重新审视 RaBitQ 与 TurboQuant：方法、理论与实验的对称比较
机器学习
2026-05-01 v2 人工智能
数据库
摘要
本技术短文在统一的比较框架下重新审视了 RaBitQ 与 TurboQuant 之间的关系。我们使用可复现、透明且对称的设置，在方法论、理论保证和经验性能方面对这两种方法进行了比较。我们的结果表明，尽管 TurboQuant 声称具有优势，但在内积估计、最近邻搜索和 KV cache 量化的大多数测试设置中，TurboQuant 的表现均不如 RaBitQ。我们进一步发现，在所述配置下，TurboQuant 论文中报告的几项运行时和召回率结果无法从其发布的实现中复现。总体而言，本文澄清了这两条工作之间的共享结构和真正差异，同时记录了 TurboQuant 论文报告的实验结果中存在的可复现性问题。
引用
@article{arxiv.2604.19528,
title = {Revisiting RaBitQ and TurboQuant: A Symmetric Comparison of Methods, Theory, and Experiments},
author = {Jianyang Gao and Yutong Gou and Yuexuan Xu and Jifan Shi and Yongyi Yang and Shuolin Li and Raymond Chi-Wing Wong and Cheng Long},
journal= {arXiv preprint arXiv:2604.19528},
year = {2026}
}