MCPO：用于多模态思维链压缩的对比偏好优化方法

2026 年 9 月 7 日，arXiv 发布 MCPO（Modality-Contrastive Preference Optimization）论文，提出一种仅需少于 900 个训练样本的高效多模态思维链压缩方法。该方法采用两阶段优化：在压缩阶段引入基于归一化跨模态互信息（NCMI）的剪枝算法，通过对比有图与无图上下文推理差异自动剔除视觉无关步骤；在对齐阶段先进行监督微调，再采用非对称多模态长度控制偏好损失优化，利用非线性几率比公式强化优选轨迹的长度约束并维持模态一致性。实验表明，该方法可将 Qwen3-VL-Thinking 等主流基模型的思维链长度减少最多 69.5%，实现最高 3.34 倍端到端推理加速，同时保持原始准确率。