近期，智源研究院聯合大連理工大學、北京大學等高校推出了新一代無編碼器的視覺語言模型EVE，通過精細化訓練策略和額外的視覺監督，解決了多模態大模型訓練分離導致的視覺歸納偏置問題，表現優異于基于編碼器的主流多模態方法。EVE展示了無編碼器原生視覺語言模型的潛力，為多模態模型的發展提供了新思路。

　　EVE采用無編碼器架構，處理任意圖像長寬比，表現優異于同類型模型。

　　EVE使用公開數據預訓練，訓練時間短，數據和訓練代價低。

　　EVE提供透明高效的探索路徑，在多個視覺-語言基準測試中表現優異。