01 免模型离线强化学习

分布产生偏差，对于分布估计不到的样本过于乐观。分布外偏移，由于分布外的决策及偏移，这样对于“预测”产生干扰。提出的解决方法是，样本内学习。

若样本内学得够好，理论上，分布外会产生决策限制，分布内进行标准强化学习。

02 通过单向信息建模 克服视觉语言的特征污染

任务，视频监控，目标跟踪，目标检测。

跟踪、检测的区别。识别之后，可以不进入训练，持续跟踪。

有噪声进入语言特征。纯视觉信息；视觉及语言信息。视觉信息流、语言信息流。

token 化之后加一层（adapter），进入视觉 token 集合。

应用方面，用在摄像头监测。

03 白帆老师 复旦博士

分为 ToC 以及 ToB。

企业原油数据新城 MCP 放入列表，大模型阅读列表。大模型通过 MCP 接口操作。通过接口暴露能力。

绝大部分智能体访问到统一的数据库。

发现错误的方式：一是前置分析；二是执行异常；三是后置分析。纠错手段，直接抛弃，完全人工、暂停、撤销。

访问控制：一是加个超时机制；

二阶段检索设计。

答疑：权限控制比较感兴趣。是否可以放开智能体的权限。理论上可以做到，事实上，智能体的权限是会被严格控制的。如果人工派单，一天2次导入，使用智能体效率会大幅提升。不审核，有问题直接回退。

这类知识库的建设，概念上很像某种网盘，接受文本的网盘。文本分段，映射到场景业务内容。查询向量，拿出 5-10 个输入，作为之后的输入。是能力还是知识，如果是能力，就要修正模型，如果是知识，就调整知识库。

以上，在听课过程中各种溜号，争取下次听得专注。