1. 核心算法研究与实现：参与大规模预训练模型（语言模型、跨模态模型等）的前沿技术研究，包括但不限于模型架构创新、高效训练技术（如MoE、混合精度）、推理加速、长上下文处理等。 2. 数据体系建设：参与构建高质量、多元化的海量训练数据集，研究数据清洗、标注、合成及配方技术，探索数据如何驱动模型性能飞跃。 3. 模型训练与调优：参与模型预训练、指令微调、强化学习大语言模型，深入参与分布式训练框架下的性能调试与问题解决。 4. 模型评估与对齐：构建和完善大模型的多维度评估体系（能力、安全、偏见等），并参与人类反馈强化学习等对齐技术的研究与应用，提升模型的有用性、诚实性和安全性。 5. 技术应用探索：将研究院的技术成果与公司实际业务场景结合，进行概念验证（PoC）和落地探索，推动技术向生产力的转化