結局、90-0-152で勝率37.2％、95％信頼区間は31.1〜43.6になりました。意外というかやっぱりというか、対局数増やすとやや勝率落ちましたね。 んで、今度は全幅深さを1にしたものが対局数10万を超えたんで、こっちで連続対戦させてみます。

TDLeaf(λ)＋ソフトマックス方策で、一部の手で勝ちを読み切った時にそれ以降の手の評価値が変になるというバグを発見。 で、早速潰して全幅探索深さ0で5五将棋をサクッと10万局程対局・学習させて、現在sspと連続対戦中。 GA将!!!!!!側から見て32-0-45で勝率…