#ppo

• PPOの目的関数を直したら、探索付きの勝率が8ポイント落ちた
  2026-10-29#splendor#reinforcement-learning#ppo
• 探索を使わないPPO自己対局でモデル強化に成功した
  2026-10-29#splendor#reinforcement-learning#ppo