ニューラルネットワークの「層の深さ」ではなく；「層の幅」を増やすことで表現力を高める手法を何というか。

LLMの入力として画像・音声・動画・テキストを等価なトークンとして扱い；単一のトランスフォーマーで処理するモデルを何と呼ぶか。