TurboQuant团队学术不端？谷歌回应了，但争议更大了

王海涛WHT

问AI · 谷歌回应为何未能平息反而加剧争议？

  Z3 t" ?( d! x0 N8 T

( _7 X: X* p* H( ^% A

机器之心编辑部

9 Y, }3 `, x) d一篇 AI 论文，能否同时引发学术争议与 900 亿美元市值震荡？
7 P$ F7 Y* E$ X8 B上周末，我们报道了血洗内存股 900 亿刀的谷歌 AI 论文涉嫌学术不端。指控的核心在于，TurboQuant 团队涉嫌隐瞒核心技术借鉴、错误贬低先行研究，并在实验中进行极度不公平的硬件对比。
, T+ A. h' Y3 x$ q0 b( ]* Q随着舆论发酵，TurboQuant 的作者团队在 OpenReview 平台上做出了公开回应，第二作者 Majid Daliri 发布了一份分为四点的「技术澄清」。

https://openreview.net/forum?id=tO3ASKZlok

  P8 S8 K" E. t6 c) \/ w9 h: k+ N具体回应内容如下：
% v+ v# k9 p7 j

1、核心创新 vs. 标准技术：TurboQuant 并未将其核心方法建立在 RaBitQ 之上。Random rotation 是量化领域中一种标准且广泛使用的技术，其出现时间早于 RaBitQ 的公开发布，例如在一些已有工作中已经被采用，如https://arxiv.org/pdf/2307.13304、https://arxiv.org/pdf/2404.00456、https://arxiv.org/pdf/2306.11987。TurboQuant 的真正创新在于：我们推导出了旋转后向量各坐标所遵循的精确分布，并利用这一结果实现了最优的逐坐标量化。
4 D" o7 c) `/ w, u

2、关于 RaBitQ 最优性的修正：尽管 RaBitQ 的最优性可以从其内部证明中推导出来，但论文的主定理表明其失真误差界按某种形式进行缩放。由于指数项中存在一个隐藏的常数因子，该因子可能导致误差呈指数级放大，因此该形式化表述并未显式保证最优界。这也是我们最初将该方法描述为次优的原因。

, ]$ {+ S9 C2 M) |: t6 E

然而，在对其附录进行仔细分析后，我们发现实际上可以推出一个严格的误差界。既然这一最优性已经由其更深入的证明所支持，我们正在更新 TurboQuant 的论文手稿，以更准确地标注并致谢其理论界限。

3、实验基准的重要性：运行时基准对于我们的研究结论而言并不关键。TurboQuant 的主要贡献集中在压缩率与模型质量之间的权衡，而非特定的加速效果。本工作的价值在于：在极高压缩率下仍能保持模型精度。即使完全移除与 RaBitQ 的运行时间对比，本论文的科学意义与有效性也基本不会受到影响。
* Y7 c4 o/ K) t. q/ V

4、关于时间节点的说明：TurboQuant 自 2025 年 4 月起已在 arXiv 上公开发布，其作者之一在此之前就已与 RaBitQ 作者进行过沟通（这一点也已被 RaBitQ 作者承认）。尽管对方有将近一年的时间可以通过学术渠道提出这些技术问题，但相关质疑是在 TurboQuant 获得广泛关注之后才被提出。

然而，这份回应不仅没能平息争议，反而像是在火上浇油，引发了学术社区和开发者群体更强烈的反弹与吐槽。
5 N- A' r( T2 L

! d- s7 D; @  p' a# T
• 把关键技术「降级」为行业常识
  * R9 `9 f9 `  s5 T# G$ J9 V1 }- I

首先，针对「隐瞒核心技术相似性」的指控，即 TurboQuant 同样使用了 RaBitQ 论文中标志性的「随机旋转（Johnson-Lindenstrauss 变换）」作为第一阶段量化的核心，Daliri 的回应是：随机旋转在量化文献中是一项极其标准且无处不在的技术，早在 RaBitQ 出现之前就有了。他们强调，TurboQuant 的「真正创新」在于推导出了旋转向量坐标的具体分布（Beta 分布），并据此实现了最优的逐坐标量化。
这种说法在字面上没毛病，毕竟谁也不能给一个基础数学变换申请专利。但同行们吐槽的点在于，把别人在相同特定场景（向量量化）下率先组合使用的核心步骤轻描淡写地归结为「行业标配」，然后将顺理成章的分布推导包装成自己的「核心创新」，多少显得有些不够厚道。

% i6 e; w: y* b

5 I8 ?/ _1 ?1 W( t* X) N3 E
• 核心理论评价，建立在「没看清附录」之上
  ; a" p6 o% D2 b- t

其次，关于「错误贬低 RaBitQ 理论结果」的问题。TurboQuant 曾在正文中将 RaBitQ 的理论保证定性为「次优」和「分析粗糙」。面对原作者的对质，Daliri 倒是坦率地认了错。他解释说，因为 RaBitQ 论文主定理的指数中隐藏了一个常数因子，导致他们最初认为这会产生指数级误差，所以给出了「客观的次优评价」。但在仔细研究了对方的附录后，他们发现 RaBitQ 确实达到了严格的最优界限，并承诺会在最终版手稿中更正。
0 n5 u1 x# }) x. e. [7 `虽然态度诚恳，但这段回应依然让人感到一点荒谬。一篇被谷歌官方博客数千万次曝光的 ICLR 顶会论文，其对同行竞品的核心评价，竟然是因为「没仔细看附录」而得出的草率结论。更何况，RaBitQ 团队早在近一年前的邮件沟通中就已经指出了这个理论误读，而 TurboQuant 团队硬是拖到事情在社交媒体上闹大、影响了纳斯达克指数之后，才「恍然大悟」地表示要修改。

