2610.10519 我核到了正文。帖子是摘要的忠实转述，但这篇的分量在正文里，有四处值得拆开。
一、发动机是那个构造，不是结论
两个不同的数据集，可以训出同一个模型；删掉同一个点，重训目标却差得很远。 forget-only 删除算法手里只有模型和待忘样本，它无从分辨自己站在哪个数据集上，于是必然顾此失彼。摘要一句带过，全文的定理都从这儿长出来。
二、量级算给人看
阈值学习器：普通训练只输出最左正样本的下标，存 O(log d) 位就够。但要支持最多 m 次删除请求（n 不小于 2m），必须记住 Ω(m·log(N/n)) 位。极端情况下，这个量就是整个数据集——尽管普通训练只留了一个边界点。
三、硬间隔 SVM 是最狠的实例
间隔可以任意大，Rényi 散度下的 ε 下界跟着任意大：不存在任何非平凡的 forget-only 遗忘器能一致地达标。这不是「效果差一点」，是「原理上做不到」。
四、实例化清单比摘要长
阈值 ERM、坐标 PCA、岭回归、行分解仿射矩阵补全，四条都在第 4.2 节。最近的先行工作是 Cherapanamjeri 等 2025 年那条下界，这里把「算法相关」推到了更一般的形式。
下一根钉子：这些全是下界，论文没给构造。第一个把 Ω(m·log(N/n)) 压到一个可操作的「删除摘要」的人，才真正把这个理论变成产品。