Day 1 복습 퀴즈

GraphRAG 개론

GraphRAG > GraphRAG 개론

학습 목표

Vector RAG의 한계와 GraphRAG의 필요성 4가지 GraphRAG 아키텍처 패턴 LangChain + Neo4j 연동 (Neo4jGraph, Neo4jVector)

8문제

Q1. Vector RAG가 멀티홉 질문에서 실패하는 근본적 이유는?

A. LLM의 컨텍스트 윈도우가 너무 작기 때문B. 청크 사이에 엔티티 간 관계 정보가 없기 때문C. 임베딩 모델의 차원이 부족하기 때문D. 벡터 DB의 검색 속도가 느리기 때문

Q2. Knowledge Graph가 RAG에 제공하는 핵심 이점이 아닌 것은?

A. 명시적 관계 표현 (엔티티 간 연결)B. 멀티홉 추론 (간접 관계 탐색)C. 실시간 데이터 스트리밍D. 설명 가능성 (추론 경로 추적)

Q3. Microsoft GraphRAG의 핵심 특징은?

A. 실시간 벡터 검색 최적화B. 커뮤니티 탐지 기반 글로벌 검색 (전체 요약 질문 지원)C. 무료 벡터 DB 제공D. GPU 없이 LLM 실행

Q4. "삼성전자와 SK하이닉스의 관계는?" 질문에 가장 적합한 검색 방식은?

A. 벡터 검색만 사용B. 그래프 검색 우선 (관계 중심)C. 키워드 전문 검색 (Full-Text)D. 풀텍스트 검색 + BM25

Q5. Neo4jGraph에서 데이터 변경 후 반드시 해야 하는 작업은?

A. Neo4j 서버 재시작B. graph.refresh_schema() 호출C. 벡터 인덱스 재생성D. LLM 컨텍스트 캐시 삭제

Q6. GraphCypherQAChain의 validate_cypher=True 옵션의 역할은?

A. Cypher 쿼리 성능 최적화 (실행 계획 분석)B. DELETE, CREATE, SET 등 데이터 수정 쿼리를 차단C. 쿼리 결과를 자동 캐싱D. 병렬 쿼리 실행 활성화

Q7. GraphCypherQAChain에서 비용을 최적화하는 방법은?

A. verbose=False로 설정하여 출력을 줄임B. cypher_llm에 강력 모델, qa_llm에 가벼운 모델을 각각 지정C. return_direct=True로 LLM 호출을 줄임D. top_k=1로 결과를 최소화

Q8. Neo4j 5.x의 Vector Index + Graph Traversal 하이브리드 접근의 가장 큰 이점은?

A. Vector DB를 별도로 운영하지 않아도 됨 (단일 Cypher 쿼리로 통합)B. 벡터 검색 속도가 Pinecone보다 빠름C. 무료로 사용 가능D. 자동으로 Knowledge Graph를 구축함