Naukowcy zaproponowali nową metodę kwantyzacji modeli AI opartą na koncepcji płaskości funkcji straty. Podejście to łączy teoretyczne podstawy optymalizacji z praktyką zmniejszania precyzji wag neuronowych, mając na celu zachowanie wydajności przy mniejszych rozmiarach modelu. Metoda może znacznie poprawić efektywność wdrażania dużych modeli AI, szczególnie w urządzeniach o ograniczonych zasobach.