模型真的在用这个特征吗？区分 LLM 中的 steering 与机制

研究提出一个经验性契约，在自然输入所观测到的特征取值上评估 LLM 内部特征，而非依赖把特征推向自然范围之外的 steering。方法包括 installation（把表现行为的输入特征值复制到匹配输入）与 removal、downstream rescue（在上游编辑后恢复特征），分别测特征对行为是否充分、模型是否真正使用它。