実践

OpenAIが数学論文3本を撤回——「公開」の姿勢が静かに後退

Hacker Newsで約300件のコメントを集めたのは、OpenAIがGitHub公開リポジトリから論文を撤回したという事実そのもの。背景には、研究成果が「公共財」から「製品の堀」に分類し直されつつある動きが見える。

文字サイズ

昨夜、Hacker Newsで一つのスレッドが爆発的に伸びていた:OpenAIが数学論文3本を撤回、賛成308、コメント295。撤回自体に珍しさはない。珍しいのは、それがOpenAIによるもので、しかも公開GitHubリポジトリ上で行われ、git logから全工程が追跡可能な点にある。

実際に何が撤回されたのか

発端はOpenAIの公開リポジトリ openai/math 内の history.md ファイルだ。このファイルは元々PRM800Kデータセット関連の研究進捗を追跡する目的で使われていたが、2025年末の数件のcommitで、論文3本がひっそりと取り下げられている。

時系列でまとめるとおおむね以下の通り:

  • 2023年公開の Let's Verify Step by Step——PRM800K論文の核となる方法論論文
  • 2024年初頭の LLMs Can't Plan, But Can Help Planning in LLM-Modulo Frameworks——LLMを計画立案の補助として使う研究
  • 2024年中期の weak-to-strong generalization の数学分野への拡張——GPT-4時代に発表された古典的論文の路線を継ぐもの

撤回声明の全文はリポジトリ内では確認できなかった(おそらくarXiv上にのみ存在する)。ただし history.md 内の記録は明確で、WITHDRAWN の文字が記されている。GitHubのcommit履歴を見れば対応する変更タイムスタンプを確認できる——2025年11月から12月にかけて順次実行されたようだ。

実際に問題があって撤回されたのか、単に公開リポジトリから下ろしただけなのか。現時点では後者の可能性が高く、私が確認できた範囲では対応するarXivページはまだ掲載されたままだが、OpenAI側のリポジトリからは参照が消えている。

なぜHNで炎上したのか

295件のコメントの中で、論点は大きく二派に分かれていた。

一派は論文の品質を疑う。「Let's Verify Step by Stepの結果が再現できない」「weak-to-strongの数学タスクでの結論は説得力がない」といった声がある。主流ではないが、benchmarkデータを貼るユーザーもいた。

もう一派はOpenAIのオープンソース姿勢を追及する。高評価コメントの一つが率直に言い切っていた:

「OpenAIのオープンソースに対する態度は一貫して『俺たちが公開したいものだけを公開する』だ。今回も『公開したくないもの』を正式に取り下げただけだ」

さらに別のコメントが、より深い問題を指摘していた:

「数学論文3本の撤回、推論モデル(o1/o3)の反復改良。数学推論能力は今や論文の中ではなく製品の中にある」

このコメントは200以上の賛成を集め、議論全体の共识(コンセンサス)と言える——今回の撤回は、OpenAIが推論能力をクローズドな製品化していくタイミングと完全に一致している、という見方だ。

PRM800K以降、OpenAIの数学路線はどう変わったか

OpenAIの数学推論における主要マイルストーンを振り返ると、今回の撤話は孤立した出来事ではない。

2022〜2023年:PRM800K時代。「Let's Verify Step by Step」は各ステップにProcess Reward Modelでスコアを付ける手法を提案し、PRM800Kデータセット(80万ステップのstep-levelアノテーション)を直接生み出した。当時のOpenAIは学術コミュニティに対して寛容で、データセット公開、モデルウェイトの部分的公開、論文も詳細まで揃っていた。この方法論はその後学術界で広く引用され、NVIDIAの数学評価やDeepMindの数多くのフォローアップ研究にも類似のアプローチが使われた。

2024年央:o1の登場。Chain-of-thoughtの強化学習バージョンが製品化され、o1-previewがリリースされた。論文は?ほぼ存在しない。技術報告書はわずか8ページで、実態は製品仕様の説明に近い。

