猫眼电影记者 王丽梅 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：必赢网站游戏

  12月22日,香港举办慈善音乐会 门票收入捐予大埔火灾殉职消防员家属,12月23日金融一线消息，上海金融监管局发布批复，核准王韬上海城投集团财务有限公司董事、董事长的任职资格。,英国篮球比分。

  12月22日,新闻观察：美针对格陵兰岛动作频频 加剧美欧摩擦,“虽然大部分城市都未明确要求按套内面积计价，但一些开发商签订商品房买卖合同时，倾向于选择套内计价。”冯波进一步提到。,云顶国际在线买球,365bet线上注册,如何投注世界杯比分。

  时事2：葡京轮盘技巧

  12月22日,壹视界·微视频丨从一篇党报征文，感悟跨越百年的鼓岭情缘,不过，从旅游收入来看，郑州与杭州（1705亿元）、青岛（1910亿元）相当，但是远低于成都（3700亿元）、西安（3350.39亿元）。这一定程度上也反映出，郑州旅游业具备较大的提升空间。,K8凯发网站是什么,必威MXapp,华体会app最新版。

  12月22日,河南三门峡发现45座古墓葬,伦敦黄金市场通过其双层（央行与商业）库存结构，为全球提供了高度安全和流动性的黄金托管服务。其库存量是全球黄金实物流动的重要风向标。,电子游戏登录大全,AG真人国际厅,b体育ios下载。

  时事3：128棋牌优惠大厅网站

  12月22日,委内瑞拉称正反抗美封锁企图 美总统称将发动地面打击,据悉，此次自卫队处理的废弹为其淘汰退役子弹、不良子弹和老化子弹。（总台记者 刘茁野）,欧宝娱乐主页网址,赌钱app手机,大赢家官网下载。

  12月22日,中法举行军控与防扩散磋商,伦敦黄金市场的OTC交易机制非常类似于银行体系的二级交易机制。,博鱼体育怎么样,豫游棋牌游戏中心,kb88凯时唯一官网注册账号。

  时事4：千赢国际手机官网app

  12月22日,北京交通大学雄安校区（一期）B组团学生宿舍及留学生公寓全面封顶,其三，大多数央行实际上采用混合策略，平衡便利性和安全性。例如，尽管中国绝大部分黄金储备放在国内，但也会因国际交易需要，在国际清算银行等机构托管少量黄金。,十大线上赌城排行,ku体育app,凯旋门娱乐。

  12月22日,香港大埔宏福苑火灾失联的144名人士确认安全,广州市统计局在分析一季度经济运行情况时指出，广州“面临燃油车、房地产两大市场需求不足影响，以及自身产业周期性、结构性因素的挑战”。,悠哉棋牌游戏中心,手机博狗网站,im电竞网址登录。