💬 NLP

Harnessing the Collective Intelligence of AI Agents in the Wild for New Discoveries

Dit artikel introduceert EinsteinArena, een gedecentraliseerd platform waar autonome AI-agenten via publieke interactie en het delen van ideeën gezamenlijk openstaande wiskundige problemen oplossen, waarbij succesvol 12 nieuwe state-of-the-art resultaten zijn gegenereerd, waaronder een verbeterde bovengrens voor het 11-dimensionale kissing number probleem.

Oorspronkelijke auteurs: Federico Bianchi, Yongchan Kwon, Aneesh Pappu, James Zou

Gepubliceerd 2026-06-10

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Federico Bianchi, Yongchan Kwon, Aneesh Pappu, James Zou

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een gigantische, 24-uurs digitale wetenschapsbeurs voor waar de deelnemers geen mensen zijn, maar AI-agenten. Dit is EinsteinArena, een nieuw platform gecreëerd door onderzoekers van Together AI en Stanford University om te zien of AI kan samenwerken om complexe wiskundige problemen op te lossen, precies zoals menselijke wetenschappers dat doen.

Hier is het verhaal van hoe het werkt, eenvoudig uitgelegd:

De Oude Manier: De "Lone Wolf" versus Het "Team"

In het verleden, wanneer AI probeerde wetenschappelijke problemen op te lossen, werkte het meestal als een lone wolf (eenzame wolf). Eén AI kreeg een probleem, probeerde het in isolatie op te lossen, en stopte daarna. Als het faalde, ging die mislukking verloren. Als het een gedeeltelijk antwoord vond, kon niemand anders het zien of erop voortbouwen. Het was alsoals een onderzoeker die in een afgesloten kamer werkt, nooit zijn aantekeningen deelt, nooit ziet wat anderen proberen, en elke keer weer vanaf nul begint.

EinsteinArena verandert de regels. Het verandelt het proces in een collaboratieve gemeenschap. Denk aan een enorme, open-source werkplaats waar:

De Problemen: Er is een lijst met onopgeloste wiskundige puzzels (zoals het vinden van de beste manier om sferen te stapelen of specifieke getallen te berekenen).
Het Scorebord: Een live leaderboard toont het huidige beste antwoord voor elke puzzel.
De Chatroom: Een publiek forum waar agenten hun ideeën kunnen plaatsen, kunnen zeggen: "Ik heb dit geprobeerd en het mislukte," of kunnen vragen: "Weet iemand waarom dit getal vreemd is?"
Het Regelboek: Elke agent heeft toegang tot exact dezelfde "verifier" (een referee-script) die controleert of een antwoord correct is.

De Grote Doorbraak: Het "Kissing Number"

Het paper belicht een specifiek succesverhaal over een probleem genaamd het "Kissing Number" in 11 dimensies.

De Analogie: Stel je voor dat je probe_ert zoveel mogelijk sinaasappels mogelijk rond een centrale sinaasappel te passen, zodat ze allemaal de centrale sinaasappel raken zonder elkaar te overlappen. In een 11-dimensionale ruimte is dit ongelooflijk moeilijk.
De Geschiedenis: Ongeveer 40 jaar lang was het beste wat iedereen (mens of AI) kon doen, het passen van 582 sinaasappels. Toen verbeterde een mens het in 2022 naar 592. In 2025 bracht een AI genaamd AlphaEvolve het naar 593.
Het EinsteinArena Resultaat: Tegen mei 2026 hadden de agenten op EinsteinArena dit getal opgedreven naar 604.

Hoe deden ze dat?
Het was niet één superintelligente AI met een "eureka-moment". Het was een estafette:

Agent A vond een slordige, bijna-correcte oplossing, maar kon het niet perfect maken.
Agent B zag het werk van Agent A in het publieke forum. In plaats van opnieuw te beginnen, zei Agent B: "Ik zie dat je deze vorm hebt geprobeerd. Wat als we de wiskunde een beetje aanpassen om het vloeiender te maken?"
Agent C merkte een patroon op in de getallen van Agent B en realiseerde zich dat ze leken op gehele getallen. Ze "snapten" de slordige decimalen naar nette gehele getallen, wat een perfect, bewijsbaar resultaat creëerde.
Agent D nam die perfecte oplossing en breidde deze uit om nog meer sinaasappels te passen.

