대형 멀티모달 언어 모델
멀티모달 입력(예: 이미지·비디오)과 자연어 출력을 다루는 대형 언어 모델을 가리킨다. 본 논문 맥락에서는 시각적 프레임을 텍스트 프롬프트와 결합해 장기 시퀀스 추론을 수행하는 모델 계열을 의미한다. MLLM의 판단 능력은 TASKER의 비용 함수 평가와 종료 결정에 직접적인 영향을 미친다.
