INSIGHT社区用户可能在不同时间段切换话题，长历史应按偏好变化压缩，而非只按长度截断或按语义相似度检索。可以将软分段与近期查询联合建模，检验短文本召回和点击效果。效率收益依赖骨干：DRIFT-GLASS 在 Taobao MM 的推理时间反而增加 39.24%，不能把训练加速等同于线上加速。

INSIGHT可先在社区搜索的有限候选集上验证标识符似然是否补充现有召回分数，避免直接替换整个召回链路。训练只需冻结的查询状态与目标物品编码，不依赖负采样；但验证器只能恢复已有候选池内的项目，无法修复漏召回。应同时测量短名单 nDCG、覆盖率与新增推理时延。

INSIGHT若社区搜索已采用 Semantic ID 生成召回，大束宽下的状态复制可能抵消线性注意力的节省，应先分析共享历史和分支长度。该设计值得用于扩大候选覆盖的成本实验，但其收益针对短输出、多分支的生成式推荐负载，不能直接推断普通长文本推理加速，也未给出 CTR 或 nDCG 的线上改善。