在人工智慧領域，智慧語言模型需要學會何時呼叫工具、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呼叫，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呼叫召回率，但也導致模型過度呼叫——即對於那些本應直接回答的樣本，模型卻呼叫了工具。研究人員發現，聚合解釋並不充分：工具呼叫樣本並未獲得更多令牌曝光，且全序列逐令牌發散對工具呼叫教師來說也不更大。
團隊轉而分析行為槓桿不平衡：在模式入口和結構位置（如特殊標記和函式名）上的區域性令牌級訊號，可能對全域性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-夏農散度，同時保留非零梯度。
在APIGen-MT基準測試上，Soft Clamp將過度呼叫率從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，還減少了工具呼叫迴圈和重複呼叫次數。
這些結果表明，多教師同策略蒸餾不僅應關注教師訊號的整體大小，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慧語言代理系統。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。