تدرس الدراسة ما إذا كان توسيع النطاق أثناء الاختبار (TTS) ينتقل إلى نماذج اللغة والرؤية المفتوحة الصغيرة باستخدام معيار EXAMS-V متعدد اللغات للاختيار من بين خيارات بصرية. تقارن الاتساق الذاتي، ووصف ثم استنتاج مع بحث الحزمة الموجه بواسطة PRM، والمحددات اللاحقة عبر Qwen2.5-VL-7B-Instruct وQwen3.5-4B.
- قابلية التحليل هي العامل الأكبر؛ فقد منع تنسيق المطالبة المبكر الالتزام بالإجابة، والذي تم إصلاحه بإشارة إجابة قياسية خطوة إصلاح موجهة.
- زيادة حد الرموز لكل سلسلة من 1k إلى 2k تعيد 3.7 نقطة مئوية، بينما إضافة المزيد من السلاسل (من 8 إلى 16) تضيف فقط 0.15 نقطة مئوية.
- تساهم الأساليب المعقدة قليلاً بمجرد أن تتمكن السلاسل من الانتهاء؛ يتأخر بحث الحزمة الموجه بواسطة PRM عن الاتساق الذاتي العادي بمقدار 0.39 نقطة مئوية بتكلفة تزيد عن ثماني مرات.
- لا يتفوق أي ناقد توليدي خالٍ من التدريب ولا أي PRM متعدد الوسائط مدرب على التصويت بالأغلبية عبر كلتا السياسات.
- يأتي أكبر مكسب من نموذج السياسة نفسه (+11.4 نقطة مئوية)، حيث وصلت أفضل تكوين إلى 84.1% على ImageCLEF 2026.
يعتقد المؤلفون أن هذا مهم لأن التعديلات البسيطة على تنسيق المطالبة وميزانية فك التشفير تحقق مكاسب كبيرة دون التكلفة العالية لآليات التحقق المعقدة.