शोधकर्ताओं ने ब्लूम के साथ अनुपालित एक ढांचे का परिचय दिया है ताकि यह मापा जा सके कि बड़े भाषा मॉडल (LLM) विशिष्ट शिक्षण उद्देश्यों की ओर ज्ञानात्मक मांग को स्थानांतरित करते समय निर्देशनात्मक इरादे को कैसे बनाए रखते हैं। अध्ययन में तीन बेंचमार्क्स से 2,520 प्रोग्रामिंग कार्यों पर Qwen3-Next-80B-A3B-Instruct और Qwen3-Coder-Next का मूल्यांकन किया गया है।
- दोनों मॉडल ज्ञानात्मक मांग को विश्वसनीय रूप से बढ़ाते हैं, लेकिन इसे कम करने में संघर्ष करते हैं, जिससे एक मजबूत दिशात्मक असममिति प्रकट होती है।
- सामान्य कठिनाई नियंत्रण और ब्लूम नियंत्रण को संचालन पैमाने के रूप में पुनरीक्षित ब्लूम टैक्सोनॉमी का उपयोग करके परीक्षण किया गया था।
- कोडर मॉडल की तुलना में सामान्य मॉडल दोनों नियंत्रण विरोधाभासों के लिए मध्य-स्तर पृथक्करण को अधिक स्पष्ट रूप से दिखाता है।
- अर्थ-अंतर क्लस्टरिंग और परत-वार फिशर का भेद अनुपात प्रोबिंग ने इन परिणामों की विशेषता दी।
परिणाम संकेत देते हैं कि मजबूत निष्पादन प्रदर्शन स्वचालित रूप से ब्लूम-अनुपालित शैक्षिक नियंत्रण का अर्थ नहीं रखता है।