本文来自微信公众号： 奋进的肚腩 ，作者：肚腩说

9 月 8 日，纽约大学数学家 Tristan Buckmaster 公开了一份四页声明。他和合作者借助 AI，在几类流体方程上取得了进展。按理说，该高兴。

他却花了一段篇幅道歉：论文写得还不好，本来想再用几周，把模型给出的证明整理到同行能够好好读懂。

这几周没能按他的打算留下来。他说，外部压力打乱了发表计划。同一天，OpenAI 宣布内部系统给出了纳维—斯托克斯千禧年难题的解法。

两边公布的结果并不相同，争议也不能仅凭谁先发声明就裁定。但一个已经很擅长用 AI 的数学家，为什么在本该庆祝的时候，先向同行解释自己为什么来不及把论文写好？Buckmaster 声明、OpenAI 公告

他还想让人看懂

纳维—斯托克斯方程描述流体运动。

这次 OpenAI 的论文声称，在特定的光滑外力作用下，可以让三维不可压缩流体的速度在有限时间内无界增长，而总动能仍然有界。公司认为，这回答了千禧年难题规定的两个否定性版本。论文摘要与定理

这里的 " 爆破 " 是数学意义上的失去控制，不是说拧开水龙头，自来水就能加速到无限快。它追问的是，这套描述流体的数学方程，究竟会在什么条件下失效。结果若经得住检验，当然是大事。

有论文和代码可查，很重要，但还不能据此写成 " 数学界已经验收 "。公开仓库的形式化记录把自身审阅状态标为 " 自评 "。至于百万美元的克雷奖，另有合格发表、至少两年等待和数学界广泛接受等条件。那是奖项程序，不能拿来倒推一个证明今天必然正确或错误。形式化记录、克雷奖规则

Lean 这类证明助手，能检查形式化推导是否符合规则。可一份能够通过检查的材料，和一份让同行理解思路、知道哪里可以继续推进的论文，仍然有距离。Lean 项目说明

这段距离，以前由研究者慢慢走。现在，公布结果的速度上来了，理解结果的时间却没有自动缩短。

Buckmaster 道歉的地方正在这里。他已经拿到了自己想要的部分进展，仍觉得不能就这么交出去。这种不满意，今天看起来甚至有一点吃亏：结果已经能发，为什么还要磨蹭？

因为下一位研究者可能要从这里开始。

他需要知道，哪一步用了关键假设，哪一种构造值得推广，哪些弯路没有必要再走。一篇论文写得清楚，省下的是许多陌生人的时间。写得潦草，作者也能发表，只是把整理工作留给了别人。

这些劳动很难出现在发布会里。没有一个足够响亮的指标叫 " 让同行少熬了几个晚上 "。

倘若将来的研究评价只认谁先交出一份能跑通的文件，认真整理的人，便可能输在发表日期上。读者都想要一篇清楚的论文，评价却催着作者赶快交卷，这个矛盾不会因为 AI 更强就自行消失。

这与怀念纸笔无关，一个不会疲倦的系统不断产生证明，我们不能期待读这些证明的人也顺便取消睡眠。

一万名助手，和助手的老板

按 OpenAI 披露，找到纳维—斯托克斯结果的那组系统，规模约为一万个并发代理，历时约 88 小时，之后又用 17 小时做形式化。仅这个问题就消耗约 1300 亿个输出 token。过程中有人选择方向、调配资源、汇总各组发现。OpenAI 过程披露

所以，这不是某个人在聊天框里随手问了一句，模型就把百年难题回了过来。

这样的投入不丢人。能组织如此规模的探索，本身就是能力。研究者也没有义务为了显得高尚，故意少用几张显卡。若一条证明成立，昂贵不会使它失效；若它不成立，便宜也救不了它。

值得想一想的是，这种能力以后会怎样分配。

普通研究者可以购买模型服务，却未必能购买同样的内部模型、并发规模和试错时间。工具确实扩大了个人的能力，同时，工具拥有者也获得了亲自下场的能力。这两件事完全可以同时发生，不必选一句口号站到底。

Buckmaster 在声明里特意交代，两人的工作接续了 Diego C ó rdoba 和 Luis Mart í nez-Zoroa 的研究路线，AI 提供了大量帮助；他还说明，自己用研究经费支付工具费用。研究来路与工具使用

这几层关系，比 " 人类还是 AI 更聪明 " 复杂得多。有人提出路线，有人判断它值得继续，有人修补论证，有系统大规模探索，也有人提供系统。最后成果出来，大家都能说自己重要，而且可能都没有说谎。

