مقاله «ReQAT: دستیابی به دقت استنتاج با دقت کامل از طریق یادگیری تشخیص کوانتیزاسیون ممیز شناور 4 بیتی»، که در آن جانگ هوان لی، محقق دپارتمان مهندسی الکترونیک همگرایی در دانشگاه هانیانگ، به‌عنوان نویسنده اول و پروفسور Jeongwook Choing Engineering Electronic و شرکت Converic Electronic شرکت کردند. Rebellions، به طور رسمی در کنفرانس بین المللی یادگیری ماشین (ICML 2026) ارائه شد. این مقاله به عنوان یک مقاله «ارائه شفاهی» انتخاب شد که در میان تقریباً 15000 مقاله ارسالی، نوآورانه ترین و تأثیرگذارترین مقاله محسوب می شود و به عنوان یک دستاورد قابل توجه توسط جوامع هوش مصنوعی در سراسر جهان ارزیابی می شود. مقاله ReQAT: دستیابی به دقت استنتاج با دقت کامل از طریق یادگیری تشخیص کوانتیزاسیون ممیز شناور 4 بیتی ارسال شده توسط دانشگاه هانیانگ و تیم تحقیقاتی Rebellion به عنوان مقاله ارائه شفاهی ICML انتخاب شد. معمولاً، ارائه‌های شفاهی تنها 1 درصد برتر از تمام مقالات ارسالی را دریافت می‌کنند/منبع = ReQAT ارسال‌شده توسط دانشگاه IT Dong-A Hanyang و تیم تحقیقاتی Rebellion: مقاله‌ای که به دقت استنتاج با دقت کامل از طریق یادگیری تشخیص کوانتیزاسیون ممیز شناور 4 بیتی دست می‌یابد، ICML است.