在人工智能领域，长尾挑战 (Long-Tail Challenge) 通常指的是在机器学习和深度学习中遇到的一类问题，特别是在处理视觉识别任务时。长尾挑战主要关注类别不平衡 (Class Imbalance) 问题，即在数据集中少数类别（头类）拥有大量样本，而多数类别（尾类）只有很少的样本。这种情况会导致模型在训练时偏向于学习高频类别的特征，而忽视低频类别，从而影响模型在整体数据集上的性能，尤其是在稀有类别上的表现。

在学术研究中，有关长尾挑战的论文越来越多。例如，颜水成、冯佳时团队在新加坡国立大学和 SEA AI Lab 进行了深度长尾学习的研究，并发布了相关的综述论文「Deep Long-Tailed Learning: A Survey」，系统地阐述了深度长尾学习及其方法和应用，并提出了一个新的评价指标来验证现存长尾学习方法对类别不平衡问题的解决能力。