EVE es un modelo de lenguaje visual-lingüístico libre de codificador, desarrollado conjuntamente por investigadores de la Universidad de Tecnología de Dalian, el Instituto de Inteligencia Artificial de Beijing y la Universidad de Beijing. Demuestra una capacidad excepcional con diferentes relaciones de aspecto de imagen, superando el rendimiento de Fuyu-8B y acercándose a los LVLMs basados en codificadores modulares. EVE destaca por su eficiencia de datos y eficiencia de entrenamiento, utilizando 33M de datos públicos para el preentrenamiento y 665K de datos LLaVA SFT para entrenar el modelo EVE-7B, además de 1.2M de datos SFT adicionales para el modelo EVE-7B (HD). El desarrollo de EVE adopta una estrategia eficiente, transparente y práctica, abriendo nuevas vías para arquitecturas de decodificadores puros multimodales.