
LLM 건축 채팅 스크린샷
대규모 언어 모델의 작동 방식을 설명하는 파란색과 흰색의 밀도 높은 기술 인포그래픽이 포함된 사실적인 AI 채팅 스크린샷을 생성합니다.
이것은 다른 영감들 에 대한 gpt-image-2 프롬프트 사례입니다. 아래의 복사 가능한 프롬프트를 사용하여 유사한 시각 자료를 생성하고, 재사용하기 전에 Awesome Nano Banana Pro Prompts 의 저작자 표시 및 상업적 사용 권한을 검토하십시오.
전체 프롬프트 세트가 필요하신가요? 다음을 사용하세요. 다른 영감들 더 많은 관련 예시를 보려면 주제 허브를 열거나 다음을 열어보세요. GPT 이미지 2 프롬프트 라이브러리 전체 예제 색인, 재사용 가능한 구조 및 출처 표기는 다음을 참조하십시오.
프롬프트
복사 준비 프롬프트
목표: {argument name="topic" default="Large Language Models (LLMs) Technical Principles"} 주제와 관련된 생성형 기술 인포그래픽 이미지를 보여주는 사실적인 AI 채팅 인터페이스 스크린샷을 제작합니다. 스크린샷은 독립적인 홍보 포스터가 아닌, 최신 웹 애플리케이션 내 대화 형식으로 제시되어야 합니다. 캔버스: 768×1024 세로 스크린샷, 밝은 회색 애플리케이션 배경, 둥근 흰색 콘텐츠 영역, 깔끔한 산세리프 글꼴, 은은한 그림자, 고해상도, 단 인포그래픽의 텍스트는 실제 임베디드된 생성 이미지처럼 약간 작아야 합니다. 채팅 UI 레이아웃: 왼쪽 상단에는 작은 원형 사용자 아바타와 채팅 제목 "LLM 아키텍처 시각화" 및 작은 드롭다운 화살표가 표시됩니다. 오른쪽 상단에는 간단한 "파일" 탭과 아이콘이 표시됩니다. 그 아래에는 가운데 정렬/오른쪽 정렬된 둥근 사용자 메시지 풍선이 있으며, "LLM이 기술적으로 어떻게 작동하는지 설명하는 이미지를 만들어 주세요."라는 내용이 표시됩니다. 그 아래에는 "Scira 작업 완료"라는 상태 표시줄과 깜빡이는 로딩 아이콘, 화살표가 있습니다. 생성된 주요 이미지는 그 아래에 둥근 직사각형 카드 형태로 나타납니다. 이미지 아래에는 어시스턴트의 설명 텍스트가 있습니다. "위 이미지는 대규모 언어 모델(LLM)의 작동 방식을 자세히 보여주는 기술 인포그래픽입니다. 다음은 각 구성 요소에 대한 자세한 설명입니다."라는 설명과 함께 굵게 표시된 섹션 제목 "토큰화: 텍스트에서 숫자로"가 있습니다. 맨 아래에는 "추가 질문하기…"라는 자리 표시자가 있는 둥근 입력 상자, 왼쪽에는 더하기 버튼, 오른쪽에는 작은 도구/모델 컨트롤, 모델 레이블 "Kimi K2.6", 드롭다운 메뉴, 원형 음성 버튼이 있습니다. 채팅창에 표시되는 생성형 인포그래픽: "대규모 언어 모델(LLM) 작동 방식"이라는 큰 남색 대문자 제목이 있는 파란색과 흰색의 기술 교육 포스터를 디자인하세요. 흰색 배경, 남색 윤곽선, 연한 파란색 강조 표시, 둥근 패널, 그리고 단계, 마이크로차트, 수식, 표, 아이콘을 연결하는 화살표를 사용하십시오. 포스터는 정보 밀도가 높고 공학적 접근 방식을 취해야 합니다. 인포그래픽 섹션: 레이블이 지정된 8개의 패널/영역을 활용합니다. 1. "입력: 토큰화" 패널: "The quick brown fox jumps over the lazy dog."라는 문장이 포함된 원시 텍스트 상자, 토크나이저 모듈, 단어 토큰 상자, 토큰 ID 상자를 표시합니다. 2. "임베딩" 패널: 밀집 벡터로 변환된 토큰 ID와 숫자 임베딩 값이 포함된 표를 표시합니다. 3. "트랜스포머 아키텍처" 패널: Add & Norm, 피드포워드 네트워크, 멀티헤드 셀프 어텐션, 입력 임베딩, 위치 인코딩, 레이어 반복 표기법을 포함한 스택형 트랜스포머 모듈을 표시합니다. 4A. "셀프 어텐션 메커니즘(원 헤드 내부)": 왼쪽 하단의 넓은 패널에는 입력 임베딩, 쿼리, 키, 값, 어텐션 점수, 소프트맥스, 어텐션 가중치, 가중 합산 및 공식 행렬이 표시됩니다. 4B. "어텐션: 토큰 간의 상호 작용" 패널: 예문의 토큰 네트워크 그래프를 파란색 선으로 연결하여 표시하며, 어텐션 가중치 막대가 포함됩니다. 5. "출력: 다음 토큰 예측" 패널: 다음 토큰 후보(예: cat, sat, on, the, mat, roof)에 대한 확률 분포 막대를 표시하고 예측된 다음 토큰 "the"를 강조 표시합니다. 6. "학습: 다음 토큰 예측을 사용한 사전 학습": 하단 바는 대규모 텍스트 코퍼스, 학습 예제 생성, 모델 예측, 손실 계산 및 역전파/업데이트의 5개 미니 카드로 나뉩니다. 7. 하단 흐름 화살표에 "수십억 개의 예제를 여러 에포크에 걸쳐 반복하여 수렴합니다."라는 텍스트를 표시합니다. 8. 오른쪽 하단 결과 주석에 뇌 아이콘을 표시하고, 모델이 일반적인 언어 패턴과 지식을 학습하는 방식을 설명합니다. 시각적 스타일: 명확한 벡터 인포그래픽을 사용하며, 학술적이면서도 사용자 친화적이어야 합니다. 진한 남색 제목, 중간 파란색 테두리, 밝은 파란색 채우기, 작은 표와 차트, 깔끔한 화살표, 둥근 카드, 일정한 간격을 사용합니다. 내장된 인포그래픽은 AI가 생성한 교육용 차트처럼 보이도록 하고, 텍스트는 밀도 있지만 대부분 읽기 쉬워야 합니다. 제약 조건: 모든 UI 텍스트는 영어로 유지해야 합니다. 워터마크를 추가하지 마십시오. 채팅 스크린샷 프레임과 큰 내장 인포그래픽을 유지하십시오. 학습 막대 내에 나열된 8개의 인포그래픽 영역과 5개의 미니 카드를 사용하십시오.프롬프트 변수
프롬프트에 있는 편집 가능한 인수 자리 표시자와 해당 기본값입니다.
변하기 쉬운
topic
기본
Large Language Models (LLMs) Technical Principles
이 범주에 속하는 더 많은 사례
범주, 입력 방식 호환성, 품질 및 위험도에 따라 우선순위가 정해집니다.
재사용 및 출처 참고 사항
사례를 미리 확인한 후 이 안내 메시지를 안전하게 사용하십시오.
- 1.프롬프트를 복사하거나 Dovoo의 생성 버튼을 사용하여 직접 엽니다.
- 2.사용 사례에 맞게 변수, 화면 비율 및 참조 이미지를 조정하십시오.
- 3.출판 또는 유료 사용 전에 저작권, 출처 표기 요건 및 브랜드 또는 초상권 관련 위험을 확인하십시오.





