学習初期はランダムに行動し（探索）；学習が進むにつれて価値の高い行動を選ぶ（利用）確率を高める戦略を何というか。

LLMに長いコンテキスト（文脈）を入力する際；メモリ使用量が入力長の2乗で増える問題を解決する注目技術はどれか。