间隔重复算法都在回答同一个实际问题：学习者什么时候应该再看到每张卡片？Leitner 使用固定盒子，SM-2 更新易度因子和间隔，Anki 的旧调度器扩展了 SM-2，FSRS 则根据目标保留率建模难度、稳定性和可提取性。
这篇是宽口径的算法地图。如果你专门在选 FSRS 还是 SM-2，请直接阅读 FSRS vs SM-2 对比，那篇聚焦当前 Anki 设置、优化与迁移。
先说一句"间隔重复"在解什么问题
直接进算法之前，一段提醒。半个互联网关于 FSRS-vs-SM-2 的讨论里，发言的人其实不太分得清两者各自在解什么。
Cepeda 等 (2008) 测试了不同保留周期下的复习间隔，发现合适的学习间隔取决于学习者需要保留材料多久。每个间隔重复算法都在继续回答：**给定一张看过的卡，下一次复习应该在什么时候？**太早可能浪费精力，太晚则会提高回忆失败的可能性。
下面四个算法，本质上是对这个问题的四种押注。
Leitner (1972) — 纸盒算法
Sebastian Leitner 在 So lernt man lernen (1972) 里提出来的。是你德国表哥 1985 年用鞋盒在跑的那个东西。
机制：5 个实体盒子。新卡放 Box 1。答对升一格，答错回 Box 1。Box 1 每天复习，Box 2 每两天，Box 3 每四天，往后大致按 2 倍递增。每张卡除了"在哪个盒子里"之外没有别的状态。
它做对的：这是在成功回忆后扩展复习间隔的简单、可视化方式。学习者只用纸质卡片和盒子就能执行，不需要软件或逐卡计算。
它做错的：同一个盒子里的卡被一视同仁。差点忘的卡和立即想起的卡升格幅度一样。它不显式估计卡片难度或当前回忆概率，节奏也是固定的，而不是根据复习历史拟合。
200 张以下的卡组，Leitner 真的够用。再往上，"没有按卡定时"这件事就开始让你做不必要的复习。
SM-2 (Wozniak, 1987) — 别人都在抄的那个
Piotr Wozniak 的 SM-2——他硕士论文的一部分，1987 年随 SuperMemo 1.0 for DOS 上线——是过去近 40 年里默默支撑半个间隔重复世界的那个算法。
机制，用人话讲：
- 每张卡有一个易度因子 (EF)，默认 2.5。
- 每张卡有一个间隔——离下一次复习还有几天。
- 每次复习后你给自己回忆质量打分，0-5 分（0 = 完全忘了，5 = 即刻完美回忆）。
- 评分 ≥ 3：下一个间隔 = 上一个间隔 × 当前 EF。EF 根据具体分数微调上下。
- 评分 < 3：卡片重置——间隔回到 1 天，EF 被惩罚。
就这些。SM-2 原始描述 比这一节还短。
它做对的：易度因子是按卡走的。你觉得简单的卡 EF 涨得快，间隔迅速拉长；你觉得难的卡 EF 跌向 1.3 的下限，复习更频繁。它把"不是所有卡都一样"这件显而易见的事编码成一个你能直接推理的数字。整个算法核心逻辑大概五行代码。我手写实现过几次，闭眼能写。
它做错的：公式是手工调出来的。Wozniak 1987 年根据自己的复习记录加几百个朋友的数据挑了那些常数。现代数据显示曲线不太对——SM-2 倾向于过度复习已经很熟的卡（成熟卡的间隔涨得太慢），而且对"勉强答对"和"秒答"之间的区别反应不足。它也根本没有"遗忘"本身的模型，就是闷头乘 EF。
0-5 评分在实操里也是个 UX 问题。大多数人没法可靠区分 2 分和 3 分——而这恰好是卡片要么继续展开、要么直接重置的悬崖。Anki 注意到了。
Anki 的旧 SM-2 调度器
Damien Elmes 创建 Anki 时从 SM-2 起步，加入了几处务实改动。在 Anki 23.10 集成 FSRS 之前，这是 Anki 的主要调度器。当前 Anki 文档将 FSRS 作为现代调度器，同时保留基于 SM-2 的旧选项。
