System alkhder do zadania ImageEval 2026 wybiera spośród trzech kandydujących stwierdzeń to, które jest wizualnie poprawne dla danego obrazu, pracując w obu kierunkach: angielsko-arabskim. Bazuje on na 7-miliardowym modelu wizyjno-językowym uruchomionym bez specjalistycznego treningu - wszystko w ustawieniu zero-shot, co oznacza wykorzystanie wiedzy już zawartej w modelu bez adaptacji do konkretnego zadania.
Kluczową innowacją jest zastosowanie rotacji Łacińskiego kwadratu do kandydujących wypowiedzi. Tego rodzaju rotacja zmniejsza tendencję modeli do faworyzowania odpowiedzi znajdujących się na konkretnych pozycjach - problem znany jako answer-position bias. Wybór poprawnej odpowiedzi dokonywany jest na podstawie log-prawdopodobieństw następnego tokena, co pozwala modelowi wybrać najbardziej prawdopodobny ciąg słów.
Wyniki są imponujące: system osiągnął CI score 0.0510 na testowym zbiorze angielskim i 0.0960 na arabskim, co stanowiło redukcję współczynnika błędu o 83,7 procent i 80,4 procent odpowiednio w stosunku do oficjalnych baseline'ów 3B. Efektywność tego podejścia pokazuje, że nawet bez specjalistycznego treningu, inteligentne formułowanie problemu i minimalizacja bias mogą prowadzić do istotnie lepszych rezultatów w zadaniach detekcji halucynacji multimodalnych.