著者らは、SemEval-2026 Task 1向けのシステムであるRAGthovenを発表した。これは、計算機ユーモア理論に基づき、創造的なテキスト生成を多段階の大規模言語モデルパイプラインに分解する。最終構成では、プランナーにキュレーションされたジョークコーパスからの検索拡張型生成（RAG）を追加し、エージェント型バリアントを非エージェント型のベースラインと比較評価している。

  • RAGthovenは、英語、スペイン語、中国語においてGemini 2.5 Flashのベースラインとランク1を共有しており、信頼区間が重なっている。
  • スペイン語では、ベースラインを純エロポイントで42点上回り（1182対1140）、首位となっている。
  • 英語（1045対1081）および中国語（1045対1053）では、同じ統計的タイの中でベースラインがより高い純レーティングを維持している。
  • ReActスタイルのツール呼び出しや自律的なオーケストレーションを使用するエージェント型バリアントは、より高いツール呼び出し予算にもかかわらず、優れた出力を生み出さなかった。

これらの結果は、強力なフロンティアモデルがループ内にある場合、洗練された多段階プロンプトエンジニアリングおよびエージェント型の足場から、言語依存性の逓減効果が生じることを示唆している。