The Illusion of Equivalency

论文分析 LLM 量化后的行为差异，指出总体准确率接近并不代表逐题行为等价。作者提出 decision-level correctness agreement，衡量原模型和量化模型在同一决策上是否同时答对或答错。它提醒部署侧不要只看压缩后平均分，因为用户遇到的是单个决策的稳定性。