ラングチェーンクイズ

クイズに答えると、答えと解説が表示されます。

1. LangChain の背後にある中心的な考え方は何ですか?
   • マルチステップ LLM を利用したアプリケーションの構成とオーケストレーション
   • 大規模な言語モデルをゼロからトレーニングする
   • モデル推論用の GPU のホスト
   • テキストプロンプトから画像を生成する
2. LangChain を作成したのは誰で、おおよそいつですか?
   • 2020年のサム・アルトマン
   • ハリソン・チェイスは2022年後半に
   • ルーカス・ビーヴァルト、2017年
   • 2023年のジェリー・リュー
3. LangGraph は LangChain エコシステム内で何に使用されますか?
   • トレーニング指標のグラフの描画
   • トークンを保存するためのプロンプトの圧縮
   • ステートフルで制御可能なエージェント ワークフローをグラフとして構築する
   • プログラミング言語間のコードの変換
4. ラングスミスの主な役割は何ですか?
   • 合成データセットの生成
   • Web ページの提供
   • APIキーの暗号化
   • LLM アプリケーションのトレース、デバッグ、評価
5. LangChain では、パイプ構文は何をプロンプトしますか?モデル |パーサー」を表す?
   • 共有 Runnable インターフェイスを介したコンポーネントの構成
   • スクリプトを実行するためのシェルコマンド
   • データベースクエリ
   • チェーンを削除する方法
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