上下文与记忆

跨模型 KV Cache 迁移与可升级长期记忆

跨模型、跨代际缓存翻译的研究进展：共享潜在空间、小模型转换器、压缩记忆保真、MLA/NSA/DSA 架构差异，以及新模型能力与升级收益的评测路线。

2026-09-10 KV Cache Long Context Memory MLA Model Transfer

研究日期：2026-09-10。英文检索优先，依据原始论文、作者仓库及发布资料。本文是文献研究与方案分析，未独立复现论文指标。

1. 直接回答与研究范围

已经有人直接研究“把模型 A 的 KV Cache 翻译成模型 B 可以使用的 KV Cache”。小型适配器、线性映射、共享潜在空间都有先例。但尚未找到足够证据证明：任意旧模型留下的已压缩 KV，可以通过通用小转换器迁移到任意新模型、任意注意力架构，长期反复升级，并同时保留完整历史细节和新模型原生性能。

最接近目标的三条主线是：

运行时 KV 翻译与 prefill 复用：Cross-Model KV Cache Transfer、CacheBridge、Mixture-of-Translators。
可扩展的跨模型记忆接口：Latent Space Communication via K-V Cache Alignment，以及面向通信的 C2C、LCF、XKV。
小模型生成、压缩可供大模型使用的记忆：KV Prediction、ICAE、500xCompressor、Cartridges。

这些路线分别解决目标的一部分，不能把不同论文中最好的指标拼成一个已经实现的系统。相关原始证据见后文逐项链接。

研究简报

维度	本次定义
目标	判断旧 KV 能否跨模型升级复用，并定位可发表、可验证的研究缺口
使用场景	长期 Agent/对话历史在模型升级后继续工作，降低重新处理历史的成本
读者	熟悉模型、注意力与 KV Cache 的研究和工程人员
必须回答	有无直接先例；小转换器是否足够；压缩状态能否迁移；新模型能力能否保留；MLA/NSA/DSA 是否已有覆盖
性能基准	新模型读取同一份完整原始历史的表现，而非仅超过旧模型或文本摘要
视力	同时考虑原文细节检索能力与字面上的视觉、多模态细节能力
排除	同模型跨 GPU 搬运、普通缓存格式互转、仅讨论参数迁移却不迁移已有运行状态
开放维度	源/目标模型、训练预算、可接受损失、压缩率、部署硬件、是否能访问原始历史
时间与版本	检索截至研究日期；具体指标使用链接所标版本，预印本不视为复现结论

2. 首先把“无限上下文”拆开

你的目标实际包含五项可以分别测量的要求：

历史能够持续增长，不因单次上下文窗口而被永久丢弃。
每次回答的显存、计算量和等待时间可控。
很早以前的罕见细节仍可访问。
模型升级后可以继续使用既有记忆。
升级后的模型能发挥新增能力，尤其是在旧材料上获得更强理解。

KV 持久化、KV 压缩、上下文扩展和模型迁移并不互相蕴含。 保存 KV 可以省去重算，但没有自动解决注意力读取量、位置范围、检索准确率和跨版本语义对齐。

对标准全注意力实现，未压缩缓存随历史 token 数增长；对固定窗口或固定容量压缩记忆，可以限制工作集，但需要评估被移除的信息。MLA 主要减少每个 token 的状态宽度；稀疏注意力主要改变每次读取哪些历史位置。二者都不能单独证明“有限存储保存无限历史且任意细节无损”。MLA 与 NSA 的原始定义分别见 DeepSeek-V2 和 NSA。

还需要区分两个成本：保存原始记录的成本与让新模型重新理解记录的成本。文本字节常常远小于对应的多层浮点 KV；保留文本的主要负担不一定是磁盘，而可能是后续 prefill 的计算。因此，“保留原文以便纠错，同时复用可迁移 KV 以节省计算”是值得纳入比较的方案。

