Bài báo của Google gây tranh cãi trong cộng đồng học thuật về cổ phiếu lưu trữ toàn cầu Trung Quốc học giả chỉ trích rằng nó sai lệch nghiêm trọng và không nhận lỗi: đã sử dụng phương pháp của chúng tôi nhưng cố ý tránh đề cập đến sự tương đồng

记者|岳楚鹏

Ngày 26 tháng 3, một bài nghiên cứu của Viện Nghiên cứu Google (Google Research) đã gây chấn động toàn cầu trong thị trường chip lưu trữ, khiến các tập đoàn lớn của Mỹ và Hàn Quốc mất đi hơn 9 tỷ USD giá trị vốn hóa thị trường.

Bài nghiên cứu của Google tuyên bố rằng một thuật toán mới có tên TurboQuant có thể nén mức sử dụng bộ nhớ của bộ nhớ đệm KV của các mô hình AI lớn xuống còn 1/6 mà không làm giảm độ chính xác.

Chỉ một ngày sau, nghiên cứu sinh sau tiến sĩ ở Đại học Bách khoa Liên bang Zurich, Gao Jianyang, đã đăng bài trên mạng xã hội, thẳng chỉ ra rằng bài nghiên cứu của Google có những vấn đề nghiêm trọng về mặt học thuật.

Gao Jianyang cho biết Google đã lảng tránh sự tương đồng giữa thuật toán TurboQuant và phương pháp RaBitQ mà anh công bố trong thời gian học nghiên cứu sinh tiến sĩ tại Đại học Công nghệ Nam Dương (NTU) ở Singapore vào năm 2024, đồng thời mô tả sai kết quả lý thuyết của RaBitQ, và còn cố ý tạo ra môi trường thực nghiệm không công bằng.

RaBitQ là một thuật toán lượng tử hóa vectơ, có thể đảm bảo độ tin cậy của việc tìm kiếm ngay cả khi dữ liệu vectơ được nén ở mức độ cao.

Gao Jianyang cũng cho biết nhóm TurboQuant của Google “biết sai nhưng không sửa”. Trước khi bài nghiên cứu TurboQuant của Google được xuất bản chính thức vào tháng 4 năm 2025, chính anh đã gửi email chỉ ra các vấn đề nêu trên, nhưng phía Google sau khi nắm được vẫn không tiến hành sửa chữa triệt để trong phiên bản cuối cùng.

Ngày 29 tháng 3, phóng viên của 《Nhật báo Kinh tế hằng ngày》（sau đây gọi tắt là NBD）đã phỏng vấn tác giả bài báo RaBitQ là Gao Jianyang và Long Cheng.

RaBitQ là công việc chính của Gao Jianyang trong thời gian học nghiên cứu sinh tiến sĩ tại Đại học Công nghệ Nam Dương ở Singapore; còn Long Cheng là nghiên cứu sinh hướng dẫn tiến sĩ của anh.

Đồng thời, phóng viên của 《Nhật báo Kinh tế hằng ngày》cũng đã gửi email đề nghị phỏng vấn đến Google, nhưng tính đến thời điểm soạn thảo, vẫn chưa nhận được phản hồi. Theo thông tin được biết, Viện Nghiên cứu Google sẽ trình bày bài báo TurboQuant tại Hội nghị quốc tế về biểu diễn học tập 2026 (ICLR 2026) diễn ra vào tháng 4.

Gao Jianyang Ảnh nguồn: do người được phỏng vấn cung cấp

NBD: Lúc đầu các anh/chị chú ý đến việc bài nghiên cứu TurboQuant của Google có vấn đề là vào khi nào?

Gao Jianyang: Ngay từ tháng 1 năm 2025, tác giả thứ hai của bài TurboQuant là Majid Daliri đã chủ động liên hệ với chúng tôi, đề nghị hỗ trợ gỡ lỗi phiên bản Python mà anh ấy tự chuyển đổi dựa trên mã C++ của RaBitQ, đồng thời mô tả chi tiết các bước tái hiện và thông tin lỗi. Điều này cho thấy nhóm TurboQuant nắm rõ đầy đủ các chi tiết kỹ thuật của RaBitQ.

