연구진은 다중 에이전트 시스템의 전략적 의사 결정 성능을 최적화하는 GARL(Game-Theoretic Reinforcement Learning) 프레임워크를 제안했어요. GARL은 전략적 우선순위 결정을 2단계 게임으로 공식화하여, 에이전트 간 상호작용을 구조화하고 역할별 강화 신호를 제공해요. 법적 분쟁 이슈 순위 결정 실험에서 GARL은 성능을 향상시키고, 소규모 오픈소스 LLM이 강력한 폐쇄형 LLM과 경쟁할 수 있도록 지원했어요.