エージェントが「失敗から学ぶ」ために；あえて報酬をマイナスにして学習させる手法を何というか。

LLMの運用において；特定の「キーワード」や「意図」が含まれた入力を検知し；それに対する回答をあらかじめ用意した安全なものに差し替える機能を何というか。