麻烦在于，公众通常只能记住一个名字。

模型公司的名字很容易被记住，具体是哪位数学家多年以前想到了那条路线，传播起来就费劲了。公司因此受益，并不自动构成公司作恶。但如果我们只接受最容易传播的版本，迟早会把 " 用了谁家的工具 " 误认成 " 是谁提出了这个问题的解法 "。

研究中的贡献，本来就不能简单按最后一段文字是谁敲出来的分配。AI 加入后，更不能只数最后一次调用归谁付费。

当然，也不能反过来规定：只要学者先研究某个问题，企业就不得独立研究；只要前人提出过相关路线，后来的突破便一律不算数。那会把保护贡献写成占地契约。知识没有必要为了反垄断，再给每个人划一块永久领地。

应该被保留下来的，是可追溯的来路：哪些思路已经公开，哪些结果独立获得，人的选择改变了什么，模型又做出了什么。它未必能一次分清全部荣誉，至少能让后来的判断有材料可用。

具体到这场争议，OpenAI 承认两人在有外力欧拉方程工作上的优先性，双方公布的具体结果不同。OpenAI 研究人员 Bubeck 也公开否认要求把 Alp ö ge 从他自己的工作署名中删除。私下交流的经过存在争议，仅靠几份声明，不能替任何一方判案。OpenAI 说明、Bubeck 回应原帖

可即使暂时不判谁有错，一个问题也已经摆在眼前：当研究者向一家公司购买帮助，而这家公司也在同一个研究领域竞争成果，双方该如何相处？

" 客户成功 " 当然值得庆祝。只是客户成功以后，成果到底属于哪场发布会，最好事先有比祝贺更明确的约定。

草稿没写名字，也还是草稿

更让人不安的，是还没公开的研究内容。

Buckmaster 提出过疑问：自己放进 Codex 的草稿是否被用于训练。他同时明确表示，并不知道数据是否被用过。OpenAI 则否认研究人员或代理在公开前看过他们的工作，否认针对这次解题访问特定用户数据；但表示，虽不太可能，仍无法排除去标识化的使用数据帮助改进了模型。Buckmaster 声明、OpenAI 回应

这不是一份数据被盗的证据。把 " 无法排除 " 转写成 " 已经承认 "，能换来更刺激的标题，也会把问题写歪。

研究者把草稿交给工具时，到底能够合理期待什么？

个人服务与商业服务的数据规则并不相同。OpenAI 现行说明允许个人用户退出训练，商业产品和 API 则默认不将输入输出用于训练。具体到这场争议，还需要知道当事人使用了什么服务、选择了什么设置，不能凭一个产品名字补齐全部事实。OpenAI 数据使用政策

但从研究者的需要出发，仅仅讨论有没有姓名，显然还不够。

一份证明草稿删掉姓名，关键构造仍在那里。一种实验方法抹去邮箱，思路也没有跟着消失。个人身份不再可识别，不等于未发表的知识已经失去价值。对科研来说，保住 " 这是谁写的 " 和保住 " 这里写了什么 "，是两种不同的要求。

没有人希望每次请 AI 检查一个想法，都先停下来琢磨自己究竟在求助，还是在参加某种未署名的共同研发。

这也不是让平台永远别碰科研。恰恰相反，它能做的事情越重要，我们越需要明确的数据约定、保留得住的研究记录，以及出现争议后可以追查的过程。否则，" 相信我们 " 就会成为一种很昂贵的科研基础设施。平时免费，一旦出了争议，由使用者支付解释成本。

AI 公司的工程师也不应该只剩下一句公关口径可用。独立做出来的成果，理应有足够清楚的过程说明其来路；没有用过客户的数据，也应该能把适用规则和核查依据交代得比一句保证更具体。透明既保护客户，也保护真正做了工作的员工。

回到那份写得不够好的论文。

我不觉得研究者必须坚持亲手完成每一步，才能保有尊严。有人借助 AI 走得更远，值得高兴；公司投入资源攻克难题，也不必先接受道德上的惩罚。

让人遗憾的是，当结果突然来得这么快，留给人说明自己做了什么、理解机器做了什么的余地，可能反而小了。贡献还没讲完，新闻已经过去；论文尚待整理，外界已经开始排第一名。

如果往后只能奖励最快宣布的人，我们得到的论文会越来越早，读懂它们的人未必越来越多。

Buckmaster 想多花的那几周，未必能让公司发布一个更漂亮的数字。但它可能让一个尚未进入这个领域的年轻人，几年后翻开论文时，真的学会一点东西。

他要读的，应当是一篇论文，而不是一场争执留下的附件。

文中配图为 AI 生成的编辑插画，不代表真实现场、论文或证明内容。