Sentient ROMA ontleden @SentientAGI De ranglijst laat zien dat de kwaliteit van de teksten ook behoorlijk belangrijk lijkt te zijn. Daarom ga ik schrijven over ROMA, waarvan ik denk dat het de hoogste technische vaardigheden heeft binnen Sentient. 1. ROMA is geen AI-model. - ROMA is precies een Multi-agent, dat wil zeggen, een framework waarin meerdere AI-agenten hiërarchisch en recursief de waarden van elkaar raadplegen om de meest betrouwbare en nauwkeurige antwoorden te genereren. In de GitHub Readme kun je meestal de basisrelaties van die codes zien, en we gebruiken de API-sleutels van AI-modellen zoals GPT en Gemini. 2. Wat is de kern? - Het draait allemaal om de rolverdeling van Atomizer, Executor, Planner en Aggregator. Wanneer een taak wordt gegeven, wordt eerst bepaald of deze als één of meerdere moet worden behandeld (Atomizer), daarna wordt besloten hoe deze moet worden opgelost (Planner), vervolgens wordt het uitgevoerd zoals gepland (Executor) en tenslotte wordt het samengevoegd (Aggregator) om het antwoord terug te geven. Daarnaast is er ook een optie om een verificator (Verifier) toe te voegen om het antwoord te controleren. 3. Wordt er slechts één model gebruikt? - Nee. Als je de Quickstart-code bekijkt, zie je dat, behalve de Executor, elk model afzonderlijk wordt vermeld (bijv. gpt-4o-mini, gemini-2.5-flash). Het lijkt erop dat er meerdere modellen worden gebruikt om het beste antwoord te genereren. 4. Is het antwoord altijd hetzelfde? - Ook dit is niet het geval. Elk AI-model heeft verschillende uitvoeringsresultaten voor dezelfde taak, en het hangt af van hoe de parameters worden aangepast, dat wil zeggen, hoe de fine-tuning wordt uitgevoerd. Bijvoorbeeld, de meest representatieve parameter, Temperature, heeft waarden van 0-2, waarbij antwoorden dichter bij 0 consistenter zijn en antwoorden dichter bij 2 variabeler zijn. Uiteindelijk lijkt het erop dat de prestaties sterk afhankelijk zijn van hoe de gebruiker dit instelt. Onlangs had ik toevallig de kans om een AI-agent te ontwikkelen, en terwijl ik dat deed, leerde ik veel. Nu, kijkend naar de GitHub-code, lijkt het alsof ik een idee heb van wat ik heb geleerd, dus ik heb het opgeschreven :)