鲁棒性

本文提出了一种新的提示学习方法，旨在解决多模态大模型在输入模态可能缺失时的问题。通过结合三种不同的提示向量策略（Correlated prompting, Dynamic prompting和Modal-common prompting），该方法能更有效地提升模型的鲁棒性和可扩展性，在多个数据集上验证了其有效性。