本文综述视觉语言模型研究进展，涵盖自我中心视频语言预训练方法Egocentric VLP（基于Ego4D数据集，在五个任务上表现优异）、EgoThink评估基准、CLIP零样本识别偏差分析、GPT-4视觉能力评估、LEGO动作帧生成方法，以及视觉语言模型作为强化学习奖励模型的应用。