跳到主要内容

·2分钟阅读
MLflow maintainers

MLflow 2.22.0 带来了重要的错误修复以及 UI 和跟踪功能的改进。

功能

  • [跟踪] 支持 OpenAI Responses API 的跟踪。
    (#15240, @B-Step62)
  • [跟踪] 引入了 get_last_active_trace，这会影响模型服务/监控逻辑。
    (#15233, @B-Step62)
  • [跟踪] 引入了 Databricks 跟踪的异步导出（默认行为）。
    (#15163, @B-Step62)
  • [AI 网关] 添加了 Gemini 嵌入支持和相应的单元测试。
    (#15017, @joelrobin18)
  • [跟踪 / SQLAlchemy] 现在支持带有客户端证书的 MySQL SSL 连接。
    (#14839, @aksylumoed)
  • [模型] 添加了 Optuna 存储工具，用于启用并行超参数调优。
    (#15243, @XiaohanZhangCMU)
  • [Artifacts] 添加了对 Azure Data Lake Storage (ADLS) Artifact 仓库的支持。
    (#14723, @serena-ruan)
  • [UI] UI 中文本的 Artifact 视图现在会自动刷新。
    (#14939, @joelrobin18)

错误修复

  • [跟踪 / UI] 修复了 langchain_tracer 中结构化输出的序列化问题 + 添加了单元测试。
    (#14971, @joelrobin18)
  • [服务器基础设施] 对身份验证强制执行密码验证（最少 8 个字符）。
    (#15287, @WeichenXu123)
  • [部署] 解决了 OpenAI Gateway 适配器的问题。
    (#15286, @WeichenXu123)
  • [Artifacts / 跟踪 / 服务器基础设施] 通过去除末尾斜杠来规范化路径。
    (#15016, @tarek7669)
  • [标签] 修复了包含 ": " 的标签值被截断的错误。
    (#14896, @harupy)

有关完整的变更列表，请参阅版本变更日志，并查看 mlflow.org 上的最新文档。

·1分钟阅读
MLflow maintainers

MLflow 2.21.1 是一个补丁版本，引入了一些次要功能并解决了一些小错误。

功能

错误修复

  • 修复由于时间戳转换时区错误导致的跟踪排序问题 (#15094, @orm011)
  • 修复环境变量 OTEL_EXPORTER_OTLP_PROTOCOL 定义中的一个拼写错误 (#15008, @gabrielfu)
  • 修复 Databricks 上的共享和无服务器集群在使用 evaluate API 记录 Spark Datasources 时的问题 (#15077, @WeichenXu123)
  • 修复 UI 中指标标签页内显示图像的渲染问题 (#15034, @TomeHirata)

文档更新

  • 在 set_retriever_schema API 文档中添加额外的上下文信息 (#15099, @smurching)

有关完整的变更列表，请参阅版本变更日志，并查看 mlflow.org 上的最新文档。

·3分钟阅读
MLflow maintainers

我们很高兴宣布 MLflow 2.21.0 版本发布！此版本包含许多重要功能、增强功能和错误修复。

主要新功能​

功能

错误修复

  • [模型] 修复警告处理模块的无限递归错误 (#14954, @BenWilson2)
  • [模型注册表] 修复 ModelRegistry RestStore 的无效类型问题 (#14980, @B-Step62)
  • [跟踪] 修复：当 set-tag 请求失败时，ExperimentViewRunsControlsActionsSelectTags 不会将加载状态设置为 false。(#14907, @harupy)
  • [跟踪] 修复标签创建中的一个错误，该错误导致包含 ": " 的标签值被截断 (#14896, @harupy)
  • [跟踪] 修复 AMD GPU 监视器的误报 (#14884, @B-Step62)
  • [跟踪] 修复 mlflow.doctor 在找不到 mlflow 时回退到 mlflow-skinny 的问题 (#14782, @harupy)
  • [模型] 处理 LangGraph 的重大变更 (#14794, @B-Step62)

