Zrzut ekranu czatu LLM Architecture

Cel: Stworzenie realistycznego zrzutu ekranu interfejsu czatu AI, prezentującego obraz związany z {argument name="topic" default="Zasadami Technicznymi Dużych Modeli Językowych (LLM)"} Generatywną infografiką techniczną. Zrzuty ekranu powinny być prezentowane jako rozmowy w nowoczesnej aplikacji internetowej, a nie jako samodzielne plakaty promocyjne. Kanwa: pionowy zrzut ekranu o wymiarach 768×1024, jasnoszare tło aplikacji, zaokrąglone białe obszary treści, czytelna czcionka bezszeryfowa, subtelne cienie, wysoka rozdzielczość, ale tekst na infografice powinien być nieco mniejszy, jak prawdziwy, osadzony, wygenerowany obraz. Układ interfejsu czatu: W lewym górnym rogu wyświetlany jest mały, okrągły awatar użytkownika wraz z tytułem czatu „Wizualizacja architektury LLM” i małą strzałką rozwijaną; w prawym górnym rogu wyświetlana jest prosta zakładka i ikona „Pliki”. Poniżej znajduje się wyśrodkowany/wyrównany do prawej, zaokrąglony dymek z wiadomością użytkownika o treści: „Utwórz obraz wyjaśniający, jak technicznie działają LLM”. Poniżej znajduje się pasek stanu z napisem „Zadanie Scira ukończone” z migającą ikoną ładowania i strzałką. Główny wygenerowany obraz pojawia się poniżej jako duża, zaokrąglona, ​​prostokątna karta. Pod obrazem znajduje się tekst objaśniający od asystenta: „Powyższy obraz to kompleksowa infografika techniczna, szczegółowo przedstawiająca działanie dużych modeli językowych. Oto szczegółowy opis każdego z pokazanych komponentów”:, a następnie pogrubiony tytuł sekcji „Tokenizacja: Od tekstu do liczb”. Na dole znajduje się zaokrąglone pole wprowadzania danych z symbolem zastępczym „Zapytaj o kontynuację…”, przyciskiem plus po lewej stronie oraz małymi elementami sterującymi narzędziami/modelami, etykietą modelu „Kimi K2.6”, menu rozwijanym i okrągłym przyciskiem głosowym po prawej stronie. Generatywna infografika na czacie: Zaprojektuj niebiesko-biały plakat do edukacji technicznej z dużym, granatowym tytułem pisanym wielkimi literami: „JAK DZIAŁAJĄ DUŻE MODELE JĘZYKOWE (LLM)”. Użyj białego tła, granatowego konturu, jasnoniebieskich wyróżnień, zaokrąglonych paneli i strzałek łączących kroki, mikrowykresy, wzory, tabele i ikony. Plakat powinien być bogaty w informacje i skłaniać się ku podejściu inżynierskiemu. Sekcja infografiki: Wykorzystuje 8 oznaczonych paneli/obszarów: 1. Panel „WEJŚCIE: TOKENIZACJA”: Wyświetla pole tekstowe zawierające zdanie „The quick brown fox jumps over the lazy dog.”, moduł tokenizera, pola tokenów słownych i pola identyfikatorów tokenów. 2. Panel „OSADZENIA”: Wyświetla identyfikatory tokenów przekonwertowane na gęste wektory oraz tabelę zawierającą numeryczne wartości osadzania. 3. Panel „ARCHITEKTURA TRANSFORMATORA”: Wyświetla ułożone moduły Transformera, w tym Add & Norm, Feed-Forward Network, Multi-Head Self-Attention, osadzanie wejściowe, kodowanie pozycyjne i notację powtarzania warstw. 4A. „MECHANIZM SAMOUWAGI (WEWNĄTRZ JEDNEJ GŁOWY)”: Szeroki panel w lewym dolnym rogu wyświetla osadzenie wejściowe, zapytania, klucze, wartości, wyniki uwagi, softmax, wagi uwagi, sumowanie ważone i macierze formuł. 4B. Panel „UWAGA: TOKENY UWAŻAJĄ SIĘ ZA SIEBIE”: Wyświetla wykres sieciowy tokenów w przykładowym zdaniu, połączonych niebieskimi liniami, wraz ze słupkami wag uwagi. 5. Panel „WYJŚCIE: PRZEWIDYWANIE KOLEJNEGO TOKENA”: Wyświetla słupki rozkładu prawdopodobieństwa dla potencjalnych kolejnych tokenów (np. kot, sat, on, the, mat, roof) i podświetla przewidywany kolejny token „the”. 6. „SZKOLENIE: WSTĘPNE TRENINGI Z PRZEWIDYWANIEM KOLEJNEGO TOKENA”: Dolny pasek jest podzielony na 5 minikart: obszerny korpus tekstowy, tworzenie przykładów treningowych, przewidywanie modelu, obliczanie strat oraz propagacja wsteczna/aktualizacja. 7. Dolna strzałka przepływu z tekstem: „Powtarzaj dla miliardów przykładów przez wiele epok aż do konwergencji”. 8. Adnotacja wyniku w prawym dolnym rogu z ikoną mózgu, wyjaśniająca, jak model uczy się wspólnych wzorców językowych i wiedzy. Styl wizualny: Przejrzysta infografika wektorowa, akademicka i przyjazna dla użytkownika, z ciemnogranatowymi nagłówkami, średnioniebieskimi obramowaniami, jasnoniebieskim wypełnieniem, mikrotabelami i wykresami, czytelnymi strzałkami, zaokrąglonymi kartami i spójnymi odstępami. Spraw, aby osadzone infografiki wyglądały jak wygenerowane przez sztuczną inteligencję wykresy edukacyjne, z gęstym, ale w większości czytelnym tekstem. Ograniczenia: Cały tekst interfejsu użytkownika powinien pozostać w języku angielskim. Nie dodawaj znaków wodnych. Zachowaj widoczne ramki zrzutów ekranu czatu i duże osadzone infografiki. Użyj 8 wymienionych obszarów infografik i 5 minikart na pasku szkoleniowym.