跳到正文
原文
Google Research·· 4 天前

Google 开放 Antigravity 的 /teamwork 多智能体工具供外部研究使用

Advancing science & engineering with Antigravity’s /teamwork

SI 导读

Google 面向外部研究者和开发者开放 Antigravity 中的 /teamwork 与 /boost 多智能体工具,支持结合 Gemini 4 模型开展长程科学证明与工程任务。

精选SI 评分78
推荐理由

这些多智能体工具向外部开放,研究者可借 Gemini 4 与验证环路自行开展大规模证明与工程任务。

正文 · SI 翻译

在过去几周里,谷歌及学术合作机构的团队攻克了数学、科学和复杂系统工程领域多年未解的难题。借助 Gemini 4 Argon、Gemini 4 Carbon、Gemini 4 Hydrogen 以及诸如 Antigravity 的 /teamwork(基于多种 Gemini 模型构建)等多智能体工作流,这些合作在信息论、形式化验证、分子结构发现和内核优化方面取得了新的突破,并在谷歌内部带来了多项生产基础设施方面的提升。我们正在 Antigravity 的 /teamwork(与 /boost 及其他智能体并列)中提供这些智能体工具,以便研究人员和开发者将其应用于自己的工作。

前沿研究和系统工程需要驾驭海量文献、构建自定义计算管道、针对物理测量进行测试,并验证每一个步骤。进步源于一个交互式发现循环:研究人员提出问题并定义理论或物理约束,而长程智能体则编写自定义求解器、探索庞大的搜索空间、测试候选设计并检查长逻辑链。

扩展长程推理

当前语言模型的两个局限性促成了 /teamwork 的设计。首先,模型生成可能不可预测,导致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有效,从而弥合了这一差距。

其次,由于注意力分散在日益增长的上下文窗口中,AI 模型在跨多日的任务中往往会丢失细节。为防止这种情况,/teamwork 在结构上对上下文进行分区:每个专用智能体仅接收执行特定步骤所需的精确文件和工具。协调者将任务移交给新的继任者,而批评者和审计者则在干净的上下文中(不包含原始生产者的推理过程)对结果进行质疑和验证。

Teamwork 将这些工作流表达为声明式的自改进自然语言模式,并将每个用户提示动态路由到最适合该任务的模式。这些模式从分布式编码和迭代问题解决(作为 /boost 独立打包,这是一个从先前轨迹中提炼出的顺序求解与验证循环)到专门的科研工作流(如长证明和文档审查)不等,目前均可在 Antigravity 中使用。这使得团队能够根据过去的运行记录设计自定义规范,在不同的框架模式之间进行路由,并动态改进智能体框架。虽然 Antigravity 中已提供许多这些功能,但我们将在未来几周提供更多更新,向 Antigravity 的外部用户提供所有功能。继我们 关于 Antigravity /teamwork 的先前文章之后,我们提供了由 /teamwork 和 Gemini 4 模型的新变体赋能的新结果,以应对公开挑战。

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 框架配对,合作完成大规模证明,并直接从开放问题陈述生成完整的算法和证明。我们展示了几个示例。

证明并验证 Courtade–Kumar 猜想

来自 Google、CUHK、USC 和 CMU 的研究人员使用 /teamwork 的 Long Proof 模式(在 Antigravity 中实现了 Stellar Colosseum),以完全普遍性证明了信息论中的 2013 年 Courtade–Kumar 猜想。该结果证实,当随机比特串通过噪声信道时,将输入压缩为单个比特不会比“独裁函数”(即仅复制单个输入比特)保留更多信息。Gemini 首先发现了 CUHK 团队早期论文中一个广义猜想的反例。随后,CUHK 团队提出了一个新的候选函数,将猜想简化为一个 14 变量优化问题,并给出了一个关键的解析下界。Gemini 4 Argon 及更早的 Gemini 模型随后划分了参数空间,并开发了大部分新的解析界和区间算术证书。它们还在没有人工输入的情况下,将证明从平衡函数扩展到非平衡函数。该团队在 Lean 4 中形式化了整个证明,生成了 5000 万行代码。

