연구진은 연합 학습 환경에서 LLM을 효율적으로 미세 조정하기 위해 Fisher 기반 토큰 양자화 시스템인 Fed-FSTQ를 제안했어요. Fed-FSTQ는 토큰 중요도를 추정하여 중요 정보는 고품질로, 불필요한 정보는 압축하여 통신량을 줄여요. 실험 결과, Fed-FSTQ는 기존 방식 대비 통신량을 46배 줄이고, 추론 속도를 최대 1.55배 향상시켜 엣지 디바이스에서 활용 가능성을 입증했어요.