Kuis terkait panduan · Sedang Tingkat

Kuis LangChain

Jelajahi komposisi LangChain, aliran kontrol stateful LangGraph, interupsi manusia, dan evaluasi LangSmith untuk aplikasi LLM.

Jalur panduan terkaitrantai langka
Pertanyaan 1 dari 8

Apa ide sentral di balik LangChain?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa ide sentral di balik LangChain?
    • Menyusun dan mengatur aplikasi multi-langkah yang didukung LLM
    • Melatih model bahasa besar dari awal
    • Hosting GPU untuk inferensi model
    • Menghasilkan gambar dari petunjuk teks
  2. Siapa yang menciptakan LangChain dan kira-kira kapan?
    • Sam Altman pada tahun 2020
    • Harrison Chase pada akhir tahun 2022
    • Lukas Biewald pada tahun 2017
    • Jerry Liu pada tahun 2023
  3. Untuk apa LangGraph digunakan dalam ekosistem LangChain?
    • Menggambar grafik metrik pelatihan
    • Mengompresi perintah untuk menyimpan token
    • Membangun alur kerja agen yang berstatus dan dapat dikontrol sebagai grafik
    • Konversi kode antar bahasa pemrograman
  4. Apa peran utama LangSmith?
    • Menghasilkan kumpulan data sintetis
    • Melayani halaman web
    • Mengenkripsi kunci API
    • Menelusuri, men-debug, dan mengevaluasi aplikasi LLM
  5. Di LangChain, apa yang dimaksud dengan sintaksis pipa 'prompt | model | parser' mewakili?
    • Menyusun komponen melalui antarmuka Runnable bersama
    • Perintah shell untuk menjalankan skrip
    • Kueri basis data
    • Cara untuk menghapus rantai
  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