**Think Less, Locally：基于本地偏好学习的推理压缩新方法 LoCo**

_Think Less, Locally: Local Preference Learning for Reasoning Compression_

> 针对大模型在复杂任务中因过度推理导致效率低下的问题，研究提出了 LoCo 方法。该方法通过本地偏好学习，从模型自身轨迹中识别冗余推理状态并冻结前缀，再生短验证续写，利用 DPO 训练状态条件偏好对。实验表明，LoCo 在数学和代码生成任务上显著缩短了推理长度（分别减少 41.7%-45.4% 和 23.4%-36.3%），同时保持或提升了准确率，并展现了跨领域的泛化能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-04 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.04814)