猫眼电影记者 文毅 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1：九州官网登录

  12月25日,马克龙第四次访华，中法再迎战略沟通窗口,虽然本次采访的主题是持续进行的俄乌冲突，但还是免不了涉及有关中国的话题。,凯时注册彩金。

  12月25日,借“黔货出海”通道， 内蒙古谋划农畜产品出口东南亚,或许因为常年没有中超球队的缘故，奥体中心的草皮维护并不算完整，现场来看草皮偏软，费南多下半场打丢点球，或许草皮也是其中一个因素。,澳门平台游戏注册,信誉体育平台注册,新宝官网下载。

  时事2：正规188体育官方开户

  12月25日,成都混团世界杯前瞻：项目首入奥，国乒剑指三连冠,但事实上，目前几乎没有证据支撑这一说法。2025 年美国劳动力市场基本陷入停滞，特朗普重点关注的制造业就业岗位数据，自 4 月起每月持续下滑。,世界杯开户金斗,bwin中文官网,MG真人app下载。

  12月25日,长春迎明显降雪 多部门出动人员应对,2020 年代初，整个行业还对电动汽车领域满怀狂热与憧憬，然而消费者的实际需求始终未达预期。如今这场电动汽车热潮已然消退，车企们在前期持续观望、谋划应对之策后，终于开启全面战略转型。过去五年，车企在该领域的巨额资本投入沦为泡影；底特律的车企巨头们正把重心重新放回高油耗的大型皮卡和 SUV 车型上；多家车企也终于坦言：此前电动汽车的发展浪潮，由政策驱动，而非市场需求。,365bet平台盘口,365平台官方网址多少,打牌网站。

  时事3：瑞博国际娱乐城

  12月25日,【2025热词观察】从“韧”字中读懂中国经济的前行底气,证券日报网讯 12月23日，新宝股份在互动平台回答投资者提问时表示，截至2025年12月19日收市后，公司股东总户数27674户，其中机构户数是3329户。,真钱电玩国际,马经玄机报(新图推荐),e乐彩登录不上去了怎么办。

  12月25日,中国篮球公开赛总决赛落幕 宁夏队战胜天津夺得冠军,此外，受到调控影响，短期内碳酸锂期货成交量虽然不及11月中旬的高点，但是持仓量依旧处于108万手左右，仅次于今年前期111.9万手的历史峰值，反映出追踪趋势的长期资金并未撤离。,为什么世界杯可以投注,极速体育网址平台,欧洲杯完整比分。

  时事4：皖青体育注册

  12月25日,千万远离！手、脸都被烧伤！家中有孩子的要警惕,特朗普在 4 月的演讲中称：“就业岗位与工厂将大量回流美国，而且你们已经能看到这一切正在发生。”,棋牌评测排名,体育平台登陆,纬来体育hd怎样下载。

  12月25日,京东、广汽集团、宁德时代联合为埃安UT super提供用户保障,北京人寿在股权结构上呈现出“高度分散，无实际控制人”的特点。北京供销社、北京顺鑫控股集团有限公司、北京韩建集团有限公司并列为第一大股东，持股比例均为13.99%。这种结构虽被认为有利于决策民主化，但也带来了显而易见的挑战。,威尼斯人网址谁知道,泛亚电竞竞猜,365体育bet下载。