跳到主要内容

MLflow 2.19.0

·2分钟阅读
MLflow maintainers

2.19.0 (2024年12月11日)​

我们很高兴地宣布 MLflow 2.19.0 版本发布！此版本包含多项重要功能、增强功能和错误修复。

主要新功能​

  • ChatModel 增强功能 - ChatModel 现在采用 ChatCompletionRequest 和 ChatCompletionResponse 作为其新架构。predict_stream 接口使用 ChatCompletionChunk 提供真正的流式响应。此外，ChatModel 中的 custom_inputs 和 custom_outputs 字段现在使用 AnyType，支持更广泛的数据类型。注意：在 MLflow 的未来版本中，将移除 ChatParams（以及 ChatCompletionRequest）中 n、temperature 和 stream 的默认值。(#13782, #13857, @stevenchen-db)

  • 跟踪改进 - MLflow Tracing 现在支持对 DSPy、LlamaIndex 和 Langchain 风格进行自动和手动跟踪。跟踪功能也为所有支持风格的 mlflow 评估自动启用。(#13790, #13793, #13795, #13897, @B-Step62)

  • 新的跟踪集成 - MLflow Tracing 现在支持 CrewAI 和 Anthropic，实现一行代码即可获得全自动跟踪体验。(#13903, @TomeHirata, #13851, @gabrielfu)

  • 模型签名中的 AnyType - MLflow 现在支持在模型签名中使用 AnyType。它可用于支持之前不支持的任何数据类型。(#13766, @serena-ruan)

其他功能

  • [跟踪] 添加 update_current_trace API，用于向活动跟踪添加标签。(#13828, @B-Step62)
  • [部署] 更新 Databricks 部署以支持 AI 网关和额外的更新端点 (#13513, @djliden)
  • [模型] 在 mlflow.models.predict 中支持 uv (#13824, @serena-ruan)
  • [模型] 添加类型提示支持，包括 pydantic 模型 (#13924, @serena-ruan)
  • [跟踪] 添加 trace.search_spans() 方法，用于在跟踪内搜索 span (#13984, @B-Step62)

错误修复

  • [跟踪] 允许在 mlflow evaluate API 中传递 spark connect 数据帧 (#13889, @WeichenXu123)
  • [跟踪] 修复 MLflow 运行上下文管理器内的 mlflow.end_run 问题 (#13888, @WeichenXu123)
  • [评分] 修复远程 spark-connect 客户端或 Databricks Serverless 上的 spark_udf 条件检查问题 (#13827, @WeichenXu123)
  • [模型] 允许更改内置 LLM-as-a-Judge 指标的 max_workers 参数 (#13858, @B-Step62)
  • [模型] 支持使用基于代码的日志记录保存所有 Langchain runnable (#13821, @serena-ruan)
  • [模型注册表] 在对文件调用 DatabricksSDKModelsArtifactRepository.list_artifacts 时返回空数组 (#14027, @shichengzhou-db)
  • [跟踪] 在 client.log_batch() 中将参数值转换为字符串 (#14015, @B-Step62)
  • [跟踪] 移除已弃用的 squared 参数 (#14028, @B-Step62)
  • [跟踪] 修复 search_traces 输出中的 request/response 字段 (#13985, @B-Step62)

文档更新

  • [文档] 在跟踪文档中添加 Ollama 和 Instructor 示例 (#13937, @B-Step62)

有关完整的更改列表，请参阅版本更改日志，并在mlflow.org上查看最新文档。