1、负责研发端到端多模态交互Agent系统，支持文本、语音、视频和动作等多模态输入与输出的统一交互，优化并提升多模态Agent框架的响应速度、打断延迟和稳定性，支撑机器人产品的拟人、流畅体验； 2、围绕Omni多模态模型开展post-training工作，包括SFT、RL、数据构建及配比优化等，提升模型在多轮对话、上下文理解、口语表达等方面的能力； 3、结合多模态交互场景中的用户体验问题，制定后训练与效果演进方案，持续优化响应速度、表达自然度、模糊意图理解、决策准确性与任务完成效果； 4、负责多模态大模型的训练加速和高效部署，包括但不限于系统调试、硬件适配及端侧部署等工作。