Mistral AI 披露大规模仿真训练方案：22× 令牌压缩与在线 RL 提升成功率

Mistral AI 在其官方 X 账号上分享了一项围绕「全仿真训练」展开的研究进展。该方案以约 40 万条轨迹（trajectories）、6000 个仿真场景为基础数据集，目标是训练可在复杂环境中决策与执行的智能体模型。

训练效率：前缀缓存令令牌量缩减 22 倍

研究最核心的工程优化在于一套「前缀缓存（prefix-caching）」配方。通过复用训练过程中重复出现的前缀上下文，Mistral 将原本需要数月完成的训练运行所需的令牌数量压缩为原来的约 1/22，使得原本以「月」为单位的训练周期缩短到「天」级。这一改进在工程上显著降低了大规模仿真训练的时间和算力成本。

性能提升：在线 RL 框架 CISPO 推高成功率

在效率优化之外，研究团队引入了在线强化学习（Online RL）方法 CISPO，对智能体在仿真环境中的行为策略进行迭代优化。Mistral 表示，CISPO 在前述 40 万条轨迹和 6000 场景的数据基础上，「进一步推高了任务成功率」，但具体数值和对比基准尚未在贴文中披露。

信息不足与期待

目前 Mistral 仅以推文片段形式披露上述要点，缺少完整的论文、技术报告或博客正文，也未公开训练规模、模型参数量、最终成功率数字与评估环境等关键细节。作为主流大模型厂商之一，Mistral 把精力投向「仿真 + 在线 RL」方向，延续了行业对智能体训练范式的关注；后续若有正式发布物，将有助于评估该方案的实际可复现性与通用性。