Stellar Colosseum
来自 arXiv · 期号 2026-09-15
摘要
语言模型能写出像模像样的短证明，但遇到需要多步推理的科研问题就靠不住了——每一步都依赖前面的判断，错一步就全错。 Stellar Colosseum 是一个与模型无关的框架，专门解决这个问题。它在正式构造证明之前，先并行探索多条策略路线；只有一条路线成熟到可以拆解时，才通过一个「就绪门」放行；拆解后的子问题之间相互依赖，验证器的反馈会直接路由到受影响的段落。最后，通过重叠随机采样树聚合，把多个候选方案和它们的批评意见合并成一份完整的研究成果。 这个工作流已被集成到 Google Antigravity 的 Teamwork 框架中，作为「长证明」模式。在 TCS-Bench（从 FOCS、STOC、SODA 论文中提取的科研级定理证明基准）上，Colosseum 配合 Gemini 3.1 Pro 达到 71.0% 的准确率；在 Codeforces 上，同一管线解决了 222 道题中的 218 道。论文还给出了几个来自 FOCS 和 JMLR 的开放问题的解答。