なんか、異常に強いんですけど…

　昨夜から方策勾配法・全幅深さ1手で17万局程学習させたやつ。

　現在ssp（5五将棋モード）相手に71-?-22で勝率76.3％。95％信頼区間は66.4〜84.5なので、全幅0手より確実に強いですね。

　運良く強いパラメータの時に学習を打ち切ったせいかもしれませんが、ここまで強いと、逆になんか不安。