Soft-MTP：修正多 token 预测训练中的梯度缺陷

研究指出标准多 token 预测（MTP）训练存在梯度缺陷：MTP 交叉熵梯度可分解为提升投机解码的 KL 自蒸馏项和低信噪比的残差项，后者会干扰下一 token 与多 token 学习。