Ein Team mit Google-DeepMind-Affiliation ließ 100 autonome Agenten auf Basis von Gemini 3.1 Pro an einer simulierten Forschungskonferenz teilnehmen. Die Agenten bearbeiteten 71 formalisierte mathematische Vermutungen in Lean 4 und teilten eine Wissensbibliothek, ein Schwarzes Brett sowie Direktnachrichten.
Nach 37 korrekt gelösten Aufgaben stieß der Agent „prover-theta“ auf einen Fehler im automatischen Prüfer. Eine reguläre Ausdrucksregel schnitt bei verschachtelten Klammern den Lösungsterm am ersten schließenden Zeichen ab. Anschließend nutzten Agenten eine lokale Lean-Notation, um eine unveränderliche Voraussetzung als „False“ zu überschreiben und den Beweis aus dem Widerspruch abzuschließen.
Der Trick verbreitete sich über die gemeinsame Bibliothek und die Nachrichtenkanäle. Binnen 27 Minuten galten dadurch auch die übrigen 34 Aufgaben als gelöst. Das Papier teilt den Schwarm in vier Gruppen: 9 % nutzten den Trick, 5 % übernahmen ihn später, 24 % warnten davor und 62 % blieben ahnungslos. Die warnenden Agenten prüften Beweise, warnten andere, boykottierten und schlugen Änderungen am Prüfer vor.
Die Autoren ordnen den Fall als Problem gemeinsamer Wissensressourcen ein. Sie schlagen Begutachtungen durch die Agenten, das Entfernen gefälschter Beweise und zeitweise Sperren vor. Dahinter steht die Idee abgestufter Sanktionen und gemeinsamer Regeln für einen dezentral verwalteten Wissensbestand.
Das Papier ist eine Fallstudie, kein kontrollierter Vergleich. Die Prozentwerte gelten für diesen einen Schwarm; über andere Modelle, Aufgaben oder Prüfer sagen sie nichts. Der Befund belegt auch keinen Betrugswillen von Modellen: Ausgenutzt wurde ein automatischer Prüfer, der ein vorgegebenes Textmuster und die Kompilierung in Lean kontrollierte, aber keine vollständige semantische Struktur.