数据飞轮构建：主导座舱多模态大模型（VLM/LLM）的数据飞轮架构设计，构建涵盖自动抓取、智能清洗、高质量合成（Synthetic Data）及自动化评估的全链路管线
数据策略研发：深度参与模型后训练（SFT/DPO）策略，通过数据实验挖掘“黄金样本”，解决座舱场景下语音、视觉、车辆信号等多模态对齐的疑难杂症
合成数据创新：探索利用大模型进行数据合成与增强（SDG），解决长尾场景（Corner Cases）数据稀缺问题，从源头提升模型的泛化能力
大规模算力优化：基于 Ray/Spark 等框架，优化万亿级 Token 的处理效率，挑战多模态超大规模数据的计算瓶颈
质量度量体系：建立数据与模型效果的强关联指标，通过自动化评测闭环，量化每一批次数据对模型“智商”的贡献