Google mở rộng Antigravity /teamwork cho giới nghiên cứu

Google Research vừa công bố một loạt kết quả từ Antigravity /teamwork — hệ thống đa tác tử (multi-agent) giúp tăng cường cộng tác giữa người và AI. Theo bài viết của Vahab Mirrokni, Google Fellow kiêm Phó chủ tịch Google Research, các nhóm trong và ngoài Google đã dùng hệ thống này cùng các mô hình Gemini 4 Argon, Gemini 4 Carbon và Gemini 4 Hydrogen để xử lý những bài toán mở tồn tại nhiều năm trong toán học, khoa học và kỹ thuật hệ thống phức tạp.

Điều đáng chú ý là Google không giữ công cụ này cho riêng mình: /teamwork và /boost đã có mặt trong Antigravity cho nhà nghiên cứu và lập trình viên bên ngoài dùng ngay, kèm chương trình cấp 10.000 suất truy cập miễn phí sáu tháng ở gói sử dụng cao nhất cho giới học thuật.

Nhóm kỹ sư làm việc cùng hệ thống AI Antigravity

Cách /teamwork vượt qua hai giới hạn của mô hình ngôn ngữ

Thiết kế của /teamwork xuất phát từ hai điểm yếu của mô hình ngôn ngữ hiện nay. Thứ nhất, kết quả sinh ra có thể không ổn định, khiến một lần thử chưa chắc đã ra đáp án đúng. Hệ thống khắc phục bằng cách chạy song song nhiều hướng khám phá, rồi dùng các bộ kiểm chứng độc lập (falsifier) như trình kiểm tra chứng minh Lean 4, bộ test phần mềm nguyên bản, trình mô phỏng thực thi, tìm kiếm web hay bộ đếm phần cứng để tự xác định phương án nào thực sự đúng.

Thứ hai, AI thường mất mạch chi tiết trong các tác vụ kéo dài nhiều ngày. /teamwork giải quyết bằng cách phân vùng ngữ cảnh ngay từ thiết kế: mỗi tác tử chuyên biệt chỉ nhận đúng tệp và công cụ cần cho bước của mình. Các tác tử điều phối chuyển việc cho người kế nhiệm mới, còn tác tử phản biện và kiểm toán đánh giá kết quả từ ngữ cảnh sạch, không bị ảnh hưởng bởi lập luận của bên tạo ra.

Các quy trình này được biểu diễn dưới dạng mẫu ngôn ngữ tự nhiên khai báo và tự cải thiện, rồi hệ thống tự định tuyến mỗi yêu cầu tới mẫu phù hợp nhất.

Toán học và khoa học máy tính lý thuyết

Nhóm nghiên cứu từ Google, CUHK, USC và CMU đã dùng mẫu Long Proof của /teamwork để chứng minh đầy đủ giả thuyết Courtade–Kumar (2013) trong lý thuyết thông tin. Kết quả khẳng định rằng khi một chuỗi bit ngẫu nhiên đi qua kênh nhiễu, không phép nén đầu vào xuống một bit nào giữ được nhiều thông tin hơn hàm "độc tài" — tức chỉ sao chép một bit đầu vào. Gemini 4 Argon và các mô hình trước đó chia nhỏ không gian tham số, xây dựng phần lớn chặn dưới giải tích mới, và mở rộng chứng minh từ hàm cân bằng sang không cân bằng mà không cần con người can thiệp. Toàn bộ chứng minh được hình thức hóa trong Lean 4, tạo ra 50 triệu dòng mã.

Nhiều bài toán mở khác cũng được giải quyết end-to-end, thường kèm hình thức hóa Lean 4:

• Trong phân tích dữ liệu thích ứng, một hệ đa tác tử chạy trên Gemini 4 Argon tự chứng minh và kiểm chứng bằng Lean các chặn mẫu gần tối ưu cho truy vấn thống kê chọn thích ứng — bài toán mở từ năm 2014 — mở đường cho thuật toán gần tối ưu không gian đầu tiên cho luồng dữ liệu có cả chèn và xóa.
• Trong điện toán lượng tử, một cấu trúc mới giải đáp câu hỏi mở từ 2014 bằng cách tìm ra hàm Boolean n-bit đầu tiên cần nhiều hơn n/2 truy vấn lượng tử ở mức lỗi hằng số.
• Trong nhân ma trận Boolean và phát hiện tam giác, một thuật toán tất định mới giải quyết câu hỏi mở chính của STOC 2024.
• Trong đại số tuyến tính ngẫu nhiên, kỹ thuật "stacked sparse sketches" phá rào cản thưa cổ điển khi chỉ cần √log r phần tử khác 0 mỗi hàng — giảm bậc hai so với log r.
• Trong tối ưu hóa, thuật toán tất định cho bài toán tối ưu tuyến tính nghịch đảo trực tuyến đạt regret tối ưu, đồng thời giảm thời gian chạy từ cấp số mũ theo số chiều xuống thời gian đa thức.
• Với phép nhân số nguyên n-bit, một thuật toán O(n log n) trên lưới hai chiều có bản triển khai C khớp từng bit với thư viện GNU Multiple Precision Arithmetic Library (GMP) tới một tỷ bit.
• Trong cấu trúc dữ liệu, kết quả mới đạt tiến bộ đáng kể với Giả thuyết Deque của Tarjan (1985), chứng minh chặn trên mới cho chi phí mỗi thao tác, đã kiểm chứng bằng Lean 4.

