CSTutorBench：小语言模型作为积木式编程导师的基准

大语言模型日益被探索为AI导师，但在K-12场景部署引发隐私、成本与依赖专有模型的顾虑。小语言模型（SLM）是有前景的替代，但为特定教育语境选对模型仍困难——尤其当目标域（如积木式编程）在训练数据中基本缺失时。我们引入CSTutorBench：评估语言模型作为VEX VR（积木式机器人环境）CS导师的基准。基准含17个场景化问题，按扎根于既定辅导与反馈研究的教学量规评分，配人在环的LLM即裁判评估管线。跨11个模型（4B–120B参数）的初步发现：模型在词汇与语气等表面标准上表现良好，但在更深的教学行为上挣扎——尤其是避免答案泄漏与参与学生调试历史。样本中模型家族与指令微调方式比参数量更能预测辅导质量（模型数量少限制该结论强度）。基于近期教育提示工程研究的定向提示修订改善了11个模型中10个的得分。结果凸显情境特定、教学扎根的基准对教育部署中SLM选型的价值。