Deletion（删除）在软件工程语境中通常指两件事：一是代码库维护中的“删代码”——通过移除冗余模块来降低复杂度的工程理念；二是机器学习中用于评估特征重要性的 deletion 曲线方法，即逐步移除特征观察模型性能变化。近期这个词在中文开发者社区和学术圈同时出现热度，一条来自工程实践，一条来自可解释性研究。
Deletion 的近期进展
当前焦点与观察点
工程侧的讨论集中在“AI 写代码越多，越需要系统性地删”这一观点上。Matt 的 /improve-codebase-architecture skill 采用“先出报告、再决定改哪个模块”的流程，把 deletion 从被动清理变成显式的架构决策环节。来源
学术侧的争议点在于：仅用 deletion 曲线衡量特征重要性可能高估或低估某些特征的贡献，新的研究尝试通过联合优化 insertion 与 deletion 两条曲线来提升评估的可信度。
值得关注的是，deletion 正从单纯的“删东西”演变为一个有方法论支撑的工程与研究话题——在代码层面是复杂度治理，在模型层面是可解释性度量，在产品安全层面则表现为可回滚的删除机制。三条线互相独立，但共同指向同一个判断：系统变得更快更大之后，“移除”的价值正在被重新定价。