연구진이 다중 에이전트 시스템(MAS)의 전략적 상호작용 추론을 위한 신경-기호 프레임워크를 소개했어요. LLM이 전략 후보를 제안하고, 표준 MAS 모델 검증기가 형식적으로 검증하는 방식으로 작동해요. NatATL 전략 합성 데이터셋을 구축하고, Qwen3-32B 모델로 실험을 진행해 92%의 정확도를 달성했어요.
기존 전략 합성의 계산 비용 문제를 해결하기 위해 LLM을 모델 검증 파이프라인에 통합했어요. LLM은 전략 생성 오라클 역할을 하며, 생성된 전략은 검증기를 통해 형식적으로 검증돼 형식적 정확성을 유지해요. 이 generate-and-certify 아키텍처는 LLM의 지침을 활용해 큰 조합 전략 공간을 탐색해요.
NatATL에서 경계 전략 추론을 위한 프레임워크를 구현하고, 4211개의 인스턴스로 구성된 NatATL 전략 합성 데이터셋을 선보였어요. 실험 결과, LLM은 전략 합성 결과에 대해 92%의 정확도를 보여줬어요.