Document the retag2 segmentation convention in the model card

README.md

@@ -17,6 +17,21 @@ tags:
 
 代码与训练框架：<https://github.com/Ismantic/Wapic>（C++17 重构的 [Wapiti](https://wapiti.limsi.fr/)）。
 
+## 分词规范（retag2）
+
+模型的训练数据与评测集都按同一套现代中文分词口径重新标注，项目内代号 **retag2**
+（"第 2 版重新打标签"）。三条规则：
+
+1. **人名保持整体** —— 姓名不拆开。`李镇全` → `李镇全`（而非 `李 镇全` / `李 镇 全`）。
+2. **标点独立成词** —— 每个标点单独切出。`你好，世界。` → `你好 ， 世界 。`
+3. **数字 / 英文按字符类型边界切** —— 汉字、数字、拉丁字母交界处一律切开。
+   `2015年` → `2015 年`；`GDP增长3.5%` → `GDP 增长 3 . 5 %`。
+
+因此模型只在**纯汉字序列**上做真正的分词决策；数字、英文、标点是按字符类型
+先切出来的。使用时若输入含中英数字混排，应先做同样的预切分再喂给模型
+（GitHub 仓库 REPL 与 Python 绑定的 `cut` 已内置该预处理）。评测的 gold 数据
+也必须是 retag2 口径，否则字符类型边界对不上、F1 会偏低。
+
 ## 文件
 
 | 文件 | 说明 |