Indico v3.3.6版本发布:安全修复与功能增强
Indico是一款开源的会议管理系统,广泛应用于学术会议、研讨会等活动的组织与管理。它提供了从活动创建、注册管理到日程安排等全流程解决方案。最新发布的v3.3.6版本带来了重要的安全修复和多项功能改进,同时解决了若干已知问题。
安全修复
本次更新修复了Jinja2模板引擎中的一个沙箱逃逸漏洞(CVE-2025-27516)。虽然该漏洞的影响程度被评估为中低风险,因为它需要管理员权限才能利用,但升级仍然强烈推荐。值得注意的是,Indico中的文档模板通常只能由管理员管理,这在一定程度上限制了漏洞的潜在影响范围。
主要功能改进
在编辑管理方面,新增了"提交者已接受"状态,方便跟踪编辑内容的审批流程。同时,编辑列表中的项目现在会高亮显示自上次查看以来的更新,提高了工作效率。
用户认证系统获得多项增强:现在支持使用电子邮件地址登录,新增了LOCAL_USERNAMES设置可禁用用户名登录仅使用邮箱,密码最小长度默认值从8提高到15,并允许在密码重置过程中为没有本地账户的用户创建新账户。
会议管理功能也有显著提升:PDF版日程表获得全新设计,活动导出/导入工具更加灵活,支持导出整个分类子树。新增了活动设置可强制在添加人员前先进行搜索,防止重复添加。
在隐私和安全方面,错误邮件中的会话cookie值现在会被遮蔽,会话cookie默认设置为SameSite=Lax以防止在第三方iframe中发送。新增了房间预订位置ACL,可授予对位置本身及其所有房间的特权。
用户体验优化
日期选择器的外观得到改进,新增了快捷方式可快速访问分类中最接近当前日期的活动。Markdown编辑器现在支持==text==语法来高亮文本。当会议活动使用会议式日程表时,不再内联显示完整参与者列表,而是链接到会议参与者列表。
搜索功能获得增强:预定义机构现在支持替代名称和更强大的搜索。新增设置可限制房间预订用户查看与其无关的预订信息。
问题修复
本次更新修复了多个问题,包括:编辑操作请求批准时可能出现的错误、用户时区无效导致的错误、特殊字符在分享活动小部件中的编码问题、包含@字符的站点名称导致邮件发送失败等。
注册表单中的价格显示问题、新建房间时设置属性的错误、图片上传权限问题等也都得到了修复。此外,还解决了调查问卷在活动克隆时创建空章节、时间表PDF中时区不准确等问题。
可访问性改进
注册表单的字段验证错误信息现在更加友好。房间预订模块采用了新的日期范围选择器。主区域标题现在成为默认的绕过块目标。单选、多选输入和布尔输入的可访问性都得到了提升。分类列表页面的键盘导航顺序也更加合理。
内部变更
移除了marshmallow-enum依赖项,新增了在注册邮箱验证和登录过程中的信号,可使用自定义消息使流程失败。
Indico v3.3.6版本通过这些更新,进一步提升了系统的安全性、功能性和用户体验,为会议组织者和管理员提供了更强大、更可靠的工具。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00