通用能力

相比SFT，RLVR在主要评估设置下通常表现出更弱的通用能力遗忘；

为此，PEFT-Arena设置了双轴评测：一轴衡量目标域适配，另一轴评估预训练通用能力的保留。

稳定性（stability）：模型保留了多少预训练通用能力。

不同PEFT方法在下游适配与通用能力保留之间，究竟表现如何？

项目选用Qwen2.5-7B和Llama3.2-3B-Instruct，在数学与医学推理两个目标域上分别进行监督微调（SFT）与基于验证奖励的强化学习（RLVR）训练，并以IFEval、NaturalQuestions（NQ）、BBH等任务评估通用能力的保留情况。