הגדרות FSRS מומלצות ל-Anki ב-2026: שימור ידע, שלבי למידה ועומס חזרות

העלאת שיעור שימור הידע הרצוי ב-Anki מ-90% ל-95% נשמעת כמו שינוי קטן. היא לא מגדילה את העבודה בחמישה אחוזים בלבד. ככל שהיעד עולה, FSRS חייב לקצר את המרווחים, ובאוסף ותיק תור החזרות עלול לגדול מאוד. אם מפעילים גם את Reschedule cards on change (תזמון כרטיסיות מחדש בעת שינוי), חלק מהעומס הזה עלול להגיע מיד.

לכן בחירת הגדרות FSRS טובות דורשת יותר מהעתקת מחרוזת פרמטרים. צריך לקבל כמה החלטות: לקבוע עומס שאפשר להתמיד בו, לבחור יעד זכירה במסגרת הזמן שהקציתם, להתאים את המודל להיסטוריית החזרות האישית ולהשאיר את מועדי החזרה הקיימים כפי שהם — אלא אם רוצים במכוון לחשב אותם מחדש.

שמות האפשרויות ואופן הפעולה המתוארים כאן תואמים לגרסת Anki 26.08 ולהגדרות FSRS-6 שלה. אם אתם רוצים להבין קודם את המודל עצמו, קראו מהו FSRS?. אם אתם עדיין בוחרים אלגוריתם תזמון, התחילו בהשוואה בין FSRS ל-SM-2.

גילוי נאות: אני קיריל מרקין, ואני מפתח את Nibomo. Anki מציע התאמה אישית של פרמטרים וכלים ניסיוניים להדמיית עומס, שאינם זמינים כרגע ב-Nibomo. ההשוואה לקראת סוף המאמר מציינת במפורש את ההבדלים האלה.

העובדות נבדקו: 8 בספטמבר 2026.

התשובה הקצרה: התחילו כאן

לרוב משתמשי Anki, אלה בחירות התחלתיות בטוחות, ולא הגדרות שמתאימות לכולם:

הגדרה או הרגל	בחירה התחלתית בטוחה	הסיבה
שימור ידע רצוי	0.90	זו ברירת המחדל של Anki, והיא מאזנת בין זכירה לעומס חזרות.
פרמטרי FSRS	השתמשו ב-Optimize Current Preset; אל תדביקו משקולות ואל תערכו אותן ידנית	כלי האופטימיזציה מתאים את המודל להיסטוריית החזרות שלכם.
תדירות האופטימיזציה	לכל היותר פעם בחודש; בדרך כלל מספיק פעם בכמה חודשים	Anki אינו ממליץ לבצע אופטימיזציה לעיתים קרובות.
שלבי למידה	השאירו מספר קטן של שלבים שמסתיימים באותו יום	שרשראות ארוכות של שלבים דוחות את התזמון המבוסס על המודל.
שלבי למידה מחדש	צמצמו אותם למינימום ושמרו על מרווחים קצרים מיום	אותה מגבלה חלה גם לאחר כישלון בחזרה על כרטיסייה.
תזמון כרטיסיות מחדש בעת שינוי	כבוי	ההגדרות החדשות יכולות להיכנס לתוקף בחזרות הבאות בלי לבנות מחדש את התור של היום.
מרווח מרבי	השאירו את ברירת המחדל של 100 שנים	תקרה נמוכה יותר מחזירה כרטיסיות ותיקות לעיתים קרובות יותר.
כרטיסיות חדשות ביום	קבעו את המספר לפי עומס שאפשר להתמיד בו	כל כרטיסייה חדשה מוסיפה למידה עכשיו וחזרות בהמשך.
Again לעומת Hard	Again פירושו כישלון בשליפה מהזיכרון; Hard פירושו הצלחה שהצריכה מאמץ	דירוגים שגויים מזינים למודל היסטוריה שגויה.

אם עומס החזרות סביר וההגדרות שלכם כבר קרובות לאלה, ייתכן שאין מה לתקן. התעסקות בהגדרות אינה תחליף ללימוד.

