在 pretrain 阶段，处理 wudao 语料后，使用 2000 进行切割，随后再切割为 500。在 get_input_data.py 中构建 pretrain 的 source_tokens 和 target_tokens。这两个是否跨越多个文档？

你好，有个问题想请教一下。在 pretrain 阶段，处理 wudao 语料后，先切割为 2000，然后再切割为 500。在 get_input_data.py 中构建 pretrain 的 source_tokens 和 target_tokens。这两个是否会跨越多个文档？