CanonicalMerge 用内容定序把多智能体 KV 缓存合并变成可收敛复制状态,在分区推理基准上追平最佳 BagMerge 排序
该工作把多智能体潜在推理中的 KV 缓存交换建模为可收敛复制状态:CanonicalMerge 以中层平均 K 范数这一内容决定顺序固定布局,使合并缓存在任意输入排列下字节一致(合成张量 N≤5 及 Qwen3-1.7B、Qwen3-4B 真实 KV 状态上逐位验证),并在分区推理基准上无需预知最佳顺序即可追平最佳 BagMerge 排序(1.7B 全部 12 个单元内相差 4 分以内,4B 同样表现,Llama-3.1-8B 上排序差距扩大到 19 分时仍跟踪最佳排序),在 HotpotQA(n=200)与 MuSiQue 上为最佳缓存级方法。