研究人员引入了一种符合布鲁姆分类法的框架，用于衡量大型语言模型在将认知需求转向特定学习目标的同时保持教学意图的能力。该研究评估了 Qwen3-Next-80B-A3B-Instruct 和 Qwen3-Coder-Next 在来自三个基准的 2,520 个编程任务上的表现。

  • 两个模型都能可靠地增加认知需求，但在降低需求时遇到困难，揭示了稳健的方向不对称性。
  • 使用修订版布鲁姆分类法作为操作量表，测试了通用难度控制和布鲁姆控制。
  • 与代码模型相比，通用模型在两种控制对比中显示出更清晰的中间层可分性。
  • 语义增量聚类和逐层费雪判别比率探测描述了这些结果。

结果表明，强大的执行性能并不自动意味着符合布鲁姆分类法的教育控制。