深度分析 EPB 框架：以程式化瓶頸提升神經組合最佳化的可解釋性與效能 神經組合最佳化（NCO）在路徑規劃與排程領域已展現媲美傳統啟發式的效能，但模型黑箱特性限制了產業部署與科學診斷。本文提出首個針對 NCO 政策的可解釋框架——Evolving Programmatic Bottlenecks（EPB），透過大型語言模型自動產生、演化可執行程式庫，將每一步的行動分配視為程式化瓶頸。
