Chain-of-Thought（CoT）推理虽能提升大语言模型（LLM）的解题能力，但往往导致过度思考，带来计算开销、推理延迟，甚至在规模较大的模型上出现性能下降。现有的简洁推理框架通过压缩输出长度来降低成本，却以显著牺牲准确率为代价。\ \ 本文提出 SKIP（Self-knowledge-guided step-wise Preference learning），其核心思路是：先进行轻量化微调，使模型的输出风格更倾向于在每一步给出明确答案；随后引入知识探测机制，在每个推理步骤强制模型输出当前步骤的答案，从而得到可验证的中间结果。依据这些中间结果的正确性，构造偏好数据，并利用 Direct Preference Optimization（DPO） 对模型进行再训练，使其在保持推理正确性的同时，学会在更少的步骤内完成推理。\ \ 实验在多个基准数据集上进行。结果显示，SKIP 在显著压缩推理步骤数的同时，几乎不产生精度损失，且在微调后避免了常见的性能退化。进一步的跨分布测试表明，SKIP 具备良好的泛化能力。我们还对框架中的关键超参数（如微调学习率、探测阈值、DPO 权重）进行了消融研究，验证了每个组件的贡献。\ \ 点评：SKIP 通过将模型的自我知识与偏好学习相结合，提供了一条在效率与准确性之间取得平衡的可行路径，为大模型的实际部署提供了有价值的参考。