1.主导GRPO/PPO/DAPO等Alignment算法研发，提升模型在B2B复杂场景下的长链条推理、Tool-use及自省纠错能力； 2.基于1688海量买卖家交互数据，搭建针对B类生意场景的模拟器或世界模型，通过模拟博弈持续优化Agent的最优决策路径； 3.参与千亿级模型的继续训练与Multi-Agent RL训练，构建openclaw的大脑，同时推进落地； 4.将业务突破转化为学术成果，支持在 NeurIPS、ICLR、ICML 等顶会发表高质量论文，或推动相关算法在社区的开源，建立行业影响力。