“玄知”密码大模型
全球首个密码学大模型，主导 CPT→SFT→DPO→GRPO 完整后训练流水线，CryptoBench 上综合性能超越 GPT-4o 8.8%。
Qwen2.5-72BLLaMA-FactoryverlGRPO / RLVRDeepSpeed ZeRO-3vLLM
项目展示
聚焦微调、RAG、Agent 与 MCP 工程化落地。
Agent 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。
Docker 沙箱Agent-as-JudgePython asynciorubric 校准SWE-Atlas / ALFWorld
可信计算 Coding Agent
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。
自研 HarnessTEE / Intel TDX多智能体RAG / MCPDocker / QEMU
Agentic RL：评测→训练闭环
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。
verlGRPOALFWorld多轮 rollout可验证奖励 / RLVR