将Google Antigravity与Gemini 3.7 Flash配对，解决了显著的多智能体数学和工程问题。
内容提要
Google Antigravity 推出Teamwork框架更新，结合Gemini 3.5 Flash实现多智能体协作，解决复杂长期挑战。在数学和理论计算机科学领域，解决了七个开放问题，包括Knuth猜想等；在系统工程中，从零构建了精确的RISC-V CPU模拟器；在开源软件中，优化了Eigen和ParlayHash等核心库性能。
延伸解读
多智能体协作的突破性成果
文章展示了多智能体框架Teamwork在数学和理论计算机科学领域的显著成就，解决了七个开放问题，包括Knuth猜想等。这些成果不仅验证了AI在复杂推理任务中的能力，也表明多智能体协作能够处理需要长时间迭代和批判性思考的难题。对于研究者和开发者而言，这意味着AI不再局限于简单任务，而是可以参与高难度的学术研究，可能加速科学发现的进程。
工程实践中的精确模拟能力
在系统工程领域，AI从零构建了精确的RISC-V CPU模拟器，并成功启动xv6操作系统，循环对齐误差仅为0.71%。这一成果展示了AI在硬件级模拟和系统级验证方面的潜力，对于芯片设计和验证领域具有实际意义。它可能帮助工程师快速生成高精度的模拟器，降低开发成本，并提高硬件设计的可靠性。
开源软件性能优化的实际影响
AI在开源软件中的优化成果，如Eigen的SIMD快速路径和ParlayHash的2倍插入吞吐量及25%内存减少，直接提升了核心库的性能。这些优化对依赖这些库的应用程序（如科学计算、数据处理）有积极影响，可能带来更快的运行速度和更低的资源消耗。对于开源社区而言，AI辅助优化可能成为一种新趋势，帮助维护者更高效地改进代码。
Q&A
Google Antigravity 的 Teamwork 框架是什么？
Teamwork 是 Google Antigravity 推出的一个框架，允许自主 AI 代理团队协作、批评和迭代，以解决复杂的长期挑战。
Gemini 3.7 Flash 与 Teamwork 结合解决了哪些数学和理论计算机科学问题？
解决了七个开放问题，包括 Knuth 的循环猜想（在 Lean 中验证，证明超过 40 页）、稀疏凸优化、可证明的 LLM 量化以及前缀矩阵分解，并在 TCSBench 上达到 71% 的准确率。
Teamwork 在系统工程方面取得了什么成就？
从零构建了一个精确的乱序 RISC-V CPU 模拟器，能够启动 xv6 操作系统到 shell，循环对齐误差仅为 0.71%。
Teamwork 在开源软件方面有哪些优化？
在核心库中实现了性能优化，包括 Eigen 的 SIMD 快速路径，以及 ParlayHash 的插入吞吐量提升 2 倍、内存减少 25%。
Knuth 的循环猜想是如何被验证的？
Knuth 的循环猜想在 Lean 中得到了验证，证明超过 40 页。
RISC-V CPU 模拟器的精度如何？
该模拟器是周期精确的，与硬件真实值的循环对齐误差为 0.71%。
