本研究提出生成风险最小化（GRM）框架，旨在解决图数据中的分布外泛化问题。通过生成不变子图来优化泛化过程，实验结果表明该方法在节点级和图级的OOD泛化中表现优越。

本文提出了一种使用标签和环境因果独立（LECI）的方法，解决了识别因果和不变子图的挑战，并通过对抗训练策略共同优化这两个特性，实现对因果子图的发现。该方法在合成和现实数据集上表现优于先前的方法，成为一种实用和有效的解决方案。