大规模强化学习（RL）是当前通往更高阶AI能力的关键技术之一，但其发展一直受限于主流框架在底层架构上的瓶颈。当训练规模扩展至成百上千的计算节点时，传统框架的性能往往会急剧下降，其根源在于其固有的“中心化”设计。

Optuna v4.5的GPSampler约束多目标优化功能确实是个不错的更新。C2-DTLZ2基准测试证明了几点：减少了不可行区域的无效评估，可行超体积收敛比TPESampler和NSGAIISampler都快。