Google 宣布 Antigravity Teamwork 配合 Gemini 3.7 Flash 解决 7 个开放数学问题（含 Knuth 猜想）

Google 官方博客 8 月 31 日发布文章，宣布旗下 Antigravity 平台的 Teamwork 多智能体框架迎来一批更新，并称该框架配合 Gemini 3.7 Flash，已解决 7 个数学与理论计算机科学领域的开放问题，其中包括 Knuth's Cycles Conjecture（Knuth 环猜想）——Google 称其 40 余页的证明已在 Lean 证明助手中完成形式化验证。同期宣布的成绩还有：在理论计算机科学评测集 TCSBench 上达到 71%，从零构建出周期精确的乱序 RISC-V CPU 模拟器，以及向 Eigen、ParlayHash 两个开源库上游合入性能优化。

这些结论全部出自 Google 自己的两篇博客。8 月 27 日，Antigravity 团队博客率先发布长文《Teamwork: When AI Becomes a Research Partner》，逐项列出 7 项成果的题目、出处与论文链接；8 月 31 日，Google 主博客以《Pairing Google Antigravity with Gemini 3.7 Flash solves notable multi-agent math and engineering problems》为题做了汇总发布。

让智能体互相挑错的 Teamwork

Teamwork 是 Antigravity 中的多智能体编排框架，据 Google 介绍首次公布于 Google I/O。它的工作方式是让一组智能体自主提出方案、互相批评并迭代修改，整个过程可持续数小时到数天，目标是解决单个智能体循环难以处理的长时间跨度问题。Google 称这些能力建立在 Gemini 3.7 Flash 发布的基础上：3.7 Flash 提供日常开发任务所需的速度与成本效率，Teamwork 的编排则负责把它的能力推向复杂问题。目前该功能以 /teamwork-preview 命令形式向 Antigravity 全部付费计划开放。

框架的核心是一套可配置的"模式"（pattern）。Google 目前内置 5 种：Iterative Coding（迭代编码）、Distributed Coding（分布式编码）、Long Proof（长证明）、Self-Verification（自我验证）和 Document Review（文档评审），由 Gemini 分析用户提示后自动选择。pattern 被设计成一种"规格说明"而不是可执行程序，编排逻辑与智能体描述相互解耦，因此一套对抗式批评循环可以原样移植到不同领域；运行时框架还会根据任务动态决定启用多少个智能体，中途可以调整团队结构。

七个问题：从 FOCS 2025 到 Knuth 猜想

Antigravity 团队博客列出的 7 项成果，覆盖来自 FOCS、JMLR 等顶级会议和期刊的开放问题，也包含量化和向量嵌入这类更贴近工程的问题：

1. ℓp 子空间近似的强核集（coreset）构造：改进 p>2 情形的构造上界，对应 FOCS 2025 的开放问题（arXiv:2608.26047）。
2. 稀疏凸优化：为稀疏最小二乘建立关于条件数的条件性下界，对应 JMLR 2021 的开放问题（arXiv:2608.02588）。
3. 最大内积嵌入（Maximal Inner Product Embeddings）：几乎闭合 Chamfer 相似度复杂度的差距（arXiv:2607.20393）。
4. 可证明的 Hadamard 量化：去掉第二量化阶段，前导常数降低约 5.93 倍（arXiv:2608.02564）。
5. Erdős 单位距离问题：在无网络访问的条件下独立复现了单位距离指数上的初步突破（结果发布在 GitHub）。
6. 前缀矩阵分解（Prefix-Matrix Factorizations）：给出近最优下界（arXiv:2608.08238）。
7. Knuth's Cycles Conjecture：为偶数情形给出两个更简单构造的首批证明，分别为 40 余页与 70 余页。

7 项成果中 5 篇论文已上线 arXiv，作者包括 Vahab Mirrokni、David P. Woodruff、Honghao Lin 等。以第 2 项为例，arXiv 上的论文《The Condition-Number Barrier in Sparse Least Squares》摘要明确写道，该证明"最初由 Google 内部开发的全自动、基于 Gemini 的智能体系统获得"。

Google 在博客中给出了验证口径：除 Knuth 猜想外，其余 6 项成果"已经过人类专家复核确认正确"；Knuth 猜想的 40 页证明则通过 Lean 完成形式化验证。Google 还交代了模型口径：博客说明，7 项成果均使用 Gemini 3.1 Pro 得出，其中第 1、3、4 项用 Gemini 3.7 Flash 复现，Google 称这是"Flash 级模型首次产出此类博士级数学研究"。主博客把 3.7 Flash 放在标题位置，长文则把 3.1 Pro 与 3.7 Flash 的分工写得更细。部分结果使用了高于默认的并行度，Google 表示 Antigravity 上开放版本会在成本与能力之间取平衡。

