Google 在 Antigravity 开放 /teamwork 多智能体工作流,外部研究者可用 Gemini 4 跑长任务
Advancing science & engineering with Antigravity’s /teamwork
Google 在 Antigravity 中向外部研究者和开发者开放 /teamwork 与 /boost 多智能体工作流,可搭配 Gemini 4 Argon、Carbon、Hydrogen 使用,Deep Review 每周免费两次。
Google 把 Antigravity 的 /teamwork 多智能体工作流开放给外部研究者,每个智能体只拿自己那一步的文件和工具,结果由独立的检查器核对。
过去几周,Google 各团队与学术合作机构一起,攻克了数学、科学和复杂系统工程领域若干悬而未决多年的开放问题。借助 Gemini 4 Argon、Gemini 4 Carbon、Gemini 4 Hydrogen 以及 Antigravity 的 /teamwork 等多智能体工作流(基于多个 Gemini 模型构建),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方面取得了新突破,同时也在 Google 内部带来了多项生产基础设施方面的收益。我们正把这些智能体工具开放到 Antigravity 的 /teamwork 中(与 /boost 及其他智能体并列),让研究者和开发者能将其用于自己的工作。
前沿研究和系统工程需要梳理海量文献、搭建定制计算流水线、对照物理测量结果进行测试,并验证每一个步骤。进展来自一个交互式的发现循环:研究者提出问题、定义理论或物理约束,而长时程智能体负责编写定制求解器、探索大规模搜索空间、测试候选设计,并检查长长的逻辑链条。
扩展长时程推理
当前语言模型的两大局限促成了 /teamwork 的设计。其一,模型生成具有不确定性,单次尝试与找到正确答案之间存在差距。系统通过并行探索配合专门的证伪器(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)来自动验证哪些候选方案有效,从而弥合这一差距。
其二,AI 模型在持续数天的任务中常常丢失细节,因为注意力会随着上下文窗口不断增长而分散。/teamwork 通过构造方式对上下文进行分区来避免这一点:每个专用智能体只拿到它完成特定步骤所需的文件和工具。协调者把任务交给全新的后继智能体,而评审者和审计者则在干净的上下文中质疑并验证结果,不带有原始产出者的推理过程。
Teamwork 把这些工作流表达为声明式、可自我改进的自然语言模式,并将每个用户提示词动态路由到最适合该任务模式。这些模式涵盖分布式编码和迭代式问题求解(作为 /boost 独立打包,这是一个从既往轨迹中提炼出的顺序求解—验证循环),也涵盖长证明、文档审阅等专门研究流程,目前均已在 Antigravity 中提供。这让团队能够根据过往运行记录设计定制规范,在不同 harness 模式之间路由,并动态改进智能体 harness。虽然其中许多功能已在 Antigravity 中可用,我们将在未来几周提供更多更新,向 Antigravity 的外部用户开放全部功能。继此前关于 Antigravity /teamwork 的文章之后,我们在此呈现在 /teamwork 新变体和 Gemini 4 模型加持下针对开放挑战取得的新成果。
数学与理论计算机科学
在数学与理论计算机科学领域,研究人员借助 Gemini 4 和 /teamwork 工具链,协作开展大规模证明,并能直接从开放问题陈述出发,生成完整的算法与证明。我们在此展示若干实例。
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 Stellar Colosseum),在完全一般的情形下证明了信息论中的2013 年 Courtade–Kumar 猜想。该结果确认:当随机比特串通过有噪信道时,把输入压缩为单个比特,没有任何压缩方式能比“独裁函数”保留更多信息——所谓独裁函数,就是直接复制某一个输入比特。Gemini 首先在 CUHK 团队早前论文提出的一个广义猜想中找到了反例。随后 CUHK 团队提出了一个新的候选函数,把该猜想归结为一个 14 变量优化问题,并给出了一个关键的分析下界。接着,Gemini 4 Argon 和更早的 Gemini 模型划分了参数空间,推导出大部分新的分析界与区间算术证书。它们还在没有人工输入的情况下,把证明从平衡函数推广到了非平衡函数。团队最终在 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、量子计算与算法领域的开放问题
