MLflow 2.11.3 是一个补丁版本，解决了开源 MLflow 跟踪服务器的安全漏洞以及其他 Databricks 集成问题
错误修复
有关更改的完整列表，请参阅版本更新日志，并在 mlflow.org 上查看最新文档。
MLflow 2.11.2 是一个补丁版本，引入了对自定义 transformer 模型支持的修正，解决了 LangChain 集成问题，并包含多项稳定性增强修复。
错误修复
有关更改的完整列表，请参阅版本更新日志，并在 mlflow.org 上查看最新文档。
MLflow 2.11.1 是一个补丁版本，包含对部分 Databricks 集成和其他各种问题的修复。
错误修复
小型错误修复和文档更新
#11336, #11335, @harupy; #11303, @B-Step62; #11319, @BenWilson2; #11306, @daniellok-db
有关更改的完整列表，请参阅版本更新日志，并在 mlflow.org 上查看最新文档。
MLflow 2.11.0 包含几项主要功能和改进
随着 MLflow 2.11.0 版本的发布，我们很高兴带来一系列涵盖 GenAI 和深度学习用例的重大且有影响力的功能。
MLflow 跟踪 UI 进行了全面改进，以更好地支持深度学习工作负载的训练运行的审查和比较。从分组到贯穿 DL 模型训练周期的大规模指标绘制，有大量用户体验改进，以增强您的深度学习 MLOps 工作流程。
HuggingFace 流行库 PEFT 的支持现已在 mlflow.transformers flavor 中提供。除了 PEFT 支持外，我们还取消了对可记录到 MLflow 的 Pipeline 类型的限制，并增加了在开发和测试模型时，能够不复制基础模型权重即可记录 transformers pipeline 的功能。这些增强功能旨在使 transformers flavor 对尖端 GenAI 模型、新的 pipeline 类型更加有用，并简化 prompt engineering、微调的开发过程，使迭代开发更快、更便宜。立即尝试更新的 flavor 吧！(#11240, @B-Step62)
我们在 PyTorch 和 TensorFlow 中都添加了对模型权重自动检查点 (包括从先前状态恢复) 的支持，用于这两种 flavor 中的 auto logging 实现。这项备受期待的功能允许您自动配置长时间运行的深度学习训练，以安全地保存您的最佳 epoch，从而消除训练后期因故障而丢失模型优化状态的风险。(#11197, #10935, @WeichenXu123)
我们为 GenAI 工作负载在 Pyfunc 中添加了一个新接口。新的 ChatModel 接口允许您像与任何其他提供者交互一样，与已部署的 GenAI 聊天模型交互。简化的接口（不再要求符合 Pandas DataFrame 输入类型）旨在统一 API 接口体验。(#10820, @daniellok-db)
我们现在支持 Keras 3。Keras 库的这项重大改进引入了 Keras 与不同 DL 框架集成的新的基本变化，带来了许多新功能和互操作性。要了解更多信息，请参阅 Keras 3.0 教程，立即开始使用更新的模型 flavor 吧！(#10830, @chenmoneygithub)
Mistral AI 已被添加为 MLflow 部署服务器的原生提供者。您现在可以使用其强大的 GenAI 模型，创建到 Mistral AI 服务的代理连接，用于补全和嵌入。(#11020, @thnguyendn)
我们为 OpenAI 1.x SDK 添加了兼容性支持。无论您是使用 OpenAI LLM 进行模型评估，还是在 LangChain 模型中调用 OpenAI，您现在都可以使用 OpenAI SDK 的 1.x 系列，而无需指向已弃用的旧版 API。(#11123, @harupy)
功能
mlflow.pyfunc.predict 中添加 PySpark DataFrame 支持，增强了批处理推理的数据兼容性和分析选项 (#10939, @ernestwong-db)mlflow.config.enable_async_logging 用于异步记录，改进日志处理和系统性能 (#11138, @chenmoneygithub)prompt）和嵌入（input）格式输入，增加模型交互的灵活性 (#10958, @es94129)错误修复
ChatModel 输出时调用 load_context()，以便所有必需的外部引用都包含在模型对象实例中 (#11150, @daniellok-db)torch.dtype 指定为字符串时未正确应用于底层 transformer 模型的问题 (#11297, #11295, @harupy)mlflow.evaluate 中针对非 LLM/自定义指标的 col_mapping 错误，确保准确的评估和指标计算 (#11156, @sunishsheth2009)TensorInfo TypeError 异常消息问题，确保为用户提供清晰准确的错误报告 (#10953, @leecs0503)RestException 对象的可 pickle 化能力，提高其在需要序列化的分布式计算场景中的可用性 (#10936, @WeichenXu123)io.delta:delta-spark_2.12:3.0.0 依赖项更新到正确的 scala 版本，使依赖项与项目需求对齐 (#11149, @WeichenXu123)importlib.metadata.entry_points().get 来适应更新版本的 python，增强兼容性和稳定性 (#10752, @raphaelauv)mlflow.login() 的认证验证，简化认证流程并提高安全性 (#11039, @chenmoneygithub)文档更新
log_input 的新指南和教程，用可操作的建议和示例丰富文档，以实现有效的数据处理 (#10956, @BenWilson2)有关更改的完整列表，请参阅版本更新日志，并在 mlflow.org 上查看最新文档。
MLflow 2.10.2 是一个补丁版本，它移除了对“旧版 databricks CLI”的依赖。
有关更改的完整列表，请参阅版本更新日志，并在 mlflow.org 上查看最新文档。
