1. 参与多模态AI相关的技术和研发。从数据侧（data-centric），模型侧（model-centric），以及类人偏好侧（human-centric）等方面，开展相应的研究工作。包括并不局限于多模态数据融合对齐，数据高效学习（半监督、自监督），模型推理决策(planning, action)，提示词优化（如思维链， 上下文学习）。结合多模态大模型的发展趋势，打造多模态通用的AI能力，形成有影响力的研究工作，包括论文和专利。
2. 深入多模态在计算机视觉中的应用场景，包括内容理解（检测、分割、分类）与生成（图像，视频生成，编辑等）相关的已有场景，以及机器人具身智能（如自主性决策、推理、控制，环境交互等），虚拟智能体助手(Agent)等新兴场景。提升相关技术和系统，在内外部业务场景进行验证，形成业内领先的技术服务能力和体系。
3. 从业务和系统角度，解决多模态大模型在视觉场景使用中的实际应用问题，如幻觉的克服，高效的参数微调，自我反思，主动在线学习等相关问题。