本研究提出了一种无编码器的3D LMM模型ENEL，采用新颖的语义编码和几何聚合策略，展示了其在3D理解中的竞争潜力。

本研究探讨了图神经网络（GNN）的局限性，提出了信息传递的泛化界限和新的几何聚合方案Geom-GCN，实验结果显示其在多个数据集上表现优异。此外，研究了不同GNN模型的节点表示，提出了基于层次消息传递的框架，以提升长程信息访问效率。同时，提出了GOAT算法和Deformable GCNs，分别在节点表示和异构图分类中取得最佳性能。