Upload toy_maze_2d_100k_z2/checkpoint-1500

toy_maze_2d_100k_z2/checkpoint-1500/model-00001-of-00004.safetensors

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:c0a6c917c706cf4af548c6743309ef855a70dfb28c1737794287267555d71f5b
+oid sha256:6dbfe3d0cf3136a87ffe1e5e50e479f785f525c12eb60ab24997bca929a917c2
 size 4968243304

toy_maze_2d_100k_z2/checkpoint-1500/model-00002-of-00004.safetensors

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:26b57c5d72d720a718b65104269e9d44910efff59765e2454989f8ce911495a0
+oid sha256:642fd184aae152df9b02dff0c87352085e9ff13978ef1a77278a3632f19c9050
 size 4991495816

toy_maze_2d_100k_z2/checkpoint-1500/model-00003-of-00004.safetensors

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:e53d08c060b0d99a45a3fc8c1ddd9cfe86b7e73df07197a0996269ee67728d0f
+oid sha256:f7ba641ecd2c84fdf90b5e0e1fb14af924856611bf65c939e036de9b5535c9c1
 size 4932751040

toy_maze_2d_100k_z2/checkpoint-1500/model-00004-of-00004.safetensors

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:7030f09e1385faed8dfcd02baa3e79062639b5047a1e1af7e3e540a2d46de1c3
+oid sha256:9c78eaed23ba9b30b33a19412e180c02d6685e0ec87da8cc9db16743db4299cb
 size 1691924384

toy_maze_2d_100k_z2/checkpoint-1500/trainer_state.json

@@ -11,1050 +11,1050 @@
   "log_history": [
     {
       "epoch": 0.006666666666666667,
-      "grad_norm": 5.624074935913086,
+      "grad_norm": 5.667408466339111,
       "learning_rate": 6.000000000000001e-07,
-      "loss": 0.1946,
+      "loss": 0.1947,
       "step": 10
     },
     {
       "epoch": 0.013333333333333334,
-      "grad_norm": 2.199779748916626,
+      "grad_norm": 2.1634726524353027,
       "learning_rate": 1.2666666666666669e-06,
       "loss": 0.1174,
       "step": 20
     },
     {
       "epoch": 0.02,
-      "grad_norm": 0.46084392070770264,
+      "grad_norm": 0.5052932500839233,
       "learning_rate": 1.9333333333333336e-06,
-      "loss": 0.0345,
+      "loss": 0.0343,
       "step": 30
     },
     {
       "epoch": 0.02666666666666667,
-      "grad_norm": 0.5497090220451355,
+      "grad_norm": 0.7556172609329224,
       "learning_rate": 2.6e-06,
-      "loss": 0.0166,
+      "loss": 0.0171,
       "step": 40
     },
     {
       "epoch": 0.03333333333333333,
-      "grad_norm": 0.639951229095459,
+      "grad_norm": 0.39063963294029236,
       "learning_rate": 3.266666666666667e-06,
-      "loss": 0.0116,
+      "loss": 0.0119,
       "step": 50
     },
     {
       "epoch": 0.04,
-      "grad_norm": 0.35223624110221863,
+      "grad_norm": 0.3572109341621399,
       "learning_rate": 3.9333333333333335e-06,
-      "loss": 0.0084,
+      "loss": 0.0086,
       "step": 60
     },
     {
       "epoch": 0.04666666666666667,
-      "grad_norm": 0.48568835854530334,
+      "grad_norm": 0.3467428684234619,
       "learning_rate": 4.600000000000001e-06,
       "loss": 0.0063,
       "step": 70
     },
     {
       "epoch": 0.05333333333333334,
-      "grad_norm": 0.24538885056972504,
+      "grad_norm": 0.25623375177383423,
       "learning_rate": 5.2666666666666665e-06,
       "loss": 0.0054,
       "step": 80
     },
     {
       "epoch": 0.06,
-      "grad_norm": 0.14773577451705933,
+      "grad_norm": 0.26946309208869934,
       "learning_rate": 5.933333333333335e-06,
-      "loss": 0.0043,
+      "loss": 0.0042,
       "step": 90
     },
     {
       "epoch": 0.06666666666666667,
-      "grad_norm": 0.14265061914920807,
+      "grad_norm": 0.1675575077533722,
       "learning_rate": 6.600000000000001e-06,
-      "loss": 0.0037,
+      "loss": 0.0033,
       "step": 100
     },
     {
       "epoch": 0.07333333333333333,
-      "grad_norm": 0.13115918636322021,
+      "grad_norm": 0.12359405308961868,
       "learning_rate": 7.266666666666668e-06,
-      "loss": 0.0033,
+      "loss": 0.003,
       "step": 110
     },
     {
       "epoch": 0.08,
-      "grad_norm": 0.16080114245414734,
+      "grad_norm": 0.28900256752967834,
       "learning_rate": 7.933333333333334e-06,
       "loss": 0.003,
       "step": 120
     },
     {
       "epoch": 0.08666666666666667,
-      "grad_norm": 0.13575313985347748,
+      "grad_norm": 0.202424556016922,
       "learning_rate": 8.6e-06,
-      "loss": 0.0027,
+      "loss": 0.0025,
       "step": 130
     },
     {
       "epoch": 0.09333333333333334,
-      "grad_norm": 0.11960910260677338,
+      "grad_norm": 0.14984631538391113,
