VS ssp（5五将棋モード）

　昨夜から今朝までの分で、対局数は340。

　結果は221-0-119で勝率65.0％、95％信頼区間は59.7〜70.1。前よりやや弱くなっていますね。

　んで、TDLeaf(λ)・方策勾配法で深さ0〜2までのデータが揃ったんで、表にまとめてみます。全部5五将棋で、対sspの勝率です。括弧内は自己対戦学習での対局数。学習時の対局数が異なるんで公平なデータではないですが、大体の傾向は掴めるかと。

	TDLeaf(λ)	方策勾配法
全幅0手	37.2％（10万局）	50.3％（65万局）
全幅1手	54.3％（10万局）	67.4％（17万局）
全幅2手	62.0％（4万局）	51.5％（2万6千局） 68.3％（4万4千局） 69.1％（6万4千局） 65.0％（7万6千局）

　こうして見てみると、方策勾配法で全幅1手ってのが対局速度と強さのバランスが良さそうですね。

　まぁ、本将棋で全幅1手だと1日あたり1万局前後しか対局出来ないんで、多分収束するまで2週間ほど掛かりそうですが。