该研究探讨了视觉-语言模型中的文化和社会经济多样性，发现低社会经济地位社群存在偏见，并提出了改进方法。研究表明，视觉语言模型在生成内容时受到底层语言模型的影响，存在显著偏见。提出的“校准”和“去偏抽样”策略有效减轻了偏见，提升了模型性能，促进了公平性。