LLM アーキテクチャのチャットスクリーンショット

大規模言語モデルの仕組みを解説する、高密度な青と白の技術インフォグラフィックを組み込んだ、リアルな AI チャットのスクリーンショットを作成します。

プロンプト

目標: 大規模言語モデル（LLM）の技術的な仕組みに関する技術的なインフォグラフィックが生成された、リアルな AI チャットインターフェースのスクリーンショットを作成する。単なるポスターではなく、モダンなウェブアプリの会話画面のように見せること。キャンバス: 768×1024 の縦型スクリーンショット。ライトグレーのアプリ背景、角丸の白いコンテンツエリア、クリーンなサンセリフ体、繊細な影。高解像度だが、インフォグラフィック内のテキストは実際の埋め込み生成画像のように少し小さめに配置する。チャット UI レイアウト: 左上に小さな円形のユーザーアバター、チャットタイトル「Visualizing LLM Architecture」と小さなドロップダウンのシェブロンを表示。右上にはアイコン付きの「Files」ラベルを配置。その下に、中央から右寄りに配置された角丸のユーザーメッセージバブルを表示し、「make an image explaining how LLMs work technically」と記載する。その下に「Scira task complete」という小さなステータス行と、キラキラしたローダーアイコン、シェブロンを表示。メインの生成画像は、その下に大きな角丸の長方形カードとして表示する。画像の下には、アシスタントによる解説テキスト「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:」を配置し、続いて太字のセクション見出し「Tokenization: From Text to Numbers」を記載する。最下部には、プレースホルダー「Ask a follow-up...」が入った角丸の入力ボックス、左側にプラスボタン、右側に小さなツール/モデルコントロール、ドロップダウン付きのモデルラベル「Kimi K2.6」、および円形の音声ボタンを配置する。チャット内の生成インフォグラフィック: 青と白を基調とした技術教育用ポスターをデザインする。タイトルは紺色の大きな大文字で「HOW LARGE LANGUAGE MODELS (LLMs) WORK」。白背景、紺色の輪郭線、水色のハイライトを使用し、角丸パネル、ステップをつなぐ矢印、ミニチュアチャート、数式、表、アイコンを配置する。ポスターは情報密度が高く、エンジニアリング志向のデザインにする。インフォグラフィックのセクション: 以下の 8 つのラベル付きパネル/エリアを正確に使用すること: 1. 「INPUT: TOKENIZATION」パネル: 生テキストボックスに「The quick brown fox jumps over the lazy dog.」という文章、トークナイザーブロック、単語ごとのトークンボックス、トークン ID ボックスを表示。 2. 「EMBEDDINGS」パネル: トークン ID が高密度ベクトルに変換される様子と、数値の埋め込み値を示す小さな表を表示。 3. 「TRANSFORMER ARCHITECTURE」パネル: Add & Norm、Feed-Forward Network、Multi-Head Self-Attention、入力埋め込み、位置エンコーディング、層の繰り返し表記を含むスタックされたトランスフォーマーブロックを表示。 4A. 「SELF-ATTENTION MECHANISM (INSIDE ONE HEAD)」パネル: 左下の広いパネル。入力埋め込み、クエリ、キー、値、アテンションスコア、ソフトマックス、アテンションウェイト、加重和、および数式を示す行列を表示。 4B. 「ATTENTION: TOKENS ATTEND TO EACH OTHER」パネル: 例の文章のトークンが青い線でつながれたネットワークグラフと、アテンションウェイトのバーを表示。 5. 「OUTPUT: NEXT TOKEN PREDICTION」パネル: 次のトークンの候補（cat, sat, on, the, mat, roof など）の確率分布バーを表示し、予測された次のトークン「the」をハイライトする。 6. 「TRAINING: PRE-TRAINING WITH NEXT-TOKEN PREDICTION」パネル: 下部の長い帯状のエリア。5 つのミニカード（大規模テキストコーパス、トレーニング例の作成、モデル予測、損失計算、バックプロパゲーション/更新）に分割。 7. 下部のプロセス矢印: 「Repeat for billions of examples over many epochs until convergence.」と記載。 8. 右下の結果コールアウト: 脳のアイコンを添えて、モデルが一般的な言語パターンと知識を学習することを説明。ビジュアルスタイル: 明瞭なベクターインフォグラフィック。学術的でありながら親しみやすい雰囲気。濃紺の見出し、ミディアムブルーの境界線、ペールブルーの塗りつぶし、小さな表やプロット、クリーンな矢印、角丸カード、一貫した間隔。埋め込まれたインフォグラフィックは、AI が生成した教育用図のように、高密度だが大部分が判読可能な小さなテキストで構成する。制約事項: UI テキストはすべて英語のままにすること。透かし（ウォーターマーク）は追加しないこと。チャットスクリーンショットのフレームと、大きな埋め込みインフォグラフィックを維持すること。リストされた 8 つのインフォグラフィックエリアと、トレーニングストリップ内の 5 つのミニカードを正確に使用すること。