強化学習において；エージェントが「環境からの報酬」が全く得られない間も、「世界がどう変化するか」という予測誤差を「驚き」として報酬にする手法はどれか。

LLMのAPIの応答時間を予測し；レスポンスが極端に遅くなりそうな複雑な質問に対して、自動で「要約してから処理する」などの前処理を行う最適化手法を何というか。