谷歌内存论文疑被抄袭，华人学者控诉业内学术不公
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
新智元报道
编辑：好困 Aeneas
【新智元导读】把闪存股一夜干崩的谷歌顶会论文，出大事了。TurboQuant的核心方法，两年前就被一位华人学者做完、发完顶会、代码全部开源了。谷歌不仅没正面提及，而且还恶意操纵实验数据把成果贬成「次优」，即使收到邮件也拒不改正，这就是大科技公司赤裸裸的学术霸凌！
就在刚刚，谷歌塌房了！
前几天，谷歌一篇即将在ICLR 2026亮相的新论文，直接把存储巨头美光和西部数据的股价干崩了。
Cloudflare CEO激动地发推称：「这是谷歌的DeepSeek时刻！」
就在AI圈沉浸在兴奋中，全世界都在为这篇论文欢呼之时，谷歌居然火速塌房了。
3月27日晚上10点，一条推文打破了狂欢。
苏黎世联邦理工学院博士后，RaBitQ算法的第一作者高健扬公开表示：
TurboQuant论文在描述RaBitQ时存在严重问题，包括不正确的技术声明和误导性的理论、实验对比——而这些问题在投稿前就已向作者指出，对方承认了，但选择不修正。
翻译过来就是，谷歌的这篇论文，不仅抄袭了他们的核心代码，还强行拉踩！
具体来说，TurboQuant在核心方法（随机旋转）上与高健扬此前已发表的RaBitQ高度相似，但谷歌不仅未在正文中客观探讨，还在明知故犯的情况下，将RaBitQ的理论结果贬低为「次优」。
而且，根据披露的邮件记录，TurboQuant团队早在一年前就被私下告知了这些问题，但从未修正。
原文地址：https://zhuanlan.zhihu.com/p/2020969476166808284?wec h a tShare=1&s_r=0
文章发布几小时后，各大平台的评论区里，全是网友们对谷歌激动地声讨。
对于RaBitQ，高健扬已经做了两年研究，发表了两篇顶会，而且代码全部开源。
然而现在，谷歌转手就把他的成果「重新发明」了一遍，还荣登顶会，获得全行业的称赞。
这简直就是利用大厂光环歪曲事实的学术霸权行为！
谷歌的吃相太难看了
这次学术争端，核心思路集中在向量量化上。
向量量化，就是把高维空间里的向量「压小」，在尽量不丢失信息的前提下省内存、省计算。此问题可以追溯到香农的信源编码理论，是信息论里最经典的问题之一。
早在2024年5月，高健扬团队就在arXiv上发布了RaBitQ。
论文地址：https://arxiv.org/abs/2405.12497
他们的核心思路是：
在量化之前，先对向量做一次随机旋转（Johnson-Lindenstrauss变换）。旋转之后，向量每个坐标的分布变得可预测，就可以用更高效的方式做量化。
虽然想法看起来很简洁，但背后的理论工作却很扎实。
在24年9月，团队又发表了扩展版论文，严格证明了这种方法达到了理论计算机顶级会议FOCS 2017给出的渐近最优误差界。
因此，高健扬被邀请到FOCS的Workshop做报告。随后，RaBitQ先后发表在数据库领域顶会SIGMOD 2024和SIGMOD 2025上，代码全部开源。
谁能想到，这居然给谷歌的研究者们提供了方便。
他们这次发表的TurboQuant，核心也是随机旋转+向量量化，这不就是RaBitQ在2024年5月就公开发表的核心架构吗？
可以说，谷歌，这就是在赤裸裸地抄袭！
谷歌这篇论文，已经被称赞为「彻底改变AI格局」了
一封邮件，三个质疑，全部「已读不回」
有人问，是不是这次谷歌只是漏引了一篇论文？
了解事件详情后就会发现，谷歌的行为，比这要严重得多，恶劣得多！
第一，谷歌剽窃了他们的核心方法，却假装没看见。
谷歌在TurboQuant论文中，反复强调随机旋转是自己方法的关键步骤，但在描述RaBitQ时，只把它归类为「grid-based PQ」（基于网格的乘积量化），完全跳过了RaBitQ中同样核心的随机旋转步骤。
因此在读者看来，RaBitQ仿佛是一个跟TurboQuant毫无关系的旧方法一样。
然而，谷歌真的不知道RaBitQ用了随机旋转吗？绝不可能！
审稿过程中，Reviewer Autm问了一个直球问题：「随机旋转是你们论文首创的吗？」
TurboQuant作者在rebuttal中白纸黑字地回复：
The use of random rotation has been explored before (see references like Quarot, RabitQ, QJL, etc).
