LLM アーキテクチャのチャットスクリーンショット

Creates a realistic AI chat screenshot featuring a dense blue-and-white technical infographic explaining how large language models work.

目標: {argument name="topic" default="大規模言語モデル（LLM）の技術的な仕組み"} に関する生成された技術的なインフォグラフィックを表示するAIチャットインターフェースのリアルなスクリーンショットを作成する。スクリーンショットはスタンドアロンのポスターではなく、モダンなWebアプリの会話のように見えること。

キャンバス: 768×1024の縦型スクリーンショット、薄灰色のアプリ背景、角丸の白いコンテンツエリア、クリーンなサンセリフタイポグラフィ、微妙な影、高解像度だが、実際の埋め込み生成画像のようにインフォグラフィックのテキストは少し小さめ。

チャットUIレイアウト: 左上に小さな円形のユーザーアバター、チャットタイトル “Visualizing LLM Architecture” と小さなドロップダウンチェvron、右上にシンプルな “Files” ラベルとアイコンを表示。以下に、上部中央/右寄せに配置された角丸のユーザーメッセージバブルを表示し、内容: “make an image explaining how LLMs work technically”。その下に、小さなステータス行を表示、 “Scira task complete” とスパークル/ローダーアイコンとチェvron。メインの生成画像は、以下の大きな角丸の長方形カードとして表示。画像の下に、アシスタントの説明テキストを追加: “The image above is a comprehensive technical infographic breaking down how Large Language Models function under the hood. Here is a detailed walkthrough of each component shown:” その後に太字のセクション見出し “Tokenization: From Text to Numbers”。底部に、プレースホルダー “Ask a follow-up...” が入った角丸の入力ボックス、左にプラスボタン、右に小さなツール/モデルコントロール、モデルラベル “Kimi K2.6” とドロップダウン、および円形の音声ボタンを表示。

チャット内の生成インフォグラフィック: 青と白の技術教育ポスターをデザイン、大きなネイビーの大文字でタイトル: “HOW LARGE LANGUAGE MODELS (LLMs) WORK”。白い背景、ネイビーの青い輪郭線、ライトブルーのハイライト、角丸のパネル、ステップを接続する矢印、ミニチュアチャート、数式、表、およびアイコンを使用。ポスターは情報が密集し、工学志向であること。

インフォグラフィックセクション: 正確に8つのラベル付きパネル/エリアを使用:
1. “INPUT: TOKENIZATION” パネル、文 “The quick brown fox jumps over the lazy dog.” を含む生のテキストボックス、トークナイザーブロック、単語のトークンボックス、トークンIDボックスを表示。
2. “EMBEDDINGS” パネル、トークンIDが密なベクトルに変換される様子を表示、数値埋め込み値の小さな表付き。
3. “TRANSFORMER ARCHITECTURE” パネル、Add & Norm、Feed-Forward Network、Multi-Head Self-Attention、入力埋め込み、位置エンコーディング、層の繰り返し表記を備えた積層トランスフォーマーブロックを表示。
4A. “SELF-ATTENTION MECHANISM (INSIDE ONE HEAD)” 広い左下パネル、入力埋め込み、クエリ、キー、値、アテンションスコア、softmax、アテンション重み、加重和、数式のマトリックスを表示。
4B. “ATTENTION: TOKENS ATTEND TO EACH OTHER” パネル、例文のトークンを青い線で接続したネットワークグラフとアテンション重みバーを表示。
5. “OUTPUT: NEXT TOKEN PREDICTION” パネル、cat, sat, on, the, mat, roof などの候補次のトークンの確率分布バーを表示、次に予測された次のトークン “the” をハイライト。
6. “TRAINING: PRE-TRAINING WITH NEXT-TOKEN PREDICTION” 長い底部ストリップ、5つのミニカードに分割: 大規模なテキストコーパス、トレーニング例の作成、モデル予測、損失計算、バックプロパゲーション/更新。
7. 底部プロセス矢印 “Repeat for billions of examples over many epochs until convergence.” と読む。
8. 右下の結果コールアウト、脳アイコン付きで、モデルが一般的な言語パターンと知識を学ぶことを説明。

ビジュアルスタイル: クリップなベクターインフォグラフィック、学術的だがフレンドリー、ダークネイビーの見出し、ミディアムブルーのボーダー、ペイルブルーのフィル、小さな表とプロット、クリーンな矢印、角丸のカード、一貫したスペース。

埋め込みインフォグラフィックは、密集したが大部分は読み可能な小さなテキストを持つAI生成の教育図のように見えること。

制約: すべてのUIテキストを英語のまま。透かしを追加しない。見えるチャットスクリーンショットのフレーミングと大きな埋め込みインフォグラフィックを保持。正確にリストされた8つのインフォグラフィックエリアとトレーニングストリップ内の正確に5つのミニカードを使用。

機械翻訳 — この作品を生成したのは元のプロンプトです。

✨ 生成 保存 プロンプトをコピー 共有 元の投稿 Hitboard で開く