本研究提出了一种概率语言-图像预训练（ProLIP）方法，旨在解决传统视觉语言模型在图像与文本多对多关系中的不足。ProLIP通过概率目标在大规模数据集上进行预训练，结合不确定性估计和包容性损失，显著提升了下游任务的表现和图像分类的准确率，展示了其实际应用潜力。