把模型压到低比特，就像把精密刻度换成粗刻度：更省存储和计算，却容易在长推理中一步步走偏，甚至到字数上限还答不完。传统量化感知训练（QAT——训练时模拟低精度计算）常让压缩后的“学生”照抄全精度“教师”的固定答案，但学生实际生成时走的是另一条路，答案越长，偏差越容易累积。
OnQ的关键，是先让学生自己生成推理轨迹，再让教师针对它真正走到的每一步给出下一词概率。它还用Dynamic KL按词调节纠偏力度：学生低估的候选词与高估的候选词，分别采用更合适的校正方向。作者报告称，在Qwen3-1.7B、4B和8B的2比特与3比特设置中，OnQ均取得九项基准的最高平均分；其中2比特Qwen3-8B比最强基线高10.26分，并生成更短、截断和重复错误更少的回答。换句话说，修复量化模型未必靠复刻标准路线，更有效的办法可能是沿着它自己的岔路现场纠正。