Este artigo detalha a participação do HULAT2-UC3M na trilha espanhola do MER-TRANS 2026, uma tarefa compartilhada sobre tradução multilíngue de texto fácil de ler. A equipe submeteu três execuções totalmente automáticas comparando um fluxo de trabalho multi-agente contra uma linha de base linear para avaliar estratégias de simplificação.

  • RUN1 e RUN2 utilizaram um fluxo de trabalho multi-agente baseado em LangGraph combinando Gemini 2.5 Flash e RigoChat-7B-v2 com roteamento Event-Condition-Action.
  • RUN2 adicionou uma camada adicional de suporte léxico baseada em um glossário e recursos léxicos ao fluxo de trabalho base.
  • RUN3 serviu como linha de base usando uma abordagem generate-evaluate-regenerate baseada no RigoChat com engenharia de prompts e adaptação baseada em LoRA.
  • As pontuações SARI oficiais classificaram o RUN1 em primeiro lugar com 44.0543 pontos, seguido pelo RUN2 com 43.1049 e RUN3 com 38.5136.

Os resultados indicam que o roteamento multi-agente guiado por sinais superou a linha de base de regeneração linear nesta configuração de tarefa. No entanto, adicionar suporte léxico não melhorou automaticamente as pontuações baseadas em referência, sugerindo a necessidade de uma análise adicional da legibilidade e consistência factual.