负责代码场景的模型效果优化，熟悉LLM后训练等相关技术，构建并优化数据，通过大规模的LLM后训练，提高算法准确率和效率
负责TRAE豆包模型对应策略的优化，通过Prompt调优、Pipeline设计等工作，提升TRAE的整体编程准确率和用户体验
负责TRAE豆包模型的策略/模型实验的执行和分析，协助算法构建训练数据，推进模型迭代
参与TRAE豆包模型的离线训练评测和框架研发，提高模型训练效率
负责TRAE整体业务指标的建模和分析，设计实验机制，更好的指导TRAE的策略迭代和业务提升
持续跟进LLM前沿技术，关注AI Coding的行业进展，完成相关业务的技术调研
在业务迭代中尝试技术创新，产出专利和论文