标签
该论文提出一种“能力导向评估”（CBE）新范式，通过参数化生成器与答案保持不变的表述变体，检验大语言模型能否在同类问题族中稳定应用同一推理能力，并在六个 GPT 与 Qwen 模型上发现即使强模型也无法通过能力条件。