解决优化、统计学、量子计算和算法中的开放问题

研究人员还直接向 Gemini 4 以及 Stellar Colosseum 和 /teamwork 等多智能体框架提出开放问题,获得了端到端的算法和证明(通常包含 Lean 4 形式化),作者对这些结果进行了验证、简化和编辑以供发表。在自适应数据分析中,一个运行在 Gemini 4 Argon 上的多智能体框架独立证明并通过了 Lean 验证,得出了针对从先前答案中自适应选择的统计查询的近最优样本界,填补了自 2014 年以来存在的空白。这些界产生了第一个针对同时包含插入和删除的数据流的近空间最优算法,该算法在面对自适应对手时保持准确。在量子计算领域,一项新构造通过找到第一个需要严格多于 n/2 次量子查询(在恒定误差下)的 n 比特布尔函数,解决了 2014 年的一个开放问题,同时确定了跨对称函数的精确查询开销。

多项成果打破了处理与压缩大型矩阵和图形的长期壁垒。在长达五十年的时间里,直到 STOC 2024,针对布尔矩阵乘法和三角形检测的组合算法(避免快速矩阵乘法中的代数抵消)仅比三次方时间复杂度节省了日志因子。一种新的确定性算法解决了 STOC 2024 的主要未决问题,实现了其相对于三次方时间复杂度的目标加速。在高维几何中,新的下界 解决了关于稀疏网络的未决问题,证明即使使用额外的斯坦纳点和任意数量的跳数,要在任意常数因子内近似 n 个点的所有成对距离,所需的边数仍可能比 n 多一个多项式量级。在随机线性代数中,堆叠稀疏草图 通过打破压缩矩阵至线性维度时的经典稀疏性壁垒,解决了2025 年未决问题,该过程不会使 r 维子空间的任何方向坍缩,每行仅需 √log r 个非零元素(比保持所有长度所需的 log r 少一个平方量级),并几乎匹配新的下界。对于动态边权插入和删除下的加权图,Stellar Colosseum 解决了 FOCS 2022 留下的未决问题,开发了首个针对割稀疏化的单遍流算法,同时实现了近最优的内存、更新时间和重建时间。

我们的成果还涵盖优化、算术、数据结构和统计学。在优化领域,针对在线逆线性优化(从随时间推移的决策中推断专家的隐藏目标)的未决问题,该方法给出了一种确定性算法,在实现最优遗憾的同时,将运行时间从维度的指数级降低到多项式时间。对于 n 位整数乘法,多智能体战役将理论上的图灵机界限简化至低于 n log n,而另一项独立工作则在单个二维网格上给出了新的 O(n log n) 算法,其 C 语言实现与GNU 多精度算术库 (GMP) 在高达十亿位时逐位匹配。在数据结构方面,另一项成果在 Tarjan 1985 年的双端队列猜想(自适应伸展树是否能在常数均摊时间内处理两端的插入和删除)上取得了重大进展,证明了每次操作开销的新上界,该上界同时优于所有有限次迭代的逆阿克曼函数,并已在 Lean 4 中验证。最后,在高维统计学中,该方法证明了近似留一法交叉验证(避免从头重新拟合模型)对于像弹性网这样的非光滑稀疏惩罚项依然保持准确。

扩展形式化验证与手稿审查

手动检查计算机辅助的手稿会给同行评审者带来沉重负担,细微的缺陷可能隐藏在冗长的计算中。在 Lean 4 中将数学形式化,可将证明转化为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定理陈述与原始问题相符,只有当每个逻辑步骤都成立时,该证明才能编译通过。

数学中许多最深刻的未解问题支配着物理波的传播、动力系统的演化以及多项式方程是否有整数解。直接从非形式化证明出发,我们与 Google Cloud AI 的同事共同开发的多智能体框架 LEAP,配合 Argon,已在这些核心领域取得进展。

