跳到主要内容

·2 分钟阅读
MLflow maintainers

2.19.0 (2024-12-11)​

我们很高兴宣布 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 作为其新的架构。predict_stream 接口使用 ChatCompletionChunk 以提供真正的流式响应。此外，ChatModel 中的 custom_inputs 和 custom_outputs 字段现在利用 AnyType，从而支持更广泛的数据类型。注意：在未来版本的 MLflow 中，ChatParams（以及因此衍生的 ChatCompletionRequest）将移除 n、temperature 和 stream 的默认值。（#13782, #13857, @stevenchen-db）

  • 跟踪改进 - MLflow 跟踪现在支持对 DSPy、LlamaIndex 和 Langchain 风格进行自动和手动跟踪。跟踪功能也针对所有受支持的风格的 mlflow 评估自动启用。（#13790, #13793, #13795, #13897, @B-Step62）

  • 新的跟踪集成 - MLflow 跟踪现在支持 CrewAI 和 Anthropic，可实现一行代码的完全自动化跟踪体验。（#13903, @TomeHirata, #13851, @gabrielfu）

  • 模型签名中的 Any Type - MLflow 现在支持模型签名中的 AnyType。它可以用于包含以前不受支持的任何数据类型。（#13766, @serena-ruan）

其他功能

  • [跟踪] 添加 update_current_trace API 以向活动跟踪添加标签。（#13828, @B-Step62）
  • [部署] 更新 Databricks 部署以支持 AI Gateway 和附加更新端点（#13513, @djliden）
  • [模型] 支持在 mlflow.models.predict 中使用 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() 方法以在跟踪中搜索 span（#13984, @B-Step62）

错误修复

  • [跟踪] 允许在 mlflow evaluate API 中传入 spark connect 数据框（#13889, @WeichenXu123）
  • [跟踪] 修复 MLflow 运行上下文管理器中 mlflow.end_run 的问题（#13888, @WeichenXu123）
  • [评分] 修复远程 spark-connect 客户端或 Databricks Serverless 上 spark_udf 条件检查的问题（#13827, @WeichenXu123）
  • [模型] 允许更改内置 LLM-as-a-Judge 指标的 max_workers（#13858, @B-Step62）
  • [模型] 支持使用基于代码的日志记录保存所有 langchain runnables（#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() 中将参数值字符串化（#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）

有关更改的完整列表，请参阅版本变更日志，并查阅mlflow.org上的最新文档。

·5 分钟阅读
MLflow maintainers

我们很高兴宣布 MLflow 2.18.0 版本发布！此版本包含多项重要功能、增强功能和错误修复。

Python 版本更新​

Python 3.8 现在已达到生命周期终点。随着对这个旧版本的官方支持中止，MLflow 现在要求 Python 3.9 作为最低支持版本。

注意：如果您当前使用 MLflow 的 ChatModel 接口来编写自定义 GenAI 应用程序，请确保您已阅读下面的未来重大变更部分。

主要新功能​

  • 🦺 流畅 API 线程/进程安全 - MLflow 用于跟踪和模型注册表的流畅 API 已进行全面改进，以增加对线程和多进程安全的支持。您现在不再被迫在多进程和线程化应用程序中使用客户端 API 来管理实验、运行和日志记录。（#13456, #13419, @WeichenXu123）

  • 🧩 DSPy 风格 - MLflow 现在支持对 DSPy 模型进行日志记录、加载和跟踪，从而扩展了 MLflow 对高级 GenAI 编写的支持。查看MLflow DSPy 风格文档以开始使用！(#13131, #13279, #13369, #13345, @chenmoneygithub, #13543, #13800, #13807, @B-Step62, #13289, @michael-berk）

  • 🖥️ 增强的跟踪 UI - MLflow 跟踪的 UI 进行了重大改进，提高了审计和调查 GenAI 跟踪内容的用户体验和便捷性，包括使用 markdown 增强 span 内容渲染以及标准化的 span 组件结构。（#13685, #13357, #13242, @daniellok-db）

