[谷歌] 谷歌再發"技術澄清",砸崩全球存儲股的論文陷爭議
4月1日，在沉默了近壹周後，谷歌引發爭議的壓縮算法TurboQuant論文團隊終於回應了。然而，這壹最新的“技術澄清”看起來仍未平息爭議，針對“核心技術相似性”的指控，谷歌辯稱隨機旋轉是標准技術，並認為實驗基准中的錯誤對事實“並不重要”。
在3月最後壹周，這篇被谷歌官方博客高調宣傳的論文，曾以壹己之力砸崩全球存儲芯片股，美光、SK海力士、叁星電子等市值蒸發超900億美元。論文指出，TurboQuant 這種壓縮算法能夠將大語言模型的 KV 緩存內存占用減少至少 6 倍，速度提升高達 8 倍，且精度零損失。
華爾街的恐慌在於：如果軟件能把AI內存需求壓縮6倍，芯片硬件的增長邏輯就要重寫。
然而，反轉來得很快。3月27日，RaBitQ作者、蘇黎世聯邦理工學院博士後高健揚在知乎發布萬字長文，指控谷歌團隊存在系統性學術問題，輿論迅速轉向對谷歌學術不端的拷問。
業界普遍認為，RaBitQ率先提出了原創方法，TurboQuant在其基礎上進行了優化，卻未給予應有的引用與尊重，甚至作出了不公正的貶低。
4月1日，面對外界的指控，論文第贰作者Majid Daliri終於出來，代表團隊在OpenReview平台上發布了壹份共肆個點的“技術澄清”。
在核心技術新穎性方面，谷歌辯稱，TurboQuant的核心方法並非源自RaBitQ。因為“隨機旋轉是量化文獻中壹種標准的、無處不在的技術”，早在RaBitQ出現前就被廣泛使用。TurboQuant的真正創新在於推導出了旋轉後的坐標分布。
但學術圈的規則是：如果某人是第壹個把“輪子”用在“汽車”上，並造出了完整的車，後來的造車者引用並致謝是基本的學術禮儀。谷歌將前人成果輕描淡寫為行業常識，等於把先行者貢獻降級了。
其次，關於貶低RaBitQ理論為“次優”的指控，論文作者承認，是因為自己沒仔細看對方的附錄，漏了壹個常數因子，才得出了草率的結論，“導致我們最初誠實地將該方法描述為次優”。現在仔細研究了，發現RaBitQ確實是最優的，團隊正在更新TurboQuant手稿。
不過，壹篇頂會論文，對同行核心理論的負面評價建立在“沒看清附錄”的基礎上，這壹解釋的力度難免受到質疑。
在第叁點，針對“把對手綁住手腳再賽跑”的指控，Majid Daliri直接指出，即使完全省略了與RaBitQ的運行時比較，該論文的科學影響和有效性也基本保持不變。因為TurboQuant的主要貢獻在於壓縮質量的權衡，而不是特定的加速。
此前高健揚在公開信中披露，谷歌團隊測試RaBitQ時使用單核CPU並關閉多線程，測試TurboQuant時則采用英偉達A100 GPU。盡管團隊宣稱速度對比並非核心，論文中卻仍將速度作為關鍵賣點之壹。
最後，谷歌在回應中暗示對方“別有用心”，指出論文自2025年4月就在arXiv發布，對方有將近壹年時間通過學術渠道提問題，卻等到論文獲得廣泛關注後才鬧大。
根據高健揚此前的回應，早在2025年5月雙方就通過郵件私下溝通，2025年11月還曾聯系ICLR組委會，但均未得到有效回應。直到谷歌通過官方渠道將論文推上千萬級曝光量的神壇，學術糾正才變得迫在眉睫。
在OpenReview上，有研究者評論，這是壹個值得更多關注的嚴重問題。“看到從事實際基礎工作的人被忽視，而大型、有影響力的組織卻大肆宣傳自己的成果，這令人沮喪。”在這壹點上，感覺不像是科學，更像是壹場與大廠的公關競賽。
[加西網正招聘多名全職sales 待遇優]
好新聞沒人評論怎麼行，我來說幾句
在3月最後壹周，這篇被谷歌官方博客高調宣傳的論文，曾以壹己之力砸崩全球存儲芯片股，美光、SK海力士、叁星電子等市值蒸發超900億美元。論文指出，TurboQuant 這種壓縮算法能夠將大語言模型的 KV 緩存內存占用減少至少 6 倍，速度提升高達 8 倍，且精度零損失。
華爾街的恐慌在於：如果軟件能把AI內存需求壓縮6倍，芯片硬件的增長邏輯就要重寫。
然而，反轉來得很快。3月27日，RaBitQ作者、蘇黎世聯邦理工學院博士後高健揚在知乎發布萬字長文，指控谷歌團隊存在系統性學術問題，輿論迅速轉向對谷歌學術不端的拷問。
業界普遍認為，RaBitQ率先提出了原創方法，TurboQuant在其基礎上進行了優化，卻未給予應有的引用與尊重，甚至作出了不公正的貶低。
4月1日，面對外界的指控，論文第贰作者Majid Daliri終於出來，代表團隊在OpenReview平台上發布了壹份共肆個點的“技術澄清”。
在核心技術新穎性方面，谷歌辯稱，TurboQuant的核心方法並非源自RaBitQ。因為“隨機旋轉是量化文獻中壹種標准的、無處不在的技術”，早在RaBitQ出現前就被廣泛使用。TurboQuant的真正創新在於推導出了旋轉後的坐標分布。
但學術圈的規則是：如果某人是第壹個把“輪子”用在“汽車”上，並造出了完整的車，後來的造車者引用並致謝是基本的學術禮儀。谷歌將前人成果輕描淡寫為行業常識，等於把先行者貢獻降級了。
其次，關於貶低RaBitQ理論為“次優”的指控，論文作者承認，是因為自己沒仔細看對方的附錄，漏了壹個常數因子，才得出了草率的結論，“導致我們最初誠實地將該方法描述為次優”。現在仔細研究了，發現RaBitQ確實是最優的，團隊正在更新TurboQuant手稿。
不過，壹篇頂會論文，對同行核心理論的負面評價建立在“沒看清附錄”的基礎上，這壹解釋的力度難免受到質疑。
在第叁點，針對“把對手綁住手腳再賽跑”的指控，Majid Daliri直接指出，即使完全省略了與RaBitQ的運行時比較，該論文的科學影響和有效性也基本保持不變。因為TurboQuant的主要貢獻在於壓縮質量的權衡，而不是特定的加速。
此前高健揚在公開信中披露，谷歌團隊測試RaBitQ時使用單核CPU並關閉多線程，測試TurboQuant時則采用英偉達A100 GPU。盡管團隊宣稱速度對比並非核心，論文中卻仍將速度作為關鍵賣點之壹。
最後，谷歌在回應中暗示對方“別有用心”，指出論文自2025年4月就在arXiv發布，對方有將近壹年時間通過學術渠道提問題，卻等到論文獲得廣泛關注後才鬧大。
根據高健揚此前的回應，早在2025年5月雙方就通過郵件私下溝通，2025年11月還曾聯系ICLR組委會，但均未得到有效回應。直到谷歌通過官方渠道將論文推上千萬級曝光量的神壇，學術糾正才變得迫在眉睫。
在OpenReview上，有研究者評論，這是壹個值得更多關注的嚴重問題。“看到從事實際基礎工作的人被忽視，而大型、有影響力的組織卻大肆宣傳自己的成果，這令人沮喪。”在這壹點上，感覺不像是科學，更像是壹場與大廠的公關競賽。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: