提出新型符号化方差缩减算法，解决异构数据下符号聚合偏差问题，在非凸随机与有限和优化中达到最优收敛率。

提出一种不依赖反向传播的新型神经网络训练方法，基于预测编码与约束优化框架。

提出无评判器的贝尔曼策略优化（BPO）方法，基于贝尔曼方程重构策略镜像下降，避免中间状态值估计，提升LLM强化学习效率。