3. 数学上到底要迁移什么

设历史为 H，源模型为 A，目标模型为 B：

\[ C_A(H)=\operatorname{Prefill}_A(H),\qquad C_B(H)=\operatorname{Prefill}_B(H). \]

若旧状态已经经过压缩 Q_A，可见对象为：

\[ Z_A(H)=Q_A(C_A(H)). \]

你希望学习一个相对廉价的转换器：

\[ \widehat C_B(H)=T_{A\to B}(Z_A(H)), \]

使目标模型在未来问题 q 上满足：

\[ p_B(y\mid q,\widehat C_B(H))\approx p_B(y\mid q,C_B(H)). \]

如果输出仍是压缩目标记忆，也可以改成 \(\widehat Z_B\)，但此时必须明确目标模型如何读取它，以及读取接口是否需要训练。

为什么同形状 KV 也不能直接复制

一般注意力层的键和值由该模型自己的隐藏状态和投影生成：

\[ K_A^\ell=\operatorname{Pos}_A(h_A^\ell W_{K,A}^\ell),\quad V_A^\ell=h_A^\ell W_{V,A}^\ell. \]

从第二层起，隐藏状态还依赖此前各层的注意力和前馈计算。因此，转换器需要处理的不只是 head 数和维度，还包括层语义、坐标系、位置编码、归一化、token 划分及整个前缀的计算结果。这是对模型计算结构的分析，并不意味着跨模型转换必然失败。

一个真正不可绕过的边界

以下是条件性的信息论分析，而非对某个模型 KV 不可逆性的实测结论。

如果存在两份不同历史 H1、H2，使旧压缩器输出完全相同的 Z，而新模型在某个问题上本应区分二者，那么任何只看 Z 的转换器都无法同时恢复两份历史的正确差异。随机转换器也不能凭空确定自己面对的是哪一个历史。

固定有限比特状态承载任意长度、任意内容历史时，这种碰撞不可避免。但针对受限任务分布，紧凑状态可能保留足够的相关信息，获得近乎相同的任务成绩。研究应明确追求的是后一种可测量目标。

小模型不必与新模型同样聪明才能做好迁移。 如果它只是把充分保留的事实转换到新模型可读的表示，新模型仍可完成更强推理。困难在于：旧压缩器是否保留了新能力未来会需要、却在当时没有被认为重要的细节。

4. 最直接的论文：运行状态翻译

4.1 Cross-Model KV Cache Transfer in LLM Families，2026-08

该工作用校准数据拟合闭式 ridge 映射，从多个源层预测目标层 KV；对键先移除 RoPE，映射后施加目标 RoPE。测试覆盖 Qwen3、Llama 3.1、Ministral 3 的六个同家族模型对，KV head 数与每头维度匹配。它是“旧模型 prefill 后，新模型跳过前缀重读”的直接先例。

模型对	五项任务平均保留率	GSM8K 保留率
Qwen3 14B → 32B	97.6%	95.6%
Llama 3.1 8B → 70B	72.8%	18.2%
Ministral 3 8B → 14B	41.6%	1.6%

保留率是迁移成绩除以目标原生成绩。原文映射器可达 1.01–3.36B 参数、4–12GB，故“线性”不代表体积很小。论文报告映射比重新 prefill 快，但同形状兼容不保证推理保真。论文 v1，实验与附录

4.2 CacheBridge，2026-09-01

CacheBridge 使用 head-local 支持、注意力敏感度校准及高效拟合。Qwen3 14B → 32B 的四项选择题平均目标保留率为 99.83%，映射器存储比 full-head 基线小 8 倍。

边界非常明确：只测同家族、匹配 head 数的 GQA→GQA；未验证稀疏、滑窗、线性、混合注意力，也未验证开放式多轮交接生成。其应用延迟不含源 prefill、传输、加载与解码。99.83% 是有限评测的平均值，不能解释为整体智能只损失 0.17%。 论文 v1，§4、§6

