연구진은 시각-언어 모델(VLM)의 복잡한 시각적 추론 능력을 향상시키기 위해 뇌 과학에서 영감을 받은 BUS(Brain-Inspired Unsupervised Self-reflection) 프레임워크를 제안했어요.
BUS는 레이블이 없는 데이터만으로 VLM이 자기 성찰을 수행하도록 훈련시켜, 기존 방식의 대량의 주석 데이터 의존성을 없캤어요.
8개 벤치마크 실험 결과, BUS는 기존 모델 대비 성능을 향상시켰으며, 역방향 예측 능력이 VLM 추론에 중요함을 입증했어요.