AlphaZero系の将棋ソフトは、評価関数の表現力が極めて高いので、序盤周辺の局面を学習する力が従来の将棋ソフトとは桁違いです。

平手の初期局面から勝ちやすい指し手を覚えてしまっていると言っても過言ではないです。定跡なしで戦わせると特にその傾向が顕著です。

たぬきさん(@nodchip)から、もう少し長い時間で、mブランチの最新版(2020年10月4日版)とやねうら王V5.31を対局させたデータをいただきましたので、貼り付けておく次第です。

先日リリースしたやねうら王V5.10と今年の5月時点のmブランチがだいたい同じぐらいの強さのようです。

そして、いま新たにやねうら王V5.20リリースしました。やねうら王V5.10よりR40ぐらい強くなっています。

やねうら王V5.00を公開したばかりですけど、V5.10を公開しました。

やねうら王、ハッシュ用のメモリ(USI_Hashで指定する)が、128GBまでしか対応してなかったのですが、近年AWSなどでそれ以上のメモリを搭載したPCに触れる機会も増えて参りました。

やねうら王V5.00公開しました。WCSC29相当のやねうら王です。
V4.xx系からはR100以上強くなってるはずです。

将棋AIの強化学習では自己対局を用いるが、その時に同一の棋譜ができてしまわないように何らかの工夫が必要である。

AbemaTVの放送で、AIの出力する候補手1と2の読み筋が途中で合流して同じ局面になるはずなのに評価値が1と2で異なるという状況があったらしく、それを解説していたプロの先生が「これはおかしいですね」とか何とかおっしゃっていたそうなのですが、これについて解説します。