中兴内推，欢迎投递!

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；...

这个简历能找到春招吗😓

让我填高考排名分数就算了，还问我大学努不努力，有无acm 队我要真打acm 还有必要找这种中厂水面试经验吗不管了瞎填吧，那就面试会会你，看看面试官有多抽象

1. 自我介绍 略 2. 算法题（全英文）  平均值大于阀值的子数组（力扣原题） 非常规题： 有一个sentense数组，里面有用户使用过的英语语句数据，类似于["i love you","i love the dog","i promise"] 让有一个count数组，记录了每个语句的使用次数，类似于[10,20,30] 现在用户每输入一个字符，你需要返回topK的语句数据。 举例：   用户输入i,你需要返回top 2，那么就返回["i love the dog","i promise"] ...