被字节跳动索赔 800 万的前实习生田柯宇，10月12日在一期播客里讲了自己版本的“投毒” 旧事；当天下午，前同事的一份技术调查报告就挂到了网上，两份说法截然相反的材料，把这件旧事重新拽回了舆论场。
事情得从两年前说起。2024年，时为北大硕士的田柯宇在字节跳动商业化技术团队实习。当年8月，字节跳动安全与合规部门对其进行正式问询后，以严重违纪与恶意破坏为由解除实习协议。同年11月，字节向北京市海淀区人民法院提起民事诉讼，索赔经济损失800万元及合理支出2万元，并要求公开赔礼道歉。
网上当时流传的版本很吓人“实习生摧毁8000张GPU”“造成上千万美元损失”，但字节后来发内部通报明确澄清，硬件并未损坏。一审法院最终判决田柯宇因违约赔偿字节50万元，退还全部实习薪资，驳回了字节800万元侵权索赔及公开道歉的请求。字节不服，已提起上诉，二审目前仍在进行中。
离开字节后，田柯宇作为第一作者完成的论文《Visual Autoregressive Modeling》获NeurIPS 2024最佳论文奖。今年他创办的世界模型公司又拿到近3000万美元融资，投后估值2亿美元，投资方包括五源资本、IDG等。“被开除实习生创业估值2亿美元”前不久还上了微博热搜。
人红了，话也就多了。在最近的这个访谈里，田柯宇又开口谈起了这件旧事。在他的叙事里，那不是什么“投毒”，而是一次他口中的“朴素的正义”，他称看不惯组里一名实习生长期占用GPU资源、停止别人的训练任务，向上反馈无果，才自己动手用GPT写了个程序，让对方的任务卡住。他强调“大概十天左右，总共五次左右”，手动、点状干预，绝无网络传言中持续数月的大规模自动化攻击之说。他在访谈中发誓，说谎就“终生研究受挫”。
播客上线当天下午，沉默了两年的前团队同事在一个名为keyu-tian-sabotage.github.io的网站上贴出了一份长篇技术调查报告。三位实名作证者——Shilong Zhang、Ting-Che Lin、Chongjian Ge，均为字节Goku视频生成项目的核心作者，表示愿为文件内容的真实性承担责任。据凤凰网科技核查后确认，三人中两位有香港大学博士背景，且均有字节实习经历。截至发稿，字节方面与田柯宇方面均未对这份新增文件作出公开回应。
这份报告将被指控行为的时间线推至2024年3月。据报告描述，最早出现训练异常的是孙培泽主导的LlamaGen项目，报告称当时该项目使用的GPU不足百张，并不存在所谓“千卡垄断”。报告称，团队后来在共享存储的文本特征缓存中发现一段被标记为modify_t5的代码，其作用是先向特征中混入高斯白噪声，再做几何投影使张量统计量恢复至正常范围，报告认为此举可绕过自动化监控，使训练在数学上注定失败。
2024年7月30日，据报告披露，运维工程师在一台编号gpu-worker-node-1042的机器上发现原生PyTorch库的分布式采样函数被引入纳秒时间戳改写；报告援引SSH审计日志称，除机器负责人外，该时间窗口内仅有田柯宇登录过该机器。次日，据报告称，团队在田柯宇个人目录下发现多份代码文件，涉及优化器梯度更新方向修改、梯度裁剪范数伪造、分布式通信极低概率死锁触发、修改系统库后自动还原文件时间戳等。
报告还提出一项新指控：据其称，田柯宇负责的VAR文生图项目，部署在内部Discord上供同事测试的演示模型，实际调用的是开源模型PixArt，而非其所训练的VAR T2I模型；为防止同事用相同Prompt对比穿帮，报告称推理流程会自动为所有输入添加“City”前缀。报告同时称，真正的VAR T2I模型“训练状态和loss表现存在严重问题”，团队后续重启为Infinity项目。
从2024年3月到7月，按报告的说法，这场异常持续了近五个月。这与田柯宇在播客中“十天五次”的说法存在明显差距。截至目前，田柯宇尚未对这份报告中的技术细节与指控逐项作出正式回应。
法律层面，能确认的事实是：一审判决50万元，字节上诉，二审进行中。田柯宇本人在播客中表示：“50万这个金额正好等于是我那三年的实习工资，加上公司打官司的一些法律支出……我当着法官也是诚恳道歉的，最后的判赔我觉得很公允，我也认这个钱。”
受害者方这份报告的核心诉求，并非推翻法院判决，而是把一个法律之外的问题摆到了台面上。报告末尾写道：“在合作、投资或追加投入之前，请向项目参与者求证、查阅原始记录，并独立核实展示模型的来源、实际训练进展和结果能否复现。”
一份播客，一份技术报告，两边各说各话。二审判决还没下来，公众眼前的这场舆论拉锯，显然不会因为谁估值高就偏向谁。
来源：星河商业观察