优势是：

Autotuning can often make the optimization process more efficient as autotuners are able to search larger spaces than is possible by hand.

问题是：

1.复杂情况的配置都很难量化，复杂约束比较难进行有效性约束，

2.搜索空间过小没意义，当然大部分情况是搜索空间特别大，这样用传统方法，需要大量时间才能得到较好结果。 因此，需要使用机器学习，得到正反馈，以更小的实验来寻找良好的结果。

3.在实际应用中，搜索空间要复杂得多，不连续性、高维性，强耦合的配置参数。在一种配置空间中最优的搜索技术可能无法在另一种配置空间中找到合适的配置。它很难提供在各种情况下表现良好的完美的搜索算法。