MLflow 2.14.0 包含若干重大功能和改进，我们非常高兴地宣布！

主要特性:​

• MLflow Tracing: Tracing 是一项强大的工具，旨在增强您监控、分析和调试 GenAI 应用的能力，允许您检查应用在处理请求时生成的中间输出。此次更新附带了自动的 LangChain 集成，以尽可能简化上手过程，但我们也实现了高级的 fluent APIs 和低级的 client APIs，供希望对 trace instrumentation 有更多控制的用户使用。有关更多信息，请参阅 guide in our docs！
• Unity Catalog 集成: MLflow Deployments 服务器现在与 Unity Catalog 集成，允许你利用已注册的函数作为增强你聊天应用的工具。更多信息，请查看 this guide！
• OpenAI Autologging: 已为 OpenAI 模型 flavor 添加了 Autologging 支持。借助此功能，MLflow 会在调用 OpenAI API 时自动记录模型。每次发出请求时，输入和输出都会作为 artifacts 被记录。查看 the guide 获取更多信息！

其他值得注意的功能：

• [模型] 支持使用 b64.encodebytes 编码的输入图像 (#12087, @MadhuM02)
• [Tracking] 支持每 X 秒进行异步日志记录 (#12324, @chenmoneygithub)
• [跟踪] 提供一种设置 urllib 的连接数和最大大小的方法 (#12227, @chenmoneygithub)
• [项目] 使 MLflow 项目运行器支持将 Spark 作业提交到 databricks runtime >= 13 (#12139, @WeichenXu123)
• [UI] 向 runs 表添加 "description" 列 (#11996, @zhouyou9505)

错误修复：

• [模型注册表] 处理无 headers 的预签名 url (#12349, @artjen)
• [Models] 修复 ChatResponse 类的 docstring 顺序并使 object 字段不可变 (#12305, @xq-yin)
• [Databricks] 修复在 get_databricks_nfs_temp_dir 和 get_databricks_local_temp_dir 中对 root 用户的检查 (#12186, @WeichenXu123)
• [跟踪] 修复 _init_server 进程终止时挂起 (#12076, @zhouyou9505)
• [评分] 修复 MLflow 模型容器和慢速测试 CI 失败 (#12042, @WeichenXu123)

Documentation updates:

• [Docs] 为 autologging 支持的库增强文档 (#12356, @xq-yin)
• [跟踪, 文档] 将 Langchain 添加为代码示例和文档字符串 (#12325, @sunishsheth2009)
• [跟踪, 文档] 添加 Pyfunc 作为代码示例和文档字符串 (#12336, @sunishsheth2009)
• [文档] 在文档中添加用于查看跟踪异常的常见问题解答条目 (#12309, @BenWilson2)
• [文档] 添加关于在使用 multiprocessing 进行并行运行时 'fork' 与 'spawn' 方法的说明 (#12337, @B-Step62)
• [文档] 修复函数包装的跟踪示例中的类型错误 (#12338, @B-Step62)
• [Docs] 在文档中为 mlflow.search_traces 添加 "extract_fields" 的示例用法 (#12319, @xq-yin)
• [文档] 更新 LangChain Autologging 文档 (#12306, @B-Step62)
• [文档] 添加追踪文档 (#12191, @BenWilson2)

有关完整的更改列表，请参阅 release change log，并查看最新的文档，见 mlflow.org。