Os autores apresentam uma submissão ao desafio compartilhado QANTA 2026 no Workshop ICML 2026 sobre Resposta a Perguntas Multimodais Eficientes (EMM-QA), alcançando a maior pontuação geral na tabela de classificação de 0.402.

  • O sistema usa uma arquitetura de dois agentes adaptada para perguntas Tossup e Bonus.
  • O agente Tossup emprega GPT-4o-mini-class com resposta calibrada por confiança e raciocínio numérico para reduzir previsões excessivamente confiantes.
  • O agente Bonus utiliza GPT-4o-class com raciocínio consciente do contexto inicial e integração de evidência multimodal para seleção precisa da resposta.
  • A abordagem evita pipelines de recuperação ou conjuntos de modelos, confiando em políticas de raciocínio eficientes dentro de um ambiente apenas hospedado.

Os resultados demonstram que estratégias de raciocínio leves e específicas de tarefa podem fornecer desempenho sólido em benchmarks de resposta a perguntas multimodais com recursos limitados.