1、定义后训练技术体系：主导 Agentic Coding 后训练整体技术路线规划，定义 mid-training/SFT/RL/蒸馏 的最优组合与边界条件，给出能力跃迁的关键路径与里程碑； 2、主导核心算法原创突破，包括但不限于：长程轨迹下的 credit assignment、process reward 与 outcome reward 的融合机制、工具调用与环境交互的鲁棒性优化、on-policy distillation for agentic coding等技术探索； 3、构建自进化的数据飞轮：负责高质量 Agentic 轨迹的自主构造与组织、难度自适应的 学习调度、失败案例驱动的反思与重训、真实仓库与合成任务的混合策略，为后训练提供可持续供给； 4、Recursive Self-Improvement：构建模型、Training Harness、Inference Harness 三位一体的协同进化闭环，让算法、数据与系统在同一闭环内自迭代提升； 跟踪前沿并定义前沿：主导原创性算法与系统创新，在 NeurIPS / ICML / ICLR / ACL 等顶会发表高影响力工作，并推动成果在阿里大模型与核心业务中的规模化落地。