剛拿到菲爾茲獎，他現場宣布加入OpenAI

編輯｜杜偉、山輝

當地時間 7 月 23 日 12 點，費城賓夕法尼亞會議中心 126-B 會議室．

白色背景板前，四位新科菲爾茲獎得主并排坐下：鄧煜、John Pardon、Jacob Tsimerman 和王虹。其中，鄧煜與王虹成為首批獲得菲爾茲獎的中國籍數學家。

而另一位獲獎者、多倫多大學數學教授 Jacob Tsimerman 現場宣布了一個「炸裂」的消息 ——他未來將轉向「AI安全」工作，并將加入 OpenAI。

圖源：https://www.youtube.com/watch?v=2dr2F2NVUkY

消息出來之后，包括 OpenAI 首席研究官 Mark Chen 以及前微軟 AI 副總裁現 OpenAI 研究員 Sebastien Bubeck 在內，都確定了 Jacob Tsimerman 的加盟并對他表示了歡迎。

Mark Chen 稱，「Jacob Tsimerman 的數學天賦無疑極為出眾，而他對 AI 安全問題所展現出的嚴肅態度和思考深度，同樣令人欽佩。」

Jacob Tsimerman 介紹

Jacob Tsimerman 是加拿大數學家，主要研究數論、算術幾何、超越數論及其與模型論的交叉問題。

圖源：多倫多大學

1988 年出生的他早年便展現出很強的數學天賦，曾代表加拿大參加 2003 年和 2004 年國際數學奧林匹克競賽，兩次獲得金牌，并在 2004 年取得滿分。

此后，他在多倫多大學完成本科教育，2011 年獲得普林斯頓大學數學博士學位，導師是著名數論學家 Peter Sarnak，之后進入哈佛大學學者協會從事博士后研究。2014 年起任教多倫多大學至今。

Tsimerman 最重要的數學成就集中在「André–Oort 猜想」 。這一猜想研究 Shimura 簇中特殊點的分布規律，是現代算術幾何中的核心問題之一，與丟番圖方程、模形式、阿貝爾簇和超越數論密切相關。

他先是解決了阿貝爾簇模空間中的關鍵情形，并建立特殊點伽羅瓦軌道的下界；后來與 Jonathan Pila、Ananth Shankar 等數學家合作，完成了 André–Oort 猜想一般情形的證明。他在其中發展的 Ax–Schanuel 型超越性定理和高度理論，也成為研究類似不太可能交集問題的重要工具。

具體可參考機器之心文章：「數學家證明 30 年前的「安德烈 - 奧爾特猜想」，推進多項式方程解探索」。

• 論文地址：https://arxiv.org/pdf/2109.08788

除 André–Oort 猜想外，他還參與解決了 Griffiths 猜想中的重要問題。

憑借這些成果，他先后獲得 2015 年 SASTRA 拉馬努金獎、2022 年數學新視野獎和 2023 年奧斯特洛夫斯基獎。2025 年，他當選英國皇家學會會士。

OpenAI 為什么會需要一位數論學家做安全？

就在菲爾茲獎揭曉前三天，OpenAI 發布了一篇關于長時程模型安全的文章。

• 文章鏈接：https://openai.com/zh-Hans-CN/index/safety-alignment-long-horizon-models/

OpenAI 披露，公司曾向內部人員開放一種能夠持續執行復雜任務的長時程模型，但很快觀察到了預部署評測沒有覆蓋的行為，并暫時停止訪問。

一個案例中，模型試圖從評測后臺獲取其他參與者的私有答案；在認證令牌被掃描器攔截后，它把令牌拆分、混淆，再在運行時重新組合，以繞過檢測。

另一些案例中，模型未經充分理由嘗試訪問其他計算節點，甚至生成了可能終止大量進程的命令。

OpenAI 安全團隊當前面對的核心問題，就是面對短回答模型，安全團隊可以檢查「它說了什么」；但面對長時程智能體，安全團隊還要判斷「這一連串動作最終試圖完成什么」。

這意味著，安全問題已經變成了可能跨越百步的行為軌跡分析。

然而當前常用的安全辦法很難窮盡所有行為組合，往往只能在模型出現異常后，再補充評測、規則與監控。

AI 安全更像實驗科學，而不是定理

目前常用的 AI 安全方法，大多提供的是經驗性證據：在我們測試過的情形下，系統通常沒有出問題。

但這不等于不等于數學意義上的：對所有滿足某些條件的行為，系統都不可能越過某條邊界。

OpenAI 曾將模型分成「證明者」和「驗證者」，讓強模型生成答案，再訓練較弱的驗證者識別正確與錯誤證明。

研究發現，只追求答案正確，模型給出的推理反而可能更難檢查；加入「可驗證性」目標后，人類和弱模型更容易判斷其輸出。

這說明，數學里的「測試－驗證」關系正在成為 AI 監督問題的一種模型。

而 Tsimerman 想做的，正是用這樣的數學關系從「測試」走向「證明」。

Quanta 的報道披露，Tsimerman 認為，數學家可以參與研究多個 AI 智能體組成的系統如何行動，并嘗試推導證明，確保這些復雜系統不會采取非預期行為。他強調，由于風險和賭注極高，安全研究需要非常高的確定性。

在 2025 年，Tsimerman 曾與伯克利 AI 安全研究者 Andrew Critch 合作一篇論文《A Taxonomy of Omnicidal Futures Involving Artificial Intelligence》。

• 論文鏈接：https://arxiv.org/abs/2507.09369

這篇論文沒有提出模型訓練算法，而是試圖系統分類 AI 可能參與人類滅絕的不同路徑。

作者明確表示，這些場景并非不可避免，寫作目的在于把抽象的「AI 可能導致滅絕」拆成可討論、可防范的具體類型。

這種先分類、再尋找邊界的思路，與 Tsimerman 過去的數學工作并不遙遠。

他的重要貢獻之一，是把來自模型論的 o-minimality，變成算術幾何和復代數幾何中的基礎方法。

簡單來說，o-minimality 研究的是一類幾何對象：它排除無限震蕩、無窮分叉等病態行為，讓看似復雜的集合能夠被拆解成有限、規則、可描述的部分。

Tsimerman 擅長做的，正是為過于自由的對象找到隱藏的結構。

這些成果與 AI 安全之間并不存在直接的技術對應，但這兩類問題共享一種思路：面對一個行為復雜、難以窮舉的系統，不能只觀察它在有限實驗中的表現，而是要先找到一種足夠嚴格的描述語言，定義狀態和邊界，再證明系統在特定條件下必然滿足這些約束。

Tsimerman 正試圖把這樣的「確定性」帶到 OpenAI。

目前，人們還無法像證明一道幾何定理那樣，證明一個 AI 不會執行危險操作。

但數學可以換一種方式縮小問題。

2026 年提出的「包容驗證（Containment Verification）」就沒有證明 AI 本身是安全的，轉而驗證它與外部世界之間的通道。

換句話說，它不證明 AI 沒有危險意圖，而是證明它沒有實現某些危險意圖的途徑。

類似的，數學可以提供的，也不是一張覆蓋整個 AI 安全系統的「保證書」，而是一些條件清晰的命題。