值得注意的是,/teamwork-LEAP 完全自主地生成了 Weil 猜想 的端到端、机器检查的形式化,这是关于有限域上多项式方程解的计数的里程碑式成果,最终在 Pierre Deligne 1974 年的证明中得以完成。该形式化跨越约 180 万行 Lean 代码,在 28,800 次子智能体调用中生成。该系统还综合了超过 919,000 行 Lean 代码,生成了关于一般整数环上 Hilbert 第十问题 近期证明的首个形式化。它还独立复现了关于带光滑强迫项的 3D Navier–Stokes 方程 有限时间爆破的近期证明的端到端形式化,这是七个 千禧年大奖难题 之一,已开放约 90 年。

除此之外,它还生成了 Birkhoff 猜想 的首个形式化,这是一个自 1927 年以来一直未解的动力系统问题。此外,它首次形式化了 3D Bochner–Riesz 猜想,这是一个开放超过 50 年的调和分析核心问题,并在过程中发现并修复了近期发布的一个非形式化证明中的漏洞。其他机器检查的突破包括解决三维及更高维中 C¹ 正则性的无穷调和函数(一个开放约 20 年的问题),形式化 Killip 和 Vişan 的定理,即 KdV 水波方程在 H⁻¹ 中是适定的,并验证了 UCLA 一个小组关于 40 年前 Jamison Caterpillar 猜想、Ağırseven-Ollis 猜想以及 Erdős 问题 #1063 改进上界的非形式化证明。

最后,我们为另一场 CS 会议的作者提供了 Deep Review:在 STOC 2027 之前,578 篇投稿(超过所有投稿的三分之一)的作者选择接收 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% 的受访者评价反馈大部分或几乎全部是事实性的,90% 表示他们会再次使用该工具。超过 30% 的人表示 Deep Review 发现了实质性的证明错误或数学上重要的拼写错误,14% 表示它发现了需要花费超过一小时才能修复的技术漏洞。受访作者分享说:“这类工具可以帮助更快地产生更干净、更精确的研究”,并且 DeepReview 为科学发现提供了安心。我们免费为用户提供每周两次 Deep Review 调用。Deep Review 也实现为 /teamwork's document review pattern,并可在 Antigravity 中使用。在我们的近期博客文章中阅读更多关于 DeepReview 的内容。

分子化学发现

除了形式化证明,将专用生成器智能体与独立验证器智能体配对,能够在实验实验室科学中实现发现工作流。

从实验核磁共振数据中确定分子结构是化学领域最难的谜题之一。例如,在HIV蛋白酶抑制剂中,一个错位的化学键就将使一种无活性的类似物与一种药物区分开来。通过将 30 个专用智能体组织成一个具有 /teamwork 和物理信息光谱模拟器的自校正循环,我们在复杂基准分子上实现了 95% 的 top-1 精确匹配率和 100% 的 top-3 准确率,几乎使单智能体性能翻倍。除了教会 Gemini 对结构进行推理外,这还为关于 3D 蛋白质和复杂结构动力学的持续工作奠定了基础。

除了这个例子,包括核聚变和量子算法应用在内的科学问题在 Gemini 4 博客文章中报道,受益于/teamwork和 Argon 模型。

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基准。从五个由人类指定的验收标准(如数据匿名化)开始,29 个在 Argon 上运行的智能体经过 11.5 小时,将 13 个公开表格转化为一个包含 50 个任务的因果推断基准。在这些任务中,模型必须确定因果效应是否可识别,并针对已知答案进行估计。在初步检查后,独立的审查员和审计员智能体捕捉到了捷径,标记了措辞提示,并否决了幻觉脚本,将每个任务转化为永久测试。自动化这一高度手动化的任务生成过程,提供了帮助 Gemini 回答反事实“如果”问题所需的难题。

