.@SentientAGI:s ROMA v2 har en struktur som bryter ner stora problem i mindre enheter, som var och en hanteras av en oberoende agent, och sedan sammanställer resultaten igen. På så sätt behöver modellen inte oroa sig för för mycket information på en gång. Dessutom täcker varje uppgift bara nödvändig information, vilket minskar misstag och överbelastning. Eftersom flera uppgifter bearbetas parallellt samtidigt är hastigheten också snabbare, och designen väljer automatiskt den modell som behövs för varje uppgift, vilket också förbättrar effektiviteten. Detta tillvägagångssätt liknar det sätt på vilket människor löser komplexa problem, delar upp processen och hanterar den i ordning. Det gör det möjligt för agenter att utföra långsiktiga uppgifter med mycket mer tillförlitlighet. ---- ROMA v2 minskar avsevärt bördan på utvecklarnas sida. Du behöver inte träna en modell för att skapa en specifik domänspecifik agent. Vi gjorde det möjligt att montera den med bara en snabb design och hanterade systematiskt de data och resultat som skapades under exekveringsprocessen för att göra den återanvändbar. Detta gör samarbetsprocessen mellan agenter renare och lättare att lösa komplexa projekt i flera steg. I slutändan kan detta ses som ett steg upp från skalningen av samarbete med flera agenter.