页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「数据标注」找到 15 条内容
按专题浏览 →匹配标题与标签：无标注数据怎么构建高质量数据集? 数据设计原则、标注流程与质量保障机制详解 模型训练 数据工程 数据标注 主动学习 数据质量 半监督学习 2026真题 人工标注数据集构建 标注流程控制 数据质量保障 大模型训练与微调 美团
匹配正文：…文本，扫描件需OCR（PaddleOCR/EasyOCR） 清洗去噪：去除页眉页脚、特殊符号、重复内容，保留表格/标题结构信息 元数据标注：记录文档来源、章节、时间戳，用于过滤和溯源 2. 文本分块（Chunking） 策略 特点 适用场景 固定长度 简单高效，可能切断语义 通用场景，追求速度 递归分块 按标点层级分割，保持句子完整 大多数文本 语义分块 用模型判断语义边界，块大小不均 对连贯性要求高的文档 关键权衡：块太小可能缺上下文，块太大可能引入噪声。应把多组 chun…
匹配正文：…切分 选型建议 场景 推荐策略 快糙猛上线 固定长度 + 重叠 高精度问答 语义边界 + 滑动窗口 代码/表格 结构化分块 + 元数据标注 实际中常组合使用：先用语义边界粗分，再对过长块用滑动窗口细分。 学习建议 掌握常见chunk策略的原理与适用场景，结合实际RAG案例理解其对检索精度和生成效果的影响。
学习内容与项目面试，在同一条路上。