从高中代数到 LLM 的奇异学习理论，我们走过九个阶段、几十个核心定理、数百页代码。但这只是开始。 本章为你装备四件武器：动手计算的工具箱、按阶段分级的阅读清单、当前最活跃的研究方向地图，以及最重要的——一张"从高中到 LLM"完整知识图谱，把整门课程的知识脉络一览无遗。
1. 计算工具对比
代数几何 + DL 的实操依赖几类工具：符号代数（CAS）、数值张量、几何计算。下表是常用栈的对比。
主流工具栈对比
2. 分级阅读清单
入门级（对应阶段 0–3）
- Strang, Linear Algebra（阶段1）——MIT 18.06，几何直观最佳。
- Axler, Linear Algebra Done Right（阶段1）——避开行列式的现代讲法。
- Spivak, Calculus（阶段1）——分析严格化入门。
- Munkres, Topology（阶段3）——点集拓扑权威。
- 3Blue1Brown 视频（全阶段）——可视化神器。
中级（对应阶段 3.5–5）
- Dummit & Foote, Abstract Algebra（阶段2）——百科全书式群环域。
- Aluffi, Algebra: Chapter 0（阶段2 + 3.5）——范畴贯穿全程。
- Mac Lane, Categories for the Working Mathematician（阶段3.5）——范畴论圣经。
- Atiyah & Macdonald, Introduction to Commutative Algebra（阶段4）——薄而密。
- Reid, Undergraduate Algebraic Geometry（阶段5）——最友好的 AG 入门。
- Cox, Little & O'Shea, Ideals, Varieties, and Algorithms（阶段4 + 5）——可计算、有代码。
高级（对应阶段 6 + 7）
- Vakil, The Rising Sea: Foundations of Algebraic Geometry（阶段6）——本课程主要参考。
- Hartshorne, Algebraic Geometry（阶段6）——经典参考、习题难。
- Watanabe, Algebraic Geometry and Statistical Learning Theory（阶段7.1）——SLT 奠基之作。
- Maclagan & Sturmfels, Introduction to Tropical Geometry（阶段7.2）——热带 + ReLU。
- Bronstein et al., Geometric Deep Learning（2021）（阶段7.4）——等变网络与几何 DL。
核心论文清单（阶段 7）
- Watanabe (2007, 2009, 2018)：奇异学习理论三部曲。
- Vaswani et al. (2017)：Attention is All You Need。
- Elhage et al. (Anthropic, 2021)：A Mathematical Framework for Transformer Circuits。
- Su et al. (2021)：RoFormer / RoPE。
- Hu et al. (2021)：LoRA。
- Park, Choe, Veitch (2023)：The Linear Representation Hypothesis。
- Hoogland, van Wingerden, Murfet (2024)：Developmental Interpretability via LLC。
- Hoffmann et al. (2022)：Chinchilla Scaling Laws。
- Wei et al. (2022)：Emergent Abilities of LLMs。
- Bronstein, Bruna, Cohen, Veličković (2021)：Geometric Deep Learning。
3. 活跃研究方向
2024–2026 间，代数几何 × DL 出现至少四个高速发展的子领域。
研究方向图谱
4. 未来研究方向
站在 2026 年的视角，几个公认重要但远未解决的问题：
- RLCT 与 emergent abilities 的精确对应：能否预言下一次"涌现"在哪个 scale 出现？
- Mechanistic Interpretability 的代数几何化：把 circuits 表达成残差流上的层 / 概形。
- 对齐的几何刻画：safety/refusal 行为对应嵌入空间中的什么子簇？
- 多模态嵌入的代数结构：图像、视频、声音的 token 流形如何耦合？
- 基础模型的范畴论框架：把 prompting / fine-tuning / RAG 统一为函子。
- 奇异 SGD 的动力系统：把训练轨迹理解成簇上的geometric flow。
5. "从高中到 LLM" 完整知识图谱
下面这张 SVG 是这门课程的终极地图——把 9 个阶段的所有核心概念按"汇聚到 LLM"的方向画在一起。每个节点的颜色对应阶段（蓝色由浅至深）；横向是知识依赖，纵向是抽象层级。
6. 给走完全程的你
如果你读到这里，意味着你完成了一段从 $f(x) = ax+b$ 到 $\mathrm{RLCT}\,\lambda$ 的漫长旅程。代数几何不会让你"立刻"懂得所有 LLM 现象——但它给了你一种结构性的语言：
- 当别人说"模型权重是黑盒"，你可以问：是哪个代数簇上的点？维数是多少？奇点在哪？
- 当别人说"涌现是炼金术"，你可以问：是哪些奇点的拓扑跃迁？RLCT 怎么变？
- 当别人说"压缩到极致"，你可以问：行列式簇的 Eckart-Young 下界达到了吗？
课程结束语：数学不是答案的集合，而是发问的方式。代数几何为我们提供了对"形状"——无论是曲线、层、还是 LLM 参数空间——发问的最深语言。带着这把钥匙，去开启你想开启的门。
最后一题（开放）
挑选一个你近期使用过的 LLM 行为（如 chain-of-thought、in-context learning、refusal），尝试用本课程学到的至少 三个不同阶段的工具（如：流形 + 范畴 + 奇点）给它一个代数几何"草图"。把它写成一篇博客或论文 draft。
—— 这是你独立研究的开始。