LLMのデコーディングにおいて；もっともらしい単語（確率の高い単語）だけでなく；複数の候補を枝分かれさせて探索し；全体の確率が最も高い文を選ぶ手法はどれか。

強化学習のエージェントが；「実環境での1回の試行」から得られる情報を最大化するために；「失敗しやすいギリギリの境界線」を重点的に学習する手法を何というか。