传统搜索引擎还在处理关键词匹配时， @SentientAGI 的核心研究员Salah Alzu'bi已经在重新定义AI系统思考的复杂问题。 从UMass计算机科学硕士到Google DeepMind、Meta FAIR、微软研究院的贡献者，Salah的研究路径一直围绕让AI模型真正理解和解决长期任务。 ⚡️ ROMA：多智能体的递归革命 ————————————————————————— 单个AI面对复杂任务就像一个人试图同时做多件事情。Salah主导的ROMA框架彻底改变了这种局面。 递归分解控制：复杂查询→子任务→原子执行→结果聚合 并非简单的任务分配，而是智能的层级协调。每个节点都能自主决定是直接执行还是继续分解，整个过程透明可追踪。 在SEALQA Seal-0基准测试中，ROMA Search达到45.6%准确率，超越之前最佳的Kimi Researcher（36%），是Gemini 2.5 Pro（19.8%）的两倍多 💡 长期任务 ————————————————————————— Salah的工作核心在于解决AI短视的问题。传统模型擅长单步推理，但面对需要多步骤、多工具、跨时间的复杂任务时就会失效。 ROMA的递归控制机制让AI具备项目管理能力：分解目标、分配资源、协调执行、整合结果。从根本上改变认知架构。 当AI系统能像人类团队一样分工协作、递归思考时，真正的长期自主任务执行才成为可能。 @SentientAGI 正在从评估、协调、搜索三个维度重构AI系统的边界。当多智能体具备了可靠评估、递归协调、深度搜索的能力时，距离真正的AGI又近了一步。(Meta)