Para penulis menyajikan sebuah partisipasi dalam tantangan bersama QANTA 2026 pada Workshop ICML 2026 tentang Efficient Multimodal Question Answering (EMM-QA), mencapai skor papan peringkat keseluruhan tertinggi sebesar 0,402.
- Sistem ini menggunakan arsitektur dua agen yang disesuaikan untuk pertanyaan Tossup dan Bonus.
- Agen Tossup memanfaatkan GPT-4o-mini-class dengan jawaban yang dikalibrasi kepercayaannya dan penalaran numerik untuk mengurangi prediksi yang terlalu percaya diri.
- Agen Bonus memanfaatkan GPT-4o-class dengan penalaran sadar lead-in dan integrasi bukti multimodal untuk pemilihan jawaban yang akurat.
- Pendekatan ini menghindari pipeline pengambilan atau ensambel model, melainkan mengandalkan kebijakan penalaran efisien dalam lingkungan yang hanya di-hosting.
Hasilnya menunjukkan bahwa strategi penalaran tugas-spesifik yang ringan dapat memberikan kinerja yang kuat pada benchmark pertanyaan multimodal dengan sumber daya terbatas.