Представь: берёшь большую модель, сжимаешь вчетверо, потом ещё квантизируешь до 4 бит — и на выходе получаешь что-то, что на большинстве тестов обходит исходник. Звучит как сказка. Или нет. Команда MultiverseComputingCAI выкатила метод Quantization-Aware Healing. Идея в том, что вместо привычного пути — сжал, потом пытаешься восстановить качество через дистилляцию от восстановленного чекиста — они дистиллируют напрямую от оригинальной до-сжатия модели. Обычно при сжатии что-то забывается. Здесь студенту сказали: помни первоисточник, не оглядывайся на испорченную копию. Пока это обещание, а не доказанный факт. Но если держится — компромисс между сжатием и качеством перестаёт быть компромиссом.