知识卡片：AI 会抢发你的科学发现吗？部分研究者担忧黯淡前景

一句话结论

随着 AI 智能体自主科研能力提升，一些科学家担心自己尚未发表的研究会被 AI“抢发”，并因此收紧甚至禁止在研究中向商业大模型上传未公开信息。

事件概述或研究问题

• Nature 新闻（2026-10-08）报道：过去五周内至少两次出现研究者长期钻研的课题被 AI 公司抢先给出答案或抢先发布结果的情况。
• 核心问题：AI 智能体是否会在人类科学家之前得出结论，从而“抢发”（scoop）科研发现？
• 报道中提到的两起争议：
  • 2026-09-07，纽约大学数学家 Tristan Buckmaster 发帖称他与 Anthropic 数学家 Levent Alpöge 在 Navier–Stokes 问题（流体力学长期未解问题）上取得进展，并附上一篇解决该问题简化版本的论文；次日 2026-09-08，OpenAI 宣布其智能体解决了这一谜题。Buckmaster 公开质疑时间点。OpenAI 声明称调查确认其提示词“不可能以任何方式影响系统，包括通过训练”，且其研究人员与智能体在对方公开发布前“未以任何方式看到他们的工作”。
  • 两周后，Anthropic 宣布其运行 Claude 大模型的智能体发现某些病毒具有类似 CRISPR 基因编辑系统的重复 DNA 片段模式。哥本哈根大学计算生物学博士生 Mario Rodríguez Mestre 对《纽约时报》表示他已研究同样模式数年，常用 Claude，但尚未发表；他提出其团队上传至 Anthropic 工具的信息可能被纳入 Claude 训练数据的可能。Anthropic 对《纽约时报》称其模型“未在任何用户对话记录上训练”。

方法/产品要点

• 涉及产品：OpenAI 的 AI 智能体、Anthropic 的 Claude 大语言模型及其智能体。
• 争议机制假设（研究者提出，非已证实）：用户上传的提示词/对话记录可能被用于模型训练，从而间接导致“抢发”。
• 相关方回应：
  • OpenAI：否认提示词影响系统，包括通过训练。
  • Anthropic：否认在用户对话记录上训练模型。

主要结果或产业意义

• 尚未有独立验证的结论判定“抢发”是否真实发生；双方公司均否认数据泄漏或训练污染。
• 但争议已改变部分科学家的行为：
  • 德国明斯特大学生殖表观遗传学家 Sandra Laurentino 表示不再信任 AI 系统，现在只用 AI 检查代码为何报错，且在使用前把所有参数名与变量名改成“A 组具有特征 X”之类的通用标签，以避免透露实验信息；她说近期争议让她“更加偏执”。
  • 新西兰奥克兰大学听觉认知科学家 Samuel Mehr 更加不愿使用商业 AI 模型，并为实验室制定 AI 使用政策：禁止学生向商业大模型上传受保护信息，并警告不要在研究过程的任何环节使用这些模型。他说：“在不知道第三方会怎么处理的情况下，把你的知识产权交出去，风险极大。”

为什么重要

• 科研优先权与署名归属：如果 AI 公司或其智能体先发布结果，人类研究者多年的工作可能失去首发优势，而现有学术优先权与引用规范尚未对此有清晰安排。
• 数据信任问题：科学家对商业 LLM 的信任下降，可能影响 AI 工具在科研中的使用方式与边界。
• 与既有脉络的关系：已有卡片关注 AI 智能体的能力与效率（如复杂度感知推理）；本卡片关注的是 AI 能力提升带来的科研竞争与数据保密层面的社会后果，属于对“AI 参与科研”这一脉络的社会与制度侧补充。

局限与不确定性

• 报道所述两起事件中的“抢发”指控均未被独立证实；OpenAI 与 Anthropic 均明确否认相关数据被使用。
• 事件具体细节、模型训练数据构成、是否存在因果关系：待核实。
• 报道日期为 2026-10-08，发生时间与后续进展以原始来源为准。
• 报道未给出受影响研究者的完整名单或系统性调查数据，代表性待核实。
• 关于研究者对 AI 工具使用行为的改变，目前仅有个别受访者案例，是否具有普遍性待核实。

可用于图书/PPT/简报的角度

• “被机器人抢发”：AI 时代科研优先权的新焦虑。
• 科研数据主权：为什么科学家开始给变量改通用名、禁止学生上传数据。
• AI 公司的透明度与信任赤字：声明否认与研究者偏执之间的落差。
• 从“AI 辅助科研”到“AI 竞争科研”：工具角色的转变。
• 学术规范滞后：优先权、署名、训练数据来源的规则空白。

原始材料

• 标题：Will AI scoop your science? Some researchers see a gloomy future
• 来源：Nature（NEWS）
• 作者：Kaia Glickman
• 在线发布：2026-10-08
• DOI：https://doi.org/10.1038/d41586-026-03128-6
• URL：https://www.nature.com/articles/d41586-026-03128-6
• 关键词（英文）：AI agents, large language models, research priority, scoop, OpenAI, Anthropic, Claude, Navier–Stokes, CRISPR-like DNA, training data