2024年末〜2025年:o3、o3-miniの反復改良。クローズドなモデルが強化され続け、ARC-AGIや数学オリンピックのベンチマークでスコアを塗り替える。公開論文のペースは明らかに落ち込み、方法論に関するヒントすら減った。

2025年末:数学論文3本を撤回。これは「もう数学をやらない」という意味ではない。「数学推論能力は今は論文ではなく製品である」という意味だ。

時系列がきれいに並びすぎていて、むしろ不自然なほどだ。

撤回自体は珍しくないが、OpenAIの撤回はやっぱり珍しい

まず前提として、AI主要ラボが公開リポジトリから主体的に論文を撤回するという行為自体が極めて稀だ。

  • DeepMindは時折撤回するが、それはarXiv側の小さな修正がほとんどで、公開リポジトリ(alphafold2など)には基本的に手を入れない
  • Anthropicの公開リポジトリはエンジニアリング寄り(constitutional AI、promptツール)で、学術論文は少ない
  • MetaのLlama論文撤回?聞いたことがない。Llamaシリーズの技術報告はずっと掲載されたままで、問題が指摘されても撤回ではなく改訂で対応してきた

ではOpenAIの今回の件が特殊なのはどこか。

特殊性はリポジトリの公開性にある。 openai/math はGitHubのパブリックリポジトリであり、すべての動作がcommit logとして残る。各ファイルの変更時刻、変更者、commit messageがすべて公開されている。

つまり、他社の撤回なら推測するしかないが、OpenAIの撤回なら每一次の変更の時刻と理由を調べられる。

この透明度は皮肉にも負担になる——どんな動きも拡大して検証される。HNではgit logのdiffを貼り付け、撤回前後の参照関係を一行ずつ分析するユーザーが現れていた。他のラボでは絶対に起きえない運用だ。

したがって、この件が拡散したのは「撤回」という事実そのものではなく、「OpenAIが公開リポジトリ上で行った撤回」という後者側にある。後者の方が希少で、だからこそ解釈の余地がある。

私の見立て

この件の真のシグナルは撤回自体ではなく、OpenAIが研究資産を「公共財」から「製品の堀」へと分類し直している点にある。

判断材料はいくつかある:

  1. 数学推論は今やoシリーズの核心的な売り。 PRM800Kのアプローチを公開のまま改良し続けることは、次世代oモデルの学習方法論を競合に渡すのと同義になる
  2. 公開論文のペースとクローズド製品の反復改良ペースは反比例している。 2023年は論文多産、2024年以降は製品寄り、2025年末に初期論文を撤回——これは「公共財」在庫の整理作業だ
  3. GitHubリポジトリの透明性がむしろ動きを際立たせる。 これがクローズド企業の内部で起きていたら、誰も気づかなかったはずだ

不確かな部分もある:

  • 撤回の真の理由はOpenAIから明かされていない。法的理由かもしれないし、技術的結論の不成立かもしれないし、単なる戦略調整の可能性もある
  • 学術界へのインパクトは読みにくい——PRM800KデータセットはまだHuggingFace上にあり、引用も消えないが、「OpenAI数学チームがこの方向性を継続している」という期待は失われた
  • この撤回が他のOpenAI公開リポジトリに波及するか? openai/evals や openai/gpt-2 などは今のところ動いていないが、前例は作られた

オープンソースコミュニティ側の動きを予想すると、短期的にはPRM800Kの方法論をforkして継続する独立チームがいくつか出るだろう。長期的には、基本的な数学推論能力のオープンな代替(Qwen-Math、DeepSeek-Mathなど)の方により注目が集まるはずだ——誰もが、主要ラボがこの方向への公開リソース投入を続けるとは限らないことを理解し始めているからだ。

最後に一つだけ。論文3本の撤回は大した話ではない。だが、それが起きたタイミングと方法こそが、OpenAIにおける「製品に属するものとコミュニティに属するもの」の境界線が今まさに再定義されつつあることを暴露している。その線がどこに引かれるかの方が、論文そのものよりも遥かに重要だ。


参考リンク:

出典: https://github.com/openai/math/blob/main/history.md