研究人员还直接把开放问题交给 Gemini 4 以及 Stellar Colosseum、/teamwork 等多智能体工具链,得到了端到端的算法与证明(通常还附带 Lean 4 形式化),并由作者验证、简化并编辑成文以便发表。在自适应数据分析方面,运行于 Gemini 4 Argon 的多智能体工具链独立证明并经 Lean 验证了近最优样本界,适用于根据先前答案自适应选择的统计查询,填补了自 2014 年以来悬而未决的空白。这些界给出了首个近乎空间最优的算法,可处理同时包含插入和删除的数据流,并且面对自适应对手时仍保持准确。在量子计算方面,一项新构造解决了一个 2014 年的开放问题:它找到了首批在常数误差下需要严格多于 n/2 次量子查询的 n 比特布尔函数,同时精确确定了对称函数上的查询开销。
多项成果打破了处理与压缩大型矩阵和图结构长期存在的壁垒。在 STOC 2024 之前的五十年里,针对布尔矩阵乘法与三角形检测的组合算法(避开快速矩阵乘法中的代数消去)相比立方时间只节省了对数因子。一项新的确定性算法解决了 STOC 2024 提出的主要未解问题,实现了其相对于立方时间的目标加速。在高维几何中,一项新的下界解决了一个关于稀疏网络的未解问题,证明要在任意常数因子内近似 n 个点之间的所有两两距离,所需的边数可能多项式级地多于 n,即便允许额外的Steiner 点和任意多的跳数。在随机线性代数中,堆叠稀疏草图解决了一个 2025 年的未解问题,打破了将矩阵压缩到线性维度而不使 r 维子空间任何方向塌缩的经典稀疏性壁垒,每行只需 √log r 个非零元(比保持所有长度所需的 log r 平方级地少),并几乎匹配了一个新的下界。对于动态边权插入与删除下的加权图,Stellar Colosseum 解决了 FOCS 2022 留下的一个未解问题,开发出首个用于割稀疏化的单遍流式算法,同时实现了接近最优的内存、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。在优化方面,针对在线逆线性优化(从随时间做出的决策中推断专家的隐藏目标)的一个未解问题,该方法给出了一个确定性算法,在达到最优遗憾的同时将运行时间从随维度指数增长降至多项式时间。对于 n 位整数乘法,多智能体协作将理论图灵机界简化到 n log n 以下,而另一项工作则在单个二维网格上给出了新的 O(n log n) 算法,其 C 语言实现在高达十亿位的范围内与 GNU 多精度算术库(GMP)逐位一致。在数据结构方面,另一项成果在 Tarjan 1985 年的双端队列猜想(自调整伸展树能否以常数摊还时间处理两端的插入与删除)上取得重大进展,证明了每次操作开销的一个新上界,它同时优于每一个有限次迭代的反 Ackermann 函数,并在 Lean 4 中完成验证。最后,在高维统计中,该方法证明了近似留一交叉验证(无需从头重新拟合模型)对于像弹性网络这样的非光滑稀疏惩罚仍然准确。
扩展形式化验证与稿件评审
人工检查计算机辅助撰写的稿件会给同行评审带来沉重负担,而细微的缺陷又可能藏在冗长的计算之中。用 Lean 4 将数学形式化,可以把证明变成代码,由计算机内核逐行检查。一旦人类数学家确认形式化的定理陈述与原问题一致,那么只有当每一个逻辑步骤都成立时,证明才能通过编译。
数学中许多最深刻的未解问题,关乎物理波如何传播、动力系统如何演化,以及多项式方程是否有整数解。我们的多智能体框架 LEAP 与 Google Cloud AI 的同事共同开发,并与 Argon 配合,直接从非形式化证明出发,在这些核心领域取得了进展。
值得一提的是,/teamwork-LEAP 完全自主地端到端产出了韦伊猜想的机器可检验形式化,这是关于有限域上多项式方程解的计数的里程碑成果,最终由 Pierre Deligne 在 1974 年完成证明。这次形式化约 180 万行 Lean 代码,由 28,800 次子智能体调用生成。该系统还合成了超过 919,000 行 Lean 代码,首次形式化了一般整数环上希尔伯特第十问题近期证明。它还独立复现了三维纳维–斯托克斯方程在光滑外力下有限时间爆破的近期证明的端到端形式化,这是七大千禧年大奖难题之一,已悬置约 90 年。
除此之外,它还首次形式化了伯克霍夫猜想,这是一个自 1927 年起悬而未决的动力系统问题。它还首次形式化了三维 Bochner–Riesz 猜想,这是调和分析中悬置 50 多年的核心问题,过程中还发现并修复了近期一份非形式化证明中的一处漏洞。其他机器可检验的突破包括:解决了三维及更高维无穷调和函数的 C¹ 正则性(悬置约 20 年),形式化了 Killip 和 Vişan 的定理,即KdV 水波方程在 H⁻¹ 中适定,并验证了 UCLA 团队对已有 40 年历史的 Jamison 毛毛虫猜想、Ağırseven-Ollis 猜想以及 Erdős 第 1063 号问题改进上界给出的非形式化证明。