הפרידו בין שלוש החלטות

לעיתים קרובות מערבבים בין שימור הידע הרצוי, פרמטרי FSRS ועומס הלימוד היומי. כל אחד מהם שולט במשהו אחר:

• שימור הידע הרצוי הוא יעד הזכירה שלכם. בוחרים אותו לפי המטרות והזמן הזמין ללימוד.
• פרמטרי FSRS מתאימים את מודל הזיכרון להיסטוריית החזרות. כלי האופטימיזציה של Anki מחשב אותם.
• המגבלות על כרטיסיות חדשות וחזרות קובעות כמה חומר נכנס למערכת וכמה חזרות שמועדן הגיע Anki יכול להציג בכל יום.

ההפרדה הזאת מקלה מאוד על איתור בעיות. תור גדול לא אומר בהכרח שהפרמטרים שגויים. חפיסה של חומר חשוב במיוחד לא בהכרח צריכה ערכת פרמטרים נפרדת. והורדת יעד שימור הידע לא תתקן קצב הוספת חומר שמעולם לא היה אפשר לעמוד בו לאורך זמן.

בחרו יעד שימור ידע לפי העומס, לא לפי השאיפה

שימור הידע הרצוי אומר ל-FSRS מה ההסתברות הרצויה שתזכרו כרטיסייה כשיגיע מועד החזרה עליה. בערך 0.90, התזמון מכוון להסתברות זכירה חזויה של 90%. זהו יעד של המודל, לא הבטחה שבכל מפגש לימוד או מבחן תענו נכון על בדיוק 90% מהשאלות.

יש לכך מחיר בשני הכיוונים:

• העלאת יעד שימור הידע מקצרת את המרווחים ומגדילה את מספר החזרות.
• הורדתו מאריכה את המרווחים ומגדילה את מספר הכישלונות בזכירה.
• אם מורידים אותו יותר מדי, הלמידה מחדש בעקבות הכישלונות עלולה לצרוך חלק מהזמן שקיוויתם לחסוך.

ברירת המחדל של Anki היא 90%. ההנחיות שלו לשימור ידע רצוי מזהירות שהעומס גדל במהירות כשהיעד מתקרב ל-100%, וממליצות להישאר מתחת ל-97%. ההסבר הרשמי על יעד שימור הידע האופטימלי עוסק בקצה השני של העקומה: גם יעד נמוך מאוד עלול להיות לא יעיל, כי כרטיסיות שנשכחו דורשות יותר עבודה.

התחילו ב-0.90, ושנו את הערך רק אחרי בדיקת העומס. יעד גבוה יותר יכול להתאים לחומר שלשכחתו יש מחיר ממשי. יעד נמוך יותר יכול להתאים כשהחזרות באות על חשבון לימוד מועיל יותר. אף אחד מהשינויים לא מתקן כרטיסיות לא ברורות, דירוגים שאינם משקפים את הזכירה בפועל או יותר מדי כרטיסיות חדשות.

יעד הזכירה יכול להיות נפרד לחפיסה, גם כשהפרמטרים משותפים

ב-Anki 26.08, אפשר להחיל את Desired retention על Shared Preset (ערכת הגדרות משותפת) או על This deck (החפיסה הזאת). כך אפשר להשאיר חפיסות קשורות באותה ערכת פרמטרים, ובכל זאת לתת לחפיסה מסוימת יעד זכירה משלה.

השתמשו בהגדרה נפרדת לחפיסה כאשר המחיר של שכחה שונה. חפיסה לבחינת רישוי עשויה להצדיק יעד גבוה יותר מחפיסת עזר בעדיפות נמוכה, גם אם שתיהן משתמשות באותו מודל מותאם.

בחירה ב-This deck אינה הופכת את פרמטרי FSRS לייחודיים לחפיסה. כברירת מחדל, Anki מתאים את הפרמטרים לפי היסטוריית החזרות של כל החפיסות המשויכות לערכת ההגדרות הנוכחית. אם קבוצות של חפיסות שונות מאוד בקושי הסובייקטיבי שלהן, הדרך הנתמכת להתאמה נפרדת היא להשתמש בערכות הגדרות נפרדות.

