연구진은 머신러닝 모델에서 특정 데이터 지점을 제거하는 '언러닝' 과정에서 모든 데이터를 동일하게 취급하는 기존 방식에 의문을 제기했어요. 영향이 적은 데이터 지점은 제거해도 모델 성능에 큰 영향을 주지 않는다는 점을 발견했죠. 이 방법을 통해 언러닝 과정의 계산 비용을 절감할 수 있어요.
언어 및 시각 작업에서 영향 함수를 비교 분석한 결과, 모델 출력에 미치는 영향이 미미한 학습 데이터 하위 집합을 식별했어요. 이 지점들은 제거해도 모델 성능에 큰 영향을 주지 않으며, 계산 비용을 줄일 수 있어요.