猫眼电影记者 富埃特文图拉 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：环亚旗舰厅手机版

  12月23日,我在四川很安逸｜台青林彦谷：虹吸壶里的慢时光,道德败坏，公器私用，将地质调查、矿产开发等权力作为敛财纳贿的工具，搞权钱交易……,极速牛牛官网网址准。

  12月23日,福建支持台胞开设沙县小吃门店 提供创业补助和技能培训,民航业内人士李瀚明认为，本轮扩建前，很多西北机场处于超负荷状态。,bck体育跑路了吗,黑桃棋牌唯一官方网站,威尼斯人网站网站。

  时事2：威尼斯账号怎么注册

  12月23日,“老物件”入景入店 天津老厂区焕新重拾工业记忆,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。,pg游戏官方网站,冠通游戏官网,银河手机版app下载。

  12月23日,崔保华一审获刑14年 受贿所得财物及孳息已全部追缴,张先生告诉《环球时报》记者，近年来走入网球馆和网球场的人越来越多，这一现象在郑钦文夺冠后更加明显，其中尤以青少年人群为多。,世界杯网上投注,世界杯比分竞猜投注,亚星在哪开户。

  时事3：12bet手机APP

  12月23日,欲增防卫费 日政府向国会提交补充预算案,中国煤矿文工团成立于1947年东北解放区，是国家级艺术院团中历史最悠久的单位之一。2005年，加挂了“中国安全生产艺术团”的牌子。2018年9月，转隶到文化和旅游部。,银河网app官网,365体育外围和服务支持,leyu乐鱼客服。

  12月23日,世界老乡@义乌丨也门演员哈姆扎：这座城是我的“中国奶奶”,公器私用，将地质调查、矿产开发等权力作为敛财纳贿的工具，搞权钱交易，利用职务便利为他人在企业经营、项目承揽、矿权审批等方面谋利，并非法收受巨额财物；,BETVLCTOR伟德官网app下载,葡京手机端app,快乐炸金花电脑版。

  时事4：蜗牛扑克allnewbet

  12月23日,未来的人工智能什么样？王晋康、刘慈欣探讨科学人文共生关系,乌鲁木齐不缺国际和地区航线。2024年，乌鲁木齐机场累计运营定期客货运输航线共240条。其中，国际定期客运航线26条，与高加索地区三国与中亚五国实现全部通航，通航中亚航点数量为国内十大枢纽机场之首。,真钱赌手机注册,火狐平台app下载,注册送18金的捕鱼游戏。

  12月23日,多家门店“等车到货”！记者实探“小电驴”新国标实施首日→,北京、上海、广州是3大全方位门户复合型功能的国际航空枢纽，成都、深圳、重庆、昆明、西安、乌鲁木齐、哈尔滨是7大区位门户复合型功能的国际航空枢纽。,必威手机登录页面,im电竞官网登录,千亿直播视讯。