For AI agents: the complete documentation index is available at https://open-spaced-repetition.github.io/ts-fsrs/ja-JP/llms.txt, the full documentation bundle is available at https://open-spaced-repetition.github.io/ts-fsrs/ja-JP/llms-full.txt, and this page is available as Markdown at https://open-spaced-repetition.github.io/ts-fsrs/ja-JP/guide/optimizer/index.md.

Optimizer 概要

FSRS は既定のモデル重みを同梱していますが、自分たちの製品の復習ログから再学習して、間隔をサービス対象のユーザーに合わせることができます。Optimizer は @open-spaced-repetition/binding の上で動きます。復習ログ CSV を訓練用アイテムに変換し、パラメータを推定し、その結果が保留した復習をどれだけ予測できるかを報告します。訓練した重みは weights 経由でそのまま DefaultScheduler やカスタムの defineScheduler に渡せます。重みの意味はモデル、適用される場所はスケジューラを参照してください。

注意

Optimizer は現在ベータ版であり、API メソッドは随時変更される可能性があります。

For your Agent
FSRS の重み学習を実装または説明する

このプロンプトをコピーすると、AI Agent が Optimizer 契約(復習ログ CSV を入れて訓練済み重みを出す)に従い、共有の binding を介します。

一つのパッケージ、二つの実行環境

ネイティブ版と WASI 版は同じ API を提供します。メインパッケージは Node では利用可能なネイティブモジュールを優先し、ブラウザエントリーではマルチスレッドの WASI パッケージを使います。環境に合わせて該当するパッケージをインストールします。

ネイティブモジュール(Node・サーバー・CLI):

npm
yarn
pnpm
bun
deno
npm install @open-spaced-repetition/binding

シングルスレッドの WASI Preview 1(wasm32-wasip1):

npm
yarn
pnpm
bun
deno
npm install @open-spaced-repetition/binding-wasm32-wasip1

マルチスレッドの WASI Preview 1(wasm32-wasip1-threads、公開パッケージ名では wasm32-wasi):

npm
yarn
pnpm
bun
deno
npm install @open-spaced-repetition/binding-wasm32-wasi

マルチスレッド版は非推奨です。今回のリリースでは引き続き利用できますが、次のリリースで削除する予定です。新しい WASI 連携には上記のシングルスレッドパッケージを使ってください。

import { computeParameters } from '@open-spaced-repetition/binding'

シングルスレッドの WASI を明示的に選ぶ場合は、@open-spaced-repetition/binding-wasm32-wasip1 から import してください。どちらの WASI パッケージも Node またはブラウザの Worker で実行できます。

COOP/COEP とスレッド

シングルスレッド版は Cross-Origin-Opener-Policy や Cross-Origin-Embedder-Policy ヘッダなしで動作します。マルチスレッド版では引き続き COOP と COEP ヘッダを設定し、ページを crossOriginIsolated にする必要があります。マルチスレッドは実行環境の機能を表すもので、学習が自動的にバックグラウンドで実行されることを意味しません。

computeParameters と evaluateWithTimeSeriesSplits は、どのビルドでも Promise を返します。ネイティブ binding はバックグラウンドタスクで実行します。WASI Preview 1 の両ターゲット(wasm32-wasip1 と wasm32-wasip1-threads)は呼び出し元のスレッドで同期的に計算し、その結果を Promise にラップします。ブラウザでは専用 Worker から呼び出してページの応答性を保ってください。Worker は進捗コールバックから postMessage でページに進捗を送信できます。

復習ログのパイプライン

訓練は数回の binding 呼び出しからなる短いパイプラインです。

  1. convertCsvToFsrsItems が復習ログ CSV を FSRSItem のリストに変換します。
  2. computeParameters がそのアイテムから重みを訓練し、重みの配列を返します。
  3. evaluateWithTimeSeriesSplits がパラメータによる保留復習の予測品質を測定します。

computeOptimalSteps を使えば、学習・再学習ステップの推奨も binding に依頼できます。各呼び出しの詳細は学習と評価、実際の訓練の実行はPlaygroundページのトレーナーを参照してください。