Een team onderzoekers heeft een innovatief framework genaamd Iris geïntroduceerd dat de besluitvorming van AI-agenten in visuele omgevingen fundamenteel verandert. Het systeem pakt twee grote knelpunten aan: de gevoeligheid voor de volgorde van gepresenteerde opties en de trage verwerkingstijd bij grote hoeveelheden visuele kandidaten.
Het probleem van de 'answer-flip'
In scenario's waar AI-modellen moeten kiezen uit een set visuele opties — zoals bij productaanbevelingen of het navigeren door gebruikersinterfaces — bleken traditionele methoden onbetrouwbaar. Hoewel tekstgebaseerde modellen vaak stabiel reageren, ongeacht de volgorde van de opties, is dit bij multimodale systemen anders.
Volgens een wetenschappelijke publicatie op arxiv.org leiden conventionele methoden van gezamenlijke codering tot een zogenaamde 'answer-flip rate' van 8 tot 10 procent. Dit houdt in dat een AI-model een andere keuze maakt simpelweg omdat de volgorde van de afbeeldingen is gewijzigd, wat de consistentie van de agent ernstig ondermijnt.
De architectuur van Iris
Het Iris-framework is specifiek ontworpen om deze instabiliteit te elimineren. In plaats van alle kandidaten gezamenlijk te verwerken, codeert het systeem elke kandidaat op basis van de aanvraagstatus zonder dat er sprake is van onderlinge interactie via cross-attention.
Deze technische aanpak garandeert dat de volgorde van de opties geen invloed heeft op de uiteindelijke selectie. Onderzoekers, waaronder Fengxin Li, konden aantonen dat Iris strikte volgorde-invariantie behoudt. In tests op een visuele benchmark, gebaseerd op Multimodal-Mind2Web, bleek dat Iris een nauwkeurigheid behaalt die vergelijkbaar is met gezamenlijke codering, maar dan zonder de foutgevoeligheid bij het husselen van de kandidaten, zoals beschreven in de .
Drastische winst in snelheid en efficiëntie
Naast de verbeterde betrouwbaarheid biedt Iris een significante versnelling in de verwerkingstijd. Door het slim hergebruiken van beeldkandidaten over verschillende aanvragen heen via cache-sharing, wordt de latentie drastisch verlaagd.
Uit de data in de blijkt dat dit resulteerde in een versnelling van 37 keer bij 256 kandidaten. Bij een grotere set van 2048 kandidaten liep deze versnelling zelfs op tot 191 keer. Bovendien is er een specifieke optimalisatie doorgevoerd voor Ampere GPU's; door de patch-embedding van Qwen3.5 te herformuleren naar een matrix-productvorm, kon de verwerkingstijd met 350 keer worden versneld.
Superieure prestaties van compacte modellen
De effectiviteit van het framework is verder bewezen via MetaEncoder-benchmarks. De Iris-4B variant presteerde hierbij uitzonderlijk sterk en behaalde een score van 100 procent op zowel de originele als de eenvoudige versies van JevBench.
Opvallend is dat dit relatief kleine model beter presteerde dan aanzienlijk grotere tegenhangers, zoals de 27B OpenJev en de 30B MetaEncoder. Hiermee bewijst Iris dat een efficiënte architectuur belangrijker kan zijn dan pure modelgrootte voor consistente visuele besluitvorming. De volledige resultaten en de bijbehorende code werden op 24 oktober 2026 beschikbaar gesteld via .