{
  "best_metric": 1.6379531621932983,
  "best_model_checkpoint": "miner_id_24/checkpoint-100",
  "epoch": 4.0,
  "eval_steps": 50,
  "global_step": 107,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.037383177570093455,
      "grad_norm": 0.6038907170295715,
      "learning_rate": 3.3333333333333335e-07,
      "loss": 2.0713,
      "step": 1
    },
    {
      "epoch": 0.037383177570093455,
      "eval_loss": 2.112720489501953,
      "eval_runtime": 2.7732,
      "eval_samples_per_second": 32.454,
      "eval_steps_per_second": 8.294,
      "step": 1
    },
    {
      "epoch": 0.07476635514018691,
      "grad_norm": 0.8809388279914856,
      "learning_rate": 6.666666666666667e-07,
      "loss": 1.9538,
      "step": 2
    },
    {
      "epoch": 0.11214953271028037,
      "grad_norm": 0.9001823663711548,
      "learning_rate": 1.0000000000000002e-06,
      "loss": 2.1642,
      "step": 3
    },
    {
      "epoch": 0.14953271028037382,
      "grad_norm": 1.6199345588684082,
      "learning_rate": 1.3333333333333334e-06,
      "loss": 2.5339,
      "step": 4
    },
    {
      "epoch": 0.18691588785046728,
      "grad_norm": 2.15024471282959,
      "learning_rate": 1.6666666666666667e-06,
      "loss": 2.2133,
      "step": 5
    },
    {
      "epoch": 0.22429906542056074,
      "grad_norm": 3.3157365322113037,
      "learning_rate": 2.0000000000000003e-06,
      "loss": 2.5342,
      "step": 6
    },
    {
      "epoch": 0.2616822429906542,
      "grad_norm": 0.561113715171814,
      "learning_rate": 2.3333333333333336e-06,
      "loss": 2.1597,
      "step": 7
    },
    {
      "epoch": 0.29906542056074764,
      "grad_norm": 0.8670226335525513,
      "learning_rate": 2.666666666666667e-06,
      "loss": 2.0993,
      "step": 8
    },
    {
      "epoch": 0.3364485981308411,
      "grad_norm": 1.0382758378982544,
      "learning_rate": 3e-06,
      "loss": 2.2025,
      "step": 9
    },
    {
      "epoch": 0.37383177570093457,
      "grad_norm": 1.3923320770263672,
      "learning_rate": 3.3333333333333333e-06,
      "loss": 2.3902,
      "step": 10
    },
    {
      "epoch": 0.411214953271028,
      "grad_norm": 1.8023041486740112,
      "learning_rate": 3.666666666666667e-06,
      "loss": 2.0912,
      "step": 11
    },
    {
      "epoch": 0.4485981308411215,
      "grad_norm": 3.3875796794891357,
      "learning_rate": 4.000000000000001e-06,
      "loss": 2.5401,
      "step": 12
    },
    {
      "epoch": 0.48598130841121495,
      "grad_norm": 0.5816134214401245,
      "learning_rate": 4.333333333333334e-06,
      "loss": 2.1326,
      "step": 13
    },
    {
      "epoch": 0.5233644859813084,
      "grad_norm": 0.9061508774757385,
      "learning_rate": 4.666666666666667e-06,
      "loss": 2.0882,
      "step": 14
    },
    {
      "epoch": 0.5607476635514018,
      "grad_norm": 1.0317087173461914,
      "learning_rate": 5e-06,
      "loss": 2.328,
      "step": 15
    },
    {
      "epoch": 0.5981308411214953,
      "grad_norm": 1.6733875274658203,
      "learning_rate": 5.333333333333334e-06,
      "loss": 2.4566,
      "step": 16
    },
    {
      "epoch": 0.6355140186915887,
      "grad_norm": 1.8812222480773926,
      "learning_rate": 5.666666666666667e-06,
