田柯宇干扰模型训练证据公开：代码、时间线与五名证人，法院一审判赔50万元
- 证据与指控范围：10 月 12 日公开的《受害者陈述与证据整理》列出五名实名证人，包括 Goku 共同一作陈首发、葛崇剑，LlamaGen 一作孙培泽，同期同组实习生张士龙，以及参与 Goku 项目的 Ting-Che Lin；材料称其确认本人亲历内容属实并愿提供证言。指控称干扰从 2024 年 3 月持续至 7 月，涉及模型权重、优化器、数据采样与分布式通信，且田柯宇持续参加团队排障会议，并根据排查进度调整操作。
- 代码层面的关键改动：材料展示优化器代码中强制
maximize = group["maximize"] = True，使本应最小化 loss 的训练转为最大化 loss，但 GPU 仍运行、训练步数与日志正常产生；clip_grad.py将梯度缩放系数设为 2，放大梯度，同时返回放大前的梯度范数，导致日志记录与实际更新错位；DistributedSampler使用time.time_ns() % 10000000000生成随机种子，使各进程洗牌结果不一致，可能造成样本重复或漏掉。 - 故障特征与排查难度：材料称部分代码会以约二十六万分之一至两百万分之一的单次概率让进程跳过通信，制造低频、难复现的分布式训练故障；脚本还通过
os.utime恢复文件访问与修改时间，并恢复所有者与权限。相关改动直接发生在已分配、正在运行的机器所依赖的 PyTorch 文件中，不经过 Docker 镜像或代码提交流程；即使重启训练，也可能继续读取同一份被修改的框架文件。2024 年 7 月 30 日，团队在 Docker 环境中发现异常，登录记录显示除机器所有者外仅田柯宇曾登录；次日在其个人目录发现多份相关代码。 - 法律结果与公司口径：法院一审认定田柯宇违约，判令其赔偿字节跳动 50 万元，其余诉讼请求被驳回；字节已上诉，案件仍在二审。字节此前已确认涉事实习生存在恶意干扰研究项目模型训练的行为并将其辞退，同时澄清“涉及 8000 多张 GPU、损失上千万美元”等传言严重夸大，事件未影响公司正式项目及线上业务。
- 争议双方说法：田柯宇在公开访谈中将相关操作描述为“十天左右”“五次左右”，只针对一名实习生，并称为“以暴制暴”。陈首发在 GitHub Issue 中回应称，访谈中的“实习生 A”拼接了数名受害者特征，若指向具体个人应主要是自己；他未否认关停过训练任务，解释为高优先级大规模训练需要整合零散 GPU，相关调度事先经直接领导同意，执行者包括领导与 Infra 同事，被关停任务也包括自己的小规模 ablation 实验。
- 研发影响与行业观察：材料还称，田柯宇负责的内部 VAR 文生图项目在展示时实际调用 PixArt，团队事后核查发现真实训练进展远未达到展示效果，只能重做，后续形成 Infinity；展示流程会在提示词前自动加入“City”，使输出不易与 PixArt 直接对比。对模型团队而言，这类干扰损害的不只是 GPU 卡时，还包括数月实验结论的可靠性——哪些实验受影响、哪些方向被误判、旧对照结果是否需重训，都要重新核查。训练环境的完整性校验、细粒度权限、关键代码复核与审计日志，因而不再只是安全团队的议题，而是模型研发流程的一部分。 🔗 硅星人Pro原文