השתמשו ב-Help Me Decide ובסימולטור לשאלות שונות

Anki 26.08 מציע שני כלים ניסיוניים נפרדים:

• Help Me Decide (Experimental) מציג עקומה אישית של שימור ידע מול עומס. הוא עוזר לענות על השאלה: ״איזה יעד זכירה מתאים למספר החזרות או לזמן הלימוד שאוכל להקדיש באופן קבוע?״
• FSRS Simulator (Experimental) מעריך איך אוסף הכרטיסיות עשוי להתנהג לאורך זמן עם ההגדרות שנבחרו. השתמשו בו להשוואת שינויים בשימור הידע, בקצב הוספת כרטיסיות חדשות, במגבלות החזרות ובמרווח המרבי.

תיעוד סימולטור FSRS מפרט את נתוני הקלט העיקריים שלו:

• מספר הימים להדמיה
• מספר הכרטיסיות החדשות הנוספות להדמיה
• מספר הכרטיסיות החדשות ביום
• מספר החזרות המרבי ביום
• המרווח המרבי
• שימור הידע הרצוי ופרמטרי FSRS של ערכת ההגדרות

ההדמיה משתמשת גם במצבי הזיכרון האמיתיים של הכרטיסיות בערכת ההגדרות. לכן היא מועילה יותר לאוסף ותיק מאשר הכפלת מספר הכרטיסיות שמועדן הגיע היום באחוז כללי כלשהו.

הריצו שלושה תרחישים לפני שינוי ההגדרות בפועל:

1. יעד הזכירה וקצב הוספת הכרטיסיות הנוכחיים.
2. יעד הזכירה שאתם שוקלים.
3. אותו יעד, עם פחות כרטיסיות חדשות ביום.

ההרצה השלישית בודקת חלופה נפוצה: להשאיר את יעד הזכירה ולהאט את קצב כניסת החומר החדש. אם התחזית שמתקבלת מצביעה על עומס סביר, אין צורך להשלים עם יותר שכחה רק כדי לצמצם את התור. להרחבה על קצב הוספת החומר, קראו כמה כרטיסיות חדשות כדאי ללמוד ביום?.

שני הכלים מספקים הערכות. ימים שבהם לא לומדים, עריכת כרטיסיות, חומר חדש ושינויים בהרגלי הדירוג יכולים לגרום לעומס בפועל לסטות מהגרף. השתמשו בהשוואה כדי לבחור כיוון, לא כהבטחה לגודל מדויק של התור בעוד כמה חודשים.

מדריכים ישנים עשויים להזכיר במקום זאת את Compute Minimum Recommended Retention, או CMRR. Anki הסיר את התכונה הזאת בגרסה 25.07. זו אינה הדרך העדכנית לבחור יעד שימור ידע.

התאימו את פרמטרי FSRS להיסטוריה שלכם

שימור הידע הרצוי מבטא את המטרה שלכם. פרמטרי FSRS מתארים את התאמת המודל לחזרות שלכם.

ב-Anki 26.08, השתמשו ב-Optimize Current Preset כדי להתאים את הפרמטרים של ערכת ההגדרות הפעילה. כברירת מחדל, Anki כולל את היסטוריית החזרות של כל החפיסות המשתמשות באותה ערכה; אפשר לשנות את החיפוש אם צריך לצמצם את הנתונים שעליהם מתבססת ההתאמה. Optimize All Presets מעדכן את כל ערכות ההגדרות בפעולה אחת.

אל תזינו משקולות ידנית ואל תעתיקו אותן מ-Reddit, מסרטון או מחפיסה של מישהו אחר. הכרטיסיות, מועדי החזרה והרגלי הדירוג שלהם אינם ההיסטוריה שלכם. שורה מסודרת של משקולות FSRS-6 אינה אסטרטגיית לימוד שאפשר להעביר מאדם לאדם.

בצעו אופטימיזציה חוזרת רק לאחר שהצטברה כמות משמעותית של חזרות חדשות. המדריך של Anki אומר שפעם בחודש מספיקה, ואילו ההנחיה בתוך גרסה 26.08 אומרת שפעם בכמה חודשים מספיקה. המסקנה המעשית זהה: אין סיבה לבצע אופטימיזציה מדי שבוע, ובוודאי שלא אחרי כל מפגש לימוד.