       "learning_rate": 9.266666666666667e-06,
       "loss": 0.0024,
       "step": 140
     },
     {
       "epoch": 0.1,
-      "grad_norm": 0.12420818209648132,
+      "grad_norm": 0.12280956655740738,
       "learning_rate": 9.933333333333334e-06,
-      "loss": 0.0022,
+      "loss": 0.0023,
       "step": 150
     },
     {
       "epoch": 0.10666666666666667,
-      "grad_norm": 0.1131644994020462,
+      "grad_norm": 0.11396384239196777,
       "learning_rate": 9.998903417374228e-06,
-      "loss": 0.0023,
+      "loss": 0.0021,
       "step": 160
     },
     {
       "epoch": 0.11333333333333333,
-      "grad_norm": 0.13772524893283844,
+      "grad_norm": 0.0858469009399414,
       "learning_rate": 9.995113378907791e-06,
-      "loss": 0.0019,
+      "loss": 0.0017,
       "step": 170
     },
     {
       "epoch": 0.12,
-      "grad_norm": 0.1136520728468895,
+      "grad_norm": 0.08214370906352997,
       "learning_rate": 9.988618398427495e-06,
       "loss": 0.0017,
       "step": 180
     },
     {
       "epoch": 0.12666666666666668,
-      "grad_norm": 0.14127859473228455,
+      "grad_norm": 0.182482048869133,
       "learning_rate": 9.979421993079853e-06,
       "loss": 0.0015,
       "step": 190
     },
     {
       "epoch": 0.13333333333333333,
-      "grad_norm": 0.18703995645046234,
+      "grad_norm": 0.09778470546007156,
       "learning_rate": 9.967529142880592e-06,
-      "loss": 0.0013,
+      "loss": 0.0014,
       "step": 200
     },
     {
       "epoch": 0.14,
-      "grad_norm": 0.25944045186042786,
+      "grad_norm": 0.07870113849639893,
       "learning_rate": 9.952946288017899e-06,
-      "loss": 0.0011,
+      "loss": 0.0012,
       "step": 210
     },
     {
       "epoch": 0.14666666666666667,
-      "grad_norm": 0.09398675709962845,
+      "grad_norm": 0.08735044300556183,
       "learning_rate": 9.93568132536494e-06,
-      "loss": 0.0009,
+      "loss": 0.0011,
       "step": 220
     },
     {
       "epoch": 0.15333333333333332,
-      "grad_norm": 0.18532656133174896,
+      "grad_norm": 0.09636476635932922,
       "learning_rate": 9.915743604203563e-06,
-      "loss": 0.0008,
+      "loss": 0.0009,
       "step": 230
     },
     {
       "epoch": 0.16,
-      "grad_norm": 0.16337718069553375,
+      "grad_norm": 0.058283355087041855,
       "learning_rate": 9.893143921161501e-06,
-      "loss": 0.0006,
+      "loss": 0.0007,
       "step": 240
     },
     {
       "epoch": 0.16666666666666666,
-      "grad_norm": 0.10229894518852234,
+      "grad_norm": 0.04673682153224945,
       "learning_rate": 9.867894514365802e-06,
-      "loss": 0.0005,
+      "loss": 0.0007,
       "step": 250
     },
     {
       "epoch": 0.17333333333333334,
-      "grad_norm": 0.128424733877182,
+      "grad_norm": 0.1363821178674698,
       "learning_rate": 9.840009056815674e-06,
-      "loss": 0.0005,
+      "loss": 0.0006,
       "step": 260
     },
     {
       "epoch": 0.18,
-      "grad_norm": 0.04364209249615669,
+      "grad_norm": 0.05678533390164375,
       "learning_rate": 9.809502648978311e-06,
-      "loss": 0.0004,
+      "loss": 0.0005,
       "step": 270
     },
     {
       "epoch": 0.18666666666666668,
-      "grad_norm": 0.03177304565906525,
+      "grad_norm": 0.05985384061932564,
       "learning_rate": 9.776391810611719e-06,
-      "loss": 0.0003,
+      "loss": 0.0005,
       "step": 280
     },
     {
       "epoch": 0.19333333333333333,
-      "grad_norm": 0.08661904186010361,
+      "grad_norm": 0.05117550864815712,
       "learning_rate": 9.740694471818988e-06,
-      "loss": 0.0002,
+      "loss": 0.0004,
       "step": 290
     },
     {
       "epoch": 0.2,
-      "grad_norm": 0.06445594877004623,
+      "grad_norm": 0.06844423711299896,
       "learning_rate": 9.702429963338812e-06,
-      "loss": 0.0002,
+      "loss": 0.0003,
       "step": 300
     },
     {
       "epoch": 0.20666666666666667,
-      "grad_norm": 0.034379687160253525,
+      "grad_norm": 0.06408469378948212,
       "learning_rate": 9.661619006077562e-06,
-      "loss": 0.0002,
+      "loss": 0.0004,
       "step": 310
     },
     {
       "epoch": 0.21333333333333335,
-      "grad_norm": 0.016283471137285233,
+      "grad_norm": 0.021007075905799866,
       "learning_rate": 9.618283699888543e-06,
-      "loss": 0.0001,
+      "loss": 0.0004,
       "step": 320
     },
     {
       "epoch": 0.22,
