1. 参与Agentic RL训练工作，包括复杂 Agent 任务中的策略优化、上下文管理、工具调用、多步规划等，与 Infra 团队协同优化训练与推理效率，提升大规模训练稳定性与资源利用率。 2. 参与Reasoning RL训练工作，研究基于 RLVR 的强化学习范式；提升模型复杂推理能力，探索思维链长度控制等方向，提升单位 token 的智能效率。 3. 参与General RL训练工作，研究通用强化学习方向，包括 Generative Reward Model、Rubric Reward Model 等奖励机制；探索可扩展、可泛化的奖励建模与强化学习训练方法。 4. 参与Mixed Training工作，研究混合训练范式，包括 On-policy Distillation 等前沿技术；探索 SFT、RL、OPD 等多阶段训练策略的协同优化。