1、研究并实现机器学习、深度学习（如CNN、RNN、Transformer）、强化学习等前沿算法。-优化模型性能（精度、速度、资源消耗），提升算法在实际场景中的鲁棒性；
2、数据处理与建模-清洗、标注和预处理结构化/非结构化数据（文本、图像、语音等）；
3、构建高效的数据管道（Data Pipeline），支持模型训练与迭代；
4、将训练好的模型部署到生产环境（如云平台、边缘设备），实现高可用性、低延迟的服务；
5、使用TensorFlow/PyTorch/TensorRT等工具进行模型压缩、量化和加速；
6、技术研究与创新-跟踪AI领域最新进展（如大模型、多模态、联邦学习），探索技术落地场景；
7、撰写技术文档、专利或论文，推动团队技术积累；
8、跨团队协作-与产品经理、数据工程师、前端/后端工程师协作，设计端到端AI产品；