      "loss": 2.2288,
      "step": 17
    },
    {
      "epoch": 0.6728971962616822,
      "grad_norm": 2.9388599395751953,
      "learning_rate": 6e-06,
      "loss": 2.4969,
      "step": 18
    },
    {
      "epoch": 0.7102803738317757,
      "grad_norm": 0.5245931148529053,
      "learning_rate": 6.333333333333334e-06,
      "loss": 2.0806,
      "step": 19
    },
    {
      "epoch": 0.7476635514018691,
      "grad_norm": 0.8210423588752747,
      "learning_rate": 6.666666666666667e-06,
      "loss": 1.9824,
      "step": 20
    },
    {
      "epoch": 0.7850467289719626,
      "grad_norm": 0.8515874147415161,
      "learning_rate": 7.000000000000001e-06,
      "loss": 2.2772,
      "step": 21
    },
    {
      "epoch": 0.822429906542056,
      "grad_norm": 1.396999478340149,
      "learning_rate": 7.333333333333334e-06,
      "loss": 2.3692,
      "step": 22
    },
    {
      "epoch": 0.8598130841121495,
      "grad_norm": 1.6408777236938477,
      "learning_rate": 7.666666666666667e-06,
      "loss": 2.0983,
      "step": 23
    },
    {
      "epoch": 0.897196261682243,
      "grad_norm": 2.301173448562622,
      "learning_rate": 8.000000000000001e-06,
      "loss": 2.2903,
      "step": 24
    },
    {
      "epoch": 0.9345794392523364,
      "grad_norm": 0.45701852440834045,
      "learning_rate": 8.333333333333334e-06,
      "loss": 1.9762,
      "step": 25
    },
    {
      "epoch": 0.9719626168224299,
      "grad_norm": 0.8811598420143127,
      "learning_rate": 8.666666666666668e-06,
      "loss": 2.0951,
      "step": 26
    },
    {
      "epoch": 1.0093457943925233,
      "grad_norm": 1.886438250541687,
      "learning_rate": 9e-06,
      "loss": 3.1542,
      "step": 27
    },
    {
      "epoch": 1.0467289719626167,
      "grad_norm": 0.4439815580844879,
      "learning_rate": 9.333333333333334e-06,
      "loss": 1.7901,
      "step": 28
    },
    {
      "epoch": 1.0841121495327102,
      "grad_norm": 0.5232621431350708,
      "learning_rate": 9.666666666666667e-06,
      "loss": 1.9829,
      "step": 29
    },
    {
      "epoch": 1.1214953271028036,
      "grad_norm": 0.9212753176689148,
      "learning_rate": 1e-05,
      "loss": 2.134,
      "step": 30
    },
    {
      "epoch": 1.158878504672897,
      "grad_norm": 1.2528053522109985,
      "learning_rate": 1.0333333333333333e-05,
      "loss": 2.1801,
      "step": 31
    },
    {
      "epoch": 1.1962616822429906,
      "grad_norm": 2.157902240753174,
      "learning_rate": 1.0666666666666667e-05,
      "loss": 2.0235,
      "step": 32
    },
    {
      "epoch": 1.233644859813084,
      "grad_norm": 1.4309309720993042,
      "learning_rate": 1.1000000000000001e-05,
      "loss": 2.3562,
      "step": 33
    },
    {
      "epoch": 1.2710280373831775,
      "grad_norm": 0.3407406806945801,
      "learning_rate": 1.1333333333333334e-05,
      "loss": 1.7386,
      "step": 34
    },
    {
      "epoch": 1.308411214953271,
      "grad_norm": 0.45557382702827454,
      "learning_rate": 1.1666666666666668e-05,
      "loss": 1.9456,
      "step": 35
    },
    {
      "epoch": 1.3457943925233644,
      "grad_norm": 0.7655510306358337,
      "learning_rate": 1.2e-05,
      "loss": 2.0933,
      "step": 36
