Les auteurs présentent Stellar Colosseum, un harnais agnostique aux modèles conçu pour répartir l'inférence dans la recherche à long terme en mathématiques et en informatique théorique. Le système explore des stratégies alternatives avant la construction de la preuve, utilise une porte d'état prêt pour déterminer quand une voie est suffisamment mature pour la décomposition, et représente le plan de preuve comme un ensemble de sous-problèmes interdépendants au niveau des sections.
Colosseum génère des candidats en parallèle, les attaque par une falsification ciblée, et combine les résultats via une agrégation d'arbres par échantillonnage aléatoire chevauchant. Intégré dans le framework Teamwork de Google Antigravity sous le motif Long Proof, il a atteint 71,0 % de précision sur TCS-Bench en utilisant Gemini 3.1 Pro et Gemini 3.7 Flash. De plus, un pipeline orienté preuve avec retour d'exécution a résolu 218 des 222 problèmes dans une évaluation Codeforces.
Le framework traite l'instabilité des modèles de langage sur les problèmes de recherche à long terme en gérant des séquences de décisions incertaines et interdépendantes.