arxiv arXiv cs.AI · há 6 h · research

Stellar Colosseum utiliza inferência multiagente para pesquisa em matemática e TCS de longo prazo

Traduzido do English → Português (BR)

Os autores apresentam o Stellar Colosseum, um harness agnóstico a modelos projetado para alocar inferência em problemas de pesquisa de longo prazo 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 decompor rotas e representa planos de prova como subproblemas interdependentes.

O Colosseum gera candidatos em paralelo, ataca-os com falsificação direcionada e combina resultados por meio de agregação em árvore de amostragem aleatória sobreposta. Este fluxo de trabalho é integrado ao framework Teamwork do Google Antigravity como o padrão Long Proof. Avaliações no TCS-Bench mostram 71,0% de precisão 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 do Codeforces.

O harness aborda a não confiabilidade de modelos de linguagem em tarefas complexas de pesquisa, gerenciando sequências de decisões incertas por meio de verificação e agregação estruturadas.

Importância 2/3 Novo ambiente de avaliação com diferenciais arXiv cs.AI Google DeepMind AI agents Research paper

Benchmarks

Benchmark	Modelo	Pontuação
Codeforces (Elo)	Gemini 3.1 Pro	98.2%

Artigos relacionados

media MarkTechPost · há 16 d · 23 visualizações

Google lança o EnvHarness para adaptar ambientes de agentes estáticos ao treinamento

Uma equipe da Google Cloud AI Research, da Washington University em St. Louis e da UNC Chapel Hill lançou o EnvHarness, uma camada programável que transforma benchmarks de agentes estáticos em mundos de treinamento adaptativos. O sistema envolve ambientes existentes usando componentes plug-in que operam estritamente por meio da interface padrão reset() e step(), permitindo que o ambiente se adapte ao treinamento da política sem alterar o simulador subjacente ou os verificadores construídos por humanos.

lab Google DeepMind Blog · há 25 d · 32 visualizações

Google DeepMind se une à Fenris Creations para pesquisar IA no EVE Online

O Google DeepMind está colaborando com o desenvolvedor de jogos Fenris Creations para prototipar novas experiências de jogo usando o Universo EVE, aproveitando 15 anos de pesquisa em IA em jogos. Esta parceria visa explorar capacidades de ponta, como aprendizado contínuo, memória e planejamento de longo prazo, dentro de um mundo persistente e orientado pelo jogador.

arxiv arXiv cs.AI · há 6 h · 1 visualização

Prévia do Atria Dawn: modelo de linguagem agêntico fundamental para pesquisa científica

O Atria Dawn Preview é um modelo de linguagem agêntico fundamental projetado para fluxos de trabalho de pesquisa científica e engenharia, treinado por meio de um Pipeline de Experiência Verificável que conecta interações mediadas por ferramentas a ambientes executáveis. Em 16 benchmarks que abrangem pesquisa do mundo real, engenharia e trabalho digital, o modelo é competitivo em relação aos agentes de ponta e alcança a maior pontuação relatada em cinco deles.

arxiv arXiv cs.CL · há 10 h · 3 visualizações

Stellar Colosseum utiliza inferência multiagente para pesquisa matemática de longo prazo

O Stellar Colosseum é um harness agnóstico a modelos projetado para distribuir a inferência em pesquisas de longo prazo em matemática e ciência da computação teórica, abordando a falta de confiabilidade dos modelos de linguagem em problemas complexos. 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 ao nível das seções.

arxiv arXiv cs.LG · há 12 h · 6 visualizações

Coliseu Estelar: estrutura para muitos agentes voltada à pesquisa de matemática e ciência da computação teórica em longo prazo

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.