연구진은 현재의 거대 다중 모드 모델(VLM)이 아동의 언어 학습 능력에 미치지 못하는 자연스러운 시각 정보 처리의 한계를 지적했어요. EgoBabyVLM 챌린지를 통해 약하게 정렬된 자연스러운 시각 데이터를 활용하여 언어 학습이 가능한 모델 개발을 장려할 계획이에요. Machine-DevBench 벤치마크를 활용하여 VLM의 언어 이해 능력을 평가하고, 기존 모델이 훈련 데이터의 정렬에 의존한다는 점을 확인했어요.