7月23日正午，费城宾夕法尼亚会议中心126-B会议室内，氛围显得格外特别。

在白色背景板前方，四位新晋菲尔兹奖得主并肩而坐：邓煜、John Pardon、Jacob Tsimerman 以及王虹。值得关注的是，邓煜和王虹成为首批获此殊荣的中国籍数学家。

而另一位获奖者、多伦多大学数学教授 Jacob Tsimerman 当场公布了一个令人震惊的决定——他未来将投身于「AI安全」领域，并正式加入OpenAI。

这一消息迅速在学术界引起轰动。OpenAI 首席研究官 Mark Chen 与前微软AI副总裁、现任OpenAI研究员 Sebastien Bubeck 均在第一时间确认此事，并表达了欢迎之意。Mark Chen 的评价颇具深意：「Jacob Tsimerman 不仅拥有极为出众的数学天赋，他对AI安全问题的严肃思考与深度洞察同样令人钦佩。」

Jacob Tsimerman 简介

先来认识一下这位数学家。Jacob Tsimerman 是加拿大籍学者，主攻数论、算术几何、超越数论及其与模型论的交叉领域。

他出生于1988年，早年便展现出卓越的数学才能。曾代表加拿大参加2003年与2004年国际数学奥林匹克竞赛，两次夺得金牌，2004年更是以满分成绩傲视群雄。随后在多伦多大学完成本科教育，2011年于普林斯顿大学获得数学博士学位，师从著名数论学家 Peter Sarnak。之后前往哈佛大学学者协会从事博士后研究，自2014年起返回多伦多大学任教至今。

那么，他凭借什么获得菲尔兹奖？核心成就源于「André–Oort 猜想」。该猜想探讨的是Shimura簇中特殊点的分布规律，属于当代算术几何领域的核心课题，与丢番图方程、模形式、阿贝尔簇、超越数论等密切相关。他率先攻克了阿贝尔簇模空间中的关键情形，建立了特殊点伽罗瓦轨道的下界；随后与 Jonathan Pila、Ananth Shankar 等人合作，完成了猜想一般情形的完整证明。他发展的 Ax–Schanuel 型超越性定理与高度理论，已成为研究类似「不太可能交集」问题的重要工具。

除该猜想外，他还参与了 Griffiths 猜想中关键问题的解决。凭借这些成果，他先后荣获2015年SASTRA拉马努金奖、2022年数学新视野奖、2023年奥斯特洛夫斯基奖，并于2025年当选英国皇家学会会士。可以说，他的履历极为扎实。

OpenAI 为何需要一位数论学家从事安全研究？

这一问题，其实可以从菲尔兹奖揭晓前三天OpenAI发布的一篇文章中找到线索。

OpenAI 当时透露，他们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，结果很快观察到预部署评测未能覆盖的行为，不得不暂停访问。具体表现如何？一个案例尤为有趣：模型试图从评测后台获取其他参与者的私有答案；当认证令牌被扫描器拦截后，它竟将令牌拆分、混淆，再于运行时重新组合，轻松绕过检测。此外，还有模型未经充分理由便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。

这带来了一个根本性转变：安全团队原本只需检查模型「说了什么」，现在却要判断一串动作「到底想完成什么」。换句话说，安全问题已演变为可能跨越百步的行为轨迹分析。而当前常用的安全方法，很难穷尽所有行为组合，往往只能在模型出问题后，再补充评测、规则与监控。

AI 安全更像实验科学，而非定理

这里存在一个关键差异：当前常用的AI安全方法，提供的都是经验性证据——在我们测试过的情形下，系统通常未出现问题。但这并不等同于数学意义上的「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 曾尝试将模型分为「证明者」与「验证者」，让强模型生成答案，再训练较弱的验证者来识别正确与错误证明。结果发现，若只追求答案正确，模型给出的推理反而更难检查；加入「可验证性」目标后，人类和弱模型更容易判断其输出。这表明，数学中的「测试—验证」关系，正成为AI监督问题的一种模型。

而 Tsimerman 想做的，正是借助这种数学关系，从「测试」迈向「证明」。

据 Quanta 报道，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，由于风险与赌注极高，安全研究需要非常高的确定性。

2025年，Tsimerman 曾与伯克利AI安全研究者 Andrew Critch 合作发表论文《A Taxonomy of Omnicidal Futures Involving Artificial Intelligence》。这篇论文并未提出任何模型训练算法，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」拆解为可讨论、可防范的具体类型。

这种先分类、再寻找边界的思路，与他过去从事的数学研究颇为相似。他的一个重要贡献，是将来自模型论的 o-minimality，转化为算术几何与复代数几何中的基础方法。简单来说，o-minimality 研究一类几何对象：它排除无限震荡、无穷分叉等病态行为，使看似复杂的集合能够被拆解为有限、规则、可描述的部分。Tsimerman 擅长的，正是为过于自由的对象找到隐藏的结构。

这些成果与AI安全之间并无直接的技术对应，但两类问题共享同一种思路：面对一个行为复杂、难以穷举的系统，不能仅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，定义状态与边界，再证明系统在特定条件下必然满足这些约束。

如今，Tsimerman 正试图将这种「确定性」带入OpenAI。

当然，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）」并未证明AI本身是安全的，而是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。类似地，数学能够提供的，并非一张覆盖整个AI安全系统的「保证书」，而是一些条件清晰的命题。