间隔重复是长期词汇积累的基石。近四十年来，语言学习圈一直依赖 SM-2 算法的各种变体——它由 Piotr Woźniak 在 1987 年提出，并因 Anki 而广为人知。
近几年，认知科学与数据建模带来了一个重大突破：FSRS（Free Spaced Repetition Scheduler，自由间隔重复调度器）。下面说说 FSRS 为什么是对 SM-2 的代际跨越，以及它为什么特别适合从真实视频沉浸中习得的词汇。
SM-2 的问题：“易度因子地狱”
经典 SM-2 算法用一个动态乘数来建模记忆，即易度因子（Ease Factor）（通常从 250% 起步）：
- 答对一张卡，下次复习间隔就乘以易度因子。
- 答错（“忘记”），间隔重置回第 1 天，易度因子下调 15–20 个百分点。
- 如果反复卡在同一表达上，易度因子会跌到最低值（130%）。
这就造成一个 Anki 重度用户耳熟能详的缺陷——易度因子地狱（Ease Factor Hell）：一张卡一旦变“难”，它的乘数就永久被压低。哪怕几个月后你早已掌握这个单词，算法仍然每隔几天把它塞回队列，冗余复习越堆越多，最终导致学习倦怠。
| 维度 | 传统 Anki SM-2（1987） | 现代 FSRS（2020 年代） |
|---|---|---|
| 理论基础 | 启发式乘数 | DSR（难度、稳定性、可提取性）模型 |
| 记忆状态 | 二元：记住 / 没记住 | 连续的回忆概率曲线 |
| 遗忘惩罚 | 永久下调易度因子 | 重算稳定性，不拖累后续增长 |
| 间隔精度 | 固定的数学间隔 | 按目标保持率（如 90%）动态调校 |
| 逾期处理 | 对迟到的复习一刀切惩罚 | 按实际经过时间动态调整，卡片不会“腐化” |
| 复习效率 | 复习疲劳随时间累积 | 相同保持率下复习量减少 20%–30% |
FSRS 如何为人类记忆建模
FSRS 不使用拍脑袋的乘数，而是用三个相互独立的心理学变量来度量记忆，即 DSR 模型：
- 难度（Difficulty，$D$）：信息本身有多难掌握（1–10）。“coffee” 这种短词难度低；“一期一会” 这类惯用搭配的初始难度就高得多。
- 稳定性（Stability，$S$）：回忆概率从 100% 跌到 90% 所需的天数。每成功提取一次，稳定性都会增长。
- 可提取性（Retrievability，$R$）：此时此刻你能回忆起该内容的实时概率。距上次复习越久，可提取性沿指数遗忘曲线下降得越多。
FSRS 不猜间隔，而是精确算出可提取性跌到目标阈值（通常 90%）的那一天。如果你在可提取性已经掉到 85% 时仍成功回忆起一张卡，FSRS 会判定你的记忆在压力之下依然可靠，并大幅提升它的稳定性。
为什么视频词汇需要 FSRS
用单词表背词，卡片是孤立而均质的；但从真实的 YouTube 视频——日语 vlog、英语访谈——中习得词汇时，单词是裹着丰富而嘈杂的语境进来的。打开 know 或 think 这样的高频词页，你能看到每个出现次数背后的原始视频例句：
- 初始曝光差异大：有的词在一条 vlog 里出现五次，有的只在路过时闪现一次。FSRS 通过自适应难度参数精确刻画这种差异。
- 天然的场景锚点：一个词绑定了表情、语调和剧情，就会形成多条神经通路。有 FSRS 在，把一个鲜活的视频瞬间刻进记忆并不需要成百上千次复习。
- 不规律的学习节奏：现实生活总有断档。在 SM-2 里，周末歇两天，队列里就可能涌进几百张逾期卡。FSRS 则认定：距上次复习多出来的这段时间，只要成功回忆，反而意味着更强的记忆加固——逾期卡恐慌就此消失。
LingoDew 如何实现 FSRS
在 LingoDew 里，每个查过的词都会直接进入移动端原生的 FSRS 调度器：
- 在字幕里点一个词，LingoDew 会同时记下表头词、标准读音、译文例句和精确的音频时间戳。
- 复习时用四个直观的按钮打分：忘记、困难、记得、简单。
- 单词沿着结构化的掌握阶段前进——从 未见过、查过 进入 学习中，最终 已掌握。
- 词到达 已掌握 后，免费档的在学名额会永久释放，让你可以不断吸收新词汇。
把真实视频输入和 FSRS 的统计严谨性结合起来，教材式的枯燥和抽卡式的倦怠就都消失了。