もちろん非探索ベースの学習手法（次手からいきなり最適政策の獲得に動くような）の時間効率と、探索ベースの学習手法（探索を挟んで問題を簡単にした上で学習にかける（またはDPに持ち込む））との時間効率の違いまで同一視するつもりはなくて、速くなった…

3日間フルタイムで取り組んでようやく読み終えたorz語るべきことはあまり多くない希ｶﾞｽ、、 RootStrapやTD-Leafより対戦者の強さに鈍感であるとする根拠が不明確 これについては後で書く Figure 2のグラフの続きを見せて欲しい TreeStrapがレーティングが頭…