كما تم تحليل الخيارات التصميمية التي تؤثر على طريقة NGU، مثل القوة في الاستجابة للبيانات البعيدة، وتطوير مجموعة من الممارسات المثلى. وفي تجربة على معيار رياضي، 'Deepscaler'، أظهرت NGU تحسنًا في الأداء بالنسبة للموارد المستخدمة، خاصة في معالجة المشاكل الصعبة. كما سلطت الدراسة الضوء على تجربة أخرى مع مهمة الترميز 'Manufactoria'، حيث فشلت الأساليب التقليدية في حل المشاكل التي تحتوي على مجموعة من التحديات السهلة والصعبة. ولكن مع تكرار التحسين، استطاعت NGU حل المشاكل الأكثر تعقيدًا، حتى تعلمت كيفية حل مشاكل الترميز بالكامل.