先日の日記で、学習中にも自己対局を行うようにしたことを書いたが、現在dlshogiでは自己対局で生成した局面は過去10サイクル分をすべて学習に使うようにしている。 （AlphaZeroのようにサンプリングしないですべての局面を使うのは、Actor-Criticで敗着とな…