Captura de pantalla de chat sobre arquitectura de LLM

Crea una captura de pantalla realista de un chat de IA que presenta una infografía técnica detallada en azul y blanco que explica cómo funcionan los modelos de lenguaje de gran tamaño.

Instrucción
Objetivo: Crear una captura de pantalla realista de una interfaz de chat de IA que muestre una infografía técnica generada sobre cómo funcionan técnicamente los modelos de lenguaje de gran tamaño (LLM). La captura de pantalla debe parecer una conversación en una aplicación web moderna, no un póster independiente. Lienzo: Captura de pantalla vertical de 768×1024, fondo de aplicación gris claro, áreas de contenido blancas redondeadas, tipografía sans-serif limpia, sombras sutiles, alta resolución pero con el texto de la infografía ligeramente pequeño, como una imagen generada incrustada real. Diseño de la interfaz de chat: En la parte superior izquierda, muestra un pequeño avatar de usuario circular, el título del chat “Visualizing LLM Architecture” con un pequeño chevron desplegable, y en la parte superior derecha una etiqueta simple de “Files” con un icono. Debajo, muestra una burbuja de mensaje de usuario redondeada alineada cerca del centro/derecha superior que contenga: “make an image explaining how LLMs work technically”. Debajo, muestra una pequeña fila de estado que diga “Scira task complete” con un icono de destello/cargador y un chevron. La imagen generada principal aparece debajo como una tarjeta rectangular grande y redondeada. Debajo de la imagen, incluye un texto explicativo del asistente: “The image above is a comprehensive technical infographic breaking down how Large Language Models function under the hood. Here is a detailed walkthrough of each component shown:” seguido del encabezado de sección en negrita “Tokenization: From Text to Numbers”. En la parte inferior, muestra un cuadro de entrada redondeado con el marcador de posición “Ask a follow-up...”, un botón de más a la izquierda, controles pequeños de herramientas/modelo a la derecha, la etiqueta del modelo “Kimi K2.6” con un menú desplegable y un botón de voz circular. Infografía generada dentro del chat: Diseña un póster educativo técnico en azul y blanco titulado en mayúsculas azul marino: “HOW LARGE LANGUAGE MODELS (LLMs) WORK”. Usa un fondo blanco, contornos azul marino, resaltados azul claro, paneles redondeados, flechas que conectan los pasos, gráficos en miniatura, ecuaciones, tablas e iconos. El póster debe ser denso en información y orientado a la ingeniería. Secciones de la infografía: Usa exactamente 8 paneles/áreas etiquetadas: 1. Panel “INPUT: TOKENIZATION” que muestre un cuadro de texto sin formato con la oración “The quick brown fox jumps over the lazy dog.”, un bloque de tokenizador, cuadros de tokens para las palabras y cuadros de ID de tokens. 2. Panel “EMBEDDINGS” que muestre los ID de tokens convertidos en vectores densos, con una pequeña tabla de valores numéricos de embedding. 3. Panel “TRANSFORMER ARCHITECTURE” que muestre un bloque transformer apilado con Add & Norm, Feed-Forward Network, Multi-Head Self-Attention, embeddings de entrada, codificación posicional y notación de repetición de capas. 4A. Panel inferior izquierdo ancho “SELF-ATTENTION MECHANISM (INSIDE ONE HEAD)” que muestre matrices para embeddings de entrada, consultas, claves, valores, puntuaciones de atención, softmax, pesos de atención, suma ponderada y ecuaciones. 4B. Panel “ATTENTION: TOKENS ATTEND TO EACH OTHER” que muestre un gráfico de red de tokens de la oración de ejemplo conectados por líneas azules más barras de peso de atención. 5. Panel “OUTPUT: NEXT TOKEN PREDICTION” que muestre barras de distribución de probabilidad para los posibles siguientes tokens, como cat, sat, on, the, mat, roof, resaltando luego el siguiente token predicho “the”. 6. Tira inferior larga “TRAINING: PRE-TRAINING WITH NEXT-TOKEN PREDICTION” dividida en 5 minitarjetas: corpus de texto masivo, creación de ejemplos de entrenamiento, predicción del modelo, cálculo de pérdida y retropropagación/actualización. 7. Flecha de proceso inferior que diga “Repeat for billions of examples over many epochs until convergence.” 8. Llamada de resultado en la parte inferior derecha con un icono de cerebro que explique que el modelo aprende patrones de lenguaje generales y conocimiento. Estilo visual: Infografía vectorial nítida, académica pero amigable, encabezados azul marino oscuro, bordes azul medio, rellenos azul pálido, tablas y gráficos pequeños, flechas limpias, tarjetas redondeadas, espaciado consistente. Haz que la infografía incrustada se parezca a un diagrama educativo generado por IA con texto pequeño denso pero mayormente legible. Restricciones: Mantén todo el texto de la interfaz en inglés. No añadas marcas de agua. Conserva el encuadre de la captura de pantalla del chat y la gran infografía incrustada. Usa exactamente las 8 áreas de infografía enumeradas y exactamente 5 minitarjetas dentro de la tira de entrenamiento.

Cómo usar este prompt

  1. 1

    Copia el prompt completo de arriba.

  2. 2

    Abre una plataforma compatible con GPT Image 2, como YouMind, y pega el prompt.

  3. 3

    Cambia el tema, el estilo o los detalles según tu idea y luego genera.

Este es un prompt de IA gratuito de la biblioteca de prompts de YouMind. Explora miles de prompts de imagen más, todos gratis para copiar y adaptar.

Explorar más prompts de imagen

Más funciones de prompts

Biblioteca de IA

Búsqueda de prompts con IA

Que la IA busque entre decenas de miles de prompts. Filtrá por modelo, rango de fechas y palabras clave, y ordená por interacción: vistas, guardados, reposts y más.

Herramientas de visión

Imagen a prompt

Convierte cualquier foto en un prompt de imagen IA detallado. El conversor gratuito de imagen a prompt analiza composición, estilo e iluminación para recrear cualquier estética en segundos.

Creado para creadores. Gratis para siempre.

YouMind es el copiloto creativo con IA en el que confían creadores de todo el mundo. Cada prompt está curado para ayudarte a crear mejor y más rápido.

Explorar más prompts