구글, 멀티 에이전트 AI로 커누스 추측 등 미해결 난제 7개 풀었다

난이도 높은 수학 증명이나 저수준 시스템 구현을 단일 AI 모델에 맡기면 얼마 지나지 않아 환각에 빠지기 마련입니다. 구글은 AI 여러 개를 팀으로 묶어 며칠 동안 협업하게 만드는 방식으로 이 한계를 넘어서려 합니다.

며칠 동안 토론하며 푸는 AI 팀

구글은 자사 Antigravity 플랫폼의 멀티 에이전트 프레임워크인 Teamwork를 업데이트하고, 여기에 Gemini 3.7 Flash를 결합했습니다. 자율 에이전트 팀이 수 시간에서 며칠에 걸쳐 서로 비판하고 검증을 반복하며 긴 호흡이 필요한 연구 및 엔지니어링 과제를 해결하도록 했습니다.

결과는 상당합니다. 이론 컴퓨터 과학과 수학 분야에서는 FOCS, JMLR 등 주요 학술 무대의 미해결 과제 7개를 해결했습니다. 대표적으로 크누스 순환 추측(Knuth's Cycles Conjecture)을 풀고 정리 증명기 Lean에서 40페이지가 넘는 형식 증명을 마쳤으며, TCSBench에서 71%를 기록했습니다.

시스템 엔지니어링에서는 비순차적 실행을 지원하는 주기 정밀 RISC-V CPU 시뮬레이터를 바닥부터 구축했습니다. xv6 운영체제를 셸 환경까지 부팅하는 데 성공했고, 실제 하드웨어 대비 사이클 오차는 0.71%에 불과했습니다. 또한 Eigen과 ParlayHash 같은 핵심 오픈소스 라이브러리에 업스트림 코드를 반영해, ParlayHash의 삽입 처리량을 2배로 늘리고 메모리 사용량을 25% 줄였습니다.

왜 중요한가

우리는 구글이 값비싼 초거대 단일 모델 대신 상대적으로 가벼운 Flash 모델을 에이전트 팀으로 묶어 장기 추론을 수행하게 만든 지점에 주목합니다.

Lean을 통한 수학 증명이나 CPU 시뮬레이터 제작은 작은 논리 오류 하나만으로 전체가 무너지는 극도로 엄밀한 작업입니다. 이런 영역에서 AI가 며칠 동안 서로 오류를 잡아내며 목표를 완수했다는 것은 장기 협업 프레임워크의 실효성을 입증한 셈입니다.

이러한 장기 자율 협업 방식이 자리 잡는다면 학술 연구뿐 아니라 컴파일러, 하드웨어 검증, 저수준 시스템 소프트웨어처럼 고도의 숙련 인력이 필요했던 분야의 작업 방식이 빠르게 재편될 것으로 보입니다.