LLM-based Multi-Agent Reinforcement Learning: Current and Future Directions- Chuanneng Sun, Student Member, IEEE, Songjun Huang, Student Member, IEEE, and Dario Pompili, Fellow, IEEE 서론LLM 기반 강화학습(RL)은 단일 에이전트 환경에서 성공적인 성과를 거두었으나, 이를 다중 에이전트 시스템(MAS)으로 확장하는 것은 쉽지 않음.다중 에이전트 시스템에서는 에이전트 간의 협력과 의사소통이 중요한데, 단일 에이전트 RL 프레임워크에서는 이러한 요소들이 충분히 고려되지 않음.MARL(다중 에이전트 강화학습)은 MAS의 협력 문제를 해결하는 접근법으로 인기를 끌고 있..
