Se a vaga pede AI / LLM Engineering, vale saber responder isso. A resposta está em inglês de propósito, porque é assim que você vai precisar falar.
Splitting documents into units that can be retrieved and fit the model's input budget. Options include fixed-size windows, document structure such as headings or sections, and semantic boundaries.
Preserve source identity and enough local context to interpret a passage. Overlap can help boundary cases but increases storage, duplication, and context use.
Trap: larger chunks can add irrelevant text, while smaller chunks can separate a fact from its conditions. Compare a few sizes and boundary strategies using held-out queries. There is no universal token count or overlap percentage that is best for every corpus.
Essa pergunta tem uma armadilha que derruba muita gente em entrevista. Ela está marcada na resposta acima: vale reler antes de treinar.
Ler é o primeiro passo. No app, essa pergunta vira flashcard com repetição espaçada, e o módulo tem quiz e simulado para testar o que ficou.
Treinar essa pergunta no app