模块化基准将量子搜索方向估计与经典参数更新规则解耦，发现最优更新规则随估计器与任务而变
该工作提出一个模块化基准框架，将参数化量子电路的搜索方向估计（参数移位、有限差分、SPSA、PGPE、可观测曲率预条件）与经典更新规则（SGD、Adam、RMSprop）独立配对，在MaxCut QAOA、Iris分类、二分类MNIST的QCNN和分子氢VQE四类任务上以256次采样进行有限采样仿真，并在156量子比特处理器上做选定案例研究；结果显示最优更新规则依赖估计器与任务，且峰值性能与跨种子平均性能往往指向不同配置。