研究团队提出免训练视觉编码器评测方法RAVEL

2026年10月17日，机器之心报道，研究团队提出免训练评测方法RAVEL，用于在完整训练前预测视觉编码器接入目标LLM后的下游表现。报道称，该方法无需额外训练，平均Spearman相关系数高达0.85。团队同时开源了此次实验训练得到的210个MLLM权重，研究者可直接基于这些模型开展视觉编码器选择、跨模态对齐、表征分析等研究，无需重复完成大规模多模态训练。目前进展集中于方法提出与权重开源，报道未提及该方法在其他模型或任务上的适用范围，也未说明开源权重的使用是否附带其他条件。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。