深入理解MaaS业务逻辑，作为业务副驾驶参与组织与人才工作；负责人才发现与评估，识别真正的AI原生人才，能够结合候选人的GitHub仓库或Demo评估其潜力；推动组织进化，参与设计基于数据驱动的HC计算模型及激励机制；在团队内部推动“AI First”的工作方式，促进企业文化落地，帮助组织保持活力与技术导向；持续跟进AI行业变化，快速拆解技术迭代背后的组织需求并转化为人力资源解决方案。

协助发布职位并维护招聘渠道，确保职位信息准确且具有吸引力；高效筛选简历，进行初步电话沟通，评估候选人匹配度并安排面试；协助组织面试、跟进面试反馈，维护候选人数据库，保障招聘流程顺畅；协助完成招聘数据统计与分析，定期输出招聘进展报告，优化招聘效率；支持高招专项项目。

对接HR业务需求，输出系统解决方案，参与需求调研、测试、上线推广等全流程，推动AI能力建设；建立并维护HR数据标准及机制，保障核心数据质量，定期输出数据质量报告，并从数据中定位流程问题或管理风险，推动根因解决；分析员工服务流程，识别痛点并提出改进方案及SOP，建立持续迭代机制；负责系统日常运维，主动挖掘信息化和AI化迭代点；参与HRSSC重点项目。

参与数学或代码大模型预训练研发工作，包括模型预训练、对齐与评测；负责构建和优化数学或代码方向的预训练与对齐数据，提升模型在相关任务上的效果；探索面向数学或代码任务的数据合成方法，增强模型在相关任务上的泛化能力。

与算法团队深度协作，参与下一代GLM大模型架构设计与系统实现，推动模型结构与系统效率协同优化；构建大模型推理成本分析与模拟系统，从算力、通信、KV Cache、并行策略等维度优化推理效率；设计并优化超大规模训练基础设施，提升训练稳定性、资源利用率与训练效率；探索MoE、Sparse Attention、长上下文等新架构在训练与推理系统中的高效落地。

负责代码预训练数据的合成、清洗、权重分配和来源扩充等工作，持续提升代码预训练与中训练数据质量；研究预训练中小领域数据配比与最终效果之间的关系；开发数据筛选与合成链路，提升基座模型在下游代码任务中的能力。

负责基座模型在各类代码生成和Coding Agent场景下的效果优化；分析业务需求，针对不同应用场景设计训练方案，提升模型在不同下游应用中的性能；持续跟进LLM代码生成前沿技术，优化基座模型完成复杂代码生成任务的能力。

负责模型在Coding Agent场景下的能力优化；研究大规模数据合成与强化学习方案，提升模型在各类Coding框架下的性能；设计并实现评测方案，从多维度衡量模型在真实场景中的Coding Agent相关能力。

针对模型特定能力进行数据构造、筛选和优化，重点覆盖数学、代码、复杂推理等领域，并负责对齐数据的质量与多样性控制；探索通过更长思维链推理提升模型在复杂任务中的效果，增强后训练阶段训练与推理的扩展能力；提升强化学习算法的可扩展性和稳定性，优化后训练阶段的scaling性能，优化多目标奖励模型，并探索结合CoT和过程监督的方法；结合监督微调、self-improve等方式开展训练优化探索，攻克交互任务中的复杂推理问题，持续提升模型的理解与生成...

负责面向全球ToC业务的稳定性建设与7x24小时运维保障，涵盖Web服务、APP后端、API网关、云基础设施与安全；负责Kubernetes集群建设与稳定性保障，包括版本升级、故障排查、性能调优和资源利用率优化；主导容器化架构调优，如Pod调度策略、网络插件选型、存储方案设计，并优化资源请求与限制配置以减少资源争用；建立容器安全防护体系，包括漏洞扫描、运行时安全监控、合规审计；参与自动化运维工具链建设，包括CI/CD流水线、混沌工程测试...