Uma rede neural genérica venceu o algoritmo especialista no maior benchmark de repetição espaçada já feito

O maior benchmark público de algoritmos de repetição espaçada colocou uma rede neural de propósito geral acima do FSRS, algoritmo desenhado por especialistas do domínio e usado hoje por milhões de estudantes no Anki. O RWKV venceu nas três métricas avaliadas, e por margem larga. O próprio autor do benchmark registra a coincidência com um argumento conhecido em aprendizado de máquina: um método genérico com muito dado e muito processamento tende a superar o método artesanal.

A base de avaliação é o anki-revlogs-10k, conjunto com cerca de 727 milhões de revisões de 10 mil usuários. Após filtros e exclusão de revisões no mesmo dia, o benchmark roda sobre 9.999 coleções e 349.923.850 revisões, todas as mesmas para todos os algoritmos.

Como a comparação é feita

Todo algoritmo de repetição espaçada precisa estimar a probabilidade de o usuário lembrar de um cartão em determinado momento. O benchmark mede três coisas distintas.

RMSE (bins) e log loss medem calibração, ou seja, o quanto a probabilidade prevista corresponde ao que de fato aconteceu. AUC mede discriminação, a capacidade de separar cartões lembrados de cartões esquecidos. Os rankings mudam conforme a métrica, o que já indica que não existe um número único capaz de resolver a comparação.

O RWKV lidera nas três. A diferença metodológica em relação aos demais é relevante: enquanto FSRS e concorrentes são otimizados para cada usuário individualmente, o RWKV é treinado em 5 mil usuários e avaliado em outros 5 mil, sem personalização.

Há uma variante, o RWKV-P, que prevê a probabilidade de recordação diretamente, sem passar por uma curva de esquecimento. Ela abre mão de uma curva suave e monotônica em troca de algo que o FSRS não faz: revisar a própria previsão conforme chega informação nova, mesmo sem reotimização dos parâmetros.

O FSRS chega ao fim da linha

O anúncio que acompanha os resultados fecha um ciclo de quatro anos. Os mantenedores declararam que o FSRS-7 é a versão final e que não há novas versões relevantes previstas.

A linha do tempo do algoritmo é curta. A v3 saiu em outubro de 2022, a v4 em julho de 2023, e a integração ao Anki ocorreu no começo de novembro de 2023. Vieram depois a 4.5, a 5 e a 6, esta última com dois parâmetros a mais e ponderação por recência, que dá mais peso às revisões recentes durante a otimização.

Os números que circulam não sobrevivem à checagem

Três afirmações se repetem em praticamente todo conteúdo publicado sobre o assunto, e nenhuma se sustenta como está.

A primeira é que o FSRS erra 4% contra 14% do SM-2. O autor do benchmark pede explicitamente que os valores absolutos não sejam usados dessa forma, porque dependem do método de binning, da ponderação das médias e do filtro de outliers. O que ele considera comparável é o ranking, não a magnitude. O número defensável é outro: o FSRS-6 com ponderação por recência tem superioridade de 99,6% sobre o SM-2 do Anki, ou seja, apresenta log loss menor em 99,6% das coleções.

A segunda é que a comparação com o SM-2 é limpa. Não é. O SM-2 nunca foi projetado para prever probabilidade, e só aparece no benchmark porque os pesquisadores acoplaram a ele um conversor de intervalo em probabilidade. A documentação afirma sem rodeios que não existe comparação entre FSRS e SM-2 totalmente justa e sem ressalvas.

A terceira é que o FSRS virou o agendador padrão do Anki na versão 23.10. O manual oficial descreve o recurso como uma opção que precisa ser ativada na seção FSRS das opções de baralho, e o acionamento é global, não por preset. Na versão 25.06 o botão "Evaluate" foi removido e substituído por uma verificação de saúde dos parâmetros.

Por que isso importa para quem gera flashcards com IA

O gargalo da produção de cartões deixou de existir. Modelos de linguagem leem uma nota e devolvem cartões formatados em poucos segundos, seja por API, seja por modelo local.

Isso desloca o problema. Com custo de criação próximo de zero, o volume de cartões cresce sem controle, e o que passa a determinar a viabilidade da rotina de estudo é a qualidade do agendamento. Uma diferença de 20% na carga diária de revisões, sobre um baralho de milhares de cartões, é a diferença entre um sistema sustentável e um backlog impagável.

Vale registrar que a cifra de 20% a 30% menos revisões, amplamente repetida, não aparece no benchmark. Ela circula em material de divulgação e em relatos de usuários, sem metodologia publicada.

O que ainda não se sabe

Não há indicação de que o RWKV será incorporado ao Anki. Vencer um benchmark offline é diferente de rodar em produção, com otimização por usuário, sincronização entre dispositivos e custo computacional em máquina comum.

Os algoritmos proprietários mais recentes do SuperMemo não podem ser avaliados, porque o código não é público. Qualquer afirmação sobre quem é o melhor algoritmo de repetição espaçada exclui essa família por impossibilidade técnica, não por resultado.

E há um dado que os defensores de qualquer dos lados costumam omitir: as pontuações de AUC de todos os algoritmos testados são modestas. Prever o esquecimento humano continua sendo um problema mal resolvido.