医疗大模型后训练：通过持续预训练、指令微调、RLHF技术手段，提升大模型在医学循证推理、复杂医学资料理解与运用、指令遵循、长文本、角色扮演等核心任务上的能力
涉及技术包括但不限于大规模数据清洗、自动数据配比、提升指令数据质量、复杂推理数据合成、奖励建模、DPO、强化学习、自进化等技术
医疗智能体核心算法研发：包括意图理解、规划决策、任务分解、工具调用、RAG、多智能体协作、computer use等关键模块的训练优化，提升Agent的自主决策和任务完成能力
技术影响力：保持医疗大模型技术业内领先，产出开源代码、模型、论文等成果
业务应用：在问诊、诊断、处置等方向达到医生能力等效，并应用于京东健康医疗服务，实现医生效率提升
构建AI原生产品，应用于大规模C端用户健康管理