В мультиагентных ИИ-системах моделям приходится передавать друг другу результаты работы. Обычно один агент составляет текстовое резюме задачи, а следующий читает его и заново обрабатывает информацию. Это требует дополнительных вычислений и приводит к потере части контекста.

Исследователи предложили альтернативу — архитектуру SwaT (Swarm Telepathy), которая позволяет агентам обмениваться KV-кешем вместо текстовых пересказов. В нём хранится информация, уже обработанная моделью во время генерации ответа. Благодаря этому следующему агенту не нужно повторно проходить весь путь через текстовое описание задачи.

Важная особенность подхода — возможность передавать кеш даже между моделями разных семейств. Это открывает путь к более тесному взаимодействию систем, которые используют разные архитектуры и способы обработки информации.

На бенчмарках SwaT в сочетании со сжатием кеша обеспечил в среднем на 40% более высокое качество ответов и ускорил выполнение задач в четыре раза по сравнению с передачей текстовых саммари.

Но самый необычный результат связан с мультимодальностью. Исследователям удалось передать визуальную информацию от модели, работающей с изображениями и текстом (VLM), обычной текстовой модели. То есть агент смог получить сведения о визуальном содержимом без традиционного текстового пересказа.

Если такой подход удастся масштабировать, мультиагентные системы смогут обмениваться не только выводами, но и уже обработанным контекстом. Это может сократить потери информации и ускорить совместную работу разных ИИ-моделей.