Para penulis menyajikan partisipasi dalam tantangan bersama QANTA 2026 di Lokakarya ICML 2026 tentang Penanyaan-Jawaban Multimoda Efisien (EMM-QA), mencapai skor papan peringkat keseluruhan tertinggi sebesar 0,402.
- Sistem ini menggunakan arsitektur dua agen spesifik-tugas yang dirancang untuk pertanyaan bergaya piramida dengan teks dan gambar yang diungkap secara bertahap.
- Agen Tossup menggunakan model kelas GPT-4o-mini-class dengan jawaban terkalibrasi kepercayaan dan kebijakan penalaran numerik untuk mengurangi prediksi yang terlalu percaya diri.
- Agen Bonus memanfaatkan model kelas GPT-4o-class dengan penalaran sadar leadin, penalaran relasional terstruktur, dan integrasi bukti multimoda.
- Pendekatan ini menghindari pipeline pengambilan atau ensambel model, mengandalkan kebijakan penalaran efisien dalam lingkungan yang hanya di-hosting.
Hasilnya menunjukkan bahwa strategi penalaran spesifik-tugas yang ringan dapat memberikan kinerja kuat pada benchmark pertanyaan-jawaban multimoda dengan sumber daya terbatas.