.@SentientAGI de ROMA v2 tiene una estructura que divide un gran problema en unidades más pequeñas, las cuales son manejadas por agentes independientes, y luego combina los resultados nuevamente. De esta manera, el modelo no tiene que lidiar con demasiada información a la vez. Además, cada tarea solo maneja la información necesaria, lo que reduce errores y sobrecargas. Al mismo tiempo, al procesar múltiples tareas en paralelo, la velocidad también aumenta, y está diseñado para seleccionar automáticamente el modelo necesario para cada tarea, mejorando así la eficiencia. Este enfoque es similar a la forma en que los humanos resuelven problemas complejos, dividiendo el proceso y manejándolo en orden. Permite que los agentes realicen tareas a largo plazo de manera mucho más estable. ---- ROMA v2 reduce significativamente la carga desde la perspectiva del desarrollador. No es necesario entrenar modelos por separado para crear agentes especializados en un campo específico. Se puede ensamblar solo con el diseño de prompts, y se gestiona de manera sistemática la información y los resultados generados durante el proceso de ejecución, permitiendo su reutilización. Gracias a esto, el proceso de colaboración entre agentes se vuelve más limpio, y es más fácil dividir proyectos complejos en varias etapas para resolverlos. En última instancia, esto puede considerarse una mejora en la parte de colaboración de múltiples agentes.