
Skjermbilde av LLM-arkitekturprat
Lager et realistisk skjermbilde av en AI-chat med en tett blå-hvitt teknisk infografikk som forklarer hvordan store språkmodeller fungerer.
Dette er et tilfelle av en gpt-image-2 -ledetekst for Andre inspirasjoner . Bruk den kopieringsklare ledeteksten nedenfor for å generere lignende visuelle elementer, og gjennomgå Awesome Nano Banana Pro Prompts -attribusjonen pluss kommersielle bruksrettigheter før gjenbruk.
Trenger du hele settet med ledetekster? Bruk Andre inspirasjoner emnehub for flere relaterte eksempler, eller åpne GPT Image 2-ledetekstbibliotek for den fullstendige eksempelindeksen, gjenbrukbare strukturer og kildeattribusjon.
Spørsmål
Klar til kopiering
Mål: Å lage et realistisk skjermbilde av et AI-chatgrensesnitt, som viser et bilde relatert til {argument name="topic" default="Large Language Models (LLMs) Technical Principles"} Generativ teknisk infografikk. Skjermbilder bør presenteres som samtaler i en moderne webapplikasjon, ikke frittstående reklameplakater. Lerret: 768×1024 vertikalt skjermbilde, lysegrå applikasjonsbakgrunn, avrundede hvite innholdsområder, ren sans-serif-skrift, subtile skygger, høy oppløsning, men teksten i infografikken bør være litt mindre, som et ekte innebygd generert bilde. Chat UI-layout: En liten sirkulær brukeravatar vises øverst til venstre, sammen med chattittelen "Visualisering av LLM-arkitektur" og en liten rullegardinpil; en enkel "Filer"-fane og -ikon vises øverst til høyre. Under dette er en sentrert/høyrejustert avrundet brukermeldingsboble som lyder: "lag et bilde som forklarer hvordan LLM-er fungerer teknisk." Under det er en statuslinje som lyder "Scira-oppgave fullført", med et blinkende/lasteikon og en pil. Hovedgenerert bilde vises nedenfor som et stort avrundet rektangulært kort. Under bildet er det en forklarende tekst fra assistenten: «Bildet ovenfor er en omfattende teknisk infografikk som bryter ned hvordan store språkmodeller fungerer under panseret. Her er en detaljert gjennomgang av hver komponent som vises:» etterfulgt av den uthevede seksjonstittelen «Tokenisering: Fra tekst til tall». Nederst er det en avrundet inndataboks med plassholderen «Spør en oppfølging…», en pluss-knapp til venstre og små verktøy-/modellkontroller, modelletiketten «Kimi K2.6», en rullegardinmeny og en sirkulær taleknapp til høyre. Generativ infografikk i chatten: Design en blå og hvit plakat for teknisk utdanning med en stor marineblå tittel med store bokstaver: «HVORDAN STORE SPRÅKMODELLER (LLM-er) FUNGERER». Bruk hvit bakgrunn, marineblå omriss, lyseblå uthevinger, avrundede paneler og piler som forbinder trinn, mikrodiagrammer, formler, tabeller og ikoner. Plakaten bør være informasjonstett og helle mot en ingeniørtilnærming. Infografikkseksjon: Bruker 8 merkede paneler/områder: 1. Panelet "INPUT: TOKENIZATION": Viser en rå tekstboks som inneholder setningen "Den raske brune reven hopper over den late hunden.", en tokenizer-modul, ordtokenbokser og token-ID-bokser. 2. Panelet "EMBEDDINGS": Viser token-ID-ene konvertert til tette vektorer og en tabell som inneholder numeriske innebyggingsverdier. 3. Panelet "TRANSFORMER Architecture": Viser stablede Transformer-moduler, inkludert Add & Norm, Feed-Forward Network, Multi-Head Self-Attention, input embedding, posisjonskoding og lagrepetisjonsnotasjon. 4A. "SELVOPPMØTEMEKANISME (INNE I ETT HODE)": Det brede panelet nederst til venstre viser input embedding, spørringer, nøkler, verdier, oppmerksomhetspoeng, softmax, oppmerksomhetsvekter, vektet summering og formelmatriser. 4B. «OPPSKYKK: TOKENER VÆR PÅ VÆR PÅ HVERANDRE»-panelet: Viser nettverksgrafen til tokenene i eksempelsetningen, koblet sammen med blå linjer, og inkluderer oppmerksomhetsvektingsstolper. 5. «OUTPUT: NESTE TOKEN-PREDIKSJON»-panelet: Viser sannsynlighetsfordelingsstolpene for kandidat-neste tokener (f.eks. katt, satt, på, den, matte, tak), og uthever den predikerte neste tokenen «den». 6. «OPPLÆRING: FORHÅNDSPRENING MED NESTE TOKEN-PREDIKSJON»: Den nederste linjen er delt inn i 5 minikort: massivt tekstkorpus, oppretting av treningseksempler, modellprediksjon, tapsberegning og tilbakepropagering/oppdatering. 7. Nederste flytpil med teksten: «Gjenta for milliarder av eksempler over mange epoker til konvergens.» 8. Resultatannotasjon nederst til høyre med et hjerneikon som forklarer hvordan modellen lærer vanlige språkmønstre og kunnskap. Visuell stil: Tydelige vektorinfografikk, akademiske og brukervennlige, med mørke marineblå overskrifter, mellomblå rammer, lyseblå fyll, mikrotabeller og diagrammer, rene piler, avrundede kort og konsistent avstand. Få de innebygde infografikkene til å se ut som et AI-generert pedagogisk diagram, med tett, men stort sett lesbar tekst. Begrensninger: All tekst i brukergrensesnittet skal forbli på engelsk. Ikke legg til vannmerker. Behold synlige skjermbilder fra chatten og store innebygde infografikk. Bruk de oppførte 8 infografikkområdene og 5 minikortene i treningslinjen.Promptvariabler
Redigerbare argumentplassholdere funnet i ledeteksten, med standardverdiene.
Variabel
topic
Misligholde
Large Language Models (LLMs) Technical Principles
Gjenbruk og kildenotater
Bruk denne ledeteksten på en trygg måte etter at du har forhåndsvist saken.
- 1.Kopier ledeteksten eller åpne den direkte i Dovoo med genereringsknappen.
- 2.Juster variabler, sideforhold og referansebilder for ditt eget brukstilfelle.
- 3.Før publisering eller betalt bruk, kontroller kilderettigheter, krav til kreditering og risikoer knyttet til merkevare eller likhet.