본 논문은 경제 의사 결정 과정에서 구조적 신호뿐만 아니라 비구조적 언어 정보의 중요성을 인식하고, 이를 다중 에이전트 강화 학습(MARL)에 통합하는 LAMP(Language-Augmented Multi-Agent Policy) 프레임워크를 제안합니다. LAMP는 '사고(Think)-발언(Speak)-결정(Decide)' 파이프라인을 통해 수치적 관찰을 해석하고, 전략적 메시지를 생성 및 교환하며, 최종적으로 강화 학습 정책을 최적화합니다. 실험 결과, LAMP는 기존 MARL 및 LLM 기반 방법론 대비 누적 수익, 강건성, 해석 가능성 측면에서 우수한 성능을 보여주었습니다.
