본 논문은 투표가 정치 권력으로 전환되는 방식을 결정하는 데 중요한 역할을 하는 재구획 과정에서 전략적 역학을 고려하지 않는 기존의 계산적 방법의 한계를 지적한다. 이를 해결하기 위해, 저자들은 게임 이론적 아이디어를 차용하여 LLM 에이전트를 통해 재구획 과정을 턴 기반 협상으로 재해석하는 "Agentmandering" 프레임워크를 제안한다. Agentmandering은 두 개의 상반된 정치적 이익을 대표하는 에이전트 간의 전략적 상호 작용을 구현하여, 후보 맵에서 구역을 선택하고 고정하는 방식을 통해 주를 점진적으로 분할한다. 2020년 미국 인구 조사 데이터를 기반으로 한 평가 결과, Agentmandering이 편향과 불공정성을 유의미하게 감소시키고, 표준 기준선보다 2~3배 낮은 분산을 달성함을 보여준다.