最后,我们为另一个计算机科学会议的作者提供了 Deep Review:在 STOC 2027 之前,578 篇投稿(超过全部投稿的三分之一)的作者选择接收针对其草稿的 Deep Review 反馈。在一项进行中的作者调查(N = 70)中,90% 的受访者认为反馈基本或几乎全部属实,90% 表示会再次使用该工具。超过 30% 表示 Deep Review 发现了实质性证明错误或数学上重要的笔误,14% 表示它发现了需要一小时以上才能修复的技术漏洞。受访作者表示:“这类工具能帮助更快地产出更干净、更精确的研究”,DeepReview 为科学发现提供了安心感。我们每周为用户免费提供两次 Deep Review 调用。Deep Review 也以 /teamwork 的文档评审模式实现,并可在 Antigravity 中使用。更多关于 DeepReview 的信息请见我们的近期博客文章。
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配对,还能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确定分子结构是化学中最难的谜题之一。例如,在HIV蛋白酶抑制剂中,一个错位的键就会把无活性的相似物与药物区分开来。通过使用 /teamwork 和物理信息谱模拟器将30个专门智能体组织成自我纠正循环,我们在复杂基准分子上实现了95%的top-1精确匹配和100%的top-3准确率,几乎是单智能体性能的两倍。除了教Gemini对结构进行推理之外,这还为正在进行的3D蛋白质和复杂结构动力学工作奠定了基础。
除了这个例子之外,包括核聚变和量子算法应用在内的科学问题在Gemini 4博客文章中报道也受益于/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上运行的智能体在11.5小时内将13个公共表转换为50个任务的因果推断基准。在这些任务中,模型必须确定是否可以识别因果效应,并对照已知答案进行估计。在初步检查之后,单独的审查员和审计员智能体发现了捷径,标记了措辞提示,并否决了幻觉脚本,将每个都变成了永久测试。自动化这项大量手动任务生成提供了帮助Gemini回答反事实“假设”问题所需的难题。
编码和系统工程
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,这是一个基于SNAP微内核的低延迟内核旁路分区全局地址空间。基于FarArray构建的应用程序包括无锁连通分量,可扩展到万亿边图,吞吐量提升60倍至90倍,速度提升40倍至180倍,RAM比TCP键值存储低6倍。同样,InstantEmbedding(个性化PageRank)与加速的MapReduce实现相比,峰值DRAM最多减少14倍,运行时间减少11倍至27倍。团队还使用/teamwork和Argon为图神经网络创建自定义TPU内核,实现了高达185倍的高带宽内存减少以及前向和后向传递中8倍至15倍的速度提升。更多细节可在我们最近的Antigravity博客文章中找到。
自主爬山
为了测试长周期下的自主优化能力,Argon 上的爬山团队从基础的 AlphaZero 实现出发,从零训练了一个 9x9 的 Go 引擎。人类研究员负责设定芯片分配和评估方案,而 harness 则自主运行多轮优化,实现更快的自我对弈(提速 2,300 倍)和更快的 Elo 读数,并严格依据锁定记录上的统计检验来晋升冠军模型。不到八天,该引擎的 Elo 提升了约 2,600 分,达到 1,885 Elo,介于每步 16 次访问和 32 次访问的 KataGo 之间。
内存安全的 Rust 重写、/boost 与 TPU 内核优化
大规模代码迁移常常失败,因为智能体会把依赖项留成空壳,或者改动测试让有问题的移植版本通过。一种新的 /teamwork 重写模式(即将在 Antigravity 中提供)解决了这个问题:每个模块只在其依赖项编译通过后才被调度,并且每个叶子模块都要链接到原始、未经修改的测试套件。在 Zircon 微内核最初 25% 移植成果的基础上,为期两周的 Argon 行动重写了剩余的 C++ 代码,新增约 80 万行安全 Rust 代码,通过了全部内核单元测试,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,在广泛的一致性测试套件上实现了 100% 位精确一致。起初,移植版本比原 C++ 代码慢约 4 倍。但在让 /teamwork 使用性能分析工具,并要求它在示例视频片段上尽可能提速之后,Rust 移植版在 x86_64 和 ARM 上都比原 C++ 及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 的迭代编码模式。一项长期运行的 /teamwork 行动分析了过往运行轨迹,发现紧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,这改进了 /boost 在编码任务上的表现。这是一个 harness 为节省 token 而优化另一个 harness 的例子。
