GARL：用于多智能体战略优先级的博弈论强化学习

针对基于大语言模型的多智能体系统在战略决策中交互策略优化的问题，本文提出 GARL 框架。该方法将战略优先级形式化为两阶段博弈：智能体先分配资源，仲裁者再生成排名，并将博弈效用转化为强化学习信号以优化策略。在法律争议排序任务中的实验表明，GARL 不仅提升了排名性能，使小型开源模型媲美强闭源模型，还增强了法律领域能力及广义战略决策水平，展示了利用博弈结构指导策略优化的有效性。