KI-Wizards bei EXIST 2026: Hierarchisches Soft-Label-Lernen zur multimodalen Sexismus-Identifikation in Memes

Zusammenfassung

Wir präsentieren den Beitrag der AI Wizards zur EXIST 2026 für die multimodale Identifikation von Sexismus in Memes. Die Aufgabe umfasst drei zunehmend schwierigere Teilaufgaben. Wir modellieren sie hierarchisch als bedingte Vorhersage weicher Labels über empirische Annotatorverteilungen. Unser System bildet feste Gemini Embedding 2 Vision-Language-Repräsentationen durch ein leichtes Gated MLP ab, das mit KL-Divergenz und homoskedastischer Gewichtung der Unsicherheit trainiert wird. Unsere Einreichungen belegten den ersten Platz in Aufgabe 2.3 und den vierten Platz in den Aufgaben 2.1 und 2.2 auf den offiziellen Soft-Soft-Bestenlisten. Der Code ist verfügbar unter https://github.com/NLP-AI-Wizards/EXIST-2026.

English

We present the AI Wizards submission to EXIST 2026 for multimodal sexism identification in memes. The task is composed of three, increasingly harder subtasks. We model them hierarchically as conditional soft-label prediction over empirical annotator distributions. Our system maps fixed Gemini Embedding 2 vision-language representations through a lightweight Gated MLP trained with KL divergence and homoscedastic uncertainty weighting. Our submissions ranked first on Task 2.3 and fourth on Tasks 2.1 and 2.2 on the official Soft-Soft leaderboards. The code is available at https://github.com/NLP-AI-Wizards/EXIST-2026