RAOA：交替算子递推与预训练语言模型适配

可编程无线传播能否成为计算深度，而不只是通信通道或一次模拟变换？我们提出Radio Alternating Operator Ansatz（RAOA），在持续潜状态上交替执行能量导出的问题更新与混合更新。每次混合后重新计算问题场，使重复过程即使共享已学习控制也能形成复合计算。我们通过精确离散优化、受约束可编程传播仿真和预训练模型适应评估。在离散目标上，重复执行可在不增加控制数的情况下改善解质量，并直接处理高阶交互。被动纯相位自由空间模型显示，所需算子可由可编程传播近似，虽有实现误差仍保留有用下游行为。作为零初始化残差适配器，RAOA在三个预训练语言模型家族上的WikiText表现接近匹配的浅层MLP，而推理任务迁移依模型而变。结果将交替算子计算、可编程无线传播与神经适应连接到一个循环框架。射频实现证据是仿真，而非硬件演示。