一篇新上线的预印本论文，将量化 MoE 模型的性能退化拆成两条相互独立的损伤路径——权重精度损失与路由决策偏移。论文的结论很直接：前者已被研究得很透，后者才是部署实践中最容易被误诊的部分。
这篇论文的标题，本身就是它的核心发现：
它研究的是量化后的 MoE（Mixture-of-Experts）模型。每一层里都藏着一位路由器和多组专家，每个 token 只被送进少数几个专家。当权重从 FP16 压到 INT8/INT4，路由器也跟着变——token 可能被送进全精度模型里绝不会选的专家。这就是 route flip（路由翻转）。
只检测翻转，很简单。
对比两次前向传播的路由日志就能完成。真正难的是下一个问题：这一翻，到底伤不伤？
量化损伤 ≈ 权重精度损失。低比特噪声污染了输出，修复手段是加比特数、加量化感知训练。
损伤有两条路径。权重是一条，路由是另一条：token 被送错专家，即使权重噪声很小，也可能造成不成比例的退化。
以上为 MoE 架构与量化的通用参数，用于建立阅读背景；论文实验的具体模型与配置，以预印本原文为准。
为什么“检测”与“修复”之间，隔着答不出来的坎？
因为路由翻转不等于路由损伤。很多翻转是良性的——token 被改派给一个行为相近的邻居专家，输出几乎不变，路由偏好对量化噪声存在一定的鲁棒性。真正危险的，是把 token 送进行为显著不同的专家，这种翻转才会造成可观测的退化。
于是问题从“翻没翻”，变成了更麻烦的“这一翻，伤不伤”。
横轴表示综合难度与所需工作量，非精确度量；“容易”只意味着可自动化，“困难”意味着需要额外的实验设计。
更深一层的麻烦在于：量化是同时改变权重与路由的。端到端指标看到的是两条路径混合作用的结果——只看损失，永远分不清是谁闯的祸。要分离它们，不能靠相关观察，必须做因果干预。
论文的关键动作，是构造一个“本可以不发生”的对照状态。
把“量化权重 + 量化路由”的事实状态，与“量化权重 + 原路由”的反事实状态对比——两者唯一的差别，就是路由有没有翻转。这个差值，就是路由翻转造成的因果损伤；反过来，也能单独测出权重扰动造成的损伤。
框架落地之后，诊断会自然导向三种出口：
总损伤大、路由损伤≈0。症结在权重，加精度或量化感知训练才对症。
总损伤大、路由损伤占大头。症结在路由，应做路由校准或保留原决策。
翻转率高但损伤小。不值得修，把预算花在更痛的地方。
三种诊断出口是因果框架的自然推论，用于理解“归因之后如何决策”；实际阈值与任务定义相关。
这个问题，正在变得越来越贵。
MoE 是当前大模型摊薄推理成本的主流架构，也是端侧部署的重点对象——“只激活一部分专家”意味着更少的计算。但路由层恰恰是全模型最敏感的结构：它决定每个 token 的去向，路由决策上一个比特的变化，可能被放大成一次完全不同的计算。
也因此，论文重新审视了三条部署圈里的“旧常识”：
量化损失，加比特数就能解决。
若损伤源自路由翻转，提高权重精度未必对症。
路由翻转率是最佳监控指标。
翻转率只是信号，不是判决。
量化感知训练能覆盖一切退化。
先分清要修哪条路径，再谈训练方案。
量化竞赛的下半场，比的不是把模型压到多少 bit，而是能不能说清楚压掉的是什么。对把 MoE 推向端侧的团队而言，真正的分水岭，正在从“能压多少”转向“知道在压什么”。
论文预印本已公开上线，可对照原文精读；对正在做量化部署的团队，最直接的动作是把路由因果归因检查写进验证流程。
先归因，再修复