Long Proof 如何把候选策略先交给反对者

数学与理论计算机部分主要由 Long Proof 模式完成，它最初是独立的研究工具，后来移植进 Teamwork。Google 介绍其核心设计是"竞争式策略搜索"：多个候选策略并行生成，每个策略都配一个专职"证伪者"（falsifier），任务就是拆掉这个策略；随后合成树（synthesis tree）把候选方案连同批评报告合并。被驳倒的路线不会直接丢弃，而是带着反对意见留在流程里，因为一条失败的路线里可能仍有可用的想法。

长证明靠分解变得可处理：选中的策略先展开成证明计划，子问题之间标清目标与依赖关系，形成依赖图，互不依赖的子问题并行推进，有依赖的按拓扑顺序执行。每个子问题有自己的"锦标赛网络"，节点读取一批候选方案和批评，产出改进版本；若合成结果失败，网络会带着累积的反对意见重跑。

跨轮学习也是设计的一部分：失败草稿保留给下一轮，验证器的发现被蒸馏成与答案无关的"陷阱登记表"（pitfall registry），共享知识目录记录已证结论、有用观察、失败路径和参考文献。

评测数字来自 TCSBench。Google 称这是 Google 内部独立开发的开放难题评测集，用 Gemini 3.7 Flash 加 3.1 Pro 跑 Long Proof 模式得分 71%，高于 TCSBench 论文中 Gemini 3.6 Flash 加 3.1 Pro 报告的 67.7%，也是内部测试的最高分。博客同时说明，在 Long Proof 模式内组合 Flash 与 Pro 模型的能力"将在后续更新中提供"。另一个模式 Self-Verification 源自今年早些时候公布的数学研究智能体 Aletheia，后者曾在 FirstProof Challenge 中展示研究级数学能力。

0.71% 周期误差的 RISC-V 模拟器

系统工程一侧的成绩是一台从零构建的 RISC-V CPU 模拟器。Google 称，使用 Gemini 3.7 Flash，Teamwork 构建了周期精确（cycle-accurate）的乱序执行（out-of-order）模拟器，能启动 xv6 操作系统直到 shell，并通过 100 多个 RISC-V 标准基准测试。

构建分两个阶段。第一阶段"微架构功能正确性"：智能体开发核心执行逻辑，包括乱序流水线和重排序缓冲（ROB），目标是让模拟器能启动操作系统，并用功能参考模型验证架构状态正确。第二阶段"周期级时序验证"：把性能特征对齐到严格的时序参考。Teamwork 通过执行微基准、分析自己生成的架构轨迹，把最终周期数与一个隔离运行的 BOOM 模拟器对比；以 BOOM 硬件执行真值为基准，模拟器在未见过的测试负载上平均周期对齐误差为 0.71%。

Google 特别解释了这项工作的难点："静默执行间隙"（silent execution gap），即微架构状态可能在长达数百个周期里悄悄偏离，直到架构级错误显现。为防作弊，团队把 Spike 模拟器源码做了沙箱隔离，Teamwork 的方案通过持续与隔离运行的 Spike 参考模拟器保持锁步协同模拟来覆盖这段间隙。

Eigen 与 ParlayHash 拿到了什么优化

第三块成绩是开源贡献，两笔改动都已合入上游。Eigen 是广泛使用的 C++ 线性代数模板库。Google 说，Teamwork 发现 Eigen 在矩阵只有单行或单列时的 GeMV 操作存在次优实现，于是创建了专用快速路径：直接数据访问加 4 路累加展开的 SIMD（单指令多数据）操作。在 Gemini 3.6 Flash 协助下走完开源代码评审流程，改动成功合入上游 Eigen。

另一笔在哈希表上。Teamwork 参与了 Swiss Parlay 的构思，把 Swiss Table 的优化引入 ParlayHash 这个开源并发哈希表：与 ParlayHash 相比，64 线程下初始插入吞吐为 2 倍，单线程整体吞吐 1.5 倍；接近最优顺序表 FlatHashMap 的性能，而每元素内存少 25%。改进已合入上游 ParlayHash 库。Google 强调这些"不是只在基准测试里成立的结果"，而是外部维护者通过标准开源评审接受的真实贡献。

这些成果都出自 Google 自述

三块成绩的验证环节全部由 Google 方面描述：人类专家复核、Lean 形式化验证、内部测试最高分，都出自 Google 自己的两篇博客，文中没有提供第三方评审的信息；Knuth 猜想 70 余页的那份证明是否也通过了 Lean 验证，博客同样没有说明。

按 Google 的计划，这些改进"将在未来几周内"陆续推送到 /teamwork-preview，而跑出 71% 所用到的 Flash 与 Pro 组合能力要等后续更新，意味着这一配置目前尚未完全开放给付费用户。

参考链接

• https://blog.google/innovation-and-ai/technology/developers-tools/antigravity-teamwork-multi-agent/
• https://antigravity.google/blog/teamwork-when-ai-becomes-a-research-partner
• https://arxiv.org/abs/2608.26047
• https://arxiv.org/abs/2608.02588
• https://arxiv.org/abs/2607.20393
• https://arxiv.org/abs/2608.02564
• https://arxiv.org/abs/2608.08238