数据合成：负责领域知识和训练数据的构建与维护，利用数据飞轮机制不断优化数据质量和丰富度，提升模型性能和应用效果
大模型训练：针对业务需求进行大模型的继续训练（CT）、有监督微调（SFT）和强化学习（RL），以及多模态模型训练，实现模型在垂直领域的深度适配，与业务专家合作，构建和优化结构化的提示词系统，利用COT等先进技术增强大模型的推理能力，高效、精准解决实际问题
工具调度和RAG：开发和优化Query理解、Deep Research等技术，提升RAG的效果
实现大模型与工具和知识库的深度融合，基于领先的智能体框架，运用并增强大模型的推理、对话和反思能力，解决复杂业务问题
大模型评测：制定和实施全方位的大模型评估方案，结合人工评估和自动化评估手段，建立完整的评测体系，确保模型性能的可靠性和稳定性
应用落地：深入理解业务痛点，定义问题解决方案，设定任务标准和目标，通过持续的技术创新和优化，实现最佳的业务效果和用户体验