    },
    {
      "epoch": 1.3831775700934579,
      "grad_norm": 1.1576899290084839,
      "learning_rate": 1.2333333333333334e-05,
      "loss": 2.2465,
      "step": 37
    },
    {
      "epoch": 1.4205607476635513,
      "grad_norm": 1.5826174020767212,
      "learning_rate": 1.2666666666666668e-05,
      "loss": 2.0075,
      "step": 38
    },
    {
      "epoch": 1.4579439252336448,
      "grad_norm": 1.3916735649108887,
      "learning_rate": 1.3000000000000001e-05,
      "loss": 2.3216,
      "step": 39
    },
    {
      "epoch": 1.4953271028037383,
      "grad_norm": 0.35166940093040466,
      "learning_rate": 1.3333333333333333e-05,
      "loss": 1.7766,
      "step": 40
    },
    {
      "epoch": 1.5327102803738317,
      "grad_norm": 0.49977388978004456,
      "learning_rate": 1.3666666666666666e-05,
      "loss": 2.0399,
      "step": 41
    },
    {
      "epoch": 1.5700934579439252,
      "grad_norm": 0.7621619701385498,
      "learning_rate": 1.4000000000000001e-05,
      "loss": 2.1032,
      "step": 42
    },
    {
      "epoch": 1.6074766355140186,
      "grad_norm": 1.254068374633789,
      "learning_rate": 1.4333333333333334e-05,
      "loss": 2.0011,
      "step": 43
    },
    {
      "epoch": 1.644859813084112,
      "grad_norm": 1.2034752368927002,
      "learning_rate": 1.4666666666666668e-05,
      "loss": 2.0362,
      "step": 44
    },
    {
      "epoch": 1.6822429906542056,
      "grad_norm": 1.161044716835022,
      "learning_rate": 1.5e-05,
      "loss": 2.2257,
      "step": 45
    },
    {
      "epoch": 1.719626168224299,
      "grad_norm": 0.4082178771495819,
      "learning_rate": 1.5333333333333334e-05,
      "loss": 1.8149,
      "step": 46
    },
    {
      "epoch": 1.7570093457943925,
      "grad_norm": 0.55793696641922,
      "learning_rate": 1.5666666666666667e-05,
      "loss": 1.9139,
      "step": 47
    },
    {
      "epoch": 1.794392523364486,
      "grad_norm": 0.819294810295105,
      "learning_rate": 1.6000000000000003e-05,
      "loss": 2.1236,
      "step": 48
    },
    {
      "epoch": 1.8317757009345794,
      "grad_norm": 1.139339566230774,
      "learning_rate": 1.6333333333333335e-05,
      "loss": 2.0927,
      "step": 49
    },
    {
      "epoch": 1.8691588785046729,
      "grad_norm": 1.0821746587753296,
      "learning_rate": 1.6666666666666667e-05,
      "loss": 1.9231,
      "step": 50
    },
    {
      "epoch": 1.8691588785046729,
      "eval_loss": 1.838770866394043,
      "eval_runtime": 2.7092,
      "eval_samples_per_second": 33.22,
      "eval_steps_per_second": 8.489,
      "step": 50
    },
    {
      "epoch": 1.9065420560747663,
      "grad_norm": 1.12847900390625,
      "learning_rate": 1.7000000000000003e-05,
      "loss": 2.0762,
      "step": 51
    },
    {
      "epoch": 1.9439252336448598,
      "grad_norm": 0.5383577942848206,
      "learning_rate": 1.7333333333333336e-05,
      "loss": 1.8337,
      "step": 52
    },
    {
      "epoch": 1.9813084112149533,
      "grad_norm": 1.0464037656784058,
      "learning_rate": 1.7666666666666668e-05,
      "loss": 2.283,
      "step": 53
    },
    {
      "epoch": 2.0186915887850465,
      "grad_norm": 0.9601941108703613,
      "learning_rate": 1.8e-05,
