机器之心 (微信公众号)T2·基座大模型
78 分
研究团队提出免训练评测方法 RAVEL,通过引入稳定化 PCA 白化和图像块级相似度计算,解决了现有跨模态指标在大规模候选池中性能下降的问题。实验显示,该方法无需额外训练即可实现高达 0.85 的 Spearman 相关系数,显著优于传统方法,为多模态大模型视觉编码器的高效选型提供了可靠基线。
Spearman Correlation
用于衡量两个变量之间单调关系强度的非参数统计指标。
研究团队提出免训练评测方法 RAVEL,通过引入稳定化 PCA 白化和图像块级相似度计算,解决了现有跨模态指标在大规模候选池中性能下降的问题。实验显示,该方法无需额外训练即可实现高达 0.85 的 Spearman 相关系数,显著优于传统方法,为多模态大模型视觉编码器的高效选型提供了可靠基线。
针对图像生成中“重建指标好但生成质量差”的痛点,研究团队提出生成感知重建(GAR)框架。通过向编码潜变量注入噪声并模拟去噪过程,构建从重建到生成的连续评估路径。实验显示,基于此路径提出的 GAR-FID 指标与最终生成质量的相关性显著增强,在特定设置下 Spearman 相关系数高达 0.99,有效解决了传统 rFID 与 gFID 相关性弱甚至负相关的难题。
OpenMed 团队发布了一套端到端蛋白质 AI 流水线,并开源了基于 CodonRoBERTa-large-v2 的跨物种 mRNA 语言模型。该模型在 25 个物种上完成训练,总耗时 55 GPU 小时,成本低至 165 美元,其困惑度(4.10)与密码子适应指数相关性显著优于 ModernBERT。