Para penulis menyajikan RAGthoven, sebuah sistem untuk SemEval-2026 Task 1 yang menguraikan generasi teks kreatif ke dalam pipeline model bahasa besar multi-tahap yang berlandaskan teori humor komputasi. Konfigurasi akhir meningkatkan Perencana dengan generasi yang diperkaya pengambilan dari korpus lelucon kurasi dan mengevaluasi varian agentic terhadap baseline non-agentic.
- RAGthoven berbagi Peringkat 1 dengan baseline Gemini 2.5 Flash dalam bahasa Inggris, Spanyol, dan Mandarin, dengan interval kepercayaan yang tumpang tindih.
- Dalam bahasa Spanyol, ia memimpin baseline sebesar 42 poin Elo mentah (1182 vs. 1140).
- Dalam bahasa Inggris (1045 vs. 1081) dan Mandarin (1045 vs. 1053), baseline memegang rating mentah yang lebih tinggi dalam ikatan statistik yang sama.
- Varian agentic yang menggunakan pemanggilan alat bergaya ReAct atau orkestrasi otonom tidak menghasilkan output yang lebih unggul meskipun memiliki anggaran pemanggilan alat yang lebih tinggi.
Hasil-hasil tersebut menunjukkan pengembalian yang menurun tergantung bahasa dari rekayasa prompt multi-tahap yang rumit dan perancah agentic setelah model frontier yang kuat berada dalam loop.