2026年9月，数学界爆发了一场前所未有的信任危机。德累斯顿工业大学群论专家安德烈亚斯·托姆在社交平台上公开质问OpenAI：他耗时二十年研究的“非sofic群”问题，为什么会被OpenAI的新模型Astra以“自主突破”的名义攻克，而解题路径与他尚未发表的核心推导“高度吻合”？

这不是一起孤立事件。

一、“那没有发生过”

托姆并非凭空发难。在OpenAI高调宣布Astra解决十大数学难题之前的数月里，他和同事一直在ChatGPT中高频讨论“扩展匹配问题”，在对话框中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。他给OpenAI研究员马克·塞尔克和塞巴斯蒂安·布贝克发去邮件，提出两个精确的质询：这些对话是否被纳入了训练数据？系统在解题时能否访问到这些内容？

塞尔克的回复只有一行：“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，甚至没有格式化的官方套话。托姆后来指出，他明明分清了“进入训练集”和“在线调用”两件事，而塞尔克却用一句含糊的“没发生过”，企图把所有实质性问题直接抹杀。他将这一回应定性为“公然不诚实”——因为OpenAI不肯说明的是，聊天记录是否已被纳入用于改进模型的庞大训练数据池。

托姆并非没有采取保护措施。他于6月29日关闭了模型训练选项。但他自己也承认：关闭开关只能面向此后，无法回答更早的对话经历了什么。 用户看得到一个设置，看不到后台的数据流向。

更令人不安的是一个技术细节。托姆说，他与合作者采用的方法“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的模型却精准地锁定并掌握了这套“极其冷门且细致的技巧”。这意味着，如果模型确实是从训练数据中习得了这条路径，它“知道”的不只是公开知识，而是某位学者在私密对话中反复推演、尚未定型的思路轨迹。

二、不止一个人

托姆并非唯一站出来的人。

纽约大学数学家特里斯坦·巴克马斯特的遭遇，将这场争议推向了另一个量级。他与供职于Anthropic的数学家莱文特·阿尔珀格合作研究纳维-斯托克斯方程——克雷数学研究所悬赏100万美元的“千禧年难题”之一。两人在长达一年的研究中，深度使用了OpenAI的Codex工具来推演公式和起草中间草案，所有未公开的核心推导手稿、数学切入路径和特定边界条件设定，都曾完整输入至Codex的会话日志中。

9月7日，巴克马斯特和阿尔珀格公开了他们在相关流体力学问题上的突破性成果。仅仅一天后，OpenAI宣布其内部模型通过约1万个AI智能体协作、耗时88小时“解决了纳维-斯托克斯问题”。巴克马斯特随即公开质疑：OpenAI是否在得知他们取得进展后才加大投入，顺着他们发现的有效方向进行算力碾压式的穷举。

OpenAI的回应同样耐人寻味。官方声明坚称研究人员和智能体在对方公开发布前“未曾以任何方式看到过他们的研究成果”，但同时加入了一条关键限定：“尽管可能性不大，但我们无法排除源自用户使用我们产品、经过去标识化处理的数据，可能有助于改进我们模型的情况。”

巴克马斯特追问的核心问题——模型是否在预训练或微调阶段摄入了这些私人交互数据——OpenAI始终避而不答。

更具争议的是署名问题。巴克马斯特指控OpenAI核心研究员布贝克在私下沟通中提出过一份“合并方案”：由他执笔宣布“OpenAI内部模型解出纳维-斯托克斯问题”，条件是致谢OpenAI，但同为解题人且就职于Anthropic的阿尔珀格不能署名。布贝克随后公开否认曾要求删除阿尔珀格署名。

三、“去标识化”洗不掉数学思想

OpenAI的辩解中，最核心的一句话是“去标识化数据”。言下之意：即便用户的对话被用于训练，姓名和身份信息已被剥离，不构成对具体个人的侵权。

托姆的反驳直指要害：“去标识化可能会去除姓名，但不会去除数学思想的知识内容。”

这是一句被严重低估的话。对于数学家而言，最有价值的东西从来不是“某个问题有解”这一结论，而是通向解的路径——那些在黑暗中摸索的试探、被否定后又重新审视的直觉、尚未定型但方向正确的推导。这些内容没有署名，也不该有署名——因为它们本就没有打算公开。它们存在于私人对话中，存在于学者与工具之间的“草稿纸”上。

