Cet article détaille la participation de HULAT2-UC3M à la piste espagnole du MER-TRANS 2026, une tâche partagée sur la traduction facile à lire multilingue. L'équipe a soumis trois exécutions entièrement automatiques comparant un flux de travail multi-agents à une ligne de base linéaire pour évaluer les stratégies de simplification.
- RUN1 et RUN2 ont utilisé un flux de travail multi-agents basé sur LangGraph combinant Gemini 2.5 Flash et RigoChat-7B-v2 avec un routage Event-Condition-Action.
- RUN2 a ajouté une couche de support lexical supplémentaire basée sur un glossaire et des ressources lexicales au flux de travail de base.
- RUN3 a servi de ligne de base en utilisant une approche generate-evaluate-regenerate basée sur RigoChat avec ingénierie de prompt et adaptation basée sur LoRA.
- Les scores SARI officiels ont classé RUN1 premier avec 44,0543 points, suivi de RUN2 à 43,1049 et RUN3 à 38,5136.
Les résultats indiquent que le routage multi-agents guidé par le signal a surpassé la ligne de base de régénération linéaire dans ce contexte de tâche. Cependant, l'ajout d'un support lexical n'a pas automatiquement amélioré les scores basés sur les références, suggérant un besoin d'analyse supplémentaire de la lisibilité et de la cohérence factuelle.