该论文对多智能体大语言模型（LLM）系统中中继键值缓存（KV cache）的因果有效性进行了审计。在多智能体系统中，智能体之间常以中继 KV 缓存代替明文文本，并声称这传递了“潜在思维”（latent thoughts）。论文指出，这种归因实质上是一个关于“哪个样本的缓存被中继”的论断，而不仅仅是“有缓存被中继”。作者在已发布的系统中进行了因果审计：将缓存替换为错配样本的缓存、零化缓存以及匹配矩的随机缓存，并在两种场景下测试：接收者是否需要发送者的私有信息。当需要私有信息时，主骨干上的相关中继几乎达到 100% 的性能，而无关中继只有 23–25%，该对比在三个模型家族、五个检查点和文档问答场景中一致复现。当不需要私有信息时，预注册的五种子协议表明，在 GSM8K、ARC-Challenge 和 MedQA 上，等价性在 2.8 个百分点以内（该边界与所审计系统报告的性能增益一致），采用 Holm 校正的 TOST 检验，覆盖三个 Qwen3 规模；另一个模型家族未检测到优势。论文强调：大的缓存效应并不必然等于配对效应——一个自然场景中，零化中继造成 14.7 点性能损失，而错配缓存仅损失 0.4 点。此外，仅仅需要信息也不足以实现潜在思维传递：同一测试下，不同系统的传输通道效果差异巨大，从 LatentMAS 的全量中继（天花板效果），到 KVComm 的部分层子集，再到 C2C 的投影器（无可检测的样本特定迁移）。结论是：基准测试的性能差异本身并不能证明潜在思维的传输；必须进行错配缓存审计才能确立因果关系。论文公开了审计代码，研究面向关注多智能体 LLM 可解释性、系统评测和因果推理的研究者。