यह शोधपत्र एक नई चुनौती प्रस्तुत करता है: "टूल अनलर्निंग", जो टूल-आधारित एलएलएम से विशिष्ट टूल्स के बारे में सीख को हटा देता है। पारंपरिक अनलर्निंग के विपरीत, इस दृष्टिकोण में व्यक्तिगत नमूनों के बजाय स्वयं ज्ञान को हटाना आवश्यक है। यह दृष्टिकोण चुनौतियों को प्रस्तुत करता है, जिनमें एलएलएम अनुकूलन की उच्च लागत और एक सैद्धांतिक मूल्यांकन मीट्रिक की आवश्यकता शामिल है। इन चुनौतियों का समाधान करने के लिए, हम टूलडिलीट का प्रस्ताव करते हैं, जो टूल-आधारित एलएलएम में टूल्स को प्रभावी ढंग से अनलर्न करने का पहला तरीका है। टूलडिलीट प्रभावी टूल अनलर्निंग के लिए तीन प्रमुख गुणों को लागू करता है और प्रभावी मूल्यांकन के लिए एक नया सदस्यता अनुमान आक्रमण (एमआईए) मॉडल प्रस्तुत करता है। विभिन्न टूल-प्रशिक्षण डेटासेट और टूल-आधारित एलएलएम पर व्यापक प्रयोग प्रदर्शित करते हैं कि टूलडिलीट यादृच्छिक रूप से चयनित टूल्स को प्रभावी ढंग से अनलर्न करता है, जबकि शेष टूल्स के बारे में एलएलएम के ज्ञान और सामान्य कार्यों पर उसके प्रदर्शन को संरक्षित रखता है।
