Halaman ini diterjemahkan oleh AI dan mungkin mengandung ketidakakuratan. Versi bahasa Inggris yang berlaku. Lihat versi bahasa Inggris

Research

Hanya apa yang kami ukur sendiri yang masuk ke sini.

  1. Menjalankan LFM3 di ponsel untuk melihat apakah ia bisa menggantikan fitur AI LangDict

    Kami menjalankan LFM3-VL-2B dari Liquid AI di ponsel Android dengan RAM 7GB untuk menguji apakah ia bisa menggantikan terjemahan, pembuatan dek, dan OCR di aplikasi belajar bahasa LangDict. Pada akhirnya, kami memutuskan untuk tidak menyertakannya.

  2. Lexa — model spaced repetition cross-card in-context

    Akurasi prediksi retensi, terhadap pengaturan default FSRS-7

Untuk apa riset

Di mibuki, riset ada untuk memecahkan masalah aplikasi dan membuat aplikasi lebih baik. Alih-alih satu model besar untuk segala hal, kami membuat model dan metode yang difokuskan pada satu masalah, mengukurnya, lalu memublikasikan hasilnya beserta kondisinya.

  1. Menemukan masalahMasalah yang muncul saat aplikasi dipakai menjadi topik riset.
  2. Membuat dan mengukurKami mengembangkan teknologi yang memecahkan masalah itu dan mengujinya terhadap pembanding tetap dengan kondisi yang dinyatakan.
  3. Memasukkannya ke aplikasiTeknologi yang sudah diuji masuk ke aplikasi dan sampai ke orang yang memakainya.

Syarat untuk dipublikasikan di sini

Kami tidak mempublikasikan kesimpulannya saja. Baseline, data, dan metriknya berada di tempat yang sama dengan angkanya — sebuah angka tanpa kondisinya hanya bisa membuat kami tampak bagus.

Sebuah hasil siap ketika pembaca bisa mengikuti langkah yang sama dan melihat hal yang sama. Tanggal pengukuran dan versi yang diukur selalu dinyatakan.

Kalau kami tidak bisa menunjukkan angkanya, kami tidak mengklaim hasilnya. Itu adalah batasan atas diri kami, bukan fitur.

Standar selengkapnya (Approach, prinsip 03) →

Last updated: July 2026