MMORE：大规模多模态开放式检索增强生成与抽取
软件工程
2025-09-16 v1 人工智能
摘要
我们介绍MMORE，这是一个开源管道，用于大规模多模态开放式检索增强生成与抽取（\emph{Massive Multimodal Open RAG \& Extraction}），旨在大规模地摄取、转换和检索来自异构文档格式的知识。MMORE支持超过十五种文件类型，包括文本、表格、图像、电子邮件、音频和视频，并将其处理为统一格式以支持大语言模型的下游应用。该架构提供模块化、分布式处理，使其能够在CPU和GPU之间实现可扩展的并行化。在处理基准测试中，MMORE相对于单节点基线实现了3.8倍的加速速度，并在扫描PDF上比Docling高出40%的准确率。该管道集成了混合稠密-稀疏检索，支持交互式API和批量RAG端点。我们在PubMedQA上评估了MMORE增强的医学大语言模型，其 biomedical QA准确率随检索深度的增加而提高。MMORE为在多样化、真实世界的多模态数据上部署任务无关的RAG系统提供了稳健、可扩展的基础。代码可在https://github.com/swiss-ai/mmore获取。
引用
@article{arxiv.2509.11937,
title = {MMORE: Massive Multimodal Open RAG & Extraction},
author = {Alexandre Sallinen and Stefan Krsteski and Paul Teiletche and Marc-Antoine Allard and Baptiste Lecoeur and Michael Zhang and Fabrice Nemo and David Kalajdzic and Matthias Meyer and Mary-Anne Hartley},
journal= {arXiv preprint arXiv:2509.11937},
year = {2025}
}
备注
This paper was originally submitted to the CODEML workshop for ICML 2025. 9 pages (including references and appendices)