我们很高兴地宣布 MLflow 2.3.0 已可用！

MLflow 2.3.0 包含若干主要功能和改进

功能：

• [模型] 引入了一个名为 transformers 的新 flavor (#8236, #8181, #8086, @BenWilson2)
• [模型] 引入了一个名为 openai 的 flavor (#8191, #8155, @harupy)
• [模型] 引入了一个名为 flavor 的新 langchain (#8251, #8197, @liangz1, @sunishsheth2009)
• [模型] 添加对 Pytorch 和 Lightning 2.0 的支持 (#8072, @shrinath-suresh)
• [跟踪] 添加对记录 LLM 输入、输出和提示工件的支持 (#8234, #8204, @sunishsheth2009)
• [跟踪] 在 MLflow 跟踪服务器中添加对 HTTP 基本认证的支持 (#8130, @gabrielfu)
• [Tracking] 将 search_model_versions 添加到 fluent API (#8223, @mariusschlegel)
• [Artifacts] 添加对并行化工件下载的支持 (#8116, @apurva-koti)
• [Artifacts] 添加对 AWS artifact 并行上传的支持 (#8003, @harupy)
• [工件] 为 HttpArtifactRepository 的工件上传请求添加内容类型头 (#8048, @WillEngler)
• [Model Registry] 为已记录到 Model Registry 的模型添加别名支持 (#8164, #8094, #8055 @arpitjasa-db)
• [UI] 添加对自定义域 git 提供商的支持 (#7933, @gusghrlrl101)
• [评分] 添加对插件的支持，以便自定义 MLflow 服务端点 (#7757, @jmahlik)
• [Scoring] 为 MLflow serving 添加支持，允许配置多个推理工作者 (#8035, @M4nouel)
• [Sagemaker] 为 Sagemaker 添加对异步推理配置的支持 (#8009, @thomasbell1985)
• [构建] 将 shap 从 MLflow 的核心依赖中移除 (#8199, @jmahlik)

错误修复：

• [模型] 修复 tensorflow autologging 在具有多个输入的模型中的一个错误 (#8097, @jaume-ferrarons)
• [Recipes] 修复了一个由于 Pandas 2.0 更新 导致 profiler 在呈现 datetime 类型 时的 bug (#7925, @sunishsheth2009)
• [Tracking] 防止在使用与已存在键（其值与记录的参数相同）记录参数时抛出异常 (#8038, @AdamStelmaszczyk)
• [Tracking] 修复在 FileStore 后端删除实验时的问题 (#8178, @mariusschlegel)
• [Tracking] 修复了一个 UI 错误，模型版本页面中的 "Source Run" 字段指向了一组不正确的工件 (#8156, @WeichenXu123)
• [Tracking] 修复了一个错误，其中重命名 run 会将其当前生命周期状态重置为 UNFINISHED (#8154, @WeichenXu123)
• [跟踪] 修复了一个错误，该错误允许将文件 URI 用作模型版本来源 (#8126, @harupy)
• [项目] 修复 MLflow 项目在项目内包含子模块时的问题 (#8050, @kota-iizuka)
• [示例] 修复 lightning 的超参数调优示例 (#8039, @BenWilson2)
• [Server-infra] 修复静态服务器文件的 Cache-Control 响应头的错误 (#8016, @jmahlik)

Documentation updates:

• [示例] 添加一个新的、详尽的示例，演示如何创建自定义模型 flavors (#7867, @benjaminbluhm)

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。