手摸切对于online training的影响

[adsf0427]

在discussion 21中有提到对手摸切的讨论，我这里想提到的是手摸切对于模型的online training是否会有负面影响。

假设

如果模型在online阶段的对手都是基于mortal的模型，可能会学习到一些错误的先验（i.e. 对手手切不会是空切，手切之后牌型一定发生变化）。

实验

在mortal.rs中，以一定的概率可以手切：

           0..=36 => {
                ensure!(
                    cans.can_discard,
                    "failed discard check: {}",
                    state.brief_info()
                );

                let pai = must_tile!(action);
                let tsumogiri = state.last_self_tsumo().is_some_and(|t| t == pai)
                    && (!pai.is_aka() && state.tehai()[pai.as_usize()] > 1)
                    .then(|| rand::thread_rng().gen_bool(1.0 - self.tedashi_prob))
                    .unwrap_or(true);
                Event::Dahai {
                    actor,
                    pai,
                    tsumogiri,
                }
            }

让模型进行自战，model(p)表示模型以p的概率在能够摸切，手切的时候选择手切
这里使用的模型A是经过一段时间的offline与online训练，具有一定强度的模型

结果:

challenger	champion	1st	2nd	3rd	4th	total	rate				avg rank	avg pt
modelA	modelA(0.5)	107447	107026	107820	107707	430000	24.99%	24.89%	25.07%	25.05%	2.5018	-0.1257

我也不知道这个结果是否显著，不过我觉得加入随机手摸切对模型的训练应该会有好处