像用一把刻度很稀的尺子反复校准机器：尺子虽快，误差却会越积越大。MoE（混合专家模型，每次只调用部分“专家”子网络）做强化学习时，要大量生成候选回答再按得分学习；这一步叫 rollout，往往最耗时。NVFP4——用4位数值计算的英伟达量化方案——能加速生成，但论文发现，直接让它负责 rollout、再用BF16训练，约150步后就会崩溃。
QUADS抓住了一个关键点：真正主导失稳的不是权重误差，而是激活值误差——也就是模型每次计算时临时产生的中间数值被粗糙舍入。它在训练侧模拟权重量化、保留高精度激活；在生成侧则对误差较大的激活通道再补偿一次，让两边对同一回答的概率判断更接近。
据作者实验，QUADS在四项留出基准上的平均 pass@1 为72.86%，接近BF16的73.15%，高于直接使用NVFP4的51.37%；rollout吞吐量也比FP8高16%。这些结果目前来自论文自述。