論文の概要: Stellar Colosseum: A Many-Agent Harness for Long-Horizon Research in Mathematics and Theoretical Computer Science
- arxiv url: http://arxiv.org/abs/2609.15983v2
- Date: Tue, 15 Sep 2026 16:53:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.105616
- Title: Stellar Colosseum: A Many-Agent Harness for Long-Horizon Research in Mathematics and Theoretical Computer Science
- Title（参考訳）: Stellar Colosseum:数学と理論計算機科学における長期研究のための多元的ハーネス
- Abstract要約: 本稿では,Stellar Colosseumについて紹介する。
Colosseumは、証明構築の前に代替戦略を探求し、準備ゲートを使用して、ルートが分解するのに十分な成熟度を判断する。
Colosseumは、Google AntigravityのTeamworkフレームワークにLong Proofパターンとして統合されている。
- 参考スコア（独自算出の注目度）: 71.0150782247197
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Language models can produce plausible short proofs, but may still be unreliable on long-horizon research problems, where progress depends on a sequence of uncertain and interdependent decisions. We introduce Stellar Colosseum, a model-agnostic harness for allocating inference across research in mathematics and theoretical computer science. Colosseum explores alternative strategies before proof construction, uses a readiness gate to decide when a route is mature enough to decompose, represents the proof plan as interdependent section-level subproblems, and routes verifier findings back to the affected part of the argument. Across these stages, it generates candidates in parallel, attacks them with targeted falsification, and combines candidates and their critiques into a single research artifact through overlapping random-sample tree aggregation. The Colosseum workflow has been integrated into Google Antigravity's Teamwork framework as the Long Proof pattern. We demonstrate the capabilities of Colosseum through open-ended research and evaluations on theorem-proving and competitive programming benchmarks. Using Colosseum with Gemini 3.1 Pro, we obtain several new results that address open problems arising from papers published at top venues such as FOCS and JMLR. On TCS-Bench, a benchmark of research-level theorem-proving tasks drawn from papers published at FOCS, STOC, and SODA, Colosseum achieves 71.0% accuracy using Gemini 3.1 Pro and Gemini 3.7 Flash. In a separate Codeforces evaluation using Gemini 3.1 Pro, the proof-oriented pipeline with execution feedback solves 218 of 222 problems.
- Abstract（参考訳）: 言語モデルは、妥当な短い証明を生成できるが、不確実かつ相互依存的な決定の順序に依存する長期的な研究問題には、依然として信頼できないかもしれない。
本稿では,Stellar Colosseumについて紹介する。Stellar Colosseumは,数学と理論計算機科学の研究にまたがって推論をアロケートするためのモデルに依存しないハーネスである。
Colosseumは、証明構築前の代替戦略を探究し、ルートが分解するのに十分な成熟度を決定するために準備ゲートを使用し、証明計画を独立したセクションレベルのサブプロブレムとして表現し、検証結果を引数の影響を受ける部分へルートする。
これらのステージ全体で、候補を並列に生成し、ターゲットのファルシフィケーションで攻撃し、ランダムサンプルツリーの集約を重複させることで、候補とそれらの批判をひとつの研究成果物にまとめる。
Colosseumワークフローは、Google AntigravityのTeamworkフレームワークにLong Proofパターンとして統合されている。
我々は、定理証明と競合プログラミングベンチマークに関するオープンエンドリサーチと評価を通じて、Colosseumの能力を実証する。
Gemini 3.1 ProでColosseumを利用すると、FOCSやJMLRといったトップ会場で発行された論文から生じるオープンな問題に対処するいくつかの新しい結果が得られる。
TCS-BenchはFOCS、STOC、SODAで発表された論文から得られた研究レベルの定理証明タスクのベンチマークで、ColosseumはGemini 3.1 ProとGemini 3.7 Flashを使って71.0%の精度を達成した。
