📋 한 줄 요약
**[Native Multimodal Modeling]** NMM 로드맵 — late-fusion에서 mid/early-fusion 기반 native architecture로의 전환 형식화, Multi-to-Text·Multi-to-Target·Multi-to-Multi의 3 카테고리로 input-output duality 통합, end-to-end industrial 파이프라인 정리.
🎯 핵심 기여도
- Multimodal modeling이 modality-agnostic reasoning에서 world modeling으로의 vital 단계임을 강조.
- 초기 접근이 주로 late-fusion(encoder + frozen language backbone + output head 조립)에 의존했지만, 최근 native multimodal modeling(NMM)으로의 patch shift 진행 — modality의 intrinsic integration으로 superior 성능 달성.
- Native architecture의 design space가 insufficiently defined된 상황에서 community에 formalized roadmap 제시.
- Architectural nativity를 formal하게 정의 — mid-fusion·early-fusion을 non-native paradigm과 구분; input-output duality lens로 기존 native model을 3 카테고리로 조직 — (i) Multi-to-Text(cross-modal comprehension with text-only output), (ii) Multi-to-Target(scenario-oriented generation; image/audio/video), (iii) Multi-to-Multi(symmetric input-output unified modeling).
💡 핵심 아이디어
NMM의 정의적 프레임워크는 architectural nativity의 형식 정의(mid/early-fusion vs non-native)와 input-output duality 기반 3 카테고리 분류이며, 산업 관점에서 architectural coordination부터 inference·deployment·evaluation까지 end-to-end 파이프라인을 통합해야 진정한 unified transformer paradigm으로의 전환이 가능하다.
🔬 기술적 접근법
- **방법론**: NMM 로드맵 — architectural nativity formal 정의 + 3 카테고리 분류 + 산업 파이프라인.
- **핵심 기법**: (1) Mid-fusion·early-fusion vs non-native(late-fusion) 구분 정의, (2) Multi-to-Text — cross-modal comprehension with text-only output, (3) Multi-to-Target — image/audio/video generation, (4) Multi-to-Multi — symmetric input-output unified modeling, (5) 산업 perspective의 end-to-end pipeline — architectural coordination·massive data curation·full-stack training recipe·inference & deployment·comprehensive evaluation.
📊 주요 결과
- Native vs non-native paradigm의 명확 구분 제시.
- 3 카테고리로 기존 native model 체계 조직.
- 산업급 investigation으로 end-to-end pipeline 정리.
- Understanding·generation이 unified transformer paradigm 안에 seamless 공존하는 definitive NMM framework 비전 제시.
💭 의의 및 한계
**의의**: NMM 분야의 formal 정의·분류 표준 제공, 산업 관점의 end-to-end 가이드, 학계·산업 양쪽에 reference framework로 기능. **한계**: Position·survey 성격으로 새 실험 결과는 제한적, taxonomy 분류 경계가 빠르게 진화하는 모델에서 흐려질 수 있음, definitive NMM framework 자체는 미래 작업.
🚀 실용적 활용
- Multimodal model 아키텍처 설계 가이드.
- NMM 연구의 분류·비교 표준.
- 산업 LLM·VLM·omni-model 개발 로드맵.