過去幾週,Google 內部團隊與學術合作夥伴機構共同解決了數學、科學和複雜系統工程領域中多年未解的開放性問題。他們運用 Gemini 4 Argon、Gemini 4 Carbon、Gemini 4 Hydrogen 模型,以及 Antigravity 的 /teamwork 等多代理工作流程(基於各種 Gemini 模型建構),在資訊理論、形式驗證、分子結構發現和核心最佳化方面取得了新突破。
這些合作也為 Google 帶來了多項生產基礎設施的改進。我們正將這些代理工具整合到 Antigravity 的 /teamwork 中(與 /boost 及其他代理一同提供),以便研究人員和開發者能將其應用於自身工作。
前沿研究和系統工程需要瀏覽大量文獻、建立客製化的計算流程、針對物理測量進行測試,並驗證每個步驟。進展來自於互動式的探索循環,其中研究人員提出問題並定義理論或物理限制。同時,長程代理則負責編寫客製化求解器、探索龐大的搜尋空間、測試候選設計,並檢查冗長的邏輯鏈。
目前語言模型的兩個限制促成了 /teamwork 的設計。首先,模型生成結果可能不可預測,導致單次嘗試與找到正確答案之間存在差距。該系統透過將平行探索與專門的「證偽器」配對來彌補這一差距,例如 Lean 4 證明檢查器、未修改的軟體測試套件、執行模擬器、網路搜尋或硬體計數器,以自動驗證哪些候選解決方案有效。
其次,AI 模型在多日任務中常因注意力分散於不斷增長的上下文視窗而遺失細節。為防止此情況,/teamwork 透過建構方式來劃分上下文:每個專門代理只接收特定步驟所需的確切檔案和工具。協調器將任務交給新的繼任者,而評論者和審計者則在乾淨的上下文(不含原始生成者的推理)中挑戰並驗證結果。
/teamwork 將這些工作流程表達為宣告式、自我改進的自然語言模式,並動態地將每個使用者提示詞路由到最適合該任務的模式。這些模式涵蓋了分散式程式碼編寫和迭代問題解決(獨立打包為 /boost,這是一個從先前軌跡中提煉出的順序求解與驗證循環),以及長證明和文件審查等專業研究工作流程,所有這些功能目前都已在 Antigravity 中提供。
這使得團隊能夠根據過去的執行記錄設計客製化規範,在不同的測試模式之間進行路由,並動態改進代理測試模式。雖然許多這些功能已在 Antigravity 中提供,我們將在未來幾週內提供更多更新,將所有功能開放給 Antigravity 上的外部使用者。
繼我們之前關於 Antigravity /teamwork 的文章之後,我們將展示由 /teamwork 新變體和 Gemini 4 模型所支援,在開放性挑戰中取得的新成果。
在數學和理論電腦科學領域,研究人員與 Gemini 4 和 /teamwork 測試模式合作,共同進行大規模證明,並直接從開放性問題陳述中生成完整的演算法和證明。我們將介紹幾個範例。
Google、香港中文大學 (CUHK)、南加州大學 (USC) 和卡內基美隆大學 (CMU) 的研究人員使用 /teamwork 的「長證明」模式(在 Antigravity 中實作 Stellar Colosseum),全面證明了資訊理論領域 2013 年的 Courtade–Kumar 猜想。
這項結果證實,當隨機位元串通過嘈雜通道時,將輸入壓縮為單一位元,沒有任何壓縮方式能比「獨裁者函數」(僅複製單一輸入位元)保留更多資訊。
Gemini 首先發現了香港中文大學團隊早期論文中廣義猜想的反例。隨後,香港中文大學團隊提出了一個新的候選函數,將猜想簡化為一個 14 變數的最佳化問題,並提供了一個關鍵的分析下界。Gemini 4 Argon 和早期的 Gemini 模型隨後劃分了參數空間,並開發了大部分新的分析界限和區間算術憑證。
他們還在沒有人類輸入的情況下,將證明從平衡函數擴展到不平衡函數。該團隊在 Lean 4 中將整個證明形式化,產生了 5000 萬行程式碼。
研究人員也直接向 Gemini 4 以及 Stellar Colosseum 和 /teamwork 等多代理測試模式提出開放性問題,並獲得了端到端的演算法和證明(通常附有 Lean 4 形式化)。這些成果經作者驗證、簡化並編輯後發表。在自適應資料分析方面,一個運行在 Gemini 4 Argon 上的多代理測試模式獨立證明並經 Lean 驗證了針對從早期答案中自適應選擇的統計查詢,其樣本界限接近最佳,解決了自 2014 年以來的一個開放性問題。
這些界限產生了第一個接近空間最佳的資料流演算法,該演算法同時處理插入和刪除,並能對抗自適應攻擊者。
在量子計算方面,一項新構造解決了 2014 年的一個開放性問題,找到了第一個需要嚴格超過 n/2 量子查詢(在恆定誤差下)的 n 位元布林函數,同時確定了對稱函數的精確查詢開銷。多項成果打破了處理和壓縮大型矩陣和圖形領域的長期障礙。在 STOC 2024 之前,布林矩陣乘法和三角形檢測的組合演算法(避免了快速矩陣乘法的代數抵消)在五十年間僅比立方時間節省了對數因子。
