MLflow 2.13.0 包含多项重大功能和改进

在此版本中，我们很高兴推出多项功能，这些功能将广泛提升 MLflow 在各种用例中的可用性。

主要功能和改进：​

• 可流式传输的 Python 模型：新推出的 Python Models 的 predict_stream API 允许自定义模型实现支持返回生成器对象，从而为 GenAI 应用提供完全的定制化。

• 增强的代码依赖项推断：一项新功能，可根据模型实现中检测到的依赖项自动推断代码依赖项。作为 code_paths 参数的补充，在记录模型时引入的 infer_model_code_paths 选项将确定需要哪些额外的代码模块，以确保模型能够独立加载、部署和可靠存储。

• MLflow 部署服务器标准化：部署服务器端点的输出现在符合 OpenAI 的接口，以便与常用服务进行更简单的集成。

功能

• [部署] 更新 MLflow 部署服务器接口以兼容 OpenAI (#12003, @harupy)
• [部署] 将 Togetherai 添加为 MLflow 部署服务器的支持提供商 (#11557, @FotiosBistas)
• [模型] 为 Python Models 添加 predict_stream API 支持 (#11791, @WeichenXu123)
• [模型] 增强 MLFlow 模型代码依赖项记录功能 (#11806, @WeichenXu123)
• [模型] 为 LangChain 中的 RunnableBinding 模型添加支持 (#11980, @serena-ruan)
• [模型注册表 / Databricks] 添加对重命名已注册到 Unity Catalog 的模型的支持 (#11988, @artjen)
• [模型注册表 / Databricks] 改进对 Unity Catalog 注册模型中无效组件的搜索处理 (#11961, @artjen)
• [模型注册表] 增强重试逻辑和凭据刷新，以减轻在上传或下载工件时云提供商令牌过期的失败 (#11614, @artjen)
• [工件 / Databricks] 为从 Unity Catalog 加载的模型添加增强的血缘跟踪 (#11305, @shichengzhou-db)
• [跟踪] 为 Pyfunc 模型添加资源元数据，以帮助配置模型服务环境 (#11832, @sunishsheth2009)
• [跟踪] 增强 LangChain 的代码模型签名推断 (#11855, @sunishsheth2009)

错误修复

• [工件] 禁止 AWS 上多部分上传的无效配置选项 (#11975, @ian-ack-db)
• [模型注册表] 强制执行已注册模型的元数据相等性 (#12013, @artjen)
• [模型] 纠正 AttrDict 用法中 hasattr 引用的问题 (#11999, @BenWilson2)

文档更新

• [文档] 简化主文档登陆页面 (#12017, @BenWilson2)
• [文档] 为扩展的代码路径推断功能添加文档 (#11997, @BenWilson2)
• [文档] 为 predict_stream API 添加文档指南 (#11976, @BenWilson2)
• [文档] 使用 JFrog MLflow 插件添加对增强文档的支持 (#11426, @yonarbel)

有关更改的完整列表，请参阅 发布更改日志，并查看 mlflow.org 上的最新文档。