谷歌 TurboQuant 论文被指控数据造假，RaBitQ 作者发文质疑

指控

RaBitQ 量化论文作者公开指控谷歌 TurboQuant 论文存在数据造假，这一学术争议在知乎上引发热议，浏览量超 423 万。

背景

两篇论文均涉及 LLM 量化——降低神经网络权重精度以在几乎不损失质量的情况下使模型更小更快。这是在消费级硬件上部署大模型的关键领域。

• TurboQuant：谷歌的方法，声称可节省大量内存（据说 6 倍）
• RaBitQ：独立研究者开发的替代量化方法

指控内容

RaBitQ 作者的详细分析显示：

• TurboQuant 实验结果存在异常
• 基准比较存疑
• 可能存在挑选有利指标的行为
• 方法论存在可复现性担忧

为什么重要

LLM 量化是 AI 研究中商业价值最高的领域之一。声称 6 倍内存节省将代表重大突破。如果结果造假：

• 基于 TurboQuant 的下游研究可能失效
• 谷歌在量化领域的信誉受损
• AI 研究的可复现性危机加剧

可复现性危机

此争议加剧了 AI 研究可复现性的担忧：

• 许多顶会论文无法被独立研究者复现
• 发表压力导致可疑实践
• 商业利益可能损害学术诚信

知乎讨论帖已成为中国 AI 研究社区辩论这些问题的重要阵地。