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

tests/test_gpt.py

@@ -0,0 +1,81 @@
+import torch
+import pytest
+from simple_llm.transformer.gpt import GPT
+
+class TestGPT:
+    @pytest.fixture
+    def default_config(self):
+        return {
+            'vocab_size': 1000,
+            'max_seq_len': 128,
+            'emb_size': 256,
+            'num_heads': 4,
+            'head_size': 64,
+            'num_layers': 2,
+            'dropout': 0.1
+        }
+
+    @pytest.fixture
+    def sample_input(self):
+        return torch.randint(0, 1000, (2, 32))  # batch_size=2, seq_len=32
+
+    def test_initialization(self, default_config):
+        """Проверка создания модели"""
+        gpt = GPT(**default_config)
+        assert isinstance(gpt, torch.nn.Module)
+        assert len(gpt._decoders) == default_config['num_layers']
+
+    def test_forward_pass(self, default_config, sample_input):
+        """Тест прямого прохода"""
+        gpt = GPT(**default_config)
+        output = gpt(sample_input)
+        assert output.shape == (2, 32, 1000)  # batch, seq_len, vocab_size
+
+    def test_max_length(self, default_config):
+        """Проверка обработки максимальной длины"""
+        gpt = GPT(**default_config)
+        # Корректная длина
+        x = torch.randint(0, 1000, (1, 128))
+        output = gpt(x)
+        # Слишком длинная последовательность
+        with pytest.raises(ValueError):
+            x = torch.randint(0, 1000, (1, 129))
+            gpt(x)
+
+    def test_generate_basic(self, default_config, sample_input):
+        """Тест базовой генерации"""
+        gpt = GPT(**default_config)
+        generated = gpt.generate(sample_input, max_new_tokens=10)
+        assert generated.shape == (2, 42)  # Исходные 32 + 10 новых токенов
+
+    def test_generate_empty(self, default_config):
+        """Тест генерации с пустым входом"""
+        gpt = GPT(**default_config)
+        empty_input = torch.randint(0, 1000, (2, 0))
+        with pytest.raises(IndexError):
+            gpt.generate(empty_input, max_new_tokens=10)
+
+    def test_generate_max_length(self, default_config):
+        """Тест генерации с максимальной длиной последовательности"""
+        gpt = GPT(**default_config)
+        # Вход с максимальной длиной
+        max_len_input = torch.randint(0, 1000, (2, 128))
+        generated = gpt.generate(max_len_input, max_new_tokens=1)
+        assert generated.shape == (2, 129)
+
+    @pytest.mark.skip(reason="Требуется доработка генерации для поддержки детерминированности")
+    def test_generate_deterministic(self, default_config):
+        """Тест детерминированности генерации (при одинаковом seed)"""
+        # Фиксируем seed для входа
+        torch.manual_seed(42)
+        gpt = GPT(**default_config)
+        input_tensor = torch.randint(0, 1000, (1, 10))
+        
+        # Два вызова generate с одинаковым seed
+        out1 = gpt.generate(input_tensor.clone(), max_new_tokens=5)
+        out2 = gpt.generate(input_tensor.clone(), max_new_tokens=5)
+        
+        assert torch.equal(out1, out2), "Результаты генерации должны быть идентичными при одинаковых seed"
+
+if __name__ == "__main__":
+    pytest.main(["-v"])