Este artículo detalla la participación de HULAT2-UC3M en el rastro español de MER-TRANS 2026, una tarea compartida sobre traducción multilingüe de texto fácil de leer. El equipo presentó tres ejecuciones totalmente automáticas comparando un flujo de trabajo multi-agente frente a una línea base lineal para evaluar estrategias de simplificación.

  • RUN1 y RUN2 utilizaron un flujo de trabajo multi-agente basado en LangGraph combinando Gemini 2.5 Flash y RigoChat-7B-v2 con enrutamiento Event-Condition-Action.
  • RUN2 añadió una capa adicional de soporte léxico basada en un glosario y recursos léxicos al flujo de trabajo base.
  • RUN3 sirvió como línea base utilizando un enfoque generate-evaluate-regenerate basado en RigoChat con ingeniería de prompts y adaptación basada en LoRA.
  • Las puntuaciones SARI oficiales clasificaron a RUN1 en primer lugar con 44.0543 puntos, seguido por RUN2 con 43.1049 y RUN3 con 38.5136.

Los resultados indican que el enrutamiento multi-agente guiado por señales superó a la línea base de regeneración lineal en esta configuración de tarea. Sin embargo, añadir soporte léxico no mejoró automáticamente las puntuaciones basadas en referencias, lo que sugiere la necesidad de un análisis adicional de la legibilidad y la consistencia factual.