標籤: beam

Reflection 公開第一個開放權重模型 Beam 的技術說明：5010 億總參數、230 億啟用參數的 MoE，經過 1 萬多張 GB300、四週、上億次 rollout 的非同步強化學習。整理它的訓練方法、規模數字、跟其他開放模型的分數比較，以及目前還無法驗證的部分。