もう一晩かけてやり直しですかorz それから、旧バージョンで方策オフモード・目標探査率高めにするとどういう風に学習するか気になったのでテスト中。目標探査率は、思い切って0.01→0.1に一桁上げました。 方策オフなんでランダム行動によるリスクは考えずに…