• 最具争议的，是「硬件对比」这一环
  ! k% j( u8 U' \4 w+ M( J

第三点回应则彻底点燃了社区的情绪。RaBitQ 团队指控 TurboQuant 在对比运行速度时，用自己的 NVIDIA A100 GPU 去碾压被限制在单核 CPU 且关闭多线程的 RaBitQ Python 翻译版代码（这段 Python 代码甚至还是 TurboQuant 作者自己写完找原作者帮忙 debug 的）。面对如此实锤的「田忌赛马」式跑分造假，Daliri 的回应令人叹为观止：他表示「运行时基准测试对我们的研究结果无关紧要」。
4 v& G! J9 b" ^( L5 w7 \1 P按照 TurboQuant 团队的逻辑，他们的主要贡献在于压缩质量的权衡，而不是具体的加速比，因此就算把和 RaBitQ 的速度对比全删了，也不影响论文的科学价值。评论区质疑如果不重要，当初又何必处心积虑地搞出一套不对等的硬件测试，并把「速度碾压对手」的结论堂而皇之地写进论文里呢？
最后，Daliri 还在回应中抱怨了原作者的「发难时机」，声称 TurboQuant 从 2025 年 4 月就在 arXiv 上公开了，RaBitQ 作者明明有一年的时间通过学术渠道沟通，却偏偏等到论文获得广泛关注后才出来指责。这不仅完全无视了 RaBitQ 团队提供的「2025 年 5 月私下沟通邮件记录」，还隐隐流露出一股「你就是想蹭我热度」的幽怨。

, {/ x1 O  r8 G2 s9 z在 OpenReview 平台上，当初给 TurboQuant 打出高分的审稿人站出来表达了强烈的不满。这位审稿人明确指出，他在评审阶段就已经察觉到了两者的相似性，并「强烈建议」作者在正文中充分讨论 TurboQuant 与 RaBitQ 在设计选择上的差异。然而，作者们在最终的 Camera-ready 中不仅没有进行有意义的探讨，反而仅仅在实验部分提了一次 RaBitQ，甚至把原本正文中对 RaBitQ 已经很不完整的描述直接塞进了附录。

( n0 s+ @  {. H6 G更让社区感到不适的是这背后折射出的大厂傲慢。一位研究者在公开评论中指出，这是一个令人沮丧的现状：做基础奠基性工作的独立研究者或学术团队往往无人问津，而手握巨大影响力的科技巨头（如谷歌）只需将这些底层逻辑稍微包装一下，配合强大的 PR 机器，就能瞬间打造出一个「革命性突破」的学术神话，甚至能以此撬动百亿美元的股票市场。
. F  s( Y/ E. M- |0 j5 F

8 r1 ^9 r6 F, h! c! I- j在这个过程中，如果不是原作者顶着压力、拿着详实的邮件记录和代码证据出来「刚正面」，那些被刻意淡化的技术传承、被错误定性的理论成果、以及单核 CPU 战顶级 GPU 的荒诞对比，就会在大厂千万级的曝光量下固化为新的「行业常识」。
- [/ ]( X& d4 h4 s9 S; l正如 RaBitQ 一作高健扬在声明文末所写：「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。」
8 U& J  f, r2 ?

6 U( U! `9 f; C' t6 }& A纵观整起事件，TurboQuant 在技术层面确实为 LLM 的内存优化提供了一个极具商业价值的工程解法，这也许是它能被 ICLR 接收并在工业界引发地震的原因。
9 I; Z- i8 J! D5 g" d3 |然而，科学研究从来都是建立在同行间诚实、透明的交流与接力之上。当「跑分造假」可以被轻描淡写地解释为「与核心结论无关」，当「忽视先行研究」可以用「行业惯例」来搪塞，这伤害的不仅仅是某一个学术团队的感情，更是整个 AI 研究社区赖以生存的信任基石。

. Q0 L! E- T/ W# Q/ l这场风波目前仍在发酵，而它留给学术界和工业界的反思，恐怕比那 900 亿美元的股市震荡要深远得多。

参考链接：https://www.reddit.com/r/MachineLearning/comments/1s8yni2/d_turboquant_author_replies_on_openreview/

  _7 A7 f/ Y4 k. U1 y

相关阅读：
谷歌再发“技术澄清”，砸崩全球存储股的论文陷争议
; t# H* P/ S0 Z$ i

irontt

@元宝

yidaiju1

跑分造假被抓包，还说不重要，这算不算学术界的‘双标’？

何事秋风画悲扇

这个问题直指学术研究的核心矛盾。当关键实验方法被质疑却以"与核心结论无关"回应时，确实会动摇学术共同体的信任基础。严谨的研究应当坦诚面对方法局限，清晰界定贡献边界，这对维护学术生态的公平性至关重要。

Can_change

谷歌这波操作就像用高端显卡跑分吊打人家手机计算器还说公平，900亿市值震荡背后全是论文灌水套路，大厂学术神话该醒醒了

210小郁

谷歌回应能平息争议吗？