הפעילו את בדיקת התקינות עבור ערכת ההגדרות הנוכחית

הפעילו את Check health when optimizing (slow) כשרוצים ש-Anki יעריך עד כמה FSRS יכול להתאים את עצמו להיסטוריה של ערכת ההגדרות הנוכחית. הבדיקה פועלת עם Optimize Current Preset, ולא עם Optimize All Presets.

אם התוצאה חלשה, בדקו את הנתונים לפני שנוגעים במשקולות. ההנחיות של Anki לפרמטרי FSRS מונות סיבות נפוצות: פחות מכמה מאות חזרות, לחיצה על Hard לאחר כישלון, ואי-לחיצה על Again כשלא זוכרים. כשיש מעט היסטוריה שימושית, השאירו את ברירות המחדל ובצעו אופטימיזציה מאוחר יותר, במקום לשאול פרמטרים ממשתמש אחר.

Again פירושו כישלון בזכירה; Hard הוא ציון עובר

ההרגל הזה חשוב לא פחות מכל הגדרה.

השתמשו ב-Again כשלא הצלחתם לשלוף את התשובה הנדרשת מהזיכרון או כשהתשובה הייתה שגויה. השתמשו ב-Hard רק כשזכרתם נכון, אבל במאמץ משמעותי או בהיסוס. גם Good ו-Easy הם ציונים עוברים.

לחיצה על Hard כדי להימנע מהמרווח הקצר של Again מתעדת הצלחה אחרי כישלון. כך FSRS לומד מאירוע שתועד באופן שגוי. בחרו בכפתור שמתאר את הזכירה בפועל, ולא לפי המרווח הרצוי שמופיע מעל הכפתורים.

כרטיסיות מעורפלות מקשות על דירוג אמין. אם שאלה מבקשת חמש עובדות וזכרתם ארבע, בעיית התזמון התחילה כבר בעורך. פצלו את הכרטיסייה או נסחו אותה מחדש. לכרטיסיות שממשיכים להיכשל בהן למרות חזרות רבות, קראו איך לתקן כרטיסיות עקשניות.

שמרו על שלבי למידה קצרים ב-FSRS — או השאירו אותם ריקים במכוון

שלבי הלמידה והלמידה מחדש קובעים את החזרות במרווחים קצרים לפני שהתזמון הרגיל לטווח ארוך נכנס לפעולה. הם אינם יעד זכירה נוסף.

ההנחיות של Anki ל-FSRS ממליצות על שתי מגבלות:

• כל שלב צריך להיות קצר מיום, וכזה שאפשר להשלים באותו יום
• מספר החזרות באותו יום צריך להישאר קטן

שרשראות ארוכות כמו 1m 10m 1d 3d מעבירות ל-FSRS הרגל ישן מתקופת SM-2. שלבים של יום או יותר דוחים את התזמון המבוסס על המודל, ועלולים ליצור תוויות מבלבלות בכפתורים, למשל מרווח ארוך יותר ב-Hard מאשר ב-Good.

רצף קצר כמו 1m 10m, עם שלב למידה מחדש של 10m, הוא נקודת מוצא שמרנית אם הוא מתאים למפגשי הלימוד שלכם. יותר חזרות באותו יום אינן בהכרח טובות יותר.

Anki 26.08 מאפשר גם להשאיר ריק את שדה שלבי הלמידה, את שדה שלבי הלמידה מחדש או את שניהם. כש-FSRS מופעל, שדה ריק מעביר אליו את האחריות לתזמון המתאים לטווח קצר. זו אפשרות ניסיונית, והמרווח של Again עשוי להיות יום או יותר. שמרו על שלבים ידניים קצרים אם חשוב לכם שהכרטיסייה תחזור באותו יום; השאירו שדה ריק רק אם בחרתם במכוון לתת ל-FSRS לקבוע את העיתוי.

השאירו את Reschedule cards on change כבוי למעבר הדרגתי

כאשר Reschedule cards on change כבוי — ברירת המחדל — הפעלת FSRS או שינוי יעד שימור הידע או הפרמטרים אינם משנים מיד את מועדי החזרה הקיימים. ההגדרות החדשות חלות עם החזרות הבאות על הכרטיסיות, ולכן התור משתנה בהדרגה.

