本研究提出了一种分层图强化学习框架（HGRL），旨在通过网络结构干预促进复杂多代理系统中的亲社会行为。研究表明，代理间的社会学习显著影响系统行为，HGRL在低社会学习下能够维持合作，但在高社会学习情况下可能导致合作崩溃，强调了管理者权威在防止系统失败中的重要性。

本研究通过引入动态适应的治理机制，解决了大规模语言模型代理在团队环境中的合作问题。新框架优化信息访问，促进亲社会行为，验证了代理在互动中的策略适应能力，显著提高了合作率。对人工智能在实际团队环境中的应用具有重要影响。