[谷歌] 砸崩全球存储股后 谷歌再发"技术澄清"
4月1日，在沉默了近一周后，谷歌引发争议的压缩算法TurboQuant论文团队终于回应了。然而，这一最新的“技术澄清”看起来仍未平息争议，针对“核心技术相似性”的指控，谷歌辩称随机旋转是标准技术，并认为实验基准中的错误对事实“并不重要”。
在3月最后一周，这篇被谷歌官方博客高调宣传的论文，曾以一己之力砸崩全球存储芯片股，美光、SK海力士、三星电子等市值蒸发超900亿美元。论文指出，TurboQuant 这种压缩算法能够将大语言模型的 KV 缓存内存占用减少至少 6 倍，速度提升高达 8 倍，且精度零损失。
华尔街的恐慌在于：如果软件能把AI内存需求压缩6倍，芯片硬件的增长逻辑就要重写。
然而，反转来得很快。3月27日，RaBitQ作者、苏黎世联邦理工学院博士后高健扬在知乎发布万字长文，指控谷歌团队存在系统性学术问题，舆论迅速转向对谷歌学术不端的拷问。
业界普遍认为，RaBitQ率先提出了原创方法，TurboQuant在其基础上进行了优化，却未给予应有的引用与尊重，甚至作出了不公正的贬低。
4月1日，面对外界的指控，论文第二作者Majid Daliri终于出来，代表团队在OpenReview平台上发布了一份共四个点的“技术澄清”。
在核心技术新颖性方面，谷歌辩称，TurboQuant的核心方法并非源自RaBitQ。因为“随机旋转是量化文献中一种标准的、无处不在的技术”，早在RaBitQ出现前就被广泛使用。TurboQuant的真正创新在于推导出了旋转后的坐标分布。
但学术圈的规则是：如果某人是第一个把“轮子”用在“汽车”上，并造出了完整的车，后来的造车者引用并致谢是基本的学术礼仪。谷歌将前人成果轻描淡写为行业常识，等于把先行者贡献降级了。
其次，关于贬低RaBitQ理论为“次优”的指控，论文作者承认，是因为自己没仔细看对方的附录，漏了一个常数因子，才得出了草率的结论，“导致我们最初诚实地将该方法描述为次优”。现在仔细研究了，发现RaBitQ确实是最优的，团队正在更新TurboQuant手稿。
不过，一篇顶会论文，对同行核心理论的负面评价建立在“没看清附录”的基础上，这一解释的力度难免受到质疑。
在第三点，针对“把对手绑住手脚再赛跑”的指控，Majid Daliri直接指出，即使完全省略了与RaBitQ的运行时比较，该论文的科学影响和有效性也基本保持不变。因为TurboQuant的主要贡献在于压缩质量的权衡，而不是特定的加速。
此前高健扬在公开信中披露，谷歌团队测试RaBitQ时使用单核CPU并关闭多线程，测试TurboQuant时则采用英伟达A100 GPU。尽管团队宣称速度对比并非核心，论文中却仍将速度作为关键卖点之一。
[加西网正招聘多名全职sales 待遇优]
好新闻没人评论怎么行，我来说几句
在3月最后一周，这篇被谷歌官方博客高调宣传的论文，曾以一己之力砸崩全球存储芯片股，美光、SK海力士、三星电子等市值蒸发超900亿美元。论文指出，TurboQuant 这种压缩算法能够将大语言模型的 KV 缓存内存占用减少至少 6 倍，速度提升高达 8 倍，且精度零损失。
华尔街的恐慌在于：如果软件能把AI内存需求压缩6倍，芯片硬件的增长逻辑就要重写。
然而，反转来得很快。3月27日，RaBitQ作者、苏黎世联邦理工学院博士后高健扬在知乎发布万字长文，指控谷歌团队存在系统性学术问题，舆论迅速转向对谷歌学术不端的拷问。
业界普遍认为，RaBitQ率先提出了原创方法，TurboQuant在其基础上进行了优化，却未给予应有的引用与尊重，甚至作出了不公正的贬低。
4月1日，面对外界的指控，论文第二作者Majid Daliri终于出来，代表团队在OpenReview平台上发布了一份共四个点的“技术澄清”。
在核心技术新颖性方面，谷歌辩称，TurboQuant的核心方法并非源自RaBitQ。因为“随机旋转是量化文献中一种标准的、无处不在的技术”，早在RaBitQ出现前就被广泛使用。TurboQuant的真正创新在于推导出了旋转后的坐标分布。
但学术圈的规则是：如果某人是第一个把“轮子”用在“汽车”上，并造出了完整的车，后来的造车者引用并致谢是基本的学术礼仪。谷歌将前人成果轻描淡写为行业常识，等于把先行者贡献降级了。
其次，关于贬低RaBitQ理论为“次优”的指控，论文作者承认，是因为自己没仔细看对方的附录，漏了一个常数因子，才得出了草率的结论，“导致我们最初诚实地将该方法描述为次优”。现在仔细研究了，发现RaBitQ确实是最优的，团队正在更新TurboQuant手稿。
不过，一篇顶会论文，对同行核心理论的负面评价建立在“没看清附录”的基础上，这一解释的力度难免受到质疑。
在第三点，针对“把对手绑住手脚再赛跑”的指控，Majid Daliri直接指出，即使完全省略了与RaBitQ的运行时比较，该论文的科学影响和有效性也基本保持不变。因为TurboQuant的主要贡献在于压缩质量的权衡，而不是特定的加速。
此前高健扬在公开信中披露，谷歌团队测试RaBitQ时使用单核CPU并关闭多线程，测试TurboQuant时则采用英伟达A100 GPU。尽管团队宣称速度对比并非核心，论文中却仍将速度作为关键卖点之一。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 | 更多... |
推荐: