DiffGate：只对失败轨迹施加教师指导，让 GRPO 蒸馏 pass@8 最多提升 5.7 点

DiffGate 提出难度门控的 on-policy 蒸馏目标，只对失败轨迹施加教师指导并结合 GRPO，在 Qwen3-0.6B/1.7B 学生模型上把代码 pass@8 较 GRPO 提升 +1.6/+5.7 点、avg@8 提升 +1.7/+1.8 点。