يقدم الباحثون إطار عمل متوافق مع بلوم لقياس قدرة نماذج اللغات الكبيرة (LLM) على الحفاظ على النية التعليمية أثناء تحويل المتطلب المعرفي نحو أهداف تعلم محددة. تقيم الدراسة Qwen3-Next-80B-A3B-Instruct وQwen3-Coder-Next عبر 2520 مهمة برمجة من ثلاثة معايير.
- تزيد كلتا النموذجين بشكل موثوق من المتطلب المعرفي ولكنهما تواجهان صعوبة في خفضه، مما يكشف عن عدم تناظر اتجاهي قوي.
- تم اختبار التحكم في الصعوبة العامة والتحكم في بلوم باستخدام تصنيف بلوم المنقح كمقياس تشغيلي.
- يُظهر النموذج العام قابلية فصل للطبقات الوسطى أكثر وضوحاً لكلا تباينات التحكم مقارنة بنموذج المبرمج.
- ميزت التجميعات الدلتا الدلالية واستدعاء نسبة فيشر التمييزية لكل طبقة هذه النتائج.
تشير النتائج إلى أن الأداء التنفيذي القوي لا ينطوي تلقائياً على تحكم تعليمي متوافق مع بلوم.