다중 모드(modalities)를 통합하는 파운데이션 모델(FMs)이 여러 모드 간의 상호 작용과 관계를 이해하고, 충돌하는 정보를 처리하는 능력을 평가하는 연구. 실험 결과, FMs는 단일 모드 내에서는 충돌을 잘 인식하지만, 여러 모드에 정보가 분산될 경우 충돌 인식 능력이 급격히 저하됨. 이는 크로스 모달(cross-modal) 어텐션 불균형으로 인해 특정 모드에 과도하게 집중하기 때문이며, 크로스 모달 추론을 명시적으로 요구하는 훈련 데이터가 부족하기 때문임. 훈련 인스턴스 내에서 여러 모드를 명시적으로 결합하는 간단한 방법으로 어텐션 불균형을 줄이고, 다운스트림 성능을 향상시킬 수 있음을 보임.