4.3 Mixture-of-Translators（MoT），2026-07-31

MoT 用多个翻译模块和 Context Correction Loss 缓解跨层注入误差，模型池包含 Qwen2.5、GPT-2、OPT。其长上下文 CAG 案例报告平均 F1：Native 0.2125、MoT 0.2047，对应 96.3% 保留率。

这是不同缓存空间之间翻译的重要证据，但该比率的绝对 F1 较低，不能据此推断强推理、视觉和长期 Agent 已保真；“涵盖异构模型池”也不等于所有架构组合均已验证。比较中的部分基线由作者重实现，需留意具体实现和评测协议。论文 v1，§4、附录 H

5. 最贴近长期升级的路线：共享潜在空间

5.1 Latent Space Communication via K-V Cache Alignment，2026-01

Google DeepMind 作者提出共享 KV 空间 Σ：模型通过各自的输入/输出适配器接入，基础参数保持不变。实验包含不同检查点、微调分布、随机种子和模型规模；文中有 100M/400M 的规模比较。

尤其相关的是“新增模型”实验：冻结已有三个模型的适配器，只训练第四个模型接入，并测试未直接训练的转换路径。这是可扩展记忆接口的直接先例，但新模型仍须训练适配器，不能理解为未来模型完全零训练兼容。 尚非 MLA/NSA/DSA 通用协议，也不是任意压缩状态的终身保真证明。论文 v1，§4–§6

对你的项目，这条路线的启示是：如果有 N 个模型，逐对适配可能需要约 N(N−1) 条方向；共享接口在模块数量上可以降到每个模型一组读写器。不过，训练数据覆盖、计算成本和兼容性验证并不会自动变成同样简单。

5.2 Cache-to-Cache（C2C），2025-10

C2C 学习把源模型 KV 投影并融合到目标模型 KV，使用门控选择受益层。它证明异构模型可通过连续状态传递有用信息。作者提供 C2C 代码。但原始范式包含目标自身状态及融合过程，不能直接等同于“仅凭旧缓存，完全省掉目标历史 prefill”。论文 v1

5.3 Latent Cache Flow（LCF / LCF-X），2026-05

LCF 以共享低维通道和层剪枝缩小转换模块；论文报告 13MB 适配器可超过 956MB 的 C2C 对照。共享上下文实验仅用 Qwen2.5-0.5B-Instruct → Qwen3-0.6B；跨上下文实验用两个 Qwen3-0.6B 实例。LCF-X 对源 KV 汇聚后传递摘要。

它支持“小模块可传递有效语义”的可行性，但没有证明该体积足以承担大模型跨家族升级。这里的压缩通信也不应直接等同于已经封存多年、面对未知新任务的记忆。论文 v1，§5

5.4 Dual-Cache Latent Space Communication / XKV，2026-08

XKV 在 Qwen3-0.6B、Gemma-3-1B、Llama-3.2-3B 的 3×3 有向组合上评测，覆盖不同 tokenizer、层数与注意力几何。模型分别看到部分证据，经汇聚、翻译和目标位置解码融合信息。实验的问题对双方可见。

因此它是跨家族、跨 tokenizer 通信的相关证据，但主要回答“给定问题后怎样传递证据”，不直接回答“今天存的无问题记忆，未来任意新模型能否完整读取”。论文 v1，Experimental Setup

6. 小模型与压缩记忆方面的邻近工作

工作	与目标的关系	不能直接推导出的结论
KV Prediction，2024-10	小辅助模型处理原始 prompt，预测器生成冻结大模型的近似 KV；之后由大模型继续生成	小模型通常针对目标训练，不等于可转换任意旧模型遗留状态
DroidSpeak，2024 起	同一基础模型的不同微调变体之间选择性复用、重算中间状态	不等于任意独立架构间转换
ICAE，2023 起	将上下文编码为少量 memory slots，目标解码器读取压缩记忆	memory slots 并非天然跨模型通用
500xCompressor，2024 起	以很少附加参数学习高压缩率的 KV 记忆	高压缩率与完全保真不同；论文也报告明显能力损失
Cartridges，2025-06	离线训练文档专属紧凑 KV，将成本摊销到未来查询	学习到的 cartridge 不自动适用于另一个解码器
Cartridges at Scale，2026-06	面向大文档集合训练可组合模块，结合检索选择 cartridges	组合、检索、跨模型迁移仍是不同问题

