# \#roma-search **URL:** https://discuss.pytorch.kr/tag/roma-search/6343.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [ROMA: 고성능 멀티 에이전트 시스템을 위한 재귀적 메타 에이전트 프레임워크 (Recursive Open Meta-Agent)](https://discuss.pytorch.kr/t/roma-recursive-open-meta-agent/8691)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 14, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/roma-recursive-open-meta-agent/8691 "2026-01-14T21:30:22Z")
ROMA 소개 ROMA는 복잡한 문제를 해결하기 위해 설계된 재귀적 계층 구조(Recursive Hierarchical Structure) 기반의 메타 에이전트(Meta-Agent) 프레임워크입니다. 'Recursive Open Meta-Agent'의 약자로, 단일 에이전트가 처리하기 어려운 장기적이고 복잡한 작업(Long-Horizon Tasks)을 더 작고 관리 가능한 단위로 분해하여 병렬로 처리할 수 있도록 돕습니다. ROMA는 개발자가 다중 에이전트 시스템을 구축할 때 겪는 구조적 복잡성을 줄이고, 에이전트 간의 문맥(Context) 흐름을 투명하게 관리할 수 있도록 설계되었습니다. 최근 AI 에이전트 기술은 단순한 질의응답을 넘어 복잡한 리서치나 코딩 작업을 수행하는 방향으로 발전하고 있습니다. 그러나 기존의 평면적인 에이전트 구조는 작업 단계가 길어질수록 문맥을 잃거나 환각(Hallucination) 현상을 겪는 문제가 있었습니다. Sentient AGI 팀이 개발한 ROMA는 이러한 문제를 해결하기 위해 작업을 트리 구조로 재귀적으로 분해(Decomposition)하고, 하위 작업의 결과를 다시 상위로 통합(Aggregation)하는 방식을 채택했습니다. 이를 통해 복잡한 추론이 필요한 작업에서도 높은 정확도와 안정성을 보장합니다. 특히 ROMA 기반의 검색 에이전트(ROMA Search)는 복잡한 웹 검색 및 추론 능력을 평가하는 SEAL-0 벤치마크에서 45.6%의 정확도를 기록하며, 기존 최고 성능이었던 Kimi Researcher(36%)와 Gemini 2.5 Pro(19.8%)를 큰 폭으로 따돌리고 SOTA(State-of-the-Art)를 달성했습니다. 이는 오픈소스 진영에서 상용 모델을 뛰어넘는 성능을 입증한 중요한 사례로 평가받고 있습니다. ROMA vs. 기존 모델 비교 ROMA는 복잡한 정보 검색과 추론이 필요한 벤치마크에서 뛰어난 성능을 보였습니다. 특히 웹 검색을 통한 복합 추론 능력을 평가하는 SEAL-0 벤치…