芝浦将棋Jr.の五十嵐先生と相談中で、ひょっとしたら論文ネタになるかもしれないので、ザクっと書いてみます。 まず、自己対戦の結果から強化学習（TDLeaf(λ)やPGLeaf）で学習する際に一番問題になるのは、序盤〜中盤の学習が上手く行かない事です。 これは…