本文综述图神经网络可解释性研究，涵盖原型学习、信息瓶颈、反事实解释和神经元概念探测等方法。核心是结合图信息瓶颈与原型、子图或因果建模，生成关键子图与可靠解释，兼顾预测性能、鲁棒性和泛化能力，并验证其优于现有方法。