Sau khi bài TurboQuant được công bố vào tháng 4 năm 2025, chúng tôi nhận thấy mô tả về RaBitQ trong bài báo này có những sai lệch nghiêm trọng—đã mô tả RaBitQ là grid-based PQ (lượng tử hóa tích dựa trên lưới), hoàn toàn bỏ qua bước quay ngẫu nhiên cốt lõi của nó, đồng thời, không có bất kỳ suy dẫn hay bằng chứng nào, gán các cam kết lý thuyết của RaBitQ là “kém tối ưu”, và các so sánh thực nghiệm cũng có thiết kế rõ ràng là không công bằng.

Phản ứng đầu tiên của chúng tôi là vừa bối rối vừa tiếc nuối: độ tương đồng giữa TurboQuant và RaBitQ về mặt kỹ thuật rất rõ ràng, trong khi mức độ hiểu của phía kia về RaBitQ lại vượt xa mức của người đọc thông thường; trong bối cảnh như vậy, việc xuất hiện một mô tả sai lệch mang tính hệ thống như thế rất khó có thể giải thích bằng sự sơ suất.

NBD: Trước khi lên tiếng công khai, hai bên đã có những trao đổi nào?

Gao Jianyang: Chúng tôi đã tiến hành nhiều vòng trao đổi, kéo dài hơn một năm.

Vào tháng 5 năm 2025, thông qua email, chúng tôi đã thảo luận kỹ về sự khác biệt trong điều kiện thí nghiệm và tính tối ưu của kết quả lý thuyết với Majid Daliri, đồng thời từng điểm làm rõ các cách diễn giải sai của nhóm TurboQuant; Majid Daliri cũng khẳng định rằng anh ấy đã thông báo kết quả thảo luận cho tất cả các đồng tác giả.

Tuy nhiên, sau khi chúng tôi yêu cầu sửa các sai sót mang tính thực tế trong bài báo, anh ấy đã ngừng trả lời.

Vào tháng 11 năm 2025, chúng tôi phát hiện TurboQuant đã được nộp cho ICLR 2026 (Hội nghị quốc tế về biểu diễn học tập 2026), và nội dung sai vẫn không hề bị thay đổi nguyên vẹn. Ngay sau đó, chúng tôi liên hệ với ICLR 2026 PC Chairs (Chủ tịch Ban chương trình), nhưng không nhận được phản hồi.

Sau khi vào tháng 3 năm 2026, bài báo được Google chính thức quảng bá trên quy mô lớn thông qua các kênh chính thức, chúng tôi một lần nữa gửi email chính thức đến toàn thể các tác giả.

Phản hồi nhận được là: tác giả thứ nhất Amir Zandieh cam kết sửa mô tả về mặt lý thuyết và điều kiện thí nghiệm, nhưng từ chối thẳng việc sửa nội dung thảo luận về sự tương đồng trong phương pháp luận, đồng thời khẳng định rằng chỉ muốn thực hiện sửa đổi sau khi Hội nghị ICLR 2026 kết thúc chính thức. Phản hồi này khiến chúng tôi thất vọng nhưng không quá bất ngờ. Rõ ràng phía kia biết vấn đề ở đâu, nhưng lại chọn nhượng bộ ở mức tối thiểu nhất.

NBD: Tương đồng quan trọng nhất giữa TurboQuant và RaBitQ là gì?

Gao Jianyang: Điểm tương đồng cốt lõi nhất nằm ở chỗ cả hai đều áp dụng một thiết kế quan trọng—thực hiện phép quay ngẫu nhiên lên vectơ trước khi lượng tử hóa (biến đổi Johnson-Lindenstrauss)—và sử dụng các tính chất thống kê của phân bố tọa độ sau phép quay để xây dựng bộ ước lượng khoảng cách.

Điều đáng chú ý là trong phần trả lời của các tác giả bài TurboQuant trên ICLR OpenReview (nền tảng phổ biến nơi cộng đồng học thuật sử dụng để đánh giá phản biện công khai các bài báo), họ mô tả phương pháp của mình như sau: “Cách triển khai của chúng tôi là: trước hết chuẩn hóa các vectơ bằng chuẩn L2, sau đó áp dụng một phép quay ngẫu nhiên để đảm bảo các thành phần của các vectơ sau phép quay tuân theo phân phối Beta.” Điều này khớp rất chặt với cơ chế cốt lõi của RaBitQ, nhưng trong phần thân bài báo lại chưa bao giờ nêu thẳng mối liên hệ đó.

Có thể hiểu bằng một phép so sánh: Giả sử một đầu bếp trước tiên công bố toàn bộ công thức món ăn của mình; sau đó một đầu bếp khác đăng một món ăn sử dụng gần như các bước cốt lõi tương tự, nhưng trong phần giới thiệu lại mô tả món ăn trước đó là “một món khác có cách làm khác và hiệu quả kém hơn”, trong khi không hề đề cập một chữ nào về mối liên hệ giữa hai món.

