Analysis of AlphaZero training data [D]

En 3 lignesAnalyse d'un entraînement AlphaZero sur Othello 6x6. L'auteur rapporte une amélioration intra-génération mais stagnation contre les benchmarks (taux de victoire <10% vs agent glouton). La perte de valeur ne décroît pas, tandis que l'entropie normalisée des cibles de prédiction s'effondre précocement, suggérant un surapprentissage ou un problème d'exploration.

Résumé généré par Claude — vérifié par l'humain