양자화 방식의 AI 경량화・최적화

<div class="se-viewer se-theme-default" lang="ko-KR">
    
    
    
    <div class="se-main-container">
                <div class="se-component se-text se-l-default" id="SE-7540df01-edd9-48f7-b85f-8e59a911135e">
                    <div class="se-component-content">
                        <div class="se-section se-section-text se-l-default">
                            <div class="se-module se-module-text">
                                    <p class="se-text-paragraph se-text-paragraph-align-justify " style="" id="SE-010a300d-8524-45c4-9640-30f770918f97"><span style="color:#000000;" class="se-fs-fs19 se-ff-pretendard se-weight-unset se-style-unset " id="SE-de0c64a7-9f21-4f41-8715-ee347152ebec">AI 모델을 4-Bit 이하로 경량화하면서도 성능을 유지하는 최적화 기술을 개발했습니다. AI 모델 및 하드웨어 분야 연구개발 경험이 풍부한 창업팀으로, 2026년 AI 반도체 기업 &#x27;리벨리온&#x27;에 인수됐습니다.</span></p>

                            </div>
                        </div>
                    </div>
                    <script type="text/data" class="__se_module_data" data-module-v2='{"type": "v2_text", "id": "SE-7540df01-edd9-48f7-b85f-8e59a911135e", "data": {"ctype": "text"  }}'></script>
                </div>    </div>
</div>

AI 모델을 4-Bit 이하로 경량화하면서도 성능을 유지하는 최적화 기술을 개발했습니다. AI 모델 및 하드웨어 분야 연구개발 경험이 풍부한 창업팀으로, 2026년 AI 반도체 기업 '리벨리온'에 인수됐습니다.