Naukowcy zaproponowali metodę QuIDE, która rozwiązuje problem optymalizacji modeli kwantyzowanych przy użyciu aktywnego uczenia się. Podejście polepsza efektywność wykorzystania zasobów poprzez inteligentny wybór danych treningowych, co pozwala na lepszą równowagę między wielkością modelu a jego dokładnością. Metoda ma znaczenie dla wdrażania AI na urządzeniach brzegowych (edge computing) i zmniejszania kosztów infrastruktury.