Эта страница переведена автоматически и может содержать неточности. Английская версия является основной. Открыть английскую версию

Lexa

Собственная модель интервальных повторений (SRS) от Mibuki. На трёх публичных бенчмарках она с большим отрывом обходит настройки по умолчанию отраслевого стандарта FSRS-7 — давая высокую персонализированную точность ещё до какой-либо оптимизации под пользователя.

← Назад к LangDict

Опубликовано 21 июня 2026 · Последнее обновление 28 июля 2026 · Прогон бенчмарка июнь 2026 · Версия модели Lexa 3.0

Кросс-карточный in-context

Ваши привычки памяти общие для всех карточек — поэтому лучшая подсказка это ваши другие карточки.

Сердце планировщика интервальных повторений — предсказание того, насколько хорошо вы вспомните карточку; от него зависит, когда её повторять. Отраслевой стандарт FSRS персонализируется, подгоняя параметры под каждого пользователя (per-user fitting), — мощно, но требует настройки для каждого пользователя.

Lexa идёт противоположным путём. Такие черты, как скорость забывания, манера выставлять оценки и ритм повторений, общие для всех ваших карточек. Lexa читает не только целевую карточку, но и историю повторений ваших других карточек как in-context вход, поэтому одна общая модель персонализируется без какой-либо настройки под пользователя.

Другими словами — вместо того чтобы учить «склонности других пользователей», она читает, как забываете именно вы, прямо по остальным вашим карточкам. Это и есть новизна Lexa.


Как это работает

Она читает историю ваших других карточек, оценивает, насколько хорошо удерживается каждая карточка, и назначает дату следующего повторения.

История повторений ваших других карточек (в хронологическом порядке)bananaΔ1d · GoodcatΔ2d · AgainbananaΔ5d · Easyapple ?карточка для предсказанияLexa TransformerОдна глобальная модель · ~19K параметровОценить силу памятинасколько трудно забыть каждую карточкуВремя следующего повторенияпоказывается прямо перед тем, как вы забудете

Точность

Lexa обходит FSRS-7 «из коробки» (с настройками по умолчанию) на всех трёх публичных бенчмарках — до какой-либо оптимизации под пользователя.

Loading chart...

Оценка предсказания памяти (1 − Log Loss, выше — лучше)

FSRS развивается быстро. Здесь опубликовано сравнение по состоянию на указанные выше даты; более новый FSRS может дать другие оценки. База сравнения — конфигурация FSRS-7 по умолчанию, а приведённые ниже базовые значения пересчитаны из сохранённого прогона в репозитории LangDict (research/srs-benchmark/result) и совпадают с ним.

Оценка предсказания памяти (1 − Log Loss, выше — лучше). В скобках — сырой Log Loss (ниже — лучше). Сравнение с настройками FSRS-7 по умолчанию.
Набор данныхFSRS-7 (default)Lexa 3.0
Anki0.646 (.3543)0.682 (.3184)
Duolingo0.577 (.4231)0.672 (.3280)
maimemo0.488 (.5121)0.538 (.4621)

Lexa не требует настройки или обучения под пользователя и точна без фазы подгонки под пользователя. «Из коробки» — до того, как хоть одна из моделей подогнана под вас, — она уже обходит настройки FSRS-7 по умолчанию на всех трёх наборах данных. Отрыв неодинаков: +0.095 на Duolingo, +0.050 на maimemo, +0.036 на Anki.


Как мы оцениваем

Оценка проведена на трёх реальных наборах данных.

Anki

~727M повторений / 10 000 пользователей

Стандартные карточки

maimemo

~226M повторений / лексика

Приложение для китайской лексики

Duolingo

~13M повторений / посессионно

Набор данных HLR

Метрика: per-user weighted Log Loss (ниже — лучше).


Что это даёт пользователям LangDict

Точность — не просто число в бенчмарке: она напрямую формирует ваше обучение.

Меньше запланированных повторений

Lexa точно определяет момент, когда вы вот-вот забудете. Слишком рано — повторения скучны; слишком поздно — приходится учить заново. Lexa сужает это окно. В приложении отчёт показывает, насколько сократилось число повторений, запланированных за последние 7 дней. Это число получено проигрыванием той же истории занятий через SM-2 и сравнением — это оценка нагрузки планирования, а не измерение результатов обучения.

Ноль настройки, работает с первого дня

Никаких параметров для настройки и никакого ожидания обучения под пользователя. Просто откройте приложение и занимайтесь — оно планирует под вас с самого начала.

На устройстве и приватно

Персонализация полностью выполняется на вашем устройстве. Приватность и точность вместе.

Постоянно улучшается

Мы продолжаем экспериментировать на собственном бенчмарк-конвейере и постоянно улучшаем модель, которую поставляем.


References

  • 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.