AI Wizards op EXIST 2026: hiërarchisch soft-label leren voor multimodale seksisme-identificatie in memes

Samenvatting

Wij presenteren de inzending van AI Wizards voor EXIST 2026 voor multimodale seksisme-identificatie in memes. De taak bestaat uit drie, steeds moeilijkere subtaken. We modelleren ze hiërarchisch als conditionele soft-label voorspelling over empirische annotatorverdelingen. Ons systeem wijst vaste Gemini Embedding 2 visie-taalrepresentaties toe via een lichtgewicht Gated MLP getraind met KL-divergentie en homoscedastische onzekerheidsweging. Onze inzendingen eindigden als eerste op Taak 2.3 en als vierde op Taken 2.1 en 2.2 op de officiële Soft-Soft leaderboards. De code is beschikbaar op 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