본 논문은 다중 모달 대규모 언어 모델(MLLM)의 다중 모달 맥락 내 학습(MICL) 능력 향상에 초점을 맞추고 있습니다. 기존 MLLM들이 시각적 정보 활용에 어려움을 겪고, 텍스트 패턴에 과도하게 의존하여 진정한 다중 모달 적응보다는 단순 텍스트 모방을 하는 경향이 있음을 지적합니다. 이러한 문제를 해결하기 위해, 시각 및 텍스트 토큰 간의 어텐션을 재균형하여 모델이 시각적 맥락에 주목하도록 유도하는 효율적인 미세 조정 전략인 동적 어텐션 재할당(DARA)을 제시합니다. 또한, 정확한 작업 완료를 위해 다중 모달 정보, 특히 시각적 콘텐츠의 통합을 명시적으로 요구하는 MICL 전용 데이터셋인 TrueMICL을 제안합니다. 실험 결과, 제안된 방법이 진정한 다중 모달 맥락 내 학습 능력을 크게 향상시킴을 보여줍니다.
