Manyfold v0.115.0发布:增强内容可搜索性与隐私控制
Manyfold是一个开源的3D模型共享平台,它允许用户上传、管理和分享3D模型。作为一个注重隐私和内容控制的平台,Manyfold一直保持着默认私有的设计理念,同时也在不断完善其公开分享功能。
版本亮点
最新发布的v0.115.0版本主要聚焦于提升内容的可搜索性,同时强化了隐私控制选项。这一版本的核心改进包括:
-
搜索引擎索引控制:新增了管理员级别的全局设置,通过robots.txt文件控制是否允许网络爬虫索引网站内容。
-
细粒度的索引控制:为每个模型、创作者和收藏集添加了单独的索引控制选项,可以覆盖全局默认设置。
-
AI训练偏好设置:实现了类似Deviantart的AI训练偏好元标签,用户可以控制内容是否可用于AI训练。
-
站点地图支持:添加了sitemap.xml文件,帮助搜索引擎发现可索引的内容。
-
微数据结构化数据:在模型页面添加了微数据标记,提升搜索引擎对内容的理解和展示效果。
技术实现细节
搜索引擎控制机制
新版本通过多种方式实现了对搜索引擎的控制:
-
robots.txt:管理员可以在全局层面控制是否允许网络爬虫访问网站。当禁用时,robots.txt会明确禁止所有爬虫索引整个网站。
-
元标签:每个页面都包含了
robots元标签,可以精确控制单个页面是否允许索引。 -
AI训练控制:通过
noai和noimageai元标签,用户可以声明内容是否允许用于AI训练。
内容发现优化
为了提升公开内容的可发现性,新版本实现了:
-
站点地图生成:自动生成sitemap.xml文件,列出所有允许索引的公开内容。系统会智能地排除私有内容和标记为不可索引的项目。
-
结构化数据标记:使用schema.org词汇表为模型页面添加微数据,帮助搜索引擎更好地理解内容类型和属性。
-
ActivityPub扩展支持:实现了FEP-5feb规范,允许通过ActivityPub协议传播内容的索引偏好。
用户体验改进
在界面和交互方面,新版本也有多项改进:
-
访问状态指示器:重新设计了访问状态显示,更清晰地标识私有内容和共享内容。
-
许可证选择:新增了GPL2、LGPL2、LGPL3和BSD等常见开源许可证选项。
-
管理员界面优化:改进了管理员设置项的可见性和布局。
技术意义与价值
这一版本的发布标志着Manyfold在内容分发与隐私保护之间找到了更好的平衡点。通过精细化的控制机制,平台可以:
-
保护用户隐私:默认保持内容私有,同时提供灵活的公开选项。
-
提升内容曝光:为希望扩大影响力的创作者提供完善的搜索引擎优化工具。
-
尊重用户选择:在AI训练等新兴领域,给予内容所有者充分的控制权。
-
遵循开放标准:通过支持ActivityPub扩展等开放协议,确保与其他平台的互操作性。
总结
Manyfold v0.115.0版本通过一系列技术创新,在保持核心隐私理念的同时,大幅提升了公开内容的可发现性和控制灵活性。这些改进不仅使平台对普通用户更加友好,也为内容创作者提供了更多曝光机会,同时确保了对内容使用方式的充分控制权。这一版本的发布,标志着Manyfold在构建一个既保护隐私又促进分享的3D内容生态系统中迈出了重要一步。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C093
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00