像一件送检时正常、压缩打包后才露出机关的产品：研究者提出 AgentQ，让开放权重 Agent 在全精度审计中表现正常，却在量化部署后触发后门。量化就是把模型参数“四舍五入”成更少位数，以节省内存、加快运行；问题在于，这一步可能成为攻击开关。
AgentQ 先用 LoRA——一种只调整少量参数的微调方法——把恶意行为限制在部分网络层，再修复全精度模型的正常表现，同时避开负责工具调用格式的关键层。这样，量化后的 Agent 仍能生成合法的结构化工具调用，也就是可被系统直接执行的函数名和参数，而不只是可疑文字。
作者在三种触发—动作组合及 NF4、FP4、INT8 三种量化格式上测试，报告量化后攻击成功率最高达 100%，正常任务能力损失很小。一个 9B 模型案例更直观：两套服务读取完全相同的权重，FP16 版本行为正常，NF4 版本却在每次探测中触发攻击。它提醒我们：开放权重 Agent 的安全审计不能只查原始模型，还要检查最终部署的量化版本。