# 2026년 Anki FSRS 추천 설정: 목표 기억 유지율, 학습 단계, 복습량

*2026-04-25*

Anki의 목표 기억 유지율을 90%에서 95%로 올리는 것은 작은 변화처럼 보입니다. 하지만 학습량이 5%만 늘어나는 것은 아닙니다. FSRS는 목표가 높아질수록 복습 간격을 줄여야 하므로, 오래 학습해 온 컬렉션에서는 복습 대기열이 훨씬 길어질 수 있습니다. **변경 시 카드 일정 재조정(Reschedule cards on change)**까지 켜면 그 부담의 일부가 바로 나타날 수 있습니다.

따라서 좋은 FSRS 설정은 복사해서 붙여 넣을 매개변수 목록이 아닙니다. 먼저 감당할 수 있는 학습량을 정하고, 그 범위 안에서 기억 유지율을 선택하고, 자신의 복습 기록에 모델을 맞추세요. 기존 복습 예정일은 의도적으로 다시 계산하려는 경우에만 바꾸면 됩니다.

아래의 기능 이름과 동작은 [Anki 26.08 릴리스](https://github.com/ankitects/anki/releases/tag/26.08)와 그 버전의 FSRS-6 설정을 기준으로 합니다. 설정에 앞서 모델부터 이해하고 싶다면 [FSRS란 무엇인가?](/blog/what-is-fsrs/)를 읽어 보세요. 아직 복습 알고리즘을 고르는 중이라면 [FSRS와 SM-2 비교](/blog/fsrs-vs-sm-2/)부터 시작하세요.

> **이해관계 공개:** 저는 [Nibomo](/ko/features/)를 만드는 Kirill Markin입니다. Anki는 개인의 복습 기록에 맞춘 매개변수 최적화와 실험적인 학습량 시뮬레이터를 제공하며, Nibomo는 현재 이 기능들을 제공하지 않습니다. 글 후반의 비교에서도 이 차이를 명확히 구분합니다.

**사실 확인일:** 2026년 9월 8일.

![실제 수문을 조정하기 전에 축소 모형으로 물의 흐름을 시험하는 운하 수문 운영자](/blog/fsrs-settings-v2.png)

## 먼저 이렇게 시작하세요

대부분의 Anki 사용자에게 아래 선택은 무리 없는 출발점입니다. 누구에게나 통하는 정답은 아닙니다.

| 설정 또는 습관 | 무리 없는 초기 선택 | 이유 |
| --- | --- | --- |
| 목표 기억 유지율 | `0.90` | Anki의 기본값이며 기억 유지와 복습량 사이의 균형을 잡아 줍니다. |
| FSRS 매개변수 | **Optimize Current Preset** 사용. 가중치를 붙여 넣거나 직접 수정하지 않기 | 최적화 기능이 자신의 복습 기록에 모델을 맞춥니다. |
| 최적화 빈도 | 많아도 한 달에 한 번. 보통 몇 달에 한 번이면 충분 | Anki는 잦은 최적화를 권장하지 않습니다. |
| 학습 단계 | 당일에 끝낼 수 있는 소수의 단계 유지 | 단계가 길게 이어지면 모델이 계산한 복습 일정을 적용하는 시점이 늦어집니다. |
| 재학습 단계 | 최소한으로 유지하고 각 간격은 하루 미만으로 설정 | 복습 카드의 회상에 실패한 뒤에도 같은 기준이 적용됩니다. |
| 변경 시 카드 일정 재조정 | 끄기 | 오늘의 대기열을 다시 만들지 않고 이후 복습부터 새 설정을 적용할 수 있습니다. |
| 최대 간격 | 기본값인 100년 유지 | 상한을 줄이면 충분히 익힌 카드도 더 자주 복습해야 합니다. |
| 하루 새 카드 수 | 꾸준히 감당할 수 있는 학습량에 맞추기 | 새 카드는 지금의 학습량과 나중의 복습량을 모두 늘립니다. |
| Again과 Hard 구분 | Again은 회상 실패, Hard는 어렵게 떠올렸지만 성공 | 잘못 평가하면 모델에 잘못된 기록이 전달됩니다. |

복습량을 감당할 수 있고 현재 설정도 이와 비슷하다면, 고칠 것이 없을 수도 있습니다. 설정을 관리하는 것 자체가 공부는 아닙니다.

