我们分享了Antigravity的/teamwork多智能体系统在近期取得的成果,该系统增强了人类与AI的协作,用于解决数学、化学、系统软件和机器学习工程领域的开放性问题。所有这些工作都是与人类专家合作完成的,我们正将这些工具对外开放。
快速链接
在过去的几周里,谷歌团队和学术合作机构共同攻克了数学、科学和复杂系统工程领域多年悬而未决的难题。借助Gemini 4 Argon、Gemini 4 Carbon、Gemini 4 Hydrogen以及Antigravity的/teamwork等多智能体工作流(构建于多种Gemini模型之上),这些合作在信息论、形式化验证、分子结构发现和内核优化等领域取得了新的突破,同时也为谷歌带来了多项生产基础设施方面的提升。我们正在Antigravity的/teamwork中开放这些智能体工具(以及/boost等其他智能体),以便研究人员和开发者能将其应用于自己的工作。
前沿研究和系统工程需要在海量文献中探索,构建定制化的计算流程,针对物理测量数据进行测试,并验证每一个步骤。进展来自于一个互动式的发现循环:研究人员提出问题并设定理论或物理约束,而长周期智能体则负责编写定制求解器、探索庞大的搜索空间、测试候选设计方案,并检验冗长的逻辑链条。
扩展长周期推理能力
当前语言模型的两个局限性促成了/teamwork的设计理念。首先,模型生成的结果可能不可预测,单次尝试与找到正确答案之间存在差距。该系统通过将并行探索与专门的证伪器(例如Lean 4证明检查器、未经修改的软件测试套件、执行模拟器、网络搜索或硬件计数器)配对,自动验证哪些候选解决方案是有效的,从而弥合这一差距。
其次,由于注意力在不断扩大的上下文窗口中分散,AI模型在执行多日任务时经常会遗漏细节。为防止这种情况,/teamwork通过构造方式对上下文进行分区:每个专门的智能体只接收完成特定步骤所需的确切文件和工具。协调者将任务移交给全新的后继者,而评审者和审计者则在不了解原始生成者推理过程的"干净"上下文中,对结果进行质疑和验证。
Teamwork将这些工作流表达为可声明的、可自我改进的自然语言模式,并动态地将每个用户提示路由到最适合该任务的模式。这些模式涵盖范围广泛,从分布式编码和迭代问题求解(作为独立功能打包为/boost,一个根据先前轨迹优化而来的"求解-验证"顺序循环),到长篇证明和文档审查等专门研究工作流,这些功能如今都已在Antigravity中提供。这使得团队能够根据以往的运行记录,设计跨越不同框架模式的定制化规范,并动态改进智能体框架。虽然这些功能中的许多已经在Antigravity中可用,但我们将在未来几周内提供更多更新,向Antigravity的外部用户开放全部功能。继我们之前关于Antigravity /teamwork的文章之后,我们在此展示由新版/teamwork和Gemini 4模型赋能的开放性挑战新成果。
数学与理论计算机科学
在数学和理论计算机科学领域,研究人员与Gemini 4及/teamwork框架合作,共同处理大规模证明,并直接从开放问题陈述中生成完整的算法和证明。我们列举了以下几个实例。
来自谷歌、香港中文大学、南加州大学和卡内基梅隆大学的研究人员使用/teamwork的"长篇证明"模式(在Antigravity中实现为Stellar Colosseum)完整证明了信息论中2013年提出的Courtade-Kumar猜想。该结果证实,当一个随机比特串经过噪声信道时,将输入压缩为单个比特的任何方式,都不会比"独裁函数"(仅复制单个输入比特)保留更多的信息。Gemini首先找到了香港中文大学团队早期论文中一个广义猜想的反例。随后,香港中文大学团队提出了一个新的候选函数,将该猜想简化为一个14变量的优化问题,并给出了一个关键的分析性下界。接着,Gemini 4 Argon及更早期的Gemini模型对参数空间进行了划分,并开发出了大部分新的分析边界和区间算术证书。它们还在无需人工干预的情况下,将证明从平衡函数扩展到了非平衡函数。团队在Lean 4中将整个证明进行了形式化,生成了5000万行代码。
