模型 Scaling Up 与底层架构重构： 深入参与广告精排大模型的演进，告别传统冗余的交叉结构，探索如 Token Mixer 等 Hardware-aligned 的极简网络拓扑
在严格的在线 P99 延迟约束下，优化 GPU MFU，实现参数量级的有效跃迁
2.端到端超长序列建模： 依托全域（推荐/搜索/广告）大一统的特征基建，参与 1K 乃至 10 万级超长泛行为序列的端到端入图
突破传统 Attention 复杂度墙，利用目标感知与分段压缩机制，挖掘长尾用户的巨大商业价值
3.多模态表征与生成式召回： 结合 最新最潮的 Qwen 等MLLM基座，打通“内容语义”与“用户行为”的隐式关联，产出多模态表征
探索并落地基于以上表征的生成式召回，拓展广告商业流量边界
4.跨场域 OneModel 融合探索： 参与构建连接搜索、推荐、广告的统一基座模型（OneModel），打通多场景实时流序列特征，优化全链路漏斗（CTR/CVR）的匹配精度与转化效率