猫眼电影记者 张鲁 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：mg免费送2000试玩金

  12月28日,南京举行“烛光祭·国际和平集会”祈愿和平,报道称，一年前，在俄罗斯国家杜马讨论创立全俄儿童组织时，一些议员反对在取名时“给人们早已熟知的事物重新命名”，他们建议重新使用少先队这个名称。,葡京体育在线买球。

  12月28日,“跨年好去处”搜索热度环比上涨150%,刘树林：男，1964年11月出生，曾任中国信达济南办事处高级经理、执行高级经理。2011年6月任信达财险山东分公司总经理、党委书记，2014年5月起任总公司副总裁、党委委员。2015年4月起任执行董事，2016年4月连选连任执行董事，2016年4月起任总裁。,亚傅体育APP,爱游戏app体育,必威首页登录平台。

  时事2：投注世界杯香港盘

  12月28日,中国工信部许可两款L3级自动驾驶车型产品,久期财经讯，12月22日，万科企业股份有限公司(简称“万科企业”，02202.HK)发布关于万科企业股份有限公司 2022 年度第四期中期票据延长宽限期及宽限期内本息偿付安排的公告。,口袋德州币商被捉,万博官方,18luck电竞。

  12月28日,“十四五”期间 青海累计办理法律援助案件4.3万余件,另外，关税法草案二审稿增加规定，海关发现多征税款时，应当及时通知纳税人办理退还手续。另外，草案此前也明确，将纳税人发现多缴税款时申请退税的期限由1年延长为3年，并明确海关发现多征税款的应当及时退还纳税人。,365bet体育官网手机安卓版,下载凤凰彩票平台,卡塔尔世界杯投注站。

  时事3：乐动体育投注下载

  12月28日,乌克兰敖德萨州启动国家级紧急状态,中金资本董事总经理徐萌萌表示，“智能汽车正迈向主动智能、体验驱动的关键节点，我们坚定看好面壁智能的端侧技术路径与汽车产业深度融合。作为端侧领先的大模型厂商，面壁在解决座舱核心痛点、打造新一代人车交互方面有着深刻理解和落地能力，构建起从技术到场景的‘端侧智能护城河’。作为产业资本，中金保时捷基金还将通过战略资源整合，助力面壁在汽车智能化领域深化布局，在‘软件定义汽车’时代获得成功。”,实况2020欧洲杯,半岛官网网页登录不了,亚游赌城电玩。

  12月28日,【东西问】意大利前总理普罗迪谈欧中青年交往：年轻人是最值得投入的资源,这条推文中，斯诺登附上了“北溪”管道爆炸后，欧洲议会议员、波兰前外长西科尔斯基的推特截图。当时西科尔斯基曾发布了“北溪”管道发生事故的现场图，并配文称：“谢谢你，美国。”,世界杯比赛在哪里投注,十大ag真人靠谱平台,九五至尊在线入口。

  时事4：AG8九游会

  12月28日,2025年度“中华助学金”发放仪式在沪举行,这意味着，2026年开始，全球锂行业的新增产能会越来越少，供给更多将依赖于在产项目，整体供给增速很可能会环比下降，供给端边际改善的确定性较强。,leyu乐鱼在哪里玩,抢庄牛牛棋牌游戏官网,凯时在线买球。

  12月28日,双子座流星雨划过西藏羊湖上空,不过，要从接待游客人次来看，郑州还是毫无疑问的中心。数据显示，郑州全市接待游客人次创历史新高，达到1077.6万人次，同比增长17.6%；洛阳和开封累计接待游客分别达到683.87万人次、670.8万人次。,银河正规官方,九州视频发布平台,银河登录中心。