Show HN：一个微型 GPT 的每个数字，从一次前向传播到一步 RLHF

一位开发者在学习推理语言模型课程时，用 Opus 5.5 做了一个交互式演示，逐步展示一个玩具版 GPT-2 类模型的每个数字。所有矩阵都能放进屏幕，每个数值都在浏览器中实时计算，悬停任意单元格即可看到该步的精确数学过程。内容覆盖推理（从分词到采样的单个 token 生成）、预训练的一个训练步，以及后训练中 RLHF 的一次 PPO 迭代。