연구진은 시각적 추론 능력을 향상시키기 위해 MLLM의 잠재적 상태를 활용하는 CoLVR이라는 새로운 프레임워크를 제안했습니다.
CoLVR은 각도 기반 교란을 활용한 잠재적 대비 학습을 통해 다양한 표현을 학습하고, RL을 활용한 잠재적 경로 대비 보상을 통해 미세 조정된 시각적 추론 과정을 가능하게 합니다.
실험 결과, CoLVR은 VSP에서 5.83%, Jigsaw에서 8.00%의 성능 향상을 보였으며, MMStar 벤치마크에서 3.40%의 이득을 얻었습니다.