zChunk提供两层级超参数调优体系：
基础参数
- chunk_size（分块尺寸）
• 典型值：256-2048字符
• 优化建议：与技术文档相比，小说类文本可使用更大分块 - overlap_ratio（重叠比例）
• 典型值：10%-30%
• 优化技巧：法律文本建议较高重叠（25%+），新闻稿可降低至15%
高级参数
- temperature（采样温度）
控制LLM分块决策的随机性，处理创意文本时可适当提高 - top_k（候选标记数）
影响分块边界检测精度，复杂文档推荐值50-100 - repetition_penalty（重复惩罚）
防止过度分段，对长段落文档尤为关键
Optimization methods:
1. 使用调优脚本：python hyperparameter_tuning.py
2. 监控评估指标随参数变化曲线
3. 采用网格搜索寻找帕累托最优解
注意：完全调优450k字符文档约需30分钟（NVIDIA V100），建议对关键文档实施完整调优。
This answer comes from the articlezChunk: a generic semantic chunking strategy based on Llama-70BThe
May not be reproduced without permission:AI productivity tools " zChunk的超参数调优具体包含哪些关键参数？如何优化？
English 
简体中文 
日本語 
Deutsch 
Português do Brasil