Agent dari model berbeda bekerja sama dan pecahkan rekor matematika baru

Kebanyakan upaya riset berbasis AI menaruh satu model di dalam pipeline yang diskrip ketat. Paper baru dari Stephen Chung, Wenyu Du, dan William J. Wesley menempuh jalan lain. Mereka membangun The Station, sebuah lingkungan open-world tempat AI agent dari model family yang berbeda berbagi satu tujuan riset, tapi tanpa koordinator pusat dan tanpa skrip tetap. Tiap agent memilih arahnya sendiri, menjalankan eksperimen, berkomunikasi dengan yang lain, lalu menambahkan temuannya ke knowledge base bersama. Strukturnya sengaja dibiarkan longgar, lebih mirip laboratorium berisi peneliti independen ketimbang alur kerja yang dikontrol.

Bagian menariknya, pendekatan ini menghasilkan temuan yang bisa diverifikasi pada dua belas masalah, bukan sekadar teks yang terlihat masuk akal. Para agent menemukan keluarga tak hingga baru untuk finite-field Kakeya set, konfigurasi kissing eksak 604 titik baru di dimensi 11, rekor yang lebih baik untuk masalah discretized Kakeya needle dan sign uncertainty, batas bawah yang lebih baik untuk masalah minimum-overlap milik Erdős, serta keluarga tak hingga baru untuk Book Ramsey number. Dalam prosesnya, agent turut menghasilkan teorema dan analisis tertulis di samping konstruksi numeriknya, sehingga hasilnya lebih mudah dibaca dan diperiksa seorang matematikawan alih-alih hanya tumpukan angka. Kode dan datanya tersedia di GitHub di bawah organisasi dualverse-ai, jadi klaimnya bisa ditelaah.

Kenapa ini penting

Jika kamu merancang research agent, insting umumnya adalah membangun satu model kuat lalu menskrip setiap langkah. Temuan ini menunjukkan bahwa pengaturan terdesentralisasi, dengan campuran model family dan memori bersama alih-alih koordinator, juga bisa mencapai hasil nyata yang terverifikasi. Pendekatan ini layak dipelajari sebelum kamu memutuskan bertumpu pada desain pipeline tunggal.