      "loss": 2.4307,
      "step": 54
    },
    {
      "epoch": 2.05607476635514,
      "grad_norm": 0.4919581413269043,
      "learning_rate": 1.8333333333333333e-05,
      "loss": 1.8388,
      "step": 55
    },
    {
      "epoch": 2.0934579439252334,
      "grad_norm": 0.5730854868888855,
      "learning_rate": 1.866666666666667e-05,
      "loss": 1.9612,
      "step": 56
    },
    {
      "epoch": 2.130841121495327,
      "grad_norm": 0.9545186758041382,
      "learning_rate": 1.9e-05,
      "loss": 2.0131,
      "step": 57
    },
    {
      "epoch": 2.1682242990654204,
      "grad_norm": 0.8879995346069336,
      "learning_rate": 1.9333333333333333e-05,
      "loss": 1.6081,
      "step": 58
    },
    {
      "epoch": 2.205607476635514,
      "grad_norm": 1.132548213005066,
      "learning_rate": 1.9666666666666666e-05,
      "loss": 2.0145,
      "step": 59
    },
    {
      "epoch": 2.2429906542056073,
      "grad_norm": 0.931449294090271,
      "learning_rate": 2e-05,
      "loss": 2.172,
      "step": 60
    },
    {
      "epoch": 2.2803738317757007,
      "grad_norm": 0.5260610580444336,
      "learning_rate": 2.0333333333333334e-05,
      "loss": 1.7032,
      "step": 61
    },
    {
      "epoch": 2.317757009345794,
      "grad_norm": 0.5784600377082825,
      "learning_rate": 2.0666666666666666e-05,
      "loss": 1.8317,
      "step": 62
    },
    {
      "epoch": 2.3551401869158877,
      "grad_norm": 1.2960679531097412,
      "learning_rate": 2.1e-05,
      "loss": 1.7507,
      "step": 63
    },
    {
      "epoch": 2.392523364485981,
      "grad_norm": 0.7618197798728943,
      "learning_rate": 2.1333333333333335e-05,
      "loss": 1.4448,
      "step": 64
    },
    {
      "epoch": 2.4299065420560746,
      "grad_norm": 1.0290074348449707,
      "learning_rate": 2.1666666666666667e-05,
      "loss": 2.0605,
      "step": 65
    },
    {
      "epoch": 2.467289719626168,
      "grad_norm": 0.8700666427612305,
      "learning_rate": 2.2000000000000003e-05,
      "loss": 1.8949,
      "step": 66
    },
    {
      "epoch": 2.5046728971962615,
      "grad_norm": 0.4625551104545593,
      "learning_rate": 2.2333333333333335e-05,
      "loss": 1.713,
      "step": 67
    },
    {
      "epoch": 2.542056074766355,
      "grad_norm": 0.596721887588501,
      "learning_rate": 2.2666666666666668e-05,
      "loss": 1.9124,
      "step": 68
    },
    {
      "epoch": 2.5794392523364484,
      "grad_norm": 0.9055089950561523,
      "learning_rate": 2.3000000000000003e-05,
      "loss": 1.6477,
      "step": 69
    },
    {
      "epoch": 2.616822429906542,
      "grad_norm": 0.750966489315033,
      "learning_rate": 2.3333333333333336e-05,
      "loss": 1.3532,
      "step": 70
    },
    {
      "epoch": 2.6542056074766354,
      "grad_norm": 1.0920867919921875,
      "learning_rate": 2.3666666666666668e-05,
      "loss": 1.8379,
      "step": 71
    },
    {
      "epoch": 2.691588785046729,
      "grad_norm": 0.8594307899475098,
      "learning_rate": 2.4e-05,
      "loss": 2.0496,
      "step": 72
    },
    {
      "epoch": 2.7289719626168223,
      "grad_norm": 0.40047740936279297,
      "learning_rate": 2.4333333333333336e-05,
      "loss": 1.7193,
      "step": 73