  • 🚄 新的跟踪集成 - MLflow 跟踪现在支持 DSPy、LiteLLM 和 Google Gemini，可实现一行代码的完全自动化跟踪体验。这些集成在更广泛的行业工具中解锁了增强的可观察性。敬请关注即将推出的集成和更新！(#13801, @TomeHirata, #13585, @B-Step62）

  • 📊 扩展的 LLM-as-a-Judge 支持 - MLflow 现在通过支持额外的提供商（包括 Anthropic、Bedrock、Mistral 和 TogetherAI，以及现有的 OpenAI 等提供商）增强了其评估能力。用户现在还可以使用新的 proxy_url 和 extra_headers 选项配置遵循提供商 API 规范的代理端点或自托管 LLM。访问LLM-as-a-Judge文档了解更多详情！(#13715, #13717, @B-Step62）

  • ⏰ 环境变量检测 - 作为部署模型时的有用提醒，MLflow 现在可以检测并提醒用户在模型日志记录期间设置的环境变量，确保它们已配置用于部署。此外，mlflow.models.predict 工具也已更新，在服务模拟中包含这些变量，从而改进了预部署验证。（#13584, @serena-ruan）

ChatModel 接口的重大变更​

  • ChatModel 接口更新 - 作为 MLflow 及其依赖或深度集成 MLflow GenAI 功能的服务中更广泛的统一工作的一部分，我们正分阶段努力为自定义 GenAI 应用程序开发和使用建立一致且标准的接口。在第一阶段（计划在 MLflow 的未来几个版本中发布），我们将把一些接口标记为已弃用，因为它们即将发生变化。这些变化将是

    • 接口重命名:
      • ChatRequest → ChatCompletionRequest，以便为未来计划的请求接口提供消歧。
      • ChatResponse → ChatCompletionResponse，原因与输入接口相同。
      • ChatRequest 和 ChatResponse 中的 metadata 字段 → 分别为 custom_inputs 和 custom_outputs。
    • 流式更新:
      • predict_stream 将更新，以便为自定义 GenAI 应用程序启用真正的流式传输。目前，它返回一个生成器，其中包含来自 predict 的同步输出。在未来的版本中，它将返回一个 ChatCompletionChunks 生成器，从而启用异步流式传输。虽然 API 调用结构将保持不变，但返回的数据负载将显著变化，与 LangChain 的实现保持一致。
    • 旧有 Dataclass 弃用:
      • mlflow.models.rag_signatures 中的 Dataclasses 将被弃用，合并到统一的 ChatCompletionRequest、ChatCompletionResponse 和 ChatCompletionChunks 中。

其他功能

以下是更新后的部分，包含每个 PR ID 和作者的链接

markdown 复制代码 其他功能

  • [评估] 向 MLflow Evaluate 添加 Huggingface BLEU 指标（#12799, @nebrass）
  • [模型 / Databricks] 在 Databricks Serverless 运行时、Databricks Connect 和预构建的 Python 环境中运行时，添加对 spark_udf 的支持（#13276, #13496, @WeichenXu123）
  • [评分] 为 pyfunc.spark_udf 添加一个 model_config 参数，用于自定义批量推理负载提交（#13517, @WeichenXu123）
  • [跟踪] 将 retriever span 输出标准化为 MLflow Document 列表（#13242, @daniellok-db）
  • [UI] 在 MLflow UI 中添加对可视化和比较嵌套参数的支持（#13012, @jescalada）
  • [UI] 在 MLflow UI 的“比较运行”页面中添加对比较日志记录的 artifacts 的支持（#13145, @jescalada）
  • [Databricks] 添加对 LangChain 模型日志记录的 resources 定义的支持（#13315, @sunishsheth2009）
  • [Databricks] 在 Agent 定义的 dependencies 中添加对定义多个 retriever 的支持（#13246, @sunishsheth2009）

