Fair-GNEは、学習を活用した需要側の医療作業者設定において、複数のエージェント間での公平な作業負荷配分を実現するための研究です。従来のマルチエージェント強化学習（MARL）アプローチでは、報酬の調整により公平性が管理されていましたが、個々のエージェントによって影響を受けない自己強制的な公平性がありませんでした。この問題を解決するために、自己利益を追求するエージェントの意思決定が他のエージェントの行動に影響を与える文脈において、一般化ナッシュ均衡（GNE）ゲーム理論の枠組みを用いた最適化手法を提唱します。Fair-GNEは麻酔のタスクに対する新しい公平性を提供し、数値実験において作業負荷のバランス改善を示しました。これにより、適応的な制約の強化を通じて統計的に有意な公平性の向上が実現されています。