同一字段得到两种运行时类型
启用延迟注解后，dataclass 字段保存的是推迟求值的类型描述，`f.type is dict` 不再成立。CLI 会把 `model_args` 等字典参数解析成映射，纯 YAML 入口却可能把同样的 `"pretrained=gpt2,dtype=float16"` 一路保留为字符串，直到元数据与模型配置阶段才暴露类型错位。
LM Evaluation Harness
—Stars广泛使用的大语言模型评测框架，将任务定义、few-shot 模板、生成参数和推理后端统一到可复现流水线，支持跨模型、跨基准的标准化比较。
让两种配置入口走同一条路
CLI 和 YAML 表达方式不同，但进入评测系统前应该被规范化成完全相同的数据结构。
CLI
key=valueYAML"key=value"SINGLE SOURCE OF TRUTHDICT_KEYSshared _configure()
model_argsgen_kwargsmetadatadict
延迟注解破坏了身份判断
问题不在某个参数，而在配置入口缺少共同的规范化边界。项目已经用 `DICT_KEYS` 维护 CLI 风格字典字段的单一清单，因此类型识别不应依赖注解对象身份；字符串字典还必须在任何元信息消费之前解析，同时让原生 YAML mapping 保持原状。
DICT_KEYS 成为单一事实来源
以现有 `DICT_KEYS` 取代 `f.type is dict`，并把字典字符串解析前移到 `from_config()` 与 `from_cli()` 共享的配置流水线；将 `trackio_args` 纳入同一注册表。回归同时覆盖 YAML 字符串、原生映射及两种入口，验证规范化发生在模型配置构建之前。
CLI 与 YAML 得到同样结果
相同的评测参数现在从 CLI 与 YAML 进入后会得到一致的运行时映射，不再因延迟注解静默绕过解析；原生 YAML 字典不会被重复转换。针对配置子命令的 70 项测试和主体测试集的 613 项用例共同锁定这条入口契约。
PR #4020 已随 LM Evaluation Harness v0.4.13 正式发布
查看正式版本 - CLI / YAML 配置统一解析
- Release Notes 收录 PR #4020
- New Contributors 官方署名