联邦遗忘学习

GDFA：几何驱动且带方向任务向量对齐的联邦遗忘

GDFA: Geometry-Driven Federated Unlearning with Directional Task Vector Alignment

把损失景观几何（平坦极小值）作为提升遗忘鲁棒性的手段，并通过对任务向量做方向一致性过滤来隔离共享知识——这套「平坦化 + 方向对齐的任务向量」思路可迁移到视觉模型的版权数据删除、概念擦除与个性化模型去身份化等场景。