과매개모수화된 설정에서의 머신 언러닝 알고리즘을 연구합니다. 기존의 언러닝 정의는 데이터를 보간하는 많은 모델이 존재하는 과매개모수화 설정에서는 부적절합니다. 기존 모델이 이미 남은 데이터를 보간할 수 있기 때문입니다. 본 논문에서는 남은 데이터에 대한 최소 복잡도 보간자를 언러닝 솔루션으로 정의하고, 원래 솔루션에서 남은 데이터에 대한 모델 기울기만 접근 가능한 새로운 알고리즘 프레임워크를 제안합니다. 이 기울기들에 직교하는 섭동에 대한 제약 조건 하에 정규화된 목적 함수를 최소화하는데, 이는 보간 조건의 1차 근사입니다. 다양한 모델 클래스에 대해 정확하고 근사적인 언러닝 보장을 제공하며, 제안된 프레임워크의 구현이 다양한 언러닝 실험에서 기존 기준보다 우수함을 보여줍니다.