面向 LLM-Agent 工作流中并行分支的直接潜在空间合成

大型语言模型作为智能体系统的执行引擎，仍通过顺序文本接口消耗上下文，这与现代结构化智能体工作流中存在不匹配。现有系统通常通过拼接文本来合并并行分支，导致结构丢失和计算冗余。本文提出 Parallel-Synthesis 框架，使合成器能直接消费并行工作代理生成的 KV 缓存。该框架结合缓存映射器与微调合成器适配器，实现非顺序缓存接口的生成。在九个数据集上的实验表明，该方法在七个数据集上表现优于或等同于文本基线，并将首 token 延迟降低 2.5 至 11 倍。