強化学習において；エージェントが「最適な行動」を直接学習するのではなく、「自分の行動が良いか悪いか」を評価する「Critic」と協力して学習する手法はどれか。

LLMアプリケーションにおいて；あらかじめ特定の回答（FAQなど）を用意しておき；ユーザーの質問の「意味的な近さ」をベクトルで判定して回答を出す手法を何というか。