布隆过滤器是一种概率数据结构，通过位数组和多个哈希函数快速判断元素是否可能存在于集合中。它能确定元素不存在，但可能误报存在。Instagram等系统利用它减少数据库查询，以少量误报率换取高效和内存节省。

Hardwood 1.1 Beta1发布，首次支持Parquet写入，提供RowWriter和ColumnWriter两种API，并优化查询层（Bloom过滤器、字典行组剪枝）及性能（固定长度列表快速路径等）。CLI改用Æsh框架，启动更快，新增AI代理技能和WebAssembly实验版本。此版本修复109个问题，兼容DuckDB和parquet-java，未来将完善写入功能。

Vercel 部署页面新增重新设计的过滤器，支持应用建议、输入搜索及自然语言描述，自动匹配并应用过滤器，提升查找效率。

文章探讨了人们因遭遇糟糕的反对意见而变得极端的心理机制。作者指出，极端观点持有者常将反对者的愚蠢误认为自身正确的证据，陷入“反对者越蠢，自己越对”的循环。要避免被带偏，需用两个过滤器：检查对方是否掌握基本事实、是否情绪化，并主动寻求高质量反驳。真正的清醒是持续求真的态度，而非固守特定立场。

Supabase 的 Postgres Changes 功能新增三项改进：支持多列组合过滤、更多过滤操作符（如 like、is、正则等），以及列选择以仅返回所需字段。这些功能可减少消息和带宽消耗，降低计费成本。需注意列选择需客户端库 2.109.0+，DELETE 事件仅含主键，且暂不支持 OR 组合。

布隆过滤器是一种概率数据结构，用于快速判断元素是否在集合中。它通过固定大小的位数组和多个哈希函数实现，内存占用极小，查询速度快。虽然可能出现假阳性，但绝对不会出现假阴性。布隆过滤器广泛应用于数据库、网络安全和缓存等领域，适合快速判断的场景。

本文介绍了Textual的DOM查询，重点讲解了DOMQuery对象的使用，包括获取第一个或最后一个小部件的方法（first()和last()）、查询过滤器（filter()）和排除方法（exclude()）。掌握这些方法有助于在应用程序中进行批量更新。

OpenAI推出了隐私过滤器，这是一种双向标记分类模型，旨在检测和编辑个人身份信息（PII）。该模型支持长文本处理，具有强大的上下文意识，能够更准确地识别和处理敏感信息。在PII掩蔽基准测试中，隐私过滤器的F1分数达到96%。尽管功能较小，但其本地运行和上下文感知设计使其对开发者具有吸引力。

OpenAI发布了隐私过滤器，这是一个开源模型，用于检测和遮蔽个人身份信息（PII）。该模型具备高效的上下文感知能力，能够在本地运行，确保数据安全。在PII-Masking-300k基准测试中，F1得分达到96%。隐私过滤器支持多种隐私标签，适用于各种文本场景，旨在提升AI系统的隐私保护标准。

OpenClaw因未遵守安全规则而批量删除邮件。使用开源工具Plano可以在AI与模型之间添加代理层，确保安全规则得到遵守，避免类似事件发生。

Roblox推出AI实时聊天改写功能，自动修改不当用语，增强文本过滤器以维护文明交流，减少聊天干扰，提升用户体验。

项目仪表板的运行日志搜索栏经过重新设计，提升了日志过滤和浏览的速度与直观性。新增结构化过滤器、智能建议和优化的输入处理，使用户能够更轻松地进行复杂查询和纠正错误。这些改进已上线。

一些Gmail用户发现，原本应归类于“更新”和“促销”标签的邮件开始直接进入收件箱。谷歌确认了这一问题，并表示用户可能会看到警告横幅，提示邮件未经过完整的垃圾邮件扫描。工程团队正在调查此事。