.@SentientAGI di ROMA v2 ha una struttura che suddivide un grande problema in unità più piccole, gestite da agenti indipendenti, per poi riunire i risultati. In questo modo, il modello non deve affrontare troppi dati contemporaneamente. Inoltre, ogni compito si occupa solo delle informazioni necessarie, riducendo errori e sovraccarichi. Poiché più compiti vengono elaborati in parallelo, la velocità aumenta e il sistema è progettato per selezionare automaticamente il modello necessario per ogni compito, migliorando così l'efficienza. Questo approccio è simile al modo in cui gli esseri umani risolvono problemi complessi, suddividendo il processo e affrontandolo in ordine. Gli agenti possono quindi svolgere compiti a lungo termine in modo molto più stabile. ---- ROMA v2 riduce notevolmente il carico per gli sviluppatori. Non è necessario addestrare modelli separati per creare agenti specializzati in determinati settori. È possibile assemblarli semplicemente progettando i prompt e gestendo sistematicamente i dati e i risultati generati durante il processo di esecuzione, rendendoli riutilizzabili. Grazie a ciò, il processo di collaborazione tra agenti è diventato più fluido e risolvere progetti complessi è diventato più semplice suddividendoli in più fasi. In definitiva, si può dire che questo ha aggiornato un passo nella cooperazione tra più agenti per l'espansione.