본 연구는 CLIP과 같은 Vision-Language 모델의 Prompt Tuning이 라벨 노이즈에 민감하게 반응한다는 문제점을 지적합니다.
Double-Softmax Prompt Tuning (DSPT)이라는 새로운 기법을 제안하여, 노이즈 샘플에서 발생하는 과도한 Gradient를 억제하고 학습 효율을 높입니다.
DSPT는 기존 방법보다 뛰어난 성능을 보이며, 복잡한 구조나 수동 Hyperparameter 조정 없이도 라벨 노이즈에 강건한 Prompt Tuning을 가능하게 합니다.