评论员谈 Beam：不靠 Claude 蒸馏，用 RL 压缩轨迹
精选理由
有人聊 Beam 这模型：猜它没用 Claude 蒸馏，纯靠 RL 炼出来的，看看不带 Claude 血统能打几分。
评论员 teortaxesTex 发推称，只要算力充足，用更多 RL 算力配合长度惩罚来压缩轨迹（trajectories）是相对直接的做法。他认为 Beam 的看点在于推测完全没有经过蒸馏。他提出的问题是：不依赖 Claude 蒸馏数据，模型能竞争到什么程度。这条推文属于观点判断，Beam 尚未公布基准成绩。
原文 · Teortaxes
I think burning more RL compute to compress trajectories with length penalty is ≈straightforward if you have the compute. What makes me excited about Beam is that I presume it wasn’t distilled at all. Time to see how competitive you can get without the taint of Claude.