## 세 가지 결정을 구분하세요

목표 기억 유지율, FSRS 매개변수, 하루 학습량을 하나로 생각하기 쉽습니다. 하지만 각각 조절하는 대상이 다릅니다.

- **목표 기억 유지율**은 원하는 회상 확률입니다. 학습 목표와 확보할 수 있는 공부 시간에 맞춰 직접 정합니다.
- **FSRS 매개변수**는 복습 기록에 기억 모델을 맞추는 값입니다. Anki의 최적화 기능이 계산합니다.
- **새 카드 수와 복습 수 제한**은 학습에 들어오는 자료의 양과 Anki가 하루에 보여 줄 수 있는 복습 예정 카드 수를 조절합니다.

이렇게 구분하면 문제의 원인을 찾기 훨씬 쉽습니다. 대기열이 길다고 매개변수가 잘못된 것은 아닙니다. 중요한 덱이라고 반드시 별도의 매개변수 프리셋이 필요한 것도 아닙니다. 처음부터 감당할 수 없을 만큼 새 카드를 추가했다면 목표 기억 유지율을 낮춰도 해결되지 않습니다.

## 의욕보다 학습량을 기준으로 목표 기억 유지율을 정하세요

목표 기억 유지율은 복습 예정일에 해당 카드의 답을 떠올릴 확률을 얼마나 높게 유지하고 싶은지 FSRS에 알려 주는 값입니다. `0.90`으로 설정하면 FSRS는 예측 회상 확률이 90% 정도가 되는 시점에 복습을 배치합니다. 이는 모델의 목표이지, 모든 학습 세션이나 시험에서 정확히 90%를 맞힌다는 보장은 아닙니다.

어느 쪽으로 바꾸든 얻는 것과 잃는 것이 있습니다.

- 목표 기억 유지율을 높이면 간격이 짧아지고 복습이 늘어납니다.
- 낮추면 간격이 길어지고 회상 실패가 늘어납니다.
- 너무 낮추면 실패 후 재학습에 시간이 더 들어, 아끼려던 시간의 일부를 다시 써야 할 수 있습니다.

Anki의 기본값은 90%입니다. [목표 기억 유지율 안내](https://docs.ankiweb.net/deck-options.html#desired-retention)에서는 목표가 100%에 가까워질수록 학습량이 빠르게 증가한다고 경고하며 97% 미만을 권장합니다. 공식 [최적 기억 유지율 설명](https://github.com/open-spaced-repetition/fsrs4anki/wiki/The-optimal-retention)은 반대쪽도 다룹니다. 기억 유지율이 매우 낮으면 잊은 카드를 다시 익히는 데 더 많은 노력이 필요해 비효율적일 수 있습니다.

`0.90`에서 시작하고, 학습량을 확인한 뒤에만 바꾸세요. 잊었을 때 실제 손해가 큰 자료라면 목표를 높일 이유가 있습니다. 복습 때문에 더 가치 있는 공부를 못 하고 있다면 낮출 이유가 있습니다. 어느 쪽이든 질문이 모호하거나, 평가가 실제 회상 결과와 다르거나, 새 카드가 지나치게 많은 문제까지 해결해 주지는 않습니다.

### 덱의 기억 유지율과 프리셋 매개변수는 적용 범위가 다릅니다

Anki 26.08에서는 목표 기억 유지율(**Desired retention**)을 공통 프리셋(**Shared Preset**) 또는 현재 덱(**This deck**)에 적용할 수 있습니다. 따라서 관련 덱들이 하나의 매개변수 프리셋을 공유하면서도 특정 덱에는 별도의 목표 기억 유지율을 적용할 수 있습니다.

잊었을 때의 손해가 다르다면 덱별 설정을 사용하세요. 자격시험용 덱은 우선순위가 낮은 참고용 덱보다 높은 목표가 타당할 수 있습니다. 두 덱에 같은 모델을 맞춰 사용하더라도 마찬가지입니다.

**This deck**을 선택해도 FSRS 매개변수가 덱별로 바뀌지는 않습니다. 기본적으로 Anki는 현재 프리셋에 연결된 모든 덱의 복습 기록으로 매개변수를 학습합니다. 덱 그룹마다 체감 난이도가 크게 다르다면 별도 프리셋으로 나누세요. Anki에서는 이 방식으로 각 그룹의 기록에 맞춰 매개변수를 따로 최적화할 수 있습니다.

