arXiv 上新收录一篇题为《Cache-to-Cache: Direct Semantic Communication Between LLMs》的论文（编号 2510.03215，2025 年，归类为论文）。从标题看，其核心主张是让大语言模型之间不经过自然语言这一中间层，而是通过缓存（cache）直接完成语义层面的通信。
为什么重要：当前多模型、多智能体协作的主流做法，是把一个模型的输出解码为文本 token，再由另一个模型重新编码理解。这种"编码—解码—再编码"的过程既额外消耗 token 与算力，也会在往返转换中损失信息，尤其是那些难以用自然语言精确表述的内部表征。若模型间通信能直接在缓存或内部表示层面完成，多模型系统的设计范式可能随之改变：协作不再必然依赖可读文本，通信开销与语义保真度都将被重新审视。
仍待回答：标题并未透露具体机制。这里所说的 cache 是推理时的 KV 缓存，还是其他形式的中间状态；通信是单向还是双向；是否需要模型结构一致或表征空间对齐；能否在异构模型（不同厂商、不同规模、不同分词器）之间成立——这些都要等正文给出答案。
若该方法被验证可行，多模型系统的接口层可能从"文本协议"转向"表征协议"，推理框架中的缓存管理、跨模型部署与安全审计都会受到影响。论文的具体方法与实验结论，仍需查阅原文核实。