本文為 Andreas Thom on Mathstodon 之繁體中文翻譯整理，原文版權歸原作者所有。
1/3 我想記錄下閱讀這場爭議後意識到的幾點。事實上，這讓我想起 OpenAI 宣布發現非 sofic 群（non-sofic group）後，我曾與他們有過的一次交流。這揭示了一個嚴重而尚未獲得解答的問題：研究人員能否信任 OpenAI，將尚未公開的數學研究交給它處理？
在 OpenAI 令人驚訝地宣布運用我與 Kun 的方法找到一個非 sofic 群後不久，我曾在一封寄給 Mark Sellke 與 Sebastien Bubeck 的電子郵件中寫道：
「還有一點是，過去幾個月，我和一位在德勒斯登的同事一直積極透過 ChatGPT 討論展開子匹配問題（expander matching problem），以及 Gabor Kun 與我相關研究的各種延伸。因此，我們自然很想知道，這些內容是否成為訓練資料的一部分，或是否能被推理過程存取。這裡存在某種（坦白說令人無法接受的）透明度不足；而我擔心，它對數學協作過程造成的損害，會超過 AI 新成果為這個領域帶來的益處。」
Mark Sellke 的完整答覆是：「關於你們與 ChatGPT 的對話：那並沒有發生。」
我當時明確詢問了兩件不同的事：（1）我們的對話是否進入訓練資料；以及（2）解題過程是否能存取這些對話。如今看來，這個斬釘截鐵的回答似乎只回應了第（2）點中的「直接存取」。當時沒有附帶任何這類限定、解釋或證據。至少可以說，我認為這是不誠實的。
OpenAI 現在針對 Buckmaster–Alpöge 事件表示，系統並未存取任何特定使用者資料；但也補充稱，他們「無法排除由使用者使用其產品所衍生的去識別化資料，曾協助改善模型的可能性」。
網友討論整理
Hacker News 討論的核心並非只在於「OpenAI 是否直接讀取了特定對話」，而是研究者能否信任 AI 平台處理尚未公開的想法。以下為主要觀點整理：
- 把 AI 視為合作對象的研究倫理：不少留言認為，研究者在對話中提供問題、直覺與方法，模型則回饋建議，這在功能上近似合作。如果平台之後發布相近成果，卻無法交代資訊來源與歸屬，即使沒有直接複製文字，也可能形成「由平台洗掉來源與署名」的問題。
- 爭議關鍵是可驗證性，而不只是官方否認：OpenAI 表示研究團隊與代理沒有為解題而存取特定使用者資料，也未以相關提示或證明引導模型；但同時承認無法完全排除去識別化使用資料曾協助改善模型。留言者指出，外部人士幾乎無法稽核訓練資料的來源與流向，因此官方內部調查很難單獨重建信任。
- 時間線成為支持 OpenAI 的主要論據：一位自稱 OpenAI 員工的留言者表示，調查後可確定 Buckmaster 最近兩個月的 Codex 提示不可能影響該系統，包括訓練；另有說法稱 7 月 3 日之後的使用者輸入不可能影響該模型。支持者據此主張，至少近期對話與成果之間沒有資料污染的時間條件。
- 即使沒有資料污染，搶先發表仍有倫理疑慮：批評者認為，OpenAI 是在聽聞其他研究者可能已解決問題後，才投入大量運算重新挑戰；若平台知道學界團隊即將完成未公開成果，卻利用資源優勢搶先，仍可能違反研究社群對公平競爭、合作與優先權的期待。
- 方法重疊引發懷疑，但不足以單獨證明挪用：有人質疑模型為何採用了與研究者相近、且相對冷門的方法；反方則指出，若同時啟動大量代理探索多種路線，加上模型已讀過大量公開數學文獻，出現方法重疊並非不可能。
- 署名與利益衝突加劇不信任：討論亦集中於 OpenAI 是否曾希望排除任職 Anthropic 的合作者。部分網友視此為違反數學界署名慣例；也有人提醒，各方都可能有機構利益，相關指控仍應以可查證紀錄判斷。
- 對產品與企業採用的實際影響：一些留言者表示，事件會促使研究者與企業重新檢視「協助改善模型」設定、資料保留政策及企業版合約，甚至改採自架或開源模型。另有人認為事件不至於重創 OpenAI，但可能提高敏感研究使用雲端 AI 的門檻。
整體而言，討論沒有形成「資料確實被挪用」的共識；較一致的結論是：只靠平台的技術性否認不足以化解疑慮。若 AI 公司希望成為可信賴的研究工具，需要更清楚的資料政策、可稽核的來源紀錄、可追溯或撤回訓練使用的機制，以及符合學術社群規範的署名與優先權處理方式。