跳到正文
Google Research·· 6 天前精選AI 評分85

Google Research 公佈 Antigravity /teamwork 在數學、科學與工程領域的成果

Advancing science & engineering with Antigravity’s /teamwork

AI 導讀

Google Research 公佈 Antigravity 的 /teamwork 結合 Gemini 4 models 在數學、科學及工程任務上的多項成果,並向外部研究人員和開發者開放相關工具。

推薦理由

文章以數學、化學與系統工程案例,呈現 /teamwork 如何透過並行探索、獨立驗證和任務分工支援長程研究工作。

正文 · 繁體中文

過去數週,Google 及學術合作機構的團隊一直致力解決數學、科學和複雜系統工程中多年未解的開放問題。這些合作運用 Gemini 4 Argon、Gemini 4 Carbon、Gemini 4 Hydrogen,以及多代理工作流程,例如 Antigravity 的 /teamwork(以不同 Gemini 模型為基礎),在資訊理論、形式化驗證、分子結構發現及核心最佳化方面帶來創新,也為 Google 的生產環境基礎設施帶來多項改進。我們現於 Antigravity 的 /teamwork(以及 /boost 和其他代理)提供這些 Agent 工具,讓研究人員和開發人員應用於自己的工作。

前沿研究和系統工程需要梳理大量文獻、建立自訂計算流程、以物理測量結果進行測試,並驗證每個步驟。進展來自互動式探索循環:研究人員提出問題,並界定理論或物理限制;長時程 Agent 則編寫自訂求解器、探索龐大的搜尋空間、測試候選設計,並檢查長串推理過程。

擴展長時程推理

現有語言模型的兩項限制促成了 /teamwork 的設計。首先,模型生成結果可能難以預測,令單次嘗試與找到正確答案之間出現落差。系統透過並行探索配合專用反證工具來彌合這個落差,例如 Lean 4 證明檢查器、未經修改的軟件測試套件、執行模擬器、網頁搜尋或硬件計數器,以自動驗證哪些候選解法可行。

其次,AI 模型在多日任務中往往會遺漏細節,因為注意力會分散於不斷擴大的上下文視窗。為防止這種情況,/teamwork在設計上會分割上下文:每個專門代理只會取得完成特定步驟所需的確切檔案和工具。協調者會把任務交接給新的接任者,而評論者和審核者則在不含原始產出者推理過程的獨立上下文中,質疑並驗證結果。

Teamwork 以宣告式、可自我改進的自然語言模式呈現這些工作流程,並會動態將每個用戶提示詞路由至最適合該任務的模式。這些模式涵蓋分散式編碼和迭代式解題(獨立封裝為 /boost,這是一個根據過往執行軌跡改良而成的循序求解與驗證循環),也包括長篇證明及文件審閲等專門研究工作流程;這些功能現時均已在 Antigravity 提供。這讓團隊能根據過往執行記錄設計自訂規格,在不同 harness 模式之間路由,並動態改進 Agent harness。Antigravity 已提供其中不少功能,我們會在未來數週發布更多更新,讓 Antigravity 的外部用戶也能使用所有功能。承接我們先前關於 Antigravity /teamwork 的文章,我們公佈運用 /teamwork 新變體及 Gemini 4 模型,應對未解挑戰的新成果。

數學與理論電腦科學

在數學和理論電腦科學領域,研究人員與 Gemini 4 及 /teamwork 框架合作,共同處理大規模證明,並直接根據未解問題的描述生成完整的演算法和證明。以下介紹幾個例子。

