Google Antigravity ha presentato i risultati e gli aggiornamenti di Teamwork, un framework di orchestrazione multi-agente costruito attorno a Gemini 3.7 Flash e progettato per affrontare attività di ricerca e ingegneria che richiedono tempi di lavoro prolungati. Il sistema è stato sviluppato per superare alcuni dei limiti tipici dei modelli utilizzati singolarmente, organizzando più agenti in una struttura nella quale le diverse istanze non si limitano a suddividersi il lavoro, ma competono, verificano reciprocamente le proprie soluzioni e combinano progressivamente gli elementi migliori. Questo meccanismo è stato applicato a problemi di matematica, informatica teorica, progettazione hardware e ottimizzazione software, con sessioni che possono estendersi da alcune ore a diversi giorni.
Uno dei problemi affrontati riguarda infatti il comportamento dei sistemi multi-agente tradizionali, nei quali un errore commesso nelle prime fasi da uno degli agenti può propagarsi attraverso le successive interazioni e condizionare l’intero risultato. Teamwork utilizza invece un’organizzazione competitiva e di verifica incrociata: gli agenti propongono autonomamente idee alternative, individuano difetti nelle soluzioni prodotte dagli altri componenti e selezionano o combinano gli approcci che risultano più solidi. La struttura comprende anche un modello denominato Long-Proof Pattern Tournament Network, pensato per sostenere processi di ricerca particolarmente lunghi e per mantenere il confronto tra soluzioni diverse durante l’intera esecuzione.
Google ha applicato questa architettura anche a problemi di livello accademico utilizzando un modello della classe Flash, quindi relativamente leggero rispetto ai modelli più grandi e costosi. Nel campo dell’informatica teorica e della matematica di ricerca, Teamwork ha risolto sette problemi accademici aperti provenienti da contesti collegati a conferenze e pubblicazioni come FOCS e JMLR. Cinque di questi risultati sono stati successivamente organizzati sotto forma di veri e propri lavori scientifici e pubblicati su arXiv. Alcuni problemi, compresa la congettura del ciclo di Knuth, sono stati inoltre sottoposti a verifica formale mediante Lean, il proof assistant utilizzato per controllare matematicamente la correttezza delle dimostrazioni.
Le prestazioni sono state misurate anche attraverso TCSBench, il benchmark interno di Google dedicato all’informatica teorica. Teamwork ha raggiunto un punteggio del 71%, superando il precedente risultato massimo del 67,7%. Il dato è stato ottenuto senza affidarsi esclusivamente a un modello monolitico di dimensioni maggiori, ma facendo leva sulla struttura di orchestrazione e sulla collaborazione competitiva tra agenti.
Una seconda area di sperimentazione ha riguardato direttamente i sistemi hardware. Teamwork ha sviluppato da zero un simulatore di CPU RISC-V capace di gestire esecuzione sovrapposta e fuori ordine, arrivando a effettuare il boot del sistema operativo xv6. Il comportamento temporale del simulatore è stato quindi confrontato con l’hardware BOOM reale, un’implementazione open source di processore RISC-V superscalare e out-of-order. La differenza nella contabilizzazione dei cicli di clock è risultata pari a circa lo 0,71%, un livello che ha permesso di avvicinare in modo particolarmente preciso il comportamento del simulatore a quello dell’architettura hardware di riferimento.
Il lavoro sul simulatore ha richiesto anche la gestione di un problema particolarmente difficile, definito silent execution gap. In questo tipo di situazione lo stato interno della microarchitettura può iniziare a divergere dal comportamento corretto senza produrre immediatamente un errore visibile all’esterno. L’alterazione può continuare silenziosamente per centinaia di cicli prima che la differenza produca un risultato osservabile, rendendo molto difficile individuare il punto esatto nel quale è iniziato il problema. Teamwork ha affrontato questa condizione lavorando all’interno di un ambiente sandbox e mantenendo una co-simulazione continuamente sincronizzata con Spike, il simulatore di riferimento per RISC-V.
L’utilizzo di Spike ha permesso di confrontare continuamente lo stato del sistema sviluppato dagli agenti con quello dell’implementazione di riferimento, senza fornire al sistema scorciatoie basate sull’accesso diretto alla soluzione. Questo metodo ha consentito di localizzare e correggere le divergenze che si manifestavano durante l’esecuzione, compresi gli errori microarchitetturali che rimanevano nascosti per numerosi cicli. L’esperimento ha quindi esteso il lavoro degli agenti oltre la semplice trasformazione statica del codice, introducendo un problema temporale e non deterministico legato alla simulazione del comportamento interno di una CPU.
Teamwork è stato sperimentato anche sull’ottimizzazione di software già utilizzato in progetti reali. Gli agenti hanno prodotto autonomamente modifiche destinate a librerie C++ open source come Eigen e ParlayHash, con l’obiettivo di migliorarne le prestazioni. Le modifiche non sono rimaste limitate a benchmark isolati: il codice generato è stato sottoposto al normale processo di revisione previsto dai rispettivi progetti open source e alcune modifiche sono state effettivamente accettate e integrate dai maintainer.
I risultati ottenuti mostrano quindi un sistema multi-agente utilizzato in attività molto differenti ma accomunate da una forte componente di verifica: dalla costruzione di dimostrazioni matematiche controllate formalmente con Lean, alla risoluzione di problemi di informatica teorica, fino allo sviluppo di un simulatore RISC-V in grado di avviare xv6 e riprodurre con uno scarto dello 0,71% il comportamento temporale di BOOM. Teamwork applica la stessa logica anche allo sviluppo software, dove gli agenti generano, confrontano e correggono autonomamente le proprie soluzioni fino a produrre codice sufficientemente maturo da essere sottoposto alla revisione di progetti open source reali.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)