ภาพหน้าจอแชทสถาปัตยกรรม LLM
สร้างภาพหน้าจอแชท AI ที่สมจริง โดยมีภาพอินโฟกราฟิกทางเทคนิคโทนสีน้ำเงิน-ขาวที่อธิบายการทำงานของโมเดลภาษาขนาดใหญ่
พรอมต์
เป้าหมาย: สร้างภาพหน้าจอแชท AI ที่สมจริง โดยแสดงภาพอินโฟกราฟิกทางเทคนิคที่สร้างขึ้นเกี่ยวกับ วิธีการทำงานทางเทคนิคของโมเดลภาษาขนาดใหญ่ (LLMs) ภาพหน้าจอควรมีลักษณะเหมือนการสนทนาในเว็บแอปสมัยใหม่ ไม่ใช่ภาพโปสเตอร์เดี่ยวๆ
ผืนผ้าใบ: ภาพหน้าจอแนวตั้งขนาด 768×1024 พื้นหลังแอปสีเทาอ่อน พื้นที่เนื้อหาสีขาวขอบมน ตัวอักษรแบบไม่มีหัวที่สะอาดตา มีเงาจางๆ ความละเอียดสูงแต่ข้อความในอินโฟกราฟิกมีขนาดเล็กเล็กน้อยเหมือนภาพที่สร้างขึ้นและฝังอยู่ในแชทจริงๆ
เค้าโครง UI แชท: ที่ด้านซ้ายบนแสดงรูปโปรไฟล์ผู้ใช้แบบวงกลมเล็กๆ ชื่อแชท “Visualizing LLM Architecture” พร้อมลูกศรดรอปดาวน์ขนาดเล็ก และที่ด้านขวาบนแสดงป้าย “Files” พร้อมไอคอน ด้านล่างแสดงฟองข้อความของผู้ใช้แบบขอบมนจัดวางไว้ใกล้กึ่งกลาง/ขวาบน โดยมีข้อความ: “make an image explaining how LLMs work technically” ใต้ข้อความนั้น ให้แสดงแถบสถานะเล็กๆ ที่อ่านว่า “Scira task complete” พร้อมไอคอนประกายไฟ/ตัวโหลดและลูกศร ภาพหลักที่สร้างขึ้นจะปรากฏอยู่ด้านล่างในรูปแบบการ์ดสี่เหลี่ยมขอบมนขนาดใหญ่ ใต้ภาพให้ใส่ข้อความอธิบายของระบบว่า: “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:” ตามด้วยหัวข้อส่วนที่เน้นตัวหนา “Tokenization: From Text to Numbers” ที่ด้านล่างสุด ให้แสดงช่องป้อนข้อความแบบขอบมนพร้อมข้อความตัวอย่าง “Ask a follow-up...”, ปุ่มบวกทางด้านซ้าย, ตัวควบคุมเครื่องมือ/โมเดลขนาดเล็กทางด้านขวา, ป้ายชื่อโมเดล “Kimi K2.6” พร้อมดรอปดาวน์ และปุ่มเสียงแบบวงกลม
อินโฟกราฟิกที่สร้างขึ้นภายในแชท: ออกแบบโปสเตอร์ให้ความรู้ทางเทคนิคโทนสีน้ำเงิน-ขาว โดยมีชื่อหัวข้อเป็นตัวพิมพ์ใหญ่สีน้ำเงินเข้มว่า: “HOW LARGE LANGUAGE MODELS (LLMs) WORK” ใช้พื้นหลังสีขาว เส้นขอบสีน้ำเงินเข้ม ไฮไลต์สีฟ้าอ่อน แผงขอบมน ลูกศรเชื่อมโยงขั้นตอน แผนภูมิขนาดเล็ก สมการ ตาราง และไอคอน โปสเตอร์ควรมีความหนาแน่นของข้อมูลและเน้นความเป็นวิศวกรรม
ส่วนประกอบของอินโฟกราฟิก: ใช้แผง/พื้นที่ที่ระบุไว้ 8 ส่วนดังนี้:
1. แผง “INPUT: TOKENIZATION” แสดงกล่องข้อความดิบที่มีประโยค “The quick brown fox jumps over the lazy dog.”, บล็อกตัวตัดคำ (tokenizer), กล่องโทเค็นสำหรับคำต่างๆ และกล่องรหัสโทเค็น
2. แผง “EMBEDDINGS” แสดงรหัสโทเค็นที่ถูกแปลงเป็นเวกเตอร์ความหนาแน่นสูง พร้อมตารางค่าตัวเลข embedding ขนาดเล็ก
3. แผง “TRANSFORMER ARCHITECTURE” แสดงบล็อก transformer แบบซ้อนกันพร้อม Add & Norm, Feed-Forward Network, Multi-Head Self-Attention, input embeddings, positional encoding และสัญลักษณ์การทำซ้ำเลเยอร์
4A. แผง “SELF-ATTENTION MECHANISM (INSIDE ONE HEAD)” ด้านซ้ายล่างแบบกว้าง แสดงเมทริกซ์สำหรับ input embeddings, queries, keys, values, คะแนนความสนใจ (attention scores), softmax, ค่าน้ำหนักความสนใจ (attention weights), ผลรวมถ่วงน้ำหนัก และสมการต่างๆ
4B. แผง “ATTENTION: TOKENS ATTEND TO EACH OTHER” แสดงกราฟเครือข่ายของโทเค็นจากประโยคตัวอย่างที่เชื่อมต่อกันด้วยเส้นสีน้ำเงิน พร้อมแถบแสดงค่าน้ำหนักความสนใจ
5. แผง “OUTPUT: NEXT TOKEN PREDICTION” แสดงแถบการกระจายความน่าจะเป็นสำหรับโทเค็นถัดไปที่เป็นไปได้ เช่น cat, sat, on, the, mat, roof แล้วไฮไลต์โทเค็นถัดไปที่คาดการณ์ไว้คือ “the”
6. แผง “TRAINING: PRE-TRAINING WITH NEXT-TOKEN PREDICTION” แถบยาวด้านล่างแบ่งเป็น 5 การ์ดขนาดเล็ก: คลังข้อมูลข้อความขนาดใหญ่, การสร้างตัวอย่างการฝึกฝน, การคาดการณ์ของโมเดล, การคำนวณค่าความสูญเสีย (loss), และการทำ backpropagation/update
7. ลูกศรแสดงกระบวนการด้านล่างที่อ่านว่า “Repeat for billions of examples over many epochs until convergence.”
