谷歌 TurboQuant 算法遭质疑，中国博士后指其论文存在严重问题

谷歌TurboQuant算法遭质疑事件要点总结

事件背景

• 谷歌TurboQuant算法：谷歌研究院3月25日推出，宣称可解决AI大模型键值缓存（KV Cache）内存瓶颈，称能将AI内存占用降至1/6、推理速度提升8倍。
• 质疑者：苏黎世联邦理工学院博士后、RaBitQ算法第一作者高健扬。

核心质疑内容

高健扬于3月27日公开指控TurboQuant论文存在三大严重问题（且对方在论文提交前已知悉但未修正）：

1. 方法论相似性未披露：TurboQuant未承认与RaBitQ在关键方法论（JL变换）上的相似性。
2. 理论无依据贬低：无证据情况下称RaBitQ的理论为“次优”。
3. 实验设置不公平：实验对比中，RaBitQ使用单核CPU，TurboQuant却使用A100 GPU，结果可信度存疑。

论文与传播争议

• 论文接收与推广：TurboQuant论文已被ICLR2026接收，并受谷歌大力推广，浏览量达数千万次，可能导致错误信息形成“共识”。
• 高健扬的指控细节：
  • 关键证据未披露：RaBitQ已证明渐近最优性（基于FOCS’17理论界限），而TurboQuant使用了相同的随机旋转步骤却未说明联系。
  • 实验设置差异：RaBitQ与TurboQuant的实验环境不一致（CPU vs GPU），对比结果不具备公平性。

后续行动

高健扬表示，在论文提交前已向谷歌团队提出上述问题，但对方“承认问题却未修正”，并已正式提交投诉，要求澄清或修正争议。

影响与风险

• 谷歌的大规模推广（数千万次浏览）可能使未经修正的错误言论固化为行业“共识”，误导AI领域对算法的认知。
• 争议涉及学术诚信问题，需关注ICLR2026会议方的调查进展。

（信息来源：leyunetwork，截至2026年3月28日报道） 一站式数字化解决方案服务商 —— 专业提供软件开发、网站设计、APP 与小程序开发，搭载低费率支付通道，结合创意广告设计，助力企业全链路数字化升级。

• 使用本网站请联系客服
• 点击关注微信公众号：乐鱼网络
• 点击-在线客服