综述视觉问答（VQA）研究，涵盖数据集、深度学习模型与应用挑战；指出预训练视觉语言模型存在分布偏移，生成模型对数据变化更稳健；提出基于大语言模型的评估指标、知识驱动评估方法及时尚领域VQA系统，并关注时间泛化与多模态问答方向。