做过 ComfyUI 集群的都懂一个噩梦：用户切一个风格效果，后台就要热加载一个 effect LoRA，再叠一个加速 LoRA 凑少步数生成。

LoRA 一多，串联起来参数互相打架，出图不是风格糊就是概念串味（concept bleeding），客诉根本压不住。当时我们的解法很土：每个组合预合并一份权重缓存，硬扛显存。

今天刷到 CollectionLoRA，思路挺干净：把 50 个 effect LoRA + few-step 加速能力，用多老师 on-policy 蒸馏，全塞进一个 LoRA 里。

🔍 三个点我比较在意：
概率双流路由，训练时随机切数据源，本质是给学生模型加 dropout 式正则
非对称正交 prompt，把概念在 prompt 空间里强行隔开，避免互相污染
粗到细的蒸馏目标，缓解 teacher-student 分布 gap

💡 工程上最香的是部署侧：不用再维护一堆 LoRA 的热加载队列和组合缓存，一份权重走天下。

⚠️ 但我保留几个疑问：50 个效果是上限还是甜点？再加到 100、200 会不会塌？以及"comparable or better than teachers"这种话术，单看指标和真人盲评经常对不上，得自己跑过才算数。

蹲一个复现，做 AIGC 视频/图像 pipeline 的可以盯一下。 arXiv: 2605.25378