编码与系统工程

当与客观评估器(如网络基准、游戏引擎、未修改的测试套件和硬件计时器)配对时,/teamwork 活动可以执行多天的软件和硬件工程项目。

分布式系统

使用/teamwork和 Argon,我们构建了FarArray,一个基于SNAP 微内核的低延迟内核旁路分区全局地址空间。基于 FarArray 构建的应用包括无锁连通分量,其可扩展至 1 万亿边图,与 TCP 键值存储相比,吞吐量提升 60 至 90 倍,速度提升 40 至 180 倍,且 RAM 降低 6 倍。同样,InstantEmbedding(个性化 PageRank)与加速 MapReduce 实现相比,峰值 DRAM 最多降低 14 倍,运行时间减少 11 至 27 倍。该团队还使用/teamwork和 Argon 为图神经网络创建自定义 TPU 内核,在正向和反向传播中实现了高达 185 倍的高带宽内存减少和 8 至 15 倍的速度提升。更多细节可在我们的近期 Antigravity 博客文章中查阅。

自主爬山法

为了测试长时程的自主优化能力,Argon 上的爬山团队从基础的 AlphaZero 实现出发,从零开始训练了一个 9x9 围棋引擎。人类研究人员负责设置芯片分配和评估方案,而框架则运行自主任务以实现更快的自我对弈(实现了 2,300 倍加速)和更快的 Elo 评分,并严格通过针对锁定记录的统计测试来晋升冠军。在不到八天的时间内,该引擎获得了大约 2,600 的 Elo 分,达到 1,885 Elo,使其位于每步 16 和 32 次访问的 KataGo 之间。

内存安全的 Rust 重写、/boost 以及 TPU 内核优化

当智能体存根化依赖项或修改测试以使有缺陷的移植通过时,大型代码迁移就会失败。一种新的 /teamwork 重写模式即将在 Antigravity 中可用,它通过仅在依赖项编译完成后才调度每个模块,并将每个叶子模块链接到原始未修改的测试套件,从而解决了这个问题。基于对 Zircon 微内核 初始 25% 的移植,为期两周的 Argon 任务重写了剩余的 C++ 代码,增加了约 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 硬件上启动。/teamwork 还将 Google 的 AV1 视频解码器 libgav1 从 C++ 重写为约 17 万行 Rust 代码,在广泛的合规测试套件中实现了 100% 的位精确匹配。最初,该移植比原始 C++ 代码慢约 4 倍。然而,在赋予 /teamwork 访问性能分析工具的权限并授权其在示例视频片段上最大化速度后,Rust 移植版在 x86_64 和 ARM 上均比原始 C++ 和手工优化的汇编代码快 20-30%。

对于日常编码任务,Antigravity 的 /boost 命令封装了 /teamwork's 迭代编码模式。一个长期运行的 /teamwork 任务分析了过去的运行轨迹,发现紧密耦合的代码最好通过顺序实现和修订阶段来处理,而不是并行拆分,从而提高了 /boost 在编码任务上的表现。这是一个框架为另一个框架优化令牌效率的例子。

对于机器学习系统,自定义 JAX 和 Pallas TPU 内核的完整硬件评估需要 7 到 32 分钟,这限制了先前优化智能体可以探索的候选项数量。在 Argon 上使用 /teamwork's DuoDiscover 模式,四个并行智能体识别出性能瓶颈并构建了快速的 23 秒代理评估器,称为 yardsticks。这些 yardsticks 产生候选项排序,并使用 Kendall 等级相关 与定期进行的完整硬件运行进行持续验证。DuoDiscover 在 17 个 JAXBench 内核上实现了 4.09 倍的几何平均加速,在 7 个针对前沿开放权重模型的手工优化 vLLM TPU-Inference Pallas 内核上实现了 2.99 倍的几何平均加速。

Google 基础设施应用

我们还将 /teamwork 和 /boost 应用于 Google 内部的许多生产基础设施和硬件建模问题。示例包括:

  • 全集群内存优化:在 Argon 初始内存工作的基础上,我们分析了全集群指标以及内部内存节省的过往成功经验,并创建了可复用的 /teamwork 工作流,这些工作流已识别出内存节省机会,超越了我们对 1 PiB 初始节省量的估计。我们还部署了人机协同的内存效率监控智能体,通过结构填充消除、标量窄化、悬崖跳跃、函数外联和带标签指针等技术,实现了额外的内存节省。
  • Borg 智能体调度:基于 /teamwork 和 /boost,Borg 用于调度优化的智能体工作流成功发布了 2 项变更,在某些硬件类型上将 TPU 工作负载抢占减少了 24%,同时保持了工作负载 SLO 和集群利用率。