-      "grad_norm": 0.02385605126619339,
+      "grad_norm": 0.02398059330880642,
       "learning_rate": 9.572447511604536e-06,
-      "loss": 0.0001,
+      "loss": 0.0004,
       "step": 330
     },
     {
       "epoch": 0.22666666666666666,
-      "grad_norm": 0.009466550312936306,
+      "grad_norm": 0.029252896085381508,
       "learning_rate": 9.524135262330098e-06,
-      "loss": 0.0001,
+      "loss": 0.0003,
       "step": 340
     },
     {
       "epoch": 0.23333333333333334,
-      "grad_norm": 0.0005015161586925387,
+      "grad_norm": 0.06507233530282974,
       "learning_rate": 9.473373114000493e-06,
-      "loss": 0.0,
+      "loss": 0.0002,
       "step": 350
     },
     {
       "epoch": 0.24,
-      "grad_norm": 0.00029033588361926377,
+      "grad_norm": 0.04322313517332077,
       "learning_rate": 9.420188555214537e-06,
-      "loss": 0.0,
+      "loss": 0.0001,
       "step": 360
     },
     {
       "epoch": 0.24666666666666667,
-      "grad_norm": 0.26284754276275635,
+      "grad_norm": 0.1794402152299881,
       "learning_rate": 9.364610386349048e-06,
-      "loss": 0.0001,
+      "loss": 0.0002,
       "step": 370
     },
     {
       "epoch": 0.25333333333333335,
-      "grad_norm": 0.0031289386097341776,
+      "grad_norm": 0.05101003870368004,
       "learning_rate": 9.306668703962927e-06,
-      "loss": 0.0,
+      "loss": 0.0003,
       "step": 380
     },
     {
       "epoch": 0.26,
-      "grad_norm": 0.03307564929127693,
+      "grad_norm": 0.10890176892280579,
       "learning_rate": 9.246394884499334e-06,
-      "loss": 0.0001,
+      "loss": 0.0003,
       "step": 390
     },
     {
       "epoch": 0.26666666666666666,
-      "grad_norm": 0.030697880312800407,
+      "grad_norm": 0.10968390107154846,
       "learning_rate": 9.18382156729481e-06,
       "loss": 0.0002,
       "step": 400
     },
     {
       "epoch": 0.2733333333333333,
-      "grad_norm": 0.027517074719071388,
+      "grad_norm": 0.021482696756720543,
       "learning_rate": 9.118982636904476e-06,
       "loss": 0.0001,
       "step": 410
     },
     {
       "epoch": 0.28,
-      "grad_norm": 0.0015053829411044717,
+      "grad_norm": 0.007727895397692919,
       "learning_rate": 9.051913204752972e-06,
       "loss": 0.0001,
       "step": 420
     },
     {
       "epoch": 0.2866666666666667,
-      "grad_norm": 0.01106984168291092,
+      "grad_norm": 0.02912110649049282,
       "learning_rate": 8.982649590120982e-06,
-      "loss": 0.0,
+      "loss": 0.0002,
       "step": 430
     },
     {
       "epoch": 0.29333333333333333,
-      "grad_norm": 0.0028641794342547655,
+      "grad_norm": 0.03449634835124016,
       "learning_rate": 8.911229300477716e-06,
-      "loss": 0.0,
+      "loss": 0.0001,
       "step": 440
     },
     {
       "epoch": 0.3,
-      "grad_norm": 0.04929348826408386,
+      "grad_norm": 0.02062622271478176,
       "learning_rate": 8.837691011169944e-06,
       "loss": 0.0001,
       "step": 450
     },
     {
       "epoch": 0.30666666666666664,
-      "grad_norm": 0.005919939838349819,
+      "grad_norm": 0.02204342558979988,
       "learning_rate": 8.762074544478622e-06,
       "loss": 0.0001,
       "step": 460
     },
     {
       "epoch": 0.31333333333333335,
-      "grad_norm": 0.0037555687595158815,
+      "grad_norm": 0.03803582862019539,
       "learning_rate": 8.68442084805442e-06,
-      "loss": 0.0,
+      "loss": 0.0001,
       "step": 470
     },
     {
       "epoch": 0.32,
-      "grad_norm": 0.019933834671974182,
+      "grad_norm": 0.025211771950125694,
       "learning_rate": 8.604771972743848e-06,
-      "loss": 0.0,
+      "loss": 0.0001,
       "step": 480
     },
     {
       "epoch": 0.32666666666666666,
-      "grad_norm": 0.0010796526912599802,
+      "grad_norm": 0.025703629478812218,
       "learning_rate": 8.523171049817974e-06,
-      "loss": 0.0,
+      "loss": 0.0001,
       "step": 490
     },
     {
       "epoch": 0.3333333333333333,
-      "grad_norm": 0.00029543531127274036,
+      "grad_norm": 0.0369548536837101,
       "learning_rate": 8.439662267616093e-06,
-      "loss": 0.0,
+      "loss": 0.0001,
       "step": 500
     },
     {
       "epoch": 0.34,
-      "grad_norm": 0.0005204229964874685,
+      "grad_norm": 0.0072284871712327,
       "learning_rate": 8.354290847616954e-06,
       "loss": 0.0,
       "step": 510
     },
     {
       "epoch": 0.3466666666666667,
