接收方条件化潜通信压缩KV缓存
原文标题：Receiver-Conditioned Latent Communication gives 94% CacheBack
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出接收方条件化通信，让接收智能体向发送方传递信息需求描述，用以过滤压缩发送方的KV缓存。CacheBack是其免训练实现，基于发送方注意力权重。在FanOutQA上配合Qwen 3可移除75%的状态，准确率提升14.7个百分点，中位延迟降低3.2倍，并在多种模型架构上表现一致。
- 问题
- 多智能体潜通信传完整 KV 缓存，内存与上下文成本随智能体和上下文线性增长。
- 方法
- 接收方条件化通信：接收智能体向发送方描述信息需求，据此过滤压缩其 KV 缓存；CacheBack 基于发送方注意力权重、免训练实现。
- 结果
- FanOutQA 上配合 Qwen 3 移除 75% 状态，准确率提升 14.7 个百分点，中位延迟降低 3.2 倍，跨稠密 Transformer、Mamba 混合与滑窗注意力一致。
- 影响
- 免训练即可大幅压缩多智能体通信开销并提升准确率与延迟，直接降低多智能体系统的 GPU 与上下文成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CacheBack让接收方描述信息需求来过滤发送方KV缓存，FanOutQA上移除75%状态、准确率涨14.7个百分点。
- •提出接收方条件化通信：接收智能体向发送方传递信息需求描述，用于过滤压缩发送方KV缓存
- •CacheBack是免训练实现，基于发送方注意力权重，无需额外训练
- •在FanOutQA配合Qwen 3，移除75%原本会接收的状态，准确率提升14.7个百分点
- •中位任务完成延迟降低3.2倍，相对文本通信
- •在稠密Transformer、Mamba-注意力混合、滑动窗口注意力等架构上表现一致
为什么重要：多智能体潜通信的KV缓存随上下文和智能体数量线性膨胀，该方案在不训练的前提下同时省显存、提准确率、降延迟，对多智能体系统部署成本有直接影响。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。