Google 在 Antigravity 中开放 /teamwork 多智能体工作流

在过去的几周里，谷歌及其学术合作伙伴机构的团队解决了在数学、科学和复杂系统工程领域长期悬而未决的问题。使用 Gemini 4 Argon、Gemini 4 Carbon、Gemini 4 Hydrogen 以及像 Antigravity 的 /teamwork 这样的多智能体工作流程（基于各种 Gemini 模型），这些合作产生了信息论、形式化验证、分子结构发现和内核优化等方面的创新，同时在谷歌的生产基础设施中也获得了多项进展。我们将这些智能体工具在 Antigravity 的 /teamwork（以及 /boost 和其他智能体）中提供，以便研究人员和开发者可以将它们应用于自己的工作。

前沿研究和系统工程需要处理大量文献、构建自定义计算管道、根据物理测量进行测试，并验证每一步。进步来自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，而长时程智能体编写自定义求解器、探索大型搜索空间、测试候选设计，并检查长链逻辑。

长时程推理的可扩展性

当前语言模型的两个限制促使 /teamwork 的设计。首先，模型生成可能具有不确定性，导致单次尝试与找到正确答案之间存在差距。系统通过并行探索与专用反驳器（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）配对来弥补这一差距，以自动验证哪些候选解决方案有效。

其次，人工智能模型在多日任务中往往会丢失细节，因为注意力会分散到不断增长的内容窗口中。为了防止这种情况，/teamwork 通过设计进行上下文分区：每个专用智能体只接收执行特定步骤所需的精确文件和工具。协调者将任务交给新的继任者，而评论家和审计员在不涉及原始生产者推理的干净上下文中挑战和验证结果。

Teamwork 将这些工作流程表达为声明式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任务的模式。这些模式范围从分布式编码和迭代问题解决（作为 /boost 独立打包的顺序求解和验证循环，源自先前的轨迹）到专门的研究工作流程，如长证明和文档审查，所有这些都已在 Antigravity 中提供。这允许团队根据过去的运行转录设计自定义规范，通过不同的 harness 模式进行路由，并动态改进智能体 harness。虽然这些功能中的许多在 Antigravity 中可用，但我们将在未来几周内提供更多更新，将所有功能提供给 Antigravity 的外部用户。在遵循我们 关于 Antigravity /teamwork 的先前帖子之后，我们提供了新的结果，这些结果是由新的 /teamwork 变体和 Gemini 4 模型赋能的开放挑战。

数学和理论计算机科学

在数学和理论计算机科学领域，研究人员与 Gemini 4 配对，并利用 /teamwork 进行合作，共同进行大规模证明，并直接从开放问题陈述中生成完整的算法和证明。我们展示了几个例子。

证明和验证 Courtade–Kumar 猜想

来自 Google、CUHK、USC 和 CMU 的研究人员使用了 /teamwork's Long Proof 模式（在 Antigravity 中实现 Stellar Colosseum）来 证明 信息论的 2013 Courtade–Kumar 猜想 的完全普遍性。结果证实，当一个随机比特串通过一个有噪声的信道时，将输入压缩到一个比特不会比一个"独裁函数"（它只是复制一个输入比特）保留更多信息。Gemini 首先发现了 CUHK 团队 早期论文 中一个广义猜想的对立面。CUHK 团队随后提出了一种新的候选函数，将猜想简化为一个 14 变量的优化问题，以及一个关键的解析下界。Gemini 4 Argon 和早期的 Gemini 模型然后划分了参数空间，并发展了大部分新的解析界限和区间算术证书。他们还扩展了证明，从平衡函数到不平衡函数，而无需人工输入。团队在 Lean 4 中形式化了整个证明，产生了 5000 万行代码。

