비추론 모델 + ttc 붙은게 현 추론 모델 아님??


암튼 학습이 완료된 시점에서 시각 인코더는 동일할텐데 text 토큰만 주구장창 내뱉는 방식으로 시각 능력이 개선되는게 신기 한 것 같음