लेखकों ने ICML 2026 वर्कशॉप ऑन इफिशिएंट मल्टीमोडल क्वेश्चन एंसरिंग (EMM-QA) पर QANTA 2026 शेयर्ड चैलेंज के लिए एक सबमिशन प्रस्तुत किया, जिसमें 0.402 की सर्वोच्च ओवरऑल लीडरबोर्ड स्कोर हासिल की।
- सिस्टम कार्य-विशिष्ट दो-एजेंट आर्किटेक्चर का उपयोग करता है जो क्रमिक रूप से प्रकट होने वाले टेक्स्ट और छवियों के साथ पाइराמיד-शैली के प्रश्नों के लिए डिज़ाइन किया गया है।
- Tossup एजेंट विशवास-कैलिब्रेटेड जवाब देने और अति-विश्वसनीय भविष्यवाणियों को कम करने के लिए संख्यात्मक तर्क नीति के साथ GPT-4o-mini-क्लास मॉडल का उपयोग करता है।
- Bonus एजेंट लीडिन-अवेयर तर्क, संरचित संबंधी तर्क और मल्टीमोडल सबूत एकीकरण के साथ GPT-4o-क्लास मॉडल का उपयोग करता है।
- दृष्टिकोण रिट्रीवल पाइपलाइनों या मॉडल एनसेम्बल्स से बचता है, इसके बजाय केवल होस्टेड वातावरण में कुशल तर्क नीतियों पर निर्भर करता है।
परिणाम दिखाते हैं कि हल्के, कार्य-विशिष्ट तर्क रणनीतियाँ सीमित संसाधनों वाले मल्टीमोडल क्वेश्चन एंसरिंग बेंचमार्क्स पर मजबूत प्रदर्शन प्रदान कर सकती हैं।