Khi người đọc không biết bối cảnh, đương nhiên không thể đưa ra đánh giá công bằng.

Long Cheng Ảnh nguồn: do người được phỏng vấn cung cấp

NBD: Theo quy chuẩn học thuật, mối quan hệ như vậy nên được xử lý thế nào?

Long Cheng: Quy chuẩn học thuật yêu cầu rằng khi một công trình mới có mối liên hệ thực chất về mặt phương pháp luận với các công trình đã có trước đó, thì cần phải nêu rõ trích dẫn và thảo luận một cách thẳng thắn mối liên hệ này, bao gồm việc giải thích công trình mới đã thúc đẩy tiến bộ ở những khía cạnh nào và những khía cạnh nào đã kế thừa từ khung sẵn có.

Trong trường hợp này, điều đó càng đặc biệt quan trọng, bởi một người phản biện của ICLR cũng đã độc lập chỉ ra trong ý kiến phản biện rằng “RaBitQ và các biến thể của nó có điểm tương tự với TurboQuant ở chỗ cả hai đều sử dụng random projection (phép chiếu ngẫu nhiên)”, đồng thời yêu cầu thảo luận và so sánh đầy đủ hơn.

Ngay cả người phản biện cũng nhận ra mối liên hệ này, nhưng các tác giả bài báo lại không chỉ không bổ sung thảo luận trong phiên bản cuối cùng, mà còn chuyển phần mô tả chưa đầy đủ về RaBitQ trong phần thân bài sang phần phụ lục. Cách xử lý này đi ngược hoàn toàn với những yêu cầu cơ bản của quy chuẩn học thuật.

NBD: Vì sao các anh/chị chọn công khai ngay bây giờ, thay vì tiếp tục giải quyết trong nội bộ thông qua kênh học thuật?

Long Cheng: Chúng tôi không bỏ qua kênh học thuật; mà là trong bối cảnh kênh học thuật đã cơ bản đi đến chỗ kết thúc, chúng tôi chọn công khai.

Chúng tôi đã lần lượt liên hệ với các tác giả của bài báo, ICLR PC Chairs (Chủ tịch Ban chương trình), và đã gửi một khiếu nại chính thức kèm theo bộ bằng chứng đầy đủ đến ICLR General Chairs (Chủ tịch hội nghị) và Code and Ethics Chairs (Chủ tịch về mã và đạo đức), đồng thời cũng đăng bình luận công khai trên nền tảng ICLR OpenReview.

Nhưng chúng tôi cũng phải thừa nhận một thực tế: chúng tôi là một nhóm nghiên cứu quy mô nhỏ trong một trường đại học; đối phương là Viện Nghiên cứu Google. Về nguồn lực, tầm ảnh hưởng và quyền phát ngôn, hai bên vốn dĩ không cân bằng.

Bài TurboQuant trong thời gian ngắn trên mạng xã hội đạt hàng chục triệu lượt xem và liên quan—không phòng thí nghiệm của bất kỳ trường đại học nào có thể có năng lực lan tỏa như vậy.

Trong bối cảnh không cân xứng như thế này, nếu chúng tôi tiếp tục im lặng và chờ đợi quy trình nội bộ, thì câu chuyện sai lệch sẽ chỉ càng được củng cố nhanh thành nhận thức chung. Việc lên tiếng công khai là một trong số rất ít biện pháp mà bên yếu thế có thể sử dụng khi phản hồi qua kênh chính thức chậm trễ, nhằm bảo vệ những sự thật học thuật cơ bản.

NBD: Nếu các vấn đề liên quan không được sửa, có thể gây ra những ảnh hưởng gì?

Long Cheng: Thứ nhất, nó sẽ làm méo mó có hệ thống lịch sử học thuật, khiến các nhà nghiên cứu sau này hiểu sai nguồn gốc của sự tiến hóa phương pháp luận, từ đó xây dựng công trình mới dựa trên nền tảng sai.

Thứ hai, nó sẽ làm giảm cơ chế tạo động lực cho nghiên cứu sáng tạo. Nếu một phương pháp đạt sai số cận tiệm cận tối ưu sau suy dẫn lý thuyết nghiêm ngặt mà có thể được “đóng gói lại” để hướng ra công chúng với lượng phơi bày hàng chục triệu, trong khi tác giả gốc lại không nhận được sự ghi nhận xứng đáng, thì sự tổn hại đối với hệ sinh thái học thuật sẽ kéo dài và sâu rộng.

