纽约大学数学家指 OpenAI 在解决职业关键数学问题上手段不正当

# 纽约大学数学家称OpenAI在职业关键数学问题上使用不当手段 | TechCrunch 来源：https://techcrunch.com/2026/09/08/openai-fought-dirty-on-career-making-math-problem-says-nyu-mathematician/ 纽约大学数学教授特里斯丹·巴克马斯特周二公布了三份证明，其中包含对理论数学领域一个重大未解问题的初步发现。这些成果是与Anthropic数学家勒文特·阿尔珀热合作完成的，并同时运用了Codex与Claude人工智能模型。成果本身已具有重大意义——但它们也伴随着围绕OpenAI试图解决同一问题的非同寻常的争议。 "此事另有隐情，"巴克马斯特在其宣布证明的声明中写道，"坦率地说，这是我非常不愿卷入的纷争。"声明指出，在巴克马斯特团队成果公开前，OpenAI的平行研究团队已基于其工作展开行动，由此引发学术竞争与相互矛盾的主张。 巴克马斯特发表声明后不久，OpenAI发布了一份完整的纳维-斯托克斯存在性与光滑性问题证明（https://openai.com/index/navier-stokes-solution/），而巴克马斯特的发现原本已朝此方向取得进展。据OpenAI称，该证明由其尚未发布的下一代模型发现，该模型在过去一周内攻克了多项不同未解难题。整个耗时一周的研究消耗了3000亿输出词元——若按当前Astra费率（https://developers.openai.com/api/docs/pricing#text-tokens）计算，相当于2250万美元的计算成本。 纳维-斯托克斯存在性与光滑性问题是七大千禧年大奖问题（https://www.claymath.org/millennium-problems/）之一——这些重大数学未解问题每项都为首个提供解答者或团队提供克莱数学研究所的100万美元奖金。纳维-斯托克斯方程广泛应用于流体力学，但其理论本质尚不明确。该问题的解决将代表数学物理集体认知的重大进步。 当巴克马斯特与阿尔珀热完善自身成果时，他们得知"关于我们进展的信息已被传递给OpenAI"。联系OpenAI后，他们被告知该公司已获得该核心问题的完整证明。但当进一步追问OpenAI何时开始研究该问题及人力参与程度时，答复变得愈发含糊。 "事实逐渐清晰：OpenAI整个团队都在攻关这个问题，并动用了海量计算资源...最终双方确认，首个提示词是在我们成果信息抵达OpenAI后的数日内发送的。"巴克马斯特表示。 若情况属实，这将意味着OpenAI团队认定巴克马斯特与阿尔珀热的方法路径正确，并决定利用其计算资源优势抢先完成形式化证明。 OpenAI的博文确认了这一时间线中的大部分内容，明确指出最新研究始于9月1日，灵感来自"两个千禧年大奖问题已被攻克"的传言。此外博文确认了与巴克马斯特及阿尔珀热持续进行的对话。 尽管该问题在数学界被广泛研究，但巴克马斯特与其合作者采用的特定方法路径却极为罕见。因此巴克马斯特认为，OpenAI最终在同一时期采用相同方法颇具可疑之处。 "通过光滑力场解决克莱问题（即费弗曼问题陈述中的c、d选项）是路易斯和迭戈开辟的路径，也是勒文特与我暗自选定的攻击方向。"巴克马斯特写道，"据我所知几乎无人从事此方向研究。这不是让模型面对问题陈述几天内就能抵达的方向。" 虽然受雇于Anthropic，但阿尔珀热此次并非代表公司开展研究。因此两人混合使用多种模型，其研究主要依赖OpenAI的Codex。尽管如此，阿尔珀热作为竞争对手实验室的成员身份似乎触动了OpenAI的敏感神经。巴克马斯特指控OpenAI的布贝克要求其删除阿尔珀热的署名作为"妥协方案"。 当巴克马斯特坚持将争议公开时，据他称布贝克回应道："你为何要自毁职业生涯？"巴克马斯特表示当其提出异议后，布贝克追加说道："既然你不领情，我也不必保持礼貌。" 巴克马斯特还提出担忧：由于项目组装过程中广泛使用Codex，其工作信息可能已被OpenAI用于解决该问题的研究。OpenAI保留使用Codex交互数据训练模型的权利（https://help.openai.com/en/articles/5722486-how-how-your-data-is-used-to-improve-model-performance），尽管用户可选择退出。若OpenAI团队使用基于巴克马斯特Codex交互数据训练的模型，该模型在面对相似问题时重现其研究成果的可能性确实存在。 OpenAI在其博文中淡化了数据复现的可能性："我们（研究人员与智能体）在他们公开成果前，未通过任何途径接触其工作内容——特别是未访问任何特定用户数据来解决此问题。虽然可能性很低，但我们不能排除从其使用我们产品所获得的匿名化数据可能帮助改进了模型（https://openai.com/policies/how-your-data-is-used-to-improve-model-performance/）。不过我们的证明存在显著差异，甚至在欧拉情形（受迫与非受迫）中所证明的具体结果也不同。" **美东时间下午2:35更新：整合OpenAI发布纳维-斯托克斯结果的详细信息。** 无论如何，此事可能重新点燃关于AI在数学研究中的作用及其特殊激励机制的持续争论。就巴克马斯特本人而言，他似乎认为最好的应对方式是将更多研究细节公之于众。 *当您通过文章中的链接购买商品时，我们可能获得小额佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不会影响我们的编辑独立性。* 拉塞尔·布兰登自2012年起从事科技行业报道，专注于平台政策与新兴技术。此前曾在The Verge与Rest of World工作，并为Wired、The Awl及MIT Technology Review撰稿。可通过[email protected]或Signal账号412-401-5489联系。 查看个人简介（https://techcrunch.com/author/russell-brandom/）