Understanding Is Done Early: A Depth Division of Labor in Large Language Models and Its Use for Unbounded-Context Memory

• 类型：arxiv
• 标识：2607.28263
• 链接：http://arxiv.org/abs/2607.28263v1
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：These results show that long-context memory can be organized along the layer axis, not only the token axis, and expose both the benefits of bounded retrieval and its in-window compression tax.
• OpenAlex ID：W7172016991
• OpenAlex DOI：10.48550/arxiv.2607.28263
• DOI：10.48550/arxiv.2607.28263
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.28263
• OpenAlex更新：2026-08-26
• 副分类：rag
• 待LLM分类：否
• 标题中文：理解在前部完成：大语言模型中的深度分工及其在无界上下文记忆中的应用
• TLDR中文：结果表明，长上下文 memory 可沿 layer 轴（而非仅沿 token 轴）进行组织，并揭示了有界检索的优势及其在窗口内的压缩代价。
• 来源文件：
• /inbox/tom/_candidates/2026-07-31-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]