Les auteurs présentent RAGthoven, un système pour SemEval-2026 Task 1 qui décompose la génération de texte créatif en un pipeline de grands modèles de langage multi-étapes fondé sur la théorie computationnelle de l'humour. La configuration finale augmente le planificateur avec une génération augmentée par récupération (RAG) à partir d'un corpus de blagues curaté et évalue les variantes agentic contre une base non-agentic.
- RAGthoven partage la 1ère place avec la base Gemini 2.5 Flash en anglais, espagnol et chinois, avec des intervalles de confiance superposés.
- En espagnol, il devance la base de 42 points Elo bruts (1182 contre 1140).
- En anglais (1045 contre 1081) et en chinois (1045 contre 1053), la base conserve un rating brut supérieur dans le même tie statistique.
- Les variantes agentic utilisant l'appel d'outils de style ReAct ou l'orchestration autonome n'ont pas produit de sorties supérieures malgré des budgets d'appel d'outils plus élevés.
Les résultats suggèrent des rendements décroissants dépendants de la langue provenant d'une ingénierie de prompt multi-étapes élaborée et d'un échafaudage agentic une fois qu'un modèle frontier fort est dans la boucle.