字节 剪映 日常实习前端 一面凉经

之前团队在做合同审查和研报问答两个 RAG 项目，踩了不少分块（Chunk）相关的坑。今天把这块经验整理一下，希望对正在做类似事情的朋友有点帮助。先搞清楚 Token 这个概念做 Chunk 之前，得先理解 Token。很多人把 Token 简单等同于"字"或"词"，这不太准确。Token 是模型实际处理的最小单元，中文大约 1.5-2 个字对应一个 Token，英文则大约是 0.75 个单词一个 Token。这件事为什么重要？因为不同类型的文档，Token 密度差异很大。我们实测过：一份 20 页的中文合同，大约 8000-12000 个 Token；...

10号下午二面的，今晚才从复试通知链接变成这个进度，求佬解答

今天学习的内容：一.标签之文本##首先标签之文本是什么？像京东网站上有些字是加粗的效果，有些字还有不同的颜色，这个就是文本，标注信息内容。如图，body里展示的是常用的文本标签，span这个标签由于没有特殊意义，在很多商店网站上普遍看到。如图，淘宝中的“折后¥6799”都是用的span标签，说明这个十分常见，写网站经常用到。##在HTML中,常用的文本标签有哪些？在HTML中,常用的文本标签包括：1.<p>：段落标签，用于定义段落。2.<h1>到<h6>：标题标签，用于定义不同级别的标题，<h1>是最高级别，<h6>是最低级别。3.&...

好不容易收到的面试通知，特地请假去面试，结果两天都挂了，我也是太菜了。。