## 목표 선택에는 Help Me Decide를, 설정 비교에는 시뮬레이터를 사용하세요

Anki 26.08에는 별개의 실험적 기능 두 가지가 있습니다.

- **Help Me Decide (Experimental)**는 개인별 기억 유지율과 학습량의 관계를 곡선으로 보여 줍니다. “내가 감당할 수 있는 복습 수나 시간에 맞는 목표 기억 유지율은 얼마일까?”를 판단할 때 사용하세요.
- **FSRS Simulator (Experimental)**는 특정 설정을 사용했을 때 시간이 지나면서 어떤 결과가 나올지 추정합니다. 기억 유지율, 새 카드 추가량, 복습 수 제한, 최대 간격의 변경을 비교할 때 사용하세요.

[FSRS 시뮬레이터 문서](https://docs.ankiweb.net/deck-options.html#the-simulator)에 나오는 주요 입력값은 다음과 같습니다.

- 시뮬레이션할 일수
- 시뮬레이션에 추가할 새 카드 수
- 하루 새 카드 수
- 하루 최대 복습 수
- 최대 간격
- 목표 기억 유지율과 해당 프리셋의 FSRS 매개변수

시뮬레이션은 프리셋에 속한 카드들의 실제 기억 상태도 사용합니다. 따라서 오래 학습해 온 컬렉션에서는 오늘 복습할 카드 수에 임의의 비율을 곱하는 것보다 유용합니다.

실제 설정을 바꾸기 전에 세 가지 시나리오를 실행하세요.

1. 현재 기억 유지율과 새 카드 추가량.
2. 변경을 고려 중인 목표 기억 유지율.
3. 같은 목표를 유지하되 하루 새 카드 수를 줄인 경우.

세 번째 시나리오는 목표 기억 유지율을 유지하면서 새 자료를 추가하는 속도를 늦춰 보는 것입니다. 흔히 고려할 만한 대안입니다. 이렇게 해서 예상 학습량을 감당할 수 있게 된다면, 대기열을 줄이기 위해 더 많이 잊는 것을 감수할 필요가 없습니다. 새 카드 추가량은 [하루에 새 플래시카드를 몇 장 공부해야 할까?](/blog/how-many-new-flashcards-per-day/)에서 더 자세히 다룹니다.

두 도구 모두 추정치를 제공합니다. 복습을 거른 날, 수정한 카드, 새로운 자료, 달라진 평가 습관 때문에 실제 학습량은 그래프와 달라질 수 있습니다. 비교 결과는 방향을 정하는 데 사용하세요. 몇 달 뒤 대기열의 정확한 크기를 보장하는 수치는 아닙니다.

예전 가이드에서는 **Compute Minimum Recommended Retention**, 줄여서 CMRR을 언급할 수 있습니다. Anki는 25.07 버전에서 이 기능을 제거했습니다. 현재 목표 기억 유지율을 정할 때 사용하는 절차는 아닙니다.

## 자신의 기록으로 FSRS 매개변수를 최적화하세요

목표 기억 유지율은 원하는 결과를 나타냅니다. FSRS 매개변수는 자신의 복습 기록에 맞게 모델을 조정하는 값입니다.

Anki 26.08에서는 **Optimize Current Preset**을 사용해 현재 프리셋의 매개변수를 복습 기록에 맞춥니다. 기본적으로 Anki는 해당 프리셋을 사용하는 모든 덱의 복습 기록을 포함합니다. 학습에 사용할 기록의 범위를 좁히려면 검색 조건을 조정할 수 있습니다. **Optimize All Presets**는 모든 프리셋을 한 번에 갱신합니다.

가중치를 직접 입력하거나 Reddit, 동영상, 다른 사람의 덱에서 복사하지 마세요. 그 사람의 카드, 복습 시점, 평가 습관은 자신의 기록과 다릅니다. 깔끔하게 정리된 [FSRS-6 가중치](https://github.com/open-spaced-repetition/awesome-fsrs/wiki/The-Algorithm#fsrs-6) 목록을 가져온다고 학습 전략까지 옮겨지는 것은 아닙니다.

새로운 복습 기록이 충분히 쌓인 뒤에만 다시 최적화하세요. Anki 매뉴얼은 한 달에 한 번이면 충분하다고 하고, 26.08의 앱 내 안내는 몇 달에 한 번이면 충분하다고 합니다. 실질적인 결론은 같습니다. 매주 최적화할 이유가 없으며, 학습을 마칠 때마다 할 필요는 더더욱 없습니다.

