RecodeX 重构消息，针对多模态大模型视觉编码器筛选需消耗大量计算资源、现有跨模态评测方法在大规模多样化候选池中性能下降的问题，研究团队提出免训练评测方法RAVEL。该方法通过带稳定项的PCA白化和基于图像块匹配的相似度计算两项改进，衡量视觉与语言表征的近邻一致性，提升评测的准确性与稳定性。实验显示，其平均Spearman相关系数达0.85，远超现有各类评测方法。团队还训练了210个覆盖多种组合的多模态大模型，并开源相关代码与权重。