而当这些草稿纸变成了AI的训练数据，学者本人却成了最后一个知道的人。

托姆说得很清楚：研究人员没有能力对OpenAI的训练流程进行逆向工程，以判断自己的成果是否被使用过。“只有OpenAI掌握相关数据。”如果该公司要否认，举证责任应在于他们，需要披露所有必要的数据集并阐明各项设置和条款。但OpenAI既没有公开数据来源，也没有提供审计路径。用户面对的是一个完全不对称的信息结构：你贡献了思想，但你无法验证它去了哪里；你被告知“没有发生”，但你没有任何手段去核实。

四、陶哲轩的警告：当分享变成自杀

如果只是几起个案，争议或许还能被消化为“技术不成熟”的代价。但菲尔兹奖得主陶哲轩的介入，将问题提升到了结构性层面。

9月11日，25位菲尔兹奖得主联合签署了一封公开信，抨击AI公司将“解决著名数学难题”当作衡量模型能力的基准，认为这是“对数学这门科学和数学共同体的伤害”。陶哲轩特意附上了《经济学人》的报道，标题直指OpenAI。

陶哲轩提出了一个令人不安的观点：AI的暴力介入，正在从根本上摧毁已经延续了数百年的“开放科学”传统。他用了一个比喻——数学界从来不缺“问题”，你可以轻易提出计算圆周率第10的10次方位数字的问题，但这些问题就像海水，毫无饮用价值。判断一个问题是否值得研究，是一个漫长、审慎的过程。传统数学研究存在一种“难度地形”，有些问题像平原，有些像高山，有些是无法逾越的深渊。正是这种起伏，指引着数学家去探索、去建立不同领域之间的深刻联系。

“然而，AI时代的特点，是它缺乏任何明确的边界。” 当强大的AI工具不加区分地涌入数学界时，它们就像一台巨大的蒸汽推土机，直接把原本起伏的“难度地形”夷为平地。人们再也无法辨识这门学科的几何结构。

更致命的是后果。在过去，数学家一旦发现一个有潜力的研究方向，会兴奋地在学术会议上分享，在研讨班里和同行交流——这便是“开放科学”的基石。但在AI时代，这种分享变成了自杀。一旦你公开了研究方向，巨头可能立刻调集海量算力，顺着你的方向“暴力截胡”。 陶哲轩的警告是清晰的：未来的数学家将不再敢公开自己的研究方向，而这将从根本上切断数学进步的一条核心通道。

五、不只是数学问题

这场争议表面上是关于几篇论文的署名和优先权，但它的底层逻辑远远超出数学界。

它揭示了一个正在形成的结构性不平等：AI公司以“服务用户”的名义获取思想，以“改进产品”的名义消化思想，以“技术突破”的名义将思想重新包装为自己的成果。 用户在这个过程中，从合作者变成了原料供应商，而且是免费的、不知情的、无法追溯的。

OpenAI的回应模式也值得审视。面对巴克马斯特的指控，它说“没有直接访问用户数据”，但承认“无法排除去标识化数据帮助改进模型”。面对托姆的质询，研究员用一行字全盘否认。面对25位菲尔兹奖得主的公开信，OpenAI退出了加州理工学院的数学黑客马拉松赞助——不是回应指控，而是退出了一个可能引发更多争议的场合。

这种回应方式本身就是一个信号：在训练数据来源这个核心问题上，AI公司选择的是“不承认、不否认、不审计”的三不策略。 他们知道用户无法验证，知道监管尚不健全，知道“去标识化”在法律上提供了足够的模糊空间。而学者们拥有的，只有一封邮件和一句“那没有发生过”。

托姆说了一句值得所有人记住的话：如果用户提供的非公开研究成果帮助改进了模型，而公司随后利用这些模型在未经同意、未适当披露或未给予credit的情况下，与这些用户本人展开发表竞赛，那将“在伦理上站不住脚”。

这不是数学界独有的困境。每一个在AI工具中输入未公开想法的人——作家、程序员、科学家、设计师——都面临着同样的风险。你的草稿可能正在变成别人的产品，而你在法律上几乎无法证明这件事发生过。

数学界用25位菲尔兹奖得主的联名信和一场公开的信任危机，为所有知识工作者敲响了警钟。问题的答案不在数学里，而在数据主权、算法透明度和学术伦理的制度重建中。在那之前，每一张被“吃掉”的草稿纸，都在提醒我们：当思想可以被无成本地收割时，谁还愿意把思想写下来？