VS ssp(5五将棋モード)
方策勾配法・全幅2手で約6万4千局自己対戦学習したパラメータです。
結果は150-0-67で勝率69.1%、95%信頼区間は62.5〜75.2。前回の結果とほぼ同じですね。
これで頭打ちかどうか気になるので、更に1万2千局学習させたバージョンで一晩やらせてみます。
方策勾配法・全幅2手で約6万4千局自己対戦学習したパラメータです。
結果は150-0-67で勝率69.1%、95%信頼区間は62.5〜75.2。前回の結果とほぼ同じですね。
これで頭打ちかどうか気になるので、更に1万2千局学習させたバージョンで一晩やらせてみます。