-      "grad_norm": 0.0003821073623839766,
+      "grad_norm": 0.0054784235544502735,
       "learning_rate": 8.267103019950529e-06,
-      "loss": 0.0,
+      "loss": 0.0001,
       "step": 520
     },
     {
       "epoch": 0.35333333333333333,
-      "grad_norm": 0.0032013487070798874,
+      "grad_norm": 0.014937752857804298,
       "learning_rate": 8.178145998363585e-06,
-      "loss": 0.0,
+      "loss": 0.0001,
       "step": 530
     },
     {
       "epoch": 0.36,
-      "grad_norm": 5.6616128858877346e-05,
+      "grad_norm": 0.0113394008949399,
       "learning_rate": 8.087467954652608e-06,
       "loss": 0.0,
       "step": 540
     },
     {
       "epoch": 0.36666666666666664,
-      "grad_norm": 0.0017166011966764927,
+      "grad_norm": 0.00219136755913496,
       "learning_rate": 7.99511799257793e-06,
-      "loss": 0.0,
+      "loss": 0.0001,
       "step": 550
     },
     {
       "epoch": 0.37333333333333335,
-      "grad_norm": 0.017136631533503532,
+      "grad_norm": 0.006907960399985313,
       "learning_rate": 7.901146121273165e-06,
       "loss": 0.0,
       "step": 560
     },
     {
       "epoch": 0.38,
-      "grad_norm": 0.0017474256455898285,
+      "grad_norm": 0.04078688099980354,
       "learning_rate": 7.80560322816439e-06,
       "loss": 0.0,
       "step": 570
     },
     {
       "epoch": 0.38666666666666666,
-      "grad_norm": 0.0010929068084806204,
+      "grad_norm": 0.0019676194060593843,
       "learning_rate": 7.7085410514137e-06,
       "loss": 0.0,
       "step": 580
     },
     {
       "epoch": 0.3933333333333333,
-      "grad_norm": 1.2616143976629246e-05,
+      "grad_norm": 0.0015951694222167134,
       "learning_rate": 7.610012151902091e-06,
       "loss": 0.0,
       "step": 590
     },
     {
       "epoch": 0.4,
-      "grad_norm": 9.800957741390448e-06,
+      "grad_norm": 0.026836136355996132,
       "learning_rate": 7.510069884766802e-06,
       "loss": 0.0,
       "step": 600
     },
     {
       "epoch": 0.4066666666666667,
-      "grad_norm": 0.0003551290137693286,
+      "grad_norm": 0.027963830158114433,
       "learning_rate": 7.408768370508577e-06,
       "loss": 0.0,
       "step": 610
     },
     {
       "epoch": 0.41333333333333333,
-      "grad_norm": 1.0632440535118803e-05,
+      "grad_norm": 0.05042974278330803,
       "learning_rate": 7.3061624656844544e-06,
-      "loss": 0.0,
+      "loss": 0.0001,
       "step": 620
     },
     {
       "epoch": 0.42,
-      "grad_norm": 0.013971183449029922,
+      "grad_norm": 0.01810578443109989,
       "learning_rate": 7.2023077332019755e-06,
-      "loss": 0.0,
+      "loss": 0.0001,
       "step": 630
     },
     {
       "epoch": 0.4266666666666667,
-      "grad_norm": 0.00723908981308341,
+      "grad_norm": 0.013192368671298027,
       "learning_rate": 7.0972604122308865e-06,
       "loss": 0.0,
       "step": 640
     },
     {
       "epoch": 0.43333333333333335,
-      "grad_norm": 0.006038730964064598,
+      "grad_norm": 0.0046980492770671844,
       "learning_rate": 6.991077387748643e-06,
-      "loss": 0.0001,
+      "loss": 0.0,
       "step": 650
     },
     {
       "epoch": 0.44,
-      "grad_norm": 0.0016644637798890471,
+      "grad_norm": 0.0011262600310146809,
       "learning_rate": 6.883816159736187e-06,
-      "loss": 0.0001,
+      "loss": 0.0,
       "step": 660
     },
     {
       "epoch": 0.44666666666666666,
-      "grad_norm": 0.040876660495996475,
+      "grad_norm": 0.011760637164115906,
       "learning_rate": 6.775534812040686e-06,
       "loss": 0.0,
       "step": 670
     },
     {
       "epoch": 0.4533333333333333,
-      "grad_norm": 0.00021840434055775404,
+      "grad_norm": 0.01897917129099369,
       "learning_rate": 6.666291980922122e-06,
       "loss": 0.0,
       "step": 680
     },
     {
       "epoch": 0.46,
-      "grad_norm": 0.00012899430294055492,
+      "grad_norm": 0.000574925565160811,
       "learning_rate": 6.556146823300701e-06,
       "loss": 0.0,
       "step": 690
     },
     {
       "epoch": 0.4666666666666667,
-      "grad_norm": 6.490825762739405e-05,
+      "grad_norm": 0.00019159466319251806,
       "learning_rate": 6.445158984722358e-06,
       "loss": 0.0,
       "step": 700
     },
     {
       "epoch": 0.47333333333333333,
-      "grad_norm": 0.001009192317724228,
+      "grad_norm": 0.03242886811494827,
       "learning_rate": 6.3333885670596285e-06,
