一句话看懂：继纽约大学教授质疑 OpenAI 的 Codex 可能“借用”了自己的未公开研究后，数学家 Andreas Thom 也公开要求 OpenAI 说明训练数据来源，并指责其回应“至少是不诚实的”。争议焦点是：用户与 ChatGPT 的对话，是否会进入训练数据并影响模型产出。
事件核心：发生了什么
据 The Verge 报道，OpenAI 上月高调公布了 10 项数学成果，其中一项涉及“非 sofic 群”（可粗略理解为无法用有限结构逼近的无限数学结构），该结果被认为大量建立在数学家 Andreas Thom 与 Gábor Kun 此前工作的基础上。数学界批评 OpenAI 未充分致谢后，公司悄然修改了相关文稿。
此前，纽约大学数学教授 Tristan Buckmaster 已公开质疑 OpenAI 模型是否从其使用 Codex 的过程中获益。Thom 随后在 Mastodon 发文称，他对 OpenAI“对我们技法的详细掌握”感到意外，因为这些路径在当时并不显然。他向 OpenAI 研究人员 Sébastien Bubeck 和 Mark Sellke 发邮件询问自己的对话是否进入训练数据或推理过程，但得到的答复只说明对话未被直接访问，未说明是否进入训练语料。Thom 表示，这种区分“至少是不诚实的”，并称只有 OpenAI 掌握判断所需的数据。
为什么重要
这不是一次普通的署名纠纷，而是触及大模型训练数据透明度的核心问题。OpenAI 在 Navier-Stokes 成果的公告中曾明确否认使用“特定用户数据”，但同时承认无法排除“去标识化数据”间接帮助模型改进。Thom 认为，去标识化只去掉姓名，去不掉数学思想的智力内容。
目前公开信息显示，研究人员几乎无法逆向推断自己的未发表成果是否被用于训练，这使“数据是否被使用”实际上只能由 OpenAI 单方面说明。对一家以闭源模型和 API 服务为核心的 AI 公司而言，这种信息不对称会影响学术界与开发者对其数据来源合规性的信任。
对用户/开发者/创作者的影响
如果你的工作涉及与 ChatGPT 或 Codex 分享未发表的研究、代码或商业构思，需要意识到：账号隐私设置与“数据是否进入训练”是两件事。企业采购和法务团队在评估 OpenAI API 或企业版时，应重点确认数据保留、去标识化与训练使用的具体条款，而不是只看“不会直接访问”这类表述。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 OpenAI 是否会公开更具体的数据使用说明或审计机制；二是 Thom、Buckmaster 等数学家的质疑是否会引发更多学者跟进；三是监管层面是否会把“训练数据可追溯性”纳入对闭源大模型的合规要求。
来源：The Verge
