본 논문은 기존의 신경망 모델에서 특정 훈련 데이터를 제거(unlearning)하는 새로운 방법을 제안합니다. 기존 방법들이 나머지 데이터로 모델을 재훈련하는 방식이라 비용이 많이 들고 검증이 어려운 점을 지적하며, "패치(patch)"를 이용하여 원래 신경망에 미세 조정을 가하는 방식을 제시합니다. 이는 신경망 복구 연구에서 영감을 얻어, 삭제할 데이터 포인트에 대한 최소한의 "패치"를 찾는 전략을 사용하며, 검증 가능한 보장을 제공합니다. 여러 데이터 포인트 또는 전체 클래스를 unlearn하기 위해서는 대표 데이터 포인트의 작은 하위 집합을 반복적으로 선택하는 방법을 제안합니다. 여러 범주형 데이터셋에 대한 실험 결과, 제안된 방법이 효과적으로 unlearning을 달성하면서 모델 성능을 유지하고, 효율성과 메모리 소비 측면에서 기존 방법들과 경쟁력이 있음을 보여줍니다.
