前沿算法探索：紧跟领域前沿技术，探索有效和高效的 RLHF 或 RLAIF 等post-training方法，提升模型在复杂逻辑任务中的推理能力
对齐策略研究： 探索 PPO、DPO、GRPO 等 Post-training 算法的改进，优化模型在指令跟随、多轮对话一致性等方面的表现
高质量数据工程： 负责 SFT 与 RLHF 阶段的数据治理，探索合成数据、数据演化及数据混合策略，解决数据稀缺性问题
长窗口与记忆： 参与 Long Context 训练技术的优化，提升模型在长序列下的注意力保持与信息检索能力