Mistral AI 改变其强化学习策略

Mistral AI change d’approche pour l’apprentissage par renforcement

Mistral AI 接连发布 Leanstral 1.5 与 Robostral Navigate 两款模型，均采用源自 DeepSeek GRPO 改进的 CISPO 强化学习算法。该算法通过裁剪重要性采样权重而非梯度，更有效处理长推理链中的关键反思令牌，Leanstral 1.5 基于 Mistral Small 4，支持代码的数学形式验证；Robostral Navigate 则为仅依赖单