错误修复

  • [数据库] 在删除实验时级联删除数据集，以修复 MLflow 的 gc 命令在删除具有日志记录数据集的实验时存在的 bug（#13741, @daniellok-db）
  • [模型] 修复 LangChain 的 pyfunc predict 输入转换中的 bug（#13652, @serena-ruan）
  • [模型] 修复定义模型签名的子类和 Optional dataclasses 的签名推理问题（#13440, @bbqiu）
  • [跟踪] 修复异步日志记录批量分割验证规则的问题（#13722, @WeichenXu123）
  • [跟踪] 修复 LangChain 的 autologging 线程安全行为的问题（#13672, @B-Step62）
  • [跟踪] 由于 Spark 的限制，禁用在线程池中运行 Spark autologging 的支持（#13599, @WeichenXu123）
  • [跟踪] 将 chat schema 中的 role 和 index 标记为必需（#13279, @chenmoneygithub）
  • [跟踪] 在 OpenAI autolog 中处理原始响应（#13802, @harupy）
  • [跟踪] 修复在 LangChain 模型上使用多线程运行推理时，跟踪源运行行为的 bug（#13610, @WeichenXu123）

文档更新

  • [文档] 为即将到来的 ChatModel 变更添加 docstring 警告（#13730, @stevenchen-db）
  • [文档] 添加实现跟踪集成的贡献者指南（#13333, @B-Step62）
  • [文档] 添加关于在使用基于代码的方式记录模型时，使用 model_config 的指导（#13631, @sunishsheth2009）
  • [文档] 添加关于在 code_paths 模型日志记录功能中使用自定义库 artifacts 的文档（#13702, @TomeHirata）
  • [文档] 改进 SparkML log_model 文档，添加关于如何从分类模型返回概率的指导（#13684, @WeichenXu123）

有关更改的完整列表，请参阅版本变更日志，并查阅mlflow.org上的最新文档。

·1 分钟阅读
MLflow maintainers

MLflow 2.17.2 包含多项主要功能和改进

功能

错误修复

  • [模型] 修复 RunnableBinding 保存问题（#13566, @B-Step62）
  • [模型] 在 pip requirements 中当 pandas < 2.1.2 时锁定 numpy 版本（#13580, @serena-ruan）

文档更新

有关更改的完整列表，请参阅版本变更日志，并查阅mlflow.org上的最新文档。

·1 分钟阅读
MLflow maintainers

2.17.1 (2024-10-25)​

MLflow 2.17.1 包含多项主要功能和改进

功能

错误修复

  • [跟踪] 修复 LangChain autolog 中的工具 span 输入/输出格式问题（#13527, @B-Step62）
  • [模型] 修复 LlamaIndex 风格的 code_path 处理问题（#13486, @B-Step62）
  • [模型] 修复子类和可选 dataclasses 的签名推理问题（#13440, @bbqiu）
  • [跟踪] 修复 set_retriever_schema 在调用两次时抛出错误的行为问题（#13422, @sunishsheth2009）
  • [跟踪] 修复从 RunnableCallables 提取依赖项的问题（#13423, @aravind-segu）

文档更新

  • [文档] 修复文档中的拼写错误：endpoing -> endpoint（#13478, @JAMNESIA）
  • [文档] 改进 CLI 文档 - 关于设置 MLFLOW_TRACKING_URI 的注意事项（#13465, @BartoszLitwiniuk）
  • [文档] 添加关于 GenAI 风格中使用 infer_signature 的文档（#13407, @serena-ruan）

有关更改的完整列表，请参阅版本变更日志，并查阅mlflow.org上的最新文档。

·4 分钟阅读
MLflow maintainers

2.17.0 (2024-10-11)​

我们很高兴宣布 MLflow 2.17.0 版本发布！此版本包含多项增强功能，扩展了 MLflow 的 ChatModel 接口功能，进一步增强了其处理自定义 GenAI 应用程序用例的多样性。此外，我们改进了跟踪 UI 中的接口，为检索到的文档提供结构化输出，增强了在 UI 中读取这些文档内容的能力。我们还开始着手改进 MLflow 评估 GenAI 功能的实用性和多样性，最初支持可调用的 GenAI 评估指标。

