研究显示，视觉-语言模型在图像理解中存在西方偏见。多文化图像评估发现，这些模型在西方文化任务上表现更好。实验强调预训练中使用多样语言的重要性，以实现公平的模型。尽管使用目标文化语言提示可以减少偏见，但无法替代全球语言代表性的AI。