證明並驗證 Courtade–Kumar 猜想

Google、CUHK、USC 和 CMU 的研究人員使用 /teamwork 的長證明模式(在 Antigravity 中實作 Stellar Colosseum),以證明資訊理論中於 2013 年提出的 Courtade–Kumar 猜想在最一般情況下成立。這項結果證實,當隨機位元字串經過雜訊通道時,沒有任何將輸入壓縮成單一位元的方法,能比「獨裁者函數」保留更多資訊;這種函數只會複製一個輸入位元。Gemini 首先找到了 CUHK 團隊較早期論文中廣義猜想的反例。隨後,CUHK 團隊提出一個新的候選函數,將猜想化簡為一個 14 變數最佳化問題,並給出一項關鍵的解析下界。Gemini 4 Argon 及較早期的 Gemini 模型接着劃分參數空間,並推導出大部分新的解析界限和區間算術證書。在沒有人工介入下,它們也將證明由平衡函數推廣至非平衡函數。團隊使用 Lean 4 將整個證明形式化,產生了 5,000 萬行程式碼。

解決最佳化、統計學、量子計算和演算法領域的未解問題

研究人員也直接向 Gemini 4 及 Stellar Colosseum、/teamwork 等多代理框架提出未解問題,並取得端到端的演算法和證明(通常附有 Lean 4 形式化版本);作者會驗證、簡化並編輯這些成果,以供發表。在自適應數據分析領域,一個使用 Gemini 4 Argon 運行的多代理框架,獨立證明並以 Lean 驗證了近乎最優的樣本界限。這些界限適用於根據較早答案自適應選取的統計查詢,填補了自 2014 年以來一直未能解決的缺口。這些界限帶來首個空間使用量近乎最優的演算法,適用於同時包含插入和刪除操作的數據流,並能在面對自適應對手時保持準確。在量子計算領域,一項新構造解決了 2014 年的一個未解問題,找出首批在固定錯誤率下需要嚴格多於 n/2 次量子查詢的 n 位元布林函數,同時確定各類對稱函數的確切查詢額外開銷。

多項成果突破了處理及壓縮大型矩陣與圖的長期瓶頸。五十年來,直至 STOC 2024,針對 布林矩陣乘法及三角形偵測的組合演算法(避開快速矩陣乘法中的代數抵消),相較於立方時間只取得對數因子的加速。一種新的確定性演算法解決了 STOC 2024 的主要未解問題,達到其目標加速幅度。在高維幾何方面,一項新的下界解決了關於稀疏網絡的一項未解問題,證明即使加入額外的斯坦納點,並容許任意多個跳步,要在任何常數因子範圍內近似 n 個點之間的所有成對距離,所需的邊數仍可能比 n 多出多項式級別。在隨機化線性代數方面,堆疊式稀疏草圖解決了一項2025 年未解問題,打破了傳統的稀疏度限制:將矩陣壓縮至線性維度時,不會令 r 維子空間中的任何方向塌縮,每行只需 √log r 個非零項(比保留所有長度所需的 log r 個少至平方根級別),並幾乎達到一項新的下界。對於邊權重會動態插入及刪除的加權圖,Stellar Colosseum 解決了FOCS 2022留下的一項未解問題,開發出首個單次掃描串流演算法,用於割稀疏化,並同時達到近乎最佳的記憶體用量、更新時間及重建時間。

我們的成果亦涵蓋最佳化、算術、資料結構及統計學。在最佳化方面,為瞭解決關於線上逆向線性最佳化的一項未解問題(根據專家隨時間作出的決策,推斷其隱藏目標),這種方法提出一種確定性演算法,在達到最佳後悔值的同時,將執行時間由維度的指數級降至多項式時間。對於 n 位元的整數乘法,多代理研究計劃將理論上的圖靈機界限簡化至低於 n log n;另一項研究則在單一二維網格上提出新的 O(n log n) 演算法,其 C 實作在十億位元以內與 GNU Multiple Precision Arithmetic Library (GMP) 逐位元一致。在資料結構方面,另一項成果在 Tarjan 於 1985 年提出的雙端佇列猜想(自我調整的伸展樹能否在兩端進行插入和刪除,並使攤銷時間維持在常數)上取得重大進展,證明瞭每次操作開銷的新上界;這個上界同時優於所有有限次迭代的反 Ackermann函數,並已在 Lean 4 中驗證。最後,在高維統計學方面,這種方法證明,近似留一交叉驗證無需從頭重新擬合模型,對於非平滑的稀疏懲罰項(例如 elastic net)仍然準確。

