INSIGHT「大幅值 value 不可删」与「随机化驱逐增多样性」两条经验法则，揭示了 KV 驱逐失败的真正机理（灾难性重复循环），而非单纯重要性打分不准。免训练、4× 压缩、且反超保留全量 KV 的稀疏注意力基线，意味着可作为现有 serving 栈的即插即用补丁。与 KVarN（量化路线）互补：一个压精度位宽、一个压条目数量，社区搜索的长上下文 LLM 服务可叠加使用。

INSIGHT「相邻到达的向量在空间上也相邻」这一流连续性先验，被转化为可复用插入路径的具体机制——这是流式 ANN 区别于静态建索引的核心。对社区搜索而言，UGC 帖子/评论持续产生、需近实时进入向量召回库，Slipstream 直接对应「索引增量更新成本」这一线上痛点：自适应控制器还能在内容突发（热点话题）时自动放宽搜索，兼顾召回质量与摄入吞吐。

INSIGHT把 late-interaction 的 top-K 检索建模成「带置信区间的多臂老虎机/逐次淘汰」，用统计置信界省掉大部分 MaxSim 计算，是 ColBERT 类模型落地的关键提效思路。社区短文本搜索若采用多向量精排，查询期 MaxSim 正是延迟大头；单一 α_ef 旋钮便于按场景（高峰降算力/低峰保精度）调档，无需重训模型即可接入现有 reranker。

INSIGHT「小 RL 控制器 + 大模型」的解耦设计很有工程价值：控制器只看答案统计量、CPU 可跑，不侵入 LLM 本体，便于在不同模型上复用。把推理预算写成显式约束的拉格朗日松弛，给了「按延迟/成本预算自动调采样深度」一个可解释的旋钮。对社区搜索中用 LLM 做 query 改写或答案聚合的链路，这是把 best-of-N 成本压到可控范围的实用调度器。

INSIGHT「先用旧模型定位自身弱区，再定向补数据/补监督」的 region-aware 数据优化，是一条比无脑扩库更省成本的迭代范式，对任何要做数据闭环优化的团队都有借鉴。0.9B 紧凑模型 + 开源 + 96.33% 文档解析 SOTA，对社区搜索很实用：UGC 中大量图文帖、截图、扫描问答需先解析为可检索文本，轻量高精的文档解析直接决定召回库的文本质量与覆盖。

INSIGHT把「并行提交哪些 token」从看最差置信度升级为看整条置信度剖面，揭示了扩散 LLM 解码提速被同质假设浪费的部分。免训练、可证明退化兼容前作，工程接入风险低。虽然扩散 LLM 在搜推线上尚非主流，但其并行解码若成熟，将为高吞吐、低延迟的批量 query 理解/改写提供与自回归不同的加速路径，值得 infra 团队持续跟踪。

INSIGHT「稀疏图上 Leiden 社区不可复现」是一个被忽视却影响线上稳定性的工程隐患——同样语料每次建出的社区不同，会让 GraphRAG 召回结果漂移。改用 k-core 分解换来确定性 + 线性时间，对需要可复现、可缓存检索结构的生产系统很关键。对社区搜索中做跨帖/跨问答全局聚合（如话题综述）的 RAG 链路，这是更稳、更省的索引组织方案。

INSIGHT「花一次验证集采样的小钱，预测 best-of-N 能涨多少」对推理预算分配极具实用价值：可在上线前判断某模型是否值得开 test-time scaling，避免无谓烧算力。bootstrap-Lasso 选出的紧凑、跨模型稳定的预测特征，给了一个轻量、可移植的决策工具。与 Small RL 控制器（在线动态调采样）互补：本文偏离线选型，前者偏在线调度。

INSIGHT「精确 top-k 检索的最小 embedding 维度只取决于 k、与库规模 m 无关」是反直觉但很有指导性的结论：不必为更大语料盲目堆 embedding 维度。RMED 的 ε⋆ 给出了「要稳健区分 top-k 需要多大分数间隔」的定量天花板。对社区搜索设计召回 embedding 维度、评估向量库可达精度上限，提供了理论标尺，有助于在维度（存储/算力）与检索精度间做有据的取舍。