上交大等提出 RAVEL：训练评测 210 个 MLLM，为视觉编码器选择建立强基线

上海交大、南京大学、复旦等机构团队提出 RAVEL（Arxiv 2610.05413），作为评测多模态大模型视觉编码器的强基线。团队训练并评测了 210 个 MLLM，发现随候选编码器多样性增加，传统跨模态选择方法性能退化，甚至落后于单模态方法。RAVEL 通过度量跨模态最近邻一致性来选择编码器，方法简单但有效。