Hình thức hóa và phản biện bản thảo

Kiểm tra thủ công một bản thảo toán học có sự hỗ trợ của máy tính là gánh nặng lớn cho phản biện viên, và lỗi tinh vi có thể nằm sâu trong các phép tính dài. Hình thức hóa trong Lean 4 biến chứng minh thành mã để nhân kiểm tra từng dòng.

Khung đa tác tử LEAP, phát triển cùng Google Cloud AI và ghép với Argon, đã tự động tạo ra hình thức hóa được máy kiểm chứng cho giả thuyết Weil — kết quả nền tảng về đếm nghiệm phương trình đa thức trên trường hữu hạn, đỉnh cao là chứng minh của Pierre Deligne năm 1974. Công trình này gồm khoảng 1,8 triệu dòng Lean, tạo ra qua 28.800 lần gọi tác tử con.

Hệ thống còn tổng hợp hơn 919.000 dòng Lean để hình thức hóa lần đầu một chứng minh gần đây của bài toán thứ mười Hilbert trên vành số nguyên tổng quát, tái tạo độc lập chứng minh hiện tượng nổ hữu hạn thời gian của phương trình Navier–Stokes 3D, hình thức hóa lần đầu giả thuyết Birkhoff (mở từ 1927) và giả thuyết Bochner–Riesz 3D (mở hơn 50 năm) — trong đó còn phát hiện và sửa một lỗ hổng trong chứng minh phi hình thức mới công bố.

Với hội nghị STOC 2027, công cụ Deep Review nhận được sự tham gia tự nguyện của tác giả 578 bài nộp (hơn một phần ba tổng số). Trong khảo sát đang diễn ra (N = 70), 90% đánh giá phản hồi phần lớn hoặc gần như hoàn toàn chính xác về mặt sự kiện, 90% cho biết sẽ dùng lại công cụ; hơn 30% nói Deep Review phát hiện lỗi chứng minh thực chất hoặc lỗi chính tả có ý nghĩa toán học. Người dùng được dùng miễn phí hai lượt gọi Deep Review mỗi tuần.

Hóa học phân tử và bài kiểm tra suy luận nhân quả

Xác định cấu trúc phân tử từ dữ liệu cộng hưởng từ hạt nhân (NMR) là một trong những bài toán khó nhất của hóa học — với chất ức chế protease HIV, chỉ một liên kết đặt sai vị trí là đủ tách một chất giống hệt nhưng vô hoạt khỏi một loại thuốc thật. Bằng cách tổ chức 30 tác tử chuyên biệt thành vòng tự sửa lỗi cùng /teamwork và trình mô phỏng phổ dựa trên vật lý, nhóm nghiên cứu đạt 95% độ chính xác top-1 và 100% top-3 trên các phân tử chuẩn phức tạp, gần gấp đôi hiệu năng của một tác tử đơn.

Với lĩnh vực suy luận nhân quả, 29 tác tử chạy trên Argon trong 11,5 giờ đã biến 13 bảng dữ liệu công khai thành bộ kiểm tra 50 tác vụ, khởi đầu từ năm tiêu chí do con người đặt ra. Các tác tử phản biện và kiểm toán riêng biệt bắt được lối tắt, gắn cờ gợi ý từ ngữ và loại bỏ những đoạn mã bịa đặt, biến mỗi lỗi thành một bài test cố định.

Minh họa phân tích dữ liệu y sinh bằng thiết bị đeo

Kỹ thuật hệ thống và mã nguồn

Khi ghép với các bộ đánh giá khách quan như benchmark mạng, game engine, bộ test nguyên bản hay bộ đếm phần cứng, /teamwork có thể triển khai dự án phần mềm và phần cứng kéo dài nhiều ngày.

Về hệ phân tán, nhóm dùng /teamwork và Argon xây FarArray, không gian địa chỉ phân vùng dựa trên vi nhân SNAP với độ trễ thấp. Ứng dụng Connected Components không khóa mở rộng tới đồ thị 1.000 tỷ cạnh, tăng thông lượng 60–90 lần và nhanh hơn 40–180 lần so với kho khóa-giá trị TCP, với RAM thấp hơn 6 lần. InstantEmbedding (Personalized PageRank) giảm DRAM đỉnh tới 14 lần và thời gian chạy 11–27 lần so với MapReduce tăng tốc. Các nhân TPU tùy chỉnh cho mạng nơ-ron đồ thị giảm tới 185 lần bộ nhớ băng thông cao và nhanh hơn 8–15 lần ở lượt lan truyền xuôi và ngược.

