AMAS 自适应算法

Adaptive Mastery Acquisition System 是系统的核心学习引擎。

工作流程

┌─────────────┐
│  用户作答    │
└──────┬──────┘
       ▼
┌──────────────┐     ┌────────────────┐
│  ELO 评分    │────▶│  记忆模型更新   │
│  (难度匹配)  │     │  (遗忘概率预测) │
└──────┬───────┘     └───────┬────────┘
       ▼                     ▼
┌──────────────────────────────────┐
│        智能选词决策引擎           │
│  综合：遗忘概率 × 难度匹配 ×     │
│        学习阶段 × 疲劳状态       │
└──────────────┬───────────────────┘
               ▼
┌──────────────────────┐
│  下一批学习词汇       │
│  (动态调整批量大小)   │
└──────────────────────┘

核心组件

• ELO 系统：借鉴国际象棋评分，为用户和单词分别维护评分，实现精准难度匹配
• 多模型记忆曲线：支持多种遗忘模型的集成预测
• 实时策略调整：根据用户疲劳度和近期表现，动态调节新词比例、难度区间和每批词量

冷启动阶段

AMAS 引擎包含三个冷启动阶段：

阶段	说明
Classify	初始分类，快速评估用户水平
Explore	探索阶段，测试不同难度范围
Normal	常规阶段，稳定的个性化推荐

算法决策结果

每次答题后，AMAS 返回包含以下信息的决策结果：

• 策略参数：难度范围、批量大小、新词比例、复习模式
• 决策解释：主要原因及影响因子
• 用户状态：注意力、疲劳度、动机、信心
• 单词掌握度：记忆强度、回忆概率、下次复习间隔、掌握等级

代码结构

src/amas/
├── engine.rs         # 引擎核心
├── elo.rs            # ELO 评分系统
├── memory/           # 记忆模型（遗忘曲线）
├── decision/         # 决策层
├── word_selector.rs  # 智能选词
├── config.rs         # 算法参数配置
├── metrics.rs        # 性能指标
└── monitoring.rs     # 引擎监控