強化学習において；エージェントが「環境からの報酬」がなくても；「新奇な状態」を探すこと自体を目的とする学習の総称はどれか。

LLMの運用において；特定の「禁止された知識（機密情報等）」が出力に含まれていないかをリアルタイムで監視するコンポーネントを何というか。