KITE：面向任务的关键层KV通信实现高效隐式多智能体协作
Get the story
2026年10月8日，arXiv Machine Learning Theory（一手来源）发布论文，提出KITE框架。该框架免训练，面向任务的关键层KV通信，将隐式通信目标从发送端状态保真转向接收端任务充分性。KITE用接收端轨迹失真准则选定任务有效关键层，只传输该层关联的隐式工作记忆，并以同层作为自回归隐式推理入口。实验在两个模型族、三个规模、七项基准上进行：相比全层KV通信，通信量降低28-36×，端到端推理最高加速3×，准确率最高提升23.3个百分点。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheoryKITE：面向任务的关键层 KV 通信实现高效隐式多智能体协作
论文提出 KITE，一个免训练的面向任务的关键层 KV 通信框架，将隐式通信目标从发送端状态保真转向接收端任务充分性。KITE 用接收端轨迹失真准则选定任务有效关键层，只传输该层关联的隐式工作记忆，并以同层作为自回归隐式推理入口。在两个模型族、三个规模、七项基准上，相比全层 KV 通信，通信量降低 28-36×，端到端推理最高加速 3×，准确率最高提升 23.3 个百分点。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.