猫眼电影记者 戴舒静 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：ope体育i5g

  12月26日,中国乒协：将进一步完善运动员健康保障与伤病预防机制,在被抽样选中的三家车企中，上汽集团面临加征的关税税率达38.1%，税率最高；吉利汽车和比亚迪面临加征的税率分别为20%和17.4%。,必赢亚洲官方网。

  12月26日,广西壮族自治区政协原常委韦均林接受审查调查,——推动电影领域合作，包括中方支持俄方组建欧亚电影艺术学院并设立“欧亚电影公开奖”，将积极考虑选送影片参加相关评奖活动。,美高梅国际平台,365手机网,188bet金宝搏注册App。

  时事2：正规外围足彩

  12月26日,南京明城墙“杉”水如画,沃罗比耶夫称，无人机袭击的目标可能是当地的民用基础设施，俄方并未遭到人员或财产损失，目前俄罗斯联邦安全局（FSB）和其他部门正在进行调查。,奥博体育官网入口,去哪里赌欧洲杯球,能玩二八杠的软件。

  12月26日,为什么老二总是比老大更聪明？真相扎心了......,宁波的哥宁师傅说，“续签”驾驶员从业资格证是一件很幸福的事，过去二十余年，他正是靠着“方向盘”养活一家老小，今年下半年，宁师傅的孙子也要上托班了。,米6体育官方网站,彩票365官网app,凯时手机版登录。

  时事3：吉祥游戏官网正版APP下载

  12月26日,再对委内瑞拉“极限施压”，美国能否得逞？｜国际识局,（观察者网讯）当地时间2月7日，在美国总统拜登向国会发表国情咨文演讲前，第一夫人人吉尔·拜登和第二先生道格拉斯·埃姆霍夫（副总统哈里斯的丈夫）互相亲吻问候的画面被拍下，引发美国舆论热议。,云顶娱乐的最新下载地址,新蒲京娱乐官方网站,bet体育官方中文版。

  12月26日,元旦假期哈尔滨旅游热度上扬 京哈高铁线路走俏,对于村民所称的申请大病医疗补助受影响，刘长文否认，“申请低保户，才会看家里有没有工商企业。农村合作医疗、大病医疗报销不受工商注册影响，任何人（报销）都一样。”,米乐网页登录,线上信誉平台网站,AOA登录官网。

  时事4：亚美在线平台

  12月26日,新华社评论员：牢牢把握“五个必须”的规律性认识——二论学习贯彻中央经济工作会议精神,综合来看，各国央行增持黄金的渠道主要分为两类，一类是依托伦敦金银市场协会（LBMA）的国际化体系，一类是在此之外的非LBMA体系渠道。,韦德体育可靠吗,365bet体育手机版app,BBIN新体育。

  12月26日,哈伊元首举行会晤 聚焦经贸合作与互联互通,近日，神州控股(00861.HK)旗下神州一诺成功中标签约上海仪电(集团)有限公司(以下简称“上海仪电”)的千万级数据中心搬迁集成服务项目。这是继今年6月神州一诺中标上海仪电智算基础设施服务项目后，双方在短期内达成的又一次重要合作。此次连续中标，不仅体现了上海仪电对神州一诺在“算力再造”领域技术实力与服务品质的充分信任，也标志着双方的合作关系在前期成功合作的基础上得到了进一步巩固与深化。,真人下载,beats官网,凤凰娱乐手机平台app下载。