Kritik er bygget ind i arbejdsdelingen
Teamwork er ikke ét fast hold. Systemet vælger et mønster efter opgaven og kan ændre både antallet af agenter og deres roller undervejs. Nogle forløb deler kodearbejde mellem parallelle deltagere, mens andre lader konkurrerende løsningsforslag møde agenter, der specifikt forsøger at finde fejl. Til lange matematiske beviser bruger Google blandt andet en proces, hvor flere strategier udvikles samtidigt. Hver strategi bliver udsat for modargumenter, og brugbare dele kan overleve, selv om den samlede vej viser sig at være forkert. Først derefter deles den valgte retning op i mindre delproblemer, som kan behandles i en afhængig rækkefølge. Mennesker forsvinder ikke ud af processen. De fastlægger målet og afgør, om det endelige resultat kan accepteres. Pointen er i stedet at bruge maskinernes parallelle arbejde til at afsøge flere veje og gøre selve kritikken til en del af systemet.Syv resultater kræver en vigtig nuance
Google fremhæver syv resultater inden for matematik og teoretisk datalogi. Fem er beskrevet i forskningsartikler på arXiv, og virksomheden oplyser, at menneskelige eksperter har gennemgået resultaterne. Et resultat om Knuths Cycles-formodning er desuden kontrolleret formelt i bevisværktøjet Lean. Det betyder dog ikke, at den hurtige Gemini 3.7 Flash alene stod bag hele listen. Ifølge den tekniske redegørelse blev de syv resultater oprindeligt skabt med Gemini 3.1 Pro. Tre af dem blev senere gentaget med 3.7 Flash. Googles benchmarkresultat på 71 procent for vanskelige datalogiske problemer kombinerer ligeledes Flash- og Pro-modeller. Den forskel er central for at forstå nyheden. Fremskridtet ligger ikke kun i en ny model, men i at kombinere flere modeller og kontrolroller over længere tid. Det gør samtidig både ressourceforbrug, opsætning og menneskelig efterkontrol til en del af præstationen.Fra bevis til processor
Teamwork blev også sat til at bygge en simulator af en RISC-V-processor fra bunden. Den færdige simulator kunne starte det lille operativsystem xv6 og køre mere end 100 standardtest. På nye testopgaver lå dens gennemsnitlige afvigelse i antallet af processorkredsløb på 0,71 procent sammenlignet med den hardware-reference, Google anvendte. Forsøget er interessant, fordi korrekt kode ikke er nok i en processor-simulator. Den skal også efterligne rækkefølge og timing gennem mange trin, hvor en intern fejl kan være skjult længe, før programmet bryder sammen. Agenterne sammenlignede derfor løbende deres resultat med afskærmede referenceværktøjer i stedet for kun at kontrollere slutresultatet.Ekstern kodegennemgang giver en anden slags bevis
På open source-området fandt systemet en hurtigere vej gennem en bestemt beregning i matematikbiblioteket Eigen. Ændringen blev efterfølgende optaget i projektet gennem den almindelige kodegennemgang. Et andet bidrag til hash-tabelbiblioteket ParlayHash fordoblede ifølge Googles målinger hastigheden ved de første indsættelser med 64 tråde og brugte 25 procent mindre hukommelse pr. element end den sammenlignede sekventielle tabel. De eksempler er mindre spektakulære end et nyt matematisk bevis, men de er lettere at efterprøve i praksis. Koden kan køres, måles og vurderes af vedligeholderne uden for det interne agentforløb. Derfor viser de også, hvad AI-hold kan blive nyttige til på kortere sigt: ikke at erstatte faglig godkendelse, men at levere flere gennemarbejdede kandidater til den.Previewen er ikke det samme som laboratoriet
Teamwork er tilgængelig i preview på Antigravitys betalte planer, men brugere bør ikke forvente automatisk at kunne gentage alle laboratorieresultater. Google skriver, at nogle forsøg brugte mere parallel kapacitet end standardudgaven, og at kombinationen af Flash- og Pro-modeller først kommer i senere opdateringer. Den afgørende test bliver derfor, om arbejdsformen også løfter almindelige forsknings- og udviklingsopgaver til en rimelig pris. Foreløbig viser resultaterne især, at koordinering og indbygget modkritik kan være lige så vigtig som at gøre den enkelte model større.Der er benyttet AI til at skrive denne artikel.