（随机旋转的使用此前已有探索，参见Quarot、RabitQ、QJL等工作。）
所以很显然，谷歌承认是RaBitQ先用了随机旋转，他们并不是首创，然而在论文正文里，他们却对此只字不提。
这个鸡贼的做法，不止一位审稿人注意到了。
比如给出10分满分（strong accept）的Reviewer WFrV就直接明示了这一点，建议谷歌作者在论文终稿里承认RaBitQ的地位。
RaBitQ and variants are similar to TurboQuant in that they all use random projection。
（RaBitQ及其变体与TurboQuant相似，都使用了随机投影。）
I strongly encourage the authors to add these experiments in the final version of the paper.
（我强烈建议作者在终稿中加入这些实验。）
结果，谷歌的终稿出来之后，不仅没有加入讨论，还把正文中对RaBitQ仅有的（还不完整的）描述，挪到了附录里，这个做法简直要把人气笑了。
2026年3月，高健扬团队正式致信TurboQuant全体作者要求纠正。
TurboQuant第一作者Amir Zandieh回了一句：
随机旋转和JL变换已经是领域里的标准技术了，我们不可能引用每一个用到它们的方法。
简直让人无语了。
第二，说别人的理论是「次优」，但证据呢？
TurboQuant论文中有这样一句话：
While the paper's theoretical guarantees are suboptimal, likely due to loose analysis — as practical performance surpasses theoretical bounds.
翻译过来：RaBitQ的理论保证是次优的，很可能是因为分析太粗糙了。
然而真实情况是，RaBitQ扩展版的Theorem 3.2已经严格证明，其误差界匹配FOCS 2017给出的渐近最优界。
也正是因为这个事实，他们才被邀请到FOCS去做Workshop报告。
2025年5月，高健扬团队通过邮件与TurboQuant二作Majid Daliri进行了多轮详细技术讨论，逐条解释了为什么RaBitQ的理论保证是最优的。
Daliri在邮件中明确表示，已将讨论内容告知全体共同作者。
然而，实际上他们什么都没做。
华人学者辛辛苦苦花了两年证明的最优性定理，被人一句「suboptimal, likely due to loose analysis」就否定了。
第三，绑住别人的手，再说自己跑得快。
TurboQuant论文报告RaBitQ的量化速度比TurboQuant慢了「数个数量级」。
然而这个计算方法，没有任何公平可言。
Daliri在2025年5月的邮件中承认了，他们测试RaBitQ时用的是自己翻译的Python版本（而非最新开源的高度优化的C++实现），并且关闭了多线程，在单核CPU上跑。而TurboQuant用的则是英伟达的A100 GPU。
但问题是，RaBitQ的最新代码2024年5月就开源了，默认是多线程并行。
而且，Daliri在2025年1月的邮件中就已经表示自己成功跑通了RaBitQ的C++代码。
他知道最新实现有多快。但最终论文里用来做对比的，仍然是他自己翻译的、运行在单核CPU上的Python版本。
用Python单核CPU去跟A100 GPU对比，仿佛就是把对手的鞋带绑在一起，再跟他赛跑，最后在论文中得出：我们快了好几个数量级。
不仅如此，TurboQuant的论文还被发现漏洞百出！
3月26日，研究者Jonas Matthias Kübler在OpenReview上发布公开评论，对TurboQuant的实验方法提出了多个具体质疑：
速度对比的baseline是FP32精度，但现实中没有框架会用32位存KV缓存，这让「8倍加速」的说法很不实在；
速度baseline在论文正文里写的是PyTorch einsum，到了博客里又变成了JAX；
更耐人寻味的是，Llama模型2.5bit配置的LongBench分数，从arXiv版本的49.44变成了ICLR版本的49.74，差距缩小了50%，但论文没有说明做了什么改动。
