Reflection 开放 Beam 定制配方:LoRA 到 GRPO 全流程开源复现
HowDevelop · x · 2026-10-22
Reflection AI 将 Beam 1.0（开放权重）的模型定制配方发布到官网与 cookbook 仓库，每份配方都是完整可复现的运行记录，包含数据、配置、脚本、硬件与耗时，质量类配方还附前后对比结果。
配方覆盖两条路线：
- 适配 Beam 本身：LoRA、全参微调或强化学习（GRPO on DAPO-Math-17K，支持 NeMo RL、Miles、SkyRL 等多套 RL 栈）
- 蒸馏出更小模型：Beam 自蒸馏验证过的 Triton kernel、Gemma 4 E4B 从 Beam 的 SWE 轨迹学习、工具调用前短推理训练等
数据合成配方也一并开源：包括让 Beam 为 3941 条公开对话写工具调用思考、构建带隐藏测试的软件工程环境并只保留解出轨迹等。
所属事件:Reflection AI 开源 Beam 1.0 模型定制全流程配方(2 条相关)→
「编程与Agent」频道最新
- 研究提出 RPG 图结构建模科研想法真实演化,评 35 个研究智能体皆不完整 — ZhiyuChen4 · 2026-10-22
- Longshot Studio 0.15 发布：ComfyUI 上免费跑对口型音乐视频 — R34vspec · 2026-10-22
- 前沿模型带火复古个人主页,游戏机式网站成新风潮 — HamelHusain · 2026-10-22
- 开发者实测：DeepSeek 全开源栈稳定性胜过付费的 ChatGPT 方案 — layer4down · 2026-10-22
- Sourcegraph 推出 Amp 新交互:AI Agent 在对话里直接弹出 mini-app — HankYeomans · 2026-10-22
- Slack bot 继承数据库权限:团队共享 AI Agent 的权限难题 — Careless_Love_3213 · 2026-10-22