Les auteurs présentent Stellar Colosseum, un framework agnostique aux modèles conçu pour répartir l'inférence sur des problèmes de 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 de préparation pour déterminer quand décomposer les parcours, et représente les plans de preuve comme des sous-problèmes interdépendants.
Colosseum génère des candidats en parallèle, les attaque par une falsification ciblée, et combine les résultats via une agrégation d'arbres à échantillonnage aléatoire avec chevauchement. Ce flux de travail est intégré au framework Teamwork de Google Antigravity sous le motif Long Proof. Les évaluations sur TCS-Bench montrent une précision de 71,0 % avec 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 de Codeforces.
Le framework traite l'instabilité des modèles de langage sur les tâches de recherche complexes en gérant des séquences de décisions incertaines grâce à une vérification structurée et une agrégation.