Процесс машинного «забывания» (machine unlearning) становится критически важным для безопасности и соблюдения авторских прав в генеративных моделях. Однако при удалении нежелательной информации нейросети часто начинают хуже работать с похожими, но допустимыми концептами. Это явление, называемое интерференцией, до сих пор не имело единой системы оценки. Методология I-CARE призвана систематизировать этот процесс, предлагая формальные определения, метрики и шаблоны для отчетности, чтобы сделать результаты исследований воспроизводимыми. Авторы подчеркивают, что I-CARE не является очередным алгоритмом удаления данных, а служит инструментом для анализа качества работы существующих методов. В рамках работы была проведена демонстрация на актуальных моделях и наборах данных, подтвердившая эффективность предложенного подхода. Для удобства исследователей и разработчиков проект сопровождается открытым исходным кодом и веб-интерфейсом, который позволяет изучать паттерны интерференции без необходимости глубокого программирования или сложной обработки данных.