CODE / PYTORCH / CHARACTER MODELS
PassMini从一个字符，到一个小模型。
把密码看作字符序列，让模型学习下一个字符的概率。从简单的字符转移计数开始，逐步探索不同神经网络怎样建模同一个分布。
PREDICT THE NEXT CHARACTER
字符序列 → 概率分布
学习 · 预测 · 生成MODEL FAMILY
Bigram→MLP→GRU→TCN→Transformer
统一的字符级 tokenizer、数据集与生成、评分、搜索接口。
一个项目，三个入口。
摘自项目 README
认识模型
查看模型与参数量，选择不同架构和档位，了解它们各自的建模方式。
观察它学到了什么
比较训练曲线、Surprisal 分布、生成质量与测试集覆盖率，让模型差异变得可见。
亲手试一试
通过交互式小游戏，体验模型的预测、评分与生成，观察字符之间的联系。
用于学习与离线研究。Surprisal 描述序列在模型下的意外程度，不代表现实中的密码安全保证。阅读完整 README ↗