1. 主导可灵生成式大模型的训练数据管线建设，涵盖寻源、采集、处理、实验与分析等环节，为基础模型提供多种模态( 视频/图片/文本) 的 稳定且高质量训练数据； 2. 涵盖模型训练的各个阶段( 预训练/后训练/RL 等)，针对模型的效果短板，探索基于MLLM的数据合成与增强技术，设计高效生成策略以补充数据缺口，并定义高价值与高质量数据标准， 3. 建立Data-Model的自动化评估体系，并结合模型评测与数据分析反馈，反向迭代生产线与数据生成策略； 4. 设计数据链路策略，建设端到端的数据质量、多样性体系及数据标签，与模型算法、数据产品高效协同，探索模型训练数据的最优配比。 5. 搭建并优化大模型训练的数据工程基建，基于Harness 研发模式，快速开发自动化框架与工具链，并运用数据挖掘、统计分析、大模型工具等方法，提升数据策略的迭代与分析效率。