残差优势让教师只重分配步骤信用：24项对比全部提升，Co-RA再增1.0–1.5分
作者提出残差优势（RA）：把教师与学生的概率残差当作有界的一步奖励，减去学生策略下的状态价值形成优势，再在每条回答内中心化后加到验证器优势上，使验证器决定回答整体好坏、教师只在步骤间重分配信用；在Qwen3-1.7B/4B学生与Qwen3-8B教师上，RA配合GRPO或REINFORCE++在三个数学基准的24项三种子对比中全部提升，宏观Avg@8提高1.7–3.6分、Pass@8提高3.9–6.3分，均超过纯教师OPD；Co-RA用验证器优势在同一批学生数据上更新教师LoRA，再增1.0–1.5分Avg@8。