본 논문은 관측된 라벨과 모델이 생성한 의사 라벨 간의 동적 균형을 조절하고, 개별 샘플의 중요도를 메타 학습을 통해 자동으로 조정하는 Learning to Bootstrap (L2B) 기법을 제안한다. L2B는 노이즈 라벨의 부정적인 영향을 효과적으로 완화하고, 오염된 데이터의 유용한 정보를 잘 활용할 수 있다.