对应原始来源：KV Prediction、DroidSpeak、ICAE、500xCompressor、Cartridges、Cartridges at Scale。

KV Prediction 是你“小模型完成转换、大模型保留推理”的早期近邻：它冻结大模型，训练辅助网络和 KV 预测器，包含直接使用小模型及剪除大模型部分层两种辅助网络设计。它证明可优化效率—质量曲线，不是无损性的证明。作者实现位于 Apple CoreNet。

Cartridges 原文在特定基准上报告 38.6 倍内存下降、26.4 倍吞吐提升。后续 Cartridges at Scale 则指出，大集合中直接拼接独立训练的 cartridges 会出现严重退化，需要联合的干扰项混合训练。两者实验范围不同，不能把前者的组合性结论不加条件地扩大到任意集合，更不能进一步扩大到任意模型。Cartridges、Cartridges at Scale

为什么“已经压缩的 KV”比原生 KV 更难

以下是工程推断，应通过消融验证：

压缩方式	对迁移的额外影响	合理起点
量化	坐标语义尚在，但多了量化噪声	保留量化元数据，在同压缩分布上校准转换器
token 驱逐	删除位置可能恰好是目标模型需要的信息	保留原位置与原文引用；测目标相关 token 召回率
低秩表示	源保留子空间未必覆盖目标的重要方向	预测目标注意力响应，并比较不同 rank
学习型 memory slots / cartridge	槽位可能已无一一对应的原文 token 语义	采用集合/跨注意力编码器和序列级任务蒸馏
文本摘要	易跨模型读取，但摘要可能丢失数字、限定条件、图像细节	结构化事实、原文锚点、选择性重读

不能假设“在原生 KV 上拟合的 T”可以直接消费任意 Q(KV)。压缩与迁移通常不满足交换律，必须比较“先压后迁”与“先迁后压”。

7. MLA、NSA、DSA：迁移对象不在同一个层面

本文按 MLA = Multi-head Latent Attention、NSA = Native Sparse Attention、DSA = DeepSeek Sparse Attention 理解这些简称。

架构事实与迁移推断

架构	原论文中的核心机制	对迁移工具的推断
MHA / GQA	按层缓存键和值，GQA 由多个 query head 共享 KV head	处理层/head 对应、位置、归一化及目标查询空间
MLA	缓存低维 KV latent 与解耦的位置键；可通过权重吸收避免显式展开全部头	应预测目标 latent 与位置分量，而非只适配传统 K/V 张量形状
NSA	粗粒度压缩、细粒度选择及滑窗等分支共同参与注意力	按目标实现恢复分支缓存、块边界和所需元数据；不能只翻译被源查询选中的位置
DSA	在 MLA 路线上引入 lightning indexer 和细粒度 token 选择	除目标主缓存，还需生成/恢复目标索引器所需历史状态

架构依据：DeepSeek-V2、NSA、DeepSeek-V3.2。右栏是本文推断，具体缓存字段取决于实现。

MLA 与 DSA 不是必须二选一的同层分类。 一个模型可以使用 MLA 的紧凑表示，并同时用 DSA 决定读取哪些 token。NSA 和 DSA 也不能作为同一个稀疏算法的别名。

对 DSA，旧模型的 Top-k token 不一定是新模型未来查询的 Top-k。一次迁移应该转移可供未来选择的历史状态，而不是冻结过去某次问题的选择结果。若源缓存已把其他 token 永久删除，目标索引器无法让其重新出现。

“模型架构迁移”与“已有缓存迁移”要分开

MHA2MLA 和 TransMLA 研究将已有模型变换、训练为 MLA 架构，提供很有价值的受控实验对象；前者还有作者代码。这与“给定两个独立训练好的模型，转换一份已产生的历史缓存”不同。

