POLCA：基于大语言模型的随机生成优化

针对复杂系统优化依赖人工迭代的问题，本文将其形式化为随机生成优化问题，提出 POLCA 框架。该框架利用大语言模型作为优化器，结合数值奖励与文本反馈自动探索最优解。POLCA 通过优先级队列平衡探索与利用，引入ε-Net 机制维持参数多样性，并利用 LLM 总结器进行跨试验元学习。理论证明其在随机环境下收敛至近优解，实验表明其在多项基准测试中优于现有算法，具备高效的样本与时间利用率。