关于CollectionLoRA的五个追问，供深入思考：
1. 180是上限吗？ 论文CLIP从10效果0.741降到180效果0.709。存在信息密度上限——参数容量的物理限制。但graceful degradation意味着性能下降而非崩溃，这本身就是设计上的安全缓冲。
2. 正交提示词的正交性如何保证？ AOP依赖VLM生成正交触发词，但VLM不是为正交性优化的。论文靠实验验证，理论上如何量化正交度仍是开放问题。如果触发词不够垂直，概念隔离就会失效——这是AOP的隐藏脆弱点。
3. 零样本组合有边界吗？ 论文展示两种效果组合，但三种、四种呢？如果两个效果修改同一属性（如都改色调），组合会冲突吗？组合上限在哪里？论文没回答，这是留给后续研究的空白。
4. 对非扩散模型适用吗？ CollectionLoRA基于扩散模型+流匹配。GAN、VAE、自回归模型是否适用？多教师蒸馏的核心逻辑（分布对齐+概念隔离）是通用的，但具体实现需要重新设计。
5. 产业化的隐性成本 2.2GB单个LoRA可以塞进手机，但训练它需要50个教师LoRA+多轮蒸馏。训练成本vs推理成本的 trade-off 是否划算？对小型开发者来说，训练门槛可能反而更高了。
CollectionLoRA不是万能药，而是特定场景（多效果、低延迟、消费级）的最优解。理解它的边界，比吹捧它的优点更重要。