递归量子优化不再每步等量采样：强化学习按步调预算，加权Max-Cut总采样降36%
递归QAOA每消去一个变量都要重新测量，采样总量随递归层数累积，而各步难度并不相同。研究把深度1递归QAOA的逐步采样量当作序贯决策问题，用基于局部难度指标的启发式规则给出基线，再让表格型Double Q学习智能体在拉格朗日约束下学习对基线的残差修正，消去规则保持不变。在固定每步预算上限的公平协议下，留出操作子集130对策略—实例上，启发式相对均匀分配减少约23%总采样，强化学习策略减少36.1%，有效每次成功采样比为0.676，并在训练未见的规模上保持约36.6%的降幅。