본 논문은 다중 에이전트 시스템에서 특화된 에이전트를 육성해야 할지, 아니면 전체 작업을 독립적으로 수행하는 일반화된 에이전트를 훈련해야 할지에 대한 질문에 답하고자 한다. 연구진은 특화의 필요성이 작업의 병렬 처리 가능성, 즉 여러 에이전트가 작업 구성 요소를 동시에 실행할 수 있는 잠재력에 크게 의존한다고 주장한다. 분산 시스템의 Amdahl 법칙에서 영감을 얻어, 작업의 동시성과 팀 규모에만 의존하여 특화가 성능을 향상시키는 시점을 예측하는 폐쇄형 경계를 제시한다. StarCraft Multi-Agent Challenge (SMAC, 무제한 동시성)와 Multi-Particle Environment (MPE, 단위 용량 병목 현상)과 같은 상반된 환경을 가진 두 가지 표준 MARL 벤치마크에서 모델을 검증하고, 각 극단에서의 경계와 특화의 경험적 측정 사이의 높은 일치성을 관찰한다. Overcooked-AI에서의 세 가지 후속 실험을 통해 다양한 전략을 허용하는 더 복잡한 공간 및 자원 병목 현상이 있는 환경에서도 모델이 작동함을 보여준다. 예측 외에도, 이 경계는 MARL 훈련 알고리즘의 편향성을 강조하여 더 큰 상태 공간을 가진 전문가 전략으로 최적이 아닌 수렴을 초래하는 진단 도구 역할을 한다.
