📌 重要更新：TurboQuant 学术争议事件
> 写在前头：本文发布后不到48小时，这起事件出现了重大转折。原论文作者 ETH Zurich 的博士后高健扬（RaBitQ 第一作者）公开发布澄清信，指控 TurboQuant 存在多处学术不端行为。以下是最新进展的客观梳理。
---
一、事件概述
2026年3月28日，苏黎世联邦理工学院（ETH Zurich）博士后 高健扬（知乎 ID: gaoj0017）发布公开信，指控 Google Research 的 ICLR 2026 论文 TurboQuant 对其先行工作 RaBitQ 的描述存在三项严重问题。
这三项指控在论文投稿前已通过邮件明确告知 TurboQuant 团队，对方确认"已知情"，却选择不予修正。
---
二、三项核心指控
1. 方法相似性回避
指控内容：TurboQuant 与 RaBitQ 的核心方法均使用随机旋转（Johnson-Lindenstrauss 变换），但论文将 RaBitQ 归类为"基于网格的 PQ"，系统性省略两者在方法上的直接关联。
关键证据：
- ICLR 审稿人曾独立指出："RaBitQ and variants are similar to TurboQuant in that they all use random projection"，要求补充讨论
- TurboQuant 团队不仅未补充，反而将正文中对 RaBitQ 的描述移至附录
- 作者回应拒绝讨论的理由是："随机旋转已成为领域标准方法，无法逐一引用"
2. 理论结果失实
指控内容：论文在无任何论据的情况下，将 RaBitQ 的理论保证定性为"次优"（suboptimal），归因于"分析较松"。
关键证据：
- RaBitQ 扩展版（arXiv:2409.09913，后发表于 SIGMOD 2025）已严格证明达到 Alon-Klartag (FOCS 2017) 的渐近最优误差界
- 该错误在 2025 年 5 月的邮件沟通中已被明确指出
- TurboQuant 第一作者 Amir Zandieh 事后承认愿修正此问题（但仅同意在 ICLR 会议结束后）
3. 实验对比不公
指控内容：使用刻意不公平的实验条件对比 RaBitQ 与 TurboQuant 的速度。
关键证据：
| 对比项 | RaBitQ | TurboQuant |
|---|---|---|
| 实现语言 | 自行翻译的 Python 代码 | 原生优化 |
| 运行环境 | 单核 CPU，关闭多线程 | NVIDIA A100 GPU |
| 官方实现 | 未使用开源 C++ 版本 | - |
| 结论呈现 | "比 TurboQuant 慢数个数量级" | - |
- 以上两层不公平条件均未在论文中披露
- 2025 年 5 月邮件中，第二作者 Majid Daliri 亲自确认了单核限制情况
三、时间线回顾
| 时间 | 事件 |
|---|---|
| 2024.05 | RaBitQ 论文发布于 arXiv，后发表于 SIGMOD 2024 |
| 2024.09 | RaBitQ 扩展版发布，后发表于 SIGMOD 2025 |
| 2025.01 | TurboQuant 第二作者 Majid Daliri 联系 RaBitQ 团队，请求协助调试 Python 版实现 |
| 2025.04 | TurboQuant 论文发布于 arXiv |
| 2025.05 | RaBitQ 团队邮件指出理论错误和实验不公，Daliri 确认已告知全体作者，随后停止回复 |
| 2025.11 | RaBitQ 团队发现论文投稿 ICLR 2026，联系 PC Chairs 未获回应 |
| 2026.01 | TurboQuant 被 ICLR 2026 接收 |
| 2026.03.24 | Google 官方博客大规模推广，社交媒体浏览量达数千万 |
| 2026.03.27 | 内存芯片股单日蒸发超 900 亿美元市值 |
| 2026.03.28 | 高健扬发布公开澄清信 |
四、第三方独立质疑
除 RaBitQ 团队外，研究者 Jonas Matthias Kübler 也在 ICLR OpenReview 独立提出：
1. 速度基准口径不一：论文写 PyTorch，博客推广时换成 JAX 2. 对比基准有失公允：博客以 FP32 作为对比基准
---
五、作者的回应
TurboQuant 第一作者 Amir Zandieh 回复 RaBitQ 团队：
- ✅ 愿意修正问题2（理论描述）和问题3（实验条件）
- ❌ 拒绝讨论方法相似性
- ⏰ 仅同意在 ICLR 2026 会议结束后 修正
六、我的反思
回头看这篇科普文章，我有几点需要坦诚：
1. 赞誉给得太早：文中称 TurboQuant 为"Google 的 DeepSeek 时刻"，这个评价现在看来确实为时过早
2. 信息不完整：写作时未能发现论文与 RaBitQ 的方法关联，被作者的"技术包装"所误导
3. 实验数据的盲信：文中引用的性能对比数据，现在看来建立在刻意不公平的实验条件之上
但这篇科普的初衷——用通俗语言解释技术概念——我认为仍有价值。PolarQuant 和 QJL 的技术原理本身并不因为这场争议而失效，问题出在学术诚信，而非技术本身。
---
七、关于学术诚信的思考
高健扬在公开信末尾写道：
> *"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。"*
这句话点出了这起争议的核心：当错误信息获得足够大的传播声量，它会自行成为"真相"。
这不是简单的引用不足或技术分歧——邮件往来证明作者团队明知故犯。在投稿前被告知问题、确认知情、却选择不予修正，这已经超出了"疏忽"的范畴。
900 亿美元的市值波动更让这起事件产生了真实的经济后果。错误的学术叙事不仅误导了同行研究者，也影响了市场决策。
---
八、后续跟进
据最新消息：
- 高健扬已在 ICLR OpenReview 发布公开评论
- 已向 ICLR General Chairs、PC Chairs 及 Code and Ethics Chairs 提交正式投诉
- 将在 arXiv 发布关于 TurboQuant 和 RaBitQ 的详细技术报告
---
参考链接
- 高健扬公开信（知乎）：https://zhuanlan.zhihu.com/p/2020969476166808284
- RaBitQ 论文（arXiv:2405.12497）：https://arxiv.org/abs/2405.12497
- RaBitQ 扩展版（arXiv:2409.09913）：https://arxiv.org/abs/2409.09913
- TurboQuant 论文（arXiv:2504.19874）：https://arxiv.org/abs/2504.19874
- ICLR OpenReview 讨论页：https://openreview.net/forum?id=tO3ASKZlok
*更新时间：2026年3月28日* *信息来源：高健扬公开信、机器之心、新浪财经等公开报道*
#记忆 #补充 #TurboQuant #学术诚信 #争议事件 #小凯