一種新的確定性演算法解決了 STOC 2024 的主要開放性問題,實現了其目標速度提升,超越了立方時間。在高維幾何中,一個新的下界解決了稀疏網路的開放性問題,證明了在任何常數因子內近似 n 個點之間所有成對距離,即使有額外的 Steiner 點和任意多跳,也可能需要多項式級別的邊數。
在隨機線性代數中,堆疊稀疏草圖解決了 2025 年的一個開放性問題,打破了將矩陣壓縮到線性維度而不使 r 維子空間的任何方向崩潰的經典稀疏性障礙,每行僅需 √log r 個非零元素(比保留所有長度所需的 log r 少了平方級別),並且幾乎與新的下界匹配。
對於動態邊權重插入和刪除下的加權圖,Stellar Colosseum 解決了 FOCS 2022 留下的一個開放性問題,開發了第一個單次掃描串流演算法,用於切割稀疏化,同時實現了接近最佳的記憶體、更新時間和重建時間。
我們的成果還涵蓋了最佳化、算術、資料結構和統計學。在最佳化方面,解決了線上逆線性最佳化(從隨時間的決策中推斷專家隱藏目標)的一個開放性問題,該方法提供了一個確定性演算法,實現了最佳遺憾值,同時將運行時間從維度的指數級降低到多項式時間。對於 n 位元整數乘法,多代理活動將理論圖靈機界限簡化到 n log n 以下,而另一項工作則在單個二維網格上提供了一個新的 O(n log n) 演算法,其 C 語言實作與 GNU Multiple Precision Arithmetic Library (GMP) 在高達十億位元的情況下逐位元匹配。
在資料結構方面,另一項成果在 Tarjan 1985 年的雙端佇列猜想(自調整的伸展樹是否能在常數攤銷時間內處理兩端的插入和刪除)上取得了重大進展,證明了每個操作開銷的新上界,同時擊敗了每個有限迭代的逆阿克曼函數,並在 Lean 4 中得到驗證。最後,在高維統計學中,該方法證明了近似留一法交叉驗證(避免從頭開始重新擬合模型)對於彈性網路等非平滑稀疏懲罰仍然準確。
人工檢查電腦輔助手稿對同行評審員來說負擔沉重,細微的缺陷可能隱藏在冗長的計算中。在 Lean 4 中將數學形式化,將證明轉化為電腦核心逐行檢查的程式碼。一旦人類數學家確認形式化定理陳述與原始問題相符,只有當每個邏輯步驟都成立時,證明才能編譯。
數學中許多最深奧的開放性問題,涉及物理波如何傳播、動態系統如何演化,以及多項式方程是否有整數解。我們的多代理框架 LEAP,與 Google Cloud AI 的同事共同開發並與 Argon 配對,直接從非形式化證明著手,在這些核心領域取得了進展。
值得注意的是,/teamwork-LEAP 完全自主地產生了 Weil 猜想的端到端、機器驗證的形式化證明。Weil 猜想是關於有限域上多項式方程解計數的里程碑式成果,最終由 Pierre Deligne 在 1974 年證明。這項形式化證明涵蓋了約 180 萬行 Lean 程式碼,透過 28,800 次子代理調用產生。
該系統還合成了超過 919,000 行 Lean 程式碼,產生了 Hilbert 第十問題在一般整數環上最新證明的首次形式化。它還獨立重現了 3D Navier–Stokes 方程在平滑力作用下有限時間爆發的最新證明的端到端形式化,這是七個千禧年大獎問題之一,已開放約 90 年。
除此之外,它還首次形式化了 Birkhoff 猜想,一個自 1927 年以來懸而未決的動態系統問題。此外,它首次形式化了 3D Bochner–Riesz 猜想,一個在調和分析領域開放超過 50 年的核心問題,並在此過程中發現並修正了最近發布的非形式化證明中的一個漏洞。
其他經機器驗證的突破包括解決了三維及更高維度中無限調和函數的 C¹ 正則性(一個開放約 20 年的問題),形式化了 Killip 和 Vişan 定理,證明 KdV 水波方程在 H⁻¹ 中是適定(well-posed),並驗證了加州大學洛杉磯分校團隊關於 40 年歷史的 Jamison Caterpillar 猜想、Ağırseven-Ollis 猜想以及 Erdős 問題 #1063 改进上界的非形式化證明。
最後,我們為另一場電腦科學會議的作者提供了 Deep Review 服務:在 STOC 2027 之前,578 份投稿(超過總投稿數的三分之一)的作者選擇接收 Deep Review 對其草稿的意見回饋。在一項正在進行的作者調查中(N = 70),90% 的受訪者認為回饋內容大部分或幾乎全部屬實,90% 的人表示他們會再次使用該工具。
超過 30% 的人表示 Deep Review 發現了實質性的證明錯誤或數學上重要的錯字,14% 的人表示它發現了需要一個多小時才能修復的技術漏洞。受訪作者分享道:「這類工具可以幫助更快地產生更清晰、更精確的研究」,並且 DeepReview 提供了「科學發現的安心感」。我們為使用者每週提供兩次免費的 Deep Review 服務。