上海交大等团队提出 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，通过训练并评测 210 个 MLLM，探索多模态大模型视觉编码器的低成本选择。实验发现，候选编码器多样性增加时，传统跨模态方法会退化甚至落后于单模态方法，而 RAVEL 以跨模态最近邻一致性进行选择，方法简单但有效。