SwaT 연구는 서로 다른 언어 모델이 자연어 메시지 대신 KV 캐시를 전달하도록 작은 변환기를 학습한다. 본체 모델은 고정한 채 모델 쌍 사이의 표현을 연결하며, 연구진은 6개 계열 12개 모델과 17개 벤치마크로 평가했다. 캐시 압축을 결합한 실험에서 평균 정확도 약 40% 개선과 특정 속도 지표의 약 4배 향상을 보고했다. 이는 모든 작업의 전체 처리 시간이 4배 빨라진다는 뜻은 아니다. 모델 쌍별 변환기와 캐시 취급 설계가 필요하고, 사람이 읽는 메시지를 줄일수록 상태 전달을 감사하는 방식도 별도로 고려해야 한다.