Google의 AI가 50년 묵은 수학 난제들을 잇달아 풀어냈다

Advancing science and engineering with Antigravity's /teamwork

Google의 AI가 50년 묵은 수학 난제들을 잇달아 풀어냈다

Google 연구팀이 Gemini 4 모델과 Antigravity의 /teamwork 멀티 에이전트 워크플로를 활용해 정보이론의 Courtade–Kumar 추측을 Lean 4로 완전 증명하고, 2014년부터 열려 있던 양자 쿼리 복잡도 문제와 STOC 2024의 미해결 과제까지 해결했다. Weil 추측은 180만 줄의 Lean 코드로 자동 형식화됐으며, NMR 데이터로부터 분자 구조를 95% 정확도로 규명하는 등 과학·공학 전반에서 성과를 냈다.

이 시스템은 또한 91만 9천 줄이 넘는 Lean 코드를 합성해 일반 정수환 위에서의 힐베르트 제10문제에 대한 최근 증명을 최초로 형식화했다.
  1. CharlieDigital

    관련해서: 저는 팀 기반 워크플로우에서 큰 성과(품질 저하 없이 더 많은 자율성을 얻는 것으로 정의)를 많이 거두고 있습니다.

    이에 대한 증거가 많습니다.

    - Adaptive Auto-Harness: Sustained Self-Improvement for Agentic System Deployment on Open-Ended Task Streams (https://arxiv.org/abs/2606.01770)는 이질적인 워크스트림에서 협업하는 멀티 에이전트, 역할 기반 적응형 하네스에 대해 다룹니다.

    - team-solve (https://github.com/guregodevo/memdoor/tree/main/examples/wor...)는 소형 모델 팀이 LiveCodeBench에서 Fable을 능가합니다.

    - Agensh 논문 (https://arxiv.org/html/2609.26781v1)도 "자율적 협력을 연구하기 위한 역할극 에이전트"에 대해 다룹니다.

    모두 역할 기반의 멀티 에이전트 구성이 성능을 향상시킨다는 것을 보여줍니다.

  2. mirrokni

    다른 분들이 지적했듯이, 우리는 이미 Antigravity에서 /teamwork의 일부를 여기에서 발표했습니다: https://antigravity.google/blog/teamwork-when-ai-becomes-a-r... 더 많은 시각화와 여러 가지가 포함되어 있습니다. 이 글은 수학/과학/코딩/엔지니어링 분야의 몇 가지 진전을 보고하고, 그것으로 할 수 있는 작업의 예시를 보여주기 위한 것이었습니다.

    우리는 /teamwork를 지속적으로 개선하고 발전시키며 그러한 변경 사항을 외부 사용자에게도 적용하고 있습니다. 에이전트 팀을 동적으로 구성하기 위한 개선 사항과 세부 사항에 대해서도 곧 Antigravity 블로그 글을 통해 더 올리겠습니다. 기대해 주세요!

    또한 여기에 예시 목록을 추가했습니다: https://x.com/mirrokni/status/2121351383236436247?a=ma9UPZg_... 그리고 https://lnkd.in/p/esVTpR6p. 예시와 함께 댓글도 달겠습니다.

  3. s_u_d_o

    이것이 가져올 수 있는 돌파구의 양이라니. 예전이라면 단일 프로젝트를 위해 R&D 부서를 세우고, 다문화 팀을 준비해야 했을 겁니다. 오늘날에는? 도메인 전문가 한 명이 antigravity를 이끌며 빠르게 결과를 내는 모습을 볼 수 있습니다.

  4. stbenjam

    /teamwork가 Claude의 동적 워크플로우와 어떻게, 혹은 정말로 다른지 잘 모르겠습니다.

    Antigravity는 하네스로서 매우 뒤처져 있는 느낌입니다. 자동 모드조차 없습니다. 그리고 /goal은 제가 CC나 Codex에서 필요성을 느낀 훨씬 뒤에야 발표했습니다.

  5. gdevenyi

    이것만으로는 어떻게 사용하는지 알 수 없습니다.

이 날의 다른 글

2026-11-14