報酬を最大化するだけでなく；解の「多様性」と「質の高さ」を同時に追求し；広範な行動レパートリーを獲得するアルゴリズムの総称はどれか。

LLMのAPI利用において；同じ指示（システムプロンプト）が繰り返される場合に；最初の処理結果を再利用してコストと遅延を削減する技術はどれか。