猫眼电影记者 任国勇 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：澳门太阳网城

  12月28日,特奥赛场上，陪伴是最温柔的胜利,昨天（8日），中国载人航天工程办公室公布了神舟十五号航天员乘组，为执行首次出舱任务开展各项准备的画面。我们一起通过空间站上的定向摄像机和航天员的手持摄像机，来看“圆梦乘组”是如何准备出舱任务的。,bin真人电子如何充值。

  12月28日,【图片故事】并肩在南亚——第16批中国援尼泊尔医疗队纪实,浙商银行相关人士表示，此次浙商银行领导班子调整，是根据省委省政府部署要求，进一步强化党对金融工作领导，加强浙商银行班子建设所作出的安排，有助于浙商银行全面深化体制机制改革，推动长期行稳致远，服务好“五篇大文章”，助力浙江省经济金融发展。,最好的ag平台,中国象棋大师网官网,伟德官网下app。

  时事2：世界杯买球录fc3典tv

  12月28日,天津统一战线踊跃支援香港火灾救援 展现血浓于水同胞情,深交所方面，上一次上市委第8次审议会议，一度安排在2024年2月7日召开，但因相关公司在上市委审议会议公告发布之后，因相关审核事项需要核查，导致上市委取消了审议。在此之后至今，深交所也未有新的上会安排。深交所对新公司的受理更新时间，则停留在2023年12月29日。,极速体育直播,必威在哪里玩,澳博体育官方网站。

  12月28日,搭建“空中出海口” 花湖机场咸宁城市货站启用,斯坦巴赫继而表示，她会留下来听听邓肯的演讲，她也理解学生们认为他的观点“伤害太大”，称学校可能需要重新考虑其言论自由政策。,ROR登陆,国际真人,bibibi下载最新版。

  时事3：天亚娱乐官网

  12月28日,小鼠“航天员”启程 西工大太空实验舱成功入轨,火箭按计划进入垂直飞行轨迹，升空约 2 分钟后官方直播显示出现 “异常”，直播随即中断。Innospace 后续补充称，升空约 30 秒时检测到机体异常，按安全程序终止任务，火箭坠落在地面安全区，无人员伤亡与财产损失。,网上玩真人斗地主,mg游戏网址,bet九州体育官网。

  12月28日,中国修改渔业法 推动渔业转型升级、绿色发展,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。,ku游备用,博鱼体育综合平台,世界杯 投注 平台。

  时事4：f66永乐国际

  12月28日,受边境冲突影响 柬埔寨菩萨省所有学校停课,第一，必须有系统的智能化融合能力，无论是AI还是大数据，通过系统建设综合提升运营能力，这是核心竞争力；,qy333vip千赢国际怎么样,世界杯竞彩网站关闭,mg的网站都有哪些。

  12月28日,（粤港澳大湾区）广州涉港商事案件跨境送达实现“7日速达”,为了加速构建人工智能网络，Meta、亚马逊、甲骨文等超大规模云计算公司正在更多地从业主手中租赁数据中心空间，而非单纯依靠自建。据McKinsey估计，今年美国超大规模数据中心容量中有40%是通过租赁获得的，这一比例高于2023年的35%。,各大体育平台,手机登录中文版,有没有斗地主赢钱的软件。