探索安定性の研究brief · 15

KataGoのvisitsを数千増やせば答えは本当に信頼できるか

プロ500局面、二つの強model、八つの盤面対称性では、探索増加は中央値の揺れを通常減らす一方、先に分裂を露出することがあります。座標、価値、教材labelの安定は別問題です。

1. visitsは探索budgetであり信頼度ではない

   visitsは木探索の配分数で、第一候補が収束したとは教えません。局面の複雑さ、候補価値margin、thread scheduling、network priorで同じbudgetの意味が変わります。512 visitsを一律の信頼率へ翻訳できず、訪問数そのものもconfidence intervalではありません。

2. 128から512 visitsでも4分の1は第一候補が変わる

   固定プロ500局面でb11 Transformerの128/512 visits第一候補一致は74.8%でした。根の目差変化中央値は0.131目ですが90 percentileは0.600目に達します。典型局面は穏やかでもtailは教学文を覆せます。中央値だけの報告は最も危険なlabelを隠します。

3. 別の強modelも候補順位を変える

   100局面のcross-teacher標本ではb11と別のb10 Transformerが同じ512 visitsで第一候補78.0%一致でした。一致しても真理の証明ではありませんが、不一致はarchitecture、training、search相互作用への依存を示します。大損失・低人間確率の劇的例ほど先に照合すべきです。

4. 回転と反転は一方向で隠れた誤差を出す

   異常を多く含む10局面をD4の八対称へ変換し、結果を元座標へ戻しました。512 visitsで八方向完全一致は60%、2,048 visitsで80%です。八変換は独立標本ではなく同局面の反復測定で、学習された近似不変性が唯一labelを支えられるかを調べます。

5. 探索を増やすと収束前に分裂が見えることがある

   羽根直樹の監査局面は512 visitsで八方向すべてB17でした。2,048では四回転がB17、四反転がB7に分かれ、8,192で初めて八方向B7へ収束しました。深い探索は元答えを単調に強化せず、浅い全会一致が偶然だったと示してから新しい安定候補を見つける場合があります。

6. 座標が安定しても価値は不安定なことがある

   budgetと方向をまたいで同じ座標でも、根目差rangeが1目を超える局面があります。教学では「どこ」が安定しても「どれだけ」が安定するとは限らず、後者が「明らか」「必須」という語を使えるか決めます。bestMove一つでなく候補集合、第一座標、価値range、主変化を保存します。

7. 停止規則は固定数でなく結果の重さに合わせる

   通常検討は候補集合、座標、目差が安定すれば止められます。重点training、公開批評、歴史解釈に使うlabelはbudgetを上げmodel・対称監査を加えます。深くしても分裂するなら不確実性を表示するか撤回します。算力は全着均等でなく教学行動を変える境界局面に使うべきです。