본 연구는 Vision-Language Model(VLM)에 LLM의 전문 지식을 융합하여 새로운 교차 모달 능력을 부여하는 기술인 '교차 모달 기술 주입'을 분석했어요. 연구 결과, 교차 모달 기술 주입은 지시 따르기, 다국어 설정에서는 효과적이지만 수학적 추론에는 어려움을 겪는 것으로 나타났어요. TA, DARE와 같은 기존 방법이 다른 융합 방식보다 성능이 우수했으며, 하이퍼파라미터 튜닝이 중요 요소임을 확인했어요.