底层算法揭秘

Standard Prep 的核心竞争力在于将教育心理学、测量学中已被验证的严谨算法与大语言模型（GenAI）完美结合。以下是驱动您学习引擎的几大核心算法。

1. 题目反应理论 (IRT)

不同于传统的“按对错题数算分”，我们采用 IRT 来动态评估您的潜在能力值（即 $\theta$ 值）。

• 当您做对了一道难题时，能力值的提升远大于做对一道简单题。
• 该机制不仅用于精确测算您的全球排位（Percentile），更用于解决冷启动问题，为“自适应推题”提供数据支撑。

2. 认知诊断模型 (CDM) 与 BKT

Standard Prep 为每个考试构建了一套严密的有向无环图 (DAG) 技能树（如：基础词汇 $\rightarrow$ 长难句解析 $\rightarrow$ 逻辑推断）。 结合贝叶斯知识追踪 (BKT)，我们可以实现多知识点的联合概率归因：

1. 您在模考中做错了一道包含复杂长难句的“推断题”。
2. 引擎会检查您的历史画像。如果您的“基础词汇”掌握度极高（90%），但“长难句”历史表现不佳（30%），引擎会判定这次做错主要归咎于“长难句”。
3. 算法随后在 DAG 图谱中执行拓扑传播，动态下调相关节点的掌握概率，并据此生成您的诊断报告。

3. 科学记忆法 (FSRS)

传统的间隔重复算法（如早期 Anki 使用的 SM-2）存在局限。我们内置了最新的开源算法 FSRS。 不管是您在阅读中遇到的生词、听力中没听懂的错题，还是写作中需要优化的低分句型，系统都会自动将其封装为原子化的 Flashcard，并在您遗忘临界点时精准推送复习。