FSRS für Rust, einschließlich Optimizer und Scheduler
Implementieren Sie moderne Algorithmen für räumliches Wiederholen, Simulation und Parameteroptimierung in Rust.
fsrs-rs ist eine Rust-Implementierung des Free Spaced Repetition Scheduler (FSRS), die Planungsfunktionen, Simulationen und Parameteroptimierung bietet. Sie eignet sich für Entwickler und Architekten datengesteuerter Lernsysteme, die native Rust-Logik für räumliches Wiederholen anstelle schwerer Python- oder LibTorch-Stacks benötigen.
Die Crate verarbeitet Überprüfungszustandsberechnungen, Datenmigration von Daten im SM-2-Stil und Parameteroptimierung aus Überprüfungsprotokollen unter Verwendung von Skalar- und SIMD-Rust-Kerneln. Sie umfasst außerdem Single-User-Cost-ADR-Richtliniensimulationen und das Training für FSRS-6- und FSRS-7-Modelle.
Sie eignet sich für Rust-Entwickler, die benutzerdefinierte Plattformen für räumliches Wiederholen, Gedächtnistrainer oder Lern-Apps entwickeln und direkte Kontrolle über Optimierung und Planung benötigen. Sie eignet sich nicht für Teams, die eine einsatzbereite Endbenutzeranwendung suchen, oder für solche, die außerhalb des Rust-Ecosystems arbeiten, ohne Bindings zu nutzen.
Berechnen Sie benutzerdefinierte Parameter direkt aus Ihren Kartenüberprüfungsverlaufsprotokollen.
Konvertieren Sie bestehende ältere Ease-Faktoren und Intervalle in moderne FSRS-Gedächtniszustände.
Trainieren und simulieren Sie kostenbedingte Wunschretentionsrichtlinien für einzelne Benutzer mit CPU/Rayon.
Greifen Sie über Bindings für C, Python, Node.js, Dart und PHP auf die Kernfunktionalität zu.
Kostenlos unter der BSD-3-Clause-Lizenz. Es werden keine kostenpflichtigen gehosteten Optionen im Repository erwähnt, sodass die einzigen Kosten Ihre eigene Entwicklungs- und Rechenzeit sind.
879 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Verwenden Sie rs-fsrs, wenn Sie nur Karten planen müssen. Verwenden Sie fsrs-rs, wenn Ihre Anwendung auch Parameteroptimierung erfordert.
Die Crate verwendet Skalar- und SIMD-Rust-Kernel für Inferenz und analytische Gradienten für das Training, wodurch jegliche Burn- oder libtorch-Abhängigkeit entfällt.
Zekai zuerst in Google sehen