这里放着的不是训练好的模型，是一个还不会说话的模型。
它由随机参数初始化，一个字都不认识。按下「开始训练」，你会看到它从吐乱码， 到学会换行和角色名，再到说出像样的对话——整个过程发生在你这台设备的浏览器里， 没有服务器、没有云端 API、不联网。
训练步数你自己定。训练会持续占用你的 CPU，随时可以暂停。
每 100 步自动采样一次，用同一句开头「甲：今天天气」，看看它当时能说出什么。
还没有开始训练。按下「开始训练」后，这里会一条条长出它各个阶段的「作文」。
给个开头，让当前状态的模型接下去写。训练步数越多，接得越像话。
没有黑箱。四件事，循环往复。
把一串字符编码成数字，查表变成向量，加上位置信息，穿过 3 层自注意力网络， 最后对 1569 个候选字打出分数。模型此刻的“信念”就是这些分数。
拿它预测的分数和真实下一个字比，算交叉熵。刚开始是 ln(1569)≈7.36——
相当于在全词表里瞎猜。曲线下降的每一步，都是它少错了一点。
从 loss 出发，沿计算图反向走，用链式法则算出每个参数该背多少锅。 这一步是手写的自动微分，全部参数量约 —。
Adam 优化器按每个参数的历史梯度调整步长，把它们往“更没错”的方向挪一小步。 然后回到 01。所谓训练，就是这个循环跑几千次。