연구진은 다중 모드 모델(UMM)의 interleaved 텍스트-이미지 추론 성능을 강화하는 BRAID 프레임워크를 소개했어요. BRAID는 텍스트와 이미지 생성을 단일 RL 목표로 통합하여 다중 턴 추론을 통일된 마르코프 결정 프로세스(MDP)로 표현해요. 시각적 판단을 위한 VLM 심판을 활용하여 중간 이미지의 추론 유용성을 평가하고, 텍스트 토큰과 이미지 디노이징 경로 모두에 대한 학습을 개선했어요.