生成物一覧

更新日: 2026-07-24

生成物の保存場所、作成処理、利用する処理、主なフィールドをまとめる。

概要

生成物	主な保存先	作成処理	利用する処理	補足
自己対戦JSONL	data/selfplay/*.jsonl	pca.training.selfplay	training.train、belief_train、分析ツール	1行が1つの意思決定を表す。
エージェント集計CSV	*.agent-summary.csv	自己対戦CLI	表計算ソフト、分析ツール	ルールエージェント別の対戦結果。
エージェント組み合わせCSV	*.agent-matchup.csv	自己対戦CLI	表計算ソフト、分析ツール	エージェントの組み合わせ別集計。
デッキ集計CSV	*.deck-summary.csv	自己対戦・評価CLI	表計算ソフト、分析ツール	デッキ別の勝敗、サイド取得数、攻撃回数。
評価結果JSON	data/eval/*.json	pca.evaluation.tournament	分析、レポート作成	対戦結果の詳細。
評価結果CSV	data/eval/*.csv	pca.evaluation.tournament	表計算ソフト、分析ツール	評価結果の集計。
戦術プローブJSONL	data/eval/tactical-probe/*.jsonl	pca.evaluation.tactical_probe	チェックポイントの比較	固定局面、非公開状態、4方式の探索結果。
戦術プローブ集計JSON	data/eval/tactical-probe/*.json	pca.evaluation.tactical_probe	人による確認、自動集計	一致率、Q値の後悔量、KL、速度、深度。
探索方式のA/Bテスト結果	data/eval/search-ab/<run>/*	pca.evaluation.search_ab	人による確認、自動集計	GumbelとVisitの両方向評価と正規化した集計。
Policy・Valueチェックポイント	checkpoints/policy_value*.pt	pca.training.train	自己対戦、評価、提出、推論サーバー	モデルの重み、モデル設定、メタデータ。
学習再開用の状態	checkpoints/*.train-state.pt	pca.training.train	中断した学習の再開	モデル、オプティマイザー、乱数状態、エポック、バッチ位置。
自己対戦・学習の実行記録	logs/selfplay-train/*.manifest.yaml	scripts/run_selfplay_train.sh	人による確認、自動集計	実行設定、入力、出力、再開状況、最新モデルの状態。
自己対戦・学習のサイクル台帳	logs/selfplay-train/*.ledger.yaml	pca.training.run_ledger	人による確認、自動集計	サイクルごとの評価と現在のChampion。
逐次記録する指標のJSONL	logs/selfplay-train/*.metrics.jsonl	pca.training.telemetry	MLflow、復旧、分析	処理段階、ステップ、時刻、指標を追記形式で保存する。
試合ごとの指標JSONL	data/selfplay/*.game-metrics.jsonl	selfplay.game_metrics	MLflow、復旧、試合分析	試合ID、分類、指標、診断用の生データ。
MLflow実行ID	logs/selfplay-train/*.mlflow-run-id	pca.tools.mlflow_tracking	再開、終了処理	パイプライン全体と各サイクルの実行を対応付ける。
MLflow指標リファレンス	Artifacts/metadata/metrics-reference.*	pca.tools.mlflow_tracking	人による確認、分析ツール	全指標の名前、意味、単位、増減の見方、注意点。
MLflow指標カタログ	Artifacts/metadata/metrics-catalog.*	pca.tools.mlflow_tracking	人による確認、分析ツール	実際に記録された指標だけを列挙する。
MLflowシステム指標	system/*	pca.tools.telemetry_runner	性能と処理能力の分析	各処理段階のCPU、メモリ、ディスク、ネットワーク、NVIDIA GPU。
MLflowトレース	MLflowのトレース用テーブル	pca.training.tracing	失敗、待ち時間、試合内容の分析	処理段階、検証、抽出した試合、異常のある試合。
最新Policy・Valueの別名	checkpoints/policy_value_latest*.pt	scripts/run_selfplay_train.sh	次の自己対戦、学習、評価	最新の実行で作成したチェックポイントへのシンボリックリンク。
学習系列の最新モデルの別名	checkpoints/policy_value_training_latest*.pt	scripts/run_selfplay_train.sh	反復する自己対戦と学習	勝率50%の基準を通過した学習系列。正式な最新モデルとは分離する。
最新モデルの対応表	checkpoints/policy_value_latest.yaml	scripts/run_selfplay_train.sh	人による確認、自動集計	別名が指す実行、設定、実体のパス。
昇格済みリプレイの登録簿	data/replay/*/promoted.yaml	pca.training.replay_buffer	次の自己対戦・学習サイクル	昇格済みの直近学習JSONLを列挙する。
過去リプレイの抽出データ	data/replay/*/*-history.jsonl	pca.training.replay_buffer	pca.training.train	過去の試合だけを含む、サイクル別の追加入力。
Beliefチェックポイント	checkpoints/belief*.pt	pca.training.belief_train	ISMCTSのBelief事前分布	BeliefNetの重み、語彙、設定。
メタデータキャッシュ	*.unified-metadata-cache.json	policy_value.metadata	学習の再実行	JSONLの走査を省略して読み込みを高速化する。
提出用バンドル	submission*.tar.gzまたはバンドル用ディレクトリ	pca.submission.build_bundle	Kaggleの実行環境	src/pca、チェックポイント、設定、デッキ。
リプレイHTML	data/replays/*.html	スクリプト、CABTの補助ツール	目視確認	対戦中の行動を調査する。