解决优化、统计、量子计算和算法中的开放问题

研究人员也直接向 Gemini 4 和 Stellar Colosseum 以及 /teamwork 这样的多智能体 harness 提出开放问题，接收端到端的算法和证明（通常带有 Lean 4 形式化），作者验证、简化和编辑以供发表。在自适应数据分析中，一个在 Gemini 4 Argon 上运行的多智能体 harness 独立地证明了并 Lean 验证了 近最优样本界限，这些界限是从早期答案中自适应选择统计查询而得出的，填补了自 2014 年以来一直存在的差距。这些界限产生了第一个 近似空间最优算法，用于具有插入和删除的数据流，并且可以抵抗自适应对手而保持准确性。在量子计算中，一个新的构造 解决了 2014 年的开放问题，通过找到第一个需要严格多于 n/2 个量子查询且在恒定误差下的 n 位布尔函数，同时确定了对称函数中确切的查询开销。

Several results break long standing barriers in processing and compressing large matrices and graphs. For fifty years until STOC 2024, combinatorial algorithms for Boolean matrix multiplication and triangle detection (avoiding the algebraic cancellations of fast matrix multiplication) saved only logarithmic factors over cubic time. A new deterministic algorithm resolves STOC 2024's main open question, achieving its target speedup over cubic time. In high-dimensional geometry, a new lower bound resolves an open problem on sparse networks, proving that approximating all pairwise distances among n points within any constant factor can require polynomially more than n edges, even with extra Steiner points and arbitrarily many hops. In randomized linear algebra, stacked sparse sketches resolve a 2025 open question by breaking the classical sparsity barrier for compressing a matrix to linear dimension without collapsing any direction of an r-dimensional subspace, needing only √log r nonzeros per row (quadratically fewer than the log r required to preserve all lengths) and nearly matching a new lower bound. For weighted graphs under dynamic edge-weight insertions and deletions, Stellar Colosseum resolved an open question left by FOCS 2022, developing the first single-pass streaming algorithm for cut sparsification that achieves near-optimal memory, update time, and reconstruction time simultaneously.

Our results also span optimization, arithmetic, data structures, and statistics. In optimization, resolving an open question on online inverse linear optimization (inferring an expert's hidden objective from decisions over time), the approach gave a deterministic algorithm achieving optimal regret while cutting runtime from exponential in the dimension to polynomial time. For n-bit integer multiplication, multi-agent campaigns simplified the theoretical Turing-machine bound below n log n, while a separate effort gave a new O(n log n) algorithm on a single two-dimensional grid whose C implementation matches the GNU Multiple Precision Arithmetic Library (GMP) bit-for-bit up to a billion bits. In data structures, another result made significant progress on Tarjan's 1985 Deque Conjecture (whether self-adjusting splay trees handle insertions and deletions at both ends in constant amortized time), proving a new upper bound on the per-operation overhead that simultaneously beats every finitely iterated inverse-Ackermann function, verified in Lean 4. Finally, in high-dimensional statistics, the approach proved that approximate leave-one-out cross-validation, which avoids refitting the model from scratch, remains accurate for non-smooth sparse penalties like elastic net.

扩展正式验证和稿件评审

人工检查计算机辅助的稿件给同行评审人带来了沉重的负担，细微的缺陷可能隐藏在冗长的计算中。在 Lean 4 中形式化数学可以把证明变成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一致，只有当每个逻辑步骤都成立时，证明才会编译。

数学中最深层的许多未解决问题控制着物理波的传播、动力系统的演化以及多项式方程是否有整数解。我们的多智能体框架 LEAP，与同事们在 Google Cloud AI 开发，并与 Argon 配对，在这些核心领域取得了进展。

值得注意的是，/teamwork-LEAP完全自主地生成了一个端到端、经过机器验证的形式化证明，即韦尔猜想，这是关于在有限域上计数多项式方程解的里程碑式成果，最终促成了皮埃尔·德利内1974年的证明。这个形式化证明跨越了大约180万行Lean代码，通过28,800次子代理调用产生。该系统还综合了超过91.9万行Lean代码，以生成对一般整数环上希尔伯特第十问题的最新证明的第一个形式化证明。它还独立地重新生成了一个端到端的形式化证明，即关于光滑强制下有限时间爆炸的三维纳维-斯托克斯方程的最新证明，这是七个千禧年大奖难题之一，已悬而未决约90年。

