猫眼电影记者 朱德群 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：美狮贵宾会官网app

  12月25日,小泡菜变成大产业 每天400多吨“下饭菜”从这里发往全国,他早年在吉林省工作，曾任：吉林省人民检察院经济检察处副处长、处长，监所处处长，榆树市副市长，松原市人民检察院检察长、党组书记，吉林省人民检察院副检察长兼反贪局局长，吉林省纪委常委、副书记、省监察厅厅长等职。,365官网唯一品牌。

  12月25日,五年来湖南办理外国人团体入境游签证量居全国第一,其他七大类价格环比五涨一平一降。其中，其他用品及服务、交通通信价格分别上涨2.0%和1.0%，教育文化娱乐、生活用品及服务、医疗保健价格分别上涨0.5%、0.4%和0.2%；居住价格持平；衣着价格下降0.1%。,im体育和沙巴体育区别,bet188平台,那个软件炸金花靠谱。

  时事2：大地网投官方

  12月25日,空中客车中国总装第800架A320系列飞机交付,3月4日12时，十四届全国人大一次会议举行新闻发布会，大会发言人王超就大会议程和人大工作相关问题回答中外记者提问。,完美体育365,下载银河app,澳门游戏平台网址大全。

  12月25日,西藏甘丹寺迎来传统“燃灯日”,近年来，渤海海峡跨海通道相继被纳入了国务院发布的《环渤海地区合作发展纲要》《支持东北振兴若干重大政策举措的意见》《山东半岛蓝色经济区发展规划》《全国海洋功能区划（2011年~2020年）》以及山东省、辽宁省的“十二五”“十三五”“十四五”规划等。在梁启东看来，应建议将此列入国家“十五五”规划，加快论证和建设进程。,必博309体育,188bet体育登录,篮球投注平台。

  时事3：葡京赌盘平台立即试玩

  12月25日,探寻新时代发展足迹｜“三座城”同步推进，雄安新区拔节生长,俄罗斯过去已经展示了许多在轨反卫星能力，战区称据信中国也对这种轨道反微信跟那个你感兴趣。去年，中国实践21号卫星（SJ-21）靠近北斗导航系统的一颗卫星，抓住它，并将其拖入所谓的“墓地轨道”，展示了另一种可用于压制对手天基系统的能力。,ManBetX万博官网地址,环亚手机版官网,足球世界杯开户注册。

  12月25日,湖北鄂州花湖国际机场启用全国首个“三检合一”通道,事实上早在2023年，这个趋势已经显现。红餐产业研究院发布的《2023年中国餐饮消费趋势》报告显示，餐饮业消费已经显现出“第四消费时代”的特征，消费者对高性价比有着极致追求。我国的餐饮消费呈现出了“K形分化”，即一端向上探顶，一端往下坠落的分化走势，主张高端、差异化与主打刚需、价低质优的企业有较大机会承接住时代的红利。,万博体育网址多少,华体汇体育登陆,凯发娱乐体。

  时事4：足球世界杯彩票网站

  12月25日,青岛市委理论学习中心组专题辅导报告会举行,Mysteel、SMM等多方数据显示，今年7月样本锂云母矿山总产量达到1.61万吨，8月份骤减至0.9万吨左右，到今年11月时进一步萎缩至0.7万吨左右。,线上gd真人app介绍,最大赌博注册,RORapp最新版。

  12月25日,中央政府驻香港联络办下半旗志哀,近日，中铝国际工程股份有限公司（以下简称“中铝国际”）向印尼苏门答腊岛水灾灾区捐赠1亿印尼盾，助力抢险救灾。,bet9网页登录入口,千赢88,im体育网址是多少。