近日，诺基亚慕尼黑研究院研究人员Banerjee等人提出将潜在上下文持久化（ILCP）架构迁移至多跳大语言模型智能体领域，以解决跨节点上下文移交时的冷启动难题。传统多跳智能体在控制权交接时，接收端往往需丢弃发送端的隐藏状态与注意力缓存，仅依赖文本摘要重新构建上下文，造成高昂的计算冗余。ILCP方案通过β-变分自编码器将发送端状态压缩为微型潜在载荷，经传输通道交付后，由门控多层感知机映射为接收端的软提示前缀，实现计算一次、跨跳复用。该机制直接源于作者近期发表于AI4NextG @ ICML 2026的同行评审论文。在维也纳4G与5G联合路测中，该协议彻底消除乒乓切换现象，将切换后预测准确率平均提升5.1个百分点，单次决策延迟稳定在7.7毫秒以内。目前，基于Qwen2.5-7B与PyTorch的Agent端V1架构已开源。团队明确说明，当前性能数据均基于6G无线网络验证，智能体侧量化基准列为后续规划。此项工作旨在验证跨行业架构迁移的可行性，为构建低冗余、高效率的智能体推理基础设施提供新范式。