当地时间 7 月 23 日 12 点配资资质查询，费城宾夕法尼亚会议中心 126-B 会议室．
白色背景板前，四位新科菲尔兹奖得主并排坐下：邓煜、John Pardon、Jacob Tsimerman 和王虹。其中，邓煜与王虹成为首批获得菲尔兹奖的中国籍数学家。
而另一位获奖者、多伦多大学数学教授 Jacob Tsimerman 现场宣布了一个「炸裂」的消息 ——他未来将转向「AI安全」工作，并将加入 OpenAI。
图源：https://www.youtube.com/watch?v=2dr2F2NVUkY
消息出来之后，包括 OpenAI 首席研究官 Mark Chen 以及前 AI 副总裁现 OpenAI 研究员 Sebastien Bubeck 在内，都确定了 Jacob Tsimerman 的加盟并对他表示了欢迎。
Mark Chen 称，「Jacob Tsimerman 的数学天赋无疑极为出众，而他对 AI 安全问题所展现出的严肃态度和思考深度，同样令人钦佩。」
Jacob Tsimerman 是加拿大数学家，主要研究数论、算术几何、超越数论及其与模型论的交叉问题。
图源：多伦多大学
1988 年出生的他早年便展现出很强的数学天赋，曾代表加拿大参加 2003 年和 2004 年国际数学奥林匹克竞赛，两次获得金牌，并在 2004 年取得满分。
此后，他在多伦多大学完成本科教育，2011 年获得普林斯顿大学数学博士学位，导师是著名数论学家 Peter Sarnak，之后进入哈佛大学学者协会从事博士后研究。2014 年起任教多伦多大学至今。
Tsimerman 最重要的数学成就集中在「André–Oort 猜想」 。这一猜想研究 Shimura 簇中特殊点的分布规律，是现代算术几何中的核心问题之一，与丢番图方程、模形式、阿贝尔簇和超越数论密切相关。
他先是解决了阿贝尔簇模空间中的关键情形，并建立特殊点伽罗瓦轨道的下界；后来与 Jonathan Pila、Ananth Shankar 等数学家合作，完成了 André–Oort 猜想一般情形的证明。他在其中发展的 Ax–Schanuel 型超越性定理和高度理论，也成为研究类似不太可能交集问题的重要工具。
具体可参考机器之心文章：「数学家证明 30 年前的「安德烈 - 奥尔特猜想」，推进多项式方程解探索」。
论文地址：https://arxiv.org/pdf/2109.08788
元股证券:ygzq.hk
除 André–Oort 猜想外，他还参与解决了 Griffiths 猜想中的重要问题。
凭借这些成果，他先后获得 2015 年 SASTRA 拉马努金奖、2022 年数学新视野奖和 2023 年奥斯特洛夫斯基奖。2025 年，他当选英国皇家学会会士。
就在菲尔兹奖揭晓前三天，OpenAI 发布了一篇关于长时程模型安全的文章。
文章链接：https://openai.com/zh-Hans-CN/index/safety-alignment-long-horizon-models/
OpenAI 披露，公司曾向内部人员开放一种能够持续执行复杂任务的长时程模型，但很快观察到了预部署评测没有覆盖的行为，并暂时停止访问。
一个案例中，模型试图从评测后台获取其他参与者的私有答案；在认证令牌被扫描器拦截后，它把令牌拆分、混淆，再在运行时重新组合，以绕过检测。
另一些案例中，模型未经充分理由尝试访问其他计算节点，甚至生成了可能终止大量进程的命令。
OpenAI 安全团队当前面对的核心问题，就是面对短回答模型，安全团队可以检查「它说了什么」；但面对长时程智能体，安全团队还要判断「这一连串动作最终试图完成什么」。
这意味着，安全问题已经变成了可能跨越百步的行为轨迹分析。
然而当前常用的安全办法很难穷尽所有行为组合，往往只能在模型出现异常后，再补充评测、规则与监控。
目前常用的 AI 安全方法，大多提供的是经验性证据：在我们测试过的情形下，系统通常没有出问题。
但这不等于不等于数学意义上的：对所有满足某些条件的行为，系统都不可能越过某条边界。
OpenAI 曾将模型分成「证明者」和「验证者」，让强模型生成答案，再训练较弱的验证者识别正确与错误证明。
研究发现，只追求答案正确，模型给出的推理反而可能更难检查；加入「可验证性」目标后，人类和弱模型更容易判断其输出。
这说明，数学里的「测试－验证」关系正在成为 AI 监督问题的一种模型。
而 Tsimerman 想做的，正是用这样的数学关系从「测试」走向「证明」。
Quanta 的报道披露，Tsimerman 认为，数学家可以参与研究多个 AI 智能体组成的系统如何行动，并尝试推导证明，确保这些复杂系统不会采取非预期行为。他强调，由于风险和赌注极高，安全研究需要非常高的确定性。
在 2025 年，Tsimerman 曾与伯克利 AI 安全研究者 Andrew Critch 合作一篇论文《A Taxonomy of Omnicidal Futures Involving Artificial Intelligence》。
论文链接：https://arxiv.org/abs/2507.09369
这篇论文没有提出模型训练算法，而是试图系统分类 AI 可能参与人类灭绝的不同路径。
作者明确表示，这些场景并非不可避免，写作目的在于把抽象的「AI 可能导致灭绝」拆成可讨论、可防范的具体类型。
这种先分类、再寻找边界的思路，与 Tsimerman 过去的数学工作并不遥远。
他的重要贡献之一，是把来自模型论的 o-minimality，变成算术几何和复代数几何中的基础方法。
简单来说，o-minimality 研究的是一类几何对象：它排除无限震荡、无穷分叉等病态行为，让看似复杂的集合能够被拆解成有限、规则、可描述的部分。
Tsimerman 擅长做的，正是为过于自由的对象找到隐藏的结构。
这些成果与 AI 安全之间并不存在直接的技术对应，但这两类问题共享一种思路：面对一个行为复杂、难以穷举的系统，不能只观察它在有限实验中的表现，而是要先找到一种足够严格的描述语言，定义状态和边界，再证明系统在特定条件下必然满足这些约束。
Tsimerman 正试图把这样的「确定性」带到 OpenAI。
目前，人们还无法像证明一道几何定理那样，证明一个 AI 不会执行危险操作。
但数学可以换一种方式缩小问题。
2026 年提出的「包容验证（Containment Verification）」就没有证明 AI 本身是安全的，转而验证它与外部世界之间的通道。
换句话说，它不证明 AI 没有危险意图，而是证明它没有实现某些危险意图的途径。
类似的，数学可以提供的，也不是一张覆盖整个 AI 安全系统的「保证书」，而是一些条件清晰的命题。
炒股多空网提示：本文来自互联网，不代表本网站观点。
