特里斯坦·巴克马斯特关于在纳维–斯托克斯问题上被 OpenAI 抢先的声明

Tristan Buckmaster’s Statement on Getting Scooped by OpenAI on the Navier-Stokes Problem — daringfireball.net · 12 小时前 · 🤖 AI / ML

纽约大学数学教授特里斯坦·巴克马斯特（Tristan Buckmaster）就其与莱文特·阿尔珀格（Levent Alpöge）同 OpenAI 员工围绕本周数学证明争议的交涉过程发表个人声明，把一场关于「AI 是否独立解决了一个重大数学问题」的争论，转化为关于提示时间线、训练数据来源与学术优先权的可核查问题。声明中记录了两个关键追问：第一，他询问对方第一次发出提示词（prompt）的时间，OpenAI 长时间没有直接回答，最终双方才确认该提示是在他们工作成果的信息传到 OpenAI 之后、也就是最近几天内才发出的；第二，他询问模型是否在他们的工作上训练过、或是否能够访问他们的研究材料，这一问题直接决定了模型输出的性质。巴克马斯特的陈述之所以重要，是因为它揭示了一个结构性缺口：AI 实验室与学术界之间不存在任何强制披露机制，没有规则要求公开提示的时间戳、模型的训练语料构成，也没有流程来裁定「模型先于人类给出结果」与「模型在接触人类未公开结果后给出结果」之间的区别。对于纳维–斯托克斯方程光滑解存在性这样属于千禧年七问、悬赏一百万美元的顶级难题而言，任何声称的突破都会立刻触发优先权与荣誉归属的争议，而现有学术规范对此几乎毫无准备。作者的核心观点是，当模型可能接触到尚未公开的人类工作时，所谓「AI 抢先解决」既不能被认定为独立发现，也不能被当作对人类成果的正常引用，它只会稀释优先权制度本身的信用，并让真正投入多年的人类研究者承担全部风险。

核心论点

• 巴克马斯特要求 OpenAI 说明首个提示词的发送时间，这一看似程序性的问题其实是整个争议的判定核心：如果提示是在其与阿尔珀格的工作信息抵达 OpenAI 之后才发出的，那么模型的输出就不是独立发现，而是被人类已有的路径与结果引导出来的产物，OpenAI 方面长期未直接回答、最终才确认时间落在「最近几天」，这一延迟本身也成了声明中的关键事实。
• 第二个追问指向训练数据与访问权限：他询问模型是否在他们的工作上训练过、或是否能访问其研究材料，这决定了输出是「模型自己想到的」还是「模型复现了它见过的内容」；由于 AI 实验室普遍不披露训练语料构成，也不提供面向学术界的可核查接口，外部研究者实际上无法自证被抢先，也无法证伪对方的独立性主张。
• 背景是纳维–斯托克斯方程光滑解存在性属于千禧年七问之一，悬赏一百万美元，是流体力学与偏微分方程领域最受关注的公开难题之一；正因为它声望极高，任何一次声称的突破都会立即引发优先权、荣誉与奖项归属的争夺，而学术界此前从未面对过「对手不是同行而是模型」的情形，现有的引用规范、预印本流程和同行评审制度都无法直接适用。
• 这份声明暴露的真正问题是制度真空：AI 实验室与学术界之间没有强制披露提示时间线、模型接触材料范围与评测条件的机制，也没有第三方仲裁流程；在缺乏这类规则的情况下，人类研究者只能在成果公开前承担被抢先的全部风险，而模型提供方却不必承担相应的举证责任，这种不对称会持续侵蚀学术共同体对 AI 成果的信任。

💡 为什么值得读: 它提供了「AI 抢发人类成果」争议中第一手的、可核查的时间线与追问清单，是判断这场纳维–斯托克斯风波中独立性与优先权问题的原始依据，也是讨论 AI 实验室披露义务时绕不开的案例材料。

🏷️ OpenAI, Navier-Stokes, mathematics, research ethics

---