研究人员还直接向Gemini 4以及Stellar Colosseum、/teamwork等多智能体框架提出开放性问题,并获得了端到端的算法和证明(通常包含Lean 4形式化证明),作者对其进行了验证、简化并编辑发表。在自适应数据分析领域,一个运行在Gemini 4 Argon上的多智能体框架独立证明并通过Lean验证了针对从先前答案中自适应选择的统计查询的近乎最优的样本边界,填补了自2014年以来一直存在的空白。这些边界产生了首个针对既有插入又有删除操作的数据流的近乎空间最优算法,该算法在面对自适应对手时仍能保持准确性。在量子计算领域,一项新的构造解决了一个2014年的开放性问题:找到了首个在恒定误差下需要超过n/2次量子查询的n比特布尔函数,并精确界定了对称函数之间的确切查询开销。
多项成果突破了处理和压缩大型矩阵与图形方面长期存在的障碍。五十年来直至STOC 2024会议,布尔矩阵乘法和三角形检测的组合算法(避免了快速矩阵乘法中的代数抵消)仅比三次方时间节省了对数因子。一种新的确定性算法解决了STOC 2024的核心开放性问题,实现了相对于三次方时间的目标加速。在高维几何领域,一个新的下界解决了一个关于稀疏网络的开放性问题,证明了即便使用额外的Steiner点和任意多的跳数,要将n个点之间所有成对距离近似到任意常数因子内,所需边数可能比n多出一个多项式级别的数量。在随机线性代数领域,堆叠稀疏草图解决了一个2025年的开放性问题,突破了将矩阵压缩到线性维度而不损失r维子空间任何方向的经典稀疏性障碍,每行仅需√log r个非零元素(比保留所有长度所需的log r少了二次方倍),并几乎达到了一个新的下界。对于动态边权重插入和删除的加权图,Stellar Colosseum解决了FOCS 2022遗留的一个开放性问题,开发出首个能同时实现近乎最优内存、更新时间和重建时间的单遍流式割稀疏化算法。
我们的研究成果还涵盖了优化、算术、数据结构和统计学等领域。在优化方面,针对在线逆线性优化(从长期决策中推断专家隐藏目标)的一个开放性问题,该方法给出了一种确定性算法,在实现最优遗憾值的同时,将运行时间从关于维度的指数级降低到了多项式级。对于n位整数乘法,多智能体协作简化了理论图灵机界限,使其低于n log n;另一项独立工作则在单个二维网格上给出了一种新的O(n log n)算法,其C语言实现在高达十亿位数的范围内与GNU多精度算术库(GMP)实现了逐位精确匹配。在数据结构方面,另一项成果在Tarjan 1985年提出的双端队列猜想(即自调整伸展树能否在均摊常数时间内处理两端的插入和删除操作)上取得了重大进展,证明了每次操作开销的一个新上界,该上界同时优于每一个有限迭代的反阿克曼函数,并已在Lean 4中完成验证。最后,在高维统计学领域,该方法证明了避免从头重新拟合模型的近似留一交叉验证法,对于像弹性网络这样的非光滑稀疏惩罚项仍然保持准确。
扩展形式化验证和手稿审查规模
人工检查计算机辅助完成的手稿会给同行评审者带来沉重负担,细微的错误也可能隐藏在冗长的计算过程中。在Lean 4中将数学形式化,能把证明转化为可由计算机内核逐行检查的代码。一旦人类数学家确认形式化的定理陈述与原始问题相符,该证明只有在每一个逻辑步骤都成立的情况下才能编译通过。
数学中许多最深层的开放性问题涉及物理波如何传播、动力系统如何演化,以及多项式方程是否存在整数解。我们与谷歌云AI的同事共同开发了多智能体框架LEAP,并将其与Argon配对,直接从非形式化证明入手,在这些核心领域取得了进展。
值得一提的是,/teamwork-LEAP完全自主地完成了韦伊猜想的端到端、机器验证的形式化证明。这是关于计算有限域上多项式方程解数的里程碑式成果,其最终由皮埃尔·德利涅于1974年证明完成。此次形式化证明涵盖约180万行Lean代码,经过28,800次子智能体调用生成。该系统还综合生成了超过91.9万行Lean代码,完成了关于一般整数环上希尔伯特第十问题最新证明的首个形式化版本。它还独立复现了一个三维纳维-斯托克斯方程在光滑外力作用下有限时间内爆破的最新证明的端到端形式化版本,这是七个千禧年大奖难题之一,该问题悬而未决约90年。
