猫眼电影记者 华春雨 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1：77棋牌游戏

  12月22日,全力实现“十五五”良好开局 中央经济工作会议精神引发热烈反响,与此同时，中银理财新增河北沧州农商行、石家庄汇融农村合作银行作为产品代销合作机构；招银理财与浙江南浔农商行签订理财产品代销合作协议。,bob综合体育苹果app下载。

  12月22日,瑞士盈丰银行存在产品尽职审查等缺失 遭香港证监会罚款1085万港元,1月，山东迈世嘉橡胶科技有限公司“高端轮胎项目”建设工程设计方案，进行公示。,广兴国际真人博彩,威尼斯人网址在哪找,凯时k66会员登录。

  时事2：365体育官方中文版

  12月22日,福州：巧克力博物馆吸引参观者,这是2022年2月航天员叶光富在中国空间站演奏《月光下的凤尾竹》的“名场面”。时隔2年多，叶光富再次飞天，这次他将会带另外一种乐器前往空间站。,南通棋牌,足球直播bob,永利爆大奖。

  12月22日,“侨聚云南·同心圆梦”收官 发挥“侨”力量促共同发展,报道称，有类似想法的还有杰森·科利普，他与大约300名房地产经纪人合作，负责拍摄房屋的航拍照片和视频。“我，一个在南部密西西比州操控无人机飞越松树林和房屋的小人物，为什么要限制这类活动呢？”科利普表示，“作为一名小企业主，我们还有什么其他选择？目前我们真的没有答案。”,胜博发登入,威尼斯游戏在线平台,恒星娱乐官网。

  时事3：hth华体会手机版

  12月22日,创意作品点亮城市数字未来 2025上海“随申码”应用创新大赛落幕,10月10日，山东通益橡胶科技有限公司项目工程规划许可，进行审批后公布。,世界杯足彩投注app,必赢官网地址在哪里,百人牛牛炸金花。

  12月22日,四川成都：考生参加全国大学英语四、六级考试,以往，农商行主要关注银行理财子公司的产品丰富度、产品净值波动稳定性、整体业务规模、品牌影响力与系统对接可靠性等方面。而在《办法》对理财产品代销业务全流程提出更严格要求后，农商行开始高度关注产品代销环节的操作合规性。,优博买球,英亚体育吧,e乐彩官网登录口。

  时事4：去哪里赌欧洲杯

  12月22日,浙江杭州首个复用型无人机起降点启用 低空配送网络升级,美国财政部数据显示，4 月公布关税政策当天，美国国家债务约为 36.1 万亿美元。本周最新数据显示，该数字已增至 38.2 万亿美元，增幅超 2 万亿美元。,真钱21点官网,乐鱼最新版下载手机版,买球竞猜app。

  12月22日,江山如画｜皖北水乡藏古韵，圈粉外国游客,不仅如此，人福医药还通过设立金科瑞达、武汉睿成及智盈新成等公司，承接公司剥离的资产，但这些公司实际上仍由人福医药控制。由于未将这些公司纳入合并财务报表范围，导致2020年、2021年及2022年半年度报告的净利润出现虚增。,2019欧洲杯在线直播,金沙娱app下载9570,下载银河集团。