4x4のリバーシでもちゃんと収束

　"平均石差"が自己対戦終局時の石の数の差の平均で、"平均石差（グリーディー方策）"の方が、初手から終局まで評価値が最大の手を選び続けた場合の石差です。

　平均石差の方は-8よりやや小さな値になってますが、グリーディー方策の方はピッタリ-8になってます。

　ちなみに評価関数は例によってテーブル形式で、パラメータの初期値は0.0、学習率は三目と同じく0.1です。