「設計上の問題点」ですが、「TD誤差 = 目標値 - ボーナス付加後の評価値」としていたのが悪いんじゃないかというのが私の予想です。 ボーナスは学習が進むにつれて小さくなっていくので、学習時点でのボーナスをあてにしてパラメータを調整していると、後々…

対局数は減少する（＝遅くなってる） 成駒の価値もある程度は変化するが、まだ生駒より低い 歩の価値が異様に高い（金銀と同じ位。出現頻度が高いから？） っつー感じです。 ある程度良い感触はあるものの、これで実用に耐えるかというとまだ厳しい感じ。 動…