猫眼电影记者 陈训金 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：乐鱼ios下载

  12月24日,人工智能如何赋能千行百业？三地政协献策,3.0）以及AI营销代理（SenseAvatar），重点强调通过一键操作生成更优质内容的增强功能，并基于本地计算平台提供更具成本效益的解决方案。,球探网足球比分预测。

  12月24日,斯诺克英锦赛：特鲁姆普将与塞尔比争冠,9位发言人中，有7位都曾担任过驻外大使，还有两位曾在媒体任职。,美高梅真人下载,重庆分分彩计划,彩票快三下载。

  时事2：沙巴体育投注app

  12月24日,广东一批县（市）新型城镇化综合发展潜力突出 带动作用明显,另据《旧金山纪事报》最新消息，12日，斯坦福大学校长和法学院院长向邓肯发出联名信道歉。,手机斗牛赚钱,扑克王app发牌,滚球体育app。

  12月24日,第二届中俄国际室内乐音乐节闭幕 音乐为桥促交流,在储能电池领域，亿纬锂能全球市占率仅次于宁德时代；动力电池领域，亿纬锂能排名国内第五。,哪里有捕鱼大师破解版下载,百老汇投注登录,尊龙体育平台。

  时事3：泛亚电竞手机版下载

  12月24日,星火成炬｜诚于心 信于行,真的会有吗？谁也没有答案。中国足球始终处在寻找奇迹的道路上，但奇迹一次次离我们远去……,365bet体育滚球,世界杯买球app澳门,大赢家是哪个平台。

  12月24日,大雾天气结束 北京大兴机场各跑道航班起降恢复正常,体量不及西安的兰州，也拿出大手笔。T3航站楼面积40万平方米，综合交通中心27万平方米，是甘肃民航发展史上规模最大的工程。,欧亿注册网址,凯时国际上娱乐官网,果博官网买球。

  时事4：奥博app官方版最新下载

  12月24日,千万粉丝网红办展，4斤重黄金凤冠被男童损毁,相关数据还显示，碳酸锂期现价格相关性达到0.99，碳酸锂期货已成为全球份额最大、流动性最好的锂盐品种，部分国际贸易企业在签订远期贸易合时也将其作为重要定价基准，其价格指引意义极强。,疯狂玩德州真钱版下载,凤凰彩票官网APP,多宝真人百家乐。

  12月24日,交通运输部：今年1至11月接报公路水路行业安全生产事故135起，同比下降25.8%,从信达财险转身，成为深圳地方国资金融平台后的国任保险，整体展现出求真务实风格。2017年之后，监管背景董事长掌舵，行业干将主导经营管理，业绩突飞猛进。但2024年投资端的巨额亏损给该公司敲响警钟，今年以来该公司一系列大调整也体现出该公司应对危机的果决，再出发国任财险能否顺利逆转局面？市场静待。,仲博官网下载APP,网投可靠平台排行,最新开的棋牌平台。