エージェントが「何をすべきか」という目標（Goal）自体を動的に生成し、自己学習を繰り返す強化学習の枠組みを何というか。

LLMの推論において；「Aという単語の次はBが来やすい」というKVキャッシュの一部を、複数の推論リクエスト間で共有してメモリを節約する技術はどれか。