大反转！Google TQ新算法是白嫖来的？

问题描述：

这是今早看到的图：

image942×1920 175 KB

---

受害者是RabitQ作者

TQ二作请求RabitQ帮忙调试代码，转头投稿

一是白嫖思路。只提随机旋转（Rabiq的核心理念），只字不提RabitQ。

二是刻意不公平的环境测试 ，显得TQ算法优于RabitQ 数个数量级

(对RabitQ C++改用py,多线程改用单线程，TQ则是使用A100GPU)

三是把RabitQ理论定义为“次优”

多次反馈被无视并借助Google渠道获取千万曝光

---

评论区相关留言：

image590×202 69.3 KB

image501×222 64.8 KB

完整版：

大家好，我叫高健扬，目前在苏黎世联邦理工学院做博士后，我是 RaBitQ 系列工作的第一作者。

Google Research 于2026年1月被 ICLR 2026 会议接收的论文 ”TurboQuant: Online Vector Quantization with Near-optimal Distortion Rate“ 中，有关已有的 RaBitQ 向量量化算法的描述，理论结果对比，实验对比均存在严重问题（详细情况后文会展开描述）。这些问题在论文投稿至 ICLR 2026 前已被我们通过邮件明确指出，TurboQuant 团队也明确表示已知情，但选择了不予修正。论文随后被 ICLR 2026 会议接收，然后通过 Google 官方渠道大规模推广，在社交媒体浏览量已达到数千万次。

我们此时公开说明，是因为错误的学术叙事一旦广泛传播，纠正的成本会越来越高。

––

背景：RaBitQ 是什么

RaBitQ 系列论文（如下所列）于2024年发表，提出了一种高维向量量化方法，并从理论上证明其达到了理论计算机顶级会议论文（Alon-Klartag, FOCS 2017）给出的渐近最优误差界。