우리는 연속 시간 평균장 게임(mean field games)을 위한 최적 거친 상관 균형(coarse correlated equilibria)을 소개합니다. 거친 상관 균형(coarse correlated equilibrium)은 추천을 무시하고 대안 전략으로 전환함으로써 어떤 플레이어도 이득을 얻을 수 없는 무작위 추천 체계입니다. 문제는 다음과 같습니다: 중재자(moderator)는 모든 평균장 거친 상관 균형 중에서, 대표 플레이어의 목적 함수와 다를 수 있는 규정된 성능 기준을 최적화하는 하나를 선택합니다. 문제를 공식화한 후, 우리는 선형 계획법 (LP) 공식을 개발하고, 최적 LP 거친 상관 균형의 존재를 증명하며, LP 특성화를 원래의 확률적 설정과 연결합니다. 이러한 특성화를 바탕으로, 우리는 외부 후회(external-regret) 제약 조건의 등가 라그랑주(Lagrangian) 공식화에 기반하여 이러한 균형을 학습하기 위한 후회 없는(no-regret) 원-쌍대(primal-dual) 알고리즘을 설계합니다. 우리는 학습 알고리즘에 대한 명시적인 수렴 속도를 제공하며, 수치적 예시를 통해 해당 방법을 설명합니다.