教师监督不再逐词照搬：按对奖励的影响加权，数学基准最高涨6.5个百分点
蒸馏教师模型的监督信号时，不再对每个词一视同仁，而是先估计该词对更新后奖励的影响再决定权重。此前的方法依赖不确定性或师生分歧这类代理指标，未必对应真正提升奖励的监督。RAD用一次临时优化步做可微打分，再以投影上升更新词权重，在相同训练响应预算下把六个竞赛数学基准的平均准确率对Qwen3-1.7B提升6.5个百分点、对Qwen3-4B-Instruct-2507提升2.5个百分点，并在LiveCodeBench-v6上取得54.69%与58.67%的pass@1。