事情起得很小。
8 月 22 日,Dresden 工业大学数学家 Andreas Thom 在 Mathstodon 上丢了一个问题:你们敢把没发表的数学证明喂给 ChatGPT 吗?
问题本身不复杂,但击中了一个所有 AI 公司都不愿意正面回答的灰色地带。
48 小时之内,这则 Mastodon 帖子被 Valerio Capraro 搬到了 X,Bluesky 上的 did:plc:ckaz32jwl6t2cno6fmuw2nhn 跟着接力,最后登上了 HN 首页。
跨平台扩散本身就是信号——只有真正刺痛了某个群体,才会被搬运这么多次。
研究者到底在怕什么
评论区里讨论得最多的,是三类非常具体的恐惧。
第一类,未发表的结论变成训练数据。
一个数论方向的助理教授写道:「我让 GPT-5 帮我润色一段证明草稿,第二天我把这个 idea 用在论文里投出去。如果对面模型比我早 6 个月就把这个 trick 学进去了,等论文公开那天,reviewer 在模型输出里已经见过类似思路,怎么办?」
这不是被迫害妄想。AI 公司对输入数据的处置一直存在黑盒:API 调用默认会被保留 30 天用于滥用监控,企业用户可以申请 ZDR(Zero Data Retention),但 ZDR 的覆盖范围、审计粒度、违约时的取证路径,没有任何一个 AI 厂商对外公开。
第二类,推理路径被复现泄露。
更敏感的是证明思路本身。一个匿名评论说得直接:「结论我可以重写,但那个 reduction 的构造过程是两年磨出来的。喂给模型的那一刻,等于把还没发表的钥匙交给一个我管不了的系统。」
第三类,撤回困难。
GDPR 第 17 条给了用户「被遗忘权」,但前提是你能证明数据被某家美国公司持有。对一个推理请求里包含的 200 行 LaTeX 草稿,你怎么证明它还躺在某台服务器的日志里、又怎么证明它已经被删除?
Valerio Capraro 在 X 上转帖的时候,附了一句很冷静的评论:「我们正在用研究者的职业生涯,给 AI 公司做免费标注。」
OpenAI 的隐私条款实际写了什么
为了不靠印象,我翻了 OpenAI 当前的服务条款 和 API 数据使用政策。
核心事实如下:
- 默认情况下,API 输入数据 30 天后删除,仅用于滥用和安全监控。
- 申请 ZDR 的企业用户,可以申请"零保留",但这条通道不针对学术研究者开放自助申请——你需要走 enterprise sales 流程。
- 条款里没有任何一段承诺"未发表学术成果"会被单独隔离处理。
- 训练数据 opt-out 开关默认开启,但只针对 ChatGPT 网页/移动端;通过 API 调用时,opt-out 同样需要 enterprise 账号才能默认生效。
换句话说:OpenAI 的承诺体系是按"消费者"和"大企业"两档设计的,中间那档——独立研究者、博士后、小型实验室——是真空地带。
这也是讨论里反复出现的关键词:可以信任(trustworthy) 和 能够验证(verifiable) 是两件事。AI 公司让你"相信"它们不会滥用你的数据,但没给研究者一条可执行的审计通道。
研究者手上的几条退路
如果你是一个不想被这波不确定性绑架的研究者,目前有几条可执行的路径。
退路 1:本地开源模型 + 私有部署。
这是讨论里出现频率最高的方案。Qwen3(阿里)、DeepSeek-V3(深度求索)等开源系列在数学推理任务上的能力已经接近闭源旗舰,本地部署 70B 级别模型是数学圈讨论中常被提到的硬件门槛。
最小可跑的部署脚本示意(基于 vLLM,具体模型和参数按你的硬件调整):
pip install vllm
python -m vllm.entrypoints.openai.api_server \
--model Qwen/Qwen3-235B-A22B-Instruct \
--tensor-parallel-size 2 \
--gpu-memory-utilization 0.92 \
--host 127.0.0.1 \
--port 8000
这样所有数学证明草稿都留在你自己的 GPU 服务器上,没有任何第三方接触。代价是要么自己买卡,要么租一台带 H100 的云主机。
退路 2:调用 API,但走 opt-out + 主动协议。
如果本地推理满足不了需求,至少做到三件事:
- 申请 OpenAI 的 Zero Data Retention(走 enterprise 申请,不是 ChatGPT 网页端)。
- 在发送给模型前,对证明草稿做脱敏——把变量名替换成无语义符号,把待证结论替换成占位符。
- 在论文的 Methods 部分明确记录"使用了 XX 模型,配置为 ZDR 模式",让 reviewer 和学界知道你的数据处置方式。
import re
def sanitize_proof(proof: str) -> str:
# 替换数学变量 a, b, c, ..., z
proof = re.sub(r'\b([a-z])\b', lambda m: f'x{ord(m.group(1))-97}', proof)
# 替换可能的结论性表述
proof = re.sub(r'\b(qed|theorem|lemma)\b', '[REDACTED]', proof, flags=re.IGNORECASE)
return proof
raw = r"By lemma 3, a divides b. Therefore b = a * q. QED."
print(sanitize_proof(raw))
退路 3:彻底避开云端 LLM,只用代码辅助工具。
数学这个领域有一个特殊优势:大量的"AI 辅助"其实是 Lean 4 / Coq / Isabelle 这类交互式证明助手可以完成的。这些工具的代码完全在你的本地环境运行,不存在数据外泄问题。Lean 4 的 mathlib 已经覆盖了大量本科级别数学,配合 LLM 做 tactic 建议是当前比较稳妥的组合。
编辑思考
这件事比"AI 加速科研"那条主流叙事更值得报道,因为它戳破了一个被精心维持的假象:AI 公司希望研究者把模型当成"免费的博士后",但没人愿意为这个身份承担对应的责任。
我的判断是,未来 12 个月会看到一次明显的"高敏研究者出走"——主要流向是明确给学术场景开了隔离通道的厂商,次要流向是本地开源部署。数学、密码学、药物化学这三个领域的头部实验室最有可能率先表态,因为他们的研究成果一旦泄露,被复现的成本远高于其他学科。
这次讨论和过去一年所有的"AI 版权争议"不同:版权争议有判决可循、有赔偿可谈;而未发表学术成果的"信任成本"既无法量化也无法追溯。AI 公司如果继续在 ToS 里对独立研究者保持沉默,丢掉的不只是几个数学家,而是"AI for Science"这条叙事线的合法性。