שמירת אחד משינויי FSRS האלה כשהאפשרות מופעלת מחשבת מיד את מועדי החזרה מחדש. בהתאם ליעד החדש ולמצבי הכרטיסיות, כרטיסיות רבות עלולות להפוך בבת אחת לכאלה שמועד חזרתן הגיע. Anki מוסיף גם רשומות חזרה עבור כרטיסיות שתוזמנו מחדש, וכך מגדיל את נפח האוסף.

האפשרות הזאת שימושית רק כשרוצים באמת לחשב את התזמון מחדש בדיעבד. באוסף ותיק:

1. צרו גיבוי עדכני וודאו שאתם יודעים לבטל את השינוי או לשחזר ממנו.
2. הריצו את הסימולטור עם ההגדרות המוצעות.
3. בחרו שינוי אחד בהגדרות; אל תשלבו כמה ניסויים יחד.
4. בעת השמירה, הפעילו תזמון מחדש רק אם אתם רוצים שינוי מיידי של מועדי החזרה ויכולים לעמוד בעומס שייווצר.

Anki ממליץ במפורש ליצור גיבוי כשעוברים מ-SM-2 עם תזמון מחדש. המדריך לגיבוי כרטיסיות מסביר מדוע דרך השחזור חשובה לא פחות מקובץ הגיבוי.

השאירו מרווח מרבי גדול

ברירת המחדל למרווח המרבי ב-Anki היא 100 שנים. זה נראה מוזר עד שזוכרים שזו תקרה, לא הבטחה שכל כרטיסייה ותיקה תיעלם למאה שנה.

הנמכת התקרה מחזירה מוקדם יותר כרטיסיות שמכירים היטב ומגדילה את העומס. כשמגיעים לתקרה, Hard, Good ו-Easy יכולים להציג כולם אותו מרווח, כי אף אחד מהם אינו רשאי לחרוג מהמקסימום.

מרווח מרבי קצר יותר עשוי להיות סביר כשיש מבחן במועד מוגדר, כשהחומר משתנה לעיתים קרובות, או כשכלל מקצועי מחייב חשיפה חוזרת ללא קשר לתחזית הזיכרון. בחרו את התקרה לפי לוח הזמנים ובדקו אותה בסימולטור, במקום לבחור מספר קטן מתוך חשש. איך ללמוד למבחן עם FSRS עוסק במקרה המסוים הזה.

בלמידה רגילה לטווח ארוך, השאירו תקרה גבוהה. יעד שימור הידע כבר קובע מתי תחזית הזכירה צריכה להוביל לחזרה.

קצב הוספת הכרטיסיות הוא חלק מההחלטה על העומס

FSRS יכול לפרוס את החזרות לאורך זמן; הוא לא יכול להפוך קצב בלתי מוגבל של הוספת חומר לכזה שאפשר להתמיד בו. כל כרטיסייה חדשה מוסיפה למידה עכשיו וחזרות בהמשך.

כשהתור מכביד מדי, בדקו את הדברים האלה לפני הורדת יעד שימור הידע:

• מספר הכרטיסיות החדשות ביום
• ייבוא גדול או קבוצות גדולות של כרטיסיות שנוצרו אוטומטית
• מגבלת חזרות מרבית שממשיכה להסתיר עבודה שמועדה כבר הגיע
• כרטיסיות עקשניות או מעורפלות שצורכות ניסיונות חוזרים
• ימים שבהם דילגתם על חזרות

השתמשו ב-Additional new cards to simulate כשידוע לכם שהחפיסה תגדל. תחזית שמבוססת רק על האוסף של היום לא תייצג את העומס לאחר ייבוא גדול.

אם התוצאה גבוהה מדי, הפחיתו את קצב הוספת החומר והריצו שוב את ההדמיה. כך שומרים על יעד הזכירה בלי לבקש מאלגוריתם התזמון להשלים עם יותר שכחה.

