猫眼电影记者 赵凯 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：银河最新官方网址娱乐平台登录

  12月23日,CBA常规赛：广东主场胜山东 豪取六连胜,当下电动汽车市场的格局，是多重因素共同作用的结果：既有行业内部的竞争格局变化，也有外部因素的冲击，包括华尔街的资本施压，以及特朗普政府与拜登政府执政期间，对电动汽车政策的反复摇摆。,江南官方体育网页版。

  12月23日,“税”获选马来西亚年度汉字,随着中国政府加大对人工智能芯片制造商的扶持力度，海外投资者认为中国正不断缩小与美国的科技差距。而与此同时，美股上市人工智能股票估值高企引发的担忧持续升温，这促使投资者纷纷押注中国相关企业。,沙巴体育和cmd体育,6up扑克之星假不假,澳门各大游戏网站。

  时事2：线上365bet手机投注

  12月23日,东西问｜史芬娜：“中国风”何以风靡欧洲百余年？,当地时间2月8日，乌克兰总统泽连斯基出访英国，呼吁西方为乌军提供先进战斗机，此前英国方面已宣布将提供战斗机飞行员培训。泽连斯基随后还前往巴黎和布鲁塞尔先后会晤法、德以及欧盟领导人。,外围玩球app,火狐体育 官网入口,必发平台网址。

  12月23日,皮肤科医生建议，秋季护肤重在保湿护屏障,“因此，邓肯失去了在斯坦福法学院发表意见的权利。”本周四，他受该校联邦主义者协会的邀请为法学院学生演讲，然而他根本没有机会读准备好的讲稿。,欧宝直播视讯,MG电子外围官网,澳门百乐门旗舰真人。

  时事3：综合体育网站有哪些

  12月23日,长三角马术联赛总决赛杭州收官 赛事流量转为消费留量,双方高度重视人工智能问题，愿就人工智能的发展、安全和治理加强交流与合作。俄方欢迎中方提出《全球人工智能治理倡议》，中方欢迎俄方在人工智能领域提出治理准则。双方同意建立并用好定期磋商机制加强人工智能和开源技术合作，在国际平台上审议人工智能监管问题时协调立场，支持对方举办的人工智能相关国际会议。,免费领取彩金娱乐,云顶在线开户,金沙客户端手机版下载。

  12月23日,作家梅洁谈《走进蓝色警营》：努力做好故事的记录者,前一交易日（12月22日），多只A500ETF“吸金”；本月以来，中证A500ETF（159338）、A500ETF南方（159352）、A500ETF基金（512050）、A500ETF华泰柏瑞（563360）资金净流入额均超过100亿元。,九线拉王哪个平台好,线上网投娱乐,凯时app官网。

  时事4：pt游戏

  12月23日,两部门协调援助应急装备物资支持香港大埔火灾应对处置后续工作,头顶“银行系”光环，国民养老保险的业绩也可圈可点。数据显示，2022年至2024年，国民养老保险的保险业务收入分别为2.92亿元、11.19亿元、48.08亿元，净利润分别为0.49亿元、3.15亿元、4.30亿元。截至2025年三季度末，国民养老保险规模保费收入为47.37亿元，净利润为3.2亿元。,凯时娱人生就是博app,沙巴体育规则认为,看世界杯网站。

  12月23日,（文化中国行）新疆木卡姆焕新“声”：文化瑰宝奏响时代新韵,其一，黄金ETF作为基金产品，背后引入了发行机构（基金公司）的信用风险、托管银行的风险以及证券市场本身的运作风险。在极端市场情况下，风险可能进一步放大，这与央行对储备资产“零信用风险”的要求是相悖的。,视讯真人游戏网站是什么,环球棋牌评测网官网,台湾麻将游戏单机版。