Về tối ưu tự trị, một nhóm leo đồi trên Argon huấn luyện từ đầu engine cờ vây 9x9 khởi điểm từ AlphaZero cơ bản. Con người chỉ đặt phân bổ chip và thiết lập đánh giá; hệ thống tự chạy các chiến dịch, đạt tốc độ tự đấu nhanh hơn 2.300 lần và chỉ thăng hạng nhà vô địch dựa trên kiểm định thống kê trên bản ghi khóa. Trong chưa đầy tám ngày, engine tăng khoảng 2.600 Elo, đạt 1.885 Elo.

Về chuyển đổi mã sang Rust an toàn bộ nhớ, một mẫu viết lại mới của /teamwork — sắp có trong Antigravity — lên lịch từng mô-đun chỉ sau khi các phụ thuộc của nó biên dịch xong, và liên kết mọi mô-đun lá với bộ test gốc chưa sửa đổi. Tiếp nối phần chuyển đổi 25% ban đầu của vi nhân Zircon, chiến dịch hai tuần trên Argon viết lại phần mã C++ còn lại, bổ sung khoảng 800.000 dòng Rust an toàn vượt qua toàn bộ unit test của nhân và khởi động được trên phần cứng arm64. Hệ thống cũng chuyển libgav1 — bộ giải mã video AV1 của Google — từ C++ sang khoảng 170.000 dòng Rust, đạt tương đương bit chính xác 100% trên bộ test tuân thủ rộng. Ban đầu bản Rust chậm hơn khoảng 4 lần, nhưng sau khi được cấp công cụ profiling và yêu cầu tối đa tốc độ trên các clip mẫu, nó trở nên nhanh hơn 20–30% so với bản C++ gốc và mã assembly tối ưu thủ công trên cả x86_64 lẫn ARM.

Cho các tác vụ lập trình hằng ngày, lệnh /boost trong Antigravity gói gọn mẫu lập trình lặp của /teamwork. Một chiến dịch dài đã phân tích lịch sử chạy và nhận ra mã liên kết chặt nên được xử lý tuần tự theo giai đoạn triển khai và sửa đổi thay vì chia song song.

Với hệ thống học máy, đánh giá đầy đủ trên phần cứng các nhân JAX và Pallas TPU mất 7–32 phút, hạn chế số ứng viên mà tác tử tối ưu có thể khám phá. Dùng mẫu DuoDiscover trên Argon, bốn tác tử song song xác định điểm nghẽn và dựng các bộ đánh giá thay thế nhanh, chỉ 23 giây, gọi là "yardsticks". Cách này đạt tốc độ nhanh hơn 4,09 lần (trung bình nhân) so với bản tham chiếu trên 17 nhân JAXBench, và 2,99 lần trên 7 nhân Pallas TPU-Inference của vLLM đã tối ưu thủ công.

Ứng dụng vào hạ tầng của Google

/teamwork và /boost cũng đã được áp dụng vào nhiều bài toán hạ tầng sản xuất và mô hình hóa phần cứng tại Google. Về tối ưu bộ nhớ toàn hệ thống, các quy trình tái sử dụng đã xác định cơ hội tiết kiệm vượt ước tính ban đầu 1 PiB, cùng tác tử giám sát hiệu quả bộ nhớ có con người trong vòng lặp, dùng các kỹ thuật như loại bỏ đệm cấu trúc, thu hẹp kiểu vô hướng hay con trỏ gắn thẻ. Về lập lịch, quy trình tác tử của Borg đã triển khai 2 thay đổi thành công, giảm 24% tình trạng phủ quyết trước (preemption) khối lượng công việc TPU trên một số loại phần cứng, trong khi vẫn giữ SLO và mức sử dụng cụm.

Minh họa phân tích ngôn ngữ và dữ liệu

Góc nhìn

Điểm đáng chú ý với đội ngũ kỹ thuật ở Việt Nam không nằm ở những con số kỷ lục, mà ở triết lý thiết kế: chia nhỏ ngữ cảnh, tách vai trò tạo và vai trò kiểm, và dùng bộ kiểm chứng khách quan thay vì tin vào lời mô hình. Những ai đang xây pipeline dùng LLM cho sinh mã hay phân tích dữ liệu có thể áp dụng ngay các nguyên tắc này — đặc biệt là ràng buộc mỗi tác tử chỉ thấy đúng phần việc của mình và luôn có bộ test độc lập để chấm kết quả.

Việc Google mở /teamwork và /boost cho bên ngoài, cùng chương trình miễn phí sáu tháng cho 10.000 nhà nghiên cứu học thuật, hạ thấp rào cản thử nghiệm hệ đa tác tử cho các nhóm nhỏ. Tuy vậy, cần lưu ý các kết quả ấn tượng trên đều đến từ bài toán có tiêu chí đúng/sai rõ ràng như chứng minh hình thức hay bộ test phần mềm — điều kiện lý tưởng mà phần lớn dự án thực tế không có sẵn.