1. 参与音频/音视频多模态 Agentic 能力研究与实现，探索 Long-horizon 推理、全模态交互、Coding 等场景下的能力提升方法。 2. 参与音视频理解基础能力研发，包括 Caption、Grounding、音视频对齐、General QA、长视频理解、多音视频理解等方向。 3. 参与音频/语音理解基础能力研发，包括 ASR、Multi-speaker ASR、语音/音频 Grounding/Counting/QA、音乐理解、长音频理解、多音频理解等方向。 4. 参与音频/音视频 Post-training、RL、OPD 等训练方法研究与实验验证。 5. 参与音视频通话与交互能力优化，包括全音视频双工、音频 Query 理解与体验优化等。 6. 参与语音生成基础能力研发，包括音色克隆、可控性、长语音生成稳定性等方向。 7. 参与全模态模型自主优化、Self-evolving 与评测迭代。