       "loss": 0.0,
       "step": 710
     },
     {
       "epoch": 0.48,
-      "grad_norm": 0.00070426263846457,
+      "grad_norm": 0.002997291274368763,
       "learning_rate": 6.220896095965428e-06,
       "loss": 0.0,
       "step": 720
     },
     {
       "epoch": 0.4866666666666667,
-      "grad_norm": 0.0004223327268846333,
+      "grad_norm": 0.0038447449915111065,
       "learning_rate": 6.107742488097338e-06,
       "loss": 0.0,
       "step": 730
     },
     {
       "epoch": 0.49333333333333335,
-      "grad_norm": 0.00010601619578665122,
+      "grad_norm": 0.014479395002126694,
       "learning_rate": 5.993989018130173e-06,
       "loss": 0.0,
       "step": 740
     },
     {
       "epoch": 0.5,
-      "grad_norm": 8.38711712276563e-05,
+      "grad_norm": 0.003107738448306918,
       "learning_rate": 5.879697285574655e-06,
       "loss": 0.0,
       "step": 750
     },
     {
       "epoch": 0.5066666666666667,
-      "grad_norm": 0.003914504777640104,
+      "grad_norm": 0.0009599807090125978,
       "learning_rate": 5.764929181420191e-06,
       "loss": 0.0,
       "step": 760
     },
     {
       "epoch": 0.5133333333333333,
-      "grad_norm": 0.00037927660741843283,
+      "grad_norm": 0.055619705468416214,
       "learning_rate": 5.649746854619814e-06,
       "loss": 0.0,
       "step": 770
     },
     {
       "epoch": 0.52,
-      "grad_norm": 0.00037045031785964966,
+      "grad_norm": 0.0003431120130699128,
       "learning_rate": 5.5342126784354265e-06,
-      "loss": 0.0001,
+      "loss": 0.0,
       "step": 780
     },
     {
       "epoch": 0.5266666666666666,
-      "grad_norm": 0.00029397307662293315,
+      "grad_norm": 0.0037208539433777332,
       "learning_rate": 5.41838921666158e-06,
       "loss": 0.0,
       "step": 790
     },
     {
       "epoch": 0.5333333333333333,
-      "grad_norm": 0.0006083590560592711,
+      "grad_norm": 0.000522464164532721,
       "learning_rate": 5.3023391897460715e-06,
       "loss": 0.0,
       "step": 800
     },
     {
       "epoch": 0.54,
-      "grad_norm": 0.0007530886214226484,
+      "grad_norm": 0.00010732894588727504,
       "learning_rate": 5.18612544082573e-06,
       "loss": 0.0,
       "step": 810
     },
     {
       "epoch": 0.5466666666666666,
-      "grad_norm": 0.054411422461271286,
+      "grad_norm": 0.00016880959447007626,
       "learning_rate": 5.069810901695727e-06,
       "loss": 0.0,
       "step": 820
     },
     {
       "epoch": 0.5533333333333333,
-      "grad_norm": 0.00019399133452679962,
+      "grad_norm": 0.0017007584683597088,
       "learning_rate": 4.953458558730917e-06,
       "loss": 0.0,
       "step": 830
     },
     {
       "epoch": 0.56,
-      "grad_norm": 0.0005656777648255229,
+      "grad_norm": 0.0032855423633009195,
       "learning_rate": 4.837131418777595e-06,
       "loss": 0.0,
       "step": 840
     },
     {
       "epoch": 0.5666666666666667,
-      "grad_norm": 0.0006595190498046577,
+      "grad_norm": 0.04778609052300453,
       "learning_rate": 4.720892475034181e-06,
       "loss": 0.0,
       "step": 850
     },
     {
       "epoch": 0.5733333333333334,
-      "grad_norm": 0.011455051600933075,
+      "grad_norm": 0.0039595733396708965,
       "learning_rate": 4.604804672939295e-06,
       "loss": 0.0,
       "step": 860
     },
     {
       "epoch": 0.58,
-      "grad_norm": 0.00026495984639041126,
+      "grad_norm": 0.005604567937552929,
       "learning_rate": 4.4889308760856826e-06,
       "loss": 0.0,
       "step": 870
     },
     {
       "epoch": 0.5866666666666667,
-      "grad_norm": 0.004048793110996485,
+      "grad_norm": 0.07431041449308395,
       "learning_rate": 4.373333832178478e-06,
       "loss": 0.0,
       "step": 880
     },
     {
       "epoch": 0.5933333333333334,
-      "grad_norm": 0.00016972620505839586,
+      "grad_norm": 0.0017209794605150819,
       "learning_rate": 4.258076139056217e-06,
       "loss": 0.0,
       "step": 890
     },
     {
       "epoch": 0.6,
-      "grad_norm": 0.00014241192548070103,
+      "grad_norm": 0.0040102796629071236,
       "learning_rate": 4.143220210792993e-06,
       "loss": 0.0,
       "step": 900
     },
     {
       "epoch": 0.6066666666666667,
-      "grad_norm": 0.0006871339282952249,
+      "grad_norm": 0.00602424331009388,
       "learning_rate": 4.028828243900141e-06,
       "loss": 0.0,
