猫眼电影记者 高国芝 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：世界杯网站被坑了吗

  12月23日,宁波舟山港集装箱吞吐量首破4000万标准箱,经研究，聘任王政、文利民、李玉海、张雯为中国航天科技集团有限公司外部董事，张汝恩不再担任中国航天科技集团有限公司外部董事职务。,天石国际真人国际。

  12月23日,湖南人均预期寿命提升至79岁 个人卫生支出占比降至27.38%,天眼查显示，泸州盛夏之光文化传媒有限责任公司成立于2022年4月11日，赵菊英是该公司的法人代表，公司注册地址位于四川省泸州市纳溪区，其经营范围包括教育咨询服务（不含涉许可审批的教育培训活动）。记者拨通该公司注册登记的电话，被多次挂断后提示对方已经关机。,最新银河总站登录入口,怎么在网上赌欧洲杯,爱游戏怎么注册。

  时事2：888真人入口

  12月23日,国防部：希望美方校正对华战略认知,体量不及西安的兰州，也拿出大手笔。T3航站楼面积40万平方米，综合交通中心27万平方米，是甘肃民航发展史上规模最大的工程。,亚洲彩票官方下载,万博登录官网首页,体育外围app下载。

  12月23日,“从文学到影像”优秀文学作品推介在京举行 助推好故事“跨界生长”,但从销售渠道来看，国民养老保险对银保渠道依赖度较高，2024年保费收入居前5的保险产品均来自银保渠道。个人养老金业务同样如此，数据显示，为国民养老保险个人养老金业务提供代销服务的银行和券商机构超过20家。,我才是棋牌旧版,伟德手机版,bet登录入口。

  时事3：美高梅手机网上游戏

  12月23日,残特奥会：广东代表团金牌总数和奖牌总数位居全国第一,公告显示，公司控股股东、实际控制人朱煜煊与朱恒冰已提交不可撤销的先行补偿承诺函，承诺对上述基金产品的投资本金损失进行先行补偿。,千亿国际手机版唯一官网下载,2026世界杯推荐买球,龙8网投客户端。

  12月23日,中国西南地区青铜文明特展在广西南宁启幕,通过天眼查查询，汪绪金、张青莲、汪文燕的营业执照，分别登记于2011年8月、2012年6月1日。,杏耀网页登陆,ku游体育备用网址,口袋足球。

  时事4：365bet体育手机体育

  12月23日,中国产业名片创新发展大会在东莞举行,据《星岛》了解，亿纬锂能AI机器人项目运营主体为全资子公司惠州金源智能机器人有限公司（曾用名：惠州金源智能机器人有限公司）。该公司长期为亿纬锂能各大产业园打造智能设备、智能装备及智能体，积累了深厚的AI技术储备与丰富的工业场景落地经验。,AG真人注册送18,立博官网网址,腾博会官方。

  12月23日,外交部回应对岩崎茂采取反制措施,前述加纳手机经销商也深有感触，在非洲无论是做翻新机生意，还是做某个品牌的代理商，在前期最重要的都是积累客户资源，一旦形成稳定的客源就难以流失。,bet官网365入口,金莎官网登录,新记体育提款出问题。