对于机器学习系统,对自定义 JAX 和 Pallas TPU 内核进行完整的硬件评估需要 7 到 32 分钟,这限制了此前的优化智能体能够探索的候选方案数量。在 Argon 上使用 /teamwork 的 DuoDiscover 模式,四个并行智能体识别出性能瓶颈,并构建了 23 秒即可完成的快速代理评估器,称为“标尺”。这些标尺给出候选方案的排序,并通过 Kendall 秩相关与定期的完整硬件运行结果持续校验。DuoDiscover 在 17 个 JAXBench 内核上相比参考实现取得 4.09 倍的几何平均加速,在 7 个面向前沿开放权重模型、经手工优化的 vLLM TPU-Inference Pallas 内核上取得 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 内部许多生产基础设施和硬件建模问题。例如:
- 全集群内存优化:在早期 Argon 内存优化工作的基础上,我们分析了全集群指标以及内部以往的内存节省成功案例,创建了可复用的 /teamwork 工作流,识别出多处内存节省机会,超出最初 1 PiB 的节省预估。我们还部署了人在回路的内存效率监控智能体,通过消除结构体填充、标量收窄、悬崖跳转、外联、带标签指针等技术,进一步节省了内存。
- Borg 智能体调度:基于 /teamwork 和 /boost 构建的 Borg 调度优化智能体工作流已成功上线 2 项变更,使部分硬件类型上的 TPU 工作负载抢占率降低 24%,同时保持了工作负载 SLO 和集群利用率。
向研究者和开发者社区开放这些工具
外部科学家和开发者现在可以在 Antigravity 和 Deep Review 中使用 Gemini 4 模型搭配 /teamwork 和 /boost。我们还开放了申请通道,为 10,000 名学术研究者提供最高使用档位六个月的免费访问权限。后续更新将把我们的形式化证明模式和更多专用工作流引入 Antigravity。未来几周,Antigravity 博客将发布配套的深度教程,确保开发者和研究者拥有生成、检查和迭代优化自定义多智能体团队所需的资源。我们很高兴能向所有人开放我们的工具(以及模型)。
致谢
Antigravity 的 /teamwork 功能是 Google 全公司共同努力的成果,凝聚了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。Carla Bromberg 和 Lauren Fraser 负责项目管理,Francis Duan、Pan-Pan Jiang、Xiyan Shao、Jane Shapiro、Weilun Shi 和 Xinyu Ye 为项目做出了贡献。我们还要感谢多位领导者的支持:Sergey Brin、Demis Hassabis、Koray Kavukcuoglu、Pushmeet Kohli、James Manyika、Yossi Matias、Varun Mohan 和 Amin Vahdat。
参与研究论文的多位学术合作者:Zijie Chen、Amin Gohari、Chandra Nair(香港中文大学),Songbin Liu、Arian Maleki、Chen Shang、Hanbo Yang、Wenjin Zhang(哥伦比亚大学),Zihan Hao、Qipeng Liu、Jianan Shao(加州大学圣地亚哥分校),Lorenzo Beretta(IBM 剑桥),Simone Bombari(杨百翰大学 & 熨斗研究所),Mahbod Majid、Margalit Glasgow(麻省理工学院),Raphael Arkady Meyer(加州大学伯克利分校、ICSI & 劳伦斯伯克利国家实验室),Kijun Shin(卡内基梅隆大学),Huacheng Yu、Elena Gribelyuk(普林斯顿大学),Xin Lyu(加州大学伯克利分校/字节跳动),Samson Zhou(德州农工大学),Erik Waingarten(宾夕法尼亚大学),以及 Sorrachai Yingchareonthawornchai(ETH-ITS)。
来源:Google Research Blog · research.google