主要功能和通知​

  • ChatModel 增强功能 - 作为 PythonModel 的 GenAI 重点“兄弟”，ChatModel 获得了一些可观的功能扩展。从原生支持工具调用（创建自定义 agent 的必要条件），通过在所有数据结构中引入 from_dict 方法简化了与 ChatModel 接口所需的内部 dataclass 结构的转换，添加 metadata 字段以完全自定义输入负载，处理新的 refusal 响应类型，到响应结构中包含接口类型以实现更好的集成兼容性。（#13191, #13180, #13143, @daniellok-db, #13102, #13071, @BenWilson2）

  • 可调用 GenAI 评估指标 - 作为 mlflow.evaluate 功能在 GenAI 用例中更广泛扩展的初步步骤，我们将 GenAI 评估指标转换为可调用形式。这使得您可以在支持可调用 GenAI 评估指标的包中直接使用它们，并在原型设计解决方案时更容易调试个体响应。（#13144, @serena-ruan）

  • MLflow UI 中的音频文件支持 - 您现在可以直接在 MLflow UI 的 artifact 查看器面板中“查看”已记录的音频文件并收听它们。

  • MLflow AI Gateway 不再被弃用 - 我们决定撤销对 AI Gateway 功能的弃用。我们曾将其重命名为 MLflow Deployments Server，但经过重新考虑，已将命名和命名空间恢复到原始配置。

功能

错误修复

  • [跟踪] 修复 LangGraph 的跟踪问题（#13215, @B-Step62）
  • [跟踪] 修复 presigned_url_artifact 请求格式错误的问题（#13366, @WeichenXu123）
  • [模型] 更新 Databricks 依赖项提取功能以与 langchain-databricks 合作伙伴包配合使用。（#13266, @B-Step62）
  • [模型注册表] 修复从模型注册表下载 artifact 时重试和凭据刷新问题（#12935, @rohitarun-db）
  • [跟踪] 修复 LangChain autologging，使其 partner 包不需要 langchain-community（#13172, @B-Step62）
  • [Artifacts] 修复本地 artifact 存储库的文件删除问题（#13005, @rzalawad）

文档更新

请试用并向问题跟踪器报告任何问题。

·2 分钟阅读
MLflow maintainers

2.16.1 (2024-09-13)​

MLflow 2.16.1 是一个补丁版本，包含一些次要的功能改进和多个错误修复。

功能

  • [跟踪] 添加对 Open Telemetry 兼容导出器的支持，用于配置 MLflow 跟踪的外部接收器（#13118, @B-Step62）
  • [模型注册表, AWS] 添加对 MLflow 模型注册表使用基于 AWS KMS 的加密的支持（#12495, @artjen）
  • [模型注册表] 添加对使用 OSS Unity Catalog 服务器作为模型注册表的支持（#13034, #13065, #13066, @rohitarun-db）
  • [模型] 引入基于路径的 transformers 日志记录，以减少保存大型 transformers 模型所需的内存（#13070, @B-Step62）

错误修复

  • [跟踪] 通过消除内部使用的 config 字段的返回，修复 Model.get_tags_dict 的数据负载大小问题（#13086, @harshilprajapati96）
  • [模型] 修复 LangChain Agents 中子依赖项未正确提取的问题（#13105, @aravind-segu）
  • [跟踪] 修复自动检查点中当前最佳模型选择了错误检查点的问题（#12981, @hareeen）
  • [跟踪] 修复 AutoGen 跟踪中跟踪初始化时的本地时区未被考虑的问题（#13047, @B-Step62）

