ภาพหน้าจอแชทสถาปัตยกรรม LLM

วัตถุประสงค์: สร้างภาพหน้าจอที่สมจริงของอินเทอร์เฟซแชท AI โดยแสดงภาพที่เกี่ยวข้องกับ {argument name="topic" default="หลักการทางเทคนิคของแบบจำลองภาษาขนาดใหญ่ (LLMs)"} อินโฟกราฟิกทางเทคนิคแบบสร้างภาพ ภาพหน้าจอควรนำเสนอในรูปแบบการสนทนาภายในแอปพลิเคชันเว็บสมัยใหม่ ไม่ใช่โปสเตอร์ส่งเสริมการขายแบบเดี่ยวๆ ขนาดภาพ: ภาพหน้าจอแนวตั้ง 768×1024 พิกเซล พื้นหลังแอปพลิเคชันสีเทาอ่อน พื้นที่เนื้อหาสีขาวขอบมน ตัวอักษรแบบไม่มีเชิงที่คมชัด เงาเล็กน้อย ความละเอียดสูง แต่ข้อความในอินโฟกราฟิกควรมีขนาดเล็กกว่าเล็กน้อย เหมือนกับภาพที่สร้างขึ้นจริง เค้าโครง UI แชท: รูปประจำตัวผู้ใช้ขนาดเล็กรูปวงกลมแสดงอยู่ที่มุมบนซ้าย พร้อมกับชื่อแชท "การแสดงภาพสถาปัตยกรรม LLM" และลูกศรดรอปดาวน์ขนาดเล็ก แท็บและไอคอน "ไฟล์" อย่างง่ายแสดงอยู่ที่มุมบนขวา ด้านล่างนี้คือฟองข้อความผู้ใช้แบบขอบมนจัดกึ่งกลาง/ชิดขวา ซึ่งมีข้อความว่า: "สร้างภาพอธิบายวิธีการทำงานทางเทคนิคของ LLM" ด้านล่างนั้นคือแถบสถานะที่แสดงว่า "งาน Scira เสร็จสมบูรณ์" พร้อมไอคอนกะพริบ/กำลังโหลดและลูกศร ภาพหลักที่สร้างขึ้นจะปรากฏด้านล่างเป็นการ์ดสี่เหลี่ยมผืนผ้าขนาดใหญ่ที่มีมุมโค้งมน ใต้ภาพมีข้อความอธิบายจากผู้ช่วยว่า: “ภาพด้านบนเป็นอินโฟกราฟิกทางเทคนิคที่ครอบคลุมซึ่งอธิบายวิธีการทำงานของโมเดลภาษาขนาดใหญ่โดยละเอียด ต่อไปนี้คือคำแนะนำโดยละเอียดของแต่ละส่วนประกอบที่แสดง:” ตามด้วยหัวข้อส่วนที่เป็นตัวหนา “การแบ่งคำ: จากข้อความสู่ตัวเลข” ด้านล่างสุดเป็นช่องป้อนข้อมูลที่มีมุมโค้งมนพร้อมข้อความตัวอย่าง “ถามคำถามเพิ่มเติม…” ปุ่มบวกทางด้านซ้าย และปุ่มควบคุมเครื่องมือ/โมเดลขนาดเล็ก ป้ายกำกับโมเดล “Kimi K2.6” เมนูแบบดรอปดาวน์ และปุ่มเสียงวงกลมทางด้านขวา อินโฟกราฟิกที่สร้างขึ้นในแชท: ออกแบบโปสเตอร์การศึกษาทางเทคนิคสีน้ำเงินและขาวพร้อมชื่อเรื่องตัวพิมพ์ใหญ่สีน้ำเงินเข้มขนาดใหญ่: “วิธีการทำงานของโมเดลภาษาขนาดใหญ่ (LLMs)” ใช้พื้นหลังสีขาว เส้นขอบสีน้ำเงินเข้ม ไฮไลต์สีฟ้าอ่อน แผงโค้งมน และลูกศรเชื่อมโยงขั้นตอน แผนภูมิขนาดเล็ก สูตร ตาราง และไอคอน โปสเตอร์ควรมีข้อมูลหนาแน่นและเน้นแนวทางด้านวิศวกรรม ส่วนอินโฟกราฟิก: ใช้แผง/พื้นที่ที่มีป้ายกำกับ 8 