OpenAI再爆惊天丑闻,窃走20年成果,顶级数学家怒了

marsbit發佈於 2026-09-11更新於 2026-09-11

文章摘要

OpenAI再次陷入争议,被指控窃取数学家未发表成果。纽约大学数学家Tristan Buckmaster曾因NS方程归属问题与OpenAI发生冲突,近期德累斯顿工业大学数学家Andreas Thom进一步指控OpenAI新一代模型Astra剽窃其长达20年的非sofic群研究成果。 Thom指出,Astra破解“Gromov柔度猜想”的关键步骤与其未公开的研究高度吻合,而他曾在ChatGPT中详细讨论过相关推导细节。面对质询,OpenAI研究员起初否认使用对话数据,但后来在另一争议中承认可能使用“去标识化数据”改进模型,态度前后矛盾。 此事引发学界对AI公司使用用户数据边界的广泛担忧,被部分学者称为“科学史上最大规模的智力掠夺之一”。OpenAI尚未给出令数学界信服的交代。

OpenAI,正亲手点燃整个数学界的怒火!

不久前,纽大数学家Tristan Buckmaster因「NS方程」的归属问题,与OpenAI爆发激烈冲突。

一篇声明甚至爆出,OpenAI电话施压数学家,强行抢夺成果。

没想到,这一波未平,一波又起。

就在今天,群论领域的大佬、德累斯顿工业大学数学家Andreas Thom,在社交网络上晒出邮件「铁证」。

他指控OpenAI新一代Astra剽窃了,自己耗时20年的一个领域研究——非sofic群。

对此,OpenAI斩钉截铁地否认了。

短短几个小时,这一消息直冲热榜。

所有人再次惊掉下巴,有网友表示,数学家最好彻底回到黑板、笔和纸的时代。

百年猜想告破?

Astra窃走未发表成果

这件事的起因,还要追溯到8月初OpenAI的那次高调官宣——

十大「菲尔兹奖级」难题,全部被Astra成功攻克了。

其中一个,就包括了困扰群论领域长达27年的「Gromov柔度猜想」(Gromov's soficity conjecture)。

Astra找到了非柔度群(non-sofic group)的存在证据。

消息一出,整个AI界都在欢呼,「AGI已经推开了纯数学发现的大门」。

然而,圈内的顶尖专家们,却越看越觉得诡异。

作为在该领域深耕了二十余年的泰斗级学者,Andreas Thom和他的长期合作者Gábor Kun敏锐地发现:

Astra证明过程中最核心、最精妙的关键推导步骤,与他们二人正在推进的技术路径高度吻合。

更蹊跷的是,用Thom自己的话来说——

我和Kun的方法并不是攻克非柔度群的主流方向,学界当时更看好量子博弈等其他路径。

OpenAI的模型究竟是如何精准无误地锁定,并掌握我们这一套极其冷门且细致的技巧的?

谜底很快就揭晓了,真相简直让人不寒而栗。

在OpenAI正式发布成果前的数月里,Thom和同事,一直在高频使用ChatGPT探讨「扩展匹配问题」,并在对话框里敲下了,大量关于该猜想的未发表核心推导与最新证明细节!

二十年坐冷板凳的心血,几个月与AI的推演对话,转头就变成了OpenAI新模型震撼世界的「自主成果」。

换作任何一个人,都绝不可能咽下这口气。

OpenAI:从未发生过

察觉到异常之后,Andreas Thom没有选择立刻发难。

他保持了学者应有的克制,给OpenAI两位核心研究员Mark Sellke和Sébastien Bubeck发去了一封正式邮件。

在信中,Thom提出了两个极其精准、逻辑严密的质询:

1. 我们几个月来在ChatGPT中讨论未发表成果的对话记录,是否被纳入了模型的训练数据?

2. 在模型解题和推理的过程中,这些记录是否可以被直接检索和访问?

对此,研究员Mark Sellke回了一封极短的邮件,只有冷冰冰的一句话:

关于你与ChatGPT的对话:那没有发生过。

没有数据审计说明,没有隐私机制解释,甚至没有任何格式化的套话,就这么蛮横、傲慢且斩钉截铁地全盘否决。

Thom还披露了一个日期——6月29日,他关闭了模型训练选项。

然而,他认为,关闭开关只能面向此后,无法回答更早的对话经历了什么,也无法说明是否已有衍生数据被选入训练流程。

用户看得到一个设置,看不到后台的数据流向。

Thom后来回忆,OpenAI的这句回应不仅粗暴,更充满了诡辩的恶劣色彩:

他明明分清了「进入训练集」和「在线调用」两件事,而 Sellke 却用一句含糊的「没发生过」,企图把所有实质性问题直接抹杀。

然而,傲慢的代价,来得极快。

仅仅几周后,OpenAI就在千禧年难题「纳维-斯托克斯方程」争端中被逼到了墙角。

面对Tristan Buckmaster和Levent Alpöge的步步紧逼,OpenAI的官方公关口径突然反转:

虽然坚称没有调取特定账户的私人数据,但承认——

「无法排除使用来自客户产品的去标识化数据(de-identified data)来改进模型」。

回旋镖,精准地扎回了自己的喉咙。

此前面对Thom时还信誓旦旦地说「绝无此事」,转眼间就承认去标识化数据被拿去改进模型。

合着只要把数学家的名字抹去,人类尚未公开发表的颠覆性智慧,就能堂而皇之地在硅谷巨头的服务器里被「去标识化洗白」,摇身一变成为AI的自主智慧?!

