FSRS4Anki 工作负载与记忆保留率关系图的重构与分析
2025-06-25 16:09:39作者:裘旻烁
背景介绍
FSRS4Anki作为一款基于间隔重复算法的Anki优化插件,其核心算法经历了多次迭代升级。在FSRS-5版本中,开发团队引入了短期记忆模块,并改进了当日重复复习的处理机制,这些变化对系统的工作负载特性产生了显著影响。
问题发现
在FSRS-5版本发布后,开发团队注意到原有的工作负载-记忆保留率关系图已不再准确。该图表最初是在未考虑当日重复复习的情况下生成的,而FSRS-5算法对这部分逻辑进行了优化处理。具体表现为:
- 算法现在能够正确处理稳定性在100%可提取性时的增长情况
- 当日重复复习所需的时间成本被纳入计算模型
- 短期记忆模块的引入改变了复习间隔的增长模式
数据采集与分析
开发团队通过FSRS优化器中的模拟器重新采集了数据,将期望保留率(Desired Retention)的采样精度提高到0.2%间隔,并增加了模拟样本量。原始数据展示了从70%到99.9%保留率区间内对应的工作负载数值。
通过数学建模和曲线拟合技术,团队生成了平滑的工作负载曲线。分析发现:
- 工作负载随保留率提高的增长曲线比先前估计的更为平缓
- 最优工作负载区间对应的保留率约为85%,而非先前认为的75%
- 高保留率区域(>95%)的工作负载增幅明显低于预期
技术实现细节
新的关系图采用了以下技术处理:
- 使用高阶多项式进行曲线拟合,确保平滑过渡
- 采用三段式颜色标注方案:
- 绿色区域:最小工作负载至1.5倍最小工作负载区间
- 黄色区域:1.5倍至2倍最小工作负载区间
- 红色区域:2倍最小工作负载以上区间
- 坐标轴优化,突出显示实用保留率范围(70%-99%)
实际影响与建议
基于新的关系图分析,团队得出以下重要结论:
- CMRR(连续记忆保留率)的输出范围上限应从0.95提升至0.97-0.98
- 对于大多数用户,推荐将期望保留率设置在0.85-0.90区间
- 高于0.96的保留率设置会导致工作负载急剧增加,应谨慎使用
- 当日重复复习的合理处理显著改善了系统在高保留率下的表现
用户指导建议
对于使用FSRS4Anki的用户,建议:
- 初次使用时可将期望保留率设为0.85-0.90
- 根据实际记忆表现和工作负载承受能力微调
- 避免设置高于0.96的保留率,除非有特殊需求
- 定期检查复习统计数据,确保系统处于高效运行状态
这一研究成果不仅更新了FSRS4Anki的技术文档,也为间隔重复算法的理论研究提供了新的数据支持。开发团队将持续优化算法,为用户提供更高效的学习体验。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
731
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
198
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460