Los autores presentan RAGthoven, un sistema para SemEval-2026 Task 1 que descompone la generación creativa de texto en un pipeline de modelos de lenguaje grandes de múltiples etapas basado en la teoría computacional del humor. La configuración final augmenta el Planner con generación aumentada por recuperación (RAG) a partir de un corpus de chistes curado y evalúa variantes agénticas frente a una línea base no agéntica.

  • RAGthoven comparte el Puesto 1 con la línea base Gemini 2.5 Flash en inglés, español y chino, con intervalos de confianza superpuestos.
  • En español, lidera a la línea base por 42 puntos Elo brutos (1182 frente a 1140).
  • En inglés (1045 frente a 1081) y chino (1045 frente a 1053), la línea base mantiene una calificación bruta más alta dentro del mismo empate estadístico.
  • Las variantes agénticas que utilizan llamadas de herramientas al estilo ReAct u orquestación autónoma no produjeron salidas superiores a pesar de presupuestos de llamadas de herramientas más altos.

Los resultados sugieren rendimientos decrecientes dependientes del idioma en la ingeniería de prompts multicapa elaborada y el andamiaje agéntico una vez que un modelo de vanguardia fuerte está en el bucle.