作者提交了 ICML 2026 高效多模态问答（EMM-QA）研讨会上的 QANTA 2026 共享挑战参赛方案，取得了 0.402 的最高综合排行榜得分。
- 该系统采用针对 Tossup 和 Bonus 问题定制的双智能体架构。
- Tossup 智能体使用 GPT-4o-mini-class，结合置信度校准回答和数值推理，以减少过度自信的预测。
- Bonus 智能体利用 GPT-4o-class，通过感知前导的推理和多模态证据整合实现准确的回答选择。
- 该方法避免了检索管道或模型集成，而是依赖仅托管环境内的高效推理策略。
结果表明，轻量级的任务专用推理策略可以在资源受限的多模态问答基准测试中提供强劲的性能。