千禧难题突破陷署名与训练数据争议，AI科研协作边界待厘清

一道悬置二十余年的千禧年数学难题，因大模型企业的介入再度成为焦点。然而围绕纳维-斯托克斯问题的这项进展，并未沿着学术惯例平稳推进，反而在成果归属、数据使用与署名安排上迅速发酵出一场多方各执一词的争论。

合作研究与平台介入的边界

事件的起点，是纽约大学数学家Tristan Buckmaster与受雇于Anthropic、以个人身份参与研究的Levent Alpöge所开展的一项私人学术合作。两人借助多种大语言模型推进研究，涉及Anthropic Claude、OpenAI的Codex工具以及前沿模型Astra。另一方则牵涉OpenAI数学家兼AI研究员Sebastien Bubeck及其内部团队。

Buckmaster提出的核心疑问集中在两点：其一，OpenAI是否在获知其研究接近突破后，迅速启动同方向研究；其二，他们长期上传至Codex的研究草稿、提示词与对话内容，是否曾被用于OpenAI模型的训练或迭代。此外，他还称OpenAI曾提出两种成果发表方案，其中一种要求最终论文不包含Alpöge的名字。Bubeck随后公开否认曾要求删除署名，OpenAI CEO Sam Altman也发表了己方版本的事件叙述。

纳维-斯托克斯问题是Clay Mathematics Institute于2000年提出的七个千禧年大奖难题之一，每道悬赏100万美元。该方程描述流体动力学，核心问题在于三维情形下光滑解是否始终存在，还是可能在有限时间内出现奇异行为，“有限时间爆破”由此成为重要研究路径。自奖项设立以来，此前仅有一个问题得到解决。

三项成果与理论溯源

需要厘清的是，Buckmaster与Alpöge公开的成果并未宣称彻底解决该千禧年难题。Buckmaster在Mastodon上表示，两人公开了三项研究，分别涉及不可压缩多孔介质方程、布辛涅斯克方程以及三维不可压缩欧拉方程的光滑驱动有限时间爆破证明。相关资料中最核心的说明文件没有署名，也没有标题。

声明指出，亚耗散纳维-斯托克斯方程同样可能存在有限时间爆破，但相关论文尚未公开，Lean形式化验证也未完成，未形成可正式展示的完整文稿。团队公开方向，意在为无驱动欧拉方程研究提供新思路。

Buckmaster特别强调，这套研究的基础思路并非两人首创，也非大模型从零生成。核心理论路线源自Diego Córdoba与Luis Martínez-Zoro长期研究的驱动型爆破构造。此前研究已在较粗糙驱动条件下获得爆破结果，两人在此基础上借助多种AI工具迭代至光滑驱动条件。他认为，整套工作的核心创新思想必须追溯到Córdoba和Martínez-Zoro，并称基于完整成果，Luis Martínez-Zoro完全具备竞争菲尔兹奖的资格。

他还说明，此次合作属个人学术研究，Anthropic未参与项目，双方机构间不存在官方合作协议，费用由个人承担。研究过程中，Astra主要用于论文整理与论证核验，而非从头生成研究方向。早期进展缓慢，首个重要结果是证明不可压缩多孔介质方程在光滑驱动下可出现有限时间爆破，随后才延伸至布辛涅斯克方程和欧拉方程。

Buckmaster形容，AI最初生成的证明“质量极差”，是其所见最粗糙混乱的数学证明之一。团队随后用Lean进行形式化验证，并投入大量时间重写逻辑。他承认，目前被迫提前公开的布辛涅斯克方程和欧拉方程论文仍有明显AI生成痕迹，其中欧拉方程文稿尤为粗糙。按原计划，他们本欲再花数周彻底改写并完成验证，而非仓促公开预印本。

传闻、会议与路线重合

计划因外部传闻改变。业内突然流传Anthropic已攻克某个顶级公开数学难题，Alpöge同时获悉研究进展可能已泄露至OpenAI内部。Buckmaster遂主动联系一位OpenAI资深数学家，说明传闻所指很可能就是两人的私人研究，并强调无机构背书，他本人支付了OpenAI工具费用。

OpenAI方面当天回复。据Buckmaster回忆，这名数学家表示若透露更多细节可避免不必要竞争，OpenAI也乐见数学家利用其模型完成重大研究，并愿免费提供更多算力。随后双方约定线上交流，OpenAI方面表现急迫，多次要求尽快开会。Bubeck后来加入，当天下午进行两轮交流，Alpöge未参与。Buckmaster强调，Bubeck并非最初邮件往来的那名数学家。

正是在沟通中，Buckmaster得知OpenAI内部模型已完成驱动型纳维-斯托克斯方程的有限时间爆破证明，涉及三维实数空间和三维环面上的驱动爆破存在性，适用于特定类别光滑驱动条件，完整证明约100页。他表示从未见过该证明，无法评价正确性，但研究路线本身令其警觉——OpenAI描述的驱动型路线，与Córdoba和Martínez-Zoro开创的小众方向高度接近，而两人恰恰选择了同一路径。

争议背后的行业命题

这场风波已超出单一数学成果的范畴。当企业与外部研究者共用模型、共享对话与草稿时，数据是否进入训练、贡献如何界定、署名由谁决定，均缺乏成熟规则。多模型协同的研究模式，更让知识产权归属变得复杂。目前多方说法不一，尚无权威验证结论。无论最终事实如何，AI企业与学术界的协作边界、成果认定与数据使用规范，都将成为大模型深入基础研究后无法回避的议题。