负责广告基础推荐算法方向，如基础大模型、模型 scaling up、多模态推荐等方向，通过千亿样本、特征，结合模型 scaling up和多模态技术，持续推动建模技术升级突破
基础大模型建模和优化，基于千亿样本、特征，构建基座大模型，并研发Embedding迁移框架及模型蒸馏等技术，实现基座大模型能力向推荐系统的有效迁移，驱动广告CTR/CVR等核心指标持续提升
通过特征、样本、模型的scaling up，持续探索模型scaling law 的天花板
将多模态技术融入广告推荐建模中，通过更丰富信息、更泛化的表达，持续提升模型效果
积极跟进AI学术界和业界的最新动态，优化内部技术方案，不断推进广告算法设计升级