擴展形式驗證與稿件審閲規模

手動檢查一份由電腦輔助完成的手稿,會為同行評審人員帶來沉重負擔,而細微瑕疵亦可能藏在冗長的計算之中。以 Lean 4 將數學形式化,可把證明轉化為程式碼,由電腦核心逐行檢查。人類數學家確認形式化定理陳述與原始問題相符後,只有在每個邏輯步驟均成立時,證明才會成功編譯。

許多數學中最深奧的未解問題,關乎物理波如何傳播、動力系統如何演化,以及多項式方程是否有整數解。以非形式化證明為直接起點,我們與 Google Cloud AI 的同事共同開發、並配合 Argon 使用的多 Agent 框架 LEAP,已在這些核心領域取得進展。

值得注意的是,/teamwork-LEAP 全自主地端到端產生了魏爾猜想的機器核驗形式化證明。這些里程碑式成果關乎計算有限域上多項式方程解的數目,最終由 Pierre Deligne 於 1974 年證明。這項形式化內容約有 180 萬行 Lean 程式碼,由 28,800 次子 Agent 呼叫產生。系統亦合成超過 919,000 行 Lean 程式碼,首次將近期一項關於一般整數環上的希爾伯特第十問題證明形式化。系統亦獨立重現了一項近期證明的端到端形式化;該證明顯示,在平滑外力項下,3D 納維–斯托克斯方程會在有限時間內爆破。這是七個千禧年大獎難題之一,該問題已懸而未決約 90 年。

除此之外,系統亦首次生成伯克霍夫猜想的形式化版本;這個動力系統問題自 1927 年起一直未解。此外,系統首次將3D Bochner–Riesz 猜想形式化;這是調和分析中的核心問題,已懸而未決超過 50 年。過程中,系統找出並修補了一份近期發布的非形式化證明中的缺口。其他經機器核驗的突破包括解決三維及以上維度中無窮調和函數的 C¹ 正則性問題(約 20 年來未解);將 Killip 和 Vişan 關於KdV 水波方程在 H⁻¹ 中適定的定理形式化;以及核驗 UCLA 團隊對 40 年前的 Jamison Caterpillar 猜想、Ağırseven-Ollis 猜想,以及 Erdős 問題 #1063 的改進上界所作的非形式化證明。

最後,我們為另一場計算機科學會議的作者提供Deep Review:在 STOC 2027 前,578 篇投稿的作者(超過全部投稿的三分之一)選擇接收 Deep Review 對其草稿的意見。在一項仍在進行的作者調查中(N = 70),90% 的受訪者認為相關意見大部分或幾乎全部屬實,另有 90% 表示會再次使用這項工具。超過 30% 表示 Deep Review 找出了實質性的證明錯誤或具數學重要性的錯字,14% 表示它找出修補需時超過一小時的技術缺口。受訪作者表示:「此類工具有助更快產出更清晰、更精確的研究成果」,並指出「DeepReview 讓人對科學發現更安心」。我們每週免費向用戶提供兩次 Deep Review 呼叫。Deep Review亦以 /teamwork's 的文件審閲模式實作,並可在 Antigravity 使用。詳情請參閲我們最近的網誌文章。