文档更新

  • [文档] 添加 RunLLM 聊天小部件到 MLflow 的文档网站（#13123, @likawind）

有关更改的完整列表，请参阅版本变更日志，并查阅mlflow.org上的最新文档。

·3 分钟阅读
MLflow maintainers

我们很高兴宣布 MLflow 2.16.0 版本发布。此版本包含许多主要功能和改进！

主要功能：​

  • LlamaIndex 增强功能🦙 - 为了给LlamaIndex 集成提供额外的灵活性，我们现在支持用于日志记录的基于代码的模型功能、扩展的基于引擎的日志记录以及对外部向量存储的广泛支持。

  • LangGraph 支持 - 我们已扩展 LangChain 集成，以支持 agent 框架 LangGraph。通过跟踪和使用基于代码的模型功能进行日志记录，创建和存储 agent 应用程序变得前所未有的容易！

  • AutoGen 跟踪 - MLflow 现在完全自动支持跟踪使用微软的 AutoGen 框架构建的多轮 agent 应用程序。通过 mlflow.autogen.autolog() 启用自动日志记录将检测您使用 AutoGen 构建的 agent。

  • AI Gateway 插件支持 - 您现在可以定义自己的提供商接口，这些接口将与 MLflow 的 AI Gateway（也称为 MLflow Deployments Server）一起使用。创建可安装的提供商定义将允许您将 Gateway 服务器连接到您选择的任何 GenAI 服务。

功能

  • [UI] 向 MLflow artifact 查看器添加更新的部署使用示例（#13024, @serena-ruan, @daniellok-db）
  • [模型] 通过基于代码的模型功能支持记录 LangGraph 应用程序（#12996, @B-Step62）
  • [模型] 扩展对 Langgraph agents 的自动授权透传支持（#13001, @aravind-segu）
  • [模型] 扩展对 LangChain 应用程序日志记录的支持，以包含 UCFunctionToolkit 依赖项（#12966, @aravind-segu）
  • [模型] 通过基于代码的模型功能直接支持保存 LlamaIndex 引擎（#12978, @B-Step62）
  • [模型] 在 LlamaIndex 风格中支持基于代码的模型（#12944, @B-Step62）
  • [模型] 移除输入示例的数据结构转换，以确保与推理签名的增强兼容性（#12782, @serena-ruan）
  • [模型] 添加从 pyfunc 模型包装器中检索底层模型对象的能力（#12814, @serena-ruan）
  • [模型] 为模型签名添加 spark vector UDT 类型支持（#12758, @WeichenXu123）
  • [跟踪] 为 AutoGen 添加跟踪支持（#12913, @B-Step62）
  • [跟踪] 减少跟踪的延迟开销（#12885, @B-Step62）
  • [跟踪] 为 trace 装饰器添加异步支持（#12877, @MPKonst）
  • [部署] 向 AI Gateway (Deployments Server) 引入插件提供商系统（#12611, @gabrielfu）
  • [项目] 添加对提交参数到 Databricks 中运行的 MLflow 项目的支持（#12854, @WeichenXu123）
  • [模型注册表] 引入对 Open Source Unity Catalog 作为模型注册表服务的支持（#12888, @artjen）

错误修复

  • [跟踪] 减少 model-history 标签的内容，仅包含必要字段（#12983, @harshilprajapati96）
  • [模型] 修复加载 transformers 模型时定义要使用的设备的行为问题（#12977, @serena-ruan）
  • [模型] 修复 LlamaIndex 的评估行为问题（#12976, @B-Step62）
  • [模型] 由于包弃用，将 pkg_resources 替换为 importlib.metadata（#12853, @harupy）
  • [跟踪] 修复 OpenAI autolog 跟踪的错误处理问题（#12841, @B-Step62）
  • [跟踪] 修复连接到 SFTP artifact 存储时可能发生死锁的情况（#12938, @WeichenXu123）
  • [跟踪] 修复 LangChain 模型中 code_paths 依赖项在系统路径中未正确初始化的问题（#12923, @harshilprajapati96）
  • [跟踪] 修复指标值日志记录的类型错误（#12876, @beomsun0829）
  • [跟踪] 在收集 GPU 指标时正确捕获 NVML 错误（#12903, @chenmoneygithub）
  • [部署] 改进 OpenAI 提供商的 Gateway schema 支持（#12781, @danilopeixoto）
  • [模型注册表] 修复在 UC 模型注册期间从非标准 DBFS 位置下载 artifact 时删除 artifact 的问题（#12821, @smurching）

