本研究提出DREAM框架，针对黑箱模型的属性逆向工程，解决了在未知训练数据情况下的研究空白。该方法通过分布外泛化，开发出领域无关的元模型，有效推断黑箱模型属性，实验结果显示其泛化能力超越现有方法。

本研究提出了一种数据驱动的电机设计框架，减少了对专家经验的依赖。该框架利用人工智能专家数据库，通过元模型和启发式算法生成多种电机设计，显著提高了设计效率和性能，尤其在功率密度方面优于传统设计。