latent space(잠재 공간)는 기계학습 모델이 데이터를 압축된 수치 벡터로 표현하는 내부의 추상적인 공간이다. 모델은 입력 데이터를 이 공간의 점으로 사상하며, 의미가 비슷한 데이터일수록 공간 안에서 가까운 위치에 놓인다. 원본 데이터보다 차원이 낮은 경우가 많아 데이터의 핵심 특징만 남긴 표현으로 볼 수 있다.
생성 모델 분야에서 특히 중요한 개념으로, variational autoencoder(VAE)와 GAN, diffusion model은 latent space의 점을 조작하거나 샘플링해 새로운 이미지나 텍스트를 만든다. embedding 모델이 만드는 벡터 공간도 latent space의 한 예이며, LLM에서는 모델 내부의 hidden state가 놓이는 공간을 가리키는 말로도 쓰인다.