文档更新

有关完整的变更列表，请参阅版本变更日志，并查看 mlflow.org 上的最新文档。

·1分钟阅读
MLflow maintainers

MLflow 2.20.3 是一个补丁版本，包含几项主要功能和改进

功能

错误修复

有关完整的变更列表，请参阅版本变更日志，并查看 mlflow.org 上的最新文档。

·1分钟阅读
MLflow maintainers

MLflow 2.20.2 是一个补丁版本，包含几项错误修复和功能

功能

错误修复

文档更新

有关完整的变更列表，请参阅版本变更日志，并查看 mlflow.org 上的最新文档。

·1分钟阅读
MLflow maintainers

MLflow 2.20.1 是一个补丁版本，包含几项错误修复和功能

功能

  • 支持基于类型提示的模型签名的 Spark_udf (#14265, @serena-ruan)
  • 使用 ChatAgent 与 LangChain 和 LangGraph 的辅助连接器 (#14215, @bbqiu)
  • 更新分类器评估器，默认绘制 CatBoost 模型的 RUC/Lift 曲线 (#14333, @singh-kristian)

错误修复

有关完整的变更列表，请参阅版本变更日志，并查看 mlflow.org 上的最新文档。

·2分钟阅读
MLflow maintainers

主要新功能​

  • 💡基于类型提示的模型签名：以最 Pythonic 的方式定义模型的签名。MLflow 现在支持基于 PythonModel 的 predict 函数中的类型提示来定义模型签名，并针对输入数据负载进行验证。(#14182, #14168, #14130, #14100, #14099, @serena-ruan)

  • 🧠 Bedrock / Groq 跟踪支持：MLflow Tracing 现在为 Amazon Bedrock 和 Groq LLM 提供了一行代码自动跟踪体验。只需在代码中添加 mlflow.bedrock.tracing 或 mlflow.groq.tracing 调用，即可跟踪模型中的 LLM 调用。(#14018, @B-Step62, #14006, @anumita0203)

  • 🗒️ Jupyter Notebook 内嵌跟踪渲染：MLflow 现在支持在运行模型的 Notebook 内部渲染跟踪 UI。这消除了频繁在 Notebook 和浏览器之间切换的需要，创建了流畅的本地模型调试体验。(#13955, @daniellok-db)

  • ⚡️使用 uv 包管理器加快模型验证：MLflow 采用了 uv，这是一个新的基于 Rust 的超快速 Python 包管理器。此版本在 mlflow.models.predict API 中增加了对新包管理器的支持，从而加快了模型环境验证速度。敬请关注更多更新！(#13824, @serena-ruan)

  • 🖥️ Trace UI 中的新聊天面板：MLflow Trace UI 现在为 LLM 调用提供了一个统一的 chat 面板。此更新允许您在不同 LLM 提供商之间通过丰富且一致的 UI 查看聊天消息和函数调用，并检查原始输入和输出负载。(#14211, @TomuHirata)

其他功能

有关完整的变更列表，请参阅版本变更日志，并查看 mlflow.org 上的最新文档。

·2分钟阅读
MLflow maintainers

MLflow 2.20.0rc0 是 2.20.0 的一个发布候选版本。要安装，请运行以下命令

pip install mlflow==2.20.0rc0

主要新功能​

  • 💡基于类型提示的模型签名：以最 Pythonic 的方式定义模型的签名。MLflow 现在支持基于 PythonModel 的 predict 函数中的类型提示来定义模型签名，并针对输入数据负载进行验证。(#14182, #14168, #14130, #14100, #14099, @serena-ruan)

  • 🧠 Bedrock / Groq 跟踪支持：MLflow Tracing 现在为 Amazon Bedrock 和 Groq LLM 提供了一行代码自动跟踪体验。只需在代码中添加 mlflow.bedrock.tracing 或 mlflow.groq.tracing 调用，即可跟踪模型中的 LLM 调用。(#14018, @B-Step62, #14006, @anumita0203)

  • 🗒️ Jupyter Notebook 内嵌跟踪渲染：MLflow 现在支持在运行模型的 Notebook 内部渲染跟踪 UI。这消除了频繁在 Notebook 和浏览器之间切换的需要，创建了流畅的本地模型调试体验。(#13955, @daniellok-db)

  • ⚡️使用 uv 包管理器加快模型验证：MLflow 采用了 uv，这是一个新的基于 Rust 的超快速 Python 包管理器。此版本在 mlflow.models.predict API 中增加了对新包管理器的支持，从而加快了模型环境验证速度。敬请关注更多更新！(#13824, @serena-ruan)

  • 🖥️ Trace UI 中的新聊天面板：MLflow Trace UI 现在为 LLM 调用提供了一个统一的 chat 面板。此更新允许您在不同 LLM 提供商之间通过丰富且一致的 UI 查看聊天消息和函数调用，并检查原始输入和输出负载。(#14211, @TomuHirata)

其他功能：​

请试用并向问题跟踪器报告任何问题！