至于加入 OpenAI,目前较稳妥的证据组合是:AMS 采访以明确标题讨论了他「Getting to the Fun Faster with AI」以及对 AI 未来的担忧;OpenAI 研究负责人 Mark Chen 也在 X 上公开欢迎他加入。后者是公开欢迎信号,不等同于一份披露团队和职责的正式任命公告。AMS 采访 | Mark Chen 的公开帖文
这正是 AI 研究里最稀缺、也最容易被宣传口径模糊掉的能力之一。模型可以给出看似完整的证明或推理,但研究者仍需要判断:它是否真正解决了原命题,是否偷换了条件,是否遗漏了不可见的反例。Tsimerman 的价值不能简化为「数学家来给模型刷题」,而更可能在于把高难度推理中的验证标准带进模型评估、形式化推理或安全分析等工作。
2. 他本人已经把 AI 当作生产力工具
在 AMS 采访中,Tsimerman 表示 AI 让他的个人生产力大约提高了一倍。他提到使用 ChatGPT、Claude 和 Gemini 处理邮件、帮助自我理解、进行喜剧写作,也用于数学研究。
AMS 采访还提到,他与 Andrew Critch 合著了关于 AI 可能导致人类灭绝路径的分类研究,标题为《A Taxonomy of Omnicidal Futures Involving Artificial Intelligence》。采访中的重点并非把某个具体灾难预测当成事实,而是讨论应该怎样拆解风险路径、怎样面对 AI 对数学职业和人类适应能力的冲击。
因此,加入 OpenAI 的关注点不应只有「顶尖人才被大模型公司吸引」这一层。更值得观察的是,一名既在使用 AI、又在研究 AI 风险的数学家,是否会参与建立更严格的推理可靠性、模型评估或安全边界。
OpenAI 可能得到什么,哪些不能提前下结论
可以合理关注的方向
根据已公开的研究履历和本人谈话,以下方向值得持续观察:
让模型处理更长、更复杂、可逐步验证的数学推理,而不只是生成答案;
用形式化方法、反例搜索和证明检查器评估模型是否真的完成了推理;
研究模型在高能力增长阶段的失控风险、目标偏移和可解释性问题;
把数学家在定义、抽象和结构化证明上的训练,转化为更严格的模型测试方法。
这些是基于公开履历和观点作出的观察方向,不是 OpenAI 已公布的岗位说明。
目前不能确认的部分
现有公开资料没有足够证据确认:
Tsimerman 的正式职位、所属团队和汇报关系;
他是否会直接参与某个具体模型、AI Safety 项目或产品;
OpenAI 是否已经公布他的研究计划、论文或入职日期;
他本人是否会放弃数学研究,转为全职 AI 研究。
Mark Chen 的 X 帖文和新闻汇总可以证明这项人事消息在公开渠道传播并获得 OpenAI 研究管理层欢迎,但不能替代正式任命文件。YouTube 上的新闻汇总也只承担传播层面的补充,不能独立证明岗位细节。YouTube 新闻汇总