Тест, свързан с ръководство · Среден Ниво

Тест за LangChain

Разгледайте композицията на LangChain, контролния поток на LangGraph със състояние, човешките прекъсвания и оценката на LangSmith за LLM приложения.

Свързани ръководни пътекиЛангчейн
Въпрос 1 на 8

Каква е основната идея зад LangChain?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Каква е основната идея зад LangChain?
    • Композиране и оркестриране на многоетапни приложения, базирани на LLM
    • Обучение на големи езикови модели от нулата
    • Хостинг на графични процесори за моделиране
    • Генериране на изображения от текстови подкани
  2. Кой създаде LangChain и кога приблизително?
    • Сам Алтман през 2020 г
    • Харисън Чейс в края на 2022 г
    • Лукас Бивалд през 2017 г
    • Джери Лиу през 2023 г
  3. За какво се използва LangGraph в рамките на екосистемата LangChain?
    • Изчертаване на диаграми на показателите за обучение
    • Компресирането подсказва за запазване на токени
    • Изграждане на контролируеми работни потоци на агенти със състояние като графики
    • Преобразуване на код между езици за програмиране
  4. Каква е основната роля на LangSmith?
    • Генериране на синтетични масиви от данни
    • Обслужване на уеб страници
    • Криптиране на API ключове
    • Проследяване, отстраняване на грешки и оценка на LLM приложения
  5. В LangChain, какво подканва синтаксисът на тръбата | модел | анализатор' представлява?
    • Композиране на компоненти чрез споделения Runnable интерфейс
    • Shell команда за изпълнение на скриптове
    • Заявка към база данни
    • Начин за изтриване на вериги
  6. What happens when a LangGraph node invokes interrupt() with a checkpointer configured?
    • The graph discards its state and restarts training
    • The graph pauses with state saved, then can resume after external input
    • The graph converts the interrupt into a stateless chain
    • The graph changes the base model weights
  7. What kind of evaluation does LangSmith describe as monitoring application traces in production?
    • Offline evaluation on a fixed pre-deployment dataset only
    • A test that fine-tunes the application’s foundation model
    • Online evaluation that checks selected production runs for quality signals
    • An evaluation that reports only GPU training throughput
  8. What does an offline LangSmith evaluation test?
    • Only GPU utilization during model training
    • Every production user response with no reference examples
    • A guarantee of correctness on unseen inputs
    • An application against a curated dataset before deployment