LLMの学習において；人間のフィードバックデータから直接「最適な回答確率」を導き出し；報酬モデルを不要にした手法はどれか。

ニューラルネットワークの「各層の重み」を疎（スパース）に保ちつつ；学習中に動的に結合を繋ぎ変えることで計算効率を高める手法を何というか。