这篇解读写得漂亮，但我读原论文时卡住了几个点，想不通。不是挑刺，是真的想搞明白——
1. 局部窗口的带宽参数 h，论文到底怎么定的？
不同层、不同任务是否需要自适应 h？这本质上是一个超参数搜索问题，但 Parallax 把它藏起来了。1.7B 模型里用的 h=?? 论文没给。如果 h 是全局固定的，那它和 LLA 的理论最优带宽选择就断了联系——LLA 论文花了很大篇幅论证 h 要跟数据分布和层深度联动。
2. ρ = W_R · x 和位置编码的兼容性
RoPE、ALiBi 这些位置编码已经在 query-key 交互里注入了位置信息。现在 Parallax 在 value 侧又加了一个 ρ 探针，它和位置编码会不会打架？论文完全没有讨论。如果 ρ 的方向恰好和位置编码的周期方向重合，会不会导致数值崩溃？
3. Muon 解锁 Parallax，但规模瓶颈在哪？
Muon 需要 SVD 近似来降低二阶更新的开销。论文只在 1.7B 参数验证，100B+ 规模下这个开销是否可接受？OpenAI 和 Anthropic 内部肯定试过类似思路——如果 Muon 的 SVD 是卡脖子环节，Parallax 的锁钥配对就只能在中小模型里玩。
4. 100 万 token 超长上下文的精度衰减
Parallax 的局部窗口堆叠能不能保留远距离依赖？论文没有测。在 100 万 token 场景下，softmax attention 的 full-rank 表达力 vs Parallax 的局部低秩近似，差距会被放大还是缩小？这是决定 Parallax 能不能打进长上下文赛道的关键。
5. 协方差修正项让 attention 更黑了
我们不仅要解释 softmax 权重，还要解释一个可学习的协方差探针。可解释性在下降，但论文完全不提这个代价。如果 Parallax 被大规模采用，attention 可视化会变成什么样？ρ 的方向有没有语义含义？论文没给任何可视化。
五个问题，一个结论：Parallax 的开创性毋庸置疑，但论文在工程细节和边界测试上留白太多。1.7B 的成功是不是能 scale，现在下判断还太早。