退出赞助背后，先看清验证劳动归谁

消息提到，OpenAI一名研究员表示该公司不再赞助加州理工学院的“数学黑客马拉松”。此前，加州理工学院现任和前任数学家发布公开信，称这项由AI公司赞助的活动“可能对数学界产生破坏性影响”。他们批评的一种做法是：AI公司宣称模型解决了悬而未决的理论难题，实际应用和证明却留给真正的研究人员；成果发布后，研究数学家不得不介入验证、传播，有时还要彻底推翻，而这种劳动没有报酬、没有署名，也不被承认。

对数学、物理等基础学科在读或应届的你，这不是围观新闻，而是一道参与前的核查题。假设你收到一个AI公司赞助的科研或黑客马拉松邀请，先别问“能学到什么”，先问“我产出的东西署谁的名、算谁的成果”。

参与前该问清的三类问题

署名与成果归属。 直接问：最终论文、报告或数据集上，参与者是否列为作者？排序规则是什么？如果中途退出，已做的工作如何处理？不要接受“视贡献而定”这种模糊回答，要请对方给出书面说明或往届案例。

验证劳动是否被承认。 数学家公开信点出的核心，是验证、传播、推翻AI声称结果的劳动不被承认。你可以问：项目中是否包含对模型输出的独立验证环节？这部分工作是否计入贡献？如果模型给出的“解法”需要你补全证明，补全者的身份如何体现？

数据使用边界。 你的对话、草稿、失败尝试会不会被用于改进模型？是否有去标识化说明？如果研究涉及未发表想法，能否选择不进入训练数据？这些问题没有标准答案，但对方是否愿意正面回答，本身就是信号。

把“会验证”变成可展示的能力

交叉方向岗位看重的不只是会用工具，而是能判断工具输出哪里不可靠。你可以把一次验证经历写成：面对某个模型给出的结论，你如何找到反例、如何补全或推翻。这比“熟练使用某AI工具”更有说服力。

同时警惕只宣传AI能力、不承认人类验证贡献的项目。面试或申请时，可以自然地问：团队如何记录和承认验证工作？往届参与者的成果去向如何？

一个实际可做的小建议：在答应参与前，把署名、验证劳动、数据使用三个问题写成邮件发给主办方，保留书面回复。对方回避或含糊，就是你需要重新评估的信号。