尹希，哈佛最年轻华人正教授，已加盟OpenAI，参与AI与理论物理研究。他认为AI将加速物理研究，带来突破。苏炜杰也在学术休假期间加入OpenAI。业内对此看法不一，认为尹希对AI的判断过于乐观。OpenAI正在吸引顶尖学者，推动AI与科学的结合。

哈佛大学的研究显示，人工智能在急诊分诊中的诊断准确率为67%，高于医生的50%-55%。AI能够识别医生可能忽视的关键病因，但不会完全取代医生，而是与医生和患者形成协作模式。未来医疗将依赖AI来辅助医生，提高诊断效率。

哈佛大学的CS50是全球知名的计算机科学入门课程。freeCodeCamp.org的YouTube频道发布了更新至2026年的25小时完整课程，涵盖人工智能、算法、数据结构、Python和SQL等内容，由David J. Malan教授授课，旨在激励学生探索新领域并建立社区。

蛋白酶通过切割肽键调控生命过程，其异常可导致疾病。研究者开发了人工智能模型CleaveNet，以高效设计特异性肽底物，提升药物开发与基础研究效率。该模型结合预测与生成模块，在切割效率和选择性方面表现优越，为蛋白酶研究提供新方法。

哈佛大学的David J. Malan教授教授计算机科学，CS50课程吸引了数百万学生。他探讨了2026年学习C语言的重要性、如何帮助学生掌握基础知识，以及自学的愿景和软件工程的未来。

麻省理工学院和哈佛大学的研究团队提出了PUPS框架，通过结合蛋白质序列和细胞图像，精准预测未知蛋白质的亚细胞定位。该方法克服了传统模型的局限性，展现出良好的泛化能力和准确性，推动了生命科学研究的发展。

Lyra是一种新型生物序列建模架构，结合状态空间模型和投影门控卷积，显著提升推理速度和计算效率。它在100多个生物任务中表现优异，参数减少至现有模型的1/120,000，训练时间仅需数小时。

研究者提出了POPPER，一个结合统计原则与大型语言模型的自动化假设验证框架。该框架通过两个AI智能体进行实验设计与执行，确保假设有效性并控制错误率。在生物学等领域的测试中，POPPER显著提高了验证效率，减少了错误结论的可能性。

在人工智能快速发展的背景下，神经形态计算面临评测标准缺乏的问题。哈佛大学等机构提出了NeuroBench框架，通过算法与系统的双轨评测，为该领域提供统一的评估标准，促进技术创新与比较，推动神经形态计算的健康发展。