RAVEL：两个改进让多模态大模型视觉编码器评测相关性接近翻倍

研究团队提出免训练视觉编码器评测方法 RAVEL，通过带稳定项的 PCA 白化和基于图像块匹配的相似度计算，提升多模态大模型组件筛选的准确性与稳定性。在三个 LLM 上，RAVEL 平均 Spearman 相关系数达到 0.85，较 Alignment Probing、GW 和 MutualNN 分别提升 36.1%、93.5% 和 101.1%。