연구진이 Bloom 분류 기준에 따른 LLM 교육 제어 측정 프레임워크를 발표했어요. 이 프레임워크는 과제 의도를 유지하면서 학습 목표에 맞춰 인지적 난이도를 조절하는 능력에 초점을 맞춥니다. Qwen3-Next 모델을 활용한 실험 결과, 난이도 조절은 가능하지만, 난이도를 낮추는 데 어려움이 있는 것으로 나타났어요.
일반 모델은 난이도 조절과 Bloom 분류 제어에 대한 중간 계층 분리도가 더 뚜렷한 반면, 코더 모델은 일반 난이도에 대한 분리도가 약하고 Bloom 분류 제어에 대한 깊은 피크를 보였어요. 이 결과는 강력한 실행 성능이 Bloom 분류에 따른 교육 제어를 자동적으로 보장하지 않는다는 점을 시사합니다.