LLM架構對話截圖

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

目標：創建一個真實的 AI 聊天介面截圖，顯示關於 {argument name="topic" default="how Large Language Models (LLMs) work technically"} 的生成技術資訊圖表。截圖應看起來像現代網頁應用程式對話，而非獨立海報。

畫布：768×1024 垂直截圖，淺灰色應用程式背景，圓形白色內容區域，乾淨無襯線字體，細微陰影，高解析度但資訊圖表文字略小，如真實嵌入生成圖像。

聊天 UI 佈局：左上角顯示一個小型圓形用戶頭像，聊天標題「Visualizing LLM Architecture」帶有一個微小下拉箭頭，右上角有一個簡單的「Files」標籤與圖標。下方，顯示一個圓形用戶訊息氣泡，對齊頂部中央/右側，包含：「make an image explaining how LLMs work technically」。其下，顯示一個小型狀態列，讀「Scira task complete」帶有閃光/載入圖標和箭頭。主要生成圖像以下方一個大型圓形矩形卡片形式出現。圖像下方，包含助手解釋文字：「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:」後跟粗體章節標題「Tokenization: From Text to Numbers」。底部，顯示一個圓形輸入框，佔位符「Ask a follow-up...」，左側一個加號按鈕，右側小型工具/模型控制，模型標籤「Kimi K2.6」帶有下拉選單，以及一個圓形語音按鈕。

聊天內的生成資訊圖表：設計一個藍白色技術教育海報，標題為大型海軍藍大寫字母：「HOW LARGE LANGUAGE MODELS (LLMs) WORK」。使用白色背景，海軍藍輪廓，淺藍色高光，圓形面板，箭頭連接步驟，微型圖表、方程式、表格和圖標。海報應資訊密集且工程導向。

資訊圖表章節：精確使用 8 個標記面板/區域：
1.「INPUT: TOKENIZATION」面板，顯示一個原始文字框，內含句子「The quick brown fox jumps over the lazy dog.」、一個標記器區塊、單詞的標記框和標記 ID 框。
2.「EMBEDDINGS」面板，顯示標記 ID 轉換為密集向量，附有一個小型數值嵌入值表格。
3.「TRANSFORMER ARCHITECTURE」面板，顯示一個堆疊的變換器區塊，包含 Add & Norm、Feed-Forward Network、Multi-Head Self-Attention、輸入嵌入、位置編碼和層重複符號。
4A.「SELF-ATTENTION MECHANISM (INSIDE ONE HEAD)」寬左下面板，顯示輸入嵌入、查詢、鍵、值、注意力分數、softmax、注意力權重、加權和以及方程式的矩陣。
4B.「ATTENTION: TOKENS ATTEND TO EACH OTHER」面板，顯示範例句子中標記的網絡圖，由藍色線條連接，加上注意力權重條。
5.「OUTPUT: NEXT TOKEN PREDICTION」面板，顯示候選下一個標記的機率分佈條，如 cat、sat、on、the、mat、roof，然後突出顯示預測的下一個標記「the」。
6.「TRAINING: PRE-TRAINING WITH NEXT-TOKEN PREDICTION」長底部分割為 5 個迷你卡片：大量文字語料庫、創建訓練樣本、模型預測、損失計算和反向傳播/更新。
7.底部過程箭頭，讀「Repeat for billions of examples over many epochs until convergence.」
8.右下角結果標註，帶有大腦圖標，解釋模型學習通用語言模式和知識。

視覺風格：清晰向量資訊圖表，學術但友好，深海軍藍標題，中藍邊框，淡藍色填充，微小表格和繪圖，乾淨箭頭，圓形卡片，一致間距。使嵌入的資訊圖表類似於 AI 生成的教育圖表，密集但大多可讀的小文字。

限制：保持所有 UI 文字為英文。不要添加水印。保留可見的聊天截圖框架和大型嵌入資訊圖表。精確使用列出的 8 個資訊圖表區域和訓練列內的 5 個迷你卡片。

機器翻譯 — 實際產出作品的是原文 prompt。

✨ 生成 收藏 複製 Prompt 分享 原始貼文 在 Hitboard 開啟