一句话看懂：纽约大学数学教授 Tristan Buckmaster 指控 OpenAI 在他与 Anthropic 研究员 Levent Alpöge 已取得进展的方向上“抢发”纳维-斯托克斯方程成果，并称 OpenAI 科学家曾施压他联合署名。事件背后是 AI 大算力正在改变数学研究的发表规则。
事件核心：发生了什么
据 Slashdot 引述的报道，OpenAI 上周宣称其最新 AI 模型 Astra 在 88 小时内“攻克”了一个近百年未解的数学难题，震动数学界。但纽约大学库朗研究所教授 Tristan Buckmaster 随后公开表示，他此前正与供职于 OpenAI 竞争对手 Anthropic 的研究员 Levent Alpöge 合作，借助 Anthropic 与 ChatGPT 的工具推进欧拉方程（纳维-斯托克斯问题的前置问题），并已取得解法。
Buckmaster 称，OpenAI 方面随后接触他，希望联合发布成果，声称自己“独立解决”了纳维-斯托克斯问题，并要求把 Alpöge 从作者名单中移除，理由是后者在 Anthropic 工作。他质疑 OpenAI 的解法时间点——恰好在其团队工作被知晓之后才出现，并询问对方模型是否训练或接触过他的研究，但未获正面回答。OpenAI 在公告中强调未将用户数据纳入模型训练，但承认“无法排除”匿名数据被用于改进模型。
为什么重要
这起争议不只是学术署名纠纷，而是暴露了 AI 大模型进入基础科研后的结构性矛盾：当头部公司用海量算力和闭源模型快速产出结果时，学术界的“优先发表权”和同行评议机制可能被绕过。Buckmaster 指出，数学界竞相发表论文已变得“毫无意义”，因为 AI 能在几天内完成研究者数年的工作。目前公开信息显示，部分数学家已停止公开分享在研方向，以免被 AI 公司“截胡”。这直接触及科研伦理、数据使用边界和公私算力不对等的问题。
对用户/开发者/创作者的影响
对研究者和开发者而言，这意味着与闭源大模型交互时，你的输入数据是否会间接进入模型训练，仍然缺乏透明保证。使用 API 或对话工具处理未发表成果、专有代码、商业创意时，需要重新评估数据暴露风险。对内容创作者和知识工作者，类似逻辑同样成立：AI 可以基于公开或半公开信息快速生成竞品内容，原创者需要更早建立署名、时间戳和授权记录。对企业采购方，此次事件强调在选择大模型供应商时，除了性能和价格，数据隔离条款与训练数据政策应成为硬性评估项。
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 是否会正面回应 Buckmaster 关于模型是否接触其研究的质询，并公开更细的数据使用说明。二是 Buckmaster 呼吁的学术机构与 OpenAI、Anthropic、DeepMind 之间的合作规则讨论能否启动。三是数学界是否会出现更普遍的“延迟公开”趋势，以及这会不会反过来削弱开源模型可获取的高质量训练语料。
来源：Slashdot