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可以在 Antigravity 和 Deep Review 中使用 Gemini 4 模型配合 /teamwork 和 /boost。我们还开放了 申请,为 10,000 名学术研究人员提供六个月最高使用层级的免费访问权限。即将推出的更新将把我们的形式化证明模式和额外的专用工作流引入 Antigravity。在未来几周,Antigravity 博客 将发布深入教程,确保开发者和研究人员拥有生成、检查和迭代优化自定义多智能体团队所需的资源。我们很高兴让所有人(除了我们的模型外)也能使用我们的工具。

致谢

Antigravity 的 /teamwork 功能是谷歌全公司努力的结果,有许多贡献者和持续探索。贡献者包括:Yuan Deng[279eb3]、Honghao Lin[279eb3]、Jieming Mao[279eb3]、Vahab Mirrokni[279eb3]、Vishnu Veeramachaneni[279eb3]、David Woodruff[279eb3]、Song Zuo[279eb3]、Shubham Agarwal、Santiago Balseiro、MohammadHossein Bateni、Mohsen Bayati、Garrett Bingham、Guy Blelloch、Douglas Chen、Vincent Cohen-Addad、Piaoyang Cui、Tulsee Doshi、Eric First、Michael Galkin、Elena Gribelyuk、Anupam Gupta、Guru Guruganesh、Mike Heddes、Patrick Heisel、Iman Hosseini、Kevin Hou、Lalit Jain、Adel Javanmard、Rajesh Jayaram、Xiaoen Ju、Po-Nien Kung、Silvio Lattanzi、Samuel Lavoie、Chun-Liang Li、Matthew Li、Yinan Li、Yuchen Li、Yiming Liu、Thang Luong、Brandon Mayer、Simon Meierhans、Swaroop Mishra、Ashish Naik、Sebastian Nowozin、Renato Paes Leme、Nikos Parotsidis、Ali Parviz、Neel Patel、Violet Peng、Bryan Perozzi、Anshul Ramachandran、Shashir Reddy、Lijie Ren、Madhavi Sewak、D Shin、Reza Shokri、Sukhdeep Singh、Samuel Smith、Linfeng Song、Dilara Soylu、Zheng Tan、Sasan Tavakkol、Hadi Tavassol、Yifeng Teng、Tom Wollschläger、Haifeng Xu、Zicheng Xu、Yihao Xue、Amir Yazdanbakhsh 和 Goran Žužić。感谢 Carla Bromberg 和 Lauren Fraser 的项目管理,以及 Francis Duan、Pan-Pan Jiang、Xiyan Shao、Jane Shapiro、Weilun Shi 和 Xinyu Ye 对项目的贡献。我们还感谢 Sergey Brin、Demis Hassabis、Koray Kavukcuoglu、Pushmeet Kohli、James Manyika、Yossi Matias、Varun Mohan 和 Amin Vahdat 等多位领导人的支持。

为研究论文做出贡献的几位学术合作者:Zijie Chen、Amin Gohari、Chandra Nair(CUHK)、Songbin Liu、Arian Maleki、Chen Shang、Hanbo Yang、Wenjin Zhang(Columbia University)、Zihan Hao、Qipeng Liu、Jianan Shao(UCSD)、Lorenzo Beretta(IBM Cambridge)、Simone Bombari(BYU & Flatiron Institute)、Mahbod Majid、Margalit Glasgow(MIT)、Raphael Arkady Meyer(UC Berkeley, ICSI, & LBNL)、Kijun Shin(CMU)、Huacheng Yu、Elena Gribelyuk(Princeton University)、Xin Lyu(UCB/ ByteDance)、Samson Zhou(Texas A&M)、Erik Waingarten(UPenn),以及 Sorrachai Yingchareonthawornchai(ETH-ITS)。

来源:Google Research · research.google

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有