本研究提出了一种新的机器遗忘方法——数据模型匹配（DMM），旨在提升现有技术在非凸环境中的表现。该方法通过数据归因预测模型的输出，微调已训练模型以匹配动态预测结果，展现出优越的遗忘性能。

本研究提出了一种新的框架NAPA-VQ，解决类重叠和决策边界判别性的问题。实验证明NAPA-VQ优于现有的NECIL方法。