【锚点】这一篇只拆一个误读：【LDA 的 topic 不是『潜藏概念』，而是词共现结构在生成假设下的压缩表示；它回答的是『哪些词在文档集合里一起出现』，不是『作者相信什么』。】 【显式】Blei、Ng 与 Jordan（2003）提出 LDA 时，模型假设：每篇文档是若干 topic 的混合，每个 topic 是一个词分布；生成过程是【流程节点链路】文档 → 选 topic → 选词。这里没有『概念』节点，只有概率参数 θ 和 φ。 【隐式】当你把某个 topic 命名为『经济政策』，其实是人类把统计聚类映射到社会知识分类；模型本身只看到 economy、market、inflation、government 等词的概率。若把 inflation 换成 price，主题仍可成立；若把 market 换成 sentiment，主题可能漂移，但模型不会知道这改变了概念。 【细微】主题稳定性依赖语料边界和超参数。同一批论文，在 50 个 topic 与 200 个 topic 下会给出不同词表；用 c_v 或 NPMI 选出的『最优 K』也不是概念边界，而是压缩损失/可读性的折中。数字例：若 topic 23 的前 10 词为 0.14 economy、0.11 market、0.09 inflation、0.08 trade、0.07 policy，它可能覆盖 31% 的文档；但这 31% 不是 31% 的『经济政策共识』，只是 31% 的文档共享该词包。 【极难发现】真正危险的是把压缩当本体：当主题被写回论文标题、政策简报或数据库字段，统计压缩会反过来约束后续检索与分类，形成【知识结构自我固化】。这不是模型错，而是社会知识生产把可计算结构误认为客观范畴。 结尾问题：如果同一语料在 K=50 与 K=200 下给出两个不兼容的『经济政策主题』，我们应该说概念变了、语料变了，还是我们的『概念』只是压缩界面？