SALA：实现样本级近似的机器遗忘框架

研究人员提出可插拔优化框架 SALA，使近似遗忘方法能在样本粒度运行，将样本级分布差距最多降低 86.67%。 该框架通过引导每个样本趋向正确目标分布来评估近似遗忘效果，并提供了理论保证。实验证明 SALA 在分类和生成任务中提升了模型对遗忘超参数的鲁棒性。