重要的几处改动：
- 四个按钮取代六个分。 Anki 把 Wozniak 的 0-5 折成 "Again / Hard / Good / Easy"。Again 是失败（间隔重置，EF 惩罚）。Hard / Good / Easy 大致对应 SM-2 的 3、4、5。这是 UX 上的胜利——大多数人无法老实在 6 档里给自己评分，但能在 4 个按钮里挑一个"感觉对的"。
- 失败处理可调。 SM-2 是二元的：失败或不失败。Anki 让你配置失败如何惩罚 EF（默认 −0.20）、失败的卡要爬几个"再学习"步骤（默认 10 分钟然后重新毕业）、以及"困难卡"阈值（默认连续失败 8 次）。
- 新卡毕业前的学习步骤。 新卡按 1m / 10m / 1d 三步走完才进入 SM-2 正式调度。SuperMemo 没有这个，是 Anki 发明的，也基本上被证明是对的。
- EF 下限和"易度地狱"。 Anki 把 EF 卡在 1.3 以上，意味着你一直答错的卡最终会停在一个固定的、令人发指的高频复习节奏，而不是一路衰减成天天见。这同时是经典抱怨 "leeches in ease hell" 的来源——长期卡组里堆着一批 EF 卡在 1.3 附近、你其实永远学不会的卡。
它做对的：四个熟悉的回答按钮、学习步骤、可配置的失败处理，以及多年的兼容性工作。
它做错的：跟 SM-2 错的一样。1987 年手调的常数、没有真正的遗忘模型、过度复习成熟卡。当你跑了 18 个月、卡组到 3 万张的时候，你能感觉到那个拖累。
FSRS (Open Spaced Repetition, 2022→) — 真的有遗忘模型那个
FSRS——Free Spaced Repetition Scheduler，最早作者是叶峻峣（Jarrett Ye）——是第一个被广泛部署、建立在显式遗忘模型而不是手调倍数上的间隔重复算法。Anki 23.10（2023 年 10 月）开始作为可选项上线，到 25.x 已经是新用户的默认。源码和论文在 github.com/open-spaced-repetition/fsrs4anki。
核心模型叫 DSR——Difficulty / Stability / Retrievability，如果你想对 FSRS 有立场，值得理解这三个量：
- 稳定性 S — 你这张卡的可提取概率衰减到 90% 还需要多少天。S = 30 意思是：30 天后你有 90% 概率仍然记得。
- 可提取性 R — 此刻你能回忆起这张卡的概率，建模为
R = exp(-t/S)，t是距离上次复习的天数。这是一条真实的指数遗忘曲线，不是凭空设定。 - 难度 D — 每张卡一个常数（0-10），调节稳定性在每次复习后的增长速度。
每次复习后，FSRS 用 17-21 个训练得到的权重（FSRS-4.5、FSRS-5、FSRS-6 自 2023 年起都先后上线）更新 S 和 D。权重是用你自己的复习日志做梯度下降拟合出来的。这是关键的部分：FSRS 是针对你个人遗忘曲线做了个性化，不是 Wozniak 的曲线。
FSRS 可以立即使用默认参数，也可以稍后根据复习历史优化参数。公开的 SRS Benchmark 使用大型 Anki 复习数据集，按预测指标评估 FSRS 各版本、SM-2 和其他模型。它支持模型对比，但不支持对所有学习者承诺一个通用的“省多少次复习”或“省多少时间”。
FSRS 的优势是显式的目标保留率控制，以及使用复习历史拟合模型的能力。它的部署代价是更多状态、会演进的公式、优化器工作流，以及与修改调度的插件发生冲突的可能性。
横向表格
| 算法 | 年份 | 每张卡的状态 | 调度输入 | 留存目标 | 主要弱点 |
|---|---|---|---|---|---|
