在 agent 时代如何快速验证 kernel 对精度的影响

与其每次拉起模型跑 GSM8K，不如在一份固定语料上逐位置比较新实现和 ground truth 的 logits：KL、翻转和 margin 怎么看，以及在 Qwen3.8-27B 上动两处看不见的精度时，它们各自的反应。