Apple skúma lacnejší unlearning: nie každý tréningový bod potrebuje rovnaký zásah
Výskumníci z Apple a Harvardu navrhujú pred unlearningom odfiltrovať tréningové body so zanedbateľným vplyvom na výstupy modelu. Na skúmaných jazykových a obrazových úlohách uvádzajú úsporu výpočtov až približne 50 %, nízky nameraný vplyv však sám osebe nedokazuje právne ani technicky úplné zabudnutie údajov.