LLMの知識を「特定のタスク」に最適化する際；モデルの重みは一切変えずに、入力の「埋め込みベクトル」だけを学習・付加する手法を何というか。

強化学習において；エージェントが「最適な行動」を決定するための確率分布を、パラメトリックな関数として直接学習する手法はどれか。