除此之外，它还生成了 伯克霍夫猜想 的第一个形式化，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 三维博克-里斯猜想，这是一个持续超过 50 年的调和分析中的核心问题，并在最近发布的不形式化证明中找到了并修复了一个漏洞。其他机器检查的突破包括解决了三维及更高维度无穷调和函数的 C¹ 正则性（一个悬而未决的问题，约 20 年），形式化了 Killip 和 Vişan 的定理，即 KdV 水波方程在 H⁻¹ 中是适定的，并验证了加州大学洛杉矶分校的一个小组对 40 年前的 Jamison 蚕宝宝猜想、Ağırseven-Ollis 猜想以及 Erdős 问题 #1063 的改进上限的 informal 证明。

最后，我们为另一场 CS 会议的作者提供了 深度评审：在 STOC 2027 之前，578 份投稿（超过所有投稿的三分之一）选择接收深度评审反馈。在持续进行的作者调查（N = 70）中，90% 的受访者认为反馈大部分或几乎全部是事实性的，90% 的人表示他们会再次使用该工具。超过 30% 的人表示深度评审发现了实质性的证明错误或数学上重要的排版错误，14% 的人表示它发现了需要超过一小时才能修复的技术差距。受访作者分享说，“这类工具可以帮助更快地产生更清晰、更精确的研究”，并且 DeepReview 为科学发现提供了安心感”。我们为用户提供每周两次免费的深度评审通话。 深度评审 也作为 /teamwork's 文档评审模式 在 Antigravity 中实现。在我们的 最近博客文章 中了解更多关于 DeepReview 的信息。

分子化学发现

超越形式证明，将专门的生成代理与独立的验证代理配对，能够实现实验科学中的发现工作流程。

根据实验核磁共振nuclear magnetic resonance数据确定分子的结构是化学中最难的谜题之一。例如，在HIV蛋白酶抑制剂中，一个错误的键将一个无效的类似物与药物区分开来。通过将30个专门的代理组织成一个自我纠正的循环，并使用//teamwork和物理信息光谱模拟器，我们在复杂的基准分子上实现了95%的top-1精确匹配和100%的top-3准确率，几乎将单代理性能提高了一倍。除了教Gemini推理结构之外，这为正在进行的三维蛋白质和复杂结构动力学研究奠定了基础。

除了这个例子之外，包括核聚变和量子算法reported in the Gemini 4 blog post在内的科学问题也受益于/teamwork和Argon模型。

生成因果推理基准

我们还应用了类似的 多轮审计工作流程来构建经验基准。从五个人类指定的接受标准（如数据匿名化）开始，29个在Argon上运行的代理在11.5个小时内将13个公共表格转换为一个包含50个任务的因果推理基准。在这些任务中，模型必须确定是否可以识别一个causal effect，并针对已知答案进行估计。在初步检查后，单独的审查员和审计员代理发现了捷径，标记了措辞提示，并否决了幻觉脚本，将每个任务转换为一个永久性测试。自动化这个高度手动的工作任务生成提供了所需的难题，以帮助Gemini回答反事实的"what-if"问题。

编码和系统工程

当与网络基准、游戏引擎、未经修改的测试套件和硬件计时器等客观评估者配对时，/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，这是一个基于 SNAP microkernel的低延迟内核绕过Partitioned Global Address Space。基于FarArray构建的应用包括无锁Connected Components，它可以扩展到具有1万亿边的图，并比TCP键值存储快60倍到90倍，速度提升40倍到180倍，同时RAM使用量降低6倍。类似地， InstantEmbedding（个性化PageRank）比加速的MapReduce实现峰值DRAM降低了高达14倍，运行时间降低了11倍到27倍。该团队还使用/teamwork和Argon为图神经网络创建了自定义TPU内核，在前向和后向传递中实现了高达185倍的High Bandwidth Memory减少和8倍到15倍的速度提升。更多细节可以在我们的recent Antigravity blog post中找到。

自主爬山

为了测试长期范围内的自主优化，Argon上的爬山团队从基本的AlphaZero实现开始，从头训练了一个9x9的围棋引擎。人类研究人员设置了芯片分配和评估设置，而驱动程序运行了自主活动，以实现更快的自我对弈（实现了2300倍的加速）和更快的埃洛读数，严格通过锁定记录上的统计测试来推广冠军。在不到八天内，引擎获得了大约2600埃洛分，达到了1885埃洛分，将其置于每步移动访问16次和32次的KataGo之间。

