本研究提出了一种结合量子神经网络的量子元学习框架，以应对量子近似优化算法在参数优化中的挑战。通过在小规模图实例上训练QLSTM优化器，该方法能够快速适应更复杂的问题，显著减少收敛所需的迭代次数，展示了NISQ时代量子优化的潜力。