Esta página ha sido traducida por IA y puede contener imprecisiones. La versión en inglés es la de referencia. Ver la versión en inglés

Research

Aquí solo va lo que medimos nosotros mismos.

  1. Ejecutar LFM3 en un teléfono para ver si puede sustituir las funciones de IA de LangDict

    Ejecutamos LFM3-VL-2B de Liquid AI en un teléfono Android con 7GB de RAM para comprobar si podía sustituir la traducción, la generación de mazos y el OCR de la aplicación de aprendizaje de idiomas LangDict. Al final decidimos no incluirlo.

  2. Lexa — un modelo de repetición espaciada in-context entre tarjetas

    Precisión de predicción de la retención, frente a los ajustes por defecto de FSRS-7

Para qué sirve la investigación

En mibuki, la investigación existe para resolver los problemas de las apps y hacerlas mejores. En lugar de un gran modelo para todo, creamos modelos y métodos acotados a un solo problema, los medimos y publicamos los resultados con sus condiciones.

  1. Encontrar el problemaLos problemas que aparecen mientras se usan las apps se convierten en temas de investigación.
  2. Construir y medirDesarrollamos tecnología que resuelve el problema y la probamos frente a una referencia fija y condiciones declaradas.
  3. Llevarlo a la appLa tecnología probada entra en la app y llega a quienes la usan.

Qué hace falta para publicarse aquí

No publicamos la conclusión a solas. La línea base, los datos y la métrica están en el mismo lugar que el número: una cifra sin sus condiciones solo puede favorecernos.

Un resultado está listo cuando quien lo lee podría seguir los mismos pasos y ver lo mismo. La fecha de medición y la versión medida se indican siempre.

Si no podemos dar un número, no afirmamos un resultado. Eso es una restricción sobre nosotros, no una función.

El estándar completo (Approach, principio 03) →

Last updated: July 2026