Bài phê bình về TurboQuant của Google do tác giả của thuật toán trước đó thực hiện

Theo 1M AI News, Gao Jianyang, một nhà nghiên cứu sau tiến sĩ tại ETH Zurich, đã công bố một bức thư ngỏ cáo buộc bài báo ICLR 2026 của Google, TurboQuant, có ba sai sót nghiêm trọng trong việc mô tả công trình trước đó của ông, RaBitQ. Gao Jianyang, tác giả chính của RaBitQ, một thuật toán được công bố vào năm 2024 tại hội nghị cơ sở dữ liệu hàng đầu SIGMOD, sử dụng phép xoay ngẫu nhiên (biến đổi Johnson-Lindenstrauss) trước khi lượng tử hóa. Phương pháp này đã được chứng minh một cách nghiêm ngặt là đạt được các giới hạn lỗi tối ưu tiệm cận và đã được mời trình bày tại một hội thảo của hội nghị khoa học máy tính lý thuyết hàng đầu, FOCS.

Ba cáo buộc là:

1. Vượt qua sự tương đồng phương pháp: Phương pháp cốt lõi của TurboQuant cũng sử dụng phép xoay ngẫu nhiên. Tuy nhiên, bài báo phân loại RaBitQ là ‘PQ dựa trên lưới,’ một cách có hệ thống bỏ qua mối liên hệ phương pháp trực tiếp giữa hai phương pháp này. Các nhà đánh giá của ICLR đã chỉ ra độc lập rằng cả hai phương pháp đều sử dụng phép chiếu ngẫu nhiên và yêu cầu một cuộc thảo luận bổ sung. Nhóm TurboQuant không chỉ không cung cấp điều này mà còn chuyển mô tả về RaBitQ từ phần chính sang phần phụ lục.
2. Kết quả lý thuyết không chính xác: Bài báo đánh giá chất lượng đảm bảo lý thuyết của RaBitQ là ‘không tối ưu’ mà không có bất kỳ lý do nào, quy cho ‘phân tích lỏng lẻo.’ Một bài báo mở rộng về RaBitQ đã chứng minh rằng giới hạn lỗi của nó đạt được giới hạn tối ưu tiệm cận do Alon-Klartag đưa ra (FOCS 2017).
3. So sánh thực nghiệm không công bằng: TurboQuant đã thử nghiệm RaBitQ bằng cách sử dụng mã Python tự dịch trên một CPU đơn lõi (với đa luồng bị tắt), trong khi thử nghiệm thuật toán của chính nó trên GPU NVIDIA A100. Điều này dẫn đến việc RaBitQ được báo cáo là chậm hơn hàng trăm lần. Thiết lập thực nghiệm này không được công bố trong bài báo.

Gao Jianyang tiết lộ rằng Majid Daliri, tác giả thứ hai của TurboQuant, đã chủ động liên hệ với nhóm RaBitQ vào tháng 1 năm 2025 để yêu cầu trợ giúp trong việc gỡ lỗi phiên bản Python của họ, được dịch từ mã C++ của RaBitQ. Trong một email ngày tháng 5 năm 2025, Daliri đã xác nhận cá nhân về thiết lập thực nghiệm không công bằng và cho biết rằng các làm rõ lý thuyết từ nhóm RaBitQ đã được thông báo tới tất cả các đồng tác giả. Mặc dù vậy, các vấn đề vẫn không được sửa chữa trong suốt quá trình nộp, đánh giá, chấp nhận và quảng bá rộng rãi của TurboQuant bởi Google.

Nhóm RaBitQ đã công bố một bình luận công khai trên ICLR OpenReview và nộp một đơn khiếu nại chính thức tới Chủ tịch Hội nghị ICLR và Ủy ban Đạo đức.

Amir Zandieh, tác giả chính của TurboQuant, đã phản hồi, bày tỏ sẵn sàng sửa chữa hai vấn đề thứ hai và thứ ba nhưng từ chối bổ sung cuộc thảo luận về sự tương đồng phương pháp. Ông chỉ đồng ý thực hiện các sửa chữa sau khi hội nghị ICLR 2026 kết thúc. Nhà nghiên cứu bên thứ ba Jonas Matthias Kübler cũng đã độc lập lưu ý trên OpenReview về sự không nhất quán giữa bài báo và blog của Google liên quan đến các tiêu chuẩn tốc độ (PyTorch so với JAX) và cơ sở lượng tử hóa (FP32).

Sau khi được quảng bá chính thức rộng rãi bởi Google, phiên bản trước của TurboQuant đã từng gây ra một đợt giảm chung trong cổ phiếu chip lưu trữ, bao gồm cả của Micron và Western Digital.