血洗内存股的谷歌 AI 论文涉嫌学术造假：TurboQuant 与 RaBitQ 之争

📌 一句话摘要

谷歌 ICLR 2026 论文 TurboQuant 因涉嫌系统性回避先行研究 RaBitQ、错误描述理论结果及制造不公平实验对比，遭到 ETH Zurich 研究员公开指控学术不端。

📝 详细摘要

本文报道了谷歌研究中心（Google Research）发表的 ICLR 2026 顶会论文 TurboQuant 陷入学术造假风波。该论文介绍了一种能大幅压缩大语言模型 KV 缓存的算法，曾因其对硬件需求的潜在削减引发全球内存芯片股大跌。然而，苏黎世联邦理工学院（ETH Zurich）的高健扬博士发布证据指出，TurboQuant 的核心机制（随机旋转量化）早在两年前的 RaBitQ 研究中就已完整提出。指控核心包括：谷歌团队在明知 RaBitQ 细节的情况下刻意回避引用；错误定性 RaBitQ 的理论界为「次优」；并在实验中使用极不公平的对比条件（如用 Python 复现对比 C++ 原生实现，单核 CPU 对比 A100 GPU）。目前原作者已向 ICLR 官方提交正式投诉。

💡 主要观点

- 谷歌 TurboQuant 论文被指控系统性回避与先行研究 RaBitQ 的技术相似性。 尽管 TurboQuant 团队曾私下向 RaBitQ 作者请教代码调试细节，但在论文中却刻意淡化两者的传承关系，甚至在审稿人指出相似性后仍拒绝在正文中进行正面讨论。

谷歌论文涉嫌错误描述并贬低 RaBitQ 的理论结果。 TurboQuant 将 RaBitQ 的理论保证定性为「次优」，而事实上 RaBitQ 已被证明达到渐近最优误差界。谷歌作者在获知澄清后，在论文宣发过程中仍未更正此错误。

实验对比存在严重且未披露的不公平性。 谷歌在对比速度时，使用自行编写的 Python 版 RaBitQ 运行于单核 CPU，而自家算法运行于 A100 GPU，这种系统性的不公平条件未在论文中明确披露，导致结论极具误导性。

💬 文章金句

- 一篇论文被 Google 以数千万曝光量推向公众，在这种体量下，论文中错误的叙事不需要主动传播，只需要不被纠正，就会自动成为共识。

TurboQuant 论文全程刻意回避了与 RaBitQ 在方法上的直接关联，反而在正文中将 RaBitQ 描述为 grid-based PQ，并且在描述中忽略了 RaBitQ 中核心的 random rotation 步骤。
相关问题早在论文投稿前便已被明确指出，却被作者方刻意忽视。

📊 文章信息

AI 评分：87

来源：机器之心

作者：机器之心

分类：人工智能

语言：中文

阅读时间：12 分钟

字数：2811

标签：谷歌, TurboQuant, RaBitQ, 学术不端, ICLR

阅读完整文章

血洗内存股的谷歌 AI 论文涉嫌学术造假：TurboQuant 与 RaBitQ 之争

🤖 問 AI