Makalah 'ReQAT: Mencapai akurasi inferensi presisi penuh melalui pembelajaran pengenalan kuantisasi floating point 4-bit', di mana Jang-hwan Lee, seorang peneliti di Departemen Teknik Elektronik Konvergensi di Universitas Hanyang, berpartisipasi sebagai penulis pertama, dan Profesor Jeongwook Choi dari Departemen Teknik Elektronik Konvergensi dan perusahaan semikonduktor AI Rebellions, secara resmi dipresentasikan pada Konferensi Internasional tentang Pembelajaran Mesin (ICML 2026). Makalah ini terpilih sebagai makalah 'presentasi lisan', yang dianggap sebagai makalah paling inovatif dan berpengaruh di antara sekitar 15.000 makalah yang dikirimkan, dan dinilai sebagai pencapaian penting oleh komunitas AI di seluruh dunia. Makalah ReQAT: Mencapai akurasi inferensi presisi penuh melalui pembelajaran pengenalan kuantisasi floating point 4-bit yang diserahkan oleh Universitas Hanyang dan tim peneliti Rebellion terpilih sebagai makalah presentasi lisan ICML. Biasanya, presentasi lisan hanya menerima 1% teratas dari seluruh makalah yang dikirimkan / Sumber = ReQAT yang dikirimkan oleh IT Dong-A Hanyang University dan tim peneliti Rebellion: Makalah yang mencapai akurasi inferensi presisi penuh melalui pembelajaran pengenalan kuantisasi titik mengambang 4-bit adalah ICML