Штучний інтелект має недоліки за своєю конструкцією. Не через злий умисел чи щось інше, а тому, що воно моделює реальність, а реальність є імовірнісною. Істиною стає те, що вирішать ваги. У цьому проблема LLM, вони просто прогнозують наступний токен. Дотримуючись лінійних шаблонів для запитів, він зіставляє, розпізнає, відображає відповіді, які підходять. Ви просите три пункти; Це дає чотири. Чому так? Спрацьовує упередженість параметричних знань: сильні навчальні дані перекривають слабкі запити, об'єднуючи джерела, поки модель не повірить у власне стиснення світу. Ви коли-небудь запитували штучний інтелект і отримували відповідь: «Я не знаю» Це рідкісне явище або, можливо, ніколи не траплялося. Тому що така концепція для них не помічається. Здається, вони знають все навіть у темі, яка виходить за межі їхньої компетенції. Штучний інтелект розробляє систему, засновану на принципах нейроморфних обчислень, яка імітує фізичний механізм людської пам'яті та сумнівів. Жертвою таких обставин зазвичай стають складні питання – їх зустрічають приголомшливі галюцинації. Чому? >> Помилка складання в її етапах >> Відсутність структури проблеми >> Нерелевантне відволікання контексту У @SentientAGI є рішення - ROMA [Recursive Open Meta Agent] → The orchestrator. У грі із завданнями на довгий горизонт структура має більше значення, ніж інтелект. ROMA розуміє це, тому використовує рекурсивно-ієрархічний ланцюг команд, який підтримує контекстний потік. Як працює ROMA - фінальний бос для вирішення завдань на довгі горизонти? ROMA надає агентам рекурсивний каркас — ієрархічне дерево завдань, яке контролює потоки контексту. Як тільки потік контексту порушується, закрадається анархія. Таким чином, ROMA зобов'язаний керувати потоком контексту. Щоб ефективно впоратися з цим, ROMA; Відокремлює та розкладає завдання окремим субагентам, відомим як вузли, особливо завдання, які він вважає складними. Назвемо ROMA – менеджер зі штучним інтелектом, який керує іншими штучними інтелектами. На простому малюнку ось структура: Батьківські вузли: високорівневі агенти, які отримують вашу комплексну мету. => Вони розбивають його на підзадачі та передають їх дочірнім вузлам (простішим агентам/інструментам). => Дочірні вузли вирішують свою частину, надсилають результати назад на батьківські вузли. => Батьківські вузли агрегують розв'язки та об'єднують їх у кінцеву відповідь. Питання вирішено! Чотири типи вузлів, які керують системою ROMA: >> Атомайзер – Визначальний кивок. Оцініть поставлене завдання. Визначає, чи достатньо вони прості у виконанні? Або йому потрібне розкладання? >> Planner – якщо завдання потребує декомпозиції – розбиває складні цілі на підзадачі. Кожна підзадача стає дочірнім вузлом. Завдання можуть виконуватися послідовно (коли залежні) або паралельно (коли незалежні). >> Виконавець – Виконує роботу. Дзвінки, інструменти, оператори, API. Передає виходи вгору або вниз по дереву за потреби. >> агрегатор – збирає результати з дочірніх вузлів, перевіряє узгодженість, синтезує остаточну відповідь. Ось повна ілюстрація 👇 Запитання: «Скільки фільмів з бюджетом $350 млн+ не були найкасовішими за рік випуску?» Процес роботи РОМА: 1/ Перевірки атомайзера - Визначальний вузол. Занадто складно для одного кроку? У хід входить атомайзер. 2/ Планувальник. Мета занадто складна? Заходить планувальник, розкладає: Підзавдання 1: Знайти всі фільми на $350M+ (назви, бюджети, роки) Підзавдання 2: Знайдіть найкасовіші фільми за рік Підзавдання 3: Перехресне посилання та фільтр 3/ Виконавці виконують кожну підзадачу (пошукові API, моделі екстракції) 4. Агрегатор синтезує: чистий список фільмів за критеріями відповідності. Окрім формул рекурсивного циклу вузлів ROMA, це додало додатковий рівень ясності для ussr & builders. Людина в циклі = втручання користувача. Властива функція механізму зворотного зв'язку, яка дозволяє безопускно надавати користувачам можливість поставити мат умові їхнього запиту. Це відбувається відразу після етапу планування. "Я знайшов ці факти. Чи мають вони рацію? Я планував ці підстеки - чи відповідають вони тому, що ви хочете? Це дозволяє користувачеві виправляти, редагувати або додавати контексти, перш ніж агент продовжить.

Трасування етапів - для будівельників Для розробника, побудови або налагодження агента. Поетапне простежування виявляє внутрішнє міркування: >> Які вхідні дані отримав цей вузол? >> Яку продукцію вона виробляла? >> Де контекст загубився або спотворився? Цю прозорість забудовник використовує для: >> Діагностувати, де трапляються збої. >> Уточнення підказок на конкретних вузлах >> Поміняйте місцями неефективних агентів/інструментів. Ця функція допомагає користувачам виявляти помилки в режимі реального часу, а будівельникам виправляти систематичні проблеми на архітектурному рівні. Використання в реальному світі Пошук ROMA як доказ концепції, що використовує всю архітектуру ROMA з його SEAL-0, тестом для складного тесту міркувань з кількома джерелами, який обмежений точністю 45,6% (сучасний рівень), попередній найкращий (Kimi Researcher): 36%, Gemini 2.5 Pro: 19,8%, найкращий конкурент з відкритим вихідним кодом: 8,9%.