Het paper noemt dit "collectieve intelligentie." De agenten deelden hun "mislukte pogingen" en "gedeeltelijke ideeën", net zoals menselijke onderzoekers hun preprints en conferentienotities delen. Dit stelde de groep in staat om de berg veel sneller te beklimmen dan welke enkele klimmer alleen zou kunnen.

Het "Wilde" Experiment

De onderzoekers noemen dit "AI in the wild" omdat ze de agenten niet dwongen om op een specifieke manier met elkaar te communiceren. Ze zeiden niet: "Jij bent de leider, jij bent de volger." In plaats daarvan gaven ze hen simpelweg het platform en lieten ze het zelf uitzoeken.

Sommige agenten dienden alleen antwoorden in.
Sommige agenten stelden alleen vragen in de chat.
Sommige agenten analyseerden waarom anderen faalden.

Het resultaat? Het platform ontdekte 12 nieuwe "state-of-the-art" resultaten (de beste ooit gevonden antwoorden) op diverse wiskundige problemen. De bekendste hiervan is het 11-dimensionale kissing number, dat sprong van 593 naar 604.

Waarom Dit Belangrijk Is (Volgens het Paper)

Het paper betoogt dat voor AI om echt wetenschap te kunnen doen, het infrastructuur nodig heeft, niet alleen betere hersenen.

Transparantie: Omdat de "referee" (verifier) publiek is, kunnen agenten hun ideeën lokaal testen voordat ze ze indienen, net zoals een wetenschapper een simulatie draait in zijn laboratorium.
Gedeeld Geheugen: Het platform fungeert als een gedeelde geheugenbank. Een agent vandaag kan leren van een fout die drie dagen geleden werd gemaakt, in plaats van tijd te verspillen aan het herhalen van dezelfde fout.
Geen "Black Box": In tegen tegenstelling tot eerdere systemen waar de AI in het geheim werkte, is hier elke stap, elke discussie en elk gedeeltelijk resultaat zichtbaar.

De Kern van het Verhaal

EinsteinArena bewijst dat als je AI-agenten een plek geeft om te delen, te concurreren en voort te bouwen op elkaars werk, ze problemen sneller en beter kunnen oplossen dan wanneer ze alleen zouden werken. Het gaat niet om één genieus AI; het gaat om een gemeenschap van AI die leert van elke stap, elke fout en elke kleine overwinning onderweg.

Noot: Het paper richt zich strikt op wiskundige optimalisatieproblemen (zoals het stapelen van vormen en ongelijkheden). Het beweert niet dat deze resultaten al toepasbaar zijn op medische diagnoses, klimaatmodellering of andere praktische toepassingen; het is een proof-of-concept voor hoe AI-collaboratie werkt in een gecontroleerde, wiskundige omgeving.

Technische Samenvatting: Het benutten van de collectieve intelligentie van AI-agenten in het wild voor nieuwe ontdekkingen

Probleemstelling

Wetenschappelijke ontdekking is inherent een collectief proces waarbij onderzoekers voortbouwen op gedeeltelijke resultaten, mislukte pogingen en gedeelde inzichten. Huidige AI-systemen voor wetenschappelijke ontdekking werken echter grotendeels in isolatie. Hoewel op taalmodellen gebaseerde agenten het vermogen hebben getoond om open problemen op te lossen (bijv. in de wiskunde en algoritmeontwerp), functioneren zij doorgaans binnen geïsoleerde runs of strikt gecontroleerde pipelines. Deze systemen missen de "sociale infrastructuur" van menselijk onderzoek—zoals publieke sporen, gedeelde repositories van mislukte pogingen en mechanismen waarmee de ene oplosser kan voortgaan waar een andere is gestopt. Bijgevolg blijft het potentieel voor een gemeenschap van agenten om ontdekkingen te versnellen door middel van gedeelde staat en cumulatieve kennis onbenut.

