Misha Laskin 是 ReflectionAI 联合创始人兼 CEO，本站收录其在 No Priors 谈 Beam 开放权重推理模型、企业模型应用与安全取舍的访谈。
Misha Laskin is co-founder and CEO of ReflectionAI. His indexed No Priors conversation discusses the open-weight reasoning model Beam, enterprise adoption and safety trade-offs.
介绍来源
原发布方人物署名与介绍 · 核对于 2026-10-10。依据原节目发布时的介绍。
图片来源与许可 · 参考图使用许可未确认
AI 辅助插画 · 参考照片：Sequoia Capital；摄影者未注明 · 参考图使用许可未确认 · 依据已核对姓名的来源页面图像，由 AI 绘制 B 细线彩铅头像；调整背景与肩部构图。展示图缩放至最长边 640 像素并转为 WebP。 · 参考图：Misha Laskin — 原发布方人物照片
公开发言
3原话逐字核对过；转述不加引号强化学习消耗了 10,000 多张 GB300 长达四周的时间。因此，实际上花在强化学习上的 FLOPs 比预训练还要多。强化学习任务要复杂得多，因为你既需要利用各类智能体沙箱进行大规模推理，又需要同时进行训练。
reinforcement learning was a little over 10,000 GB300s for four weeks. So, actually there are more flops spent on reinforcement learning. Reinforcement learning jobs are, you know, more complex in the sense that you do both a lot of inference at scale with all sorts of sandboxes for agents and training.
语境：Misha Laskin 披露 Beam（500B 总参数、23B 激活 MoE）的算力分配细节：后训练强化学习在集群规模与运行时长上已全面超越预训练阶段。
事实证明，为了让强化学习在大规模下取得良好效果，你确实需要自己对模型进行预训练。你不得不这么做，这两者之间的耦合太紧密了，你必须两者兼顾。
it turned out you actually do need to pre-train your model in order to make reinforcement learning work very well at scale. So you actually kind of do need to do that the things are just so tightly coupled that uh you you do need to do both.
语境：Misha Laskin 解释为何 ReflectionAI 不能只做微调或后训练：基础预训练与强化学习表征存在深度协同，必须端到端闭环开发。
前沿模型正在成为构建下一代模型自身的研究工具，这种闭环自我改进使得强化学习的算力利用效率实现了约 30 倍的跨越式自举增长。
语境：Misha Laskin 论证为什么即便资本开支（CapEx）遭遇天花板，模型能力仍能指数级跃升：大模型辅助人类科学家正在大幅压缩探索空间。