清华大学与芝加哥大学研究团队基于 1980—2025 年间 4,130 万篇自然科学论文与 537 万名科学家的超大规模数据，系统评估了 AI 工具对科学研究的真实影响。研究发现，AI 显著提升了个体科研产出与学术影响力，却在集体层面导致知识空间收缩、学术互动趋于集中。通过语言模型识别 AI 研究、引入「知识广度」等创新指标，论文揭示了 AI for Science...

清华大学的研究表明，AI虽然能加速论文发表，但也导致科学探索的广度收缩。AI模型缺乏通用性，使研究者更集中于热门领域，从而削弱了创新能力。为此，推出了跨学科科研智能体系统OmniScientist，以提升科研效率和广度。

天才陈立杰已加盟OpenAI，负责数学推理。他16岁保送清华，后在UC伯克利担任助理教授，专注于计算复杂性理论，并在信息学竞赛中表现优异，发表多篇重要论文，近期研究扩散语言模型。

刘子鸣将于2023年9月加入清华大学人工智能学院担任助理教授，研究领域为物理学与人工智能的交叉。他提出的KAN网络提升了神经网络的可解释性。刘子鸣在MIT攻读博士期间与Max Tegmark合作，KAN的设计基于Kolmogorov-Arnold定理，受到广泛关注。

刘子鸣将于2023年9月加入清华大学人工智能学院担任助理教授，研究重点为KAN（Kolmogorov-Arnold Networks），该模型在神经网络可解释性方面优于传统多层感知机（MLP）。他在MIT攻读博士期间与Max Tegmark合作，致力于提升神经网络的可解释性，研究风格结合理论与实验，关注科学与人工智能的交叉领域。

清华大学团队研发的DrugCLIP平台实现基因组级药物虚拟筛选，24小时内完成10万亿次计算，显著提升药物筛选效率。该平台成功筛选出抑郁症和癌症等疾病的潜在药物分子，首次覆盖人类基因组规模，推动新药发现。

数据全开放

清华教授唐杰在微博上分享了关于AI的八个新见解，强调基座模型的有效性、Agent的生产力、模型记忆与在线学习的重要性，以及领域大模型的伪命题。他认为AI应替代人类工作并创造价值，未来将实现更高效的模型应用。

清华大学与生数科技联合推出的TurboDiffusion框架，将视频生成速度提升至2秒，几乎无损，解决了传统视频生成的延迟问题，推动实时视频创作的可能性。

清华大学孙茂松在MEET2026大会上指出，AI大模型的快速发展带来了不确定性，建议企业重视垂直应用而非盲目追求规模。他强调，少数大厂可继续追赶国际前沿，但大多数AI公司应专注于特定领域，以实现有效落地应用。

清华大学电子工程系李勇教授及团队提出了一种神经符号回归方法 ND²，通过从数据中自动推导出数学公式来刻画系统动力学。该方法将高维网络上的搜索问题等价地简化为一维系统，并利用预训练神经网络引导高精度的公式发现。

HyperAI超神经作为 COSCon’25 的联合出品社区，于 12 月 7 日举办了「产研开源协同论坛」。本文为 4 位讲师的深度分享精华摘要，后续我们还会以视频的形式分享完整演讲，敬请期待！

在清华大学，女生因年轻和优秀受到男性追求，而男生因缺乏社会地位和经济实力被轻视。女生在恋爱中占主导地位，男生则努力迎合。许多女生在未找到理想伴侣前享受众多追求者的关注，导致婚后地位不平等。整体来看，清华女生对同龄男生普遍轻蔑，形成明显的阶层差异。

清华大学成立具身智能与机器人研究院，标志着高校在该领域布局加速。研究院将整合多学科资源，推动产学研协同，培养高端人才。具身智能在国内高校迅速发展，显示出行业对该技术的迫切需求。

何恺明团队推出了改进版单步生成模型iMF，解决了训练的稳定性和效率问题。在ImageNet测试中，iMF表现优异，FID成绩为1.72，超越多步扩散模型，证明其性能可与之媲美。