除此之外,它还生成了伯克霍夫猜想的首个形式化证明,这是一个自1927年以来悬而未决的动力系统问题。此外,它首次形式化了调和分析中的核心问题——三维博赫纳-里斯猜想,该猜想悬而未决超过50年,在此过程中还发现并修复了一份近期发布的非形式化证明中的一个漏洞。其他机器验证的突破性成果还包括:解决了三维及更高维度中无穷调和函数的C?正则性问题(该问题悬而未决约20年);形式化了基利普和维尚关于KdV水波方程在H??空间中适定性的定理;并验证了加州大学洛杉矶分校团队提出的、针对悬而未决40年的Jamison Caterpillar猜想、Ag?rseven-Ollis猜想的非形式化证明,以及一个关于Erdos第1063号问题改进上界的证明。
最后,我们为另一个计算机科学会议的作者提供了Deep Review服务:在STOC 2027会议召开前,578篇投稿的作者(超过全部投稿量的三分之一)选择接受Deep Review对其草稿的反馈。在一项正在进行的作者调查中(N=70),90%的受访者认为反馈内容"基本属实"或"几乎全部属实",90%的受访者表示会再次使用该工具。超过30%的受访者表示Deep Review发现了实质性的证明错误或具有数学意义的笔误,14%的受访者表示它发现了需要花费一个多小时才能修复的技术漏洞。受访作者分享道:"这类工具有助于更快地产出更清晰、更精确的研究成果",以及"Deep Review能为科学发现提供安心保障"。我们为用户提供每周两次的免费Deep Review调用。Deep Review同时也作为/teamwork的文档审查模式实现,并已在Antigravity中提供。关于Deep Review的更多信息,请参阅我们近期发布的博客文章。
分子化学发现
除了形式化证明,将专门的生成智能体与独立的验证智能体相结合,还能推动实验室科学中的发现类工作流。
根据实验核磁共振数据确定分子结构,是化学领域最棘手的难题之一。例如,在HIV蛋白酶抑制剂中,一个错位的化学键就足以让一种无活性的类似物与真正的药物区分开来。通过将30个专门的智能体组织成一个与/teamwork及物理信息谱模拟器相配合的自我修正循环,我们在复杂基准分子上实现了95%的首选精确匹配率和100%的前三选项准确率,几乎是单智能体表现的两倍。这不仅教会了Gemini对结构进行推理,也为关于三维蛋白质和复杂结构动力学的后续工作奠定了基础。
除此之外,Gemini 4博客文章中报道的核聚变和量子算法等应用领域的科学问题,也从/teamwork和Argon模型中获益。
生成因果推断基准
我们还应用了类似的多轮审计工作流来构建经验性基准。从五项人工指定的验收标准(如数据匿名化)出发,29个运行在Argon上的智能体耗时11.5小时,将13个公开数据表转化为一个包含50项任务的因果推断基准。在这些任务中,模型必须判断某个因果效应是否可以被识别,并根据已知答案进行估计。在初步检查之后,独立的评审和审计智能体发现了取巧行为、标记了带有暗示性的措辞,并否决了虚构的脚本,将每一项任务都转化为永久性的测试用例。将这一繁重的人工任务生成过程自动化,为帮助Gemini回答反事实的"假设性"问题提供了所需的高难度问题集。
编码与系统工程
当与网络基准测试、游戏引擎、未经修改的测试套件和硬件计时器等客观评估工具相结合时,/teamwork协作能够执行跨越多日的软硬件工程项目。
借助/teamwork和Argon,我们构建了FarArray,一种基于SNAP微内核的低延迟、绕过内核的分区全局地址空间系统。基于FarArray构建的应用包括无锁连通分量算法,该算法可扩展至拥有1万亿条边的图,相比TCP键值存储,吞吐量提升60至90倍,速度提升40至180倍,同时内存占用降低6倍。类似地,InstantEmbedding(个性化PageRank)相比加速版MapReduce实现,峰值DRAM占用最多降低14倍,运行时间缩短11至27倍。团队还使用/teamwork和Argon为图神经网络创建了定制化的TPU内核,在前向和反向传播过程中实现了高达185倍的高带宽内存占用降低和8至15倍的速度提升。更多详情请参阅我们近期发布的Antigravity博客文章。
