谷歌研究院遭学术不端指控！中国博士后指其新算法TurboQuant论文存在严重问题

2026 年 3 月，谷歌研究院推出号称能“重塑 AI 效率”的极端压缩算法 TurboQuant，宣称可将大模型键值缓存（KV Cache）内存占用降至 1/6，推理速度提升 8 倍。然而，仅仅两天后，这场技术盛宴便因一起严重的学术伦理指控而蒙上阴影。

TurboQuant：谷歌新算法实现零精度损失压缩，KV Cache 内存缩减 6 倍

苏黎世联邦理工学院 (ETH Zurich) 博士后、经典量化算法 RaBitQ 的第一作者 高健扬 公开指责谷歌团队在 TurboQuant 论文中存在严重的不当行为，包括歪曲事实、不公平对比以及刻意隐瞒方法论来源。更令人震惊的是，高健扬透露，这些问题在论文投稿前就已向谷歌团队指出并获承认，但对方选择不予修正。

核心指控：三大“罪状”

高健扬在公开声明中详细列举了 TurboQuant 论文的三个主要问题：

1. 刻意隐瞒方法论同源 (JL 变换)

• 指控：TurboQuant 的核心步骤中包含了一个关键的随机旋转 (Random Rotation) 操作，这正是 RaBitQ 算法的基石（基于 Johnson-Lindenstrauss 变换）。
• 问题：谷歌论文在描述该技术时，未披露其与 RaBitQ 的联系，仿佛这是谷歌的原创发现，避免了承认关键方法论上的相似性。

2. 无证据抹黑前人理论

• 指控：谷歌论文在没有任何理论证明或实验数据支持的情况下，径直将 RaBitQ 的理论界限标记为 “次优 (Suboptimal)”。
• 事实：高健扬指出，RaBitQ 早在 FOCS'17 (计算机科学顶级会议) 上就已证明了其渐近最优性。谷歌的指责不仅错误，且具有误导性。

3. 极其不公的实验对比

• 指控：为了凸显 TurboQuant 的优越性，谷歌设计了完全不对等的实验环境。
• 细节：
  • 测试 RaBitQ 时：使用的是 单核 CPU。
  • 测试 TurboQuant 时：使用的是强大的 NVIDIA A100 GPU。
• 后果：这种“田忌赛马”式的对比，人为制造了 TurboQuant 性能碾压的假象，严重误导了读者和业界。

事前警告被无视：从“承认”到“冷处理”

最令学术界愤慨的是谷歌团队的态度。高健扬透露：

• 事前沟通：在论文提交至 ICLR 2026 之前，他的团队就已联系谷歌作者，明确指出了上述问题和担忧。
• 对方回应：谷歌作者当时承认了这些问题的存在。
• 最终选择：尽管已知晓错误，谷歌团队仍选择不修改论文，直接提交并最终被 ICLR 2026 接收。

“在这样的传播规模下（浏览量达数千万次），未经修正的言论很快就会变成所谓的‘共识’。” —— 高健扬

后续行动：正式投诉已提交

面对谷歌的“既定事实”策略，高健扬表示已不再沉默，采取了以下行动：

1. 公开揭露：通过社交媒体和学术社区公开详细指控，还原事实真相。
2. 正式投诉：已向 ICLR 2026 组委会 及 谷歌研究院 提交了正式的学术不端投诉，要求重新审查该论文，并纠正其中的错误陈述和不公平对比。