自己対戦JSONL

作成するモジュール:

• src/pca/training/selfplay/battle.py
• records.py
• record_targets.py
• record_metadata.py
• record_io.py

読み込むモジュール:

• src/pca/training/data/records.py
• src/pca/training/policy_value/data.py
• src/pca/training/belief/data.py

最上位のデータ構造:

フィールド	説明
search	SearchTrainingTarget。Policy・Value学習の中心となるデータ。
belief	任意のBeliefTrainingTarget。完全観測から正解データを作れる場合だけ使用する。
aux	任意のAuxPrizeTrainingTarget。サイド取得を学習するための補助データ。
meta	試合ID、ステップ番号、結果、デッキ／エージェント情報、教師データの重み。

互換性:

• 古いJSONLではbelief、aux、メタデータの一部が欠けることがある。
• dataclassにフィールドを追加する場合は既定値を付ける。
• 読み込み側は欠けているフィールドを補完する。

集計CSV

作成するモジュール:

• training/selfplay/summary_csv.py
• evaluation/tournament/summaries.py

共通の列:

列の種類	意味
試合数	試合数、勝ち、負け、未完了。
終了理由	ポケモン切れ、山札切れ、その他。
サイド情報	取得したサイド数、終了時の残りサイド数。
行動情報	攻撃回数、攻撃可能だった回数。
対戦情報	デッキ名、エージェントID、対戦の組み合わせ。

注意点:

• CSVは分析用であり、学習の入力には使用しない。
• 指標を追加する場合は、JSONとCSVの両方に正しく出力されるか確認する。

評価結果のJSON・CSV

pca evalは対戦全体の詳細をJSON、相手・デッキ別の集計をCSVへ保存する。同じ評価条件を比較できるよう、checkpoint、config、games、seed、使用デッキを結果と一緒に記録する。

形式	主な用途
JSON	昇格判定、再集計、実験記録
CSV	デッキ別・相手別の比較、表計算ソフトでの確認

戦術プローブJSONL

1行が1つの固定戦術局面であり、snapshot.observationはCABT public observation、 snapshot.hiddenは収集時の完全情報hidden stateを保存する。methodsにはnn_only、visit、 gumbel、oracle_visitの選択、policy、Q、時間、探索深度、oracle比較を記録する。

保存済みJSONLはpca tactical-probe --input ...で別checkpointから再評価できる。完全情報hiddenは評価専用であり、実戦policyやself-playの行動選択には使用しない。

チェックポイント.pt

Policy・Valueチェックポイントを作成するモジュール:

• training/train.py
• training/policy_value/checkpointing.py

Policy・Valueチェックポイントを読み込むモジュール:

• decision.policy
• training.selfplay.policies
• evaluation.tournament.impl
• serving.policy_server
• submission.main

主なメタデータ:

キー	意味
model_class	旧モデルと統合モデルの選択。
model_config	モデルを構築するためのパラメータ。
vocab / feature metadata	トークンと静的特徴量の互換情報。
学習設定	損失の重み、プロファイル、データ設定。

Beliefチェックポイントを作成するモジュール:

• training/belief/runner.py
• training/belief/checkpointing.py

Beliefチェックポイントを読み込むモジュール:

