लेखकों ने SemEval-2026 Task 1 के लिए एक सिस्टम, RAGthoven प्रस्तुत किया जो कम्प्यूटेशनल हास्य सिद्धांत पर आधारित मल्टी-स्टेज लार्ज लैंग्वेज मॉडल पाइपलाइन में क्रिएटिव टेक्स्ट जनरेशन को विघटित करता है। फाइनल कॉन्फ़िगरेशन एक चुने हुए जोक्स कॉर्पस से रेट्रीवल-एगमेंटेड जनरेशन के साथ Planner को बढ़ाता है और एजेंटिक वेरिएंट्स का मूल्यांकन एक नॉन-एजेंटिक बेलाइन के खिलाफ करता है।
- RAGthoven अंग्रेजी, स्पैनिश और चीनी में Gemini 2.5 Flash बेलाइन के साथ रैंक 1 साझा करता है, ओवरलैपिंग कॉन्फिडेंस इंटरवल्स के साथ।
- स्पैनिश में, यह बेलाइन से 42 रॉ एलो पॉइंट्स (1182 बनाम 1140) से आगे है।
- अंग्रेजी (1045 बनाम 1081) और चीनी (1045 बनाम 1053) में, बेलाइन समान सांख्यिकीय टाई के भीतर उच्च रॉ रेटिंग बनाए रखती है।
- ReAct-स्टाइल टूल-कॉलिंग या ऑटोनोमस ऑर्केस्ट्रेशन का उपयोग करने वाले एजेंटिक वेरिएंट्स ने उच्च टूल-कॉल बजेट के बावजूद बेहतर आउटपुट नहीं दिए।
परिणाम सुझाव देते हैं कि एक मजबूत फ्रंटियर मॉडल लूप में होने के बाद, जटिल मल्टी-स्टेज प्रॉम्प्ट इंजीनियरिंग और एजेंटिक सफोल्डिंग से भाषा-निर्भर घटते रिटर्न मिलते हैं।