제로샷 협업(ZSC)은 다중 에이전트 게임 이론의 주요 과제이며, 강화 학습(RL) 연구에서 최근 뜨거운 주제가 되었다. 특히 복잡하게 진화하는 게임에서 에이전트의 일반화 능력을 중점적으로 다루며, 미세 조정 없이 다양하고 잠재적으로 진화하는 파트너 풀에서 협력자들과 잘 협력하도록 요구한다. 이 논문은 이러한 진화하는 파트너 풀을 근사하는 population-based training의 제약 사항을 해결하기 위해, 에이전트 간 선택적 파라미터 공유를 통해 효율적으로 population을 구현하는 메타 에이전트와 population 다양성을 보장하는 상호 정보 정규화기를 포함하는 Scalable Population Training(ScaPT)를 제안한다. Hanabi 협동 게임에서 ScaPT의 효과를 검증하고, 대표적인 프레임워크와 비교하여 우수성을 확인했다.
