参与面向行业专家场景的高价值 Cowork Agent 构建与实践落地，推动大模型在 Agent 环境中完成真实世界复杂任务，不断提升模型在高价值业务场景中的表现，拓展大模型的实际能力边界。 1. Envs/Harness Building & Generalization：参与主流 Agent harness 环境的复现、维护与优化，提升模型在不同 harness 场景下的泛化能力；探索多 Agent、自动化环境构建与循环执行等方案，并与算法和数据链路协同优化效果。 2. Data Design & Scaling：参与金融、量化、法律、医疗、设计、数据分析、工业、工程等场景下高价值任务数据的挖掘与构建，探索面向用户需求的数据模式演化、长程任务数据流水线设计，以及 CPT/SFT/RL 的协同优化。 3. Agentic Rewarding System：参与面向真实 Agent 任务的通用验证与奖励机制设计，支持结果级与过程级监督信号、自动化评分与反馈系统的实现。 Real World RL：参与基于真实环境和真实任务的 Agent 强化学习实验，探索多步奖励设计、行为学习与端到端训练策略。