    },
    {
      "epoch": 2.7663551401869158,
      "grad_norm": 0.5520616173744202,
      "learning_rate": 2.466666666666667e-05,
      "loss": 1.9282,
      "step": 74
    },
    {
      "epoch": 2.803738317757009,
      "grad_norm": 0.7846036553382874,
      "learning_rate": 2.5e-05,
      "loss": 1.5586,
      "step": 75
    },
    {
      "epoch": 2.8411214953271027,
      "grad_norm": 0.7917287349700928,
      "learning_rate": 2.5333333333333337e-05,
      "loss": 1.5466,
      "step": 76
    },
    {
      "epoch": 2.878504672897196,
      "grad_norm": 1.0248174667358398,
      "learning_rate": 2.5666666666666666e-05,
      "loss": 1.8717,
      "step": 77
    },
    {
      "epoch": 2.9158878504672896,
      "grad_norm": 0.9426140785217285,
      "learning_rate": 2.6000000000000002e-05,
      "loss": 2.2299,
      "step": 78
    },
    {
      "epoch": 2.953271028037383,
      "grad_norm": 0.5430235862731934,
      "learning_rate": 2.633333333333333e-05,
      "loss": 1.8009,
      "step": 79
    },
    {
      "epoch": 2.9906542056074765,
      "grad_norm": 1.0052645206451416,
      "learning_rate": 2.6666666666666667e-05,
      "loss": 1.8429,
      "step": 80
    },
    {
      "epoch": 3.02803738317757,
      "grad_norm": 0.6148942708969116,
      "learning_rate": 2.7000000000000002e-05,
      "loss": 2.1025,
      "step": 81
    },
    {
      "epoch": 3.0654205607476634,
      "grad_norm": 0.47793295979499817,
      "learning_rate": 2.733333333333333e-05,
      "loss": 1.8509,
      "step": 82
    },
    {
      "epoch": 3.102803738317757,
      "grad_norm": 0.6000299453735352,
      "learning_rate": 2.7666666666666667e-05,
      "loss": 1.5549,
      "step": 83
    },
    {
      "epoch": 3.1401869158878504,
      "grad_norm": 0.6352211833000183,
      "learning_rate": 2.8000000000000003e-05,
      "loss": 1.7682,
      "step": 84
    },
    {
      "epoch": 3.177570093457944,
      "grad_norm": 0.7689396739006042,
      "learning_rate": 2.8333333333333335e-05,
      "loss": 1.3175,
      "step": 85
    },
    {
      "epoch": 3.2149532710280373,
      "grad_norm": 1.4174880981445312,
      "learning_rate": 2.8666666666666668e-05,
      "loss": 1.6764,
      "step": 86
    },
    {
      "epoch": 3.2523364485981308,
      "grad_norm": 0.6067489385604858,
      "learning_rate": 2.9e-05,
      "loss": 1.9604,
      "step": 87
    },
    {
      "epoch": 3.289719626168224,
      "grad_norm": 0.4471476972103119,
      "learning_rate": 2.9333333333333336e-05,
      "loss": 1.7309,
      "step": 88
    },
    {
      "epoch": 3.3271028037383177,
      "grad_norm": 0.6304177045822144,
      "learning_rate": 2.9666666666666672e-05,
      "loss": 1.8947,
      "step": 89
    },
    {
      "epoch": 3.364485981308411,
      "grad_norm": 0.9072970747947693,
      "learning_rate": 3e-05,
      "loss": 1.5157,
      "step": 90
    },
    {
      "epoch": 3.4018691588785046,
      "grad_norm": 0.7485887408256531,
      "learning_rate": 3.0333333333333337e-05,
      "loss": 1.4566,
      "step": 91
    },
    {
      "epoch": 3.439252336448598,
      "grad_norm": 1.1751012802124023,
      "learning_rate": 3.066666666666667e-05,
      "loss": 1.7512,
      "step": 92
    },
    {