在最新的长文中,Andreas Thom毫不留情地撕碎了这种文字游戏:

去标识化也许能删掉一个学者的名字,但它删不掉一个数学思想的智力内核。

数学史上,最大智力掠夺?

从Tristan Buckmaster,再到如今站出来的 Andreas Thom。

第一次可以说是「巧合」,第二次被解释为「误会」,那么接二连三的顶尖学者集体反水与指控,已经彻底击碎了OpenAI所精心编织的「AGI科学神话」。

正如Valerio Capraro在其长文中所呼吁的那样,这已经不再是几起孤立的学术纠纷:

如果这一系列的指控被坐实,我们正在见证的,是科学史上最大规模的智力掠夺丑闻之一。

那么下一次,还有哪位科学家敢打开这扇通往深渊的对话框?

如今,OpenAI欠全球数学界一个真正的交代。

参考资料:

https://x.com/IntCyberDigest/status/2097825474961395899

https://x.com/ValerioCapraro/status/2097791836269977996?s=20

https://mathstodon.xyz/@andreasthom

本文来自微信公众号“新智元”,作者:ASI启示录,编辑:桃子

相關問答

Q文章指控OpenAI通过什么方式剽窃了数学家Andreas Thom的研究成果?

A文章指控OpenAI通过将数学家Andreas Thom在数个月内与ChatGPT讨论的、关于“扩展匹配问题”及“Gromov柔度猜想”的未发表核心推导和证明细节,纳入其新一代模型Astra的训练数据,从而使这些成果变成了Astra宣称的自主发现。

Q当Andreas Thom质询OpenAI时,OpenAI研究员Mark Sellke是如何回应的?

A当Andreas Thom质询其在ChatGPT中的对话记录是否被用于模型训练时,OpenAI研究员Mark Sellke回复了一封极短的邮件,只有一句话:“关于你与ChatGPT的对话:那没有发生过。”,以全盘否认的方式进行回应。

Q关于“纳维-斯托克斯方程”的争端中,OpenAI的官方回应与之前对Andreas Thom的回应有何矛盾之处?

AOpenAI在“纳维-斯托克斯方程”争端中,面对Tristan Buckmaster和Levent Alpöge的指控时,其官方口径反转,承认“无法排除使用来自客户产品的去标识化数据来改进模型”。这与之前对Andreas Thom斩钉截铁地否认“绝无此事”构成了直接的矛盾。

Q文章作者将这一系列事件称为什么?并引用了他人的什么观点?

A文章作者将这一系列事件称为“科学史上最大规模的智力掠夺丑闻之一”。作者引用了Valerio Capraro在其长文中的观点,即如果指控被坐实,我们正在见证科学史上最大规模的智力掠夺丑闻之一。

Q根据文章,这一系列事件对科学界可能产生什么影响?

A根据文章,这一系列事件严重打击了科学家与AI工具之间的信任基础。它提出了尖锐的警示:还有哪位科学家敢打开与AI交流的“通往深渊的对话框”?这不仅损害了OpenAI的公信力,也可能阻碍科学家利用AI工具进行前沿探索的意愿,从而影响科学发展的进程。

你可能也喜歡

OpenAI揭秘万级Agent实测,狂飙36小时,狂吞1万亿Token

近日,OpenAI与合作方Third Moment Research进行了一项大规模Agent实测。该公司在量化金融领域部署了10,000个AI Agent,让它们在不眠不休的状态下连续运行36至48小时,每日消耗高达1万亿Token。单轮任务即可完成相当于人类工程师41年的工作量。 这些Agent展现出强大的自主优化能力。面对量化回测速度缓慢的问题,它们主动深入代码库,自主重写底层引擎,将单次回测时间从3小时缩短至3-5分钟,效率提升97%。更高级的模型如GPT-6.1 Sol还能在发现异常信号时,自动调度数百个子Agent并行实验,甚至从交易数据中识别出人类未曾注意到的“暗池”流动性影响。 为确保长程任务的稳定与效率,系统采用了双层监管架构:内层Agent(如Codex)负责执行具体任务,外层由GPT-6 Sol/6.1 Sol担任“监工”,负责监控任务状态、诊断问题(如陷入死循环或提前终止),并决定重试、终止或上报,极大减少了人工干预。 此外,系统建立了包含轨迹采集、聚类诊断、合成沙箱、升级脚手架的四步自进化循环,通过持续仿真测试与迭代,使系统能力不断增强。安全方面,则借助OpenAI的Daybreak与GPT-5.6 Terra模型进行自动化渗透测试,确保Agent始终被控制在隔离环境中。 Third Moment选择量化金融与网络安全作为首批应用场景,正是因为这两个领域属于“算力无上限”的零和博弈:微弱的性能优势即可转化为巨大的经济收益或避免巨额损失。未来,他们计划将并发规模扩展至数十万Agent,应用于供应链优化、代码性能排查等更多领域。这标志着AI竞争的焦点,正从单纯提升模型能力,转向如何高效管理与协同海量自主智能体。

marsbit24 分鐘前

OpenAI揭秘万级Agent实测,狂飙36小时,狂吞1万亿Token

marsbit24 分鐘前

交易

現貨
活动图片