负责 AI 搜索召回与粗排的核心技术研发、优化与创新，包括但不限于稠密召回、稀疏召回、多路召回策略，以及粗排模型和多目标设计，持续提升召回覆盖率、相关性与多样性
构建并优化面向大模型的检索增强（RAG）召回能力，围绕 Query 理解、意图拆解、多跳检索、长文档切分与召回等问题，提升 LLM 下游生成质量
设计和迭代 Embedding / 表示学习 / 向量化方案，探索多向量、多粒度表示、语义与关键词联合建模等技术在搜索召回中的应用
跟踪 AI 搜索与信息检索领域的前沿技术，推动研究成果在真实业务场景中的落地与规模化应用
参与搜索产品与系统架构讨论，从召回层视角对搜索体验、性能与成本提出技术改进建议