MLLM on TechLLMhttps://techllm.github.io/tags/mllm/Recent content in MLLM on TechLLMHugokoSat, 05 Sep 2026 07:59:04 +0900이미지 검색 모델이 '빨간 컵이 파란 그릇 왼쪽' 같은 세부 설명을 잘 구분하지 못하는 문제를, 더 똑똑한 모델의 채점표를 가르쳐서 해결한 연구다.https://techllm.github.io/posts/core-improving-compositional-reasoning-in-mllm-embedding-via-reranker/Sat, 05 Sep 2026 07:59:04 +0900https://techllm.github.io/posts/core-improving-compositional-reasoning-in-mllm-embedding-via-reranker/MLLM 기반 임베딩 모델이 '속성-객체 결합' 같은 조합 추론을 잘 못 한다는 사실을, 같은 백본을 재순위(reranker)로 쓰면 정확히 구분된다는 관찰에서 출발한다. 합성된 5단계 난이도 후보 리스트와 Rank-KL 증류로 재순위 모델의 미세한 판단을 임베딩 공간에 이식했고, 8B 규모에서 reranker는 Jina 대비 +10.7점, embedding은 평가 대상 중 최고 평균을 달성했다.Uni-LaViRA — 언어·비전·로봇 행동을 하나로 묶는 제로샷 체화 항법https://techllm.github.io/posts/uni-lavira-language-vision-robot-navigation-zero-shot/Thu, 28 May 2026 13:07:00 +0900https://techllm.github.io/posts/uni-lavira-language-vision-robot-navigation-zero-shot/데이터 없이 네 종류 로봇이 네 종류 탐색 과제를 수행한다. Uni-LaViRA는 MLLM의 자연 출력 공간에 항법 결정 구조를 맞춰 학습 없이 VLN-CE R2R 60.7%, HM3D-v2 77.7%를 달성했다.