メタ強化学習が上手くいかない・・・

　昨日の夜からメタ強化学習をやってるんですが、上手くいかないです。

　とりあえず、メタパラメータ*1手打ちよりちょっと劣るかな、という位には学習してくれるのですが、そこから学習が進みません。

　なんか、根本的に勘違いしているか実装をミスってるか、そういう感じなのでもう一度ソースを全部見直してみます。

*1:学習率みたいな、学習器の動作を決めるパラメータ