本文介绍了校准感知贝叶斯神经网络（CA-BNN）框架，结合数据独立和相关正则化优化贝叶斯学习。提出的校准鲁棒微调（CaRot）方法通过引入校准项和新型损失函数，提升了预训练视觉-语言模型的校准性和鲁棒性，实验结果表明该方法在多个基准问题上表现优越。

该研究提出了一种名为CaRot的方法，用于提高预训练视觉-语言模型在内部和外部数据集上的校准性和鲁棒性。验证结果证明了该方法的有效性。