이미지 프롬프트 · GPT Image 2
LLM 사전학습 데이터 흐름을 그린 생키 다이어그램
웹·논문·코드 등 데이터 출처가 정제 단계를 거쳐 학습 세트로 나뉘는 흐름을 반투명 띠로 그린 생키 다이어그램 프롬프트입니다.
이 그림, 어디에 쓰나요
블록 이름, 숫자, 색을 하나하나 따옴표로 적어 그림 속 글자가 틀리지 않게 한 프롬프트입니다. 리본이 출처 색을 이어받게 해서 어느 데이터가 어디로 흘러가는지 범례 없이도 따라갈 수 있습니다.
내 것으로 바꿔 쓰는 예
| 바꿀 곳 | 원래 | 이렇게 바꾸면 |
|---|---|---|
| 제목 | Title: "LLM pretraining data mixture and downstream splits" | Title: "2026 마케팅 예산 흐름" |
| 출처 블록 | "Common Crawl (web) 540B" (muted navy, largest), "arXiv papers 180B" (dusty teal) | "검색 광고 4,200만 원" (muted navy, largest), "SNS 광고 1,800만 원" (dusty teal) |
| 처리 단계 | "Deduplicated (MinHash + exact)", "Quality-filtered (classifier + heuristics)" | "클릭", "장바구니 담기" |
| 최종 묶음 | "Pretraining set 1.4T tokens" (largest) | "구매 완료 3,100건" (largest) |
⚠️ 실제 가게·상품·장소 홍보에 쓰면 AI로 만든 장면이어도 표시·광고 관련 법이 적용될 수 있습니다. 실제와 다르게 보이지 않는지 담당자가 확인하세요. 다른 사람의 얼굴 사진을 넣을 때는 본인 동의가 필요합니다.
프롬프트 (한국어)
반투명 색 리본으로 된 3단계 사전학습 데이터 구성 생키 다이어그램, 가로 16:9.
왼쪽(출처 블록 8개, 높이는 토큰 수에 비례): "Common Crawl (web) 540B"(차분한 남색, 가장 큼), "arXiv papers 180B"(더스티 청록), "GitHub code 160B"(슬레이트 회색), "Wikipedia 40B"(부드러운 테라코타), "StackExchange QA 30B"(따뜻한 구리색), "Books (public domain) 25B"(옅은 올리브), "Patents 18B"(옅은 남색), "Curated news & forums 15B"(더스티 청록).
가운데(처리 블록 3개, 위아래로 쌓음): "Deduplicated (MinHash + exact)"(중복 제거), "Quality-filtered (classifier + heuristics)"(품질 필터링), "PII-scrubbed (regex + NER)"(개인정보 제거).
오른쪽(최종 분할 3개): "Pretraining set 1.4T tokens"(가장 큼), "Instruction-tune pool 12B tokens", "RLHF preference pool 3B tokens".
흐름 리본은 출처 색을 이어받고, 중간 이름표에 토큰 수("85B", "320B", "44B")를 보여 줍니다. 아래쪽에 범례 띠.
제목: "LLM pretraining data mixture and downstream splits"(LLM 사전학습 데이터 구성과 하위 분할). 부제: "token counts after deduplication and quality filtering; ribbon thickness ∝ token flow."(중복 제거·품질 필터링 후 토큰 수, 리본 두께 ∝ 토큰 흐름)
원문 프롬프트
Landscape 16:9 sankey diagram of a pretraining data mixture, three stages with translucent colored ribbons.
LEFT (8 source blocks, heights proportional to tokens): "Common Crawl (web) 540B" (muted navy, largest), "arXiv papers 180B" (dusty teal), "GitHub code 160B" (slate gray), "Wikipedia 40B" (soft terracotta), "StackExchange QA 30B" (warm copper), "Books (public domain) 25B" (pale olive), "Patents 18B" (pale navy), "Curated news & forums 15B" (dusty teal).
MIDDLE (3 processing blocks, stacked): "Deduplicated (MinHash + exact)", "Quality-filtered (classifier + heuristics)", "PII-scrubbed (regex + NER)".
RIGHT (3 final splits): "Pretraining set 1.4T tokens" (largest), "Instruction-tune pool 12B tokens", "RLHF preference pool 3B tokens".
Flow ribbons inherit source color with mid-labels showing token counts ("85B", "320B", "44B"). Legend strip at bottom.
Title: "LLM pretraining data mixture and downstream splits". Subtitle: "token counts after deduplication and quality filtering; ribbon thickness ∝ token flow."Copyright (c) 2026 Wuyoscar · MIT. 저장소에 실린 프롬프트와 예시 그림입니다. 원문 프롬프트는 그대로 두었고 그림은 웹용 크기와 형식으로 바꿨습니다. 출처와 라이선스는 소개 페이지의 출처·라이선스에 있습니다.
