猫眼电影记者 李全教 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：果博体育APP

  12月27日,各地细化服务“组合拳”应对降温 保障百姓“菜篮子”“果篮子”稳定供应,美国知名科技博客网站Gizmodo3月3日称，过去35年内的火山爆发也是促成日本新岛屿形成的原因。文章同时认为，日本的岛屿数量具有“国际意义”，因为岛屿可以“准确描述日本以及其他国家在该地区水域内的权利”。,盛大新游戏。

  12月27日,东北烈士纪念馆举行南京大屠杀死难者国家公祭日活动,“我们村前后也就两三个小商店，还有一个个人开的小茶场，没有什么企业，大部分人都在外打工，村里都是中老年人，哪有那么多个体工商户？”汪争猛说。,在米乐平台买球安全吗,bwin在哪里玩,尊龙AG。

  时事2：澳门网上投注网站平台

  12月27日,香港特区政府介绍火灾搜救安置等最新进展,[文/观察者网 王世纯]我国在酒泉卫星发射中心成功发射的可重复使用试验航天器，在轨飞行276天后，于2023年5月8日成功返回预定着陆场。这架“过于先进，无法展示”的神秘飞行器引发了美国有关机构的关注。,明昇体育,乐鱼游戏app正规版,百姓彩票官网登录。

  12月27日,日本群马县多车相撞致2人死亡26人受伤,对西北城市来说，机场的作用尤为重要。西北不沿海，也没有内河航运。依托铁路和机场打造枢纽，形成开放门户，无论对区域还是全国而言，都具有经济与战略的双重意义。,赌博线上,凯发娱乐官网用户登录,百人牛牛炸金花。

  时事3：雷速体育官方下载安装

  12月27日,福建发布海上大风Ⅳ级预警 “两马”航线双向停航,潘金说，去美元化的过程正在进行中，这是一种趋势，不知道美元是否会消失，但每种主要货币都有自己的生命周期。潘金表示，去美元化的趋势开始得更早，近些年来的各种危机加速了这种趋势，许多国家一直在关注俄罗斯资产被冻结，并意识到同样的事情可能会发生在自己身上。这位部长补充说，许多新兴国家现在变得更加强大，其货币也随之变得更有信誉。,亿博官网,线上赌博评测平台,雷速比分 足球。

  12月27日,澳大利亚枪击事件海滩：警察驻守 市民献花哀悼,“2025年碳酸锂的行情并非简单的V型反转，而是经历了一场从阴跌寻底到大举反弹，回调后进而再创年内新高的希望中复苏型行情。”对于2025年的锂盐市场，一德期货总结指出。,欧博手机版注册,新2体育平台,乐鱼怎么注册会员。

  时事4：世界杯正规买球app排行

  12月27日,危急时刻果断一跃 铁路乘务员站外勇救落水者,“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）,世纪娱乐平台注册,爱游戏体育怎么注册,凯发网址1111。

  12月27日,河北安国中医药：共享制造激活全链动能,我们的逻辑是以租赁物为核心，通过全流程资产管控回溯贯穿整个租赁系统。这种方式目前在市场比较流行，能够实现对租赁物全生命周期管理，回归租赁本源。,永乐国际AG厅,乐动体育app入口,爱游戏好玩吗?。