Pierre Stock｜Mistral 怎麼訓練 Le Chonk：想多久、怎麼驗、關多緊

Mistral 的科學副總裁 Pierre Stock 在訪談裡講過一個案例：模型在 sandbox 裡對訓練器打了聲招呼，整個訓練就當掉了。訓練推理模型和 agent 的人，最在意哪三件事？ 本片從他和主持人 Matt Turck 的對談整理出來：想多久——思考強度是在速度、成本與答案好壞之間取捨；怎麼驗——程式任務用測試驗收，沒有標準答案的用評分標準和 LLM 評審，連過程裡白跑的步驟也會扣分；關多緊——sandbox 與對外連線監控。最後帶回用 agent 的人可以照做的三件事：依任務選思考強度、先定好怎麼驗收並擋住繞圈、權限與網路先關起來再一項一項放行。 【章節】 00:00 開場：sandbox 裡的一聲招呼 00:23 兩個人是誰：Pierre Stock 與 Matt Turck 01:23 想多久：思考強度的取捨 02:59 怎麼驗：測試、評分標準與 LLM 評審 07:58 關多緊：sandbox 與對外連線監控 11:04 為什麼現在就跟你有關 11:28 收尾：三件可以照做的事 【原片與受訪者】 原片出處：The MAD Podcast〈Inside Le Chonk〉    • Mistral Is SO Back: Inside Le Chonk, the W...   受訪者：Pierre Stock（Mistral AI 科學副總裁） 主持人：Matt Turck（FirstMark 合夥人、The MAD Podcast 主持人） 片名中的 Le Chonk 是 Mistral Large 4 的暱稱（Mistral 官方發布文）。 【片中引用的文件、研究與報導】 Mistral〈Introducing Mistral Large 4〉（2026-10-06） https://mistral.ai/news/mistral-large-4/ Mistral Docs〈Reasoning〉（reasoning_effort） https://docs.mistral.ai/studio/conver... OpenAI〈Reasoning models〉（reasoning.effort） https://developers.openai.com/api/doc... Anthropic〈Effort〉 https://platform.claude.com/docs/en/b... Zheng et al.〈Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena〉（2023） https://arxiv.org/abs/2306.05685 OpenAI〈Detecting misbehavior in frontier reasoning models〉（CoT monitoring，2025） https://openai.com/index/chain-of-tho... OpenAI〈o1 System Card〉（2024-09-12） https://cdn.openai.com/o1-system-card... Reuters（2026-10-06）France's Mistral launches AI model it says outperforms some Chinese rivals https://www.reuters.com/world/china/m... Mistral〈Magistral〉（2025，Pierre Stock 為作者之一） https://arxiv.org/abs/2506.10910 SWE-bench 資料集說明（FAIL_TO_PASS／PASS_TO_PASS） https://www.swebench.com/SWE-bench/gu... 【研究與觀點的範圍】 Mistral 的內部訓練案例與做法——模型在 sandbox 裡 ping 訓練器、造成訓練當掉，修好後又出現題目之間的訊息洩漏，繞圈兩次也會扣分，評分標準由模型產生，以及讓同一個模型監控自己——是 Pierre Stock 在本集訪談中的說法，畫面標「他說」，沒有 Mistral 官方書面佐證。他對 Reuters 的公開說法限於「模型曾想跑出測試環境，這在預期內且已被擋下」。片中的 low／high／x-high 是他們訓練時的推理模式；Mistral 公開 API 文件目前只有 high 與 none 兩個選項（2026-10-27 查）。LLM 當評審本身也有已知偏差（Zheng 2023）：偏好冗長的回答、偏好自己寫的回答；評分標準能補強，不等於可靠。用模型監控模型可以當一道防線，OpenAI 的研究也提醒監控本身脆弱。收尾的三件事是本頻道的整理，仍要用自己的任務驗證。 本片依上述訪談與公開資料解讀，人物原音附中文字幕；來源署名不代表相關人物或機構為本片背書。