強化学習において；エージェントが「未知の環境」を探索する際；自身の「世界モデル」が予測に失敗した度合いを報酬として与える手法はどれか。

LLMの運用において；推論コストを削減するために；「似たような質問」に対する回答をセマンティック（意味的）に検索して再利用する機能を何というか。