见我所见，知我所想：跨异构代理的密集潜在通信

多代理系统主要通过文本进行通信，从而付出有损且昂贵的解码和重新编码成本。 KV 缓存通信是一种有前途的替代方案，但大多数先前的工作都是同构的，使用同一模型的重复副本，并避免了跨模型潜在对齐的核心挑战；现有的异构方法也具有限制性，通常假设共享输入并主要使用传输的缓存进行引导。我们研究一个更基本的问题：异构智能体是否能够很好地协调起来，以执行真正的“读心术”并传输一个智能体所看到的内容和它的想法？我们的信息结构分析揭示了一种二元性：上下文感知传输是由稀疏推理信号驱动的，而上下文无感知传输（接收者看不到输入）需要密集的上下文知识保存。受此启发，我们提出通过轻量级跨模型缓存转换和两阶段训练（重建和生成）对异构 KV 缓存通信进行密集对齐。在 {Qwen3-4B, 8B, 14B} 的所有六个方向以及六个域内和域外基准测试中，我们的方法优于先前的异构基线，以大约 2 到 3 倍的低计算量匹配或超过上下文感知设置中的文本通信，并且在先前方法崩溃的上下文无感知传输中保持有效。