LoCo：用局部偏好学习压缩大模型推理链

研究者提出 LoCo，一种针对推理压缩的局部偏好学习方法：从模型自身轨迹中检测过度思考状态，冻结对应推理前缀并重新生成更短的已验证续写，再用 DPO 训练状态条件偏好对。在五个数学和三个代码生成基准上，LoCo 将数学任务完成长度缩短 41.7%–45.4%、代码任务缩短 23.4%–36.3%，同时保持或提升准确率。仅用数学轨迹训练也能有效迁移到代码生成，代码和模型将公开。