为测试长周期自主优化能力,基于Argon的爬坡团队从一个基础的AlphaZero实现出发,从零开始训练了一个9x9规格的围棋引擎。人类研究人员设定了芯片分配方案和评估体系,而该框架则自主运行了多项提升自我对弈速度(实现了2300倍的加速)和加快Elo等级分评定的计划,并严格通过对锁定记录的统计检验来晋升冠军版本。在不到八天的时间里,该引擎的Elo等级分提升了约2600分,达到1885分,其水平介于每步16次模拟和32次模拟的KataGo之间。
本文展示了最终冠军版本(执黑)与Elo爬坡起点网络(执白)之间进行的一局对局。最终冠军以22.5分的优势获胜(采用数目法计分,贴目7.5)。这是为本文进行的唯一一局对弈。
当智能体用桩代码替代依赖项,或为使一个有问题的移植版本通过测试而修改测试内容时,大型代码迁移工作就会失败。即将在Antigravity中推出的全新/teamwork重写模式解决了这一问题:它仅在每个模块的所有依赖项都编译通过后才会安排该模块的处理,并将每一个叶子模块都与原始、未经修改的测试套件进行关联验证。基于Zircon微内核最初25%的移植成果,一项为期两周的Argon计划重写了剩余的C++代码,新增了约80万行安全的Rust代码,这些代码通过了所有内核单元测试,并能在arm64硬件上成功启动。/teamwork还将谷歌的AV1视频解码器libgav1从C++重写为约17万行的Rust代码,在广泛的一致性测试套件中实现了100%的逐位精确匹配。最初,该移植版本的运行速度比原始C++代码慢约4倍。然而,在为/teamwork提供性能分析工具并要求其在样本视频片段上最大化速度之后,这个Rust移植版本在x86_64和ARM架构上的速度都比原始的C++代码及手工优化的汇编代码快了20%至30%。
对于日常编码任务,Antigravity的/boost命令封装了/teamwork的迭代式编码模式。一项长期运行的/teamwork计划分析了过往的运行轨迹,发现紧密耦合的代码最好通过顺序式的实现和修订阶段来处理,而非并行拆分方式,从而提升了/boost在编码任务上的表现。这是一个框架为提升Token使用效率而优化另一个框架的实例。
对于机器学习系统而言,对定制化JAX和Pallas TPU内核进行完整的硬件评估需要耗时7到32分钟,这限制了先前的优化智能体能够探索的候选方案数量。借助运行在Argon上的/teamwork的DuoDiscover模式,四个并行智能体识别出了性能瓶颈,并构建出耗时仅23秒的快速代理评估器,称为"标尺"。这些"标尺"能生成候选方案排序,并持续通过肯德尔等级相关系数与定期进行的完整硬件运行结果进行校验。在17个JAXBench内核测试中,DuoDiscover相比参考实现实现了4.09倍的几何平均加速比;在为前沿开放权重模型手工优化的7个vLLM TPU推理Pallas内核测试中,实现了2.99倍的几何平均加速比。
谷歌基础设施应用
我们还将/teamwork和/boost应用于谷歌内部众多生产基础设施和硬件建模问题中。相关实例包括:
向研究和开发者社区开放这些工具
外部科学家和开发者如今已可以在Antigravity和Deep Review中使用配备/teamwork和/boost的Gemini 4模型。我们还开放了申请通道,为10,000名学术研究人员提供六个月的最高使用等级免费访问权限。即将推出的更新将把我们的形式化证明模式以及其他专门工作流引入Antigravity。这些功能推出的同时,我们还将在未来几周内于Antigravity博客上发布深度教程,确保开发者和研究人员能够获得生成、检查并迭代改进定制化多智能体团队所需的各类资源。我们很高兴能将我们的工具(以及我们的模型)向所有人开放。
致谢
Antigravity的/teamwork功能是谷歌全公司范围内众多贡献者共同努力及持续探索的成果。
