저자들은 ICML 2026 워크숍의 Efficient Multimodal Question Answering (EMM-QA) 에서 열린 QANTA 2026 공유 챌린지에 제출물을 발표하며, 종합 리더보드 점수 0.402 를 달성했습니다.
- 시스템은 Tossup 및 Bonus 질문에 맞춰진 두 에이전트 아키텍처를 사용합니다.
- Tossup 에이전트는 과도한 자신감 있는 예측을 줄이기 위해 신뢰도 보정된 답변과 수치적 추론을 활용합니다.
- Bonus 에이전트는 정확한 답변 선택을 위해 리드인 인식형 추론과 멀티모달 증거 통합을 활용합니다.
- 이 접근 방식은 검색 파이프라인이나 모델 앙상블을 피하고, 호스팅 전용 환경 내에서 효율적인 추론 정책에 의존합니다.
이 결과는 경량화된 작업별 추론 전략이 자원 제약이 있는 멀티모달 질문 응답 벤치마크에서 강력한 성능을 제공할 수 있음을 보여줍니다.