KLD 被误解了：它无法作为量化模型的通用质量排行榜

KLD 衡量量化模型与基础模型在特定数据集上的 token 概率分布差异，不能直接代表量化模型的实际任务质量。随机文本或校准数据会扭曲结果，更合理的做法是使用基础模型生成的 token，并给提示词 token 赋零权重。KLD 适合作为诊断指标，但易被操纵，不应被视为量化模型的通用排行榜。