본 논문은 다중 에이전트 환경에서 에이전트 간 상호 작용에 대한 이론적 프레임워크를 개발합니다. 특히, 두 언어 모델 기반 에이전트가 상대방의 출력을 입력으로 사용하여 맥락 내에서 반복적인 그래디언트 업데이트를 수행하는 설정을 고려합니다. 연구는 에이전트의 목표가 일치하지 않을 때 상호 작용과 관련된 생성 역학을 특징짓고, 이로 인해 두 에이전트 모두 목표에 도달하지 못하는 편향된 평형 상태가 발생함을 보입니다. 잔차 오류는 목표 간 차이와 각 에이전트의 프롬프트에 의해 유도된 기하학적 구조에서 예측할 수 있습니다. 비대칭적 수렴 조건을 설정하고, 적대적 결과를 달성하는 알고리즘을 제공합니다. 훈련된 변환기 모델과 GPT5를 사용한 맥락 내 선형 회귀 실험을 통해 이론을 검증합니다. 이 프레임워크는 다중 에이전트 시스템을 연구, 예측 및 방어하는 설정을 제시하며, 프롬프트 설계와 상호 작용 설정을 안정성, 편향 및 견고성과 명시적으로 연결합니다.
