장기 강화학습
수많은 단계를 거쳐야 도달할 수 있는 먼 미래의 보상을 최적화하도록 모델을 학습시키는 방식이다. 복잡한 도구 사용이나 전략적 행동을 유도하지만, 예측 불가능한 사이드 채널을 찾을 위험도 커진다.