본 논문은 Multimodal Large Language Models (MLLMs)의 Chain-of-Thought (CoT) 추론 능력을 향상시키기 위해, 강화 학습(RL) 기반의 post-training 방식을 연구합니다. 특히, 기존 연구가 간과했던 (1) 샘플의 난이도를 측정하는 지표의 부재, (2) 인지 능력과 추론 능력을 함께 최적화하지 못하는 post-training 방식의 문제를 해결하고자 합니다. 이를 위해, 이미지 품질 저하를 통해 샘플 난이도를 측정하는 Progressive Image Semantic Masking (PISM)과, cross-modal 상호 작용 복잡성을 분석하는 Cross-Modality Attention Balance (CMAB)를 제안합니다. 제안된 지표를 활용하여, GRPO-only 및 SFT+GRPO 하이브리드 training 방식을 포함하는 계층적 training framework을 설계하고, 6개의 벤치마크 데이터셋에서 평가합니다. 실험 결과, 전략적 데이터 샘플링이 supervised fine-tuning 없이도 모델 정확도를 향상시키는 것을 확인했습니다.
