本研究提出了一种视觉语言模型对话游戏，通过自我对弈生成高质量的图像和文本数据，解决了训练数据不足的问题，显著提升了下游任务的性能，具有广泛的应用潜力。

本研究探讨语言在战略互动中的重要性，提出“对话游戏”作为多阶段博弈，强调“裁决游戏”的作用，验证战略代理优于简单代理。