본 연구는 IWSLT 2026 동시 음성 번역 (Simultaneous Speech Translation, SimulST) 트랙의 공유 태스크(shared task)에 참여한 MLLP-VRAIN 연구 그룹의 활동을 기술합니다. 우리의 제출물은 최근 출시된 Parakeet 및 Qwen 3.5 모델을 활용하여, 적응형 "블랙박스 (black-box)" 정책을 통해 긴 형태의 SimulST를 위한 견고한 캐스케이드 (cascaded) 솔루션을 구축합니다. 우리는 더 나은 품질-지연 시간 트레이드오프 (quality-latency trade-offs)를 달성하기 위해 이러한 정책의 완화 (relaxations)를 탐구합니다. 작년과 비교하여, 우리는 모든 언어 방향에 참여합니다. 이에 더해, En$\rightarrow${De, It, Zh} 방향의 경우, 생성 과정을 가이드하고 도메인 특화 문맥 (domain-specific context)으로 시스템을 풍부하게 하기 위해 ASR 워드 부스팅 (word-boosting)과 오프라인 사전 번역 예시 (offline pre-translated exemplars)의 RAG (Retrieval-Augmented Generation) 메커니즘을 결합하여 올해의 새로운 문맥 (context) 트랙에도 참여합니다. 마지막으로, 우리 시스템의 상세한 지연 시간 (latency) 분석을 제공합니다. 작년과 비교했을 때, MCIF En$\rightarrow$De 테스트 세트에서의 결과는 +5.82 XCOMET-XL의 상당한 품질 향상을 보여줍니다. 우리의 문맥 (context) 트랙 처리는 성능을 +1.03 추가로 향상시킵니다.