接收方条件化的潜空间通信：CacheBack 实现 94% 缓存削减 Receiver-Conditioned Latent Communication gives 94% CacheBack

第一步，发送方预填充私有证据与任务指令（每个发送方 ≥40K 源 token），按 LatentMAS 生成 40 个潜步，形成 $T_i$ 个位置的状态。第二步，把接收方查询 $q$ 追加在已完成状态后，只用其 $m$ 个 token 计算对 各位置的注意力 $a_{\ell,h,r,t}$；混合架构仅用全局注意力层（Nemotron 62 层中取 6 层、Gemma 48 层中取 8 层）。第三步评分：对共享 KV 头的 query 头求均值得 $b_{s,r,t}$，Pool7 池化后计算 $Q_t$ 与 $C_t^2$，得 $S_t=Q_t C_t^2$（$p=\alpha=2$ 选定后全程固定）。第四步选位：保留首位置与 40 个潜步，序列切宽 16 的 span 按均分排序、逐 span 补满预算——FanOutQA 用 $B_i=\lceil T_i/r\rceil$；链式用相对预算 $B^{\mathrm{rel}}_i=T^{\mathrm{old}}_i+\lceil T^{\mathrm{new}}_i/r\rceil$ 或固定预算 $B^{\mathrm{fix}}_i=\min(B_{\max},T^{\mathrm{old}}_i+T^{\mathrm{new}}_i)$，继承位置可被丢弃。第五步编码：选中位置缩放到平均 token 嵌入范数后按连续行传输（token-ID 编码可再省 75 倍，但 NVLink 上可忽略）。第六步接收：按各模型 chat 模板把消息插入槽位，重新预填充得到 KV（顺带解决位置编码错位），再继续作答。

技术新颖性有四点。其一，概念层面：“接收方条件化”把“消息内容应取决于接收方需求”上升为通信协议的一等公民，用内容映射 $c=C_\phi(M_S;q)$ 与表示映射 $\tau=P_\psi(c)$ 的分离给出形式化（式 3–5），并以 $\min J\ \mathrm{s.t.}\ E\le\delta$ 刻画质量–成本 Pareto 前沿。其二，机制上以最小改动取胜：不学习任何模块，仅借 SnapKV 式注意力打分加一个解析的集中度校正（本质是跨 query token 的归一化方差），就在 28 个“尺寸×压缩率”组合中的 26 个上超过 StreamingLLM、H2O、ChunkKV、KVzip 四个基线，证明增益来自用对信号而非复杂模型。其三，架构普适性：同一规则不做修改即工作于稠密注意力（Qwen、Ministral）、滑窗混合（Gemma 4）与 Mamba-注意力混合（Nemotron），后两者仅暴露全局注意力层打分。其四，系统性质：选择确定性、且 $q$ 在发送方计算完成后施加，一份状态可低成本服务多个接收方的不同查询或追问，这是逐 token 解码的文本消息做不到的。

独立分析的弱点与改进方向。第一，一次性静态查询：真实工作流中需求是演化的（先要概览、再要某个函数签名），可扩成多轮追问——接收方按未解决论断发起增量查询，发送方在同一状态上重打分、只回增量位置。第二，同模型限制：收发必须共享权重，“小模型读、大模型答”的异构部署失效；可借鉴 Cache-to-Cache 学习轻量表示映射，或用共享词表的 token-ID 编码做跨模型桥。第三，预算静态靠经验：16×–32× 是甜点区但需手调，且 Nemotron 在 2× 时比文本还慢（0.9×）；可按接收方答案置信度自适应追加预算。第四，注意力打分的天花板：集中度校正只是均值信号的方差修补，问题与证据词面不匹配时仍失效（128× 召回掉到 25%）；可训练轻量打分头或用小型 cross-encoder 蒸馏 LLM 判断。第五，评测域窄：只有两个长文 QA 基准，作者点名 repository exploration 是最受益场景却未实测，应补代码库探索、工具结果汇总等 Agent 实战负载。第六，文本基线非完全对等：文本消息长度未与潜消息预算对齐，输出上限等选择影响对比，可补“查询条件化短报告”与“多轮文本澄清”基线。第七，潜消息不保密也不可读，需传输层加密并形式化“从 KV 反推源上下文”的攻击面。

作者提出的方向：查询与预算应随接收方任务动态演化——可为未解决论断索要证据、指定某个文件或依赖、或在初始消息后追加细节请求；同一份发送方计算可服务多个接收方特定消息或追问，作者未测一个状态能撑多少次查询才被选择与传输成本限制；学习评分规则或利用更多模型状态可能进一步改进选择。基于本文成果可延伸：把 CacheBack 嵌入真实多智能体框架（如 orchestrator–subagent 研究系统），在代码库探索等解码占比高的负载上做产品级验证；与 KVComm 的层选择、token-ID 编码组合出广域网部署配置；探索异构模型间的接收方条件化通信；把选择器升级为可学习模块并用标注证据监督；研究潜消息的机密性（加密、访问控制、抗重构攻击）与可审计性；用信息瓶颈视角理论刻画“为何删 75% 状态反而更准”——选择是否起到去噪与注意力聚焦作用；以及流式交互场景（边收边问、预算在线调整）的在线选择算法。这些方向共同指向更大的命题：为多智能体系统设计完整的按需通信协议。

复现条件总体较好。代码、两基准的评测配置、处理好的 FanOutQA 输入、LongBench v2 重建脚本均在 github.com/maxr0ssi/rclc 开源；附录 C 给出选择器与消息构造的全部定义（预算公式、span 宽 16、Pool7、平局规则），附录 F/G 给出全部 prompts、模型 checkpoint、解码参数（top-p 0.95、thinking mode、各家族 temperature/top-k）、分块与种子、8×H100 服务配置（vLLM 0.11.1/0.26.0、BF16、每接收卡至多 16 序列、禁用前缀缓存），并报告三个接收方抽样的方差与分层 bootstrap（10000 次）置信区间，还做了参考答案审计前后重打分对照（表 13），严谨度高于平均。主要门槛是算力：全部评测约消耗 500 个 8×H100 节点时；但小规模复现可行——单卡即可跑 13 题证据召回诊断（Qwen 3 1.7B/4B），LatentMAS 40 潜步协议与 SnapKV 均有现成实现。注意作者声明重跑数字不会精确一致（采样解码、vLLM 并发批处理数值、时延依赖硬件与调度），且方法要求收发同模型。综合评估：有 GPU 集群与 vLLM 经验的团队数天内可复现诊断与单家族端到端实验，完整四家族评测需机房级投入，难度中等。