出来事の日付:2026年11月14日

Google Researchは、長時間の探索、繰り返しのテスト、形式検証を必要とする課題に研究者やエンジニアが取り組むためのマルチエージェントシステムについて説明した。同社によると、Antigravity /teamworkと呼ばれるこのシステムは、専門化されたエージェントに作業を分担させ、その出力を、誤った候補を排除できる検証ツールにつなぐ。

この設計は、Googleが現在の言語モデルにあると指摘する2つの弱点に対応する。モデルによる1回の試行は信頼性を欠く場合があり、長く続く会話ではコンテキストが蓄積しすぎて重要な詳細が失われることがある。/teamworkでは、複数のエージェントが並行して可能性を探る一方、専用の検証ツールが、どの結果を残すかを決める。課題に応じて、Lean 4の証明チェッカー、既存のソフトウェアのテストスイート、実行シミュレーター、ウェブ検索、ハードウェアの性能カウンターなどを利用できる。

コンテキストも意図的に分離する。各エージェントには特定の段階で必要なファイルとツールを渡し、調整役は新しいエージェントへ作業を引き継ぐ。評価役は、出力を作成したエージェントの推論過程全体を引き継がずに結果を点検する。Googleによると、ワークフローは自然言語のパターンとして表現され、問題に応じて処理の流れが振り分けられる。関連する/boostモードでは、解答の作成と検証を順次繰り返すループを用いる。

Googleは、このソフトウェアとともに幅広い研究成果を報告した。同社と提携大学のチームが、情報理論、量子コンピューティング、グラフアルゴリズム、形式検証、システム最適化の課題にGemini 4モデルとマルチエージェントのワークフローを活用したという。例の一つにCourtade-Kumar予想に関する研究があり、研究者とGeminiモデルが限界値を導き、パラメーター空間を分割し、Lean 4で証明を形式化したとされる。

これらの成果はGoogleが説明したものであり、引き続き専門家による検討を必要とする共同研究についての、同社側の報告として受け止めるべきだ。発表では、人間の役割を、問いと制約を定め、出力を吟味し、成果を公表できる形に整えることとして繰り返し位置づけている。自動化された部分は、結果に意味があるかどうかを判断する研究者に取って代わるのではなく、より広い空間を探索し、ソルバーを構築し、解の候補を検証する。

このシステムはエンジニアリング作業も対象にしている。Googleによると、チームはカーネルの最適化や本番インフラの作業にもエージェントのワークフローを用いた。こうした作業では、変更を加えていないテストやハードウェアのカウンターを、具体的な受け入れ基準として利用できる。エージェントの提案をコンパイルし、実行し、測定できるため、この方式は特にコードに適している。

Googleは、説明した機能の多くがAntigravityを通じて利用でき、外部からの利用機会をさらに拡大する計画だとしている。この発表は、あらゆる研究課題をこの方法で扱えることを示すものではない。むしろ、課題を明確に分割でき、解答の候補を形式的または実証的な検証にかけられる場合に向けたアーキテクチャーを示している。