私の実装だと、主に学習速度の面で問題があるので、とりあえずお蔵入り。 んで、PGLeaf（方策勾配法＋αβ探索）を実装し直す事に。 前の実装は、拡張に拡張を重ねて見通しが悪くなってたんで、思い切って書き直します。 今日中にはリバーシで動作確認する所ま…