Les sorciers de l'IA à EXIST 2026 : Apprentissage hiérarchique par étiquettes douces pour l'identification multimodale du sexisme dans les mèmes
AI Wizards at EXIST 2026: Hierarchical Soft-Label Learning for Multimodal Sexism Identification in Memes
July 5, 2026
Auteurs: Matteo Fasulo, Antonio Gravina, Luca Tedeschini, Luca Babboni
cs.AI
Résumé
Nous présentons la soumission des AI Wizards à EXIST 2026 pour l'identification multimodale du sexisme dans les mèmes. La tâche est composée de trois sous-tâches de difficulté croissante. Nous les modélisons hiérarchiquement comme une prédiction à soft labels conditionnelle sur les distributions empiriques des annotateurs. Notre système projette les représentations vision-langage fixes de Gemini Embedding 2 via un MLP à portes léger entraîné avec divergence KL et pondération par incertitude homoscédastique. Nos soumissions se sont classées premières pour la tâche 2.3 et quatrièmes pour les tâches 2.1 et 2.2 sur les classements officiels Soft-Soft. Le code est disponible sur 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