연구진은 다중 모드 임베딩에서 CoT(Chain-of-Thought) 추론의 높은 계산 비용과 CoT 어노테이션 품질 의존성 문제를 해결하기 위해 LaME(Latent Reasoning Multimodal Embedding)를 제안했어요.
LaME는 학습 가능한 이유 토큰을 활용하여 단일 패스 내에서 잠재 공간 추론을 수행하며, CoT 어노테이션 없이도 효과적인 임베딩 추론이 가능하도록 설계됐어요.
MMEB-v2 및 MRMR 데이터셋에서 LaME는 기존 CoT 모델보다 경쟁력 있는 성능을 보이며, 기존 방식보다 60배 빠른 추론 속도를 제공해요.