       "step": 910
     },
     {
       "epoch": 0.6133333333333333,
-      "grad_norm": 0.00011133356019854546,
+      "grad_norm": 0.00047166028525680304,
       "learning_rate": 3.914962183645733e-06,
       "loss": 0.0,
       "step": 920
     },
     {
       "epoch": 0.62,
-      "grad_norm": 9.984915232053027e-05,
+      "grad_norm": 0.001575458562001586,
       "learning_rate": 3.8016836905101157e-06,
       "loss": 0.0,
       "step": 930
     },
     {
       "epoch": 0.6266666666666667,
-      "grad_norm": 6.0622351156780496e-05,
+      "grad_norm": 0.004238756373524666,
       "learning_rate": 3.6890541067956775e-06,
       "loss": 0.0,
       "step": 940
     },
     {
       "epoch": 0.6333333333333333,
-      "grad_norm": 8.865922427503392e-05,
+      "grad_norm": 0.00011639059812296182,
       "learning_rate": 3.577134423408906e-06,
       "loss": 0.0,
       "step": 950
     },
     {
       "epoch": 0.64,
-      "grad_norm": 6.978373130550608e-05,
+      "grad_norm": 0.00045719408080913126,
       "learning_rate": 3.465985246832739e-06,
       "loss": 0.0,
       "step": 960
     },
     {
       "epoch": 0.6466666666666666,
-      "grad_norm": 0.0003512295661494136,
+      "grad_norm": 0.000450117455329746,
       "learning_rate": 3.355666766307084e-06,
       "loss": 0.0,
       "step": 970
     },
     {
       "epoch": 0.6533333333333333,
-      "grad_norm": 0.00012859450362157077,
+      "grad_norm": 0.005541428457945585,
       "learning_rate": 3.246238721235283e-06,
       "loss": 0.0,
       "step": 980
     },
     {
       "epoch": 0.66,
-      "grad_norm": 4.345999695942737e-05,
+      "grad_norm": 0.0006601921049878001,
       "learning_rate": 3.137760368834169e-06,
       "loss": 0.0,
       "step": 990
     },
     {
       "epoch": 0.6666666666666666,
-      "grad_norm": 4.032337892567739e-05,
+      "grad_norm": 0.05790138244628906,
       "learning_rate": 3.030290452045245e-06,
       "loss": 0.0,
       "step": 1000
     },
     {
       "epoch": 0.6733333333333333,
-      "grad_norm": 2.6792929929797538e-05,
+      "grad_norm": 0.006302819121629,
       "learning_rate": 2.9238871677243354e-06,
       "loss": 0.0,
       "step": 1010
     },
     {
       "epoch": 0.68,
-      "grad_norm": 1.9626671928563155e-05,
+      "grad_norm": 0.004199758172035217,
       "learning_rate": 2.818608135126967e-06,
       "loss": 0.0,
       "step": 1020
     },
     {
       "epoch": 0.6866666666666666,
-      "grad_norm": 0.00010032079444499686,
+      "grad_norm": 0.0018709124997258186,
       "learning_rate": 2.714510364706531e-06,
       "loss": 0.0,
       "step": 1030
     },
     {
       "epoch": 0.6933333333333334,
-      "grad_norm": 3.6866957088932395e-05,
+      "grad_norm": 3.002694393217098e-05,
       "learning_rate": 2.611650227242102e-06,
       "loss": 0.0,
       "step": 1040
     },
     {
       "epoch": 0.7,
-      "grad_norm": 3.730207390617579e-05,
+      "grad_norm": 1.5439876733580604e-05,
       "learning_rate": 2.5100834233126827e-06,
       "loss": 0.0,
       "step": 1050
     },
     {
       "epoch": 0.7066666666666667,
-      "grad_norm": 2.26041411224287e-05,
+      "grad_norm": 4.8235233407467604e-05,
       "learning_rate": 2.40986495313435e-06,
       "loss": 0.0,
       "step": 1060
     },
     {
       "epoch": 0.7133333333333334,
-      "grad_norm": 6.0423510149121284e-05,
+      "grad_norm": 9.672288433648646e-05,
       "learning_rate": 2.3110490867766644e-06,
       "loss": 0.0,
       "step": 1070
     },
     {
       "epoch": 0.72,
-      "grad_norm": 4.676436219597235e-05,
+      "grad_norm": 0.0001837763556977734,
       "learning_rate": 2.213689334774479e-06,
       "loss": 0.0,
       "step": 1080
     },
     {
       "epoch": 0.7266666666666667,
-      "grad_norm": 8.578119013691321e-05,
+      "grad_norm": 0.0038335772696882486,
       "learning_rate": 2.1178384191510344e-06,
       "loss": 0.0,
       "step": 1090
     },
     {
       "epoch": 0.7333333333333333,
-      "grad_norm": 2.1997708245180547e-05,
+      "grad_norm": 0.000385998806450516,
       "learning_rate": 2.023548244868051e-06,
       "loss": 0.0,
       "step": 1100
     },
     {
       "epoch": 0.74,
-      "grad_norm": 0.00014426777488552034,
+      "grad_norm": 0.00012492231326177716,
       "learning_rate": 1.9308698717182874e-06,
       "loss": 0.0,
       "step": 1110
     },
     {
