Stellar Colosseum est un framework agnostique aux modèles conçu pour répartir l'inférence sur des recherches à long terme en mathématiques et en informatique théorique, afin de pallier l'instabilité des modèles de langage face à des problèmes complexes. Le système explore des stratégies alternatives avant la construction de la preuve, utilise une porte de préparation pour déterminer quand une voie est suffisamment mature pour être décomposée, 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 avec chevauchement.
- Le workflow est intégré dans le framework Teamwork de Google Antigravity sous la forme du pattern Long Proof.
- Sur TCS-Bench, un benchmark de tâches de preuve de théorèmes de niveau recherche issues des articles FOCS, STOC et SODA, Colosseum atteint 71,0 % de précision avec Gemini 3.1 Pro et Gemini 3.7 Flash.
- Lors d'une évaluation Codeforces avec Gemini 3.1 Pro, le pipeline orienté preuve avec retour d'exécution résout 218 des 222 problèmes.
Les auteurs démontrent que cette approche permet de résoudre des problèmes ouverts issus de conférences de premier plan comme FOCS et JMLR grâce à une recherche ouverte et des évaluations sur benchmark.