오디오-비주얼 LLM(AVLLM)은 오디오, 비주얼, 텍스트 정보를 함께 처리하는 강력한 구조로 떠올랐어요. 연구 결과, AVLLM은 주로 '싱크 토큰'에 통합된 오디오-비주얼 정보를 저장하며, 특정 싱크 토큰(크로스모달 싱크 토큰)이 이러한 정보를 전문적으로 담고 있어요. 연구팀은 크로스모달 싱크 토큰에 통합된 크로스모달 정보 의존성을 장려하는 간단한 훈련 없는 환각 완화 방법을 제안했어요.