Let's Build the GPT Tokenizer：LLM 分词完整教程

Andrej Karpathy 教程翻译版，讲解 LLM 分词原理与 Byte Pair Encoding 实现。示例用 Python 从 UTF-8 字节序列训练 BPE tokenizer，演示 get_stats、merge、encode/decode，并对比 GPT-2 与 GPT-4 的 regex 预分词差异。附 minbpe 仓库与 tiktoken 使用。