LLM Architecture Chat Screenshot

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

목표: {argument name="topic" default="거대 언어 모델(LLM)의 기술적 작동 원리"}에 대해 생성된 기술 인포그래픽을 보여주는 사실적인 AI 채팅 인터페이스 스크린샷을 생성합니다. 스크린샷은 독립형 포스터가 아닌 현대적인 웹 앱 대화창처럼 보여야 합니다.

캔버스: 768×1024 세로형 스크린샷, 연한 회색 앱 배경, 둥근 모서리의 흰색 콘텐츠 영역, 깔끔한 산세리프 서체, 은은한 그림자 효과를 적용하며, 실제 삽입된 생성 이미지처럼 인포그래픽 텍스트는 약간 작게 고해상도로 표현합니다.

채팅 UI 레이아웃: 왼쪽 상단에는 작은 원형 사용자 아바타와 “Visualizing LLM Architecture”라는 채팅 제목 및 작은 드롭다운 셰브론을 표시하고, 오른쪽 상단에는 아이콘과 함께 “Files” 라벨을 표시합니다. 그 아래에는 상단 중앙/오른쪽에 정렬된 둥근 사용자 메시지 말풍선에 “make an image explaining how LLMs work technically”라는 텍스트를 넣습니다. 그 아래에는 반짝이는 로더 아이콘과 셰브론이 포함된 “Scira task complete” 상태 행을 표시합니다. 메인 생성 이미지는 그 아래에 큰 둥근 사각형 카드로 나타납니다. 이미지 아래에는 “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:”이라는 어시스턴트 설명 텍스트를 포함하고, 이어서 굵은 글씨의 섹션 제목 “Tokenization: From Text to Numbers”를 배치합니다. 하단에는 “Ask a follow-up...”이라는 플레이스홀더가 있는 둥근 입력창, 왼쪽의 플러스 버튼, 오른쪽의 작은 도구/모델 제어 버튼, 드롭다운이 포함된 “Kimi K2.6” 모델 라벨, 그리고 원형 음성 버튼을 배치합니다.

채팅 내 생성된 인포그래픽: “HOW LARGE LANGUAGE MODELS (LLMs) WORK”라는 제목이 큰 네이비색 대문자로 적힌 청백색의 기술 교육용 포스터를 디자인합니다. 흰색 배경, 네이비 블루 외곽선, 하늘색 강조 표시, 둥근 패널, 단계별 연결 화살표, 소형 차트, 수식, 표 및 아이콘을 사용합니다. 포스터는 정보 밀도가 높고 공학적인 느낌이어야 합니다.

인포그래픽 섹션: 정확히 8개의 라벨이 붙은 패널/영역을 사용합니다:
1. “INPUT: TOKENIZATION” 패널: “The quick brown fox jumps over the lazy dog.” 문장이 적힌 원본 텍스트 상자, 토크나이저 블록, 단어별 토큰 상자, 토큰 ID 상자를 보여줍니다.
2. “EMBEDDINGS” 패널: 토큰 ID가 밀집 벡터로 변환되는 과정과 숫자 임베딩 값이 포함된 작은 표를 보여줍니다.
3. “TRANSFORMER ARCHITECTURE” 패널: Add & Norm, Feed-Forward Network, Multi-Head Self-Attention, 입력 임베딩, 위치 인코딩 및 레이어 반복 표기가 포함된 적층형 트랜스포머 블록을 보여줍니다.
4A. “SELF-ATTENTION MECHANISM (INSIDE ONE HEAD)” 패널(왼쪽 하단 와이드): 입력 임베딩, 쿼리, 키, 값, 어텐션 점수, 소프트맥스, 어텐션 가중치, 가중 합계 및 수식을 위한 행렬을 보여줍니다.
4B. “ATTENTION: TOKENS ATTEND TO EACH OTHER” 패널: 예시 문장의 토큰들이 파란색 선으로 연결된 네트워크 그래프와 어텐션 가중치 막대를 보여줍니다.
5. “OUTPUT: NEXT TOKEN PREDICTION” 패널: cat, sat, on, the, mat, roof 등 후보 다음 토큰에 대한 확률 분포 막대를 보여주고, 예측된 다음 토큰인 “the”를 강조합니다.
6. “TRAINING: PRE-TRAINING WITH NEXT-TOKEN PREDICTION” 패널: 5개의 미니 카드로 나뉜 긴 하단 스트립(방대한 텍스트 말뭉치, 학습 예제 생성, 모델 예측, 손실 계산, 역전파/업데이트).
7. 하단 프로세스 화살표: “Repeat for billions of examples over many epochs until convergence.”
8. 우측 하단 결과 콜아웃: 모델이 일반적인 언어 패턴과 지식을 학습한다는 내용을 설명하는 뇌 아이콘.

시각적 스타일: 선명한 벡터 인포그래픽, 학구적이면서도 친근한 느낌, 짙은 네이비색 제목, 중간 톤의 파란색 테두리, 연한 파란색 채우기, 작은 표와 그래프, 깔끔한 화살표, 둥근 카드, 일관된 간격. 삽입된 인포그래픽은 밀도가 높지만 대부분 읽을 수 있는 작은 텍스트로 구성된 AI 생성 교육용 다이어그램처럼 보이게 합니다.

제약 사항: 모든 UI 텍스트는 영어로 유지하십시오. 워터마크를 추가하지 마십시오. 보이는 채팅 스크린샷 프레임과 대형 삽입 인포그래픽을 유지하십시오. 나열된 8개의 인포그래픽 영역과 학습 스트립 내의 5개 미니 카드를 정확히 사용하십시오.

기계 번역 — 실제 결과물을 만든 것은 원문 프롬프트입니다.

✨ 생성 저장 프롬프트 복사 공유 원본 게시물 Hitboard에서 열기