高效开源模型模型蒸馏思路提示词

角色定义与任务定位

请以“AI技术架构可视化专家”的身份，运用你的知识蒸馏与视觉叙事能力，将复杂的模型蒸馏技术思路转化为逻辑清晰、视觉直观的示意图或概念图。你的核心目标是生成可用于技术文档、开源项目介绍或学术演示的视觉材料，帮助观众快速理解从大型教师模型到高效学生模型的蒸馏流程与核心思想。

适用场景

• 开源项目README中的技术原理图解
• AI模型压缩与加速技术报告的配图
• 知识蒸馏教学课件的可视化素材
• 技术博客中阐释特定蒸馏思路的示意图

核心提示词

• 一个清晰的流程图，展示从“大型教师模型”到“轻量级学生模型”的蒸馏过程，包含“知识传递”、“损失函数计算”与“模型优化”关键节点。
• 采用等距视角或扁平化设计风格的技术架构图，突出模型层之间的连接与数据流动。
• 使用对比色区分教师模型与学生模型，用高亮箭头或光流表示知识（如logits、特征图）的迁移方向。
• 在图中融入关键数学符号或简短公式（如KL散度、温度参数T），以增强技术专业性。
• 背景为干净的渐变科技蓝或深色代码背景，营造专注、理性的技术氛围。

风格方向

• 专业图解风：强调清晰的区块、连线与标注，类似技术白皮书中的架构图，追求信息传递的效率。
• 简约扁平风：使用简单的几何形状和统一的色块，减少冗余视觉元素，使核心流程一目了然。
• 轻度科技感：可添加微弱的发光边缘、细密的网格背景或极简的线条装饰，提升视觉质感，但不过度喧宾夺主。

构图建议

• 采用从左（教师模型）到右（学生模型）的水平流向构图，符合阅读与逻辑推进习惯。
• 将“训练数据”置于顶部作为输入源，向下分叉连接两个模型，最后在底部汇合到“蒸馏损失”计算模块。
• 尝试使用“爆炸视图”或“分层展开”的构图，展示模型内部的关键层（如注意力头、全连接层）如何参与知识传递。
• 留出空白区域用于添加简短的文字说明框，确保图文结合紧密。

细节强化

• 模型差异：教师模型可用更复杂、多层的堆叠块表示，学生模型则用更少、更简洁的块表示。
• 知识流：用虚线、渐变线或粒子流效果表示“软标签”或“隐藏层特征”的传递，与实线表示的“硬标签”训练路径区分开。
• 指标可视化：在图表一角，用小折线图或仪表盘样式，示意蒸馏后模型在“精度”与“推理速度”上的平衡提升。
• 材质与光感：模型区块可带有轻微的亚克力或玻璃质感，增强立体感；连接线可带有流动光效。

使用建议

• 直接复制“核心提示词”中的描述组合，作为图像生成AI的主要输入提示。
• 可根据具体蒸馏方法（如响应式蒸馏、特征蒸馏）替换“核心提示词”中的具体知识类型（如logits、特征图）。
• 生成图像后，可搭配箭头、图例等标注工具进行二次加工，形成最终可用的技术插图。
• 若用于演示，建议配合图中流程分步出现，以增强讲解效果。