強化学習において；「将来の報酬の期待値」だけでなく；その報酬の「ばらつき（分布）」自体を学習する手法を何というか。

LLMアプリケーションにおいて；「事実に基づかない回答（ハルシネーション）」を最小化するために；外部の信頼できるデータベースと照合する処理を何というか。