两位 AI 互相交接任务，直接递上“阅读笔记”看似比重新口述更省事。但笔记复印得再清楚，对方若看不懂其中的私人记号，信息仍然等于没传。两项研究都在追问这个问题：多智能体共享内部状态时，除了保真，还要看接收模型能否真正消费。
第一项研究测试 KV 缓存——模型阅读文本时留下、供后续注意力计算复用的中间记录。作者把发送模型的缓存直接替换进冻结的接收模型；八种替换方法都只达到“没有有效缓存”的基线。更反直觉的是，几何上更接近接收方原缓存，并不代表更好用；仅破坏一层，伤害就可与破坏全部 28 层相当。作者认为，问题出在注意力会让不同信息彼此竞争，细小偏移也可能改变模型关注的位置。
两项工作给出的共同方向是：别强迫接收方丢掉自己的缓存，而应保留它，再把外来缓存作为额外上下文，并用小型查询侧适配器帮助读取。第二项研究还发现，另一类内部状态“激活值”反而更适合直接替换，但前提是知道它在接收模型中该放在哪里。结论只在论文所设协议下成立，却把关键边界说清了：通信是否有效，取决于接收端怎么读，而不只是传来的状态像不像原件。