Captura de pantalla del chat de arquitectura LLM

Objetivo: Crear una captura de pantalla realista de una interfaz de chat de IA, mostrando una imagen relacionada con {argument name="topic" default="Principios técnicos de los modelos de lenguaje grandes (LLM)"} Infografía técnica generativa. Las capturas de pantalla deben presentarse como conversaciones dentro de una aplicación web moderna, no como carteles promocionales independientes. Lienzo: Captura de pantalla vertical de 768 × 1024, fondo de aplicación gris claro, áreas de contenido blancas redondeadas, fuente sans-serif limpia, sombras sutiles, alta resolución, pero el texto en la infografía debe ser ligeramente más pequeño, como una imagen generada real incrustada. Diseño de la interfaz de usuario del chat: Se muestra un pequeño avatar de usuario circular en la esquina superior izquierda, junto con el título del chat "Visualizando la arquitectura LLM" y una pequeña flecha desplegable; una pestaña simple de "Archivos" y un icono se muestran en la esquina superior derecha. Debajo hay una burbuja de mensaje de usuario redondeada centrada/alineada a la derecha que dice: "crea una imagen que explique cómo funcionan técnicamente los LLM". Debajo hay una barra de estado que dice "Tarea de Scira completada", con un icono parpadeante/de carga y una flecha. La imagen principal generada aparece debajo como una tarjeta rectangular grande y redondeada. Debajo de la imagen hay un texto explicativo del asistente: "La imagen de arriba es una infografía técnica completa que desglosa cómo funcionan los modelos de lenguaje grandes internamente. Aquí hay una guía detallada de cada componente mostrado:" seguido del título de la sección en negrita "Tokenización: De texto a números". En la parte inferior hay un cuadro de entrada redondeado con el marcador de posición "Haga una pregunta de seguimiento...", un botón de más a la izquierda y pequeños controles de herramientas/modelos, la etiqueta del modelo "Kimi K2.6", un menú desplegable y un botón de voz circular a la derecha. Infografía generativa en el chat: Diseñe un póster educativo técnico azul y blanco con un título grande en mayúsculas azul marino: "CÓMO FUNCIONAN LOS MODELOS DE LENGUAJE GRANDES (LLM)". Use un fondo blanco, contorno azul marino, resaltados azul claro, paneles redondeados y flechas que conecten pasos, micrográficos, fórmulas, tablas e iconos. El póster debe ser denso en información y tender hacia un enfoque de ingeniería. Sección de infografía: Utiliza 8 paneles/áreas etiquetados: 1. Panel "ENTRADA: TOKENIZACIÓN": Muestra un cuadro de texto sin formato que contiene la oración "El rápido zorro marrón salta sobre el perro perezoso.", un módulo tokenizador, cuadros de tokens de palabras y cuadros de ID de tokens. 2. Panel "EMBEDDINGS": Muestra los ID de tokens convertidos a vectores densos y una tabla que contiene valores de incrustación numérica. 3. Panel "ARQUITECTURA DEL TRANSFORMADOR": Muestra módulos Transformer apilados, incluyendo Add & Norm, Feed-Forward Network, Multi-Head Self-Attention, incrustación de entrada, codificación posicional y notación de repetición de capas. 4A. "MECANISMO DE AUTOATENCIÓN (DENTRO DE UNA CABEZA)": El panel ancho inferior izquierdo muestra la incrustación de entrada, consultas, claves, valores, puntuaciones de atención, softmax, pesos de atención, suma ponderada y matrices de fórmulas. 4B. Panel “ATENCIÓN: LOS TOKENS SE PRESENTAN ENTRE SÍ”: Muestra el gráfico de red de tokens en la oración de ejemplo, conectados por líneas azules, e incluye barras de peso de atención. 5. Panel “SALIDA: PREDICCIÓN DEL SIGUIENTE TOKEN”: Muestra las barras de distribución de probabilidad para los tokens candidatos siguientes (por ejemplo, cat, sat, on, the, mat, roof), y resalta el token siguiente predicho “the”. 6. “ENTRENAMIENTO: PRE-ENTRENAMIENTO CON PREDICCIÓN DEL SIGUIENTE TOKEN”: La barra inferior está dividida en 5 mini-tarjetas: corpus de texto masivo, creación de ejemplos de entrenamiento, predicción del modelo, cálculo de pérdida y retropropagación/actualización. 7. Flecha de flujo inferior con el texto: “Repetir para miles de millones de ejemplos durante muchas épocas hasta la convergencia”. 8. Anotación de resultado inferior derecha con un icono de cerebro, que explica cómo el modelo aprende patrones y conocimientos comunes del lenguaje. Estilo visual: Infografías vectoriales claras, académicas y fáciles de usar, con encabezados azul marino oscuro, bordes azul medio, relleno azul claro, microtablas y gráficos, flechas definidas, tarjetas redondeadas y espaciado uniforme. Las infografías integradas deben parecer gráficos educativos generados por IA, con texto denso pero legible. Restricciones: Todo el texto de la interfaz de usuario debe permanecer en inglés. No agregar marcas de agua. Mantener visibles los marcos de captura de pantalla del chat y las infografías integradas de gran tamaño. Utilizar las 8 áreas de infografía y las 5 minitarjetas indicadas en la barra de entrenamiento.