AI

Antigravity /teamwork: wieloagentowe systemy AI od Google do zastosowań naukowych

Google przedstawia wyniki działania systemów wieloagentowych Antigravity /teamwork napędzanych przez modele Gemini 4, które rozwiązały otwarte problemy w dziedzinie matematyki i inżynierii.

·3 min czytania
Antigravity /teamwork: wieloagentowe systemy AI od Google do zastosowań naukowych

Google podzieliło się najnowszymi wynikami działania systemów wieloagentowych Antigravity /teamwork, które usprawniają współpracę między człowiekiem a sztuczną inteligencją w celu rozwiązywania otwartych problemów z zakresu matematyki, chemii, oprogramowania systemowego oraz uczenia maszynowego. Te narzędzia agencyjne, opracowane we współpracy z ludzkimi ekspertami, są teraz udostępniane użytkownikom zewnętrznym.

  • Google wraz z partnerami akademickimi zmierzyło się z otwartymi problemami w dziedzinie matematyki, nauki i inżynierii systemów, które pozostawały nierozwiązane od lat, wykorzystując modele Gemini 4 oraz system Antigravity /teamwork.
  • System niweluje przepaść między pojedynczymi próbami generowania odpowiedzi a poprawnymi rezultatami, łącząc równoległą eksplorację z dedykowanymi falsyfikatorami, takimi jak Lean 4 czy symulatory wykonywania kodu.
  • /teamwork z założenia partycjonuje kontekst: wyspecjalizowane agenty otrzymują wyłącznie te pliki i narzędzia, których potrzebują, co zapobiega rozpraszaniu uwagi w trakcie realizacji długich zadań.
  • Innowacje osiągnięto w dziedzinie teorii informacji, weryfikacji formalnej, struktur molekularnych oraz optymalizacji kerneli.

Architektura i projekt systemów wieloagentowych Badania czołowe wymagają przeszukiwania ogromnych zasobów literatury, budowania niestandardowych potoków obliczeniowych i weryfikacji każdego kroku. Postęp wynika z interaktywnej pętli, w której badacze formułują pytania, podczas gdy długoterminowe agenty piszą dedykowane solvery i sprawdzają łańcuchy logiczne. Projekt /teamwork opiera się na dwóch ograniczeniach obecnych modeli językowych: nieprzewidywalności generowania oraz utracie szczegółów w wielodniowych zadaniach z powodu rosnących okien kontekstowych. Aby zasypać tę przepaść, system łączy równoległą eksplorację z dedykowanymi falsyfikatorami – takimi jak sprawdznik dowodów Lean 4, zestawy testowe czy liczniki sprzętowe – w celu automatycznej weryfikacji proponowanych rozwiązań. Dodatkowo /teamwork partycjonuje kontekst już w fazie konstrukcji, dbając o to, by każdy wyspecjalizowany agent otrzymywał wyłącznie niezbędne pliki. Koordynatorzy przekazują zadania nowym następcom, a krytycy weryfikują wyniki z poziomu czystych kontekstów.

Przełomy w matematyce i teoretycznej informatyce Badacze z Google, CUHK, USC i CMU użyli wzorca Long Proof systemu /teamwork, aby w pełnej ogólności udowodnić pochodzącą z 2013 roku conjecture (hipotezę) Courtade–Kumara w teorii informacji. Modele Gemini podzieliły przestrzeń parametrów i opracowały granice analityczne, formalizując cały dowód w Lean 4 i generując 50 milionów linijek kodu. Potwierdziło to, że kompresja danych wejściowych do pojedynczego bitu nie zachowuje więcej informacji niż funkcja dyktatorska przechodząca przez kanał z szumem. Badacze zadawali również otwarte problemy bezpośrednio modelom Gemini 4 i zestawom wieloagentowym, otrzymując kompletne algorytmi i dowody. W informatyce kwantowej nowa konstrukcja rozstrzygnęła otwarty problem z 2014 roku, znajdując funkcje boolowskie wymagające ściśle więcej niż n/2 zapytań kwantowych przy stałym błędzie. Przełomy osiągnięto również w dziedzinie mnożenia macierzy boolowskich, geometrii wielowymiarowej oraz algorytmów strumieniowych dla grafów dynamicznych.

Wnioski dla badaczy i programistów Dostępność tych narzędzi agencyjnych w środowisku Antigravity pozwala badaczom i deweloperom na stosowanie zaawansowanych przepływów pracy wielu agentów we własnych projektach. Wyrażając przepływy pracy jako deklaratywne wzorce w języku naturalnym i dynamicznie routując podpowiedzi, Antigravity umożliwia tworzenie spersonalizowanych specyfikacji, które drastycznie przyspieszają pętle odkryć w nauce i inżynierii.

Źródło: Hacker News: Front Page

Podobne artykuły