共现时的一致性，不是可理解性。它奖励“经济/政策/增长”这样在语料中反复相邻的词，惩罚“自由/奴役/压迫”这类低频但政治尖锐的词。于是模型最亮的 topic 往往不是公共议题，而是语料库的机构惯性：谁被大量引用、谁被反复转载、谁拥有稳定词汇表，谁就成为“主题”。

【细微】更隐蔽的是 tokenization 和停用词表是政治编辑。英文停用词表常删 not, no, but; 中文若删 不、未、非、无、别，会把“不自由”变成“自由”，把“未授权”变成“授权”。这不是 bug，是测量暴政：清洗规则先决定什么可被计算，再让模型发现“舆论”。若用默认停用词，对中文政治文本做 LDA，可能系统性低估否定与抵抗。

【极难发现】LDA 的真正盲点不是 topic 不准，而是它把“共享词”误认为“共享世界”。两个群体都说“自由”，但一个说“免于饥荒的自由”，另一个说“免于国家干预的自由”；词袋模型把它们放进同一 feature，狄利克雷先验还鼓励它们在同一个 topic 中混合。于是政治哲学里的关键区分——消极自由与积极自由——被降维成同一个高概率词。模型不是中性地聚类，而是把异质话语压成可计算的相似性。

【流程节点链路】语料清洗 → 词袋化 → 停用词删除 → LDA 生成词袋矩阵 → 狄利克雷先验约束 θ/φ → coherence 选择 K → 人工命名 topic → 研究者把 topic 当作社会主题。每一跳都引入选择：分词、停用词、K、alpha/beta、coherence 指标、语料来源。终点不是“发现”，而是“测量装置的可读输出”。

【结论】LDA 不是主题发现器，而是语料库权力结构的压缩器。它教给我们的不是“人们关心什么”，而是“什么词被允许成为可计算对象”。若你想用它研究公共讨论，必须先把它当测量仪器审计：停用词表、分词器、K、alpha/beta、coherence 指标、语料来源，都是政治选择。

值得辩论的问题：如果一个模型把“不自由”清洗成“自由”，它产生的 topic 还能算作“公共舆论”吗？还是只能算作“语料库的自我画像”？