该研究提出了全局因果解释框架和GCFExplainer算法，以提升图神经网络的可解释性。同时，研究引入了基于决定点过程的反事实解释框架，优化了多样性和可行性。GLOBE-CE框架解决了解释性方法的可靠性和可扩展性问题，并在高维数据集上展示了其优势。此外，研究还介绍了“群组反事实”算法，以增强对AI系统的理解。