OptiCom：LLM 驱动优化中状态条件化组合的统一框架

基于摘要分析。本文研究 LLM 驱动的迭代优化：随着候选解质量、失败模式和资源预算变化，如何动态协调不同搜索机制。作者提出 OptiCom，以统一配置空间表示优化器，并结合即时机制组合与长期策略调整，支持 LLM 测试时扩展；主要研究对象是通用优化流程，而非 EEG 信号建模或 BCI 解码。 理论上，作者基于机制效果依赖当前状态的实证诊断，将共享预算下的预期终局改进分解为累计决策机会减去累计选择损失，以此指导机制选择。框架采用 C=(A,Q,O,E,M,S)，分别对应产物、查询、算子、评估、记忆与策略。较快的 LLM-based Optimization Controller 通过结构化 Action Packages 动态组合即时机制；较慢的 Strategy Adapter 利用累积轨迹反馈，调整长期选择偏好、算子权重和模板。具体状态表示、更新规则及理论成立条件尚未验证。 作者报告，在 32 个基准组、14 种被评估配置的比较中，OptiCom 的平均 Max-score 排名为 1.72，并在 23 个组取得最高分。这些数字描述该评估范围内的排名与最高分表现，不能等同于 Accuracy 提升或跨任务普遍优势。摘要未说明基准名称、任务构成、预算设置、对照配置及重复实验情况；实验协议、消融及统计信息尚未验证。 复现时需核对各配置是否采用一致的资源预算、控制器与策略适配器的额外调用成本，以及 Max-score 的计算和聚合方式。摘要未提供足以建立 EEG/BCI 迁移路径的具体机制对应或验证结果，因此不将其通用优化表现解释为 BCI 有效性；已有 EEG 相关工作尚未检索确认。