两名学生都考了 80 分，却可能答对了完全不同的题。量化模型也是如此：量化——把模型参数换成更低精度的数字，以节省存储和计算——前后准确率相同，并不代表模型保留了原来的判断方式。
Rababah 等人审计了从 8-bit 到 2-bit 的多种量化方案，并引入“正确性一致率”：逐题检查基础模型与量化模型是否同时答对，而不是只比较总分。作者报告称，中等程度的量化就可能带来行为分歧，即使准确率和困惑度仍显得稳定。困惑度衡量模型预测下一个词时有多不确定，但它是整体平均值，容易藏住单个输入上的变化。
论文还把量化后的内部权重逐层比较，发现低位数处会出现非线性的变化拐点；负责注意力机制中 query 和 key 的投影，通常比 value 和 output 更敏感。工程上的提醒很直接：榜单分数没掉，只能说明平均表现接近，不能据此断言输出分布乃至风险表现都没有改变。