Badacze opracowali nową metodę unlearning, która uwzględnia wzajemne zakłócenia między wieloma zadaniami w modelach AI. Istniejące podejścia do usuwania danych treningowych z modeli wielozadaniowych mogą pogarszać wydajność na innych zadaniach. Nowa technika optymalizuje ten proces, aby zminimalizować negatywne efekty uboczne, co ma znaczenie dla prywatności i bezpieczeństwa AI przy zachowaniu użyteczności modeli.