文章提出教学对齐推理框架Pedagogy-R1，解决大型推理模型（LRM）在教育场景缺乏教学一致性的问题。通过蒸馏流程过滤模型输出构建指令微调数据，结合平衡教育基准（WBEB）评估学科知识、教学法、知识追踪等五大维度，并设计教学链（CoP）提示引导教师风格推理。实验表明：7B模型在教学决策任务准确率达54.76%，较基准提升31.34%；CoP提示使元认知代码增长3倍，降低冗余推理标记65%。该框架为教育大模型提供首个系统性教学能力评估方案。
当前教育大模型侧重内容生成，缺乏真实教学行为对齐。人类教师依赖教学理论与专业判断设计指导策略，而模型推理过程不可追溯且教学基准单一。文章提出Pedagogy-R1框架，通过教学对齐蒸馏与结构化评估基准，将大型推理模型（LRM）适配教育场景。核心创新包括：1) 基于QwQ-32B生成教学对齐的指令微调数据；2) 覆盖五大维度的平衡教育基准（WBEB）；3) 教学链（CoP）提示策略引导教师式推理。
采用蒸馏式指令微调：使用WBEB 80%数据输入教师模型（QwQ-32B）生成响应，经正确性过滤保留1,948个高质量样本。以此微调1.5B/7B学生模型，生成Pedagogy-R1系列。关键公式：
\[ D_{\text{filtered}} = \{(x_i,y_i) \mid \text{Correct}(y_i)=\text{True}\} \]
对比实验组仅使用问题-答案对微调，验证教学推理数据的有效性。
CoP提示将通用推理指令（如"逐步推理"）转化为教学感知指令，例如："基于学生认知水平设计阶梯式反馈"。该策略应用于两阶段：1) 教师模型数据生成时产生教学富响应；2) 推理时引导模型分步输出教学决策逻辑。人工评估优先选择能清晰表达脚手架策略、形成性反馈的提示模板。
WBEB包含五大维度：1) 学科知识（CJ-Eval中学试题）；2) 教学知识（韩国教师资格考题）；3) 知识追踪（DBE-KT22编程学习序列）；4) 作文评分（Kaggle开放数据集）；5) 课堂决策（NCTE小学课堂实录）。总计12个子数据集，涵盖多语言、多学科真实教育场景。
Pedagogy-R1-7B在WBEB展现均衡优势：教学决策（DM）准确率54.76%、教学知识（PK）31.67%、作文评分（AES）15.83%，较普通指令微调模型分别提升31.34%、6.49%、8.75%。知识追踪（KT）AUC达54.99%，表明教学对齐显著增强教育任务泛化能力。7B模型在特殊教育子任务准确率37.5%，验证小模型教学适配性。
CoP提示使元认知代码增长3倍：自我质疑（IA-SQ）和元评估（OA-ME）在历史教育任务中占比从0%升至12%。定量显示：1) 学科知识任务错误响应伴随冗余标记增长，CoP提示降低冗余率41%；2) 数学科学任务规划代码（IA-P）占比达38%，反映学科特性；3) 65%推理标记为重复性噪声，CoP蒸馏压缩后效率提升。
框架揭示三大方向：1) 增强元认知审计机制，链接评估模型与批判模型；2) 开发学科定制化推理支架，数学侧重步骤规划，人文强化比较判断；3) 扩展多模态教学对齐，整合课堂视频与传感器数据。Pedagogy-R1为AI教育提供可解释的教学决策基础。