يقدم المؤلفون مشاركة في التحدي المشترك QANTA 2026 ضمن ورشة عمل ICML 2026 حول الإجابة على الأسئلة متعددة الوسائط بكفاءة (EMM-QA)، محققين أعلى درجة في لوحة المتصدرين وهي 0.402.
- يعتمد النظام بنية ثنائية الوكلاء مخصصة للمهمة مصممة لأسئلة على طراز الهرم مع نص وصور تُكشف تدريجياً.
- يستخدم وكيل Tossup نموذجاً من فئة GPT-4o-mini-class مع إجابات معايرة الثقة وسياسة استدلال عددي لتقليل التنبؤات المتعالية على الثقة.
- يستخدم وكيل Bonus نموذجاً من فئة GPT-4o-class مع استدلال واعٍ بالتمهيد، واستدلال علائي مُهيكل، ودمج أدلة متعددة الوسائط.
- يتجنب النهج خطوط أنابيب الاسترجاع أو تجميع النماذج، ويعتمد بدلاً من ذلك على سياسات استدلال فعالة في بيئة مستضافة فقط.
تُظهر النتائج أن استراتيجيات الاستدلال الخفيفة والمخصصة للمهمة يمكن أن توفر أداءً قوياً في معايير الإجابة على الأسئلة متعددة الوسائط المقيدة بالموارد.