LLM 架构聊天截图

目标：创建一张逼真的 AI 聊天界面截图，展示一张关于 {argument name="topic" default="大语言模型 (LLMs) 技术原理"} 的生成式技术信息图。截图应呈现为现代 Web 应用的对话形式，而非独立的宣传海报。

画布：768×1024 垂直截图，浅灰色应用背景，圆角白色内容区域，简洁的无衬线字体，细微阴影，高分辨率，但信息图中的文字应像真实的嵌入式生成图像一样稍小。

聊天 UI 布局：左上角显示一个小型圆形用户头像，聊天标题“Visualizing LLM Architecture”及一个小巧的下拉箭头；右上角显示简单的“Files”标签及图标。下方显示一个居中/靠右对齐的圆角用户消息气泡，内容为：“make an image explaining how LLMs work technically”。下方显示一行状态栏，写着“Scira task complete”，配有闪烁/加载图标和箭头。主要生成的图像以大圆角矩形卡片形式出现在下方。图像下方包含助手的解释性文字：“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:”，随后是加粗的章节标题“Tokenization: From Text to Numbers”。底部显示一个圆角输入框，占位符为“Ask a follow-up...”，左侧有一个加号按钮，右侧有小型工具/模型控件，模型标签“Kimi K2.6”及下拉菜单，以及一个圆形语音按钮。

聊天中的生成式信息图：设计一张蓝白配色的技术教育海报，大号海军蓝大写标题为：“HOW LARGE LANGUAGE MODELS (LLMs) WORK”。使用白色背景、海军蓝轮廓、浅蓝色高亮、圆角面板，以及连接步骤的箭头、微型图表、公式、表格和图标。海报应信息密集且偏向工程化。

信息图板块：使用 8 个带标签的面板/区域：
1. “INPUT: TOKENIZATION”面板：显示一个原始文本框，内容为句子“The quick brown fox jumps over the lazy dog.”，一个分词器模块，单词的 Token 框，以及 Token ID 框。
2. “EMBEDDINGS”面板：显示转换为密集向量的 Token ID，以及一个包含数值嵌入值的表格。
3. “TRANSFORMER ARCHITECTURE”面板：显示堆叠的 Transformer 模块，包含 Add & Norm、前馈网络 (Feed-Forward Network)、多头自注意力机制 (Multi-Head Self-Attention)、输入嵌入、位置编码以及层重复符号。
4A. “SELF-ATTENTION MECHANISM (INSIDE ONE HEAD)”：左下角宽面板，显示输入嵌入、查询 (Queries)、键 (Keys)、值 (Values)、注意力分数、Softmax、注意力权重、加权求和及公式的矩阵。
4B. “ATTENTION: TOKENS ATTEND TO EACH OTHER”面板：显示示例句子中 Token 的网络图，由蓝色线条连接，并配有注意力权重条。
5. “OUTPUT: NEXT TOKEN PREDICTION”面板：显示候选下一个 Token（如 cat, sat, on, the, mat, roof）的概率分布条，并高亮显示预测的下一个 Token “the”。
6. “TRAINING: PRE-TRAINING WITH NEXT-TOKEN PREDICTION”：底部的长条，分为 5 个迷你卡片：海量文本语料库、创建训练示例、模型预测、损失计算以及反向传播/更新。
7. 底部流程箭头，文字为：“Repeat for billions of examples over many epochs until convergence.”
8. 右下角结果标注，配有大脑图标，解释模型如何学习通用语言模式和知识。

视觉风格：清晰的矢量信息图，学术且友好，深海军蓝标题，中蓝色边框，浅蓝色填充，微型表格和图表，简洁的箭头，圆角卡片，一致的间距。使嵌入的信息图看起来像一张 AI 生成的教育图表，文字密集但大部分清晰可辨。

约束：所有 UI 文字保持为英文。不要添加水印。保留可见的聊天截图框架和大型嵌入式信息图。使用列出的 8 个信息图区域，并在训练长条内使用 5 个迷你卡片。