正確に書くと、メタ強化学習エージェントがアクセスする環境の方で、状態の表現方法を修正しました。 今までは対局して得た報酬の加重平均*1を複数使って状態を表現していたのですが、加重平均1個＋探査率（非グリーディーな*2行動を選択した確率）の加重平…

予想通り失敗。さて、サクサク修正しますか。

PC Watchレビュー http://pc.watch.impress.co.jp/docs/2008/1103/tawada155.htm 4Gamer.netレビュー http://www.4gamer.net/games/043/G004345/20081102003/ 4Gamer.netねちねち検証 http://www.4gamer.net/games/043/G004345/20081102002/ 4Gamer.net解説 …