瑞霖 • Ruilin
代数神经学习专家 / Expert in Algebraic Neural Learning
现任职于北京代数神经研究院。致力于揭示深度学习模型与大语言模型的现代代数几何本质。 核心研究聚焦于奇异学习理论（Singular Learning Theory）、流形拓扑表征及动力系统的稳定性分析。 通过引入层论（Sheaf Theory）与代数簇的消解工具，试图在严谨的数学框架下重新审视复杂人工智能系统的对齐机制、潜在涌现与训练动力学。
研究领域 Focus
语言代数与几何结构
利用高维代数拓扑、层论与代数几何工具，解析大语言模型内部的高维表征流形。探索大规模非线性参数空间中隐含的代数簇结构，建立语言多样性与拓扑不变量之间的定量映射。
算法动力学与稳定性
从非线性动力系统视角建模大模型对齐与优化算法（如 sDPO 拓扑排斥机制）。基于雅可比谱分析、反向 KL 散度与李雅普诺夫指数，深入探讨极限训练状态下的梯度流轨迹与极限环稳定性。
学术发表 Selected Publications
与我联系 Contact
欢迎代数几何、神经网络理论方向的学者或学生开展学术交流与项目合作
ruilin@algebraic-neural.edu.cn