猫眼电影记者 唐晓诗 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：JJ捕鱼技巧

  12月26日,【澜湄印象】中越边境河口口岸2025年出入境旅客超600万人次,双方重申致力于推动“在国际安全领域促进和平利用国际合作”联大决议全面有效落实。,乐投letou官网。

  12月26日,（年终特稿）中国经济这一年：能源领域现三大突破,亿纬锂能的钠离子电池项目总投资超10亿元，规划总建筑面积9万㎡，设计产能约2GWh，集研发-中试-量产于一体，预计投产后年产值达10亿元。,pg麻将胡了下载,世界杯网站免费看,Manbetx安卓下载。

  时事2：十大真钱官方

  12月26日,昆明大观河畔滇朴鎏金绘就冬日惬意图景,靳东在基层奋斗了11年后，33岁开始担任县级领导干部，40岁时成了县政府“一把手”，是大家谈论和羡慕的对象。,威廉客户端app下载官网,世界杯球赛购买,AG亚游到底是真是假。

  12月26日,戏韵通中外 “戏剧与文化传播”论坛在京举行,村民刘一鸣（化名）常年在沿海地区打工，妻子钱清花在老家种水田、带孩子。最近，刘一鸣查询国家企业信用信息公示系统，发现妻子也被莫名其妙登记了营业执照。日期是2011年8月16日，登记机关为“大悟县市场监督管理局”，营业执照类型为“个体工商户”。,欧宝真人百家乐,BET九州入口官网,皇冠体育在线登录。

  时事3：世界杯体育买球官网

  12月26日,教育部：高中要严格控制考试次数,其中扰动更强的因素有：（1）1月缴税规模相较于12月或抬升13，000亿元附近；（2）1月信贷投放更加积极；（3）仍有高息定期存款到期，对负债端仍旧有影响；（4）中长期流动性到期规模增加2000亿元；（5）春节取现和权益可能的春季躁动对资金形成摩擦。,伟德体育下载地址,沙巴体育足球规则,118有求必应。

  12月26日,哈尔滨：第38届太阳岛雪博会景观建设有序推进,日前，《辽宁省国土空间规划（2021—2035年）》获批，规划提出，“夯实拓展哈大对外开放通道，预留渤海湾跨海通道大连端引线”。,9州娱乐注册,巴黎人官网网址多少,AG九游会J9。

  时事4：真金炸金花

  12月26日,北京市中学生与AI展开 “人机辩论”实战,吕王镇刘院村位于孝感市大悟县东南部，毗邻红安县，地貌多为山地、丘陵，经济落后，交通不便。,bc体育是什么,OG真人VIP专线,万能鲨鱼游戏机。

  12月26日,中央经济工作会议：鼓励收购存量商品房重点用于保障性住房等,以摩根大通和瑞银为例，在日终清算时，双方往往对彼此存在黄金的应收与应付，若瑞银应付摩根大通500吨黄金，而摩根大通同时也应付瑞银400吨，双方会先进行净额抵消，仅需实际转移100吨黄金用于交割。这样的净额清算机制大幅减少了实物黄金的调拨需求，提升了清算效率。,开户送88元,免费斗地主,华纳娱乐官网网址。