8. กล่องข้อความผลลัพธ์ด้านขวาล่างพร้อมไอคอนสมองที่อธิบายว่าโมเดลเรียนรู้รูปแบบภาษาและความรู้ทั่วไปอย่างไร
สไตล์ภาพ: อินโฟกราฟิกแบบเวกเตอร์ที่คมชัด ดูเป็นวิชาการแต่เป็นมิตร หัวข้อสีน้ำเงินเข้ม ขอบสีน้ำเงินปานกลาง เติมสีฟ้าอ่อน ตารางและแผนภูมิขนาดเล็ก ลูกศรที่สะอาดตา การ์ดขอบมน และระยะห่างที่สม่ำเสมอ ทำให้ภาพอินโฟกราฟิกที่ฝังอยู่ดูเหมือนแผนภาพการศึกษาที่สร้างโดย AI ซึ่งมีข้อความขนาดเล็กที่หนาแน่นแต่อ่านออกได้เป็นส่วนใหญ่
ข้อจำกัด: เก็บข้อความ UI ทั้งหมดเป็นภาษาอังกฤษ ห้ามใส่ลายน้ำ รักษาการจัดวางภาพหน้าจอแชทและภาพอินโฟกราฟิกขนาดใหญ่ที่ฝังอยู่ ใช้พื้นที่อินโฟกราฟิก 8 ส่วนตามที่ระบุไว้ และการ์ดขนาดเล็ก 5 ใบภายในแถบการฝึกฝนอย่างเคร่งครัด
วิธีใช้ prompt นี้
- 1
คัดลอก prompt เต็มด้านบน
- 2
เปิดแพลตฟอร์มที่รองรับ GPT Image 2 เช่น YouMind แล้ววาง prompt ลงไป
- 3
เปลี่ยนหัวข้อ สไตล์ หรือรายละเอียดให้ตรงไอเดียของคุณ แล้วสร้าง
นี่คือ AI prompt ฟรีจากคลัง prompt ของ YouMind สำรวจ ภาพ prompt อีกนับพันรายการ ทั้งหมดคัดลอกและปรับใช้ได้ฟรี
ดู ภาพ prompt เพิ่มเติมเพิ่มเติมจาก GPT Image 2
โปสเตอร์ขุมทรัพย์ Prompt สำหรับ GPT Image 2
@波妞PONYO
เปรียบเทียบการปรับสีภาพแนวโรแมนติกใน NYC
@CuiMao
โปสเตอร์ท่องเที่ยวเมืองสไตล์มินิมอล
@Taaruk
อินโฟกราฟิกทีมงานแบบผสมผสานระหว่างมนุษย์และเอเจนต์ (Human-Agent Team)
@고영혁 (Dylan Ko)
โปสเตอร์สอนจัดองค์ประกอบภาพถ่ายด้วยสัดส่วนทองคำ (Golden Ratio)
@BMX
วอลเปเปอร์เครื่องเล่นเพลงอนิเมะโทนสีมิ้นต์
@あまり🖋️AI &フリー素材配布
หมวดหมู่ภาพทั้งหมด
01
กรณีใช้งาน
ฟีเจอร์พรอมต์เพิ่มเติม
คลัง AI
ค้นหา prompt ด้วย AI
ให้ AI ช่วยค้นหา prompt หลายหมื่นรายการ กรองตามโมเดล ช่วงเวลา คีย์เวิร์ด และจัดเรียงตามยอดมีส่วนร่วม เช่น ยอดวิว ยอดบันทึก ยอดแชร์ และอื่นๆ
เครื่องมือด้านภาพ
รูปภาพเป็นพรอมต์
เปลี่ยนรูปภาพใดก็ได้ให้เป็นพรอมต์ภาพ AI แบบละเอียด เครื่องมือแปลงรูปภาพเป็นพรอมต์ฟรีจะวิเคราะห์องค์ประกอบ สไตล์ และแสง ให้คุณสร้างลุคเดิมซ้ำได้ในไม่กี่วินาที
สร้างมาเพื่อครีเอเตอร์ ฟรีตลอดไป
YouMind คือผู้ช่วยสร้างสรรค์ AI ที่ครีเอเตอร์ทั่วโลกไว้วางใจ ทุกพรอมต์ที่นี่คัดสรรมาเพื่อช่วยให้คุณสร้างสรรค์ได้ดีและเร็วขึ้น