Anki ו-Nibomo מציעים הגדרות FSRS שונות

שני המוצרים משתמשים ב-FSRS-6, אבל הגדרות FSRS של Anki אינן מקבילות אחת לאחת לאלה של Nibomo.

יכולת	Anki 26.08	Nibomo
שימור ידע רצוי	Shared Preset או This deck	ניתן להגדרה לכל סביבת עבודה; ברירת המחדל היא 0.90
פרמטרי FSRS	Optimize Current Preset או Optimize All Presets, על סמך היסטוריית החזרות	משקולות ברירת המחדל הרשמיות של FSRS-6 קבועות, ואינן ניתנות להגדרה בידי המשתמש ב-v1
שלבי למידה	ניתנים להגדרה; תזמון בידי FSRS באמצעות שדה ריק הוא ניסיוני	ניתנים להגדרה לכל סביבת עבודה; ברירת המחדל היא 1m 10m
שלבי למידה מחדש	ניתנים להגדרה; תזמון בידי FSRS באמצעות שדה ריק הוא ניסיוני	ניתנים להגדרה לכל סביבת עבודה; ברירת המחדל היא 10m
מרווח מרבי	ברירת המחדל היא 100 שנים	ברירת המחדל היא 36,500 ימים, גם כאן 100 שנים
שינויי הגדרות	חלים על חזרות עתידיות כברירת מחדל; אפשר לתזמן מחדש גם בדיעבד	חלים על חזרות עתידיות בלבד; מועדי החזרה הקיימים אינם מחושבים מחדש
כלים להערכת עומס	Help Me Decide (Experimental) ו-FSRS Simulator (Experimental)	אין סימולטור עומס מקביל ב-v1

Nibomo משתמש בדירוגים הרגילים Again, Hard, Good ו-Easy, ושומר מצב זיכרון של FSRS לכל כרטיסייה. מנגנוני התזמון בשרת, ב-iOS וב-Android הם שלושה מימושים עצמאיים שנשמרים תואמים בהתנהגותם; תהליך החזרה באתר משתמש במנגנון התזמון של השרת, בלי להוסיף עותק רביעי.

המגבלות וברירות המחדל האלה מתועדות במפרט תזמון FSRS הציבורי של Nibomo. ההבדל ברור: Nibomo מספק הגדרות FSRS-6 מעשיות ברמת סביבת העבודה, ואילו Anki מספק שליטה מפורטת יותר בהיקף ההגדרות, התאמה אישית והדמיה. אם האפשרויות האלה חיוניות לכם, Anki מתאים יותר.

תהליך בטוח יותר לאוסף ותיק

אם כבר צברתם חודשים או שנים של היסטוריית חזרות, פעלו בסדר הזה:

1. הקפידו על משמעות הדירוגים. Again הוא כישלון; Hard הוא הצלחה שהצריכה מאמץ.
2. בצעו אופטימיזציה לערכת ההגדרות הנוכחית. התאימו את המודל להיסטוריה שלכם במקום לערוך או להעתיק משקולות.
3. הריצו בדיקת תקינות במידת הצורך. התייחסו להיסטוריה דלה או לא עקבית כאל בעיית נתונים.
4. השתמשו ב-Help Me Decide. בחרו טווח שימור ידע לפי מספר חזרות או דקות לימוד שאפשר להתמיד בהם.
5. הריצו את הסימולטור. השוו בין ההגדרות הקיימות, היעד המוצע וקצב נמוך יותר של הוספת כרטיסיות.
6. שנו הגדרה אחת בפועל. התאימו תחילה את יעד הזכירה או את קצב הוספת החומר, ואז עקבו אחר התור בפועל.
7. שמרו על שלבים קצרים. הסירו שרשראות למידה ולמידה מחדש שנמשכות ימים; השתמשו בשדות ריקים רק כניסוי.
8. השאירו מרווח מרבי גדול. קצרו אותו רק בגלל תאריך יעד או דרישה מוגדרים.
9. השאירו את התזמון מחדש כבוי. אם צריך לחשב מחדש מיד, גבו תחילה והתכוננו לתור שייווצר.

