Les auteurs présentent une soumission au défi partagé QANTA 2026 lors de l'atelier ICML 2026 sur la Réponse aux Questions Multimodales Efficace (EMM-QA), atteignant le meilleur score global du classement de 0,402.

  • Le système utilise une architecture à deux agents adaptée aux questions Tossup et Bonus.
  • L'agent Tossup emploie GPT-4o-mini-class avec une réponse calibrée en confiance et un raisonnement numérique pour réduire les prédictions trop confiantes.
  • L'agent Bonus utilise GPT-4o-class avec un raisonnement conscient du lead-in et une intégration de preuves multimodales pour une sélection précise des réponses.
  • L'approche évite les pipelines de récupération ou les ensembles de modèles, s'appuyant plutôt sur des politiques de raisonnement efficaces dans un environnement hébergé uniquement.

Les résultats démontrent que des stratégies de raisonnement légères et spécifiques à la tâche peuvent offrir de solides performances sur des benchmarks de réponse aux questions multimodales avec des ressources limitées.