強化学習において；エージェントが「環境の状態」を遷移確率として完全にモデル化し；頭の中で「シミュレーション学習」を行う手法はどれか。

LLMアプリケーションにおいて；出力された結果が不適切な場合に；自動で「再生成」や「修正指示」を送ることで品質を維持する制御を何というか。