本文探讨了高度可配置系统中因果效应的可识别性与可传移性，提出了新方法Unicorn以优化性能预测。研究表明，one-hot编码效果最佳，而scaled label编码训练速度快但准确性较差。通过HINNPerf模型和DaL算法，提升了预测的准确度和效率。PerfSense框架利用大型语言模型识别性能敏感配置，显著减少了手动工作量。整体来看，深度学习技术在配置性能建模中展现出良好前景。