| Leitner | 1972 | 盒子编号 (1-5) | 对 / 错 | 隐式（~85%） | 没有按卡定时；同盒所有卡一视同仁 |
| SM-2 | 1987 | EF + 间隔 | 0-5 评分 | 隐式（~90%） | 手调常数；过度复习成熟卡 |
| Anki SM-2 | 2006-2023 | EF + 间隔 + 失败次数 | Again/Hard/Good/Easy | 隐式（~90%） | 继承 SM-2 缺陷；长期卡组的"易度地狱" |
| FSRS | 2022 → 持续迭代 | Difficulty + Stability + Retrievability | Again/Hard/Good/Easy | 显式且可配置 | 实现和运行更复杂 |
| SuperMemo 18+ | 2019 → | 完整 DSR + 工作量模型 | 0-5 评分 | 可配置 | 闭源；无法迁移到其他工具 |
应该选哪种间隔重复算法？
- 选 Leitner：用于纸质闪卡或教室活动，可视的五个盒子就是功能本身。
- 选 FSRS：你在使用当前版本的 Anki，并希望控制目标保留率、优化记忆模型。
- 选 SM-2：你的应用已可靠实现它，或者你更重视兼容性、简洁和可审计性。
- 只在需要时选 Anki 旧调度器：例如现有卡组、插件或工作流依赖它。
调度器只是系统的一部分。卡片质量、如实评分和持续复习，仍然决定了算法能否获得有用的反馈。
SmartRecall 为什么使用 SM-2
SmartRecall 目前使用 SM-2，不提供 FSRS 调度或 FSRS 参数优化。它经过验证的产品重点是制卡工作流：将支持的 PDF 或粘贴的学习材料转换为可编辑闪卡，由用户检查和编辑后，再用 SM-2 安排复习。
边界很明确：如果 FSRS 是必需功能，选 Anki；如果减少手工制卡更重要，可以考虑 SmartRecall，但在学习前必须检查 AI 生成的卡片。
今天该做什么
如果你使用当前版本的 Anki，请按官方 FSRS 工作流开始，并有意识地设置目标保留率。如果你使用其他应用，请先确认它真正实现的调度器，不要把所有四按钮界面都当成 Anki 或 FSRS。
如果你正在专门比较 FSRS 与 SM-2，继续阅读专题对比。如果制卡才是限制，可以查看 SmartRecall 的 PDF 转闪卡工作流，并在加入学习计划前检查生成结果。
常见问题
哪种间隔重复算法最好？
没有适合所有工作流的唯一胜者。FSRS 适合需要显式保留率目标和可选模型优化的当前 Anki 用户；SM-2 更容易实现和审计；Leitner 适合纸质卡片和课堂。最佳选择是你的工具正确实现、且符合你控制需求的算法。
间隔重复算法有什么不同？
它们在保存的状态和选择下一个间隔的方式上不同。Leitner 让卡片在固定盒子中移动；SM-2 更新易度因子和间隔；Anki 旧调度器在 SM-2 风格的基础上加入学习与失败处理；FSRS 围绕目标保留率建模难度、稳定性和可提取性。
Anki 使用 FSRS 吗？
是。Anki 在 23.10 版中集成了 FSRS，当前文档将其作为现代调度器，同时保留基于 SM-2 的旧选项。现有卡组可能保留旧设置，因此应检查卡组所用的预设。
Leitner 系统放在哪个位置?
Leitner 是盒子法——卡片在五个实体盒子之间按固定节奏移动复习。它不像 SM-2 或 FSRS 那样做逐卡优化,但简单就是它的卖点:特别适合纸质卡片和课堂场景,"答对往上挪、答错往下挪"就是全部教学逻辑。软件卡组上,SM-2 或 FSRS 都胜过它。
SmartRecall 用的是 SM-2 还是 FSRS?
SmartRecall 使用 SM-2，目前不提供 FSRS 调度或参数优化。它的独特工作流是从支持的源材料生成可编辑闪卡，用户检查卡片后再用 SM-2 安排复习。
