本文介绍了一种机器遗忘算法，旨在高效移除已训练模型中特定数据的影响，以保护用户隐私。该算法通过选择少量样本进行任务适应，优于传统微调方法，并在多个数据集上验证了其有效性。同时，研究探讨了遗忘风险、查询复杂度及新指标的引入，以实现高效的隐私保护。

该论文介绍了一种机器遗忘算法，用于移除已训练预测器中原始数据集的影响。算法考虑了遗忘完整性和性能衰减之间的权衡，并解决了调度和再调度问题。通过模拟验证了算法在负载预测器上的性能。