腾讯 LoCo 用局部偏好学习缩短模型推理，并在数学与代码任务上保持准确率

腾讯（微信 AI）与西安交大的论文提出 LoCo（Local Preference Learning），通过局部偏好学习让推理模型判断何时继续或结束思考。LoCo 从模型自身生成的 trace 中检测过度思考状态，冻结推理前缀并生成更短续写，再用 DPO 训练；在数学与代码任务上，输出长度大幅缩短且准确率保持甚至提升。