免训练评测方法 RAVEL 提出：两个改进让多模态视觉编码器评测相关性接近翻倍

研究团队提出多模态大模型视觉编码器免训练评测方法 RAVEL，其评估与实际下游表现的平均 Spearman 相关系数达 0.85。RAVEL 通过带稳定项的 PCA 白化与局部图像块匹配评估跨模态近邻一致性，性能较此前免训练方法 GW 提升 93.5%、MutualNN 提升 101.1%。团队已开源相关代码及涵盖 70 种视觉编码器组合的 210 个 MLLM 权重。