• search.belief.belief_prior_from_model
• training.selfplay.policies
• training.selfplay.policy_factory

最新チェックポイントの別名

pca selfplay-train / scripts/run_selfplay_train.shは学習処理の完了後、次のサイクルから指定しやすい固定パスを更新する。

パス	意味
checkpoints/policy_value_latest_best.pt	最後に完了した policy/value 学習 run の best checkpoint。
checkpoints/policy_value_latest_final.pt	最後に完了した policy/value 学習 run の final checkpoint。
checkpoints/policy_value_<run_name>_latest_best.pt	同じ --run-name 内で最後に完了した best checkpoint。
checkpoints/policy_value_<run_name>_latest_final.pt	同じ --run-name 内で最後に完了した final checkpoint。
checkpoints/policy_value_latest.yaml	global latest alias の実体、run_name、run_id、config。
checkpoints/quantized/<run_name>/*_fp16.pt	self-play 推論専用の fp16 checkpoint。train 入力には使わない。

次の self-play / train / eval で「最新」を使いたい場合は --checkpoint checkpoints/policy_value_latest_best.pt を指定する。実験系列を分けたい場合は run-name scoped alias を使う。

実行記録

pca selfplay-train / scripts/run_selfplay_train.sh は、run ごとに logs/selfplay-train/<run-name>-<run-id>.manifest.yaml を更新する。

主なフィールド:

フィールド	意味
status	run 全体の状態。running / complete。
selfplay.status	self-play stage の状態。chunk resume 時は完了済み chunk を skip する。
selfplay.checkpoint	self-play が実際に読んだ checkpoint。--selfplay-precision fp16 では fp16 copy。
selfplay.source_checkpoint	fp16 copy の元になった fp32 checkpoint。通常は training.init_checkpoint と同じ。
selfplay.precision	self-play checkpoint の読み込み precision。auto / fp32 / fp16。
training.status	bestがあればskipし、途中stateがあればepoch内batch位置から再開する。
training.init_checkpoint	train の warm start に使った fp32 checkpoint。
training.input	train が読んだ merged JSONL または chunk JSONL 群。
training.recent_input	replay追加前の直近train入力。
training.metrics_output	final/bestのtrain/validation metrics JSON。
training.attempts_requested	同じself-playデータから作るtrain candidateの上限。
training.selected_attempt	promotion対象または昇格したcandidateのattempt番号。
training.attempts_output	attempt条件、validation score、retry選抜結果を持つJSON。
replay.*	registry、履歴比率、sample/summary path、実行状態。
promotion.status	promoted / training_promoted / rejected。無効時は not_run。
latest.status	latest alias を更新したか、前の alias を維持したか。
telemetry.*	metrics JSONL、MLflow experiment/backend/run ID。

repeat runの集約は *.ledger.yaml に出力する。champion.best_cycle / best_checkpoint と、各cycleの training.metrics.best.val_loss、promotion.head_to_head、 promotion.rule_pool、replay.summary を確認すれば、checkpointと評価経過を1ファイルで追える。

MLflow runには同じmetric定義をMarkdownとJSONで保存する。metrics-referenceはrun開始時の全定義、 metrics-catalogはrun終了時の観測済みmetric一覧である。MarkdownはUIで読む用途、JSONは集計scriptや別dashboardが同じ説明を再利用する用途を想定する。runのOverview > Notesには、このcatalogへの導線と勝率、validation gap、lossなどの基本的な読み方を記録する。

途中停止後は、同じ --run-name、--run-id、--resume で再実行する。cycle 実行では各 cycle にも個別 manifest が作られるため、どの checkpoint から何 games を生成して学習したかを後から追える。

メタデータキャッシュ

作成するモジュール:

• training/policy_value/metadata.py

目的:

• 大きなJSONLを毎回走査せずに、カードとワザのメタデータ表を再利用する。

作り直す条件:

• input JSONL が変わる場合は cache path / mtime / metadata consistency を確認する。
• static metadata schema を変えた場合は cache を作り直す。

提出用バンドル

作成するモジュール:

• pca.submission.build_bundle

含まれるもの:

• src/pca/
• selected checkpoint(s)
• deck files
• optional configs / metadata

読み込むモジュール:

• Kaggle runtime via pca.submission.main

注意点:

• src/pca/ は sample/, local scripts, notebooks に依存しないこと。
• bundle size と checkpoint load path を evaluation 前に確認する。