본 논문은 다중 모달 대규모 언어 모델(MLLM)의 지속적 학습(Continual Learning, CL)에 관한 최초의 종합적 검토 논문이다. 440편의 연구 논문을 분석하여 MLLM의 최신 연구 동향, CL의 다양한 접근 방식(단일 모달 비-LLM CL, 다중 모달 비-LLM CL, LLM의 CL), MLLM CL의 현재 상태(벤치마크 평가, 구조적 혁신, 이론적 및 실증적 연구 요약)를 종합적으로 제시한다. 특히, 사전 학습된 MLLM을 동적인 데이터 분포와 다양한 작업에 효율적으로 적용하는 데 있어 발생하는 '파국적 망각' 문제를 해결하기 위한 연구들을 중점적으로 다루며, 향후 연구 방향을 제시한다.
