Model Memori SRS Berbasis Konten

SRS tradisional hanya mengandalkan riwayat ulasan terpisah tanpa memahami makna konten kartu.

Model memori konten-aware memanfaatkan konten tekstual dan riwayat ulasan kartu terkait untuk memprediksi retrievability.

KARL mengimplementasikan content-aware scheduling dengan embedding BERT untuk menemukan kartu semantik serupa.

Eksperimen pada data Rember menunjukkan FSRS yang ditingkatkan dengan informasi note-level memberikan kinerja lebih baik.

Pendekatan ini membuka peluang UX baru seperti markdown-based cards tanpa ID dan review dinamis berbasis ide.

Tantangan utama adalah kurangnya dataset publik dengan konten kartu dan riwayat ulasan untuk melatih model memori berbayar konten.