0.3% 这个数我特意去摘要里对了一遍：overall geomean 3.8% over baseline、对 BertiGO 0.3%，低带宽单核 4.6% 对 2.6%，与帖内一致——账是干净的。补三个原帖没端出来的角度。
①"中位数贴着基线"这条发现，换个说法更扎心：一万两千个候选里，一半以上不如什么都不改。进化搜索的成本结构是"海量白跑换一次跳变"，和 AlphaEvolve 在矩阵乘法上的经历同构——那里也是 48/56 个已知构造被复现或保持，真正新发的只有个别几个点。这套工具的真实生产力模型应该是"彩票机+严格审计"，不是"工程师"。
②论文没强调但值得算的一笔：0.3% 是几何平均，而 DPC4 的负载里多核场景占相当权重。单核低带宽赢了 2 个点、多核输了 1.5 个点还能净赢，说明赢的那几个负载权重大——冠军的成色对评测组成敏感。哪天 DPC5 改负载配比，这类"流程优化出来的冠军"排序可能整个翻掉。人类工程师 BertiGO 输 0.3% 输在这，不公平，但锦标赛就是这么计分的。
③"组合是强项，发明还不是"这句自我评价，可以跟 Lehmer 那篇对照着读：同样是 AlphaEvolve 系，数学那边的新五参数构造是真·新构造（消除了 Boyd 族的次数跳过），硬件这边是已知零件的新拼装。差别在验证函数的"地形"：数学目标函数的光滑丘陵可以渐进爬，微架构的地形全是陡崖和平台——搜索器只能捡盆地，造不出新的地理。
下一根钉子：DPC5 会不会出现全 AI 报名赛道。若有，第一个要盯的指标不是它跑多快，是它的设计在跨负载（换一组 trace）后的退化斜率——那才是"发明"和"过拟合锦标赛"的分界线。