      "epoch": 3.4766355140186915,
      "grad_norm": 0.5150432586669922,
      "learning_rate": 3.1e-05,
      "loss": 1.9825,
      "step": 93
    },
    {
      "epoch": 3.514018691588785,
      "grad_norm": 0.40144848823547363,
      "learning_rate": 3.1333333333333334e-05,
      "loss": 1.7033,
      "step": 94
    },
    {
      "epoch": 3.5514018691588785,
      "grad_norm": 0.5083712339401245,
      "learning_rate": 3.1666666666666666e-05,
      "loss": 1.8817,
      "step": 95
    },
    {
      "epoch": 3.588785046728972,
      "grad_norm": 0.696956217288971,
      "learning_rate": 3.2000000000000005e-05,
      "loss": 1.3706,
      "step": 96
    },
    {
      "epoch": 3.6261682242990654,
      "grad_norm": 1.4528008699417114,
      "learning_rate": 3.233333333333333e-05,
      "loss": 1.3578,
      "step": 97
    },
    {
      "epoch": 3.663551401869159,
      "grad_norm": 1.570448637008667,
      "learning_rate": 3.266666666666667e-05,
      "loss": 1.7803,
      "step": 98
    },
    {
      "epoch": 3.7009345794392523,
      "grad_norm": 0.6165496110916138,
      "learning_rate": 3.3e-05,
      "loss": 2.0361,
      "step": 99
    },
    {
      "epoch": 3.7383177570093458,
      "grad_norm": 0.4906981587409973,
      "learning_rate": 3.3333333333333335e-05,
      "loss": 1.7241,
      "step": 100
    },
    {
      "epoch": 3.7383177570093458,
      "eval_loss": 1.6379531621932983,
      "eval_runtime": 2.8003,
      "eval_samples_per_second": 32.139,
      "eval_steps_per_second": 8.213,
      "step": 100
    },
    {
      "epoch": 3.7757009345794392,
      "grad_norm": 0.7355567216873169,
      "learning_rate": 3.366666666666667e-05,
      "loss": 1.7526,
      "step": 101
    },
    {
      "epoch": 3.8130841121495327,
      "grad_norm": 0.7980681657791138,
      "learning_rate": 3.4000000000000007e-05,
      "loss": 1.4984,
      "step": 102
    },
    {
      "epoch": 3.850467289719626,
      "grad_norm": 0.8555505275726318,
      "learning_rate": 3.433333333333333e-05,
      "loss": 1.2448,
      "step": 103
    },
    {
      "epoch": 3.8878504672897196,
      "grad_norm": 1.4027817249298096,
      "learning_rate": 3.466666666666667e-05,
      "loss": 1.6987,
      "step": 104
    },
    {
      "epoch": 3.925233644859813,
      "grad_norm": 0.5864289402961731,
      "learning_rate": 3.5e-05,
      "loss": 1.9383,
      "step": 105
    },
    {
      "epoch": 3.9626168224299065,
      "grad_norm": 0.575369656085968,
      "learning_rate": 3.5333333333333336e-05,
      "loss": 1.6603,
      "step": 106
    },
    {
      "epoch": 4.0,
      "grad_norm": 1.2596912384033203,
      "learning_rate": 3.566666666666667e-05,
      "loss": 1.8972,
      "step": 107
    }
  ],
  "logging_steps": 1,
  "max_steps": 107,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 5,
  "save_steps": 50,
  "stateful_callbacks": {
    "EarlyStoppingCallback": {
      "args": {
        "early_stopping_patience": 4,
        "early_stopping_threshold": 0.0
      },
      "attributes": {
        "early_stopping_patience_counter": 0
      }
    },
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 6.728755879870464e+16,
  "train_batch_size": 8,
  "trial_name": null,
  "trial_params": null
}