维度一高，数据会更稀疏，距离和计算都更难用。
夜市点麻辣烫时，配料越勾越细，勺子捞半天像在清汤里找针：看着选择多，实际谁都离得差不多。
它会让距离失真，常见于检索、聚类和高维建模。
Dimensionality Reduction降维是缓解它最常见的办法之一。
Embedding向量表示一旦维度太高，距离就没那么好用了。
Vector Search它会让近邻检索变难，搜索效率和效果都受影响。
Feature Selection筛掉无关特征，能减少高维带来的稀疏和噪声。