总之，如果回顾完整的时间线，就会发现，谷歌的论文作者根本不是粗心，不是疏忽，每一步都有人提醒，每一步都被选择性忽略了。
先把蛋糕吃完，再讨论蛋糕是不是你的。
数千万人看到的叙事，是错的
现在，一边是中国博士后，两年研究，两篇顶会，代码全部开源。另一边是Google Research，一篇博客，数千万曝光，存储股跌停。
如果没有人纠正，RaBitQ就会被记录为一个「次优的、很慢的」老方法，TurboQuant就是「从零开始、全面超越」的新突破。
历史就是这么被改写的。
在Hacker News上，NeurIPS 2024论文DRIVE的作者也站出来了——同样使用了随机旋转+偏差校正框架，同样曾被Google邀请做内部报告，同样没有被TurboQuant引用。
这不是一两个人的遭遇。
错误的学术叙事一旦广泛传播，纠正的成本会越来越高。
在数千万曝光面前，这个声音很小。
但是，必须有人发声。
参考资料：
https://x.com/gaoj0017/status/2037532673812443214
https://www.linkedin.com/feed/update/urn:li:activity:7443322114301956096/?originTrackingId=Vc0dkeibHUvsvZ4FSE0Tdw%3D%3D
https://zhuanlan.zhihu.com/p/2020969476166808284?utm_medium=social&utm_psn=2020975962079118879&utm_source=wec h a t_timeline&wec h a tShare=1&s_r=0
https://openreview.net/forum?id=tO3ASKZlok
相关攻略
新智元报道编辑：好困 Aeneas【新智元导读】把闪存股一夜干崩的谷歌顶会论文，出大事了。TurboQuant的核心方法，两年前就被一位华人学者做完、发完顶会、代码全部开源了。谷歌不仅没正面提及，而
机器之心编辑部就在刚刚，正在舆论风口上左摇右摆的 AI 顶会 NeurIPS 发布了一条长推文，针对此前的「NeurIPS 限制华为等实体机构投稿」事件做了解释、道歉、承诺三件事：解释：在编制 Ne
在中国科学技术协会、中国计算机学会、中国自动化学会相继发布声明宣布“抵制”后，人工智能学术会议NeurIPS低头道歉。 3月27日，NeurIPS通过社交平台“X”发布了一份声明，就征稿指南中的不
智东西作者 杨京丽编辑 李水青智东西3月27日报道，今天下午，AI三大顶会之一NeurIPS最新在X平台发布声明，就此前引发轩然大波的制裁合规条款正式致歉。▲NeurIPS最新在X平台发布声明（中文
今天，中国科协发布的一条声明引起广泛关注：“自2026年3月27日起，中国科协停止受理学者参加2026年NeurIPS会议资助申请，同时，有关申请全部转至国内相应学术会议资助或者面向尊重中国学者权益
热门专题
热门推荐
在明日方舟终末地中，小陈剧情的开启需要满足一定条件并完成特定任务。首先，要确保玩家已经达到一定的游戏进度。这包括推进主线剧情到一定阶段，解锁了相应的区域和功能。随着主线剧情的推进，
前言《逐玉》大结局落幕那晚，我盯着屏幕良久，胸口像压了块浸水的棉絮，沉闷得喘不过气。从首播时满怀热望地守在更新页面，到中期边看边叹气、反复暂停找逻辑漏洞，再到最后几集干脆调成倍速、只为“完成任务”式
3月28日消息 据新华社报道，俄罗斯政府日前宣布了一项重要的能源指令。俄副总理亚历山大·诺瓦克已指示能源部起草行政命令，计划从4月1日起全面禁止汽油出口。此举的核心目的是在中东战事引发全球能源市场动
蓝海搜书最新可用网址是https: www lanhaizw com ，平台具备极简无广告界面、全球CDN加速、三类自适应阅读模式、四重语义检索、27个细分分类、跨设备同步及离线
在网络信息爆炸的时代，一款好用的浏览器能为我们带来便捷与丰富的体验。悟空浏览器网页版正式版入口，成为众多用户探索网络精彩的关键通道。悟空浏览器以其简洁界面和强大功能吸引着广大用户。