主要研究内容包括但不限于：
1）多层次强化学习设计：研究 Hierarchical RL 与 LLM 的结合方法，构建能够处理抽象策略与具体执行的多层次决策系统
探索如何将复杂的系统任务分解为可管理的子任务，并能找到准确稠密的反馈信号，构建 Local RM 和 Global RM，进而完成可依赖和全局的优化
2）Reasoning 技术：针对不同的任务，能对 Reasoning 过程的 Token Budget、Reasoning 路径等，有稳定可控的方式，且能实现任务自适应
3）RL & Reasoning Scaling Law：探索高效的 RL Scaling 技术和 Test Time Scaling 技术，不断提升模型能力，且能兼顾探索利用和 Compute Cost