1.大模型推理优化技术的研究、工程落地实验，包括但不限于，模型量化、模型蒸馏、模型压缩，token&上下文压缩、skill压缩、投机解码、并行解码等优化技术。 2.大模型推理框架的工程优化研究，包括但不限于（sglang、vllm、tensorrt-llm），follow最新的工程落地技术，结合实际的业务场景改进已有的开源框架。 3.大模型训练优化技术的调研，做大模型后训练环节（SFT、RL、AgenticRL）持续迭代和优化，和其他成员配合攻克大模型后训练相关的技术难题。 4.在大模型推理优化、训练优化方面产出相关的论文和开源代码贡献。