图机器学习调研洞察：PyG与DGL
图神经网络（GNN）是人工智能领域的研究热点，广泛应用于社交网络、电商推荐、欺诈检测等。主流开源图学习引擎如DGL、PyG、GraphScope等在性能和社区活跃度上各有优劣。基于ogbn-products数据集的测试显示，DGL性能最优、内存占用最低，PyG次之。在AI for Science领域，PyG应用更广泛，尤其在小分子和晶体结构预测中表现突出。DGL采用Graph Centric方式，保留图结构；PyG则采用Tensor Centric方式，适合小图场景。
扩散模型版CS: GO！世界模型+强化学习：2小时训练登顶Atari 100K
《Diffusion for World Modeling: Visual Details Matter in Atari》提出了一种名为DIAMOND的方法，将扩散模型应用于世界模型构建。该方法在Atari 100K基准测试中仅用2小时训练时间就达到了前所未有的性能水平，平均人类归一化分数达1.46，超过人类水平。DIAMOND通过条件生成、网络预条件和高效采样等设计，提升了视觉细节捕捉、模型稳定性和计算效率。未来研究方向包括连续控制领域应用和更长记忆机制的整合。