多 Token 预测（MTP）的正确实现方式

针对标准多 Token 预测（MTP）梯度残差干扰学习的问题，研究人员提出无需新增参数的 Soft-MTP，通过单行代码改动仅反向传播 KL 自蒸馏信号。该方法兼容 DeepSeek 与 Meta 风格，在 167M 至 1.2B 规模下均降低了 NTP 困惑度，提升了推测解码速度与零样本准确率。其在 1.2B 微调后展现出更强数学与代码推理能力，代码已开源。