MLRun v1.8.0-rc25版本发布:模型监控与向量数据库能力升级
MLRun是一个开源的机器学习平台,旨在简化机器学习工作流程的构建、部署和管理。作为数据科学家和机器学习工程师的强大工具,MLRun提供了从数据准备到模型部署的全生命周期管理能力。
本次发布的v1.8.0-rc25版本带来了多项重要改进,特别是在模型监控和向量数据库功能方面有显著增强。作为候选发布版本,它已经具备了生产环境使用的基本条件,但仍在进行最后的测试和优化。
核心功能增强
在模型监控方面,本次更新解决了多个关键问题。Kafka流处理的分片函数(sharding_func)得到了修正,确保了大规模模型监控场景下的数据处理稳定性。同时,批量漂移测试(batch_drift)和应用评估系统测试也得到了修复,提升了模型监控系统的可靠性。
向量数据库功能是本版本的另一个重点改进领域。开发团队优化了与MongoDB的集成,现在使用原生的delete操作替代了之前的Langchain实现,提高了文档删除操作的效率。此外,文档加载器规范(DocumentLoaderSpec)中的下载对象(download_object)现在会被持久化存储,避免了重复下载的开销。对于V3IO存储,默认配置增加了"document"前缀,使命名更加规范。
安全性与兼容性提升
安全方面,Golang组件中的多个问题得到了修复,进一步提升了系统的安全性。Python 3.11现在也被纳入持续集成(CI)测试范围,确保MLRun能够兼容最新的Python版本。
项目密钥管理功能得到了改进,现在支持不经过大写转换或添加前缀直接挂载项目密钥,为开发者提供了更大的灵活性。这一变化特别适合需要保持密钥原始格式的特殊场景。
告警系统优化
告警功能在本版本中获得了两项重要改进。首先是新增了获取单个告警激活状态的API接口,使得用户可以更精确地查询特定告警的状态。其次,系统现在能够支持未来可能添加的schema字段,为后续功能扩展奠定了基础。对于旧版本客户端,更新字段(updated field)会被自动从响应中排除,确保了向后兼容性。
数据存储与缓存改进
数据存储层现在能够更好地处理MLClientCtx场景下的artifact缓存未命中情况,提高了系统的健壮性。这一改进减少了因缓存问题导致的异常情况,使数据处理流程更加稳定。
开发者体验优化
开发者工具方面,UI链接生成功能得到了修复,确保了用户界面中的链接能够正确指向目标资源。Alembic修订版本获取过程增加了调试打印信息,方便开发者诊断数据库迁移问题。
总体而言,MLRun v1.8.0-rc25版本在稳定性、安全性和功能性方面都有显著提升,特别是对模型监控和向量数据库这两个关键组件的改进,将为机器学习工作流提供更强大的支持。开发团队建议用户评估这一版本,为即将到来的正式发布做好准备。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~057CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









