【锚点】这一讲钉一个【计算社会科学】判断：【主题模型】不是【语义探测器】，而是【生成式约束下的共现压缩】；把【LDA 输出的主题词表】当【作者意图】，会把【模型先验】误读成【文本意义】。

【显式】Blei、Ng 与 Jordan 的 LDA（2003）把文档生成看成两层概率：文档先选【主题混合】，主题再抽【词】。若词表 5 万、文档 1 万、K=50，模型要解释的是 50 个主题分布和 1 万个混合分布，而不是 1 万段文本的“意思”。

【隐式】Moretti 的『远读』不是让机器替读者读，而是改变尺度：放大到全书、全档、全时期后，模式出现，但解释权也从【文本细读】转移到【尺度选择】。当模型把 election、vote、campaign、candidate 放进同一主题，可能捕捉到政治语域的重复，也可能只是新闻模板、标题套话与编辑惯例的残留。

【细微】真正容易被忽略的是：【主题】在 LDA 里是一个概率向量，不是概念。一个主题可以 70% 概率给 vote、15% 给 election、5% 给 ballot，其余 10% 散在大量低概率词上；这个向量可以被解释，但解释本身是读者补上的。

【极难发现】更深的盲点是：【可复现性】不等于【可解释性】。同一语料、同一 K、不同随机种子或不同初始化，可能给出词表高度相似但边界不同的主题；若你只保存“最终主题词”，没有保存【语料预处理】、【词表】、【超参数】、【随机种子】和【生成器版本】，所谓远读就只是不可审计的审美判断。

【流程节点链路】：【原始文本】 → 【分词/去停用词/词表】 → 【文档-词频矩阵】 → 【LDA 超参数与生成过程】 → 【主题-词分布】 → 【人类解释】。缺掉任何一环，后面的“主题”都只是下游解释，不是上游证据。

【待验证点】一个可检验的命题：如果 LDA 主题真能代表稳定语义类别，那么在同一语料上，K 从 20 增到 100 时，主题与人工编码类别的一致率应单调上升；若一致率先升后降或被模板词主导，就说明它更多是在压缩表面共现。

值得辩论的问题：当我们说“远读发现了新主题”，究竟是在说文本中有新结构，还是我们的模型先验终于找到了一个可复现的压缩？