蘇黎世聯(lián)邦理工學(xué)院博士后高健揚(yáng)發(fā)布公開信，指控谷歌 ICLR 2026論文 TurboQuant 對(duì)其先行工作 RaBitQ 的描述存在三項(xiàng)嚴(yán)重問(wèn)題。

高健揚(yáng)是 RaBitQ 的第一作者，該算法于2024年發(fā)表于數(shù)據(jù)庫(kù)頂級(jí)會(huì)議 SIGMOD，核心方法是在量化前施加隨機(jī)旋轉(zhuǎn)（Johnson-Lindenstrauss 變換），并已嚴(yán)格證明達(dá)到漸近最優(yōu)誤差界，曾受邀在理論計(jì)算機(jī)頂級(jí)會(huì)議 FOCS 的 Workshop 上報(bào)告。

三項(xiàng)指控分別為：

1. 方法相似性回避：TurboQuant 的核心方法同樣采用隨機(jī)旋轉(zhuǎn)，但論文將 RaBitQ 歸類為「基于網(wǎng)格的 PQ」，系統(tǒng)性地省略了兩者在方法上的直接關(guān)聯(lián)。ICLR 審稿人曾獨(dú)立指出兩種方法都使用隨機(jī)投影并要求補(bǔ)充討論，TurboQuant 團(tuán)隊(duì)不僅未補(bǔ)充，反而將正文中對(duì) RaBitQ 的描述移至附錄。

2. 理論結(jié)果失實(shí)：論文在無(wú)任何論據(jù)的情況下，將 RaBitQ 的理論保證定性為「次優(yōu)」（suboptimal），歸因于「分析較松」。RaBitQ 擴(kuò)展版論文已證明其誤差界達(dá)到 Alon-Klartag（FOCS 2017）給出的漸近最優(yōu)界 。

3. 實(shí)驗(yàn)對(duì)比不公：TurboQuant 使用自行翻譯的 Python 代碼在單核 CPU 上測(cè)試 RaBitQ（關(guān)閉多線程），卻用 NVIDIA A100 GPU 測(cè)試自身算法，導(dǎo)致 RaBitQ 速度被報(bào)告慢了數(shù)個(gè)數(shù)量級(jí)，且未在論文中披露這一設(shè)置 。

高健揚(yáng)披露，TurboQuant 第二作者 Majid Daliri 于2025年1月主動(dòng)聯(lián)系 RaBitQ 團(tuán)隊(duì)請(qǐng)求協(xié)助調(diào)試其基于 RaBitQ C++ 代碼翻譯的 Python 版本，2025年5月的郵件中親自確認(rèn)了實(shí)驗(yàn)條件的不公平設(shè)置，并表示已將 RaBitQ 團(tuán)隊(duì)的理論澄清告知全體共同作者。但此后 TurboQuant 論文在投稿、審稿、接收直至谷歌官方大規(guī)模推廣的全過(guò)程中，上述問(wèn)題始終未修正。

RaBitQ 團(tuán)隊(duì)已在 ICLR OpenReview 發(fā)布公開評(píng)論，并向 ICLR 大會(huì)主席和道德委員會(huì)提交正式投訴。TurboQuant 第一作者 Amir Zandieh 回復(fù)稱愿修正第二和第三項(xiàng)問(wèn)題，但拒絕補(bǔ)充方法相似性討論，且僅同意在 ICLR 2026會(huì)議結(jié)束后修正。第三方研究者 Jonas Matthias Kübler 也在 OpenReview 獨(dú)立指出，論文與谷歌博客在速度基準(zhǔn)（PyTorch vs JAX）和量化基線（FP32）上口徑不一致。

TurboQuant 此前經(jīng)谷歌官方大規(guī)模宣傳后，曾引發(fā) Micron、Western Digital 等存儲(chǔ)芯片股集體下跌。

延伸閱讀：

一論文引發(fā)全球內(nèi)存股震蕩！原作者澄清：Google TurboQuant 歪曲我們的算法成果