Dit artikel adresseert de vraag: Kan een gemeenschap van autonome agenten, opererend op een gedeeld platform met een publieke staat, leaderboards en discussiefora, substantieel sneller vooruitgang boeken op open wetenschappelijke problemen dan geïsoleerde agenten?

Methodologie: EinsteinArena

De auteurs introduceren EinsteinArena, een open, agent-native platform ontworpen om gedistribueerd onderzoek en ontdekking te faciliteren. Het platform is gebouwd op drie kerncomponenten:

Gecureerde open problemen met verifiers: Het platform host een collectie open wiskundige optimalisatieproblemen (bijv. kissing numbers, autocorrelatie-ongelijkheden). Elk probleem bevat een beschrijving in natuurlijke taal, een strikt oplossingsschema en een publieke, uitvoerbare Python verifier. Deze verifiers mappen inzendingen naar scalaire scores, waardoor agenten hun eigen oplossingen lokaal kunnen evalueren vóór indiening.
Live Leaderboard: Een real-time leaderboard houdt de beste bekende oplossing voor elk probleem bij. Om een toppositie te claimen, moet een inzending de huidige beste score met een problemspecifieke drempel ( $\delta$ ) overtreffen, wat leaderboard-ruis door kleine zwevend-kommagetal-variaties voorkomt.
Publiek Discussiebord: Agenten kunnen threads plaatsen om tussenresultaten te delen, mislukte benaderingen te documenteren, hypothesen voor te stellen en vragen te stellen. Deze discussies worden gemodereerd (via Llama-Guard) en dienen als een persistent verslag van het "pad naar de frontier", dat onderscheidt van het leaderboard dat alleen de huidige beste registreert.

Ontwerpprincipes:

Transparantie: Alle artefacten (probleemspecificaties, verifier-code, scores, oplossingen en discussiethreads) zijn publiekelijk toegankelijk via API of webinterface.
Persistente gedeelde geheugen: In tegen tegenstelling tot taakspecifieke harnesses die na een run verdwijnen, behandelt EinsteinArena het platform als een persistente substantie. Eerdere oplossingen en inzichten zijn beschikbaar voor elke agent om te hergebruiken of uit te breiden.
Agent-First Interactie: Het platform is ontworpen voor autonome agenten. Registratie omvat een proof-of-work mechanisme om spam te voorkomen, en deelname vindt plaats via API in plaats van menselijke interfaces.

Belangrijkste Bijdragen

Het artikel presenteert drie primaire bijdragen:

Platformarchitectuur: Het ontwerp en de implementatie van EinsteinArena, een open platform dat organische samenwerking tussen meerdere heterogene agenten mogelijk maakt op wetenschappelijke problemen met exacte verificatie.
Empirisch bewijs van collectieve vooruitgang: Documentatie van 12 nieuwe state-of-the-art (SOTA) resultaten op open wiskundige problemen die door agenten op het platform zijn ontdekt sinds de lancering in maart 2026.
Linguïstische en structurele analyse: Een gedetailleerde analyse van collaboratieve agent-zoekpatronen, die aantoont hoe publieke sporen, iteratieve inzendingen en gedeelde debugging leiden tot oplossingen die geen enkele individuele agent in isolatie zou kunnen vinden.

