Leanstral 1.5, puis Robostral Navigate : à quelques jours d’intervalle, Mistral AI a présenté deux modèles qui utilisent CISPO. Cet algorithme d’apprentissage par renforcement a été proposé en 2025 par les créateurs du modèle MiniMax-M1. Il s’inscrit dans la lignée de la méthode GRPO, qu’on doit à DeepSeek.

GRPO (Group Relative Policy Optimization) n’implique pas de réseau de neurones distinct pour le calcul des récompenses. Pour chaque prompt, il produit plusieurs réponses et utilise leur moyenne comme référence, à renfort de fonctions programmables. Pour éviter les mises à jour de paramètres instables, il écrête les gradients des tokens.

Lire aussi : Chez Mistral AI, l'OCR s'enrichit, mais cela a un prix Cet écrêtage pose un problème sur les chaînes de raisonnement longues : il éjecte des tokens à la probabilité faible, mais critiques. En l’occurrence, ceux dits « réflexifs » (However, Recheck, Wait, Aha), qui favorisent la correction des erreurs. Plutôt que les gradients, CISPO (Clipped Importance Sampling Policy Optimization) écrête les poids d’échantillonnage préférentiel.

L’ensemble des tokens sont ainsi exploités. Vérification formelle et robotique CISPO a servi à affiner Leanstral 1.5. Ce MoE (6 milliards de paramètres actifs sur 119 milliards) sous licence Apache 2.0 dérive de Mistral Small 4.

Il a des propriétés de vérification programmatique reposant sur le langage Lean. Cela lui permet notamment de prouver mathématiquement l’exactitude du code qu’il produit. On trouve aussi du CISPO dans Robostral Navigate.

Il s'agit d'un modèle 8B de navigation embarquée. Il est conçu pour fonctionner avec une seule caméra RGB (pas de lidars, de capteurs de profondeur, etc.). Mistral AI vante sa capacité à généraliser entre types de robots.

Robostral Navigate utilise une navigation par « pointage » : étant donne une tâche et un historique d'observations, il infère les coordonnées de l'emplacement cible dans son champ de vision et détermine son orientation à l'arrivée. Lorsque la cible n'est pas dans le champ de vision, le modèle repasse sur un système de coordonnées locales, plus sensibles aux variations intrinsèques à la caméra. L'usage de CISPO a accru de 3,2 % le taux de réussite, affirme Mistral AI, sans préciser à quel résultat il se réfère.

Potentiellement à celui qu'il met le plus en avant : 76,6 % R2R-CE (Room-to-Room in Continuous Environments) avec la portion du dataset de validation jamais vue auparavant par le modèle. Illustration générée par IA