又一位研究人员指控 OpenAI 用对话数据训练模型，随后把由此得出的结果宣称为一项突破。这条说法出自 Tim Kellogg（timkellogg.me）在 Bluesky 上于 2026 年 9 月 9 日发布的帖子，帖文只写到这一句，没有点出具体模型、时间或证据。
正文
2026年9月9日，另一位研究员指控 OpenAI 利用对话内容进行训练，随后宣称取得突破。
评论
多数人认为这桩指控证据不足：研究者并未真正解题、当事人直到六月底才选择退出训练，而 OpenAI 又受隐私限制无法自证清白，所以「偷」的说法更像是天真加操作不当；少数人坚持举证责任在 OpenAI 一侧，不披露去污染细节就不该喊冤。讨论很快从个例扩散到对整个行业数据实践的不信任。
认为没有去污染证据就谈不上「偷」
- 研究者本人并未解决完整问题，只是在试验方法；OpenAI 员工解释过，无法逐用户确认是否取用数据是出于隐私限制，而非心虚；况且从未有人主张被 opt-out 的数据进了训练集，当事人自己也是六月末才退出，时间上晚于相关强化学习结束（较多人）
- 行业里现成的解法枯燥但明确：用基准测试的金丝雀标识来标记数据，并公开去污染的 n-gram 阈值，比如早年用的是 13-gram（较多人） > 不公开阈值，就没有资格宣称干净。（@hn1rig3rak）
认为举证责任在 OpenAI，而不是让用户记得自己勾选退出
- 面对这种级别的突破，OpenAI 有能力也有义务自查训练数据是否泄漏，引用来源本来就是使用者的责任；说「他本该退出训练」等于科学家拒不给同行署名，还反过来说谁让你把想法告诉我（较多人）
- 一边是多个独立学术研究者，一边是曾因严重不诚实被解雇的高管，该信谁不言自明（较多人）
opt-out 按钮本身就是幻觉，真正的教训是做数据隔离
- 那个「为所有人改进模型」的开关默认开启，措辞还带道德绑架意味，指望它保护数据是天真的（较多人）
- 更实用的经验是：永远别点反馈按钮，一旦点了整段对话都会被留存并进入训练；编码智能体一个根目录检索命令就可能把大量个人数据一并暴露；各家政策差异很大，有的厂商承诺即使安全分类器误报也保留对话七年；开源模型提供方并不会比大厂更仁慈（较多人） > 最稳妥的姿态是比你以为的更偏执一点。（@postalcoder）
- 人在数量中获得的匿名感是错觉，只要数据对某家公司有价值，把它捞出来并不难（少数人）
认为纯模型产出本就无法确权，原作者大可拿走重新授权
- 按现行法律理解，完全由模型生成、没有实质人类投入的内容直接落入公有领域，OpenAI 怎么宣称都不改变事实；原作者不妨把那几十万行证明按自己的名义重新授权（少数人）
认为「拿用户对话训练」是一个光谱，风险差别巨大
- 用用户 token 做预训练目标，重述风险高且不妥；用用户提示蒸馏小模型，风险低；用用户轨迹构造强化学习任务，记忆能力弱但可能提取客户知识产权，具体从「奖励模型里用显式反馈」到「上传整个编码环境和提交历史做成训练环境」不等（较多人）
- 也别忘了主流产品都提供临时/隐身会话模式，这类对话被排除在训练之外（较多人）
认为这套剧情已经重复到令人麻木
- 「某研究者/艺术家/程序员说某某公司训练了他的作品，然后宣称突破」这个模板可以套进任何行业，欢迎加入人类（较多人）
- 学者们仍然相信一个退出开关，却看不到这是个靠种子下载偷知识产权、追逐每一份监控合同的行业（少数人）
- 顺带把苹果默认开启的对话监听也算进同一趋势，是这类情绪的延伸（少数人）
有价值的补充
- 传播链条本身是一场传话游戏：Bluesky 截图 Twitter，Twitter 又截图联邦宇宙，全程都没有原始链接。
- 有个常被忽略的法律问题：如果 OpenAI 受生效的法院命令约束必须记录一切，它是否还有能力在法律上提供真正私密的对话？
- 一个未解的实操疑问：换用不同的客户端或调用框架时，网页端的退出设置是否依然生效。
- 值得注意，两边的当事人都在推动同一件事——要么拿出数据的检查能力，要么拿出干净的证明，而不是靠互相信任。