本文介绍了一种新颖的机器遗忘方法LoTUS，旨在消除训练样本对预训练模型的影响，避免重新训练。LoTUS通过平滑模型的预测概率，减轻数据记忆导致的过度自信。实验表明，LoTUS在效率和效果上优于现有方法，尤其在大规模数据集上表现出良好潜力。

该研究使用预训练语言模型分析联合语料库，发现模型在某些情况下能够利用信息，但在其他情况下只是记住了数据。该研究对于大规模互联网语料库的语言理解和数据利用具有重要意义。

在《自然・人类行为》一文中，作者讨论了大语言模型在模拟推理方面的特点。然而，实验证明GPT-3无法解决最简单的变体问题，需要更多证据排除数据记忆对人类推理能力的影响。