लेखकों ने ICML 2026 वर्कशॉप ऑन इफिशिएंट मल्टीमोडल क्वेश्चन एंसरिंग (EMM-QA) पर QANTA 2026 शेअर्ड चैलेंज के लिए एक सबमिशन प्रस्तुत किया, जिसमें 0.402 की सबसे उच्च समग्र लीडरबोर्ड स्कोर हासिल की।
- सिस्टम Tossup और Bonus प्रश्नों के लिए अनुकूलित दो-एजेंट आर्किटेक्चर का उपयोग करता है।
- Tossup एजेंट विश्वास-कैलिब्रेटेड जवाब देने और संख्यात्मक तर्कशीलता को कम करने के लिए ओवरकॉन्फिडेंट भविष्यवाणियों को कम करने के लिए GPT-4o-mini-class का उपयोग करता है।
- Bonus एज सटीक उत्तर चयन के लिए लीडिन-अवेयर तर्कशीलता और मल्टीमोडल प्रमाण एकीकरण के साथ GPT-4o-class का उपयोग करता है।
- दृष्टिकोण रिट्रीवल पाइपलाइनों या मॉडल एनसेंबल्स से बचता है, इसके बजाय होस्टेड-ओनली वातावरण में कुशल तर्क नीतियों पर निर्भर करता है।
परिणाम दिखाते हैं कि हल्के, कार्य-विशिष्ट तर्क रणनीतियाँ संसाधन-सीमित मल्टीमोडल क्वेश्चन एंसरिंग बेंचमार्क्स पर मजबूत प्रदर्शन प्रदान कर सकती हैं।