分子化學探索

形式化證明以外,將專用生成代理與獨立驗證代理配對,可在實驗室科學研究中實現探索工作流程。

根據實驗核磁共振數據判定分子結構,是化學領域最棘手的難題之一。例如,在HIV 蛋白酶抑制劑中,錯置一條鍵便足以令一個外觀相似的分子由有效藥物變成無效分子。我們將 30 個專用代理組織成自我修正循環,並配合 /teamwork 和融入物理知識的光譜模擬器,在複雜分子基準測試中達到 95% 的 top-1 完全匹配率及 100% 的 top-3 準確率,表現幾乎是單一代理的兩倍。這不但教會 Gemini 推理分子結構,也為持續研究 3D 蛋白質及複合物結構動態奠定基礎。

除了這個例子,Gemini 4 網誌文章中報道的核融合及量子演算法應用等科學問題,也受惠於 /teamwork 和 Argon 模型。

建立因果推論基準測試

我們亦採用類似的多輪審核工作流程,建立實證基準測試。從人手指定的五項驗收準則(例如數據匿名化)出發,29 個在 Argon 上運行的代理經過 11.5 小時,將 13 個公開資料表轉化為包含 50 項任務的因果推論基準測試。在這些任務中,模型必須判斷能否識別因果效應,並根據已知答案估算效應。初步檢查後,獨立的審閲代理和稽核代理找出取巧方法、指出措辭中的暗示,並否決出現幻覺的腳本,將每項問題變成永久測試。將這項高度依賴人手的任務生成流程自動化,可提供所需的難題,協助 Gemini 回答反事實式的「如果……會怎樣」問題。

編碼與系統工程

配合網絡基準測試、遊戲引擎、未經修改的測試套件及硬件計時器等客觀評估工具,/teamwork 工作流程可執行為期多日的軟件及硬件工程項目。

分散式系統

我們使用 /teamwork 和 Argon 建立了FarArray。它是一個低延遲、採用核心旁路技術並以分割全域位址空間為基礎的系統,建基於 SNAP 微核心。以 FarArray 為基礎的應用程式包括無鎖連通分量,可擴展至包含 1 兆條邊的圖;與 TCP 鍵值儲存系統相比,其吞吐量提升 60 倍至 90 倍,速度提升 40 倍至 180 倍,而 RAM 用量低 6 倍。同樣地,InstantEmbedding(Personalized PageRank)與加速版 MapReduce 實作相比,峯值 DRAM 用量最多減少 14 倍,執行時間縮短 11 倍至 27 倍。團隊亦使用 /teamwork 和 Argon,為圖神經網絡建立自訂 TPU 核心程式,使高頻寬記憶體用量最多減少 185 倍,並在前向及反向傳播階段加快 8 倍至 15 倍。更多詳情請參閲我們近期的 Antigravity 網誌文章。

自主爬山搜尋

為測試長時間跨度的自主最佳化能力,Argon 上的爬山團隊從頭開始訓練一個 9x9 圍棋引擎,起點是基本的 AlphaZero 實作。人類研究人員設定晶片分配及評估配置,執行框架則自主執行多輪測試,以加快自我對弈(速度提升 2,300 倍)及 Elo 評分讀取速度,並嚴格根據鎖定紀錄上的統計檢定晉升冠軍版本。不到八天,引擎的 Elo 評分便提升約 2,600,達到 1,885,排名介乎每步棋訪問 16 次及 32 次的 KataGo 之間。

記憶體安全的 Rust 重寫、/boost,以及 TPU 核心最佳化

大型程式碼遷移若以佔位實作取代相依項目,或修改測試令有問題的移植版本通過,便會失敗。Antigravity 即將推出一種新的 /teamwork 重寫模式,透過只在相依項目編譯成功後才安排各模組,並將每個末端模組連結至原封不動的原始測試套件,解決了這個問題。以最初完成 25% 的 Zircon 微核心移植為基礎,Argon 上一項為期兩週的計劃重寫了餘下的 C++ 程式碼,新增約 800,000 行安全 Rust,通過所有核心單元測試,並能在 arm64 硬件上啟動。/teamwork 亦將 Google 的 AV1 影片解碼器 libgav1 從 C++ 重寫為約 170k 行 Rust,在涵蓋廣泛的符合性測試套件中,達到 100% 位元完全一致。最初,移植版本的速度比原有 C++ 程式碼慢約 4 倍。然而,讓 /teamwork 使用效能分析工具,並要求它盡量提升樣本影片片段的速度後,Rust 移植版本在 x86_64 和 ARM 上都比原有 C++ 程式碼及手動最佳化的組合語言程式碼快 20-30%。

