feat: добавление реализации модели GPT

Основные изменения:
- Реализован основной класс GPT в simple_llm/transformer/gpt.py:
  * Токенные и позиционные эмбеддинги
  * Многоголовое внимание
  * Полносвязные слои
  * Нормализация слоев
  * Поддержка dropout

- Добавлен пример использования в example/example_gpt.py:
  * Инициализация модели
  * Генерация текста
  * Сохранение/загрузка модели

- Написаны тесты:
  * Базовый функционал модели
  * Операции сохранения/загрузки
  * Проверка размерностей ввода/вывода

- Добавлена документация на русском:
  * Обзор архитектуры
  * Процесс обучения
  * Примеры использования

- Обновлен README.md с информацией о GPT

doc/gpt_documentation_ru.md

@@ -0,0 +1,79 @@
+# Документация по GPT модели (рус)
+
+## 1. Общее описание
+GPT (Generative Pre-trained Transformer) - это архитектура трансформера для генерации текста, основанная на механизме внимания.
+
+**Основные характеристики:**
+- Авторегрессивная генерация
+- Многослойный декодер
+- Самовнимание с маской
+
+## 2. Алгоритм работы
+
+### 2.1 Архитектура
+```mermaid
+graph TD
+    A[Входные токены] --> B[Токенные эмбеддинги]
+    A --> C[Позиционные эмбеддинги]
+    B --> D[Сумма эмбеддингов]
+    C --> D
+    D --> E[Слой нормализации]
+    E --> F[Многоголовое внимание]
+    F --> G[Пропускная связь]
+    G --> H[FeedForward слой]
+    H --> I[Слой нормализации]
+    I --> J[Выходные логиты]
+```
+
+### 2.2 Процесс генерации
+1. Токенизация входного текста
+2. Вычисление эмбеддингов:
+   - Токенные + позиционные
+3. Прохождение через N декодеров:
+   - Самовнимание с маской
+   - Полносвязные слои
+4. Преобразование в вероятности
+5. Выбор следующего токена
+
+## 3. Использование
+
+### 3.1 Инициализация
+```python
+from simple_llm.transformer.gpt import GPT
+
+model = GPT(
+    vocab_size=10000,
+    max_seq_len=512,
+    emb_size=768,
+    num_heads=12,
+    head_size=64,
+    num_layers=6
+)
+```
+
+### 3.2 Генерация текста
+```python
+output = model.generate(input_ids, max_new_tokens=50)
+```
+
+## 4. Гиперпараметры
+
+| Параметр       | Описание                          |
+|----------------|-----------------------------------|
+| vocab_size     | Размер словаря                   |
+| max_seq_len    | Макс. длина последовательности   |
+| emb_size       | Размерность эмбеддингов          |
+| num_heads      | Количество голов внимания        |
+| head_size      | Размерность головы внимания      |
+| num_layers     | Количество слоев декодера        |
+
+## 5. Примеры применения
+- Генерация текста
+- Дозаполнение форм
+- Кодогенерация
+- Чат-боты
+
+## 6. Ограничения
+- Требует больших вычислительных ресурсов
+- Ограничена максимальной длиной последовательности
+- Может генерировать некорректный текст