### 상태 검사는 현재 프리셋에서 사용하세요

FSRS가 현재 프리셋의 기록에 얼마나 잘 적응할 수 있는지 평가하려면 **Check health when optimizing (slow)**를 켜세요. 이 검사는 **Optimize Current Preset**을 실행할 때 작동하며 **Optimize All Presets**에서는 작동하지 않습니다.

결과가 좋지 않다면 가중치에 손대기 전에 데이터를 살펴보세요. [Anki의 FSRS 매개변수 안내](https://docs.ankiweb.net/deck-options.html#fsrs-parameters)는 흔한 원인으로 복습 기록이 수백 회에도 못 미치는 경우, 회상에 실패했는데 Hard를 누르는 경우, 떠올리지 못했는데 Again을 누르지 않는 경우를 꼽습니다. 유효한 기록이 적다면 다른 사용자의 매개변수를 가져오기보다 기본값을 유지하고 나중에 최적화하세요.

## Again은 회상 실패, Hard는 성공입니다

이 습관은 어떤 설정 못지않게 중요합니다.

요구된 답을 떠올리지 못했거나 틀렸다면 **Again**을 누르세요. **Hard**는 힘들게 떠올렸거나 많이 망설였더라도 정확하게 답한 경우에만 사용하세요. Good과 Easy도 회상에 성공했다는 평가입니다.

Again의 짧은 간격을 피하려고 Hard를 누르면 실제로는 실패했는데 성공으로 기록됩니다. 그러면 FSRS는 실제와 다른 복습 기록을 바탕으로 학습합니다. 버튼 위에 표시된 간격 중 원하는 것을 고르지 말고, 실제로 얼마나 잘 떠올렸는지를 나타내는 버튼을 고르세요.

모호한 카드는 정확한 평가를 어렵게 합니다. 질문이 다섯 가지 사실을 요구하는데 네 가지를 기억했다면, 복습 일정이 꼬이는 원인은 이미 카드를 만들 때 생긴 셈입니다. 카드를 나누거나 다시 쓰세요. 반복해서 복습해도 계속 틀리는 카드는 [반복해서 틀리는 플래시카드 고치는 방법](/blog/how-to-fix-leech-flashcards/)을 참고하세요.

## FSRS 학습 단계는 짧게 두고, 비울 때는 그 의미를 알고 선택하세요

학습 및 재학습 단계는 일반적인 장기 복습 일정이 적용되기 전의 짧은 반복 간격을 조절합니다. 또 하나의 기억 유지율 목표가 아닙니다.

Anki의 FSRS 안내는 두 가지 기준을 권장합니다.

- 모든 단계는 하루보다 짧아야 하며 같은 날에 끝낼 수 있어야 합니다.
- 당일 반복 횟수는 적게 유지해야 합니다.

`1m 10m 1d 3d`처럼 긴 단계 목록은 SM-2 시절의 습관을 FSRS에 그대로 가져오는 셈입니다. 하루 이상의 단계는 모델이 계산한 일정을 적용하는 시점을 늦추며, Hard의 간격이 Good보다 길게 표시되는 등 버튼 표시를 혼란스럽게 만들 수 있습니다.

자신의 학습 시간에 맞는다면 학습 단계는 `1m 10m`, 재학습 단계는 `10m`처럼 간단하게 두는 것이 무난한 출발점입니다. 같은 날 더 많이 반복한다고 무조건 좋은 것은 아닙니다.

Anki 26.08에서는 학습 단계와 재학습 단계 입력란 중 어느 쪽이든 비워 둘 수 있습니다. FSRS가 켜져 있으면 비어 있는 입력란에 해당하는 단기 일정도 FSRS가 정합니다. 이 기능은 실험적이며, Again의 간격이 하루 이상일 수도 있습니다. 같은 날 다시 복습하도록 정해 두고 싶다면 짧은 수동 단계를 유지하세요. FSRS가 그 시점을 정하도록 의도적으로 맡길 때만 입력란을 비우세요.

