구글, 과학 엔지니어링용 안티그래비티 팀워크 공개
대규모 언어 모델의 연산 능력이 고도화되면서 단순 질의응답을 넘어 장시간에 걸친 연구 개발 과제를 자율적으로 수행하는 다중 에이전트 오케스트레이션이 핵심 인프라 기술로 떠올랐다. Google Research 공식 블로그에 따르면 구글 리서치 펠로우 겸 부사장 바하브 미로크니(Vahab Mirrokni)는 제미나이 4 아르곤(Argon), 카본(Carbon), 하이드로겐(Hydrogen) 모델을 기반으로 설계된 안티그래비티 팀워크(/teamwork) 멀티 에이전트 시스템과 주요 연구 성과를 공식 발표했다. 기존 인공지능 모델들은 단문 기반 코드 작성이나 기초적 수준의 수리 연산에서는 높은 성능을 보였으나, 며칠 이상의 탐색 시간이 요구되는 복잡한 과학 연구나 다단계 정리 증명 과정에서는 연쇄적인 논리 오차와 환각을 제어하지 못하는 명확한 구조적 한계를 안고 있었다.
구글 리서치는 단순히 에이전트 호출 횟수를 늘리는 무차별적 확장 방식 대신 병렬 탐색 파이프라인과 기호 검증 도구를 긴밀히 결합하는 장기 추론(long-horizon reasoning) 루프를 전면에 도입했다. 안티그래비티 팀워크 시스템은 단일 시도가 지닌 결과 예측 불가능성을 상쇄하기 위해 여러 가설을 동시에 도출하고, 상호 비판 과정을 거친 뒤 린 4(Lean 4) 같은 전용 반증 검증기(falsifiers)를 거치도록 설계됐다. 연산 과정에서 도출된 중간 증명 단계와 코드가 엄격한 형식 언어로 구성된 외부 기호 시스템에 의해 즉각적으로 필터링되므로, 모델이 오류가 포함된 추론 경로에 갇혀 불필요한 토큰과 연산 자원을 낭비하는 현상을 사전에 원천 차단한다.
정량적 벤치마크 결과는 이러한 구조적 검증 하네스의 성능 개선 폭을 수치로 명확히 증명한다. 팀워크 파이프라인에 통합된 롱 프루프(Long Proof / Stellar Colosseum) 프레임워크는 FOCS, STOC, SODA 등 최고 권위 학술대회 수준의 과제를 모은 이론컴퓨터과학 벤치마크 TCS-Bench에서 71.0%의 정확도를 기록했다. 이는 과거 구글 내부 기준의 단일 LLM 및 기존 추론 파이프라인 성능 대비 대폭 도약한 수치다. 아울러 고난도 알고리즘 프로그래밍 역량을 측정하는 코드포시스(Codeforces) 평가에서도 총 222개 중 218개 문제를 해결해 해결률 98.2% 수준을 달성했다. 기존 단일 추론 파이프라인 대비 정확도 71.0% 달성과 코드포시스 222개 중 218개 해결이라는 정량적 성과는 에이전트 시스템의 하네스 결합이 추론 신뢰도에 미치는 영향을 여실히 드러낸다.
해당 협업 체계는 벤치마크 환경에 국한되지 않고 실제 장기 연구 과제에서도 구체적인 성과를 냈다. 구글은 외부 학술 파트너와 협력해 정보 이론, 공식 검증 분야를 포함해 오랜 난제로 꼽히던 크누스의 순환 추측(Knuth's Cycles Conjecture) 분석을 전개했다. 시스템 엔지니어링 영역에서도 운영체제를 온전히 부팅할 수 있는 RISC-V CPU 시뮬레이터 구축을 완수했으며, 널리 사용되는 오픈소스 연산 라이브러리인 Eigen 및 ParlayHash의 성능 최적화 작업을 자율적으로 달성했다. 에이전트 간의 역할 분담과 형식 검증기 기반의 자동 테스트 루프가 실제 하드웨어 설계 시뮬레이션 및 수치 라이브러리 튜닝이라는 실질적 생산성 영역에 도달했음을 보여준다.
안티그래비티 팀워크의 구조는 인공지능 인프라를 운영하는 연구 조직과 엔지니어링 팀에 명확한 도입 기준점을 제시한다. 모델의 단일 파라미터 규모를 키워 단발성 정답률을 올리는 기존 방식은 실패율 높은 장기 태스크에서 극심한 추론 비용 누수를 발생시킨다. 반면 제미나이 4 군집 모델에 린 4 같은 결정론적 반증 검증기를 결합해 탐색 실패를 조기에 가지치기하는 구조는 유효 작업당 토큰 소모량을 최적화하고 전체 추론 파이프라인의 수렴 속도를 통제 가능하게 만든다. 검증 인프라를 동반한 다중 에이전트 아키텍처는 고난도 수학, 컴파일러 및 하드웨어 시뮬레이션 환경에서 컴퓨팅 인프라 예산의 예측 가능성을 확보하려는 기술 조직들의 도입 의사결정에 결정적인 영향을 미칠 것으로 분석된다.
출처별 관점 비교
| Google Research 공식 블로그 | 제미나이 4 기반 최신 멀티 에이전트 협업 체계의 외부 연구자 공개와 과학·공학 전반의 인프라 효율 개선에 방점 |
|---|---|
| arXiv 논문(Stellar Colosseum) | 병렬 가설 탐색, 성숙도 게이트, 반증 검증 트리 집합 등 장기 추론 하네스의 수학적·형식적 알고리즘 설계에 집중 |
이 이슈의 흐름
기존 대규모 언어 모델은 짧은 코드 생성이나 기초 수학 풀이에는 강점을 보였으나 수 시간에서 며칠이 소요되는 복잡한 과학 탐구와 장기 정리 증명에서는 연쇄적인 논리 오류를 제어하지 못하는 한계가 있었다. 구글 리서치는 에이전트 수를 무작정 늘리는 방식 대신 가설 생성, 상호 비판, 정밀 검증기가 결합된 구조적 오케스트레이션인 안티그래비티 팀워크 체계를 구축했다. 특히 린 4 같은 기호 검증기를 에이전트 실행 루프에 배치해 모델 특유의 환각을 차단하고 수년 동안 해결되지 않던 오픈 사이언스 및 시스템 난제를 해결하는 성과를 냈다. 이는 AI의 역할이 단순한 개발 보조 도구에서 벗어나 수학·컴퓨팅 인프라의 연구 파트너로 진화하고 있음을 명확히 보여준다.
- 구글, 웨어러블 센서로 CKM 질환 예측하는 센서 월드 모델 공개 Google Research · 11/12
- 구글 퀀텀 AI, 윌로우 칩으로 고전 한계 넘는 양자 맥락성 실증 Google Research · 11/20
- 구글 제미나이 에이전트 한국 무료 개방, 작업 대행 전면화 Google AI · 11/18
- 구글 전화 대행 듀플렉스, 제미나이 4 탑재로 자율 작업 비서 진화 Google Research · 11/21
- 구글, 초경량 제미나이 4 하이드로젠 공개…검색과 API 전면 배치 Google AI · 11/13