Den här sidan är översatt av AI och kan innehålla felaktigheter. Den engelska versionen gäller. Visa den engelska versionen

Research

Här hamnar bara det vi har mätt själva.

  1. LFM3 på en telefon: kan den ersätta AI-funktionerna i LangDict?

    Vi körde Liquid AI:s LFM3-VL-2B på en Android-telefon med 7GB RAM för att testa om den kunde ersätta översättning, kortlekgenerering och OCR i språkinlärningsappen LangDict. I slutändan bestämde vi oss för att inte ta med den.

  2. Lexa — en cross-card in-context-modell för spaced repetition

    Precision i prediktion av minnesbehållning, mot standardinställningarna i FSRS-7

Vad research är till för

Hos mibuki finns research till för att lösa apparnas problem och göra apparna bättre. I stället för en stor modell för allt bygger vi modeller och metoder som är inriktade på ett enda problem, mäter dem och publicerar resultaten med sina villkor.

  1. Hitta problemetProblem som visar sig medan apparna används blir forskningsämnen.
  2. Bygga och mätaVi utvecklar teknik som löser problemet och testar den mot en fast jämförelsepunkt under angivna villkor.
  3. Föra in den i appenTestad teknik förs in i appen och når dem som använder den.

Vad som krävs för att publiceras här

Vi publicerar inte slutsatsen ensam. Jämförelsebasen, data och måttet står på samma ställe som siffran — en siffra utan sina villkor kan bara få oss att framstå i bättre dager.

Ett resultat är klart när en läsare skulle kunna följa samma steg och se samma sak. Mätdatum och den uppmätta versionen anges alltid.

Kan vi inte visa en siffra hävdar vi inget resultat. Det är en begränsning vi lägger på oss själva, inte en säljpunkt.

Hela standarden (Approach, princip 03) →

Last updated: July 2026