已过期50% 置信基准精确时间
开源项目FSRS引入贝叶斯推断和机器学习，基于数百万真实复习数据训练，在记忆预测准确率上显著超越SM-2
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/11
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/10/9(已过期)
来源
闪卡学习法：间隔重复的科学原理与高效实践指南
hackernewshackernews2026/7/10
相关事实
待验证FSRS算法使用机器学习拟合用户实际记忆曲线，在预测遗忘概率方面比SM-2准确约30%-40%77% 相似待验证机器学习系统通过对大量数据的训练自动发现规律并在新数据上进行泛化预测72% 相似待验证Dream Engine通过训练机器学习模型高保真预测算法和实现在任意查询类型上的性能，模型基于Databricks十年积累的千万亿数据点查询trace69% 相似待验证对于基于梯度提升树（如XGBoost）的传统机器学习模型，SHAP值、LIME等可解释性工具已相当成熟67% 相似待验证基于可验证奖励的强化学习（RLVR）已成为提升模型推理能力的重要路径，是多款前沿推理模型能力跃升的关键因素之一67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/486992API
curl https://kongchang.com/api/v1/knowledge/claims/486992MCP
get_claim(id=486992)