## 점진적으로 전환하려면 변경 시 일정 재조정을 끄세요

**Reschedule cards on change**가 기본값인 꺼짐 상태일 때는 FSRS를 켜거나 목표 기억 유지율 또는 매개변수를 바꿔도 기존 복습 예정일이 즉시 바뀌지 않습니다. 이후 카드를 복습할 때 새 설정이 적용되므로 대기열도 서서히 변합니다.

이 옵션을 켠 상태에서 해당 FSRS 변경 사항을 저장하면 복습 예정일을 즉시 다시 계산합니다. 새 목표와 카드 상태에 따라 많은 카드가 한꺼번에 복습 대상이 될 수 있습니다. Anki는 일정이 재조정된 카드에 복습 기록도 추가하므로 컬렉션 크기가 커집니다.

이 옵션은 기존 일정까지 실제로 다시 만들고 싶을 때만 유용합니다. 오래 학습해 온 컬렉션이라면 다음 순서로 진행하세요.

1. 새 백업을 만들고 실행 취소나 복원 방법을 알고 있는지 확인하세요.
2. 적용하려는 설정으로 시뮬레이터를 실행하세요.
3. 설정 하나만 변경하세요. 여러 실험을 동시에 하지 마세요.
4. 저장할 때는 예정일을 즉시 다시 계산하고 그 결과를 감당하려는 경우에만 일정 재조정을 켜세요.

Anki는 SM-2에서 전환하면서 일정을 재조정할 경우 백업을 명시적으로 권장합니다. [플래시카드 백업 가이드](/blog/how-to-back-up-flashcards/)는 백업 파일만큼 복구 방법도 중요한 이유를 자세히 설명합니다.

## 최대 간격은 넉넉하게 두세요

Anki의 최대 간격 기본값은 100년입니다. 다소 이상해 보이지만, 이는 상한입니다. 충분히 익힌 모든 카드가 100년 동안 나오지 않는다는 뜻이 아닙니다.

상한을 낮추면 잘 아는 카드도 더 일찍 돌아와 학습량이 늘어납니다. 상한에 도달한 카드에서는 Hard, Good, Easy가 모두 같은 간격을 표시할 수 있습니다. 어느 것도 최대 간격을 넘을 수 없기 때문입니다.

시험처럼 분명한 기한이 있거나, 자료가 자주 바뀌거나, 예상 기억 상태와 무관하게 업무 규정상 반복 확인이 필요한 경우라면 최대 간격을 줄이는 것이 타당할 수 있습니다. 불안해서 작은 숫자를 고르기보다 일정과 시뮬레이터를 함께 보며 상한을 정하세요. [FSRS로 시험 공부하는 방법](/blog/how-to-study-for-an-exam-with-fsrs/)은 시험을 앞둔 경우를 다룹니다.

일반적인 장기 학습에서는 상한을 넉넉하게 두세요. 예측 회상 확률이 어느 수준이 됐을 때 복습할지는 이미 목표 기억 유지율이 조절합니다.

## 새 카드 추가량도 학습량을 결정합니다

FSRS는 복습 시점을 분산할 수 있지만, 무한정 들어오는 새 자료까지 감당할 수 있게 만들지는 못합니다. 새 카드 한 장은 지금의 학습량과 이후의 복습량을 모두 늘립니다.

대기열이 너무 길다면 목표 기억 유지율을 낮추기 전에 다음을 살펴보세요.

- 하루 새 카드 수
- 대량으로 가져오거나 생성한 카드 묶음
- 복습할 카드가 남아 있어도 더 이상 보여 주지 않는 하루 최대 복습 수 제한
- 계속 다시 풀어야 하는 상습 오답 카드와 질문이 모호한 카드
- 복습을 거른 날

덱이 커질 것을 알고 있다면 **Additional new cards to simulate**를 사용하세요. 현재 컬렉션만을 기준으로 한 예측으로는 대량으로 카드를 가져온 뒤의 학습량을 알 수 없습니다.

예상 학습량이 너무 많다면 새 카드 추가량을 줄여 다시 시뮬레이션하세요. 이렇게 하면 더 많이 잊는 것을 감수하지 않고도 목표 기억 유지율을 유지할 수 있습니다.

