1. 负责基础模型 Agentic Reward System 的设计、训练与迭代，构建支撑大规模 Agentic RL 训练的奖励信号体系，持续提升模型在 Coding、Agent 等高价值场景下的对齐质量与 RL 训练上限； 2. 探索更多可 Scalable 的 Verifier 信号，通过强化学习（RL）提升模型的各项能力；研究 Reasoning Path 压缩和外推，实现更高质量的推理思考，并将 LLM 的推理能力与 Agent 及其他模态相结合，探索统一模态的 Reasoning； 3. 提升 Reward Model 在创作、人类偏好、指令遵循等各专项上的能力，减少 Reward Hacking 和 Bias，并研究面向 Agent 任务的用户体验建模与 Reward 优化，探索 User Model Rewarding 与 Behavioral Signal Mining，弥合 Benchmark 指标与用户实际体验之间的鸿沟。