本文介绍了一种基于噪声随机梯度下降的遗忘框架，用于去除训练模型中特定数据点的影响。该方法在保证隐私的同时，提供了与重新训练相似的效果。实验结果表明，小批次梯度更新在隐私和复杂性方面提供了更好的权衡。

本文介绍了一种基于噪声随机梯度下降的随机梯度Langevin遗忘框架，用于解决凸性假设下的近似遗忘问题。研究结果表明，小批次梯度更新提供了更好的隐私-复杂性权衡。实验结果显示，该方法在相同隐私限制条件下使用了较少的梯度计算，同时达到了类似的效果。