SKAI Intelligence与首尔大学AI研究院签署合作备忘录，联合研究机器人感知与抓取技术，重点包括物理AI核心视觉、多物体识别与位姿估计，以提升机器人抓取的精度与稳定性。双方还将推进政府研发课题和人才交流。

西湖大学的张岳团队推出了智能科研插图生成系统AutoFigure，旨在解决高质量科研插图的生成难题。该系统基于长篇科学文本，确保插图的逻辑结构准确且视觉美观。此外，团队发布了FigureBench数据集，包含3300组科学文本与插图配对样本，支持科研插图的自动生成。

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。

文章讨论了学校禁止使用人工智能（AI）的现象，认为这种抵抗是徒劳的，因为科技发展不可阻挡。尽管学校希望保护传统技能，但这些技能的实际价值可能不高。人类的努力和创造力应被保留，未来的“艺术”将是人们自我选择的结果，而非单纯的实用性。

一项2024年的元分析研究显示，当前本科生的平均智商为102分，逐年下降约0.2分。这一结果打破了大学生智商高于115的传统观念，表明大学生智商与普通人无显著差异。研究还指出，不同大学和专业间智商差距显著，教育门槛降低影响了教育质量和公众对高等教育的信任。

麻省理工学院校长萨莉·科恩布斯强调了美国科研生态系统面临的挑战，特别是基础科学和好奇心驱动科学的重要性。她指出，大学在科学研究中扮演关键角色，资金不足将对未来科研人才和技术发展产生重大影响。此外，科恩布斯提到人工智能对教育的影响及国际学生对美国科研的贡献。

dnaHNet模型是一种新型基因组学习模型，通过动态分块机制自我学习序列结构，显著提升了计算效率和表达能力。在变异效应预测和基因必需性分类等任务中表现优异，计算成本降低3.89倍，为基因组解析提供了新思路。

大厂招募中学生引发热议，许多人质疑上大学的必要性。腾讯、字节等公司已开展相关项目以培养人才。尽管机会有限，企业希望通过此举提升品牌形象、进行社会公益和锁定人才。普通家庭应关注孩子的兴趣与能力，而非盲目追求大厂机会。

NASA的TESS任务发现了大量系外行星候选体。新开发的RAVEN流程利用合成数据集和机器学习，提高了候选体的筛选与验证效率，确认了118颗新系外行星，展示了人工智能在天文学中的重要性。

为理解生命过程的分子机制，需解析生物大分子的三维结构。冷冻电镜和X射线晶体学是主要技术，AlphaFold等计算方法也取得进展。卡内基梅隆大学提出的AQuaRef方法结合机器学习和量子精修，提升了蛋白质结构的精确度，已在《Nature Communications》发表。

天津外国语大学与百度文心合作，探索人工智能与外语教育的结合。通过建立数字人智能体平台，师生可以创建多语种助手，重构教学场景。课程强调将AI工具转化为学习助手，培养学生的自主学习能力。专家团队参与数据构建，提升AI在外语任务中的表现，推动文科院校在AI时代的转型与发展。

根据福布斯最新排名，15所美国大学因重视实践经验和就业支持而脱颖而出。面对2025年严峻的就业形势，这些学校提供高参与率的实习项目，帮助学生更好地进入职场。

研究团队提出了一种创新的科学机器学习方法「发现学习」，能够有效预测电池循环寿命，节省98%的评估时间和95%的能耗。该方法结合了主动学习、物理约束学习和零样本学习，显著提升了电池研发效率，解决了电池创新的可持续性问题。

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。