對於日常編碼工作,Antigravity 的 /boost 命令會打包 /teamwork 的迭代編碼模式。一項長時間執行的 /teamwork 計劃分析過往的執行軌跡後發現,緊密耦合的程式碼最好分階段依次實作及修訂,而非平行拆分處理,從而提升 /boost 在編碼任務上的表現。這是執行框架為提升 token 效率而最佳化另一個執行框架的例子。

對於機器學習系統,自訂 JAX 和 Pallas TPU 核心的完整硬件評估需時 7 至 32 分鐘,限制了以往最佳化代理可探索的候選方案數量。在 Argon 上使用 /teamwork 的 DuoDiscover 模式後,四個平行代理找出效能瓶頸,並建構出名為 yardsticks 的快速代理評估器,每次只需 23 秒。這些 yardsticks 會為候選方案排序,並利用 Kendall 等級相關係數,持續根據定期進行的完整硬件執行結果驗證排序。DuoDiscover 在 17 個 JAXBench 核心上,相較參考實作達到 4.09 倍幾何平均加速;在 7 個為前沿開放權重模型手動最佳化的 vLLM TPU-Inference Pallas 核心上,則達到 2.99 倍幾何平均加速。

Google 基礎架構應用

我們亦在 Google 內多項正式環境基礎架構及硬件建模問題上應用了 /teamwork 和 /boost。例子包括:

  • 整體機羣記憶體最佳化:在最初的 Argon 記憶體工作基礎上,我們分析了整體機羣指標,以及內部過往成功節省記憶體的案例,並建立可重複使用的 /teamwork 工作流程,找出節省記憶體的機會,節省量超出最初估算的 1 PiB。我們亦部署了人機協作式記憶體效率監察 Agent,透過消除結構體填充、標量縮窄、懸崖跳躍、程式碼外提及標記指標等技術,進一步節省記憶體。
  • Borg 代理式排程:建基於 /teamwork 和 /boost,Borg 用於排程最佳化的代理式工作流程成功推出 2 項改動,令部分硬件類型上的 TPU 工作負載遭搶佔的情況減少 24%,同時維持工作負載 SLO 和叢集使用率。

向研究及開發者社羣開放這些工具

外部科研人員及開發者現時可在 Antigravity 和 Deep Review 中使用 Gemini 4 模型,配合 /teamwork 和 /boost。我們亦已開放申請,讓 10,000 名學術研究人員免費使用最高用量級別,為期六個月。未來更新將把我們的形式化證明模式及其他專門工作流程帶到 Antigravity。未來數週內,我們會在Antigravity blog發布深入教學,讓開發者及研究人員具備所需資源,以生成、檢視並反覆改良自訂多代理團隊。我們很高興能讓所有人使用我們的工具(以及模型)。

鳴謝

Antigravity 的 /teamwork 功能是 Google 全公司共同努力及持續探索的成果,參與者包括: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 及 Goran Žužić。感謝 Carla Bromberg 和 Lauren Fraser 負責項目管理,以及 Francis Duan、Pan-Pan Jiang、Xiyan Shao、Jane Shapiro、Weilun Shi 和 Xinyu Ye 對項目的貢獻。我們亦感謝多位領導的支持:Sergey Brin、Demis Hassabis、Koray Kavukcuoglu、Pushmeet Kohli、James Manyika、Yossi Matias、Varun Mohan 和 Amin Vahdat。

多位參與研究論文的學術合作者: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)。

來源:Google Research · research.google