方策オフモードのバグ取り

　バグ取りというか何と言うか…

　評価関数の値が変な値に更新されている所を、順番に過去にさかのぼってどんどん見ていって、結局バグじゃなくって正常な動作（学習不足でたまたま変な値になっていたらしい）だと結論付けました。

　…でも、なんかバグの可能性も捨てきれないので、気持ち悪いですね。