Згідно з моніторингом 1M AI News, постдоктор наук Цюріхського федерального технологічного інституту Гао Цзяньян опублікував відкритий лист, звинувачуючи Google у наявності трьох серйозних проблем у описі його попередньої роботи RaBitQ у статті TurboQuant для конференції ICLR 2026. Гао Цзяньян є першим автором RaBitQ, алгоритм був опублікований у 2024 році на провідній конференції SIGMOD, основний метод полягає у застосуванні випадкових обертів (перетворення Джонсона-Лінденштрауса) перед квантуванням, і було строго доведено, що він досягає асимптотично оптимальної межі помилки, і його запрошували представити на Workshop провідної конференції з теоретичної інформатики FOCS.
Три звинувачення такі:
- Уникнення схожості методів: основний метод TurboQuant також використовує випадкові оберти, але стаття класифікує RaBitQ як «метод PQ на основі решітки», систематично пропускаючи прямий зв’язок між обома методами. Рецензенти ICLR незалежно вказали, що обидва методи використовують випадкове проекціювання та вимагали додаткового обговорення, команда TurboQuant не лише не доповнила, а навпаки, перенесла опис RaBitQ з основного тексту до додатка.
- Неправильність теоретичних результатів: стаття без будь-яких доказів класифікує теоретичні гарантії RaBitQ як «підоптимальні» (suboptimal), звинувачуючи у «досить слабкому аналізі». Розширена версія статті RaBitQ вже довела, що її межа помилки досягає асимптотично оптимальної межі, наведеної Алоно-Клартагом (FOCS 2017).
- Несправедливість експериментального порівняння: TurboQuant тестує RaBitQ за допомогою самостійно перекладеного Python-коду на однопроцесорному ЦП (без багатопоточності), але тестує свій алгоритм на GPU NVIDIA A100, що призводить до того, що швидкість RaBitQ повідомляється як значно повільніша, і ця настройка не була розкрита в статті.
Гао Цзяньян розкрив, що другий автор TurboQuant Маджид Далірі у січні 2025 року активно звернувся до команди RaBitQ з проханням допомогти налагодити Python-версію, перекладену з C++ коду RaBitQ, у травневому листі 2025 року особисто підтвердив несправедливість експериментальних умов та заявив, що повідомив усім співавторам про теоретичні роз’яснення команди RaBitQ. Однак після цього стаття TurboQuant протягом усього процесу подачі, рецензування, прийняття та масового просування Google не була виправлена.
Команда RaBitQ вже опублікувала відкритий коментар на ICLR OpenReview і подала офіційну скаргу до голови конференції ICLR та етичного комітету. Перший автор TurboQuant Амір Зандієх відповів, що готовий виправити друге та третє питання, але відмовився додати обговорення схожості методів, і погодився лише виправити після закінчення конференції ICLR 2026. Третій сторонній дослідник Йонас Матіас Кюблер також самостійно вказав на OpenReview, що стаття має невідповідність з блогом Google щодо швидкості бенчмарків (PyTorch проти JAX) та бази квантування (FP32). Раніше TurboQuant після масштабної реклами від Google викликала колективне падіння акцій компаній з виробництва пам’яті, таких як Micron та Western Digital.
Застереження: Інформація на цій сторінці може походити від третіх осіб і не відображає погляди або думки Gate. Вміст, що відображається на цій сторінці, є лише довідковим і не є фінансовою, інвестиційною або юридичною порадою. Gate не гарантує точність або повноту інформації і не несе відповідальності за будь-які збитки, що виникли в результаті використання цієї інформації. Інвестиції у віртуальні активи пов'язані з високим ризиком і піддаються значній ціновій волатильності. Ви можете втратити весь вкладений капітал. Будь ласка, повністю усвідомлюйте відповідні ризики та приймайте обережні рішення, виходячи з вашого фінансового становища та толерантності до ризику. Для отримання детальної інформації, будь ласка, зверніться до
Застереження.
