近年来，长尾图像分类受到广泛关注，因为许多现实场景中的数据分布呈现出长尾特性。为应对数据分布不均衡问题，研究者提出了大量算法，通过在训练过程中偏向于罕见类别来缓解这一问题。然而，这些方法通常在平衡的测试集上进行评估，或在与训练数据分布不同的多个独立测试集上进行测试。考虑到测试数据可能具有任意分布，现有评估策略难以客观反映算法在真实场景下的实际分类性能。为此，我们构建了一套新的评估基准，基于一系列分布不断演化的测试集。同时，我们设计了一套综合指标体系，用于衡量算法在长尾分布学习中的准确性、鲁棒性以及性能边界。基于该评估基准，我们对现有方法在CIFAR-10和CIFAR-100数据集上的性能进行了重新评估，为数据重平衡技术的选择提供了重要参考。此外，我们对现有方法进行了系统性回顾，并根据其在训练流程中侧重的环节，将其划分为四类：数据重平衡、特征重平衡、损失重平衡和预测重平衡。