「初手の学習が上手く行かない」。これにつきます。
対称形を考慮すると初手は三通りあるんですが、学習を進めていくとこの内どれか一手しかほとんど指さなくなります。
で、これがどう困るかと言うと、先手に関しては対完全読みプレイヤーの引き分け率が1になるんですが、後手はなりません。先手が特定の手だけ指すので、それ以外の手の場合の展開を学習する機会がほとんど無いので。
三目並べモードでこの状況ですから、例えば将棋モードでも「先手は居飛車しか指さない」ってなると、後手は「対居飛車の戦法しか知らない」って状況になりそうなんで、ちと困ります。
今はエントロピー正則化を色々いじって試している所ですが、これで何とかなれば良いんですがねぇ…
