Role-Agent는 LLM 에이전트의 학습 효율성을 높이기 위해 에이전트와 환경 역할을 동시에 수행하는 프레임워크입니다. World-In-Agent(WIA)는 예측 상태와 실제 상태 간의 정렬을 통해 환경 인지 추론을 장려하고, Agent-In-World(AIW)는 실패 모드 분석을 통해 훈련 데이터 분포를 재구성합니다. 실험 결과, Role-Agent는 기존 방식 대비 평균 4% 이상의 성능 향상을 보였습니다.