LLMのデコーディングにおいて；「確率の高いトークン」を固定的に選ぶのではなく；分布の裾野にあるトークンを一定確率で排除してからサンプリングする手法はどれか。

Mixture of Experts (MoE) において；特定の専門家（Expert）に負荷が集中するのを防ぐために損失関数に加えられる項はどれか。