作者提交了参加ICML 2026高效多模态问答（EMM-QA）研讨会上的QANTA 2026共享挑战的参赛作品，在总排行榜上取得了0.402的最高分。

  • 该系统采用针对特定任务的双代理架构，专为具有逐步揭示文本和图像的金字塔式问题而设计。
  • Tossup代理使用GPT-4o-mini类模型，具备置信度校准的回答和数值推理策略，以减少过度自信的预测。
  • Bonus代理利用GPT-4o类模型，具备前导感知推理、结构化关系推理和多模态证据整合。
  • 该方法避免了检索管道或模型集成，而是依赖于仅在托管环境中运行的高效推理策略。

结果表明，轻量级的特定任务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大的性能。