.@SentientAGI's ROMA v2 a une structure qui divise un grand problème en petites unités, chacune étant traitée par un agent indépendant, puis les résultats sont recombinés. Cela permet au modèle de ne pas avoir à gérer trop d'informations en même temps. De plus, chaque tâche ne traite que les informations nécessaires, ce qui réduit les erreurs et la surcharge. En traitant plusieurs tâches en parallèle, la vitesse augmente également, et il est conçu pour sélectionner automatiquement le modèle nécessaire pour chaque tâche, améliorant ainsi l'efficacité. Cette approche est similaire à la façon dont les humains résolvent des problèmes complexes en divisant le processus et en le traitant dans l'ordre. Cela permet aux agents d'exécuter des tâches à long terme de manière beaucoup plus stable. ---- ROMA v2 réduit considérablement la charge pour les développeurs. Il n'est pas nécessaire d'entraîner des modèles séparés pour créer des agents spécialisés dans des domaines spécifiques. Il permet de les assembler uniquement par la conception de prompts, et gère systématiquement les données et les résultats générés au cours du processus d'exécution pour permettre leur réutilisation. Grâce à cela, le processus de collaboration entre agents est simplifié, et il est devenu plus facile de résoudre des projets complexes en plusieurs étapes. En fin de compte, cela peut être considéré comme une mise à niveau d'un niveau dans la coopération entre plusieurs agents.