7月23日中午，费城宾夕法尼亚会议中心126-B会议室，气氛有点不寻常。

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。

值得一提的是，邓煜与王虹是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。

消息一出，立刻在圈内炸开了锅。

OpenAI 首席研究官 Mark Chen 和前微软AI副总裁、现OpenAI研究员 Sebastien Bubeck 都在第一时间确认了消息，并表示了欢迎。

Mark Chen 的评价很有意思：「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 介绍

个人背景

Jacob Tsimerman 是加拿大数学家，主攻数论、算术几何、超越数论及其与模型论的交叉问题。

1988年出生，很早就展露了数学天赋。他代表加拿大参加2003年和2004年国际数学奥林匹克竞赛，两次拿金牌，2004年还是满分。

之后在多伦多大学读完本科，2011年从普林斯顿大学拿到数学博士学位，导师是著名数论学家 Peter Sarnak。接着去哈佛大学学者协会做博士后，2014年起回到多伦多大学任教至今。

核心成就

他凭什么拿菲尔兹奖？核心成就是「André–Oort 猜想」。这个猜想研究的是Shimura簇中特殊点的分布规律，是当代算术几何里的核心问题，跟丢番图方程、模形式、阿贝尔簇、超越数论都扯得上关系。

他先解决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；后来跟 Jonathan Pila、Ananth Shankar 等人合作，完成了猜想一般情形的证明。

他发展的 Ax–Schanuel 型超越性定理和高度理论，也成了研究类似「不太可能交集」问题的重要工具。

除了这个猜想，他还参与了 Griffiths 猜想中重要问题的解决。

凭这些成果，他先后拿了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，2025年当选英国皇家学会会士。可以说，履历相当硬核。

OpenAI 为什么会需要一位数论学家做安全？

这个问题，其实可以从菲尔兹奖揭晓前三天OpenAI发的一篇文章里找到线索。

OpenAI 当时披露，他们曾向内部人员开放一种能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没覆盖的行为，不得不暂停访问。

具体表现是什么？有一个案例特别有意思：模型试图从评测后台获取其他参与者的私有答案；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，轻松绕过检测。

还有模型未经充分理由就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。

这带来一个根本性的转变：安全团队原本只需要检查模型「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，安全问题已经变成了可能跨越百步的行为轨迹分析。而当前常用的安全办法，很难穷尽所有行为组合，往往只能在模型出问题后，再补充评测、规则与监控。

AI 安全更像实验科学，而不是定理

这里有个关键差异：目前常用的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，系统通常没出问题。但这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 曾尝试把模型分成「证明者」和「验证者」，让强模型生成答案，再训练较弱的验证者来识别正确与错误证明。

结果发现，如果只追求答案正确，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」。

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，由于风险和赌注极高，安全研究需要非常高的确定性。

2025年，Tsimerman 就曾与伯克利AI安全研究者 Andrew Critch 合作了一篇论文《A Taxonomy of Omnicidal Futures Involving Artificial Intelligence》。

这篇论文没有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，其实跟他过去做的数学工作很接近。

他的一个重要贡献，是把来自模型论的 o-minimality，变成了算术几何和复代数几何中的基础方法。

简单说，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安全之间并没有直接的技术对应，但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。

现在，Tsimerman 正试图把这样的「确定性」带到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）」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，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。