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：This work introduces CoMem, which makes split depth j an explicit reusable-context axis: write one depth-j residual per token, select a bounded chunk set, and resume only layers [j:L).
• 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：本工作提出 CoMem，将拆分深度 j 显式化为可复用的上下文轴：为每个 token 写入一个深度 j 的残差，选择有界 chunk 集合，并仅恢复层 [j:L)。
• 来源文件：
• /inbox/tom/_candidates/2026-07-31-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]