       "epoch": 0.7466666666666667,
-      "grad_norm": 2.5733017537277192e-05,
+      "grad_norm": 0.00021185862715356052,
       "learning_rate": 1.8398534866757455e-06,
       "loss": 0.0,
       "step": 1120
     },
     {
       "epoch": 0.7533333333333333,
-      "grad_norm": 5.6015611335169524e-05,
+      "grad_norm": 0.0008843826362863183,
       "learning_rate": 1.7505483767185583e-06,
       "loss": 0.0,
       "step": 1130
     },
     {
       "epoch": 0.76,
-      "grad_norm": 7.790495146764442e-05,
+      "grad_norm": 0.0002160682197427377,
       "learning_rate": 1.6630029021392007e-06,
       "loss": 0.0,
       "step": 1140
     },
     {
       "epoch": 0.7666666666666667,
-      "grad_norm": 2.2054742657928728e-05,
+      "grad_norm": 0.00014134158845990896,
       "learning_rate": 1.5772644703565564e-06,
       "loss": 0.0,
       "step": 1150
     },
     {
       "epoch": 0.7733333333333333,
-      "grad_norm": 1.2200293895148207e-05,
+      "grad_norm": 0.0004742629826068878,
       "learning_rate": 1.4933795102439558e-06,
       "loss": 0.0,
       "step": 1160
     },
     {
       "epoch": 0.78,
-      "grad_norm": 8.297043677885085e-05,
+      "grad_norm": 4.172280023340136e-05,
       "learning_rate": 1.4113934469871166e-06,
       "loss": 0.0,
       "step": 1170
     },
     {
       "epoch": 0.7866666666666666,
-      "grad_norm": 7.187617302406579e-05,
+      "grad_norm": 0.00021516327979043126,
       "learning_rate": 1.3313506774856177e-06,
       "loss": 0.0,
       "step": 1180
     },
     {
       "epoch": 0.7933333333333333,
-      "grad_norm": 2.0354349544504657e-05,
+      "grad_norm": 2.9287697543622926e-05,
       "learning_rate": 1.2532945463111856e-06,
       "loss": 0.0,
       "step": 1190
     },
     {
       "epoch": 0.8,
-      "grad_norm": 1.7071801266865805e-05,
+      "grad_norm": 4.138083022553474e-05,
       "learning_rate": 1.1772673222358421e-06,
       "loss": 0.0,
       "step": 1200
     },
     {
       "epoch": 0.8066666666666666,
-      "grad_norm": 0.001125986105762422,
+      "grad_norm": 6.163879879750311e-05,
       "learning_rate": 1.1033101753426285e-06,
       "loss": 0.0,
       "step": 1210
     },
     {
       "epoch": 0.8133333333333334,
-      "grad_norm": 3.047746758966241e-05,
+      "grad_norm": 1.5614117728546262e-05,
       "learning_rate": 1.0314631547312738e-06,
       "loss": 0.0,
       "step": 1220
     },
     {
       "epoch": 0.82,
-      "grad_norm": 1.0858078894671053e-05,
+      "grad_norm": 8.856550266500562e-05,
       "learning_rate": 9.617651668308914e-07,
       "loss": 0.0,
       "step": 1230
     },
     {
       "epoch": 0.8266666666666667,
-      "grad_norm": 0.0003755341749638319,
+      "grad_norm": 0.0004509671707637608,
       "learning_rate": 8.942539543314799e-07,
       "loss": 0.0,
       "step": 1240
     },
     {
       "epoch": 0.8333333333333334,
-      "grad_norm": 2.7706588298315182e-05,
+      "grad_norm": 1.206113211082993e-05,
       "learning_rate": 8.289660757455803e-07,
       "loss": 0.0,
       "step": 1250
     },
     {
       "epoch": 0.84,
-      "grad_norm": 1.769871960277669e-05,
+      "grad_norm": 5.8737368817673996e-05,
       "learning_rate": 7.659368856111926e-07,
       "loss": 0.0,
       "step": 1260
     },
     {
       "epoch": 0.8466666666666667,
-      "grad_norm": 1.7335883967461996e-05,
+      "grad_norm": 0.0002371439477428794,
       "learning_rate": 7.052005153466779e-07,
       "loss": 0.0,
       "step": 1270
     },
     {
       "epoch": 0.8533333333333334,
-      "grad_norm": 1.842362507886719e-05,
+      "grad_norm": 0.00012004771269857883,
       "learning_rate": 6.467898547679913e-07,
       "loss": 0.0,
       "step": 1280
     },
     {
       "epoch": 0.86,
-      "grad_norm": 2.173321263398975e-05,
+      "grad_norm": 2.6902409445028752e-05,
       "learning_rate": 5.9073653427826e-07,
       "loss": 0.0,
       "step": 1290
     },
     {
       "epoch": 0.8666666666666667,
-      "grad_norm": 1.1354289199516643e-05,
+      "grad_norm": 0.01538049802184105,
       "learning_rate": 5.370709077393721e-07,
       "loss": 0.0,
       "step": 1300
     },
     {
       "epoch": 0.8733333333333333,
-      "grad_norm": 9.869818313745782e-06,
+      "grad_norm": 1.3241502529126592e-05,
       "learning_rate": 4.858220360348187e-07,
       "loss": 0.0,
       "step": 1310
     },
     {
