Antigravity /teamwork: новые мультиагентные системы Google для науки и ИИ
Google представила результаты работы систем Antigravity /teamwork на базе Gemini 4, помогающих решать многолетние научные и инженерные задачи.

Google поделилась последними результатами использования мультиагентных систем Antigravity /teamwork, которые улучшают сотрудничество человека и искусственного интеллекта для решения сложных открытых задач в математике, химии, системном программном обеспечении и машинном обучении. Все эти разработки созданы в тесном сотрудничестве с исследователями и теперь становятся доступны внешним пользователям.
- Google и академические партнеры применили мультиагентные рабочие процессы Antigravity /teamwork и модели серии Gemini 4 (Argon, Carbon, Hydrogen) для решения задач, которые оставались открытыми на протяжении многих лет в математике, точных науках и системной инженерии.
- Системы преодолевают ограничения текущих языковых моделей, сочетая параллельное исследование с выделенными верификаторами (например, проверщиком доказательств Lean 4 и симуляторами выполнения).
- Архитектура /teamwork разделяет контекст: каждый специализированный агент получает только необходимые ему файлы и инструменты, а координаторы передают задачи следующим агентам через чистые контексты.
- Достигнуты прорывы в теории информации, формальной верификации, открытии молекулярных структур, оптимизации ядер и получены производственные улучшения инфраструктуры Google.
Архитектура и дизайн мультиагентных систем Современные исследования требуют работы с огромными объемами литературы, создания пользовательских вычислительных конвейеров и проверки каждого шага. Прогресс достигается через интерактивный цикл открытий, где исследователи задают вопросы и теоретические ограничения, а долгосрочные агенты пишут код, исследуют пространство поиска и проверяют логические цепочки. Дизайн /teamwork мотивирован двумя главными ограничениями существующих языковых моделей: непредсказуемостью генерации и потерей деталей в больших контекстных окнах. Чтобы преодолеть разрыв между единичной попыткой и правильным ответом, система объединяет параллельный поиск с верификаторами, такими как Lean 4, тестовые среды или аппаратные счетчики. Это позволяет автоматически отсеивать нерабочие кандидатные решения. Для борьбы с рассеиванием внимания контекст разделяется по конструктиву: специализированные агенты получают узкий набор данных, а координаторы передают промежуточные результаты чистым последователям без исходных рассуждений. ## Прорывы в математике и теоретической информатике В сотрудничестве с исследователями из CUHK, USC и CMU разработчики использовали шаблон Long Proof для полного доказательства гипотезы Куртаде — Кумара 2013 года в теории информации. Модели Gemini и агенты Antigravity разделили пространственные параметры, разработали аналитические границы и формализовали доказательство в системе Lean 4, создав 50 миллионов строк кода. Это подтверждает, что при прохождении случайной строки через шумный канал сжатие до одного бита сохраняет информацию не лучше простой функции «диктатора».
Решение задач в квантовых вычислениях и алгоритмах Исследователи также ставили открытые задачи перед мультиагентными harnesses, получая алгоритмы и доказательства сквозного характера. В адаптивном анализе данных агент на базе Gemini 4 Argon независимо доказал и проверил через Lean оптимальные границы выборок для статистических запросов, закрыв проблему, существовавшую с 2014 года. В квантовых вычислениях новая конструкция нашла булевы функции, требующие более n/2 квантовых запросов при постоянной ошибке. Кроме того, были преодолены давние барьеры в обработке матриц и графов. Новый детерминированный алгоритм разрешил главную открытую задачу STOC 2024 для умножения булевых матриц и поиска треугольников. В разреженной линейной алгебре новые разреженные скетчи решили задачу 2025 года, снизив требования к ненулевым элементам и приблизив показатели к теоретическим нижним границам для сжатия матриц. ## Что это значит для разработчиков и исследователей Доступность инструментов Antigravity /teamwork и /boost для внешних пользователей открывает новые возможности для исследователей и инженеров по всему миру. Интеграция декларативных шаблонов на естественном языке позволяет автоматизировать сложные проверки и анализ данных без ручного написания громоздких верификаций. Это существенно ускоряет темпы научных открытий и инженерных разработок в таких сложных дисциплинах, как квантовые вычисления, алгоритмы обработки графов и машинное обучение.
Источник: Hacker News: Front Page



