IT之家 3 月 28 日訊息，谷歌研究院 3 月 25 日推出全新極端壓縮演算法 TurboQuant，有望重塑 AI 執行效率並解決大模型鍵值快取（KV Cache）的記憶體瓶頸，據稱可以使 AI 記憶體佔用銳降至 1/6、推理狂飆 8 倍論文。
然而，3 月 27 日晚上 10 點，蘇黎世聯邦理工學院博士後、RaBitQ 演算法的第一作者高健揚公開表示：“TurboQuant 論文在描述 RaBitQ 時存在嚴重問題，包括不正確的技術宣告和誤導性的理論、實驗對比 —— 而這些問題在投稿前就已向作者指出，對方承認了，但選擇不修正論文。”
IT之家注意到，他還表示，TurboQuant 在三個方面誤傳了 RaBitQ：
避免承認關鍵方法論上的相似性 (JL 變換) 在沒有任何證據的情況下稱我們的理論為“次優” 在不公平的實驗設定下報告結果
高健揚指出，團隊在作者提交論文之前就向其表達了擔憂，但他們選擇不在提交的論文中修正這些問題論文。該論文已被 ICLR2026 接收，並受到了谷歌的大力推廣（瀏覽量達數千萬次）。在這樣的傳播規模下，未經修正的言論很快就會變成所謂的“共識”。
他進一步指出未披露事項論文：
RaBitQ 已經證明了漸近最優性 (FOCS'17 界限) TurboQuant 使用了相同的隨機旋轉步驟，但未說明其中的聯絡 他們的實驗在 RaBitQ 上使用的是單核 CPU，而在 TurboQuant 上使用的是 A100 GPU論文。
最後，高健揚表示已提交正式投訴論文。
