本文提出了一种基于统一类别原型导向的视觉语言框架，用于解决数据不平衡引起的特征空间偏差和分类器的正向偏差问题。通过去除无关噪声文本和增强关键属性信息的模块，提高了模型的鲁棒性。实验证明，该方法在长尾学习中表现出更优越的性能。