ROMA: Recursive Open Meta-Agent Framework for Long-Horizon Multi-Agent Systems
Het ROMA-framework introduceert een recursieve, modulaire multi-agent architectuur met gestructureerde taakdecompositie en aggregatie, gecombineerd met GEPA+ voor promptoptimalisatie, om de prestaties en interpretatie van lange-horizon taken te verbeteren zonder fijnafstemming.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een enorm complex bouwwerk moet neerzetten, zoals een kathedraal, maar je hebt slechts één bouwvakker die alles in één keer moet doen. Die persoon raakt snel overweldigd, vergeet details, en als er ergens een fout zit, is het bijna onmogelijk om te vinden waar het misging.
Dit is precies het probleem met de huidige kunstmatige intelligentie (AI) als ze te lange en ingewikkelde taken moeten uitvoeren. Ze raken verward, hun "werkgeheugen" raakt vol, en ze maken fouten die moeilijk te traceren zijn.
De auteurs van dit paper hebben een oplossing bedacht genaamd ROMA. Laten we uitleggen wat dit is, zonder de moeilijke technische termen.
ROMA: De Meesterbouwmeester met een Team
ROMA is geen enkele robot die alles probeert te doen. Het is meer een slimme projectmanager die een team van gespecialiseerde werknemers aanstuurt. In plaats van één persoon die probeert een heel boek te schrijven of een heel onderzoek te doen, breekt ROMA het probleem op in kleine, hanteerbare stukjes.
Hier is hoe het werkt, met een analogie uit het dagelijks leven:
1. De Vier Rollen in het Team
ROMA gebruikt vier specifieke rollen, net als in een goed georganiseerd bedrijf:
- De Atomizer (De Sorteerder):
- Wat doet hij? Hij kijkt naar de opdracht en vraagt zich af: "Is dit een simpele taak die ik direct kan doen, of is het te groot?"
- Analogie: Stel je voor dat je een grote pizza moet bestellen. De Sorteerder kijkt of je gewoon "een pizza" wilt (simpel) of een "feestmaaltijd voor 50 personen" (complex). Als het simpel is, geeft hij het direct door aan de kok. Als het complex is, zegt hij: "Nee, dit moeten we opsplitsen."
- De Planner (De Architect):
- Wat doet hij? Als de taak te groot is, tekent hij een blauwdruk. Hij breekt het grote probleem op in kleinere, logische stappen die op elkaar kunnen wachten of tegelijkertijd kunnen gebeuren.
- Analogie: Hij maakt een bouwplan voor de kathedraal. Eerst de fundering, dan de muren, dan het dak. Hij zorgt dat de metselaars niet beginnen met het dak voordat de muren staan.
- De Executor (De Vakmensen):
- Wat doen zij? Zij voeren de kleine taken uit. Omdat ROMA slim is, kan hij verschillende soorten vakmensen gebruiken: een snelle, goedkope AI voor simpele zoekopdrachten en een zeer slimme (maar dure) AI voor complexe redeneringen.
- Analogie: De metselaars, de timmerlieden en de glazeniers. Ze werken parallel aan hun eigen stukje van de muur of het raam.
- De Aggregator (De Kwaliteitscontroleur):
- Wat doet hij? Zodra de vakmensen klaar zijn, pakt hij hun werk op, controleert het, vat het samen en zorgt dat het past in het grotere plaatje. Hij zorgt dat de muren niet scheef staan en dat het dak er mooi op ligt.
- Analogie: De hoofdbouwmeester die alle losse stukken controleert en samenvoegt tot één perfect bouwwerk. Als er een fout is, ziet hij direct welk vakman het heeft gemaakt.
2. Waarom is dit zo slim?
- Geen "Vergeten" Details: Normale AI's vergeten vaak wat ze eerder hebben gezegd als de tekst te lang wordt (het "contextvenster" raakt vol). ROMA houdt dit in toom door de grote taak in kleine stukjes te hakken. Elke vakman werkt alleen aan zijn eigen stukje, en de Kwaliteitscontroleur vat het samen voordat het naar de volgende stap gaat.
- Transparantie: Als er iets misgaat, kun je precies zien waar. Was het de Architect die een slecht plan maakte? Of de Metselaar die de verkeerde steen gebruikte? Bij ROMA zie je de hele "bouwgeschiedenis".
- Flexibiliteit: Je kunt de "vakmensen" wisselen. Voor een simpele taak gebruik je een snelle, goedkope robot. Voor een moeilijke taak schakel je de super-intelligente, dure robot in.
3. De "GEPA+" Magie: De Slimme Trainer
De auteurs hebben ook een truc bedacht om de instructies voor deze teamleden te verbeteren, zonder dat ze de AI opnieuw hoeven te trainen (wat heel duur en moeilijk is). Ze noemen dit GEPA+.
- Hoe werkt het? Stel je voor dat je een sportteam hebt. In plaats van de spelers zelf te trainen, laat je een groep trainers (andere AI's) verschillende trainingsplannen bedenken. Ze testen deze plannen, kijken welke het beste werkt, en smelten de beste ideeën samen tot één super-plan.
- Het resultaat: De instructies voor de "Sorteerder", "Architect" en "Vakmensen" worden steeds slimmer en beter afgestemd op de specifieke taak, waardoor het hele team veel beter presteert.
Wat hebben ze bewezen?
De auteurs hebben ROMA getest op verschillende zware taken:
- Onderzoek met tegenstrijdige informatie: Waar de ene website zegt "ja" en de andere "nee", kon ROMA de waarheid vinden beter dan de beste bestaande systemen.
- Het schrijven van lange verhalen: ROMA kon een AI (DeepSeek-V3) laten schrijven dat net zo goed was als de allerbeste, dure, gesloten systemen (zoals Claude Sonnet 4.5).
Conclusie
Kortom: ROMA is een manier om AI's te leren werken als een goed georganiseerd bedrijf in plaats van als een eenzame held die alles in één keer probeert. Door taken op te splitsen, gespecialiseerde hulp in te schakelen en constant te controleren, kunnen ze veel langere en moeilijkere taken aan zonder de draad kwijt te raken. Het maakt AI's niet alleen slimmer, maar ook betrouwbaarder en makkelijker te begrijpen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.