可先用原模型及其 MLA 转换版研究架构差异，再扩展到独立训练的新模型。第一步成功不能证明第二步，但有助于定位误差来自哪里。

是否已有能用的通用工具

检索发现发布者自述支持跨模型转换的 aither-kvcache 和 kv-translator。前者文档还包含 MLA 支持说明。它们应作为实现线索进一步审计，本次没有安装、运行或验证其跨架构准确率；提供类、接口或支持某种张量布局，不足以证明不同代际间语义迁移接近无损。

类似地，LMCache 的布局标准化讨论解决逻辑布局、物理布局和多种缓存形状的问题。字节能够被另一个引擎加载，与另一个模型能正确理解这些字节，是两个独立验收项。

8. 你要求的“不损害智力、视力”，需要怎样定义

8.1 冻结参数不代表保持有效能力

可以把目标参数完全冻结，但输入了失真的历史状态后，回答仍然下降。所以“没有微调新模型”“KV cosine 很高”“PPL 变化很小”都只是部分证据。

最有意义的参照是同一个目标 B：

B 原生读取完整 H。
B 读取由 A 的原生缓存迁移得到的状态。
B 读取由 A 的压缩缓存迁移得到的状态。

这三组必须使用相同问题、提示模板、采样设置和生成预算。源 A 的回答只能作为辅助基准，不能代替目标 B 的原生表现。

8.2 测量“升级收益保留”

除了常规性能保留率，可定义实验指标：

\[ R_{upgrade}=\frac{S(B_{migrated})-S(A)}{S(B_{native})-S(A)}. \]

这不是已有标准，而是本文建议。当 B 比 A 强时，它衡量迁移保留了多少升级收益。例如 A=70、B 原生=90、B 迁移=80，普通保留率约 88.9%，但升级收益只保留 50%。

如果分母接近零或为负，就不应使用该比率；应报告绝对差值与置信区间。多个任务应分别评测，防止一项超出基线掩盖另一项崩溃。

8.3 视觉比文本摘要更容易出现永久信息损失

设旧模型看图后只留下“白板上有公式”。新模型可能原本能读出下标、细小数字或推导错误，但这些信息不一定进入旧摘要或压缩 KV。如果只保留此状态，不能保证新模型以后获得“重新看原图”的全部收益。

这里并不是断言旧视觉 KV 必然只含旧模型能口头说出的信息；内部表示可能保留未显式表达的细节。到底保留多少，应以新模型原生看图为对照实测。 当前所核实的核心 KV 迁移实验主要围绕文本任务，不能外推成多模态无损性证明。

视觉评测应包含小字号 OCR、表格单元格对应、图表细节、空间定位、跨页关联和视频时间顺序；同时测试“升级后的模型在旧图像上能否获得新增能力”。

8.4 已知问题通信与未知未来记忆

已有通信设置可能在压缩时就知道问题 q。对该问题保留相关证据，比在尚不知道未来问题时保存历史更容易。

实验必须设置一组严格的“历史先封存、未来问题后产生”的流程；训练时不让压缩器看到测试查询，并增加罕见事实、随机标识符、数字精确匹配和事后才确定的新任务。

9. 建议的系统结构：稳定记忆加目标读写器

以下是研究提案，并非现成已验证方案。

flowchart LR
    H[原始文本 图像 工具记录] --> A[旧模型 A]
    A --> KA[旧运行状态]
    KA --> EA[源编码适配器]
    EA --> M[带版本的共享记忆 M]
    M --> DB[目标 B 读写适配器]
    M --> DC[未来 C 读写适配器]
    DB --> KB[B 原生缓存或外部记忆接口]
    DC --> KC[C 原生缓存或外部记忆接口]
    H --> R[原始证据存储与检索]
    R --> V[校验与选择性重读]
    V --> KB
    V --> KC

