Belief学習モジュール

対象: pca.training.belief_train, pca.training.belief

役割

self-play JSONL に含まれる full-observation teacher label から BeliefNet を学習する。学習済み BeliefNet は ISMCTS の hidden-state sampling prior として使う。

モジュール一覧

モジュール	役割	実装の要点
pca.training.belief_train	CLI / facade	python -m pca.training.belief_train の entrypoint と旧 import path 互換。
pca.training.belief.config	config	BeliefTrainConfig。
pca.training.belief.data	dataloader	belief target のある records を count/filter/streaming load する。
pca.training.belief.losses	loss	hand/deck/prize/threat/KO の supervised loss。
pca.training.belief.runner	training loop	model/optimizer loop、metrics、best checkpoint。
pca.training.belief.checkpointing	checkpoint payload	BeliefNet checkpoint metadata。

公開API

API	用途
BeliefTrainConfig	belief training 設定。
train_belief(input_path, output_path, config, best_output_path)	BeliefNet 学習。
belief_dataloader(paths, config)	belief batch iterator。
belief_loss(output, batch, ...)	supervised belief loss。
belief_checkpoint_payload(...)	checkpoint 保存 payload。

CLIの使い方

PYTHONPATH=src uv run python -m pca.training.belief_train \
  --input data/selfplay/example.jsonl \
  --output checkpoints/belief.pt \
  --best-output checkpoints/belief_best.pt \
  --epochs 3 \
  --batch-size 64

注意点

• belief target は self-play 時に full observation が取れている record にだけ存在する。
• 推論時の hidden consistency は BeliefNet だけでなく PublicKnowledgeTracker の hard constraints と組み合わせる。