在人工智能領域，智能語言模型需要學會何時調用工具、何時處理工具響應以及何時直接回答。這使得多教師同策略蒸餾成為一種自然的訓練策略：一個教師專門負責工具調用，另一個教師負責直接回答，學生模型則在其自身生成分佈上向兩者學習。然而，最新研究顯示，這種策略可能引發一種從聚合損失中無法察覺的行為偏移。
在雙教師工具使用場景中，標準的廣義知識蒸餾雖然提高了工具調用召回率，但也導致模型過度調用——即對於那些本應直接回答的樣本，模型卻調用了工具。研究人員發現，聚合解釋並不充分：工具調用樣本並未獲得更多令牌曝光，且全序列逐令牌發散對工具調用教師來説也不更大。
團隊轉而分析行為槓桿不平衡：在模式入口和結構位置（如特殊標記和函數名）上的局部令牌級信號，可能對全局生成模式產生不成比例的影響。基於此，他們提出了Soft Clamp方法，這是一種逐令牌發散校準技術，能夠動態壓縮極端令牌級傑森-香農散度，同時保留非零梯度。
在APIGen-MT基準測試上，Soft Clamp將過度調用率從13.7%降低到9.0%，同時保持了與原始方法相當的決策準確性。在BFCL多輪診斷中，它相比其他廣義知識蒸餾變體，還減少了工具調用循環和重複調用次數。
這些結果表明，多教師同策略蒸餾不僅應關注教師信號的整體大小，更需監控其作用位置。Soft Clamp提供了一種有效的校準手段，有助於構建更可靠的智能語言代理系統。該研究由Jiabin Shen等人完成，論文於2026年7月8日提交至arXiv，包含17頁正文及附錄、6張圖表。