共享记忆至少应区分事实、时间/空间位置、来源锚点、已有推断及压缩版本。目标读写器负责适配模型自己的注意力语义；存储格式可以统一，但这不会自动赋予统一语义。

可以比较两种目标接入方式：

直接生成目标原生 KV/MLA/索引状态：尽量不改目标推理结构，难点是精确适配和输出状态量。
通过独立 memory cross-attention 或受控 memory tokens 读取：接口可能更统一，但需要验证额外模块、训练对原模型能力的影响，不能再宣称完全无侵入。

要保留新模型未来重新理解历史的机会，可把原文、图像和工具原始结果放在低成本存储中，把共享潜在记忆用作快速路径。关键证据按需重读；重读比例必须进入性能账单，避免把计算偷偷转移后仍宣称省掉全部 prefill。

建议避免长期只保存 A→B→C→D 每次转换后的唯一副本。可以保留稳定记忆版本或周期性锚点，比较直接 A→D 与连续迁移的差异。循环一致性可帮助约束，但两个互逆映射仍可能共同丢失任务信息，所以不能以循环恢复成功作为语义保真的充分证明。

成本边界

若目标要求显式输出 T 个位置、L 层、每位置 d 个数，则输出写入本身就至少随 TLd 增长。小转换器参数少，不代表无限长历史迁移接近常数时间。

因此应同时优化：适配器大小、每次需要恢复的记忆量、读取延迟、原始材料重读率。只比较转换器的浮点运算而忽略磁盘读、网络传输、解量化、目标缓存写入，会高估实用收益。

10. 可执行的研究与消融计划

阶段一：先把有限模型对做扎实

选择开放权重、可导出内部状态的模型对，冻结源和目标，仅训练转换器。首轮用同 tokenizer、同类注意力隔离语义对齐问题，再逐步改变一个因素。

阶段	变化因素	主要问题
A	同家族不同规模	线性映射/小 MLP 能保留多少升级收益？
B	跨代、相同 tokenizer	权重和表征变化引入多少额外误差？
C	跨家族、不同 tokenizer	逐位置映射是否需要改为 span/集合映射？
D	同源全注意力 → MLA 转换版	单独的缓存结构变化能否处理？
E	独立模型 GQA ↔ MLA	结构变化与表示变化叠加后是否可行？
F	MLA ↔ DSA / NSA	主缓存之外的选择和索引状态能否恢复？
G	视觉语言模型跨代	升级后能否继续读取旧图像细节？

模型选择是实验建议，不声称上述每一组已有公开、规模匹配的现成检查点。实际选型时再核验权重、tokenizer、架构与可运行的缓存接口。

阶段二：把压缩加入同一个问题

核心实验网格：

输入：原生 KV、量化 KV、驱逐后的 KV、学习型压缩记忆。
转换器：闭式线性、低秩 MLP、共享潜在空间、跨注意力/混合翻译器。
输出：完整目标状态、固定预算目标记忆、可按需扩展的目标记忆。
时间：单次迁移；3 次、5 次、10 次连续迁移。
未来问题：训练任务内、领域外、随机细节、新能力任务。

必须包括以下基线：目标原生全历史；目标直接读取文档摘要；检索后原文重读；小模型重读原文后预测目标 KV；无训练形状匹配；同模型压缩。它们分别分离迁移误差、压缩误差和原始信息是否可访问的影响。

阶段三：训练目标不能只拟合 KV

可研究以下组合损失，权重需经独立验证集选择：

\[ \mathcal L = \lambda_{kv}\mathcal L_{state} +\lambda_{attn}\mathcal L_{attention} +\lambda_{kl}D_{KL}(p_B^{native}\Vert p_B^{translated}) +\lambda_{task}\mathcal L_{task} +\lambda_{chain}\mathcal L_{multihop}. \]

state 项衡量目标格式与数值近似；不同模型不用假设逐维语义天然对应。
attention 项测量目标查询实际读取到的信息；DSA/NSA 可增加选择召回或排序蒸馏。
KL/任务项直接约束冻结目标在未来查询上的行为。
multihop 项关注反复压缩、转换后的任务退化。

