一句话定义：量化校准集（Calibration Dataset）是模型做训练后量化（PTQ，Post-Training AI 词典：Quantization">Quantization）之前，用来「试跑」一遍、统计各层数值分布，据此定下缩放因子（scale）和零点（zero point）的那一小批样本，通常几百条。
它在干什么
量化的本质，是把 float32 的连续数值塞进 int8 的离散格子里。可格子怎么排？先得知道这批数大致落在什么范围。
校准集就是那把尺子：几百条样本喂进模型，只跑前向、不算梯度、不更新权重，逐层记录输出分布，算出每层的量化参数。
打个比方：给全公司做制服，得先定尺码表。只量篮球队，做出来的衣服给小个子穿就像麻袋；随机抽各部门各岗位量一遍，尺码表才通用。校准集就是「被量身的这群人」——量得越像真实用户，衣服越合身。范围定宽了，格子间距大，细节被抹平；定窄了，超出的值被截断（clipping），信息直接丢。两头都掉点。
和相邻概念的区别
| 对比项 | 量化校准集 | 验证集 | 微调数据 |
|---|---|---|---|
| 需要标签 | 不需要 | 需要 | 需要 |
| 更新权重 | 不更新 | 不更新 | 更新 |
| 典型规模 | 几百条 | 几百到几千 | 视任务而定 |
| 作用 | 定 scale 与零点 | 评估好坏 | 提升精度 |
它和量化感知训练（QAT）也不同：QAT 让模型在训练中自己学会适应量化；校准集是 PTQ 的专属步骤，用完即弃。
对实际工作的意义
同样做 8bit 量化，有人几乎无损，有人一量化就「降智」，差别常常不在算法，而在那几百条数据选得对不对。
- 分布要对齐线上。做客服模型就用真实对话，别图省事抓维基百科；一旦错位，量化参数就是照着别人身材做的衣服。
- 警惕异常样本。一条超长文本或极端输入，就能把某层范围撑大，把正常样本的精度空间挤没，抽样时最好按场景、按长度分层覆盖。
- 条数不必贪多。几百条通常已够估出分布，再加收益递减；具体条数依模型结构和工具链而定，以官方文档为准。
- 别拿它当成绩单。校准集只负责定标、不负责评估，用它报效果会偏乐观。
对不写代码的人，这也解释了一件事：同一个模型在不同设备上表现不一样，未必是玄学，可能只是定标时「量的那群人」不同。