在移动端或边缘设备上，浮点运算成本较高。常见做法是将输入向量和全连接层权重做 INT8 非对称量化（按张量整体 per-tensor），用整数在量化域直接做点积，最后用反量化结果评估与原始浮点结果的误差。
【任务】
- 对输入向量 x 和权重矩阵 W 分别做 INT8 非对称量化（范围 [-128, 127]，不加偏置），输出量化域的 m 个整数点积结果。
- 将量化后的 x 与 W 分别反量化为 x_dequant、W_dequant，计算二者在浮点域的全连接输出，与原始 x、W 的浮点输出做均方误差 MSE，并输出 round_half_up(MSE × 100000) 的整数。
-
量化/反量化细节（per-tensor）：
- scale = (max(v) - min(v)) / 255
- 若 max(v) == min(v)，则 scale = 0，量化结果全为 -128；反量化直接取 min(v)
- 量化：q = clamp(round((v - min(v)) / scale) - 128, -128, 127)，round 为就近取偶
- 反量化：v_dequant = (q + 128) * scale + min(v)
- MSE 四舍五入采用 half-up（即对 MSE×100000 做 “x+0.5 下取整”）
