我们很高兴地宣布 MLflow 1.11.0 现已发布！

除了错误修复和文档改进之外，MLflow 1.11.0 还包含以下新功能和改进：

• 新增 mlflow.sklearn.autolog() API，可自动记录 scikit-learn 模型训练的指标、参数和模型（#3287，@harupy；#3323，#3358 @dbczumar）
• 已注册模型和模型版本创建 API 现在支持指定初始 description（#3271，@sueann）
• R 语言的 mlflow_log_model 和 mlflow_load_model API 现在支持 XGBoost 模型（#3085，@lorenzwalthert）
• 新增 mlflow.list_run_infos 流式 API，用于列出运行元数据（#3183，@trangevi）
• 在模型版本和模型版本比较 UI 中新增了可视化和比较模型架构的区域（#3209，@zhidongqu-db）
• 增强了在 Databricks 工作区中使用模型注册表的功能：支持从工作区外部向 Databricks 工作区注册模型（#3119，@sueann），跟踪这些模型的运行 lineage（#3128，#3164，@ankitmathur-db；#3187，@harupy），以及针对远程 Databricks 模型注册表调用 mlflow.<flavor>.load_model（#3330，@sueann）
• UI 支持设置/删除已注册模型和模型版本的标签（#3187，@harupy）
• UI 支持在将新模型版本转换为暂存/生产环境时，归档现有暂存/生产环境的模型版本（#3134，@harupy）

如需更改的完整列表，请参阅 发布变更日志，并查阅 mlflow.org 上的最新文档。