猫眼电影记者 平旦 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：现金在线怎么样

  12月25日,（文化中国行）老牌国货“回潮”：怀旧风“吹”起消费新风尚,也门政治评论人士 默罕默德·沙姆桑：中国在非洲及中东地区的关键问题上都有着积极的影响力。从2021年开始，沙伊两国在伊拉克和阿曼展开对话，而中国在这其中发挥了重要作用。我认为中国未来在地区事务中还将扮演重要角色，中国同很多海湾国家签署了经济合作协议，同时和相关国家在安全和政治领域也开展了广泛的合作，这将对地区稳定与发展产生积极作用。,贝搏体育登路。

  12月25日,女子轮椅篮球广东队圆梦三连冠,数据要素要发挥经济价值，需要做到两三个月见效、以提升Global ROI为核心。宋碧莲指出，这背后是企业级综合经营战略的历史性变革：从“以产品为中心”转向“以用户为中心”，借鉴互联网的用户全生命周期价值挖掘逻辑——并非通俗所说的“割韭菜”，而是精准满足用户不同阶段的多元需求。,百家乐刷水平台,足球买球网登录,nba官方买球app。

  时事2：世界杯买球bs18婰me

  12月25日,甘肃优化营商环境搭“数字快车”,“目前修建海底隧道，主要有三种工法，分别是钻爆法、盾构/TBM法和沉管法。”中交公路规划设计院有限公司隧道与地下工程部总工程师黄清飞告诉中国新闻周刊。,深海捕鱼手机版,真钱炸金花手机版,edf壴定发官网手机版。

  12月25日,她们是那段惨痛历史的证言，用余生等待道歉,方颂贤指出，市场正在寻找 “机器人和人工智能等高科技领域的潜在领军企业。相较于西方同类企业，这些中国企业拥有更明确的政策导向支撑和相对估值优势”。她预计，未来将有更多资金流入该领域。,hq体育app官网入口,m6米乐官方登录入口,爱游戏网站是多少。

  时事3：分分彩官方网址

  12月25日,杨雨光随身带快板的原因：是这副板让我站上舞台,鸿蒙的魅力不在于孤星闪耀，而在于它能汇聚“万千科技人的微光”，形成万物互联的璀璨星河。,光速体育,千赢网上国际,pg电子游戏试玩平台。

  12月25日,华南师范大学累计为澳门培养超2万名栋梁之材,据《广西日报》5月6日消息，中央批准，庄革同志任广西壮族自治区党委委员、常委。,王者体育下载苹果版,世界杯买球as83婰me权威,拉斯维加斯游戏官网网址。

  时事4：美高梅在线app手机版官网

  12月25日,日本民众举行集会 抗议高市政权放宽武器出口限制的动向,头顶“银行系”光环，国民养老保险的业绩也可圈可点。数据显示，2022年至2024年，国民养老保险的保险业务收入分别为2.92亿元、11.19亿元、48.08亿元，净利润分别为0.49亿元、3.15亿元、4.30亿元。截至2025年三季度末，国民养老保险规模保费收入为47.37亿元，净利润为3.2亿元。,云顶投注登录,亚博入口,乐鱼app官网下载登录。

  12月25日,充值数千元“很快被吃光” 年轻人沉溺“捕鱼机”追悔莫及,“日本刚刚发现了7000个岛屿，”美国有线电视新闻网（CNN）3月2日报道说，日本重新清点了自己的岛屿，发现比上一次清点时多了7000多个。,mg网址,必赢在线登录,开元棋盘227ccios版。