Unified Multimodal Models (UMMs)은 단일 아키텍처로 이해 및 생성을 모두 수행하지만, 이해는 압축된 임베딩을 선호하고 생성은 재구성이 풍부한 표현을 선호하는 근본적인 불일치를 보인다. 이 구조적 trade-off는 잘못 정렬된 결정 경계, 교차 모달 일관성 저하, 분포 및 적대적 변화에 대한 취약성을 야기한다. 본 논문에서는 이러한 불일치를 직접적으로 해결하는 self-adversarial post-training 프레임워크인 UniGame을 제시한다. 공유 토큰 인터페이스에 경량 perturber를 적용하여 생성 branch가 취약한 이해를 적극적으로 찾아내도록 함으로써 모델 자체를 자체의 적으로 만든다. UniGame은 일관성을 크게 향상시키고, 이해, 생성, out-of-distribution 및 adversarial robustness를 향상시킨다. 이 프레임워크는 아키텍처에 구애받지 않으며, 1% 미만의 추가 파라미터를 도입하고 기존 post-training 방법에 보완적이다.
