Découverte de ROMA de Sentient En regardant le tableau de classement de @SentientAGI, il semble que la qualité des écrits soit également très importante. Donc, je vais parler de ROMA, que je considère comme ayant la plus haute technologie chez Sentient. 1. ROMA n'est pas un modèle d'IA. - ROMA est exactement un système multi-agents, c'est-à-dire un cadre où plusieurs agents d'IA se réfèrent hiérarchiquement et récursivement aux valeurs de chaque agent pour tirer la réponse la plus fiable et précise. En consultant le Readme sur GitHub, on peut généralement voir les relations de base de ces codes, et on utilise les clés API de modèles d'IA comme GPT, Gemini, etc. 2. Alors, quel est le cœur du système ? - C'est la répartition des rôles entre Atomizer, Executor, Planner et Aggregator. Lorsqu'une tâche est donnée, il faut décider si elle sera traitée par un seul ou plusieurs agents (Atomizer), déterminer comment la résoudre (Planner), exécuter selon le plan (Executor) et ensuite agréger (Aggregator) pour retourner la réponse. De plus, il est possible de choisir en option une étape de vérification (Verifier) pour valider la réponse. 3. Est-ce qu'un seul modèle est utilisé ? - Non. En consultant le code Quickstart, on voit que tous les modèles, à l'exception de l'Executor, sont spécifiés individuellement (ex. gpt-4o-mini, gemini-2.5-flash). Ainsi, il semble que plusieurs modèles soient utilisés pour obtenir la meilleure réponse. 4. La réponse est-elle toujours la même ? - Ce n'est pas le cas non plus. Chaque modèle d'IA peut donner des résultats différents pour une même tâche, et cela dépend aussi de la façon dont les paramètres sont ajustés, c'est-à-dire comment le fine-tuning est effectué. Par exemple, le paramètre le plus représentatif, la Temperature, peut avoir une valeur entre 0 et 2, où des valeurs proches de 0 donnent des réponses cohérentes, tandis que des valeurs proches de 2 produisent des réponses variées à chaque essai. En fin de compte, la différence de performance dépendra beaucoup de la façon dont l'utilisateur configure cela. Récemment, j'ai eu l'occasion de développer un agent IA par hasard, et en étudiant tout en faisant tourner l'IA, je pense que ce que j'ai appris semble maintenant plus clair en regardant le code GitHub, alors j'ai décidé d'écrire à ce sujet :)