Examen de Conceptos Adicionales 5

¿Qué tipo de información se recomienda incluir en el description de un campo Field en una clase Pydantic para la generación de salida estructurada con LLMs?

• A) El tipo de dato del campo.

• B) El valor por defecto del campo.

• C) Una descripción clara del uso previsto del campo para guiar al LLM.

• D) El nombre de la base de datos donde se almacenará el campo.

¿Qué herramienta de LangChain/Pydantic ayuda a solucionar el problema de un LLM que genera JSON con nombres de claves inconsistentes (ej. "year_of_publication", "year", "yearPublished")?

• A) StrOutputParser.

• B) RunnableLambda para limpieza manual.

• C) Definir un esquema Pydantic estricto con JsonOutputParser.

• D) Aumentar la temperatura del modelo.

¿Qué es un "parser de salida" en LangChain?

• A) Un componente que genera el prompt inicial.

• B) Una clase que ayuda a estructurar y transformar las respuestas del LLM.

• C) Una función para cargar modelos LLM.

• D) Una herramienta para depurar errores en tiempo de ejecución.

¿Cuál es la principal diferencia entre SimpleJsonOutputParser y JsonOutputParser (usado con Pydantic)?

• A) SimpleJsonOutputParser es más rápido.

• B) SimpleJsonOutputParser solo analiza JSON simple, mientras que JsonOutputParser con Pydantic permite esquemas complejos y validación.

• C) JsonOutputParser solo funciona con modelos de chat.

• D) SimpleJsonOutputParser no es un runnable.

¿Qué tipo de modelo LLM es Meta-Llama-3-8B-Instruct-v2.Q3_K_M.gguf?

• A) Un modelo de generación de imágenes.

• B) Un modelo de instrucción y chat.

• C) Un modelo de traducción automática.

• D) Un modelo de reconocimiento de voz.

¿Qué es FastAPI en el contexto de los cuadernos?

• A) Una biblioteca para operaciones matemáticas rápidas.

• B) Un framework web moderno y rápido para construir APIs.

• C) Una herramienta para la visualización de datos.

• D) Un tipo de parser de salida.

¿Qué método de la instancia client.chat.completions se utiliza para hacer una simple petición para generar compleciones de chat?

• A) get_response()

• B) send_message()

• C) create()

• D) request_completion()

¿Qué función cumple el argumento verbose=False al instanciar el modelo Llama?

• A) Desactiva la generación de texto.

• B) Reduce el tamaño del modelo.

• C) Suprime la salida detallada (logs) del modelo durante su ejecución.

• D) Habilita el modo de depuración.

¿Qué ventaja tiene el uso de LangChain sobre la interacción directa con la API de OpenAI (o similar) para la generación de compleciones de chat?

• A) LangChain es siempre más rápido.

• B) LangChain proporciona una interfaz consistente y unificada a través de múltiples LLMs de diferentes proveedores.

• C) LangChain elimina la necesidad de prompts.

• D) LangChain solo funciona con modelos locales.

¿Qué se entiende por "Framework Connector" en LangChain?

• A) Un tipo de modelo LLM.

• B) Una herramienta que convierte una API arbitraria en una que un código base de destino esperaría (ej. ChatOpenAI).

• C) Una base de datos para alma