La pieza de infraestructura de IA que estoy observando en este momento es ROMA de @SentientAGI, un backbone multi-agente totalmente abierto que realmente escala el razonamiento a largo plazo sin colapsar en errores acumulativos.
Lo que hace, en palabras simples: ▸ Divide las tareas grandes en un árbol de subtareas ▸ Asigna cada nodo al agente/herramienta correcta ▸ Ejecuta partes en paralelo para mayor velocidad ▸ Rastrear cada paso para que puedas depurar y cambiar modelos sobre la marcha
Módulos principales: → Atomizador: decidir si/dónde dividir → Planificador: mapear los subobjetivos → Executor: llamar a agentes/herramientas en paralelo → Agregador: sintetizar la respuesta final
Los recibos importan, al igual que los puntos de referencia: ▸ MARCOS: 81.7% ▸ SimpleQA: 93.9% ▸ SEAL‑Q: 45.6% SOTA para sistemas abiertos, compitiendo con motores de investigación cerrados
Por qué esto aterriza: ▸ Canales transparentes en lugar de cadenas de pensamiento ocultas ▸ Agnóstico de modelo/herramienta, conecta cualquier cosa ▸ Ganchos de verificación humana cuando cuenta ▸ La investigación profunda se vuelve repetible, auditable, rápida
Y esto se apila con el resto de la pila Sentient: ▸ Huellas dactilares para demostrar la propiedad y alineación de la comunidad ▸ Sentient Chat integrando ROMA Search ▸ La RED atrayendo señales de datos ricos para agentes
Clona el repositorio, envía un agente, conecta tu LLM/herramientas favoritas y observa cómo la AGI abierta pasa de vibras a resultados verificables.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
La pieza de infraestructura de IA que estoy observando en este momento es ROMA de @SentientAGI, un backbone multi-agente totalmente abierto que realmente escala el razonamiento a largo plazo sin colapsar en errores acumulativos.
Lo que hace, en palabras simples:
▸ Divide las tareas grandes en un árbol de subtareas
▸ Asigna cada nodo al agente/herramienta correcta
▸ Ejecuta partes en paralelo para mayor velocidad
▸ Rastrear cada paso para que puedas depurar y cambiar modelos sobre la marcha
Módulos principales:
→ Atomizador: decidir si/dónde dividir
→ Planificador: mapear los subobjetivos
→ Executor: llamar a agentes/herramientas en paralelo
→ Agregador: sintetizar la respuesta final
Los recibos importan, al igual que los puntos de referencia:
▸ MARCOS: 81.7%
▸ SimpleQA: 93.9%
▸ SEAL‑Q: 45.6%
SOTA para sistemas abiertos, compitiendo con motores de investigación cerrados
Por qué esto aterriza:
▸ Canales transparentes en lugar de cadenas de pensamiento ocultas
▸ Agnóstico de modelo/herramienta, conecta cualquier cosa
▸ Ganchos de verificación humana cuando cuenta
▸ La investigación profunda se vuelve repetible, auditable, rápida
Y esto se apila con el resto de la pila Sentient:
▸ Huellas dactilares para demostrar la propiedad y alineación de la comunidad
▸ Sentient Chat integrando ROMA Search
▸ La RED atrayendo señales de datos ricos para agentes
Clona el repositorio, envía un agente, conecta tu LLM/herramientas favoritas y observa cómo la AGI abierta pasa de vibras a resultados verificables.