現在は割引率が1.0固定なんですが、これを調整してみようかと検討中。 例えば0.99に設定すると、1手指すごとに報酬が1％減少するんで「勝つ時は短手数で勝つのが良い」「負ける時は粘って手数を伸ばすのが良い」と学習してくれるはずです。 floodgateの対局…