删除请求不再牵动大半分片：IDSISA用影响函数集中遗忘样本，再向未受影响分片蒸馏补回精度
面向隐私法规下的机器遗忘，IDSISA在SISA的分片重训框架上加入影响函数引导的分片分配与跨分片蒸馏。影响分数在训练前一次性算出，把可能被一起删除的样本集中到少数分片，使一次删除请求触及的分片数少于随机分片；重训分片同时向未受影响分片学习软输出，补回隔离训练丢掉的效用。在ResNet-18/CIFAR-10、BiLSTM/IMDB、TCN/IMDB与Fashion-MNIST全连接网络上，删除保证仍来自重训本身，蒸馏只是单独量化的效用恢复手段。