LOFT：在低维特征子空间中实现机器遗忘（NeurIPS 2026）

LOFT 方法提出在预训练模型的低维特征子空间中进行机器遗忘（Machine Unlearning），通过主投影分离保留数据与遗忘数据的信息。该方法只需优化一个可插入模型的小型投影矩阵，且仅需对预训练模型做一次特征提取，无需反复访问原始数据或更新整个模型。实验表明其计算开销显著更低、遗忘性能更优，代码已公开，论文已被 NeurIPS 2026 接收。