あ、そう言えば

　↑とか↓とかで書いてる学習結果ですが、以下の条件での学習です。

• 方策勾配法（PGLeaf）
• ソフトマックス方策（温度可変）
• 探索は全幅1手＋静止探索6手
• 自己対戦部分のみ並列化
• 学習は10万局で打ち切り

　…あぁ、ヒマだ。学習終わるまでやる事無いや。