应该是tokenizer的问题，目前是直接使用GPT的tokenizer，在huggingface上找了个叫【chat-DialoGPT-small-zh】的pre-train，clone下来后直接使用它的tokenizer，先训着吧，要是到后面还是乱码，我会考虑换一个分词器（比如jieba？），哎那到时候要重新预处理数据了。哦对了，第一版的预处理数据先不放上来，后面训练出来OK再放
