본 논문은 인간과 LLM 기반의 에이전트들이 개인의 이익과 집단적 복지가 충돌하는 사회적 딜레마를 해결해야 하는 복잡한 사회기술적 환경에 대한 연구를 제시한다. 특히, 에이전트 상호작용 네트워크와 정보 흐름 네트워크를 분리하여 적응형 거버넌스 메커니즘을 설계에 통합하는 새로운 프레임워크를 제안한다. 강화 학습 기반의 거버닝 에이전트가 정보 투명성을 동적으로 조절하며, 에이전트 자율성을 유지하면서 협력을 증진한다. 실험 결과는 RL 기반 거버넌스가 정적인 정보 공유 방식에 비해 협력을 크게 향상시키는 것을 보여준다.
