Training Loss	Epoch	Step	Validation Loss	Accuracy
0.7063	0.04	250	0.6784	0.5939
0.6441	0.08	500	0.6032	0.6613
0.582	0.13	750	0.5617	0.6921
0.5045	0.17	1000	0.5495	0.6985
0.5345	0.21	1250	0.5444	0.7034
0.53	0.25	1500	0.5522	0.7076
0.5325	0.29	1750	0.5550	0.7061
0.5145	0.33	2000	0.5596	0.7121
0.5156	0.38	2250	0.5480	0.7143
0.4995	0.42	2500	0.5477	0.7181
0.5329	0.46	2750	0.5350	0.7207
0.5037	0.5	3000	0.5472	0.7196
0.5417	0.54	3250	0.5233	0.7249
0.5179	0.59	3500	0.5230	0.7256
0.5264	0.63	3750	0.5196	0.7286
0.4931	0.67	4000	0.5267	0.7279
0.5114	0.71	4250	0.5202	0.7317
0.4735	0.75	4500	0.5238	0.7332
0.4902	0.79	4750	0.5294	0.7332
0.5483	0.84	5000	0.5165	0.7343
0.548	0.88	5250	0.5070	0.7350
0.4918	0.92	5500	0.5115	0.7384
0.5079	0.96	5750	0.5108	0.7369
0.49	1.0	6000	0.5127	0.7388
0.5161	1.05	6250	0.5103	0.7392
0.4573	1.09	6500	0.5226	0.7369
0.4973	1.13	6750	0.5208	0.7358
0.5163	1.17	7000	0.5135	0.7373
0.4857	1.21	7250	0.5188	0.7381
0.4996	1.25	7500	0.5200	0.7384
0.5029	1.3	7750	0.5185	0.7388
0.4983	1.34	8000	0.5177	0.7384
0.4718	1.38	8250	0.5186	0.7392
0.4723	1.42	8500	0.5204	0.7381
0.5238	1.46	8750	0.5143	0.7403
0.4613	1.51	9000	0.5178	0.7384
0.517	1.55	9250	0.5212	0.7377
0.495	1.59	9500	0.5181	0.7407
0.4865	1.63	9750	0.5191	0.7418
0.4799	1.67	10000	0.5231	0.7414
0.4546	1.71	10250	0.5241	0.7426
0.4673	1.76	10500	0.5256	0.7433
0.4598	1.8	10750	0.5259	0.7448
0.5035	1.84	11000	0.5245	0.7444
0.5113	1.88	11250	0.5236	0.7433
0.4821	1.92	11500	0.5230	0.7433
0.5071	1.97	11750	0.5220	0.7437

Holarissun/RM-HH-AllMix_helpful_gpt3_loraR64_20000_gemma2b_shuffleTrue_extractchosenFalse

RM-HH-AllMix_helpful_gpt3_loraR64_20000_gemma2b_shuffleTrue_extractchosenFalse