покеботик стал частенько залетать в топ, но удержаться сложно. убрал imitation learning, оставил чистый self play.

но самое главное, что я узнал, что можно писать в аутпут во время игр и превращать игры на лб в полноценный лог, который можно кормить ллм-ке, чтобы она ошибки анализировала. здорово помогает на самом деле!

еще немного отладки и можно просто будет учить до талого, каждые 100 игр с большим числом mcts-симуляций сильно бустят покебота. так что может и миллионов не потребуется