该文综述视觉与语言领域的行动与变化推理研究，涵盖相关任务、基准数据集、技术模型及表现，并总结挑战与未来方向。同时介绍多项工作：多模态对话中的澄清请求标注与学习、强化学习澄清模糊问题、交互式图像检索的分层对话策略、任务无关澄清框架、模块化物体中心方法MOCA、协作游戏隐式信息传递算法PBL、对话代理修复能力数据集CoDraw-iCR及人类反馈学习算法COACH。