把模型从 FP32 换成更省内存、延迟和能耗的 INT8，就像把精细刻度换成较粗的刻度：整体结果看着差不多，关键分界线附近却可能已经变了。量化会让模型的输出分数偏移；如果系统仍沿用旧的决策阈值——例如人脸相似度超过某个数就放行——实际判断就未必安全。
据 Towards Data Science 报道，Maxim Podstrechnyy 用量化为 INT8 的 ArcFace 人脸编码器做案例。Precision@10——看前十个结果有多准的排名指标——只从 0.978 降到 0.972，变化很小。但沿用 FP32 模型的阈值后，1 万对冒名者样本中的假接受从 30 次升至 104 次，约为原来的 3.5 倍。作者称，他审阅的十份量化验收指南都没有采用依赖实际阈值的指标，因此建议上线门槛补上两个数：实际阈值下的假接受率，也就是错放；以及假拒绝率，也就是错拦。说白了，模型排序能力没坏，不等于部署时那条“放不放行”的线仍然可靠。