TECH 으로 돌아가기
TECH HACKER NEWS 7분 읽기 80 READS

구글 '안티그래비티 /teamwork', 다중 에이전트로 수십 년 난제에 도전하다

구글 '안티그래비티 /teamwork', 다중 에이전트로 수십 년 난제에 도전하다
SOURCE IMAGE · HACKER NEWS

구글 리서치가 자사의 AI 개발 환경 '안티그래비티(Antigravity)'에 탑재된 다중 에이전트 기능 '/teamwork'로 수학, 화학, 시스템 소프트웨어, 머신러닝 엔지니어링 분야의 오랜 미해결 문제들에 접근한 결과를 공개했다. 핵심은 사람이 문제를 정의하고 이론적·물리적 제약을 설정하면, 장기 과제를 수행하는 에이전트들이 맞춤형 솔버를 작성하고 거대한 탐색 공간을 뒤지며 긴 논리 사슬을 검증하는 '발견 루프'다. 구글은 이 도구를 /boost 등 다른 에이전트와 함께 외부 연구자·개발자에게도 제공한다고 밝혔다.

왜 '팀워크'인가

/teamwork의 설계는 현재 언어 모델의 두 가지 한계에서 출발한다. 첫째, 모델의 생성 결과가 불안정해 한 번의 시도와 정답 사이에 간극이 존재한다. 시스템은 병렬 탐색과 전용 '반증기(falsifier)'를 짝지어 이 간극을 메운다. Lean 4 증명 검사기, 수정하지 않은 소프트웨어 테스트 스위트, 실행 시뮬레이터, 웹 검색, 하드웨어 카운터 등이 어떤 후보 해가 실제로 통하는지를 자동으로 가려낸다. 둘째, 며칠에 걸친 작업에서 컨텍스트 창이 커질수록 주의가 분산돼 세부 사항을 놓친다. 이를 막기 위해 /teamwork는 설계 단계에서부터 컨텍스트를 분할해, 각 전문 에이전트에게 특정 단계에 필요한 파일과 도구만 넘긴다. 코디네이터는 작업을 새 후임 에이전트에게 넘기고, 비평가와 감사자는 원 생산자의 추론이 섞이지 않은 깨끗한 컨텍스트에서 결과를 반박하고 검증한다.

이 워크플로는 선언적이고 자기개선적인 자연어 패턴으로 표현되며, 사용자 프롬프트는 과제에 가장 적합한 패턴으로 동적으로 라우팅된다. 분산 코딩과 반복적 문제 해결(순차적 solve-and-verify 루프를 독립 패키징한 /boost)부터 긴 증명 검토, 문서 리뷰 같은 전문 연구 워크플로까지 포괄한다. 팀은 과거 실행 기록(transcript)으로부터 맞춤 사양을 설계해 서로 다른 하네스 패턴 사이를 오가며 에이전트 하네스를 개선할 수 있다는 설명이다.

수학과 이론 전산학에서의 결과

발표된 성과의 폭이 넓다. 구글과 CUHK·USC·CMU 연구진은 /teamwork의 'Long Proof' 패턴으로 정보이론의 2013년 Courtade–Kumar 추측을 일반적으로 증명했다. Gemini 4 Argon을 비롯한 모델들이 매개변수 공간을 분할하고 구간 산술 인증서를 개발했으며, 균형 함수에서 불균형 함수로 증명을 사람 개입 없이 확장했다. 전체 증명은 Lean 4로 형식화돼 5,000만 줄의 코드가 됐다. 이 밖에도 2014년 이래 열려 있던 적응적 데이터 분석의 표본 한계 문제, 양자 쿼리 복잡도의 2014년 미해결 문제, 부울 행렬 곱셈에 대한 STOC 2024의 주요 과제, 가중 그래프의 컷 희소화 스트리밍 알고리즘(FOCS 2022가 남긴 문제) 등이 해결됐다고 소개됐다. n비트 정수 곱셈에서는 새 O(n log n) 알고리즘의 C 구현이 GMP 라이브러리와 10억 비트까지 비트 단위로 일치했다.

형식 검증의 무게는 더 특기할 만하다. LEAP라는 다중 에이전트 프레임워크는 Argon과 결합해 베유 추측(Weil conjectures)의 기계 검증 형식화를 자율적으로 완성했는데, 2만 8,800회의 서브에이전트 호출을 거쳐 약 180만 줄의 Lean 코드를 생성했다. 일반 정수환에서의 힐베르트 열 번째 문제는 91만 9,000여 줄로 형식화됐고, 3D 나비에–스토크스 방정식의 유한 시간 폭발, 1927년 이래 열려 있던 버코프 추측, 50년 넘은 3D Bochner–Riesz 추측 등의 형식화도 이뤄졌다. Lean 4가 증명을 커널이 한 줄씩 검사하는 코드로 바꾸기 때문에, 사람이 정리 진술이 원래 문제와 일치함을 확인하기만 하면 모든 논리 단계가 성립해야만 컴파일된다는 점이 핵심이다.

실무자가 눈여겨볼 지점

연구용 성과 외에 실무와 맞닿은 신호도 있다. STOC 2027을 앞두고 전체 제출의 3분의 1이 넘는 578편의 저자가 초안에 'Deep Review' 피드백을 받겠다고 신청했다. 진행 중인 저자 설문(N=70)에서 90%는 피드백이 대체로 또는 거의 전부 사실에 부합한다고, 90%는 다시 쓰겠다고 답했으며, 30% 이상은 실질적 증명 버그나 수학적으로 중요한 오타를 잡아냈다고 응답했다. Deep Review는 /teamwork의 문서 검토 패턴으로 구현돼 있고 무료로 주 2회 호출이 제공된다. 실험 과학에서도 NMR 데이터로부터 분자 구조를 추정하는 과제에 30개의 전문 에이전트와 물리 기반 스펙트럼 시뮬레이터를 자기 교정 루프로 묶어, 복잡한 벤치마크 분자에서 top-1 정확 일치 95%, top-3 정확도 100%를 달성했다. 단일 에이전트 대비 성능을 거의 두 배로 끌어올린 수치다.

다만 이 결과들을 받아들일 때는 맥락을 함께 봐야 한다. 모든 작업이 인간 전문가와의 협업으로 수행됐고, 저자들이 알고리즘과 증명을 직접 검증·단순화·편집해 발표에 이르렀다는 점이 반복해서 강조된다. 즉 에이전트는 탐색과 형식 검증의 부담을 떠안지만, 정리 진술이 원 문제를 제대로 담았는지 판단하고 결과를 책임지는 몫은 여전히 사람에게 있다. 외부 사용자용 기능은 안티그래비티에서 이미 상당수 제공되지만 전체 기능은 향후 몇 주에 걸쳐 순차 공개될 예정이라고 구글은 덧붙였다. 설문의 표본이 작고, 제시된 성과 상당수가 동료 심사를 거친 최종 발표가 아니라 진행형 결과라는 점도 감안해 읽을 필요가 있다.

SOURCE · HACKER NEWS
원문 전체 보기 → https://research.google/blog/advancing-science-engineering-w...
SHARE
NEXT · CHOOSE

변화를 읽었다면,
내가 만들 수익 구조를 고릅니다.

정보를 더 모으는 데서 멈추지 않고, 광고·외주·판매·중개·구독 중 내 상황에 맞는 출발점을 정해보세요.

21가지 수익 구조 살펴보기 →
처리 중...