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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00