| Training Loss | Epoch | Step | Validation Loss | Rewards/chosen | Rewards/rejected | Rewards/accuracies | Rewards/margins | Logps/rejected | Logps/chosen | Logits/rejected | Logits/chosen |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 8297790832.64 | 2.3088 | 100 | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan |
| 0.0 | 4.6176 | 200 | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan |