事件概述 - 谷歌研究团队一篇关于AI模型内存压缩的顶会论文TurboQuant，被指控在技术描述、理论对比和实验对比上存在严重问题，并涉嫌刻意忽视和淡化先行工作RaBitQ，引发学术不端争议[2][4] 涉事论文与技术的市场影响 - TurboQuant论文声称能将大语言模型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[6] - 该技术因能大幅降低运行大模型所需的硬件资源，冲击了内存芯片需求增长预期，导致谷歌博客发布当天美国内存股集体暴跌，闪迪跌6.5%，希捷科技跌超5%，西部数据跌超4%，美光科技跌4%，市场单日蒸发市值超过900亿美元[8] - 谷歌在社交媒体上对该论文的宣传贴浏览量达到上千万次[11] 被指控的学术不端行为 - 苏黎世联邦理工学院博士后高健扬指控TurboQuant论文的核心方法（在量化前对输入向量施加随机旋转/Johnson-Lindenstrauss变换）与其团队两年前发表的RaBitQ系列论文核心技术相同，但TurboQuant论文全程刻意回避直接关联[14][16][21] - TurboQuant论文将RaBitQ错误描述为grid-based PQ，并忽略了其核心的random rotation步骤，有意模糊传承关系[22] - TurboQuant第二作者早在2025年1月曾联系RaBitQ作者请求协助调试复现代码，表明其对RaBitQ技术细节非常了解，却在论文中未进行合理引用和客观对比[22] 指控的具体问题 - 系统性回避技术相似性：TurboQuant未正面讨论与RaBitQ的方法联系，甚至在审稿人指出相似性后，将原本正文中对RaBitQ的不完整描述移到了附录中[25] - 错误描述RaBitQ的理论结果：TurboQuant论文将RaBitQ的理论保证定性为“次优”，归因于“较粗糙的分析”，但RaBitQ拓展版论文已严格证明其达到了理论上的渐近最优误差界，此错误在多次沟通后仍未更正[27] - 刻意制造不公平的实验条件：测试RaBitQ速度时，未使用其官方开源的C++实现，而是使用自行翻译的Python版本，并限制在单核CPU运行，而TurboQuant自身使用NVIDIA A100 GPU测试，这些不公平条件未在论文中披露[28] 事件进展与回应 - RaBitQ作者团队从2025年5月起通过邮件与TurboQuant团队多次私下沟通，指出问题，但对方以“随机旋转已成为领域标准技术”为由拒绝修正[23] - 论文被ICLR 2026接收后，谷歌开始大规模推广，RaBitQ作者团队于2026年3月再次正式致函要求说明与更正，TurboQuant第一作者仅承诺修正部分问题，拒绝讨论技术相似性问题[31] - RaBitQ作者已在ICLR OpenReview平台发布公开评论，并向会议主席等提交正式投诉，并表示将发布详细技术报告[31]