INSIGHT生成候选时过早剪掉正确物品，末端重排无法补救；该方法把用户偏好证据提前注入解码过程。社区UGC若试验 Semantic ID 召回，可先验证长尾帖子是否在生成途中丢失，再比较逐步反馈与同预算末端重排；冻结主干不代表线上免费，需要单独测量候选构造和后验计算的延迟。

证据{'section': '6.1–6.4, Tables 2–3', 'metric_cells': 16, 'gain_range_percent': [1.2, 16.8], 'adapter_parameters_millions': 0.391, 'baseline_latency_ms': 93.0, 'latency_ms': 124.8}

INSIGHT把推理用于训练监督，可在保留直接推荐输出的同时获得额外精度。对社区帖子推荐可尝试离线生成兴趣解释、再蒸馏到短输出模型，并单独评估列表排序质量；实验是在基础排序器生成的候选集上完成，不能据此宣称全库生成召回同样有效，候选覆盖仍会限制上限。

证据{'section': '4.1–4.5, Tables 2 and 7', 'clothing_ndcg5': 0.0228, 'soft_ndcg5': 0.0217, 'inference_ms': 109.46, 'soft_inference_ms': 109.48, 'training_hours': 54.18}

INSIGHT社区帖子主题和热度同样存在长尾分布，Semantic ID 的几何结构可能决定稀有兴趣能否被保留。可先保持下游推荐模型不变，仅替换量化器，分别观察头部与尾部的nDCG和曝光比例；跨几何空间的量化误差绝对值不能直接比较，且重建ID涉及索引更新与训练兼容性成本。

证据{'section': 'IV, Tables I and III–V', 'instruments_ndcg10': 0.065, 'lcrec_instruments_ndcg10': 0.057, 'datasets': 3}

INSIGHT社区若用LLM直接推荐帖子或话题，同一输入的一次输出不足以说明模型稳定性。可以固定版本与采样参数，对重复查询做分组统计，同时跟踪候选集合重合、排序和语义差异；先用小规模试验估计本业务的方差，再决定重复次数，不应机械照搬论文的5、10或15次经验档位。

证据{'section': '4–7', 'observations_approx': 190000, 'external_validation_cells_reproduced': 37, 'external_validation_cells_total': 39}