EASE는 연합 학습 환경에서 다중 모드 모델의 잊혀진 지식을 효과적으로 제거하는 새로운 프레임워크입니다. 본 연구는 잊혀진 정렬이 빌리니어 결합, 주각 공간의 얽힘, 연합 업데이트 지속으로 인해 발생하는 세 가지 잔여 앵커를 통해 지속된다는 앵커 원리를 밝혀냈습니다. EASE는 시각 및 언어 브랜치의 양방향 변위, 클라이언트 업데이트 공간의 코사인-사인 분해, 방향 선택적 망각 잠금 등 세 가지 전략을 결합하여 앵커 채널을 닫습니다.