이 페이지는 기계 번역이며 표현이 부정확할 수 있습니다. 영어 페이지가 정본입니다. 영어 페이지 보기
Mibuki가 자체 개발한 간격 반복(SRS) 모델. 공개된 세 벤치마크에서 업계 표준 FSRS-7의 기본 설정을 큰 폭으로 앞서며, 사용자별 최적화를 하기 전부터 높은 개인화 정확도를 보입니다.
← LangDict로 돌아가기공개: 2026년 6월 21일 · 최종 업데이트: 2026년 7월 28일 · 벤치마크 실행: 2026년 6월 · 대상 버전: Lexa 3.0
기억의 습성은 카드를 가로질러 공유됩니다 — 그래서 당신의 다른 카드들이 가장 좋은 힌트입니다.
간격 반복 스케줄러의 핵심은 어떤 카드를 얼마나 잘 기억해 낼지 예측하는 것이고, 그 예측이 언제 복습할지를 정합니다. 업계 표준인 FSRS는 사용자마다 파라미터를 적합(per-user fitting)하는 방식으로 개인화합니다. 강력하지만, 사용자마다 튜닝이 필요합니다.
Lexa는 반대 방향을 택했습니다. 얼마나 빨리 잊는지, 어떻게 채점하는지, 복습 리듬이 어떤지 같은 특성은 당신의 카드들 사이에서 공유됩니다. Lexa는 예측 대상 카드만이 아니라 같은 사용자의 “다른 카드들”의 복습 이력까지 문맥(in-context)으로 읽어 들이므로, 하나의 공용 모델이 사용자별 튜닝 없이 그 사람에게 맞춘 예측을 내놓습니다.
다시 말해 — “다른 사용자들의 경향”을 학습하는 것이 아니라, 당신 자신의 남은 카드들에서 당신이 어떻게 잊는지를 곧바로 읽어 냅니다. 이것이 Lexa의 새로운 점입니다.
당신의 다른 카드 이력을 읽고, 카드마다 얼마나 잘 유지되고 있는지를 추정해 다음 복습일을 정합니다.
Lexa는 공개된 세 벤치마크 모두에서 별도 설정 없이 쓰는(기본 설정) FSRS-7을 앞섭니다 — 사용자별 최적화를 하기 전에 이미.
기억 예측 점수 (1 − Log Loss, 높을수록 좋음)
FSRS는 변화가 빠른 프로젝트입니다. 여기 실린 것은 위 시점 기준의 비교이며, 더 새로운 FSRS는 다른 점수를 낼 수 있습니다. 비교 대상은 FSRS-7의 기본 설정이고, 아래 기준선 수치는 LangDict 저장소에 보관된 실행 결과(research/srs-benchmark/result)에서 다시 계산해 일치를 확인했습니다.
| 데이터셋 | FSRS-7 (default) | Lexa 3.0 |
|---|---|---|
| Anki | 0.646 (.3543) | 0.682 (.3184) |
| Duolingo | 0.577 (.4231) | 0.672 (.3280) |
| maimemo | 0.488 (.5121) | 0.538 (.4621) |
Lexa는 사용자별 튜닝이나 학습이 필요하지 않으며, 사용자별 적합 단계 없이도 정확합니다. 별도 설정 없는 상태에서 — 두 모델 모두 아직 당신에게 맞춰지기 전에 — 이미 세 데이터셋 모두에서 FSRS-7의 기본 설정을 앞섭니다. 차이는 균일하지 않습니다. Duolingo에서 +0.095, maimemo에서 +0.050, Anki에서 +0.036입니다.
실제 환경의 세 가지 데이터셋에서 평가했습니다.
~727M 복습 기록 / 10,000명 사용자
일반적인 단어 카드
~226M 복습 기록 / 어휘 학습
중국어 어휘 학습 앱
~13M 복습 기록 / 세션형
HLR 데이터셋
지표: per-user weighted Log Loss (낮을수록 좋음).
정확도는 벤치마크의 숫자에 그치지 않고, 학습 경험에 곧바로 영향을 줍니다.
Lexa는 당신이 막 잊으려는 순간을 정확히 짚어냅니다. 너무 이르면 지루하고, 너무 늦으면 다시 배워야 합니다. Lexa는 그 창을 좁힙니다. 앱 안의 리포트에는 최근 7일간 예정된 복습을 얼마나 줄였는지가 표시됩니다. 이 숫자는 같은 학습 이력을 SM-2로 다시 돌려 비교해 얻은 값으로, 복습 스케줄 부담에 대한 추정치이지 학습 성과를 측정한 것이 아닙니다.
조정할 파라미터도, 사용자별 학습을 기다리는 시간도 없습니다. 앱을 열고 공부하기만 하면 처음부터 당신에게 맞춰 일정을 짭니다.
개인화 추론은 전부 당신의 기기 위에서 실행됩니다. 프라이버시와 정확도를 함께 가져갑니다.
자체 벤치마크 파이프라인에서 실험을 반복하며, 사용자에게 전달되는 모델을 지속적으로 개선합니다.
open-spaced-repetition. FSRS: Free Spaced Repetition Scheduler. GitHub.
open-spaced-repetition. srs-benchmark: Benchmark of Spaced Repetition Algorithms. GitHub.
open-spaced-repetition. anki-revlogs-10k: Anki review logs from 10,000 users. Hugging Face.
Settles, B., & Meeder, B. (2016). A Trainable Spaced Repetition Model for Language Learning. Proceedings of the 54th Annual Meeting of the ACL.
Ebbinghaus, H. (1885). Über das Gedächtnis: Untersuchungen zur experimentellen Psychologie. Leipzig: Duncker & Humblot.