Article
Dresdner Mathematiker wirft OpenAI vor, mit seinen privaten ChatGPT-Gespraechen trainiert zu haben
Ein neuer Streit um Trainingsdaten und Vertrauen: Andreas Thom, Gruppentheoretiker an der TU Dresden, veroeffentlicht einen Mailwechsel mit OpenAI und nennt die Antwort “plainly dishonest”. Der Hintergrund: OpenAIs interne Astra-Modelle hatten am 1. August den ersten bekannten Beweis einer nicht-sofischen Gruppe praesentiert - der entscheidende Schritt baute auf Methoden auf, die Thom mit Gabor Kun veroeffentlicht hatte.
Was vorgefallen ist
Thom und ein Dresdner Kollege hatten monatelang die Expander-Matching-Problematik und Erweiterungen der Kun-Thom-Arbeit in ChatGPT durchgearbeitet - Definitionen getestet, Obstruktionen geprueft, Argumente entworfen. Nach der OpenAI-Ankuendigung mailte er an die Forscher Mark Sellke und Sebastien Bubeck: Waren diese Gespraech Teil der Trainingsdaten, oder fuer den Reasoning-Prozess zugaenglich? Sellkes komplette Antwort: “that did not happen”. Ein Satz, ohne Qualifikation oder Nachweis.
Warum die Abstreitung nicht traegt
Thoms Analyse: Die kategorische Antwort kann sich nur auf direkten Inference-Zugriff beziehen - nicht auf die Frage der Dataset-Linie. De-identifizierte Nutzungsspuren koennen als Tendenz in ein Checkpoint eindestilliert werden, ohne dass ein einziges Wort original ueberlebt. Genau dieses “cannot rule out” gestand OpenAI in der parallelen Navier-Stokes-Kontroverse um Buckmaster und Alpoege ein - Thom gegenueber fehlte jeder Vorbehalt. Thom hatte das Training-Opt-out erst am 29. Juni abgeschaltet; die Einstellung ist rein prospektiv und nicht auditierbar. Er fordert, dass OpenAI die Basis seiner Abstreitung offenlegt. OpenAI hat sich bisher nicht oeffentlich geaeussert.