## Anki와 Nibomo가 제공하는 FSRS 설정은 다릅니다

두 제품 모두 FSRS-6를 사용하지만 Anki의 FSRS 설정을 Nibomo에 그대로 대응시킬 수는 없습니다.

| 기능 | Anki 26.08 | Nibomo |
| --- | --- | --- |
| 목표 기억 유지율 | **Shared Preset** 또는 **This deck** | 워크스페이스별 설정 가능. 기본값 `0.90` |
| FSRS 매개변수 | 복습 기록으로 **Optimize Current Preset** 또는 **Optimize All Presets** 실행 | 공식 FSRS-6 기본 가중치로 고정. v1에서는 사용자 설정 불가 |
| 학습 단계 | 설정 가능. 입력란을 비워 FSRS에 일정을 맡기는 기능은 실험적 | 워크스페이스별 설정 가능. 기본값 `1m 10m` |
| 재학습 단계 | 설정 가능. 입력란을 비워 FSRS에 일정을 맡기는 기능은 실험적 | 워크스페이스별 설정 가능. 기본값 `10m` |
| 최대 간격 | 기본값 100년 | 기본값 36,500일. 역시 100년 |
| 설정 변경 | 기본적으로 이후 복습에 적용. 선택적으로 기존 일정 재조정 가능 | 이후 복습에만 적용. 기존 복습 예정일은 다시 계산하지 않음 |
| 학습량 도구 | **Help Me Decide (Experimental)**와 **FSRS Simulator (Experimental)** | v1에는 이에 해당하는 학습량 시뮬레이터 없음 |

Nibomo는 표준 평가인 Again, Hard, Good, Easy를 사용하며 카드별 FSRS 기억 상태를 유지합니다. 백엔드, iOS, Android의 스케줄러는 각각 독립적으로 구현되어 있으며, 세 구현이 같은 방식으로 동작하도록 관리합니다. 웹 복습은 네 번째 구현을 추가하는 대신 백엔드 스케줄러를 재사용합니다.

이러한 범위와 기본값은 공개된 [Nibomo FSRS 일정 계산 명세](https://github.com/kirill-markin/flashcards-open-source-app/blob/main/docs/fsrs-scheduling-logic.md)에 문서화되어 있습니다. 선택 기준은 명확합니다. Nibomo는 워크스페이스 단위의 실용적인 FSRS-6 설정을 제공하고, Anki는 더 세밀한 적용 범위, 개인의 기록에 맞춘 매개변수 최적화, 시뮬레이션을 제공합니다. 이런 세부 기능이 꼭 필요하다면 Anki가 더 적합합니다.

## 오래 학습한 컬렉션의 설정을 안전하게 바꾸는 순서

이미 몇 달 또는 몇 년의 복습 기록이 있다면 다음 순서를 따르세요.

1. **평가 버튼의 의미부터 바로잡으세요.** Again은 실패, Hard는 어렵게 떠올렸지만 성공입니다.
2. **현재 프리셋을 최적화하세요.** 가중치를 직접 수정하거나 복사하지 말고 자신의 기록에 맞추세요.
3. **필요하면 상태 검사를 실행하세요.** 기록이 부족하거나 일관성이 없다면 데이터 문제로 다루세요.
4. **Help Me Decide를 사용하세요.** 감당할 수 있는 복습 수나 시간을 기준으로 기억 유지율 범위를 정하세요.
5. **시뮬레이터를 실행하세요.** 현재 설정, 변경하려는 목표, 새 카드 추가량을 줄인 경우를 비교하세요.
6. **실제 설정은 하나만 바꾸세요.** 기억 유지율이나 새 카드 추가량부터 조정한 뒤 실제 대기열을 관찰하세요.
7. **단계는 짧게 유지하세요.** 하루 이상 걸리는 학습 및 재학습 단계는 없애세요. 입력란을 비우는 것은 실험으로만 시도하세요.
8. **최대 간격은 넉넉하게 두세요.** 정해진 기한이나 요구 사항이 있을 때만 줄이세요.
9. **일정 재조정은 꺼 두세요.** 즉시 다시 계산해야 한다면 먼저 백업하고, 그 결과 생길 대기열에 대비하세요.

이 순서를 따르면 오래 쌓아 온 복습 일정을 바꾸더라도 가능한 한 나중까지 되돌릴 여지를 남길 수 있습니다. 모델을 기록에 맞추는 일, 목표 기억 유지율을 정하는 일, 새 자료의 추가량을 조절하는 일도 구분할 수 있습니다. 서로 다른 세 문제를 하나의 설정 문제로 뒤섞지 않게 됩니다.

