본 논문은 대규모 오디오-언어 모델(LALMs)의 발전으로 새롭게 등장한 오디오 질의응답(AQA) 과제에 대해 다룹니다. 기존 AQA 연구는 주로 새로운 데이터셋을 생성하는 데 집중했으나, 고품질 기존 데이터셋 활용에는 미흡했습니다. 이를 해결하고자, 본 논문은 오류 인식 커리큘럼 학습과 유도적 사고 과정 선택(Selective Chain-of-Thought)을 결합한 Omni-CLST 프레임워크를 제안합니다. Omni-CLST는 난이도에 따른 샘플 정렬 및 어려운 경우에 대한 집중적 추론을 통해 기존 고품질 데이터셋을 효율적으로 활용합니다. 실험 결과, Omni-CLST는 MMAU-mini에서 73.80%, MMAR에서 64.30%의 성능을 달성하며 다중 모달 오디오-언어 이해에서 강력한 일반화 능력을 보여줍니다.
