數學家用 Codex 做研究，OpenAI 隨後搶先解題？Navier-Stokes 突破爆研究倫理爭議
OpenAI 9 日宣布，一款能力顯著超越 GPT-6 Astra 的下一代模型，已提出 Navier-Stokes 千禧年大獎難題的解答。
這原本應該是一場 AI 與數學界的重大突破。但消息公布是一個敏感問題：如果研究者把尚未公開的研究成果交給 ChatGPT、Codex 等 AI 工具協助處理，這些內容是否可能反過來幫助 OpenAI 的模型進步，甚至讓 OpenAI 自己成為研究競爭者？
數學家用 Claude、Codex 協助研究
這場爭議的核心人物，是紐約大學數學家 Tristan Buckmaster 與任職 Anthropic 的數學家 Levent Alpöge。兩人過去一年私下合作研究相關問題，也大量使用 Claude、Codex 等 AI 工具協助推導與整理尚未公開的研究內容。
廣告 - 內文未完請往下捲動
然而，在外界開始流傳兩人取得重大進展後，OpenAI 很快投入自己的下一代模型，並在短時間內產出另一份大規模證明。OpenAI 表示，內部模型團隊動用了約 1 萬個 AI 代理，在 88 小時內完成研究。
問題也從這裡開始。Buckmaster 公開表示，當他得知自己的研究進展已傳到 OpenAI 後，曾主動聯絡 OpenAI。但幾天後，OpenAI 研究團隊便告訴他，內部模型已經完成一份規模龐大的證明。
Buckmaster 最在意的，是 OpenAI 是在得知他們的研究進展後，才大規模投入一條原本相對少人採用的技術方向。這讓整件事從單純的「研究撞題」，變成了研究倫理問題。因為 Buckmaster 與 Alpöge 過去曾經把未公開的研究草稿與想法放進 Codex。
也就是說，一邊是研究者把 AI 當成私人研究工具，另一邊則是提供這項工具的公司，本身也具有投入相同研究問題、甚至搶先公開成果的能力。
OpenAI ：使用者資料可能曾間接改善模型
OpenAI 對此的回應尤其受到關注。公司強調，為了解決 Navier-Stokes 問題，研究團隊並沒有直接存取 Buckmaster 或 Alpöge 的特定使用者資料。
但 OpenAI 同時補上一個重要但敏感的但書：無法排除兩人使用 OpenAI 產品時產生的去識別化資料，曾經幫助改善模型的可能性。
這也是整場爭議最關鍵的一句話。因為對研究者而言，未公開研究，是否可能透過產品資料、訓練或模型改進流程，最後成為一家擁有更大算力與更多資源的公司的研究養分？如果答案無法明確排除，那麼研究者使用 AI 工具的風險就不只是一般的隱私問題。
OpenAI 是否要求排除 Anthropic 數學家的署名
事情後來甚至演變成署名衝突。
依照 Buckmaster 的說法，OpenAI 曾與他討論如何協調雙方研究成果的發布，其中一個方案涉及由 Buckmaster參與整理 OpenAI 的成果，但不讓 Alpöge 共同署名。Buckmaster 認為，原因與 Alpöge 任職於 OpenAI 的競爭對手 Anthropic 有關，因此拒絕。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