Gemini 3.1 Proを使用した別のCodeforces評価では、実行フィードバックを備えた証明指向パイプラインが222の問題を218で解決している。
関連論文リスト
- Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence [86.61561123749011]
Apodex Discovery(アポデックスディスカバリー)は、重度解法を用いて発見的AIを構築し評価するためのフレームワークである。
まず16のセクターで511の業界を調査し、423の高価値現実問題を集め、最初のリリースで20を選定した。
第二に、共通の環境-タスク-エピソード抽象化は、データ、ツール、制約、フィードバック、軌跡記録、中間成果物と最終提出物の検証を提供する。
論文 参考訳（メタデータ） (2026-08-11T18:48:40Z) - LeanMarathon: Toward Reliable AI Co-Mathematicians through Long-Horizon Lean Autoformalization [104.06650149974585]
信頼性の高い研究レベルのLean AutoformalizationのためのマルチエージェントハーネスであるLeanMarathonを紹介します。
4つのコントラクトスコープエージェントがこの青写真を構築し、監査し、証明し、修復する。
我々は4つのErds問題にまたがる最近の2つの研究論文でLeanMarathonを評価した。
論文 参考訳（メタデータ） (2026-06-03T20:09:39Z) - ARIS: Autonomous Research via Adversarial Multi-Agent Collaboration [10.076972559007116]
ARIS(Auto-Research-in-sleep)は、自律的な研究のためのオープンソースの研究ハーネスである。
ARISは、クロスモデル対外コラボレーションを通じて機械学習の研究を調整する。
論文 参考訳（メタデータ） (2026-05-04T18:10:15Z) - The Conversations Beneath the Code: Triadic Data for Long-Horizon Software Engineering Agents [1.9097591729497536]
我々は、トリアードデータの標準的インスタンス化は、2つの相補的な製品であると主張する。
このデータは12～18ヶ月で達成可能であり、すでに隣のフィールドで成熟していると我々は主張する。
論文 参考訳（メタデータ） (2026-05-04T05:37:36Z) - Theory Under Construction: Orchestrating Language Models for Research Software Where the Specification Evolves [1.0312968200748116]
大規模な言語モデルは、実質的なコードと研究テキストを生成することができるが、研究ソフトウェアプロジェクトは、どちらのアーティファクトも必要としない。
我々は,幻覚の蓄積とデシンクロナイゼーションという,LM固有の障害モードを2つ同定する。
本研究では,1つのワークスペース状態の座標として,アイデア,実装,評価,グラウンド,ペーパーライティングを編成する反復的プロンプトであるComet-Hを提案する。
論文 参考訳（メタデータ） (2026-04-29T21:28:17Z) - Spatial Atlas: Compute-Grounded Reasoning for Spatial-Aware Research Agent Benchmarks [1.5229257192293202]
空間認識型研究エージェントのための計算基底推論(CGR)を導入する。
CGRは空間認識型研究エージェントの設計パラダイムであり、全ての答え可能なサブプロブレムは決定論的計算によって解決される。
我々は,CGRが解釈可能性を維持しながら競争精度を向上することを示した。
論文 参考訳（メタデータ） (2026-04-13T22:22:07Z) - CHIMERA-Bench: A Benchmark Dataset for Epitope-Specific Antibody Design [3.9585609151666934]
コンピュータ抗体の設計は急速に手法的に進歩し,過去3年間に多数の深層生成法が提案されてきた。
この分野では、公正な比較とモデル開発のための標準ベンチマークが欠落している。
textscChimera-Benchは、その種の抗体設計問題に対する最大のデータセットである。
論文 参考訳（メタデータ） (2026-03-13T05:06:58Z) - Model-Based and Sample-Efficient AI-Assisted Math Discovery in Sphere Packing [51.30643063554434]
上界の先導手法である三点法は、大高精度半確定プログラム(SDP)の解法に問題を還元する。
我々は、SDP構成を、ポリシーが一連の許容成分からSDP定式化を組み立てる逐次決定過程、SDPゲームとして定式化する。
従来からある幾何学的問題において,モデルに基づく探索が計算の進歩を推し進めることができることを示す。
論文 参考訳（メタデータ） (2025-12-04T14:11:52Z) - MUSTARD: Mastering Uniform Synthesis of Theorem and Proof Data [85.50740598523818]
MUSTARDは、高品質で多様性のある定理と証明データの均一な合成をマスターするフレームワークである。
5,866個の有効なデータポイントを持つMUSTARDSAUCEベンチマークを示す。
我々は広範囲な解析を行い、MUSTARDが検証された高品質なステップバイステップデータを生成することを示す。
論文 参考訳（メタデータ） (2024-02-14T05:57:58Z) - ArchGym: An Open-Source Gymnasium for Machine Learning Assisted
Architecture Design [52.57999109204569]
ArchGymは、さまざまな検索アルゴリズムをアーキテクチャシミュレータに接続するオープンソースのフレームワークである。
我々は、カスタムメモリコントローラ、ディープニューラルネットワークアクセラレータ、AR/VRワークロード用のカスタムSOCを設計する際に、複数のバニラおよびドメイン固有の検索アルゴリズムにわたってArchGymを評価する。
論文 参考訳（メタデータ） (2023-06-15T06:41:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。