強化学習のエージェントが「環境の状態」を遷移確率としてモデル化し；それを用いてシミュレーションを行う手法はどれか。

LLMのコンテキスト長を「無限」に近づける際；アテンションの一部を「圧縮された記憶（サマリー）」として保持する手法を何というか。