调模型参数像调一道看不见配方的菜：你只能改改火候和用量，尝过结果，再决定下一轮怎么试。这就是黑盒优化——看不到目标内部规律，只能反复提交参数、观察结果。问题在于，相关算法和测试题长期散落在不同代码库里，安装方式、接口和评测脚手架各不相同，团队很难直接复用，也难公平比较。
Yoshihiko Ozaki 等人提出的 OptunaHub，想把这件事做成“插件市场”。算法、基准函数——供算法统一作答的标准考题——以及可视化等工具，都能由社区贡献者独立打包，再通过兼容 Optuna 的统一接口调用。用户可以用 load_module("类别/包名") 按需载入组件；下载后会缓存在本地，之后可离线使用。不同算法和基准因此可以直接替换，结果仍交给 Optuna 的试验与分析流程管理。
论文写作时，注册表已有超过 100 个包，既包括经典方法，也包括较新的优化算法；部分包由原作者贡献。网页端还提供全文与标签搜索，并同步展示作者、许可证、依赖和示例。它的价值不在于宣称某个算法更强，而是尝试统一“发布、寻找、运行和比较”的基础设施。至于社区能否持续维护包质量与兼容性，论文尚未给出长期证据。