Anthropic 研究员激辩可解释性中定位方法是否必要

Anthropic 研究员 arunasank 与 johnhewtt 围绕可解释性研究中的「定位」方法是否必要展开争论。johnhewtt 认为 DoM（均值差）在定位层上表现更好，并不能为定位策略提供有力证据。arunasank 则称行为表现是中介变量有效的证据，并援引论文中的 ReFT 等梯度 steering 方法，指出这类方法无需定位即可生效。