ส่วน: 1. แผง "อินพุต: การแยกคำ": แสดงกล่องข้อความดิบที่มีประโยค "The quick brown fox jumps over the lazy dog." โมดูลแยกคำ กล่องคำแยกคำ และกล่องรหัสคำแยกคำ 2. แผง "การฝังข้อมูล": แสดงรหัสคำแยกคำที่แปลงเป็นเวกเตอร์หนาแน่น และตารางที่มีค่าการฝังข้อมูลเชิงตัวเลข 3. แผง "สถาปัตยกรรมทรานส์ฟอร์เมอร์": แสดงโมดูลทรานส์ฟอร์เมอร์ที่ซ้อนกัน รวมถึง Add & Norm, Feed-Forward Network, Multi-Head Self-Attention, การฝังข้อมูลอินพุต, การเข้ารหัสตำแหน่ง และสัญกรณ์การทำซ้ำเลเยอร์ 4A. "กลไกการให้ความสนใจตนเอง (ภายในหัวเดียว)": แผงด้านล่างซ้ายแสดงการฝังข้อมูลอินพุต, คำถาม, คีย์, ค่า, คะแนนความสนใจ, ซอฟต์แม็กซ์, น้ำหนักความสนใจ, ผลรวมถ่วงน้ำหนัก และเมทริกซ์สูตร 4B. แผง "ความสนใจ: โทเค็นให้ความสนใจซึ่งกันและกัน": แสดงกราฟเครือข่ายของโทเค็นในประโยคตัวอย่างที่เชื่อมต่อด้วยเส้นสีน้ำเงิน และรวมถึงแถบน้ำหนักความสนใจ 5. แผง "เอาต์พุต: การทำนายโทเค็นถัดไป": แสดงแถบการกระจายความน่าจะเป็นสำหรับโทเค็นถัดไปที่เป็นไปได้ (เช่น cat, sat, on, the, mat, roof) และเน้นโทเค็นถัดไปที่ทำนายได้คือ "the" 6. "การฝึกอบรม: การฝึกอบรมเบื้องต้นด้วยการทำนายโทเค็นถัดไป": แถบด้านล่างแบ่งออกเป็น 5 การ์ดขนาดเล็ก: คลังข้อความขนาดใหญ่, การสร้างตัวอย่างการฝึกอบรม, การทำนายแบบจำลอง, การคำนวณการสูญเสีย และการแพร่กระจายย้อนกลับ/การอัปเดต 7. ลูกศรแสดงทิศทางการไหลด้านล่าง พร้อมข้อความว่า “ทำซ้ำตัวอย่างหลายพันล้านตัวอย่างในหลายรอบจนกว่าจะบรรจบกัน” 8. คำอธิบายผลลัพธ์ด้านล่างขวา พร้อมไอคอนรูปสมอง อธิบายว่าโมเดลเรียนรู้รูปแบบภาษาและความรู้ทั่วไปได้อย่างไร สไตล์ภาพ: อินโฟกราฟิกแบบเวกเตอร์ที่ชัดเจน ดูเป็นวิชาการและใช้งานง่าย มีหัวข้อสีน้ำเงินเข้ม ขอบสีน้ำเงินกลาง พื้นหลังสีน้ำเงินอ่อน ตารางและแผนภูมิขนาดเล็ก ลูกศรที่สะอาดตา การ์ดโค้งมน และระยะห่างที่สม่ำเสมอ ทำให้อินโฟกราฟิกที่ฝังอยู่ดูเหมือนแผนภูมิการศึกษาที่สร้างโดย AI โดยมีข้อความที่หนาแน่นแต่ส่วนใหญ่อ่านได้ ข้อจำกัด: ข้อความ UI ทั้งหมดควรเป็นภาษาอังกฤษ ห้ามใส่ลายน้ำ คงกรอบภาพหน้าจอแชทและอินโฟกราฟิกขนาดใหญ่ที่ฝังอยู่ ใช้พื้นที่อินโฟกราฟิก 8 พื้นที่และมินิการ์ด 5 ใบที่ระบุไว้ภายในแถบการฝึกอบรม