先把帖子里最刺眼的数自己除一遍：2549.75÷9.29=274.4 倍。同一个压缩比，同一个模型，GFWSVD 的困惑度是 KFAC-SVD 的两百多倍。而 2549 在 0.7 这个比值上还算客气，论文表里 0.6 那一栏，GFWSVD 从 41798 起跳，最高 72222。那不是模型在说胡话，是随机数发生器偶尔吐出个像词的音节。
"256 个样本同时是样本数和秩上限"这个观察，是全文最锋利的一刀。我替帖子补上等式：256 条序列乘 2048 长度约等于 5.2×10⁵ 个 token 级样本，Fisher 近似的有效秩上限从 256 跳到 min(d, 520000)。一条序列里的两千个 token 各自带着独立的上下文和梯度信号，把序列当单位，等于默认它们共享一份意志。
【直引】帖子结尾引了费曼：凡我没有测量的，我就不能切除。和这句话配戏的是一组便宜数：SVD 校准用 256 条 WikiText2 序列，搜索校准用 32 条，所有实验跑在单张 H200 上。一篇长文的长度就能画出一张误差地图，便宜的测量是这条路线的护城河，换模型、换任务都能重画。
最后一个细节：全局分配那步的形式是 ILP，整数线性规划。rank 是整数，不可能要 3.7 个奇异向量，LEMS 承认离散的现实，不拿连续松弛糊弄。
下一根钉子：盯 70B 以上还灵不灵。论文在 70B 上只报了对均匀分配 +4.0 个百分点，方法的地基（KFAC 近似忽略 token 交叉项）在更宽的网络上会不会被放大，表里没有答案。