输出行为蒸馏最好覆盖多个未来问题和长生成轨迹，而不只是相同前缀下一个 token。教师强制评估有助于控制变量，但还需自由生成，暴露迁移误差造成的分布漂移。

阶段四：评测不只看一个平均分

能力	评测建议	必须观察
长上下文细节	RULER、随机键值、否定条件、缺失答案	位置/长度/稀有度分组的准确率
推理与升级收益	数学、代码及基于历史材料的组合推理	原生 B 与迁移 B 的逐任务差值
长期记忆	LongMemEval / LongMemEval-V2，时间更新与冲突	新旧事实更新、弃答、跨会话关联
视觉	OCR、图表、表格、定位、跨页/视频时序	旧材料上新模型能力增益保留
生成稳定性	长答案、工具调用、反复交接	自由生成错误累积、任务完成率
系统成本	冷加载、热转换、读写、解量化、重读	端到端延迟、显存、存储、摊销成本

RULER 将检索扩展到多跳追踪与聚合，可作为可控压力测试；LongMemEval 官方仓库与 LongMemEval-V2 官方仓库提供长期记忆评测入口。使用这些基准不等于它们已经原生评测跨模型 KV 迁移，需要新增模型切换协议。

可把“关键任务绝对下降不超过约 1 个百分点”“连续多次迁移仍保留大部分升级收益”等作为首轮候选目标，但这些阈值是研究设计建议，必须结合基准方差、样本量和实际用途确定，并非行业标准或既有结果。

训练、超参选择、测试应按文档或来源严格分割。除平均分之外报告 paired bootstrap 等置信区间、失败样例、最差任务，以及是否在问题已知时生成记忆。

11. 值得争取的研究贡献

单纯提出“用一个 MLP 把 A 的 KV 转成 B 的 KV”已有明显先例。更有区分度的研究问题是：

Compressed-state migration：源历史已压缩，原文不可用于迁移，能保留多少未来任务能力？
Future-model onboarding：旧记忆写入完成后，新模型才出现；冻结旧表示和旧适配器，仅训练新读写器。
Architecture-aware state translation：覆盖 GQA、MLA 与稀疏索引所需状态，而非仅改变 tensor shape。
Upgrade-gain preservation：以新模型原生能力和升级收益为核心指标，加入强推理与视觉任务。
Repeated migration without drift：反复升级与压缩，比较链式状态、稳定锚点和有限原文重读。
Query-independent memory：封存时不知道未来问题，避免把已知问题通信成果当作通用长期记忆。

这是本次检索后形成的研究空间判断，不构成“这些方向绝无其他工作”的优先权保证。正式论文立项仍需继续跟踪新增论文与相关引用链。

12. 阅读顺序、证据限制与下一步

建议按这个顺序阅读：

共享空间与新模型接入：K-V Cache Alignment。
真正跳过目标 prefill：Cross-Model KV Cache Transfer、CacheBridge。
更异构的状态翻译：MoT。
小适配器与跨上下文通信：LCF、XKV。
压缩长期记忆：Cartridges 及其规模化后续。
小模型辅助与受控架构迁移：KV Prediction、MHA2MLA、TransMLA。

本次结论的局限：近期论文多为预印本；不同论文评测任务、规模、问题可见性和时间口径不同；没有复现训练、检查全部代码或验证发布包；“未发现通用近无损方案”仅描述本次原始来源检索的结果。9 月初的新论文尤其需要后续复现。

最有价值的下一步，是先建立一个小而严格的实验：历史先封存，源目标参数冻结，比较原生 KV 与已压缩 KV 的 A→B 迁移，并同时测细节保留与升级收益。 随后加入新的接收模型，测试旧记忆和旧适配器完全不变时能否兼容。只有这些成立，再扩展到 MLA/DSA 和视觉，才能判断系统是在传递可长期使用的信息，还是只在有限问题上模仿接收者的输出。