본 논문은 대규모 추론 모델의 멀티모달 영역 확장에 대한 연구로, 투명하고 재현 가능한 데이터 큐레이션 및 학습 전략 부족 문제를 해결하고자 한다. OpenMMReasoner라는 완전 투명한 2단계 멀티모달 추론 레시피를 제안하며, 지도 학습 미세 조정(SFT)과 강화 학습(RL)을 사용한다. SFT 단계에서는 874K 샘플의 콜드 스타트 데이터셋을 구축하여 추론 능력을 강화하고, RL 단계에서는 74K 샘플 데이터셋을 활용하여 능력을 더욱 향상시키고 안정화시킨다. 제안된 방법은 강력한 기준선을 능가하며, 데이터 품질과 학습 설계가 멀티모달 추론 성능에 미치는 중요한 역할을 강조한다. Qwen2.5-VL-7B-Instruct 기준선 대비 9개의 멀티모달 추론 벤치마크에서 11.6% 향상을 달성했다.
