Die Herstellung von Kooperation unter selbstinteressierten Agenten bleibt eine grundlegende Herausforderung im mehragentenbasierten Verstärkungslernen. Kürzlich gezeigte Ansätze haben gezeigt, dass gegenseitige Kooperation zwischen „lernbewussten“ Agenten induziert werden kann, die die Lerndynamiken ihrer Mitspieler berücksichtigen und beeinflussen. Allerdings basieren bestehende Methoden typischerweise auf vorgegebenen, oft inkonsistenten Annahmen über die Lernregeln der Mitspieler oder erzwingen eine strikte Trennung zwischen „naiven Lernern“, die auf schnellen Zeitskalen aktualisiert werden, und „Meta-Lernern“, die diese Updates beobachten. Hier zeigen wir, dass die in-Context-Lernfähigkeit von Sequenzmodellen die Bewusstheit bezüglich des Lernens von Mitspielern ermöglicht, ohne dass vorgegebene Annahmen oder eine explizite Zeitskalentrennung erforderlich sind. Wir zeigen, dass die Ausbildung von Sequenzmodell-Agenten gegen eine vielfältige Verteilung von Mitspielern natürlicherweise in-Context-Best-Response-Strategien induziert, die effektiv als Lernalgorithmen auf der schnellen intra-episodischen Zeitskala fungieren. Wir beobachten, dass der in früheren Arbeiten identifizierte Kooperationsmechanismus – bei dem die Anfälligkeit gegenüber Erpressung eine gegenseitige Anpassung hervorruft – sich in diesem Setup natürlich ergibt: Die in-Context-Anpassung macht die Agenten anfällig für Erpressung, und der dadurch entstehende gegenseitige Druck, die Lerndynamik des Gegenübers im Kontext zu beeinflussen, führt letztlich zur Entwicklung kooperativer Verhaltensweisen. Unsere Ergebnisse deuten darauf hin, dass die standardmäßige dezentrale Verstärkungslernstrategie auf Sequenzmodellen in Kombination mit Vielfalt der Mitspieler einen skalierbaren Ansatz für die Entwicklung kooperativer Verhaltensweisen darstellt.