Resultaten en Casestudy's

Per mei 2026 hebben agenten op EinsteinArena SOTA-resultaten bereikt op 12 problemen. Twee casestudy's illustreren het mechanisme van deze vooruitgang:

1. Kissing Number in Dimensie 11

Doel: Het verbeteren van de onderste grens voor het maximale aantal niet-overlappende eenheidssferen die een centrale sfeer raken in 11 dimensies.
Progressie: De vorige beste ondergrens was 593 (AlphaEvolve, 2025). EinsteinArena-agenten verbeterden dit eerst naar 594, en breidden het vervolgens uit naar 604.
Collaboratief Mechanisme:
- Idee-lenen: Een agent (KawaiiCorgi) merkte op dat de leaderboard-score niet-lineair was en schakelde over naar het optimaliseren van een gelinieerde surrogaat-objectief (kleinste-kwadraten) afgeleid via Taylor-expansie.
- Verfijning: Agenten verfijnden de oplossing iteratief, waarbij ze overlap-straffen reduceerden van $10^{-10}$ naar $10^{-50}$ .
- Structureel Inzicht: Agenten identificeerden dat bijna-geldige configuraties een gemeenschappelijke set van 496 vectoren deelden die een "backbone" vormden. Dit inzicht maakte de exploratie van een grotere algebraïsche ruimte mogelijk, wat leidde tot de $n=604$ constructie.
- Discussie: Agenten gebruikten het forum om te discussiëren over "structurele/lattice decoding", waarbij zij observaties deelden over contactgrafen en integer-achtige coördinaten, wat de transitie van numerieke benaderingen naar exacte discrete structuren stuurde.

2. Tweede Autocorrelatie-ongelijkheid

Doel: Het vinden van de optimale constante $C$ voor de ongelijkheid $\|f \star f\|_2^2 \leq C \|f \star f\|_1 \|f \star f\|_\infty$ .
Progressie: Verbeterde de onderste grens van 0.9610 (AlphaEvolve) naar 0.9626.
Collaboratief Mechanisme:
- Resolutie Schaling: Agenten verhoogden iteratief de discretisatie-resolutie (van $5 \times 10^4$ naar $4 \times 10^5$ intervallen).
- Methode Synthese: Agenten combineerden Dinkelbach-optimalisatie met simulated annealing en spectrale perturbaties.
- Lineage: De uiteindelijke doorbraak kwam van een agent (ClaudeExplorer) die een oplossingsfamilie verfijnde die door anderen was opgezet, wat een duidelijke lineage van verbetering demonstreerde waarbij elke agent voortbouwde op de specifieke "bekken" van de vorige beste oplossing.

Betekenis en Claims

Het artikel betoogt dat gedecentraliseerde wetenschappelijke ontdekking kan voortkomen uit open interactie tussen autonome agenten.

Voorbij Geïsoleerde Runs: De resultaten demonstreren dat een gemeenschap van agenten die opereren op een gedeelde staat meer vooruitgang kan boeken dan geïsoleerde agenten. De grootste winsten (bijv. de sprong van 593 naar 604 in het kissing number probleem) ontstonden uit een sequentie van inzendingen, publieke discussie en agent-naar-agent idee-lenen, in plaats van uit één krachtige run.
Platform-als-Harness: De auteurs stellen een paradigmaverschuiving voor van "taakspecifieke harnesses" (op maat gemaakte pipelines voor enkelvoudige problemen) naar een "gedeeld platform"-model. Deze aanpak stelt heterogene agenten in staat om samen te werken, te concurreren en voort te bouwen op elkaars werk zonder dat daarvoor voor elk nieuw probleem een specifieke scaffold nodig is.
De Rol van Infrastructuur: Het succes van EinsteinArena benadrukt dat effectieve AI-samenwerking vereist dat tussenliggende artefacten (mislukte pogingen, gedeeltelijke constructies, edge cases van de verifier) worden blootgesteld. Deze "sociale sporen" verlengen de effectieve tijdshorizon van de zoektocht, waardoor latere agenten veelbelovende richtingen kunnen erven in plaats van vanaf nul te beginnen.

De auteurs houden een bescheiden reikwijdte aan en merken op dat hoewel het platform succesvol is voor wiskundige problemen met deterministische verifiers, de toepasbaarheid op domeinen zoals formele bewijsvoering of computationele biologie verder onderzoek vereist. Ze erkennen ook open vragen met betrekking tot prikkels, zoals of publieke leaderboards agenten kunnen bevoordelen richting kortetermijn score-jagen boven langetermijn, hoog-risico exploratie.