Thứ ba, đối với lĩnh vực lượng tử hóa vectơ—đang ở giai đoạn phát triển nhanh và nhận được sự quan tâm cao từ công nghiệp—việc gán sai thuộc tính phương pháp có thể trực tiếp ảnh hưởng đến phán đoán của người làm trong ngành và nhà nghiên cứu về lộ trình kỹ thuật, dẫn đến phân bổ sai nguồn lực.

NBD: Các anh/chị cho rằng đây có phải là bất đồng học thuật không?

Long Cheng: Điều này đã vượt ra ngoài phạm vi bất đồng học thuật. Bất đồng học thuật thường phát sinh khi hai bên có sự khác biệt thực sự trong cách hiểu nội dung kỹ thuật.

Nhưng trong trường hợp này, nhóm TurboQuant có hồ sơ ghi nhận đầy đủ về mức độ nắm bắt các chi tiết kỹ thuật của RaBitQ; chúng tôi cũng đã làm rõ từng điểm qua email vào tháng 5 năm 2025 về tính tối ưu của các cam kết lý thuyết, và Majid Daliri xác nhận rằng đã thông báo cho tất cả các tác giả; sự không tương xứng về điều kiện thí nghiệm cũng đã được chính tác giả thừa nhận trong email.

Trong bối cảnh như trên, các sai sót liên quan vẫn không được sửa trong suốt quá trình bài báo trải qua—từ nộp bài, phản biện, chấp nhận, xuất bản cho đến tuyên truyền quy mô lớn. Chúng tôi không có xu hướng vội vàng đưa ra phán định mang tính định tính, nhưng chúng tôi cho rằng chuỗi hành vi này đã có đủ cơ sở sự thật để cộng đồng học thuật và các tổ chức liên quan có thể đưa ra phán đoán độc lập.

Ảnh nguồn: tài khoản mạng xã hội của Gao Jianyang

NBD: Đối với các tổ chức nghiên cứu lớn như Viện Nghiên cứu Google, trách nhiệm của họ nằm ở đâu?

Long Cheng: Việc “bảo chứng” của các tổ chức lớn bản thân đã tạo ra hiệu ứng khuếch đại. Một bài báo được quảng bá qua kênh chính thức của Google thì tốc độ lan truyền và phạm vi phủ sóng của nó không thể so sánh với các bài báo học thuật thông thường.

Trong quy mô như vậy, một khi câu chuyện sai lệch trong bài báo lan truyền, chi phí để sửa sẽ tăng lên gấp nhiều lần. Tôi cho rằng các tổ chức lớn có trách nhiệm, trước khi quảng bá trên quy mô lớn một bài báo ra bên ngoài, đảm bảo rằng các mô tả liên quan đến công việc của người khác đã qua kiểm tra cơ bản về mặt sự thật, thay vì đẩy hoàn toàn trách nhiệm đó cho phản biện đồng cấp.

Đồng thời, khi các nhà nghiên cứu bên ngoài đưa ra những phản đối có thể kiểm chứng, thì tổ chức lớn cũng nên có cơ chế nội bộ chính thức để xử lý, chứ không giữ im lặng. Đây vừa là trách nhiệm đối với cộng đồng học thuật, vừa là sự bảo vệ uy tín và độ tin cậy của chính họ.

NBD: Các anh/chị có kế hoạch thực hiện thêm hành động gì không?

Long Cheng: Tiếp theo, chúng tôi dự định công bố một báo cáo kỹ thuật chi tiết trên arXiv, hệ thống hóa mối quan hệ về mặt phương pháp luận giữa RaBitQ và TurboQuant, và lần lượt trình bày kỹ thuật cho từng trong ba vấn đề, để cộng đồng học thuật tham khảo.

Chúng tôi cũng đang cân nhắc việc phản ánh qua các kênh tiếp theo đến các tổ chức liên quan như Google Research Escalation Council (Hội đồng khiếu nại của Google về nghiên cứu). Mục tiêu của chúng tôi luôn là để hồ sơ học thuật công cộng phản ánh chính xác mối quan hệ thực sự giữa các phương pháp với nhau, chứ không phải tạo ra đối lập.

Tin tức khổng lồ, phân tích chính xác, có ngay trên ứng dụng Sina Finance

Người phụ trách: Thường Phúc Cường