猫眼电影记者 周清树 报道首次登录送91元红包

大模型最广泛的应用如 ChatGPT、Deepseek、千问、豆包、Gemini 等通常会连接互联网进行检索增强生成（RAG）来产生用户问题的答案。随着多模态大模型（MLLMs）的崛起，大模型的主流技术之一 RAG 迅速向多模态发展，形成多模态检索增强生成（MM-RAG）这个新兴领域。ChatGPT、千问、豆包、Gemini 都开始允许用户提供文字、图片等多种模态的输入。

然而，目前对于 MM-RAG 的应用和研究都还处于非常初级的阶段，现有的 MM-RAG 研究以及综述论文主要聚焦于文本和图像等少数模态组合；音频、视频、代码、表格、知识图谱、3D 对象等多种模态的组合均可用于检索增强生成，却仅有很少的探索和研究。这使得研究者和开发者难以全面把握 MM-RAG 的技术脉络和广阔的应用空间。

来自华中科技大学、复旦大学、中国电信、美国伊利诺伊大学芝加哥分校的研究者们共同发布了一篇全面覆盖几乎所有模态作为输入和输出组合的MM-RAG综述来全面且系统化地阐述这个广阔的研究和应用空间。

论文标题：A Comprehensive Survey on Multimodal RAG: All Combinations of Modalities as Input and OutputTechRxiv: https://doi.org/10.36227/techrxiv.176341513.38473003/v2GitHub 项目主页: https://github.com/INTREBID/Awesome-MM-RAG

该论文的最大亮点在于其前所未有的广度：

它首次覆盖了几乎所有可能使用的模态组合作为输入和输出，包括文本、图像、音频、视频、代码、表格、知识图谱、3D 对象等。

通过这种全面的梳理，作者们首先揭示了 MM-RAG 领域中庞大的潜在输入 - 输出模态组合空间，并指出了其中尚未被充分探索的空白（如表 1 所示）。在作者提出的 54 种潜在组合中，目前只有 18 种组合存在已有研究（表 1 中绿色对勾的格子），许多极具应用价值的组合 —— 例如 “文本 + 视频作为输入，生成视频作为输出”—— 仍是一片亟待开拓的蓝海。

表 1：基于输入 - 输出模态组合的 MM-RAG 分类法

在此基础上，作者们构建了一个基于输入 - 输出模态组合的全新 MM-RAG 分类法，不仅系统性地组织了现有研究，还清晰展示了不同 MM-RAG 系统的核心技术组件（如表 2 所示），为后续研究提供了统一框架和方法参考。

表 2不同输入输出模态下多模态 RAG 的核心技术组件、任务和应用

四大关键阶段剖析 MM-RAG 工作流

基于这个新的分类法，该综述深入分析了MM-RAG系统的工作流程，并将其划分为四个关键阶段（如图 1 所示）：

图 1 MM-RAG 的工作流

a)预检索 (Pre-retrieval)： 数据组织和查询的准备工作。

b)检索 (Retrieval)： 高效准确地从海量多模态知识库中找到相关信息。

c)增强 (Augmentation)： 将检索到的多模态信息有效地融入到大模型中。

d)生成 (Generation)： 根据输入和增强信息生成高质量的多模态输出。

论文详细总结了每个阶段的常用方法，并讨论了对于不同模态针对性的优化策略，为构建高性能的MM-RAG系统提供了实用的技术指导。

一站式指南：

训练、评估与应用前瞻

除了技术流程，该综述还提供了构建 MM-RAG 系统的一站式指南：

训练策略： 讨论了 MM-RAG 系统的训练方法，以最大化其检索和生成能力。评估方法： 总结了现有的MM-RAG 评估指标和 Benchmark，帮助研究者评估系统性能。应用与未来： 探讨了 MM-RAG 在多个领域的潜在应用，并指出了未来的重要研究方向。

作为首个覆盖所有常见输入 - 输出模态组合、并系统化解析了 MM-RAG 的工作流、组件、训练、评估等核心技术的综述，该论文不仅为研究者提供了索引式的知识入口，也为产业应用提供了全面的技术参考。论文作者还提供了持续更新的资源库，方便读者追踪最新进展。

  时事1：德扑圈平台

  12月28日,四川峨眉山降雪后迎晴好天气,记者今天（14日）从最高人民检察院获悉，西藏自治区政协原党组成员、副主席姜杰涉嫌受贿一案，由国家监察委员会调查终结，经最高人民检察院指定，由天津市人民检察院第一分院审查起诉。近日，天津市人民检察院第一分院已向天津市第一中级人民法院提起公诉。,凯时k666。

  12月28日,2025公募基金人事变局：434人次高管变动背后的转型阵痛,要围绕商贸、教育、医疗、文化、旅游等领域，加强国际往来、扩大人文交流。,银河国际首页,澳门威斯尼人网上平台,皇冠新官网。

  时事2：凤凰彩票最新地址

  12月28日,专家呼吁三高共管、三慢共防,“实际上就是‘打样’。”李瀚明认为，国泰开航证明了乌鲁木齐机场具备保障顶级航司的能力，会产生示范效应。国泰飞得好，其他国际顶级航司，以及东亚、东南亚的航司都会考虑跟进。除了证明机场的保障能力，也是新疆以此为契机，对外释放开放活力的强烈信号。,易博体育彩票官网,火狐足球,2019欧洲杯直播哪里看。

  12月28日,海南封关 开放大幕拉开 谁的机会来了？,要如何平衡债务增长与债务风险？对此，研究团队从总量视角与结构视角分别进行了分析，并提出建议。,皇冠国际竞彩app,世界杯微信投注群,大满贯官网登录。

  时事3：九游会老哥

  12月28日,海南产经新观察：为“向数图强”添制度保障,虽然斯托尔滕贝格暗示北约不会介入台海冲突，但在过去一段时间里，他没少在台湾问题上“说三道四”。,金沙扑克规则玩法,ty天游官网,官方银河国际备用下载。

  12月28日,2025年北京AI核心产业规模有望超4500亿元,他印象深刻的一幕是：“2024年年初，非洲国家杯足球比赛在科特迪瓦举行，传音是赛事赞助商，开幕式现场甚至用无人机在空中摆出TECNO造型，确实很震撼。”,美高梅游戏安卓手机版,立博足球,ag百家了乐。

  时事4：亚星手机版下载

  12月28日,人这一辈子，一定要去一趟黄庭坚故里！,崔光灿也认为，住房按套内面积销售或按套销售，更有利于保障购房人的权益。他提出了另外两点原因，其一，由于公摊面积没有规范性标准，可大可小，且透明性不足，可能会损害购房人权益；其二，购房不仅要考虑交易成本，也需考虑使用成本。“后面的使用费用如暖气费等，如果按建筑面积分摊也不尽合理。”,美高梅网上游戏,澳门永利wynnmacau,沙巴体育外围app。

  12月28日,今年前11月广州港外贸吞吐量实现双位数增长,“中药茅”片仔癀：“最差”财报终结二十年高增长神话，跌没1800亿,以诚为本赢在信誉9001cc,世界杯买球攻略,金年会。