528192e+17,
731
+ "train_batch_size": 8,
732
+ "trial_name": null,
733
+ "trial_params": null
734
+ }
checkpoint-200/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:80311e2b6a4df1fda961527e50aa92bc3d64f6451e2aa8695c0c2905ab9601d6
3
+ size 5713