## FSRS 추천 설정에 관한 자주 묻는 질문

### FSRS의 목표 기억 유지율은 90%가 가장 좋은가요?

일반적으로 가장 무난한 출발점입니다. Anki의 기본값이고, 기억 유지율이 높아질 때 학습량이 급증하는 구간을 피할 수 있기 때문입니다. 특정 덱에 가장 적합한 값은 잊었을 때의 손해와 감당할 수 있는 학습량에 달려 있습니다. 바꾸기 전에 **Help Me Decide (Experimental)**를 확인하세요.

### 목표 기억 유지율을 95%로 설정해야 할까요?

추가되는 복습 수나 시간을 확인한 뒤에만 결정하세요. 잘 정리된 중요한 덱이라면 95%가 타당할 수 있지만, 가볍게 학습하는 대규모 컬렉션에는 불필요하게 큰 부담이 될 수 있습니다. 예정일을 즉시 다시 계산하려는 의도가 없다면, 동시에 기존 일정 재조정을 켜지 마세요.

### FSRS 매개변수는 얼마나 자주 최적화해야 하나요?

한 달에 한 번도 충분히 잦은 편이며, Anki 26.08의 앱 내 안내는 몇 달에 한 번이면 충분하다고 합니다. 매일이나 매주 정기적으로 하기보다 새로운 기록이 충분히 쌓였을 때 최적화하세요.

### FSRS 학습 단계는 비워 두어야 하나요?

학습 또는 재학습 단계를 비우면 Anki 26.08이 해당 단기 일정을 FSRS에 맡깁니다. 이 기능은 실험적이며, Again을 누른 카드가 하루 이상 뒤에 나올 수도 있습니다. 같은 날에 끝나는 최소한의 단계를 유지하는 편이 여전히 더 안전한 출발점입니다.

### FSRS 설정을 바꾸면 기존 Anki 카드의 일정도 바뀌나요?

기본적으로는 그렇지 않습니다. **Reschedule cards on change**가 꺼져 있으면 대기열을 즉시 다시 만들지 않고 이후 복습에 새 설정을 적용합니다. 이 기능을 켜면 예정일이 바뀌고 많은 카드를 한꺼번에 복습해야 할 수 있으니 먼저 백업하세요.

### CMRR은 아직 Anki에 있나요?

아니요. Anki는 25.07 버전에서 Compute Minimum Recommended Retention을 제거했습니다. Anki 26.08에서는 **Help Me Decide (Experimental)**와 **FSRS Simulator (Experimental)**를 사용해 기억 유지율과 예상 학습량을 비교하세요.

### Nibomo는 Anki와 같은 설정을 사용하나요?

Nibomo는 FSRS-6를 사용하며 워크스페이스별로 목표 기억 유지율, 학습 단계, 재학습 단계, 최대 간격, 간격 무작위 조정(fuzz)을 설정할 수 있습니다. 하지만 Anki의 전체 설정 구조를 그대로 사용하지는 않습니다. v1에서는 가중치가 고정되어 있고, 변경 사항은 이후 복습에만 적용되며, 개인별 매개변수 최적화나 학습량 시뮬레이터는 없습니다.

## 비율보다 학습량을 먼저 정하세요

좋은 FSRS 설정은 복습 대기열이 실제 학습 계획에 맞게 돌아가도록 해 줍니다. 90%에서 시작해 학습량을 추정하고, 새 카드 추가량을 조절하세요. 더 많이 기억하는 것이 추가 복습을 감수할 만큼 가치 있을 때만 목표 기억 유지율을 높이세요. 단계는 짧게, 최대 간격은 넉넉하게 두고, 평가는 실제 회상 결과대로 하세요.

이제 설정 화면을 닫으세요. 또 하룻저녁을 설정 조정에 쓰기보다 꾸준히 복습하는 편이 스케줄러에 더 도움이 됩니다.

---
*[이 페이지의 스타일이 적용된 HTML 버전 보기](<https://nibomo.com/ko/blog/fsrs-settings/>)*

*AI 에이전트는 `GET https://api.nibomo.com/v1/`으로 시작해 이 서비스에서 사용자 계정을 만들 수 있습니다. 설정이 끝나면 `https://mcp.nibomo.com/mcp`의 MCP로 연결할 수도 있습니다.*

*팁: https://nibomo.com의 어떤 URL 뒤에든 `.md`를 붙이면 해당 페이지의 깔끔한 Markdown 버전을 받을 수 있습니다.*