הסדר הזה משאיר לכם אפשרות לחזור לתזמון הקודם של אוסף ותיק למשך זמן רב ככל האפשר. הוא גם עוזר לטפל בנפרד בשלוש בעיות שונות — התאמת המודל, יעד הזכירה וקצב כניסת החומר החדש — במקום לערבב את כולן בבעיית הגדרות אחת.

שאלות נפוצות על הגדרות FSRS מומלצות

האם 90% הוא יעד שימור הידע הטוב ביותר ל-FSRS?

זו נקודת המוצא הכללית הבטוחה ביותר: היא ברירת המחדל של Anki, ובה העומס עדיין אינו גדל בקצב החד שמאפיין יעדי זכירה גבוהים יותר. הערך המתאים לחפיסה מסוימת תלוי במחיר השכחה ובעומס שאפשר להתמיד בו. בדקו את Help Me Decide (Experimental) לפני שתשנו אותו.

האם כדאי לקבוע יעד שימור ידע של 95%?

רק אחרי בדיקת מספר החזרות או דקות הלימוד שיתווספו. חפיסה בנויה היטב של חומר חשוב במיוחד עשויה להצדיק 95%; אוסף גדול ללימוד מזדמן עלול להפוך למכביד ללא צורך. אל תפעילו באותו זמן תזמון מחדש בדיעבד, אלא אם אתם רוצים במכוון לחשב מיד מחדש את מועדי החזרה.

באיזו תדירות צריך לבצע אופטימיזציה לפרמטרי FSRS?

פעם בחודש היא כבר תדירות מספקת, וההנחיה בתוך Anki 26.08 אומרת שפעם בכמה חודשים מספיקה. בצעו אופטימיזציה אחרי שהצטברה היסטוריה חדשה משמעותית, ולא לפי לוח זמנים יומי או שבועי.

האם כדאי להשאיר את שלבי הלמידה של FSRS ריקים?

השארת שדה שלבי הלמידה או הלמידה מחדש ריק מאפשרת ל-Anki 26.08 להעביר ל-FSRS את התזמון המתאים לטווח קצר. התכונה ניסיונית, וחזרת Again עשויה להיקבע לעוד יום או יותר. מספר קטן של שלבים שמסתיימים באותו יום נשאר הבחירה השמרנית.

האם שינוי הגדרות FSRS מתזמן מחדש כרטיסיות קיימות ב-Anki?

לא כברירת מחדל. כאשר Reschedule cards on change כבוי, ההגדרות החדשות משפיעות על החזרות הבאות בלי לבנות מיד את התור מחדש. הפעלתו משנה את מועדי החזרה ויכולה להביא לכך שמועד החזרה של כרטיסיות רבות יגיע בבת אחת, לכן גבו תחילה.

האם CMRR עדיין קיים ב-Anki?

לא. Anki הסיר את Compute Minimum Recommended Retention בגרסה 25.07. ב-Anki 26.08 השתמשו ב-Help Me Decide (Experimental) וב-FSRS Simulator (Experimental) כדי להשוות בין שימור הידע לעומס המשוער.

האם Nibomo משתמש באותן הגדרות כמו Anki?

הוא משתמש ב-FSRS-6 ומאפשר להגדיר לכל סביבת עבודה שימור ידע רצוי, שלבי למידה, שלבי למידה מחדש, מרווח מרבי ו-fuzz — שינוי אקראי קל במרווחים. הוא אינו מעתיק את מודל ההגדרות המלא של Anki: המשקולות קבועות ב-v1, השינויים חלים רק מכאן והלאה, ואין אופטימיזציה אישית של פרמטרים או סימולטור עומס.

קבעו את העומס לפני האחוז

הגדרות FSRS טובות גורמות לתור החזרות לשרת תוכנית לימוד אמיתית. התחילו ב-90%, העריכו את העבודה, שלטו בקצב הוספת הכרטיסיות והעלו את יעד הזכירה רק כשזכירה טובה יותר שווה את החזרות הנוספות. שמרו על שלבים קצרים, מרווח מרבי גדול ונתוני דירוג אמינים.

ואז צאו ממסך ההגדרות. אלגוריתם התזמון צריך חזרות עקביות יותר משהוא צריך עוד ערב של כוונון.