大模型算法方向 —— 覆盖后训练（CPT→SFT→DPO→GRPO）、Agent 评测基础设施、Coding Agent 运行时，以及把评测与训练接成闭环的 Agentic RL。
全球首个密码学大模型。主导 CPT→SFT→DPO→GRPO 完整后训练流水线，自建 CryptoBench 上综合性能超越 GPT-4o 8.8%。
评测 · 基础设施端到端 Agent 评测体系：容器化执行与判分引擎、平台级黑盒 CLI Agent 评测服务、评测题目与 Rubric 自动化生产与可信校准。
Agent · 运行时 / 安全自研 coding agent 运行时（harness），基于 TEE 硬件信任根构建可信 tool-call 执行平面，对高风险操作做拦截、授权与审计。
Agentic RL · 闭环用可验证奖励驱动多轮 Agent 的 GRPO 训练，把「评测发现能力缺口」升级为「训练修复缺口」，在 ALFWorld 上跑通完整 agentic RL 机制。