본 논문은 보험 분야에서의 대규모 비전-언어 모델(LVLMs) 및 다중 모달 대규모 언어 모델(MLLMs)의 잠재력을 탐구합니다. 기존 연구의 부재를 지적하며, 자동차, 부동산, 건강, 농업 등 4가지 주요 보험 유형에 대한 다양한 다중 모달 작업을 체계적으로 검토하고 분류합니다. 이를 위해 보험 분야에 특화된 최초의 계층적 벤치마크인 INS-MMBench를 제시합니다. INS-MMBench는 22개의 기본 작업, 12개의 메타 작업, 5개의 시나리오 작업으로 구성되어 기본 기능부터 실제 사용 사례까지 포괄적이고 점진적인 평가를 가능하게 합니다. GPT-4o, LLaVA 등 11개의 주요 LVLMs를 벤치마킹하여 INS-MMBench의 효과성을 검증하고, 다양한 보험 관련 다중 모달 작업에서 현재 LVLMs의 강점과 한계에 대한 자세한 통찰력을 제공합니다. 본 연구는 INS-MMBench를 통해 LVLMs의 보험 산업 통합을 가속화하고 학제 간 연구를 촉진하고자 합니다. 데이터셋과 평가 코드는 GitHub에서 공개합니다.
