权重魔改易伤生成类评测，MMLU 却基本无恙

aryaman2020 指出，对模型做各种大幅权重改动通常不会明显拉低 MMLU 这类基准成绩，但生成式任务极易被打坏。提示基准上的分数未必反映模型真实能力的变化。