谷歌TurboQuant論文遭先行算法作者逐条駁斥

1M AI News のモニタリングによると、チューリッヒ連邦工科大学のポスドク研究員である高建揚氏が公開書簡を発表し、Google の ICLR 2026 論文 TurboQuant における、先行研究 RaBitQ の記述には重大な問題が 3 点あると告発した。高建揚氏は RaBitQ の第一著者であり、このアルゴリズムは 2024 年にデータベース分野のトップ会議 SIGMOD で発表されている。中核となる手法は、量子化の前にランダム回転（Johnson-Lindenstrauss 変換）を適用することであり、漸近的に最適な誤差上界を達成することが厳密に証明されている。さらに、理論計算機分野のトップ会議 FOCS の Workshop での招待講演も行っている。

3 つの告発はそれぞれ次のとおり：

1. 方法の類似性の回避：TurboQuant の中核手法もランダム回転を採用しているが、論文では RaBitQ を「格子ベースの PQ」と分類し、両者の方法における直接的な関連性を体系的に省略している。ICLR の査読者は、両手法はいずれもランダム射影を用いており、追加の議論が必要だと独立に指摘していた。TurboQuant チームは追加せず、むしろ本文における RaBitQ の説明を付録へ移した
2. 理論結果の不実表示：論文は、いかなる根拠もないまま RaBitQ の理論的保証を「劣った」（suboptimal）と定性的に評価し、「分析が緩い」ことを理由としている。RaBitQ の拡張版論文では、その誤差上界が FOCS 2017 で Alon-Klartag が提示した漸近的に最適な上界に到達することがすでに証明されている
3. 実験比較の不公正：TurboQuant は、自前で翻訳した Python コードで、単一コア CPU 上（多スレッドを無効化）に RaBitQ をテストしているにもかかわらず、自身のアルゴリズムは NVIDIA A100 GPU でテストしており、その結果、RaBitQ の速度が数桁も遅く報告されている。また、論文中でこの設定は開示されていない

高建揚氏は、TurboQuant の第二著者 Majid Daliri が 2025 年 1 月に主導で RaBitQ チームへ連絡し、RaBitQ の C++ コードを翻訳した Python バージョンのデバッグ支援を求めたと明らかにした。2025 年 5 月のメールでは、実験条件が不公平であることを本人が直接確認し、RaBitQ チームの理論に関する釈明を全共同著者へ伝えたとも述べた。しかしその後、TurboQuant の論文は投稿から査読、採択、さらに Google による大規模な公式プロモーションの全過程において、上記の問題は一貫して修正されなかった。

RaBitQ チームは ICLR OpenReview に公開コメントを掲載し、ICLR 大会の議長および倫理委員会に対して正式な申し立てを行った。TurboQuant の第一著者 Amir Zandieh は、第二および第三の問題は修正する用意があると返信したが、方法の類似性に関する議論の補足は拒否し、ICLR 2026 の会期終了後にのみ修正に同意するとした。第三者研究者の Jonas Matthias Kübler もまた OpenReview で独立に、論文と Google のブログの間で、速度ベンチマーク（PyTorch vs JAX）および量子化ベースライン（FP32）に関する前提が一致していないと指摘した。TurboQuant はこれまで Google の公式による大規模な宣伝の後、Micron や Western Digital などのストレージ・チップ株が集団的に下落を引き起こした。