自前学習の状況

なんとなく、自前学習が収束してきたので「ラクラク次の一手2」の216問を解かせてみました。
比較対象は激指とGPS(GPS20はCSA Vol.22の「第20回世界コンピュータ将棋選手権3位入賞記」の「216問中196問を正解した」から)。
※激指とGPS20はグラフの思考時間と関係なく固定値です。

で、見た感じ・・・駒割と fv.bin の間くらい・・・。
WCSC22の探索に Bonanza6.0 の fv.bin を使ったときは4秒の思考時間で激指10三段に近い正解数になりましたが、自前学習だと16秒の思考時間でほぼ同等の正解数。評価関数と探索の両方を強化しないと・・・。



ちなみに、今の評価ベクトルは2MB強とかなり簡略化しているので、精度が落ちていて当たり前ではあるんですが…。