猫眼电影记者 秦松唐 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：鸿博下载

  12月24日,辽宁省住房和城乡建设厅原党组成员、副厅长祁向国被“双开”,马斯克近日也就不明飞行物表态，并质疑美国可能利用不明飞行物达到自己的目的。据《纽约邮报》报道，马斯克18日在受访时表示，他没有发现外星人存在的证据。他称，如果知道外星人存在，美国政府会渲染其威胁，利用他们的存在轻而易举地通过军事预算。,ag真人是真是假。

  12月24日,西延高铁不同快慢车次怎么选？带你解锁陕北出行新方式,新京报讯 5月6日晚，CBA半决赛第三场，广东队主场98比82大胜辽宁队，系列赛大比分2比1反超卫冕冠军。,亚洲正规赌场,网上真钱打牌平台,网络赌城。

  时事2：365bet注册在线游戏评级

  12月24日,河南三门峡一项目工程发生安全事故 致5人遇难,欧盟乘用车正常关税税率为10%，意味着上汽集团和其他不配合调查的企业面临的关税税率增至48.1%。其他企业的关税税率则在27.4%至31%之间。,威尼斯人手机注册,亚洲城下载,365体育的网址多少。

  12月24日,全盲“女飞人”刘翠青残特奥会加冕“三冠”：感谢我另一双“眼睛”,法新社称，土耳其警方自此次地震发生以来已拘捕18人，理由是他们在社交媒体发布“煽动性”内容，或是批评埃尔多安政府处理灾情的方式。报道还援引网络监测组织Netblocks称，在土耳其的推特使用也受到限制。,酷游体育官方,庄闲游戏下载,玩捕鱼怎么赚现金。

  时事3：博天堂在线试玩

  12月24日,残特奥会盲人门球开赛 上海男队收获开门红,目前关于渤海海峡跨海通道的代表性的方案，同样是修建铁路隧道，即全线采用铁路隧道，由“双洞单线行车隧道+一条服务隧道”组成。,亿万娱乐官网,冠亚体育网站官网,体育赌博登陆官网。

  12月24日,广西以AI为桥 携手东盟共拓数字经济新蓝海,——扩大旅游领域合作，为提升中俄游客互访量创造良好条件，推动跨境旅游发展，共同落实2000年2月29日签署的《中华人民共和国政府和俄罗斯联邦政府关于互免团体旅游签证的协定》，加快协定修订谈判。,007球探比分,完美体育下载app官网,大发体育娱乐官网。

  时事4：宝博体育官网app下载

  12月24日,文博有意思丨“西周路由器”终于连上网了,希伯花镇之名在蒙古语中意为“长满牛蒡草的坨子”，意指这里曾经是牛羊遍布的科尔沁草原。但到上世纪七八十年代，包括科左中旗在内的整个地区都面临着严重的荒漠化问题。土地沙化后，当地人把那些起伏的坨子称为坨召地、坨子地。他们是由沙土堆积而成的小型山丘，坡度高度都不大，但一坨接一坨地在大地延绵。“一到大风天的时候，大风一吹，你都能看到沙丘一坨坨地被吹得流动起来。”一名老农户回忆。,2020欧洲杯预赛分组情况,168官网,365体育足球登录网站。

  12月24日,各地积极应对降温降雪天气 保障生产生活,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。,宝马会线路检测,欧宝体育app官方怎么样,体育篮球比分188。