多智能体系统里有个越来越流行的念头：模型之间别靠文字交接了，直接把「脑子里的状态」——KV 缓存——传给下一个模型，又省 token 又保真。10 月 15 日提交 arXiv 的论文《Close Enough is Nowhere Near: Fidelity-Consumability Decoupling in KV Caches》（编号 2610.22016）给这个念头泼了一盆结构严谨的冷水：作者测了其中最诱人的形态——两个模型全程冻结、发送方缓存原样替换读者缓存、零训练零投影——结论是此路不通；更重要的是，他们说清了为什么不通，以及哪条改道走得通。
论文三位作者：Adam Deng（MIT 运筹学中心）、Shicheng Liu（MIT CSAIL）与 Yada Zhu（IBM Research），全文 10 页。他们的出发点很务实：既然「发送方把已经读完的材料换成缓存直接递过去」听起来是免费午餐，那就先把它当成一个待检验的工程假设，而不是待庆祝的突破。
容差集：冻结模型只「读得懂」自己写得出的缓存
论文的核心概念叫容差集——一个冻结的 transformer，只能有效利用与它自己会写出的缓存相近的那一小片区域。这解释了两个观测到的现象。其一，几何相似度并不预测可用性：把发送方缓存做得在余弦相似度上更接近读者的原生缓存，读者未必更能用好它。其二，失败不是渐进的，不存在「再忠实一点就够用了」的斜坡——所以「追求更忠实的替代缓存」这个方向本身就被判了死刑。
作者用竞争性注意力解释这一切障：读者模型每一层都在多个候选 key 之间做归一化竞争，外来缓存哪怕数值上接近，也会把注意力质量重新分配，而冻结的权重没有机会适应这种扰动。换句话说，障碍不在发送方那边造得好不好，而在读者这一侧——这也是标题里「可消费性与保真度解耦」的来历。
八种替换方法，全军覆没
实验用一个基于 SQuAD 的分上下文事实回忆探针：发送方读含答案的完整段落，读者拿到答案被遮蔽的同一段落，外加源自发送方的缓存，然后 greedy 续写看答案字符串是否出现。两个锚点都是每次运行内实测：把读者自己的缓存拿来但遮蔽答案，得到地板值 0.180；让读者自己读全文，得到原生参考 0.665。
八种替换方法——自由形式回归、流形损失训练、按构造落在列空间、行空间目标、逐层最坏情况 hinge、高容量逐层 MLP、码本选择、乃至从六千个真实 key 里挑最近的神谕方法——全部贴在地板线附近，表现最好的高容量 MLP 也只到 0.20 上下，与地板拉不开差距。跨架构复测更彻底：从 Pythia-70m 到 Qwen2.5-3B 七个模型、6 到 36 层，全深度最近真实 key 替换一律不超过 0.008。跨家族发送（GPT-Neo-1.3B）则因维度不匹配，投影直接失败，转移率仅 0.01 到 0.08。
别小看这组负面结果的方法论价值：它把一长串各自为战的「某方法不 work」收拢成一个带推翻条件的单一结论——除非能改变读者侧的适应能力，替代路线整体可以搁置。
改道：加法，而不是替换
论文给出的可行设计几乎是对称的：读者保留自己的缓存，把发送方缓存当作额外上下文拼在后面做交叉注意力，只适应读者自己的查询侧（rank 16 的 LoRA，四个 epoch）。零训练参数的纯交叉注意力就有 0.555，是地板的三倍；查询侧适应之后到 0.695，摸到原生参考 0.665 的水平——作者特意注明，样本内这一项只有六个重叠，措辞是「达到」而非「超越」。适应阶梯也干净：不动 0.555、只动查询 0.600、再动键值 0.640、三者全动 0.695。
多发送方场景同样有读数：桥接从单发送方的 0.785 缓降到八个的 0.395，仍在扣除对照后高于地板；而无方向的注意力在四个发送方时就跌破了地板。这条改道的代价论文没有算总账——缓存拼接之后的计算与显存开销，要由工程侧自己结账。
放进台谱里看
站点 1435 的 C2C 走了另一条路：训练一个小的 Cache Fuser，把发送方缓存投影融合进读者空间，换来 6.4 到 14.2 个百分点的准确率提升与约 2.5 倍的延迟下降。两篇合起来才是完整地图——「训练投影」这条路有收益但成对训练卡在规模化；「免训练替换」被本篇证伪；而本篇的加法路线介于两者之间。再往上接，1970 的 ScaleMAS 论证共享消息库比智能体中心布线更能扛规模化，1939 的 GitSwarm 把共享介质做成了 git 仓库——通信介质的经济学是这条线的共同母题，本篇的贡献是给介质选择划了一条硬边界。
几盆该浇的冷水
探针是单一任务形态：SQuAD 事实回忆，读者锁在 1.5B 规模，增强实验里发送方还是同一冻结 checkpoint 的第二个实例——「不同模型互相传缓存」这个更有工程趣味的设定，论文只做了跨家族的失败投影。作者自己给论文的定位是定性刻画而非榜单成绩，所有数字的泛化边界都还开着。
给正在设计多智能体通信层的团队一个可操作的结论：如果你们的产品路线图上有「缓存直传省 token」，先回答读者侧愿不愿意为外来缓存做哪怕轻量适应——愿意，走加法；不愿意，省下的 token 会以准确率的形式还回去。