저자들은 ICML 2026 워크숍의 효율적 멀티모달 질문 답변(EMM-QA) 공동 과제인 QANTA 2026에 제출한 결과를 발표하며, 종합 리더보드 점수 0.402라는 최고 기록을 달성했습니다.

  • 이 시스템은 단계적으로 공개되는 텍스트와 이미지를 위한 피라미드 형식 질문에 설계된 작업 특화 2에이전트 아키텍처를 사용합니다.
  • Tossup 에이전트는 GPT-4o-mini-class 모델을 사용하며, 신뢰도 보정된 답변과 수치적 추론 정책을 통해 과신 예측을 줄입니다.
  • Bonus 에이전트는 GPT-4o-class 모델을 사용하며, 리드인 인식 추론, 구조화된 관계적 추론 및 멀티모달 증거 통합을 활용합니다.
  • 이 접근 방식은 검색 파이프라인이나 모델 앙상블을 피하고 호스팅 전용 환경 내에서 효율적인 추론 정책에 의존합니다.

이 결과는 경량 작업 특화 추론 전략이 자원 제약이 있는 멀티모달 질문 답변 벤치마크에서 강력한 성능을 제공할 수 있음을 보여줍니다.