OmniOpt论文完整梳理（arXiv:2607.04033）一、文章整体核心内容总结1. 研究背景大模型训练中优化器选择是系统级多约束决策，受算力、显存、调参成本、多任务共同限制；目前已有上百种优化器，但领域存在三大痛点：各优化器仅聚焦局部创新（动量/预条件/量化等），缺乏统一流程对比框架，无法判断机制是否可组合；实验结论高度依赖训练协议（模型规模、上下文长度、batch、学习率调度等），单一基准结论不可迁移；理论体系碎片化，Adam、Muon、Lion、Shampoo等方法使用不同数学符号，缺少统一几何解释工具。本文由上海AI实验室、上交、西湖大学等多单位联合提出OmniOpt统一体系，包含统一流程框架、几何数学工具、双维度分类体系、跨域大规模基准四大部分，系统性梳理108种主流深度学习优化器，并给出约束驱动的优化器选型指南。2. 四大核心组成模块（1）五阶段通用元流水线（Universal Meta-Pipeline）把任意优化更新拆解为标准化5步操作，定位每种优化器的核心修改阶段：S0 梯度信号获取、S1 参数分块路由、S2 梯度变换、S3 优化器状态演化、S4 更新重构、S5 更新正
