Os autores apresentam o Coliseu Estelar, uma estrutura agnóstica a modelos projetada para distribuir a inferência ao longo de pesquisas de longo alcance em matemática e ciência da computação teórica. O sistema explora estratégias alternativas antes da construção da prova, utiliza um gate de prontidão para determinar quando uma rota está madura o suficiente para decomposição e representa o plano da prova como subproblemas interdependentes de nível de seção.
O Coliseu gera candidatos em paralelo, ataca-os com falsificação direcionada e combina os resultados por meio de agregação de árvores de amostragem aleatória sobrepostas. Integrado ao framework Teamwork do Google Antigravity como o padrão Long Proof, alcançou 71,0% de precisão no TCS-Bench usando Gemini 3.1 Pro e Gemini 3.7 Flash. Além disso, um pipeline orientado a provas com feedback de execução resolveu 218 dos 222 problemas em uma avaliação do Codeforces.
O framework aborda a falta de confiabilidade dos modelos de linguagem em problemas de pesquisa de longo alcance ao gerenciar sequências de decisões incertas e interdependentes.