内存安全的Rust重写，/boost，和TPU内核优化

当代理删除依赖项或更改测试以使损坏的端口通过时，大型代码迁移会失败。一个新的/teamwork重写模式，即将在Antigravity中提供，通过在每个模块仅在其依赖项编译后才调度每个模块，并将每个叶模块链接到原始的、未修改的测试套件来解决此问题。在初始的Zircon微内核25%移植的基础上，为期两周的Argon活动重写了剩余的C++代码，添加了大约800,000行通过所有内核单元测试并在arm64硬件上启动的安全Rust。 /teamwork还把libgav1，Google的AV1视频解码器，从C++改写成了大约170k行的Rust，在广泛的符合性测试套件中实现了100%的字精确匹配。最初，移植比原始的C++代码慢约4倍。然而，在给/teamwork提供分析工具并获得在样本视频片段上最大化速度的授权后，Rust移植在x86_64和ARM上的原始C++和手工优化的汇编代码都比20-30%快。

对于日常编码任务，Antigravity的/boost命令包装了/teamwork's 迭代编码模式。一个长期运行的/teamwork活动分析了过去的运行轨迹，发现紧密耦合的代码最好是通过顺序实施和修订阶段而不是并行拆分来处理，从而在编码任务上改进了/boost。这是一个驱动程序优化另一个驱动程序的示例，以提高代币效率。

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，这限制了先前优化代理可以探索的候选者数量。使用/teamwork's DuoDiscover模式在Argon上，四个并行代理识别了性能瓶颈，并构建了快速、23秒的代理评估器，称为yardsticks。这些yardsticks产生候选排序，这些排序会不断使用Kendall's rank correlation与定期的完整硬件运行进行验证。DuoDiscover在17个JAXBench内核和7个手工优化的vLLM TPU-Inference Pallas内核（用于前沿开放权重模型）上相对于参考实现的几何平均值速度提高了4.09倍，几何平均值速度提高了2.99倍。

Google基础设施应用程序

我们还已将/teamwork和/boost应用于Google的许多生产基础设施和硬件建模问题。例子包括：

• 全局内存优化：在 初始的Argon内存工作的基础上，我们分析了全局指标，以及内部内存节省的过往成功经验，并创建了可重用的 /teamwork 工作流，这些工作流识别了内存节省的机会，超过了我们最初1 PiB的节省估计。我们还部署了人类参与的内存效率监控代理，通过结构填充消除、标量窄化、悬崖跳跃、外化以及标记指针等技术实现了额外的内存节省。
• Borg代理式调度：基于 /teamwork 和 /boost，Borg的代理式工作流用于调度优化已发布2项成功变更，在一些硬件类型上导致TPU工作负载抢占减少了24%，同时保留了工作负载SLO和集群利用率。

向研究和开发社区开放这些工具

外部科学家和开发者今天可以在Antigravity和 深度审查 中使用带有 /teamwork 和 /boost 的Gemini 4模型。我们还开放了 应用程序，为10,000名学术研究人员提供六个月的最高使用层免费访问。即将到来的更新将把我们的正式证明模式和额外的专用工作流带到Antigravity中。这些功能将伴随着未来几周在 Antigravity博客 上的深入教程，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代理团队所需的资源。我们很高兴让我们的工具（除了我们的模型）可供所有人使用。

致谢

Antigravity的 /teamwork 功能是Google范围内许多贡献者和持续探索的结果。贡献包括：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。Carla Bromberg和Lauren Fraser负责项目管理，以及 Francis Duan, Pan-Pan Jiang, Xiyan Shao, Jane Shapiro, Weilun Shi, 和 Xinyu Ye 对项目的贡献。我们也感谢来自几位领导的支持 Sergey Brin, Demis Hassabis, Koray Kavukcuoglu, Pushmeet Kohli, James Manyika, Yossi Matias, Varun Mohan, 和 Amin Vahdat。

几位学术合作者为研究论文做出贡献：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).