视觉问答研究旨在通过图像和自然语言问题提供准确答案，但常因训练数据偏见导致分布外性能差。本文综述了该领域，分析数据集和评估指标的发展，提出去偏见方法的分类，并比较其稳健性。还讨论了视觉与语言预训练模型的表现，最后探讨未来研究的关键领域。

本文综述了视觉问答（VQA）领域的研究进展，重点讨论了数据集的发展、评估指标、去偏见方法以及稳健性预训练模型。同时，对未来研究的关键领域进行了探讨。

本文综述了视觉问答（VQA）领域的研究进展，重点讨论了VQA方法中存在的偏见问题以及评估指标和去偏见方法的发展。同时还分析了VQA中的视觉与语言预训练模型的稳健性，并探讨了未来研究的关键领域。

本文综述了视觉问答（VQA）领域的发展和问题，包括数据集的发展、评估指标、去偏见方法和稳健性。通过实验分析，提出了未来研究的关键领域。为了评估和增强 VQA 的稳健性，已经提出了各种数据集和去偏见方法。