墨墨记忆算法

间隔重复记忆算法 (spaced repetition algorithm)，简称记忆算法，是一类基于多种认知科学原理的算法统称。墨墨背单词的 MM 系列算法、墨墨记忆卡的 MMX 系列算法以及墨墨开源的 FSRS 系列算法均属于记忆算法。

• MM 记忆算法更新日志
• 墨墨论文
• 记忆科普
• 经典文献
• 术语表

截至 2026 年，墨墨背单词平台累计用户记忆行为数据已突破 1900 亿条。软件依托自主研发的 MM 记忆算法，根据用户每次学习与复习的时间、记忆保留率等多维数据，实时评估单词记忆状态，并动态规划最优复习间隔 —— 对掌握牢固的单词适当延后复习，对易遗忘单词提前巩固，在确保记忆效果的前提下最大限度减少重复学习。

在学术研究领域，墨墨算法团队成果丰硕：

• 2022 年 2 月 9 日，开源当时全球最大规模的记忆行为数据集（哈佛大学 Dataverse 平台），含 2.2 亿条清洗后的实验数据，为间隔重复与记忆规律研究提供核心素材；其 V2 版本于2025 年 9 月 3 日发布。
• 2022 年 8 月 14 日，于 ACM SIGKDD（数据科学顶级会议）发表论文《A Stochastic Shortest Path Algorithm for Optimizing Spaced Repetition Scheduling》，系统阐述具备可解释性的 MM 记忆模型。
• 2023 年 3 月 6 日，于 IEEE TKDE（数据挖掘顶级期刊）发表论文《Optimizing Spaced Repetition Schedule by Capturing the Dynamics of Memory》，首次将记忆预测与复习计划优化深度融合，构建完整的间隔重复学习框架。