Captura de tela do bate-papo do LLM Architecture

Objetivo: Criar uma captura de tela realista de uma interface de chat de IA, exibindo uma imagem relacionada a {argument name="topic" default="Princípios Técnicos de Modelos de Linguagem Grandes (LLMs)"}. Infográfico técnico generativo. As capturas de tela devem ser apresentadas como conversas dentro de um aplicativo web moderno, e não como pôsteres promocionais independentes. Tela: Captura de tela vertical de 768×1024, fundo cinza claro do aplicativo, áreas de conteúdo brancas arredondadas, fonte sans-serif limpa, sombras sutis, alta resolução, mas o texto no infográfico deve ser ligeiramente menor, como uma imagem gerada incorporada real. Layout da interface do chat: Um pequeno avatar circular do usuário é exibido no canto superior esquerdo, juntamente com o título do chat "Visualizando a Arquitetura de LLM" e uma pequena seta suspensa; uma aba e um ícone simples de "Arquivos" são exibidos no canto superior direito. Abaixo disso, há um balão de mensagem arredondado, centralizado e alinhado à direita, que diz: "crie uma imagem explicando como os LLMs funcionam tecnicamente". Abaixo, há uma barra de status com a mensagem "Tarefa Scira concluída", um ícone piscando/carregando e uma seta. A imagem principal gerada aparece abaixo como um grande cartão retangular com cantos arredondados. Abaixo da imagem, há um texto explicativo do assistente: "A imagem acima é um infográfico técnico abrangente que detalha o funcionamento interno dos Modelos de Linguagem Grandes. Aqui está um passo a passo detalhado de cada componente mostrado:", seguido pelo título da seção em negrito "Tokenização: De Texto a Números". Na parte inferior, há uma caixa de entrada arredondada com o marcador "Fazer uma pergunta complementar...", um botão de adição à esquerda e pequenos controles de ferramentas/modelos, o rótulo do modelo "Kimi K2.6", um menu suspenso e um botão circular de voz à direita. Infográfico generativo no chat: Crie um pôster técnico educativo em azul e branco com um grande título em letras maiúsculas azul-marinho: "COMO FUNCIONAM OS MODELOS DE LINGUAGEM GRANDES (LLMs)". Use um fundo branco, contorno azul-marinho, destaques em azul-claro, painéis arredondados e setas conectando etapas, micrográficos, fórmulas, tabelas e ícones. O pôster deve ser denso em informações e ter uma abordagem voltada para a engenharia. Seção de infográficos: Utiliza 8 painéis/áreas com rótulos: 1. Painel "ENTRADA: TOKENIZAÇÃO": Exibe uma caixa de texto contendo a frase "The quick brown fox jumps over the lazy dog.", um módulo tokenizador, caixas de tokens de palavras e caixas de IDs de tokens. 2. Painel "EMBEDDINGS": Exibe os IDs dos tokens convertidos em vetores densos e uma tabela contendo valores numéricos de embedding. 3. Painel "ARQUITETURA DO TRANSFORMER": Exibe módulos Transformer empilhados, incluindo Add & Norm, Feed-Forward Network, Multi-Head Self-Attention, embedding de entrada, codificação posicional e notação de repetição de camadas. 4A. "MECANISMO DE AUTOATENÇÃO (DENTRO DE UMA CABEÇA)": O painel inferior esquerdo exibe o embedding de entrada, consultas, chaves, valores, pontuações de atenção, softmax, pesos de atenção, soma ponderada e matrizes de fórmulas. 4B. Painel “ATENÇÃO: OS TOKENS INTERAGEM ENTRE SI”: Exibe o gráfico da rede de tokens na frase de exemplo, conectados por linhas azuis, e inclui barras de peso de atenção. 5. Painel “SAÍDA: PREVISÃO DO PRÓXIMO TOKEN”: Exibe as barras de distribuição de probabilidade para os próximos tokens candidatos (por exemplo, gato, sentou, em, o, tapete, telhado) e destaca o próximo token previsto “o”. 6. “TREINAMENTO: PRÉ-TREINAMENTO COM PREVISÃO DO PRÓXIMO TOKEN”: A barra inferior é dividida em 5 mini-cartões: corpus de texto massivo, criação de exemplos de treinamento, previsão do modelo, cálculo da perda e retropropagação/atualização. 7. Seta de fluxo inferior com o texto: “Repita por bilhões de exemplos ao longo de muitas épocas até a convergência.” 8. Anotação de resultado no canto inferior direito com um ícone de cérebro, explicando como o modelo aprende padrões e conhecimentos comuns da linguagem. Estilo visual: Infográficos vetoriais claros, acadêmicos e fáceis de usar, com títulos em azul-marinho escuro, bordas em azul médio, preenchimento em azul claro, microtabelas e micrográficos, setas nítidas, cartões arredondados e espaçamento consistente. Faça com que os infográficos incorporados pareçam gráficos educacionais gerados por IA, com texto denso, porém legível. Restrições: Todo o texto da interface do usuário deve permanecer em inglês. Não adicione marcas d'água. Mantenha visíveis as molduras de captura de tela do chat e os infográficos incorporados grandes. Use as 8 áreas de infográfico e os 5 minicartões listados na barra de treinamento.