わからん

評価関数の持ち駒の処理でおかしな部分は一つ修正したものの、それが根本的な原因とは思えないです。

強化学習エージェントの方は処理がごちゃごちゃしているので、読むだけでも苦労しています。

もう、いっその事エージェントを一から実装し直すか…って、それはいくらなんでも無駄ですね。仮にそれで上手く行ったとしても、悪い原因が不明のままだとダメですし。