arXiv · 机器人与计算机视觉· Yilin Yang, Jun-Tao Tang, Kengyi Wang, Siyuan Su, Gaoyong Luo, Mingda Chen·· 2026-10-06AI 评分38
RAVEL:一种用于评估多模态大语言模型视觉编码器的强基线方法
A Strong Baseline for Evaluating Vision Encoders in Multimodal Large Language Models
AI 导读
针对多模态大语言模型(MLLMs)中视觉编码器评估指标难以可靠预测下游性能的问题,研究提出了一种基于跨模态最近邻检索的训练免费方法 RAVEL。该方法在大规模实验中解决了既有实验设计与方法论的局限,以显著优势超越先前方法,确立了简单跨模态指标在严谨设置下的强基线地位。代码已公开于 arXiv 链接处供获取。
来源:arXiv · 机器人与计算机视觉 · arxiv.org