持续学习研究：视觉-语言模型准确率保持高位，但公平性普遍恶化

视觉-语言模型的持续学习研究显示，模型准确率仍保持较高水平，但公平性指标大多变差，年龄维度甚至比微调基线更糟。群体数据代表性不足无法完全解释这种恶化，prompt 类方法在数据较多的肤色分组上仍更频繁误判较深肤色，正则化方法也不按群体规模发挥作用。作者呼吁新的持续学习方法在平衡稳定性与可塑性时纳入社会影响。