猫眼电影记者 程世荣 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：欧宝真人百家乐

  12月26日,吉林男篮新赛季大换血 目标直指季后赛,12月23日，昊海生科发布公告称，公司控股股东、实际控制人之一蒋伟因内幕交易、建议他人买卖证券行为，被中国证监会没收违法所得471万元，并处以1463万元罚款。,九五至尊怎么开户。

  12月26日,湖南蓝山：猪粪变身“金肥料” 循环农业拓宽致富路,吉普品牌首席执行官鲍勃・布罗德多夫坦言：‘所有车企都在观望，想看清电动汽车的真实需求到底有多少，市场格局又将如何逐步明朗。电动汽车行业的发展节奏一定会放缓、遇冷，而我们都在思考：电动汽车的市场常态，究竟该是什么样子？’,网络娱乐注册,正宗杰克棋牌官方版,bbin免费白菜。

  时事2：欧宝电竞下载官网

  12月26日,泰柬边境冲突持续 5人死亡18人受伤,根据香港交易所《组织章程细则》第109（2）条及《证券及期货条例》第69条，港交所董事会决议主席人选后，仍须经香港特区行政长官书面批准。,捕鱼可下分,爱博手机版登录,乐鱼竞技在线登录。

  12月26日,加拿大人马俊：努力在海南迈向生活的高峰·《我在海南闯未来》 | 开放向未来,据路透社报道，苏纳克11日表示，他将前往美国启动“澳英美联盟”（AUKUS）核潜艇计划的下一阶段会谈，“这一计划让我们能够与最亲密的盟友建立联系，并且为国内在安全、经济和新科技的发展上带来优势。”,必威线路,大地网投官网,pg电子模拟器试玩破解版。

  时事3：英亚体育下载官方

  12月26日,中国外交部：侵华日军731部队犯下罄竹难书的反人类罪行,而从更远期的价格曲线来看，当前碳酸锂期货亦呈现出contango结构，远月合约较近月合约溢价明显。,爱玩棋牌平台,365安卓官方app下载,世界杯投注竞彩。

  12月26日,中使馆再次提醒中国公民尽快撤离阿富汗和塔吉克斯坦边境地区,西安咸阳机场T5，与北京大兴机场、成都天府机场航站楼面积相当。三座机场中规模最小的兰州中川机场T3，面积也相当于上海虹桥机场两座航站楼之和。,e彩登陆,188金宝慱怎么样,易赛体育官网。

  时事4：im电竞平台官网

  12月26日,沪指微涨0.07%：光刻机概念走强，同飞股份等涨停,12月22日，亿纬锂能在惠州仲恺高新区举办“钠电池及AI创新园区”动工仪式，计划打造亿全新的亿纬钠能总部和金源机器人AI中心。,巴黎人注册即送,凯时kb88,飞驰娱乐安卓下载。

  12月26日,【中国有约】砖雕戏韵传百年 国际友人走进广东会馆探寻百年前的“声学黑科技”,刚刚说的融资租赁转型，我不过多展开，其实这里涉及商租和金租。我觉得“十四五”规划也好，其他政策也罢，都把科技赋能，包括从信息化到数字化的转型过程说的比较清楚了。而且同业朋友们也知道，“8号文”把租赁物的合规性、资产占比等转型要素作为合规的重点来要求。我认为科技浪潮已经成为不可或缺的必要工具。,2020欧洲杯比分网官网,永利注册,体育资讯。