MLflow 2.10.1 是一个补丁版本，包含对 transformers 和 langchain flavors、MLflow UI 以及 S3 artifact store 中各种错误的修复。更多详情可在以下补丁说明中找到。
错误修复
predict() 会对 string 和 List[string] 输入失败。(#10960, @B-Step62)文档更新
小型错误修复和文档更新
#10930, #11005, @serena-ruan; #10927, @harupy
有关更改的完整列表，请参阅版本更新日志，并在 mlflow.org 上查看最新文档。
MLflow 2.10.0 包含几项主要功能和改进！
在 MLflow 2.10 中，我们引入了许多重要的新功能，这些功能正在为当前和未来增强对深度学习用例的支持、支持更广泛的 GenAI 应用的新功能以及 MLflow 部署服务器（原 AI 网关）的一些用户体验改进铺平道路。
我们有了新的主页。新网站登录页面清新、现代，并包含比以往更多内容。我们一直在添加新内容和博客。
对象和数组现可作为可配置的输入和输出 schema 元素使用。这些新类型对于专注于 GenAI 的 flavor 特别有用，因为它们可以有复杂的输入和输出类型。请参阅新的签名和输入示例文档，了解如何使用这些新的签名类型。
LangChain 现在支持自动记录！启用自动记录后，当您调用 chain 时，我们将自动记录大多数 chain 实现，为您记录和存储配置的 LLM 应用。请参阅新的Langchain 文档，了解如何使用此功能。
MLflow transformers flavor 现在支持 prompt templates。您现在可以指定一套应用程序特定的指令提交给您的 GenAI pipeline，以简化、流畅并集成随每个输入请求提供的系统 prompt 集。查看更新的transformers 指南，了解更多信息并查看示例！
MLflow 部署服务器现在支持两项新的请求功能：(1) 支持流式响应的 OpenAI endpoint。您现在可以配置一个 endpoint，用于返回聊天和补全的实时响应，而无需等待整个文本内容完成。(2) 现在可以为每个 endpoint 设置速率限制，以帮助在使用 SaaS 模型时控制成本超支。
通过扩展 MLflow 核心功能（部署、签名和模型依赖管理）以及为 GenAI flavor 新建页面，继续推动增强文档、指南、教程和示例。立即查看吧！
predict API，作为环境兼容性的预记录验证器。(#10759, @B-Step62)pyfunc predict，自动将 OpenAI 输入消息转换为 LangChain 聊天消息 (#10758, @dbczumar)Futures 对象调用 flush 来增强异步记录功能 (#10715, @chenmoneygithub)login() API 添加非交互模式支持 (#10623, @henxing)messages 键的直接 dict 输入 (#10742, @daniellok-db, @B-Step62)mlflowdbfs 挂载 (#9872, @C-K-Loan)KeyError: 'loss' 错误 (#10886, @yanmxa)有关更改的完整列表，请参阅版本更新日志，并在 mlflow.org 上查看最新文档。
MLflow 2.9.2 是一个补丁版本，包含多项关键安全修复和配置更新，以支持超大型模型 artifact。
功能
mlflow.deployments.openai API，通过 deployments API 简化对 OpenAI 服务的直接访问 (#10473, @prithvikannan)安全修复
.. 路径遍历查询，防止在查询 artifact URI 位置时发生路径遍历攻击 (#10653, @B-Step62)HTTPDatasetSource 交互的跟踪 API 时，在 Windows 上执行恶意文件遍历攻击的机制 (#10647, @BenWilson2)文档更新
有关更改的完整列表，请参阅版本更新日志，并在 mlflow.org 上查看最新文档。
MLflow 2.9.1 是一个补丁版本，包含一个与加载在早期 MLflow 版本中保存的 pyfunc 模型相关的关键错误修复。
错误修复
小型错误修复和文档更新
有关更改的完整列表，请参阅版本更新日志，并在 mlflow.org 上查看最新文档。
MLflow 2.9.0 包含几项主要功能和改进。
之前称为 MLflow AI Gateway 的功能已迁移，以利用MLflow 部署 API。有关从 AI Gateway 迁移到新部署 API 的指南，请参阅 [MLflow AI Gateway Migration Guide](https://mlflow.org.cn/docs/latest/llms/gateway/migration.html。
MLflow 跟踪文档已全面修订。我们希望收到您对新跟踪文档的反馈！
此版本已提交三项安全补丁，并已发布 CVE，其中包含安全补丁涉及的详细信息和潜在攻击向量。如果您的跟踪服务器未安全部署并对互联网开放访问，请审查并更新您的跟踪服务器部署。
HttpArtifactRepository.list_artifacts 中的 path (#10585, @harupy)HTTPDatasetSource 的 Content-Disposition 头中的 filename (#10584, @harupy)。Content-Type 头以防止 POST XSS (#10526, @B-Step62)backoff_jitter (#10486, @ajinkyavbhandare)make_metric API 中的 score type 为数字类型，则添加默认的 aggregate_results (#10490, @sunishsheth2009)torch_dtype (#10586, @serena-ruan)ndcg_at_k (#10284, @liangz1)copy_model_version (#10308, @jerrylian-db)RunnableSequence, RunnableParallel, 和 RunnableBranch (#10521, #10611, @serena-ruan)有关更改的完整列表，请参阅版本更新日志，并在 mlflow.org 上查看最新文档。