IP
Generer
Forhåndsvisningsbilde av skjermbilde for LLM-arkitekturprat
Primært referansebilde

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.
Prøv denne meldingen

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.

1
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. 1.Kopier ledeteksten eller åpne den direkte i Dovoo med genereringsknappen.
  2. 2.Juster variabler, sideforhold og referansebilder for ditt eget brukstilfelle.
  3. 3.Før publisering eller betalt bruk, kontroller kilderettigheter, krav til kreditering og risikoer knyttet til merkevare eller likhet.
Skjermbilde av LLM-arkitekturchat for GPT-bilde 2 | Image Prompt Gallery