数字胜过文字：耦合MIMO控制器调优的严格本地基准

强耦合多输入多输出 (MIMO) 过程的控制器调节很困难，因为分散式自动调节忽略了环路交互，并且局部优化对启动敏感。我们对本地开放权重大型语言模型 (LLM) 是否提供有用的结构先验进行基准测试，同时测试可能使它们变得不必要的经典替代方案。在单环路 CSTR 上，继电器反馈调谐优于 LLM。在病态的四罐上，朴素中继、朴素 LLM 和平衡启动局部优化失败，而脚手架 LLM 找到可靠的不对称盆地，并在局部细化后在 10/10 运行中达到 J = 12.0 +/- 0.16。然而，消融表明，这种可靠性更多地取决于答案形状的提示示例，而不是耦合数据的推理。虚拟参考反馈调谐 (VRFT) 是一种直接数据驱动的替代方案，它使用一个开环实验，无需大语言模型；经过同样的改进，它在 10/10 次运行中取得了成功，并将结果提高到 J = 11.12 +/- 0.05。尽管 VRFT 需要参考模型时间常数 tau，但确定性中值 tau 规则可以匹配或超过 LLM 指导的选择，且无需额外成本。在四个结构不同的工厂中，通过步骤测试计算出的相对增益数组可以预测结构先验何时值得使用；优化器启动灵敏度提供第二个确认信号。由此产生的边界很明确：对良性植物使用经典调整，当信息丰富的开环数据可用时更喜欢 VRFT，并在直接路径不可用时保留 LLM 进行结构初始化。该基准表明，大语言模型的价值是结构性的，而不是数字性的，而且在中心案例中，数字胜过文字。