強化学習において；エージェントが「直接的な報酬」が得られない間も；「どれだけゴールに近づいたか」という補助的な報酬を与える手法を何というか。

LLMの出力品質を維持したまま、推論時のメモリ消費量を大幅に削減する「KVキャッシュの量子化」において；重要なトークンだけ高い精度を残す手法を何というか。