       "epoch": 0.88,
-      "grad_norm": 1.2203423466417007e-05,
+      "grad_norm": 5.037395749241114e-05,
       "learning_rate": 4.370176713327118e-07,
       "loss": 0.0,
       "step": 1320
     },
     {
       "epoch": 0.8866666666666667,
-      "grad_norm": 2.7687066904036328e-05,
+      "grad_norm": 6.882638263050467e-05,
       "learning_rate": 3.90684242057498e-07,
       "loss": 0.0,
       "step": 1330
     },
     {
       "epoch": 0.8933333333333333,
-      "grad_norm": 0.00040350976632907987,
+      "grad_norm": 2.428212610539049e-05,
       "learning_rate": 3.468468385785023e-07,
       "loss": 0.0,
       "step": 1340
     },
     {
       "epoch": 0.9,
-      "grad_norm": 3.49671536241658e-05,
+      "grad_norm": 0.0009817290119826794,
       "learning_rate": 3.055291996230492e-07,
       "loss": 0.0,
       "step": 1350
     },
     {
       "epoch": 0.9066666666666666,
-      "grad_norm": 1.6932443031691946e-05,
+      "grad_norm": 2.027802838711068e-05,
       "learning_rate": 2.6675369942151864e-07,
       "loss": 0.0,
       "step": 1360
     },
     {
       "epoch": 0.9133333333333333,
-      "grad_norm": 3.151535565848462e-05,
+      "grad_norm": 5.2416755352169275e-05,
       "learning_rate": 2.3054133559131163e-07,
       "loss": 0.0,
       "step": 1370
     },
     {
       "epoch": 0.92,
-      "grad_norm": 1.1312326023471542e-05,
+      "grad_norm": 0.0004140799574088305,
       "learning_rate": 1.9691171776626882e-07,
       "loss": 0.0,
       "step": 1380
     },
     {
       "epoch": 0.9266666666666666,
-      "grad_norm": 1.4757178178115282e-05,
+      "grad_norm": 1.8166974768973887e-05,
       "learning_rate": 1.6588305697770313e-07,
       "loss": 0.0,
       "step": 1390
     },
     {
       "epoch": 0.9333333333333333,
-      "grad_norm": 1.6970809156191535e-05,
+      "grad_norm": 0.0008297497406601906,
       "learning_rate": 1.374721557928116e-07,
       "loss": 0.0,
       "step": 1400
     },
     {
       "epoch": 0.94,
-      "grad_norm": 1.635207809158601e-05,
+      "grad_norm": 0.000171360356034711,
       "learning_rate": 1.1169439921578485e-07,
       "loss": 0.0,
       "step": 1410
     },
     {
       "epoch": 0.9466666666666667,
-      "grad_norm": 3.719401502166875e-05,
+      "grad_norm": 0.00012328663433436304,
       "learning_rate": 8.856374635655696e-08,
       "loss": 0.0,
       "step": 1420
     },
     {
       "epoch": 0.9533333333333334,
-      "grad_norm": 2.2558482669410296e-05,
+      "grad_norm": 0.0007062831427901983,
       "learning_rate": 6.809272287169988e-08,
       "loss": 0.0,
       "step": 1430
     },
     {
       "epoch": 0.96,
-      "grad_norm": 9.307030268246308e-06,
+      "grad_norm": 0.0013458817265927792,
       "learning_rate": 5.029241418156139e-08,
       "loss": 0.0,
       "step": 1440
     },
     {
       "epoch": 0.9666666666666667,
-      "grad_norm": 1.446962050977163e-05,
+      "grad_norm": 1.999468804569915e-05,
       "learning_rate": 3.517245946731529e-08,
       "loss": 0.0,
       "step": 1450
     },
     {
       "epoch": 0.9733333333333334,
-      "grad_norm": 1.9932484065066092e-05,
+      "grad_norm": 0.017255952581763268,
       "learning_rate": 2.27410464511707e-08,
       "loss": 0.0,
       "step": 1460
     },
     {
       "epoch": 0.98,
-      "grad_norm": 3.285128696006723e-05,
+      "grad_norm": 0.0004461519420146942,
       "learning_rate": 1.3004906962578723e-08,
       "loss": 0.0,
       "step": 1470
     },
     {
       "epoch": 0.9866666666666667,
-      "grad_norm": 9.766018047230318e-05,
+      "grad_norm": 6.429434870369732e-05,
       "learning_rate": 5.969313292830126e-09,
       "loss": 0.0,
       "step": 1480
     },
     {
       "epoch": 0.9933333333333333,
-      "grad_norm": 1.632999010325875e-05,
+      "grad_norm": 8.142790466081351e-05,
       "learning_rate": 1.638075340010814e-09,
       "loss": 0.0,
       "step": 1490
     },
     {
       "epoch": 1.0,
-      "grad_norm": 1.0821412615769077e-05,
+      "grad_norm": 2.7310657969792373e-05,
       "learning_rate": 1.3538545881042198e-11,
       "loss": 0.0,
       "step": 1500

toy_maze_2d_100k_z2/checkpoint-1500/training_args.bin

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:43a59ff80712314c841c2e7173c0ce3fd9cf253f6406d9c5a6a0c00500b399c7
+oid sha256:c82827f6a8a642227fa894d131beea58a7f6229898bcd48befc9273e975756c7
 size 7416