2026年10月24日，一项新研究在arXiv平台（论文编号2610.30828v1）正式发布TutorCaseBench，这是首个专门针对存在学习与行为困难学生（如注意力缺陷、情绪调节障碍、社交沟通挑战等）设计的大型语言模型（LLM）家教能力评估基准。
TutorCaseBench摒弃通用教育评测范式，转而扎根于教学法、教育心理学及特殊教育领域的质性案例研究，通过系统化流程将文献记载的学生行为类别转化为具体教学场景、师生对话样本及基于实证的评分细则。基准共包含923段结构化师生对话，覆盖五类典型挑战行为，并设置1560道开放式响应生成题与2537道策略选择题进行双重评估。
在对11个当前最先进LLM的测试中，表现最佳模型在开放式生成任务中仅能在55.8%的案例中满足预设评估标准；相比之下，模型在多选题中的策略识别能力明显更强。这一差距凸显LLM普遍缺乏将干预原则转化为具体、适切、情境化响应的能力，尤其在开源权重模型中更为突出。全部数据已开源，托管于GitHub（https://github.com/kixlab/TutorCaseBench）。