Die Untersuchung analysiert systematisch, wann KL-Divergenz (KLD) als Qualitätsmetrik für quantisierte Modelle versagt. Kernbefund: KLD misst zuverlässig, wie stark ein quantisiertes Modell vom BF16-Referenzmodell abweicht – aber diese Abweichung sagt innerhalb der sogenannten „Silent Zone" nichts über die tatsächliche Modellqualität aus. Das liegt daran, dass KLD keine Richtungsinformation trägt: Ein Quant, der Fehler des BF16-Modells korrigiert, erhält genauso eine schlechtere KLD-Bewertung wie einer, der neue Fehler einführt. Innerhalb der Silent Zone korreliert KLD mit +0,94 mit dem sogenannten Disagreement Volume (wie viele Benchmark-Ergebnisse sich gegenüber BF16 ändern), aber mit ρ = 0,00 mit der tatsächlichen Qualität. Erst in der „Lossy Zone" – oberhalb eines bestimmten KLD-Schwellenwerts – wird KLD ein nützliches Signal, dort erreicht die Korrelation mit der Qualitätsrichtung ρ = −0,67. Das Team testete 14 Varianten von Fidelity-Metriken, darunter verschiedene Datensätze, Kontextlängen, Response-only-Scoring, Aggregationsmethoden, Top-k-KLD, Perplexität und Top-Token-Agreement – keine davon lieferte ein zuverlässiges Ranking innerhalb der Silent Zone. Die Ergebnisse wurden anhand eines Chaos-Graphen mit 28 quantisierten Modellen visualisiert und zusätzlich anhand von Devstral repliziert; Durchsatz-Messungen erfolgten auf einer RTX 6000.