文档更新

有关更改的完整列表，请参阅版本变更日志，并查阅mlflow.org上的最新文档。

·1 分钟阅读
MLflow maintainers

2.15.1 (2024-08-06)​

MLflow 2.15.1 是一个补丁版本，解决了多个错误修复。

  • [跟踪] 修复 LangChain >= 0.2.10 时 LangChain autologging 静默禁用的问题。（#12779, @B-Step62）
  • [跟踪] 修复二元分类中数据子集仅包含单一类别时 mlflow.evaluate 崩溃的问题（#12825, @serena-ruan）
  • [跟踪] 修复 MLflow Tracing 与 LlamaIndex >= 0.10.61 不兼容的问题（#12890, @B-Step62）
  • [跟踪] 在 OpenAI autolog 跟踪中记录异常（#12841, @B-Step62）
  • [跟踪] 修复 e2 代理的 url 问题（#12873, @chenmoneygithub）
  • [跟踪] 修复连接到其他 Databricks workspace 上的 MLflow 跟踪服务器的回归问题（#12861, @WeichenXu123
  • [UI] 修复实验和运行页面上模型指标刷新按钮的问题（#12869, @beomsun0829）

有关更改的完整列表，请参阅版本变更日志，并查阅mlflow.org上的最新文档。

·5 分钟阅读
MLflow maintainers

我们很高兴宣布 MLflow 2.15.0 版本发布！！此版本包含许多主要功能和改进

主要功能：​

  • LlamaIndex 风格🦙 - MLflow 现在与LlamaIndex 提供了原生集成，LlamaIndex 是围绕自定义数据构建 GenAI 应用程序最流行的库之一。此集成允许您在 MLflow 中记录 LlamaIndex 索引，从而可以将索引数据加载和部署到不同引擎类型进行推理任务。MLflow 还为 LlamaIndex 操作提供全面的跟踪支持，为复杂查询提供了前所未有的透明度。查看MLflow LlamaIndex 文档开始使用！(#12633, @michael-berk, @B-Step62）

  • OpenAI 跟踪🔍 - 我们通过新的跟踪功能增强了 OpenAI 集成，该功能与 MLflow OpenAI 自动日志记录无缝协作。您现在可以通过单个 mlflow.openai.autolog() 调用启用对其 OpenAI API 使用的跟踪，MLflow 将自动记录宝贵的元数据，例如 token 使用量和您的交互历史记录，从而为您的 OpenAI 驱动应用程序提供更深入的洞察。要开始探索此新功能，请查看跟踪文档！(#12267, @gabrielfu）

  • 通过新验证功能增强模型部署✅ - 为了提高模型部署的可靠性，MLflow 添加了一种新方法来在将模型部署到推理端点之前对其进行验证。此功能有助于消除输入和输出处理中的典型错误，简化模型部署过程并增强对已部署模型的信心。通过及早发现潜在问题，您可以确保从开发到生产更顺畅的过渡。（#12710, @serena-ruan）

  • 评估的自定义指标定义记录📊 - 我们通过自动记录和版本化指标定义（包括用作 judge 的模型和 prompt 模板），增强了定义模型评估自定义指标的灵活性。借助此新功能，您可以确保跨不同运行的评估可重现性，并轻松重用评估设置以保持一致性，从而促进不同模型或版本之间更有意义的比较。（#12487, #12509, @xq-yin）

