본 논문은 대규모 언어 모델(LLM)의 학습 데이터에 포함된 민감하거나 저작권이 있는 정보의 삭제 요구에 대응하여 개발된 머신 언러닝 알고리즘의 효과를 평가하기 위한 포괄적인 감사 프레임워크를 제시한다. 이는 세 가지 벤치마크 데이터셋, 여섯 가지 언러닝 알고리즘, 그리고 다섯 가지 프롬프트 기반 감사 방법을 포함하며, 다양한 감사 알고리즘을 사용하여 여러 언러닝 전략의 효과와 강건성을 평가한다. 또한, 모델 입력과 출력에만 의존하는 감사 방법의 한계를 해결하기 위해 중간 활성화 변화를 활용하는 새로운 기법을 제안한다.
