本研究提出了一种新颖的Group Sparse LoRA (GS-LoRA)方法，有效解决了在隐私和安全方面删除预训练视觉模型中不必要信息的问题。实验结果表明，该方法在面部识别、物体检测和图像分类任务中实现了信息遗忘，影响最小。

本文提出了一种模型手术（MOS）方法，旨在解决类增量学习中的信息遗忘问题。通过训练特定适配器和自我修正机制，MOS有效减轻了模型的遗忘现象，并在七个基准数据集上取得了优异的实验结果。