苏黎世联邦理工学院博士后高健扬（RaBitQ算法第一作者）发布公开信，指控谷歌ICLR 2026论文TurboQuant对其先行工作存在三项严重问题。
三项核心指控：
-
方法相似性回避
TurboQuant核心方法同样采用随机旋转，但论文将RaBitQ归类为“基于网格的PQ”，系统性地省略了方法上的直接关联。尽管审稿人曾要求补充讨论，作者不仅未补充，反而将相关描述移至附录。 -
理论结果失实
论文在无依据的情况下，将RaBitQ的理论保证定性为“次优”。实际上，RaBitQ扩展版论文已证明其误差界达到理论上的渐近最优界。 -
实验对比不公
TurboQuant使用自行翻译的Python代码在单核CPU上测试RaBitQ（关闭多线程），却用NVIDIA A100 GPU测试自身算法，导致RaBitQ速度被报告慢数个数量级，且未在论文中披露此设置。
事件进展：
- 高健扬披露，TurboQuant第二作者曾主动联系RaBitQ团队请求调试代码，并在邮件中确认了实验条件的不公平设置，承诺告知其他作者。但后续论文在投稿、接收及谷歌推广过程中，问题均未修正。
- RaBitQ团队已在ICLR OpenReview发布公开评论，并向大会提交正式投诉。
- TurboQuant第一作者仅同意修正后两项问题，且计划在会议结束后进行，但拒绝补充方法相似性讨论。
- 第三方研究者也指出，论文与谷歌官方宣传在速度基准和量化基线上存在口径不一致。
此前，TurboQuant经谷歌大规模宣传后，曾引发美光、西部数据等存储芯片股下跌。
