強化学習のエージェントが；「実環境での1回の試行」から得られる情報を最大化するために；「失敗しやすいギリギリの境界線」を重点的に学習する手法を何というか。

LLMのAPIコストを削減するために；「似たような質問」が来た際に過去の回答を返す仕組みにおいて；ベクトルの「コサイン類似度」を用いて判定することを何というか。