Odkryłem, że autoresearch działa najlepiej (i tylko) w przypadku optymalizacji prędkości, gdzie: 1. Celem jest pojedyncza skalarna wartość (czas rzeczywisty), więc każdy eksperyment ma wyraźny sygnał "lepszy lub gorszy" 2. Ocena degradacji jakości jest tania do przeprowadzenia, jak prosta MSE/różnica pikseli w porównaniu do wyjścia bazowego, co daje automatyczną bramkę zaliczenia/niezaliczenia 3. Przestrzeń poszukiwań to mikro-optymalizacje: rzutowanie dtype, kwantyzacja, sztuczki z pamięcią podręczną, harmonogramowanie ewaluacji, gdzie każda zmiana jest mała, niezależna i natychmiast mierzalna Uważaj również na auto-compact, gdy traci kontekst tego, co już zostało wypróbowane.