Test legat de ghid · Mediu Nivel

Test LangChain

Explorați compoziția LangChain, fluxul de control cu ​​stare LangGraph, întreruperile umane și evaluarea LangSmith pentru aplicațiile LLM.

Căi de ghidare aferenteLangchain
Întrebare 1 de 8

Care este ideea centrală din spatele LangChain?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Care este ideea centrală din spatele LangChain?
    • Compunerea și orchestrarea aplicațiilor bazate pe LLM în mai mulți pași
    • Antrenarea modelelor lingvistice mari de la zero
    • Găzduire GPU-uri pentru inferența modelului
    • Generarea de imagini din mesaje text
  2. Cine a creat LangChain și, aproximativ, când?
    • Sam Altman în 2020
    • Harrison Chase la sfârșitul anului 2022
    • Lukas Biewald în 2017
    • Jerry Liu în 2023
  3. Pentru ce este folosit LangGraph în cadrul ecosistemului LangChain?
    • Desenarea graficelor de metrici de antrenament
    • Comprimarea solicitărilor pentru a salva jetoane
    • Crearea fluxurilor de lucru ale agenților cu stare și controlabile sub formă de grafice
    • Conversia codului între limbaje de programare
  4. Care este rolul principal al lui LangSmith?
    • Generarea de seturi de date sintetice
    • Servirea paginilor web
    • Criptarea cheilor API
    • Urmărirea, depanarea și evaluarea aplicațiilor LLM
  5. În LangChain, ce indică sintaxa pipei „prompt | model | parser' reprezintă?
    • Compunerea componentelor prin interfața partajată Runnable
    • O comandă shell pentru rularea scripturilor
    • O interogare la baza de date
    • O modalitate de a șterge lanțurile
  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