  • Databricks SDK 集成🔐 - MLflow 与 Databricks 端点的交互已完全迁移到使用Databricks SDK。此更改带来了 MLflow 和 Databricks 之间更强大和可靠的连接，并可以访问最新的 Databricks 功能和能力。我们标记旧的 databricks-cli 支持为已弃用，并将在未来的版本中移除。（#12313, @WeichenXu123）

  • Spark VectorUDT 支持💥 - MLflow 的模型签名框架现在支持 Spark Vector UDT（用户定义类型），从而支持使用 Spark VectorUDT 记录和部署具有强大类型验证的模型。（#12758, @WeichenXu123）

其他值得注意的变更​

功能

  • [跟踪] 将 parent_id 添加为 start_run 流畅 API 的参数，用于替代控制流（#12721, @Flametaa）
  • [跟踪] 添加 U2M 认证支持，用于从 MLflow 连接到 Databricks（#12713, @WeichenXu123）
  • [跟踪] 支持使用 mlflow gc 删除远程 artifacts（#12451, @M4nouel）
  • [跟踪] 现在可以方便地通过 UI 从实验页面的“跟踪”选项卡中删除跟踪（#12641, @daniellok-db）
  • [模型] 为 GenAI 风格的 ChatModel 接口引入附加参数（#12612, @WeichenXu123）
  • [模型] [Transformers] 支持使用 b64.encodebytes 编码的输入图像（#12087, @MadhuM02）
  • [模型注册表] 为 Unity Catalog 模型注册表集成添加对 AWS KMS 加密的支持（#12495, @artjen）
  • [模型] 修复 MLflow Dataset 对 Pandas 数据框的哈希逻辑，使用 iloc 访问行（#12410, @julcsii）
  • [模型注册表] 支持没有 headers 的预签名 url 作为 artifact 位置（#12349, @artjen）
  • [UI] MLflow UI 中的实验页面外观已更新，并附带对折线图的一些性能优化（#12641, @hubertzub-db）
  • [UI] 现在可以将折线图配置为忽略数据中的异常值（#12641, @daniellok-db）
  • [UI] 与 Kubeflow Dashboard UI 创建兼容性（#12663, @cgilviadee）
  • [UI] 在跟踪 UI 的 Artifact 页面中添加一个新部分，该部分显示用于在部署前验证模型输入格式的代码片段 (#12729, @serena-ruan)

错误修复

  • [Tracking] 修复 MLflow SHAP 对 scikit-learn 模型的评估中的模型构建错误 (#12599, @serena-ruan)
  • [Tracking] 文件存储 get_experiment_by_name 返回所有阶段的实验 (#12788, @serena-ruan)
  • [Tracking] 修复异步/流式请求的 Langchain 回调注入逻辑 (#12773, @B-Step62)
  • [Tracing] [OpenAI] 修复 OpenAI 的流式跟踪，以记录正确的块结构 (#12629, @BenWilson2)
  • [Tracing] [LangChain] 修复 LangChain 跟踪中由于线程不安全导致的 `.batch` 调用错误 (#12701, @B-Step62)
  • [Tracing] [LangChain] 修复 LangChain 跟踪中的嵌套跟踪问题。 (#12705, @B-Step62)
  • [Tracing] 防止 MLflow Tracing 与其他基于 OpenTelemetry 的库之间的干扰 (#12457, @B-Step62)
  • [Models] 修复 MLflow >= 2.13 中导致 Databricks DLT py4j 服务崩溃的 log_model 问题 (#12514, @WeichenXu123)
  • [Models] [Transformers] 修复 Transformers Whisper 模型的批量推理问题 (#12575, @B-Step62)
  • [Models] [LangChain] 修复 AgentExecutor 和其他非 Runnable 链在 predict_stream 中生成器为空的问题 (#12518, @B-Step62)
  • [Scoring] 修复 Databricks runtime 中的 Spark UDF 权限被拒绝问题 (#12774, @WeichenXu123)

文档更新

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