Wer LLMs auf NVFP4 quantisiert (besonders RL-post-trained Modelle), riskiert mit reinem KL-Loss unsichtbare Repräsentationsdrift. CKA-QAD bietet einen praktischen, leichtgewichtigen Zusatz-Regularizer, der die interne Modellgeometrie erhält und downstream-Aufgaben wie Reasoning und Coding messbar verbessert.